口碑營(yíng)銷(xiāo)
> 干貨｜關(guān)于精準營(yíng)銷(xiāo)，你一定得知道以下幾點(diǎn)
展開(kāi)更多菜單
隨著(zhù)??渠道和運營(yíng)的干貨關(guān)于成本越來(lái)越高，很多公司對于拉新和留存客戶(hù)這個(gè)難題都感到頭疼，精(′?_?`)準傳統的營(yíng)銷(xiāo)營(yíng)銷(xiāo)方案已經(jīng)很難達到令人滿(mǎn)意的效果。??
此時(shí)一套預測性的知道營(yíng)銷(xiāo)方案也許可以幫你用最少的支出，找到最精準的下點(diǎn)用戶(hù)。
然而??想要做好精準營(yíng)銷(xiāo)并不是干貨關(guān)于一件容易的事。今天小編準備了滿(mǎn)滿(mǎn)干貨，精準教你如??何一步步做好精準營(yíng)銷(xiāo)。營(yíng)銷(xiāo)
大數據技術(shù)是知道預測性營(yíng)銷(xiāo)的基石
數據挖掘和機器學(xué)(xue)習助你拉新和留存客戶(hù)
對于外部營(yíng)銷(xiāo)優(yōu)化，我們可以通過(guò)機器學(xué)習內部客戶(hù)的下點(diǎn)特征，結合word2vec，干貨關(guān)于神經(jīng)網(wǎng)絡(luò )多種模型精準預測最可能轉化的精準潛在外部客戶(hù)。
對于(yu)內部營(yíng)銷(xiāo)優(yōu)化，營(yíng)銷(xiāo)我們可以通過(guò)機器學(xué)習客戶(hù)的知道(′-ι_-｀)行為特征，精準預測最可能活躍的下點(diǎn)客戶(hù)，最可能購買(mǎi)的客戶(hù)等。并且通過(guò)內部觸達渠道刺激用戶(hù)轉化，A/B test，效果跟ヾ(′?｀)?蹤和持續優(yōu)化等一站式解決方案提高內部客戶(hù)的轉化率。
拉新和留存是很多客戶(hù)最關(guān)心的，可以通過(guò)數據挖掘和機器學(xué)習的方式提升(???)效率，并且兩者是有關(guān)聯(lián)什么是精準營(yíng)銷(xiāo)，通過(guò)內部留存每一步的跟蹤和轉化，我們可以刻畫(huà)用戶(hù)的精準畫(huà)像??，對不同分類(lèi)的客戶(hù)做不同刺激，預測可(ke)能轉化的用戶(hù)，并將特征記錄下來(lái)，對外部的拉新數據能夠重用。
以最常使用的電子郵件推送為例，以往只能盲目發(fā)(fa)送，消費者沒(méi)反應就再發(fā)一次。導入大數據分析后，可以很精準地掌握消費者的打開(kāi)情況，消費者沒(méi)有點(diǎn)開(kāi)閱讀一定有原因，一種策略是規劃促??銷(xiāo)活動(dòng)，再次發(fā)送給沒(méi)點(diǎn)開(kāi)的消費者，觀(guān)察哪些消費者對促銷(xiāo)內容有反應，不斷回饋修正。
還有一種策略是建立每個(gè)消費者的消費習慣周期，比如顧客A是每隔30天購買(mǎi)，顧客B每隔60天購買(mǎi)，那(′_｀)么通過(guò)建模，第30天是顧客A的最可能購買(mǎi)點(diǎn)，之后購買(mǎi)概率衰退，最好在30天前的那一周發(fā)送電子郵件提醒刺激。如果太早提醒還沒(méi)(mei)發(fā)現，太晚又錯過(guò)了。因此在適當的??時(shí)機，營(yíng)銷(xiāo)才能事半功倍。
總之，客戶(hù)的資源有限，如何將人、時(shí)間、金錢(qián)等資源得花在刀刃上？通過(guò)數據進(jìn)行有效資源分配，可以降低營(yíng)銷(xiāo)預算，只要在關(guān)鍵購買(mǎi)點(diǎn)觸動(dòng)他們，就可ヾ(′▽?zhuān)??以達到很好的效果。但是對于即將流失的顧客，就應該投入相對高的營(yíng)銷(xiāo)預??算??，產(chǎn)生(sheng)資源最大化的效果。
關(guān)于預(◎_◎;)測營(yíng)銷(xiāo)的技術(shù)能力，有幾種選擇方案:
1 使用預測分析工作平臺，然后以某種方法將模型輸入活動(dòng)管理工具；
2 以分析為動(dòng)力的預測性活動(dòng)外包給市場(chǎng)服務(wù)提供商；
3 評估并購買(mǎi)一個(gè)預測營(yíng)銷(xiāo)的解決方案，比如預測性營(yíng)銷(xiāo)云和多渠道的活動(dòng)管理工具。
但無(wú)論哪條路，都要確定三項基本能力：
1 連接不同來(lái)源的客戶(hù)數據(ju)，包括線(xiàn)上，線(xiàn)下，為預測分析準備好數據 ；
2 分析客戶(hù)數據，使用系統和定制預測(′?ω?`)模型，做高級分析 ；
3 在正??確時(shí)間，正確客戶(hù)，正確的場(chǎng)景出發(fā)正確行為，可(′▽?zhuān)?能做交叉銷(xiāo)售，跨不同營(yíng)銷(xiāo)系統。
營(yíng)銷(xiāo)領(lǐng)域的六種模型
RFM模型
RFM模型是衡量客戶(hù)價(jià)值和客戶(hù)創(chuàng )利能力的重要工具和手段。該機械模型通過(guò)一個(gè)客戶(hù)的近期購買(mǎi)行為、購買(mǎi)的總體頻率以及花了多少錢(qián)三項指標來(lái)描述該客戶(hù)的價(jià)值狀況。
參與傾向模型
預測客戶(hù)參與一個(gè)品牌的可能性，參與定(′▽?zhuān)?義可以多元，比如參加一個(gè)活動(dòng)，打開(kāi)電子??郵件，點(diǎn)擊，訪(fǎng)問(wèn)某頁(yè)面?？梢酝ㄟ^(guò)模型來(lái)確定EDM的發(fā)送頻率。并對趨勢做預??測，是增加還是減??少活動(dòng)。
錢(qián)包模型
就是為每個(gè)客戶(hù)預測最大可能的支出，定義為單個(gè)客戶(hù)購買(mǎi)產(chǎn)品的最大年度支出。然后看增長(cháng)模型，如果當前的總目標市場(chǎng)比較小，但未來(lái)可能很大，就需要(′▽?zhuān)?去發(fā)現這些市場(chǎng)。
價(jià)格優(yōu)化模型
就是能夠去最大限度提升銷(xiāo)售，銷(xiāo)量或ヽ(′▽?zhuān)?ノ利潤的架構，通過(guò)價(jià)格優(yōu)化模型為每個(gè)客戶(hù)來(lái)定價(jià)，這里需要對你想要的產(chǎn)品ヽ(′▽?zhuān)?ノ開(kāi)發(fā)不同的模型，或者開(kāi)發(fā)通用，可預測的客戶(hù)價(jià)格敏感度的模型，確定哪一塊報價(jià)時(shí)對客戶(hù)有最大的影響
關(guān)(′?_?`)鍵字推薦模型
關(guān)鍵字推薦模型可以??基于一個(gè)客戶(hù)網(wǎng)絡(luò )行為和購買(mǎi)記錄來(lái)預測對某個(gè)內容的喜愛(ài)程度，預測客戶(hù)對什么熱點(diǎn)，爆款感興趣，營(yíng)銷(xiāo)者使用這種預測結果為特定客戶(hù)決定內容營(yíng)銷(xiāo)主題。
預測聚集模型
預測聚集模型就是預測客戶(hù)會(huì )歸為哪一類(lèi)。
內外閉環(huán)一體化精準數字營(yíng)銷(xiāo)
講到這里，小(??ヮ?)?*:???編就不得不說(shuō)一說(shuō)Datatist大數據家了~
Datatis作為國內預測營(yíng)銷(xiāo)云第一家什么是精準營(yíng)銷(xiāo)，專(zhuān)注于用大數據機器學(xué)習技術(shù)自動(dòng)支持企業(yè)的智能決(jue)策和商業(yè)優(yōu)化。 我們產(chǎn)品融合內外海量數??據，深度挖掘和學(xué)習客戶(hù)行為畫(huà)像特征，通過(guò)預測和優(yōu)化技術(shù)，提供內外閉環(huán)一體化精準數字營(yíng)銷(xiāo)，個(gè)性化產(chǎn)品定位和智能決策支持。
Datatist專(zhuān)注于用??大數據機器(qi)學(xué)習技術(shù)自動(dòng)支持企業(yè)的智能決(jue)策和商業(yè)優(yōu)化。
（作者：關(guān)鍵詞優(yōu)化）