1 用戶(hù)畫(huà)像
用戶(hù)畫(huà)像是大數大關(guān)根據用戶(hù)社會(huì )屬性、生活習慣和消費行為等信息而抽象出的據精鍵素一??個(gè)標簽化的用戶(hù)模型。
如何生成用戶(hù)精準畫(huà)像大致分為三步:
首先得掌握繁雜的準營(yíng)數據源。包括用戶(hù)數據、大數大關(guān)各式活動(dòng)數據、據精鍵素電子郵件訂閱數、準營(yíng)線(xiàn)上或線(xiàn)下數據庫??及客戶(hù)服務(wù)信息等。大數大關(guān)這個(gè)是據(╯°□°)╯︵ ┻━┻精鍵素累積數據庫;??這里面最基礎的就(′_`)是如何收集網(wǎng)站/APP用(°o°)戶(hù)行為數(′ω`)據。比如當你登陸某網(wǎng)站,??準營(yíng)其Cookie就一直駐留在瀏覽器中,大數大關(guān)(guan)當用戶(hù)觸及的據精鍵素動(dòng)作,點(diǎn)擊的準營(yíng)位置,按鈕,大數大關(guān)點(diǎn)贊,據精鍵素評論,準營(yíng)粉絲,還有訪(fǎng)問(wèn)的路徑,可以識別并記錄他/她的所有瀏覽行為,然后持續分析瀏覽過(guò)的關(guān)鍵詞和頁(yè)面,分析出他的短期需求和長(cháng)期興趣。還可以通過(guò)分析朋友圈,非常清晰地獲得對方的工作,愛(ài)好,教育等方面信息,這比個(gè)人填寫(xiě)的表單,還要更全面和真實(shí)V+1335(′-ι_-`)2427906。
我們用已知的數據尋找線(xiàn)索,不斷挖掘素材,不但可以鞏固老(′?`*)會(huì )員,也可以分析出未知的顧客與需求,進(jìn)一步開(kāi)發(fā)市場(chǎng)。
用戶(hù)分群:分門(mén)別類(lèi)貼標簽
描述分析是最基本的分析統計方法,描述統計分為兩大部(′?`*)分:數據描述和指標統計。
數據描述:用(⊙_⊙)來(lái)對數據進(jìn)行基本情況的刻畫(huà),包括數(shu)據總數,范圍,數據(╯°□°)╯︵ ┻━┻來(lái)源。
在分析階段,數據會(huì )轉換為影響指數,進(jìn)而可以做”一對一”的精準營(yíng)銷(xiāo)。舉個(gè)例子,一個(gè)80后客戶(hù)喜歡在生鮮網(wǎng)站上上午10點(diǎn)下單買(mǎi)菜,晚上6點(diǎn)回家做飯,周末喜歡去附近吃日本料理,經(jīng)過(guò)搜集與轉換,就會(huì )產(chǎn)生一些標簽,如”80后””生鮮””做飯””日本料理”??等等,貼在消費者身上(???)。
精準營(yíng)銷(xiāo)
2制定策略:優(yōu)化再調整
有了用戶(hù)畫(huà)像之后,便能清楚了解需求,在實(shí)際操作上,能深度經(jīng)營(yíng)顧客關(guān)系,甚至找到擴散口碑的機會(huì )。例如上面例子中,若有生鮮的打折券,日本餐館最新推薦,營(yíng)銷(xiāo)人員就會(huì )把適合產(chǎn)品的相關(guān)信息,精準推送這個(gè)消費者的手機中;針對不同產(chǎn)品發(fā)送推薦信息,同時(shí)?也不斷通過(guò)滿(mǎn)意度調查,跟蹤碼確認等方式,掌握顧客各方面的行為與偏好。
除了顧客分群(qun)之外,營(yíng)銷(xiāo)人員也在不同時(shí)間階段觀(guān)察成??長(cháng)率和成功率,前后期對照,確認整體經(jīng)營(yíng)策略與方向是否正確;若效果不佳,又該用什么策略去應對。反復試錯并調整模型,做到循環(huán)優(yōu)化。
這個(gè)階段的目的是提煉價(jià)值,再根據客戶(hù)需(xu)求精準營(yíng)銷(xiāo),最后追蹤客戶(hù)反饋的信息,完成閉環(huán)優(yōu)化。
我們從數據整合導入開(kāi)始,聚合數據,再進(jìn)行??數據的分析挖掘。(╯°□°)╯︵ ┻━┻數據分析和挖掘還是有一些區別。數據分析??重點(diǎn)是觀(guān)察數據,單純的統計,看(kan)KPI的升降原因。而數據挖掘從細微和模型角度去研究數據,從學(xué)習集、訓練集發(fā)現知識規則。
4預測
“預測”能夠讓你專(zhuān)注于一小群客戶(hù),而這群客戶(hù)卻能代表特定產(chǎn)品??的大多數潛在買(mǎi)家。
當我們采集和分析用戶(hù)畫(huà)像時(shí),可以實(shí)現精準營(yíng)銷(xiāo)。這??是ヽ(′?`)ノ最直接和最有價(jià)值的應用,廣告主可以通過(guò)用戶(hù)標簽來(lái)發(fā)布廣告給所要觸達的用戶(hù),這里面又可以通過(guò)上圖提到的搜索廣告,展示社交廣告,移動(dòng)廣告等多渠道的營(yíng)銷(xiāo)策ヽ(′?`)ノ略,營(yíng)銷(xiāo)分析,營(yíng)銷(xiāo)優(yōu)化以及后端CRM/供應??鏈系統打通的一站式營(yíng)銷(xiāo)優(yōu)化,全面提升ROI。
我們再說(shuō)一說(shuō)營(yíng)銷(xiāo)時(shí)代的變遷,傳統的企業(yè)大多還(hai)停ヽ(′ー`)ノ留在“營(yíng)銷(xiāo)1.0”時(shí)代,以產(chǎn)品為中心,滿(mǎn)足傳統的消費者需求,而進(jìn)入“營(yíng)銷(xiāo)2.0”,以社會(huì )價(jià)值與品牌為使命,也不能完全精準對接個(gè)性化需求。進(jìn)入營(yíng)銷(xiāo)3.0的數據時(shí)代,我們要對每個(gè)消費者進(jìn)行個(gè)性化匹配,ヽ(′▽?zhuān)?ノ一對一營(yíng)銷(xiāo),甚至精確地算清楚成交轉化率,提高投資回報比。
大數據下的營(yíng)銷(xiāo)顛覆經(jīng)典的營(yíng)銷(xiāo)4P理論:Product(產(chǎn)品),Price(價(jià)格),Place(渠道),P??romotion(推廣),取而代之的是新的營(yíng)銷(xiāo)4P概念:Pur??pose(意義),Presence(參與),Proximity(接近),Partnership(合作)。??在大數據時(shí)代,線(xiàn)下地理的競爭邊界早就不存在(′?_?`),比的是早一步的先知能力,利用大數據,從顧客真實(shí)交易數據中,預測??下一次的購買(mǎi)時(shí)間。 營(yíng)銷(xiāo)3.0時(shí)代關(guān)鍵詞就是“預測”。
預測營(yíng)銷(xiāo)能夠讓你專(zhuān)注于一小群客戶(hù),而這群客戶(hù)卻能代表特(te)定產(chǎn)品的大多數潛在買(mǎi)家。過(guò)去我們看數據可能是被動(dòng)的方式,??但預測營(yíng)銷(xiāo)強調是決策價(jià)值,比如購買(mǎi)時(shí)間,你該看的不是她最后的購買(mǎi)日期,而是下次購買(mǎi)的時(shí)間,看未來(lái)的存活概率,最后生成客戶(hù)終身價(jià)值(CLV)。預測營(yíng)銷(xiāo)??催生了一種新的數據驅動(dòng)營(yíng)銷(xiāo)方(′▽?zhuān)?)式,就是以(yi)客戶(hù)為中心,核心在于幫助公司完成從以產(chǎn)品或渠道為中心到以客戶(hù)為中心的轉變。
5精準推薦
大數據最大的價(jià)值不是事后分析,而是預測和推薦。以電商為例,̶??1;精準推薦”成為大數(shu)據改變零售業(yè)的核心功能。譬如服裝網(wǎng)站Stitch fix例子,在個(gè)性化推薦機制方面,大多數服裝訂購網(wǎng)站采用的都是用戶(hù)提交身形、風(fēng)格數據+編輯人工推薦的模式,Sti??tch Fix不一樣的地方在于它還結合了機器算??法推薦。這些顧客提供的身材比例,主觀(guān)數(shu)據,加上銷(xiāo)售記錄的交叉核對,挖掘每個(gè)人專(zhuān)屬的服裝推薦模型。這種???一對一營(yíng)銷(xiāo)是最好的服務(wù)V+13352427906。
數據整合改變了企(?_?;)業(yè)的營(yíng)銷(xiāo)方式,現在經(jīng)驗已經(jīng)不是累積在人的身上,而是完全依賴(lài)消費者的行為數據去做推薦。未來(lái),銷(xiāo)售人員不再只是銷(xiāo)售人員,而能以專(zhuān)業(yè)的數據預測,搭配人性的親切互動(dòng)推薦商品,升(′▽?zhuān)?級成為顧問(wèn)型銷(xiāo)售。
6預測模型
預測客戶(hù)購買(mǎi)可能性的行業(yè)標準是RFM模型(最近一??次消費R大數據精準營(yíng)銷(xiāo)案例,消費頻率F,消費金額M),但模型應用有限,本質(zhì)是一個(gè)試探性方案,沒(méi)有統計和預測(′_`)依據?!斑^(guò)去的成績(jì)不能保證未來(lái)的表現”,RFM只關(guān)注過(guò)去,不去將客戶(hù)當前行為和其他客戶(hù)當前行為做對比。這樣就無(wú)法在購買(mǎi)產(chǎn)品之前識別高價(jià)值客戶(hù)。
我們聚焦的預測模型,就是為了在最短時(shí)間內對客戶(hù)價(jià)值產(chǎn)生最大影響。這里列舉一些其他模型參考:
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(jiu)需要去發(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(′▽?zhuān)?產(chǎn)品開(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)。
在精準營(yíng)銷(xiāo)方面,助客營(yíng)銷(xiāo)ヽ(′?`)ノ與三大運營(yíng)商合作,可直接與抓取到的客戶(hù)進(jìn)行??電話(huà)、短信閃信精準營(yíng)銷(xiāo)觸達;同時(shí)對接95%的運營(yíng)媒體和各類(lèi)APP滿(mǎn)足各行各業(yè)的廣告投放需求。打破傳統廣告推廣模式,提高轉化率降低營(yíng)銷(xiāo)成本。