亚洲女同成aV人片在线观看|亚洲www啪成人一区二区麻豆|亚洲国产中日韩精品综合|亚洲国产成人精品一级片|亚洲无码在线视频免费

用戶(hù)動(dòng)態(tài)特??征：當下時(shí)間，數字需求，營(yíng)銷(xiāo)正在前??往的大數地方，周邊的據精鍵素商戶(hù)，周?chē)巳?，準營(yíng)新聞事件如何生成用戶(hù)精準畫(huà)像大致分成三步。個(gè)關(guān)

首先得掌握繁雜的數字數據源。包括用戶(hù)數據、營(yíng)銷(xiāo)各式活動(dòng)數據、大數電子郵件訂閱數、據精鍵素線(xiàn)上或線(xiàn)下數據庫及客戶(hù)服務(wù)信息等。準營(yíng)這個(gè)是個(gè)關(guān)累積數據庫；這里面最基礎的就是如何收集網(wǎng)站／APP用戶(hù)行為數據。比如當你登陸某網(wǎng)站，數字其Cookie就一直駐留在瀏覽器中，營(yíng)銷(xiāo)當用戶(hù)觸及的大(//ω//)數動(dòng)作，點(diǎn)擊的位置??，按鈕，點(diǎn)贊，評論，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(chu)他的短期需求和長(cháng)期興趣。還可以通過(guò)分析朋友圈，獲得非常清晰獲得對方的工作，愛(ài)好，教育等方面，這比個(gè)人填寫(xiě)的表單，還要更?全面和真實(shí)。

我們用已知(zhi)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)。

2.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(fen)為兩大部(???)分：(′ω｀)數ヽ(′▽?zhuān)?ノ據描述和指標統計。數據(′?ω?`)描述：用來(lái)對數據進(jìn)行基本情況的刻畫(huà)，包括數據總數，范(′?｀*)圍，數據來(lái)源。指標統計：把分布??，對比大數據精準營(yíng)銷(xiāo)案例，預測指標進(jìn)行建模。這里常常是Data mining的一些數學(xué)模型，像響應??率分(fen)析模型，客戶(hù)傾向性模型，這類(lèi)分群使用Lift圖，用打分的方法告訴你哪一類(lèi)(?????)客戶(hù)有較高的接觸和??轉??化的價(jià)值。

在分析階段，數(//ω//)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)(ge)例子，一個(gè)80后( ???)客戶(hù)喜歡在生鮮網(wǎng)站上早上10點(diǎn)下單買(mǎi)菜，晚上6點(diǎn)回家(jia)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，包括”80后”&#(°□°)8221;生鮮””做飯””日本料理”等等，貼在消費者身上。

3.制定策略：優(yōu)化再調整

除了顧客分群??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)(′▽?zhuān)?值，再根據客戶(hù)需求精準營(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(ju)，在進(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、訓練集ヽ(′▽?zhuān)?ノ發(fā)現知識規則，除了一些比較商業(yè)化的軟件SAS，WEKA功能強大的數據分析挖掘軟件，這邊還是更推薦使用R，Python，因為SAS，SPSS本身比較昂貴，也很難做頁(yè)面和服務(wù)級別的API，而Python和R有豐富的庫，可以類(lèi)似WEKA的模塊，無(wú)縫交互其他API和程序，這里還需要熟悉??數據庫，Hadoop等。

02

數據細分受眾

“顛覆營(yíng)銷(xiāo)”書(shū)中提到一個(gè)例子，可以引述一下，大家??思考??一個(gè)問(wèn)題??：如果你打算搜集200份有效問(wèn)卷，依照以往的經(jīng)驗，你需要發(fā)多少份問(wèn)卷，才能達到這個(gè)目標？預計用多少預算和時(shí)間來(lái)執行？

以往的方法是這樣的：評估網(wǎng)絡(luò )問(wèn)卷大約??是5%的回收率，想要保證收到200份的問(wèn)卷，就必須有20倍的發(fā)送量，也就是發(fā)出4000份問(wèn)卷，一個(gè)月內如果可以回(′▽?zhuān)?)收，就是不錯的表現。

但現在不一樣了，在執行大數據分析的3小時(shí)內，就可以輕松完成以??下的目標：

精準挑選出1%的VIP顧客

發(fā)送390份問(wèn)卷??(′?｀)，全部回收

問(wèn)卷寄出3小時(shí)內回收35%的問(wèn)卷

所需?時(shí)間和預算都在以往的10%以下

這是怎么做到在問(wèn)卷發(fā)送后的3個(gè)小時(shí)就回收35%？那是因為數據做到了發(fā)送時(shí)間的”一對一定制化”，利用數據得出，A先生最可能在什么時(shí)間打開(kāi)郵件就在那個(gè)時(shí)間點(diǎn)發(fā)送問(wèn)卷。

舉例來(lái)說(shuō)，有的人在上班路上ヾ(′▽?zhuān)??會(huì )打開(kāi)郵件，但如果是開(kāi)車(chē)族，并沒(méi)有時(shí)間填寫(xiě)答案，而搭乘公共交通工具的人，上班路上的時(shí)間會(huì )玩手機，填寫(xiě)答案的概率就高，這些都是數據細分受眾的好處。

預 測

當(dang)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)。這是最直接和(′?ω?`)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(ce)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???多還停留在“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(bu)能完全精準對接個(gè)性化(hua)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┐(′д｀)┌，一??對一營(yíng)(′▽?zhuān)?)銷(xiāo)，甚至精確算清楚成交轉化率，提高投資回報比。

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( ???)代表特定產(chǎn)品的大多數潛在買(mǎi)家。以上圖為例，你可以將營(yíng)銷(xiāo)活動(dòng)的目標受眾鎖定為20萬(wàn)潛在客戶(hù)或現有客戶(hù)，其中包括特定產(chǎn)品的大多數買(mǎi)家（4萬(wàn)人）。你還可以撥出部分預算用于吸引更小的客戶(hù)群（比如20% 的客戶(hù)），而不是整個(gè)客戶(hù)群，進(jìn)而優(yōu)化你的支出。

精準推薦

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(quan)依賴(lài)ヽ(′?｀)ノ消費者的行為數據去做推薦┐(′?｀)┌。未來(lái)，銷(xiāo)售人員不再只是ヾ(′?｀)?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，升級成為顧問(wèn)型銷(xiāo)售。

0(′?_?`)5

技術(shù)工具

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(li)：

1）連接不同來(lái)源的客戶(hù)數據，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(que)行為，可能做交叉銷(xiāo)售，跨不同營(yíng)(′?ω?`)銷(xiāo)系統。

06

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，消費頻率F，消費金額M???），但模型應(╬ ò﹏ó)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(bu)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：

參與傾向模型大數據精準營(yíng)銷(xiāo)案例，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( ?ヮ?)ED??M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(′?ω?`)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，預測聚集ヽ(′?｀)ノ模型就是預測客戶(hù)會(huì )歸為哪一類(lèi)。

0ヽ(′ー｀)ノ7

AI在營(yíng)銷(xiāo)領(lǐng)域的應用

我以前在國外零售店買(mǎi)單的時(shí)候經(jīng)常被詢(xún)問(wèn)“你有沒(méi)有購(′?_?`)物卡”，當我說(shuō)沒(méi)有收銀員會(huì )趕緊勸我免費開(kāi)通，有打折優(yōu)惠，只需要填個(gè)手機號和郵箱，后面就可以針對我的購買(mǎi)記錄做營(yíng)銷(xiāo)(′?｀)活動(dòng)，而當我下次進(jìn)來(lái)??，他們就讓我報出電話(huà)號碼做消費者識別，當時(shí)我想如果做到人臉識別，豈不是更方便，刷臉就可以買(mǎi)單。而這個(gè)場(chǎng)景在去年也有了實(shí)驗，螞蟻金服研發(fā)出了一個(gè)生(sheng)物識別機器人，叫螞可Mark，據說(shuō)其(qi)認臉能力已經(jīng)超越了人類(lèi)肉眼的能力。還有VR購物ヾ(＾-＾)ノ，Amazon推出的無(wú)收銀員商店Amazon Go，通過(guò)手勢識別，物聯(lián)網(wǎng)和后續數據挖掘等技術(shù)實(shí)現購物體驗。

針對營(yíng)銷(xiāo)領(lǐng)域，主要有以??下三種預測營(yíng)銷(xiāo)技術(shù)：

1、無(wú)監督的學(xué)習技術(shù)

無(wú)監督學(xué)習技術(shù)能識別數據中的隱藏模式，也無(wú)須明確預測一種結果。比如在一群??客戶(hù)中發(fā)現興趣小組，也許是滑雪，也許是長(cháng)跑，一般是放(???)在聚類(lèi)算法，揭示數據集合中 真實(shí)的潛在客戶(hù)。所謂聚類(lèi)，就是自動(dòng)發(fā)現重要的客戶(hù)屬性，并據此做分類(lèi)。

2、 有監督的學(xué)習技術(shù)

通過(guò)案例訓練機器，學(xué)習并識別數據，得到目標結果，這個(gè)一般是給定輸入數據情況下預測，比如預測客戶(hù)生命周期價(jià)值，客戶(hù)與??品牌互動(dòng)的可能性，未來(lái)購買(mǎi)的可能性。

3、強化學(xué)習技術(shù)

從技術(shù)角度看，推薦模型應用了??協(xié)同過(guò)濾，貝葉斯網(wǎng)絡(luò )等算法模型。強化學(xué)習是被Google Brain團隊(???)的負責人Jeff Dean認為是最(╯°□°)╯有前途的AI研究方向之一。??最近Google的一個(gè)AI團隊DeepMind發(fā)表了一篇名為《學(xué)會(huì )強???化學(xué)習》的論文。

按團隊的話(huà)( ?▽?)來(lái)說(shuō)，叫做“學(xué)會(huì )學(xué)習”的能力，或者叫做能解決類(lèi)似相關(guān)問(wèn)題的歸納能力。除了強化學(xué)習，還在遷移學(xué)習。遷移學(xué)習就是??把(/ω＼)一個(gè)通用模型遷移到一個(gè)小數據上，使它個(gè)性化，在新的領(lǐng)域也能產(chǎn)生效果，類(lèi)似于人的舉一反三、觸類(lèi)旁通。

強化學(xué)習加上遷移學(xué)習，能夠把小數據也用起來(lái)，我認為是很激動(dòng)人心的，通過(guò)AI來(lái)創(chuàng )造AI，數據科學(xué)(xue)家的??部分工作也可以(yi)讓??機器來(lái)實(shí)現了。

長(cháng)沙阿凡提企業(yè)??營(yíng)銷(xiāo)咨詢(xún)有限公(╯°□°）╯司推出的由科大訊飛研發(fā)的“招財寶/招財喵”是集采集用戶(hù)手機號碼和常用app以及電話(huà)、短信、網(wǎng)絡(luò )營(yíng)銷(xiāo)于一體的區域化精準營(yíng)銷(xiāo),詳情咨詢(xún)：