首页 > 要闻 > 关键词 > 数字营销:大数据精准营销的七个关键要素最新资讯 > 正文

数字营销:大数据精准营销的七个关键要素

2017-06-22 18:22 · 稿源:亿邦动力网

说到大数据精准营销,不得不先提个性化的用户画像,我们针对每一类数据实体,进一步分解可落地的数据维度,刻画TA的每一个特征,在聚集起来形成人群画像。

01用户画像

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度:

用户固定特征:性别,年龄,地域,教育水平,生辰八字,职业,星座

用户兴趣特征:兴趣爱好,使用APP,网站,浏览/收藏/评论内容,品牌偏好,产品偏好

用户社会特征:生活习惯,婚恋,社交/信息渠道偏好,宗教信仰,家庭成分

用户消费特征:收入状况,购买力水平,商品种类,购买渠道喜好,购买频次

用户动态特征:当下时间,需求,正在前往的地方,周边的商户,周围人群,新闻事件如何生成用户精准画像大致分成三步。

1.采集和清理数据:用已知预测未知

首先得掌握繁杂的数据源。包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。这个是累积数据库;这里面最基础的就是如何收集网站/APP用户行为数据。比如当你登陆某网站,其Cookie就一直驻留在浏览器中,当用户触及的动作,点击的位置,按钮,点赞,评论,粉丝,还有访问的路径,可以识别并记录他/她的所有浏览行为,然后持续分析浏览过的关键词和页面,分析出他的短期需求和长期兴趣。还可以通过分析朋友圈,获得非常清晰获得对方的工作,爱好,教育等方面,这比个人填写的表单,还要更全面和真实。

我们用已知的数据寻找线索,不断挖掘素材,不但可以巩固老会员,也可以分析出未知的顾客与需求,进一步开发市场。

2.用户分群:分门别类贴标签

描述分析是最基本的分析统计方法,描述统计分为两大部分:数据描述和指标统计。数据描述:用来对数据进行基本情况的刻画,包括数据总数,范围,数据来源。指标统计:把分布,对比,预测指标进行建模。这里常常是Data mining的一些数学模型,像响应率分析模型,客户倾向性模型,这类分群使用Lift图,用打分的方法告诉你哪一类客户有较高的接触和转化的价值。

在分析阶段,数据会转换为影响指数,进而可以做"一对一"的精准营销。举个例子,一个80后客户喜欢在生鲜网站上早上10点下单买菜,晚上6点回家做饭,周末喜欢去附近吃日本料理,经过搜集与转换,就会产生一些标签,包括"80后""生鲜""做饭""日本料理"等等,贴在消费者身上。

3.制定策略:优化再调整

有了用户画像之后,便能清楚了解需求,在实际操作上,能深度经营顾客关系,甚至找到扩散口碑的机会。例如上面例子中,若有生鲜的打折券,日本餐馆最新推荐,营销人员就会把适合产品的相关信息,精准推送这个消费者的手机中;针对不同产品发送推荐信息,同时也不断通过满意度调查,跟踪码确认等方式,掌握顾客各方面的行为与偏好。

除了顾客分群之外,营销人员也在不同时间阶段观察成长率和成功率,前后期对照,确认整体经营策略与方向是否正确;若效果不佳,又该用什么策略应对。反复试错并调整模型,做到循环优化。

这个阶段的目的是提炼价值,再根据客户需求精准营销,最后追踪客户反馈的信息,完成闭环优化。

我们从数据整合导入开始,聚合数据,在进行数据的分析挖掘。数据分析和挖掘还是有一些区别。数据分析重点是观察数据,单纯的统计,看KPI的升降原因。而数据挖掘从细微和模型角度去研究数据,从学习集、训练集发现知识规则,除了一些比较商业化的软件SAS,WEKA功能强大的数据分析挖掘软件,这边还是更推荐使用R,Python,因为SAS,SPSS本身比较昂贵,也很难做页面和服务级别的API,而Python和R有丰富的库,可以类似WEKA的模块,无缝交互其他API和程序,这里还需要熟悉数据库,Hadoop等。

02数据细分受众

“颠覆营销”书中提到一个例子,可以引述一下,大家思考一个问题:如果你打算搜集200份有效问卷,依照以往的经验,你需要发多少份问卷,才能达到这个目标?预计用多少预算和时间来执行?

以往的方法是这样的:评估网络问卷大约是5%的回收率,想要保证收到200份的问卷,就必须有20倍的发送量,也就是发出4000份问卷,一个月内如果可以回收,就是不错的表现。

但现在不一样了,在执行大数据分析的3小时内,就可以轻松完成以下的目标:

精准挑选出1%的VIP顾客

发送390份问卷,全部回收

问卷寄出3小时内回收35%的问卷

5天内就回收了超过目标数86%的问卷数

所需时间和预算都在以往的10%以下

这是怎么做到在问卷发送后的3个小时就回收35%?那是因为数据做到了发送时间的"一对一定制化",利用数据得出,A先生最可能在什么时间打开邮件就在那个时间点发送问卷。

举例来说,有的人在上班路上会打开邮件,但如果是开车族,并没有时间填写答案,而搭乘公共交通工具的人,上班路上的时间会玩手机,填写答案的概率就高,这些都是数据细分受众的好处。

03预 测

“预测”能够让你专注于一小群客户,而这群客户却能代表特定产品的大多数潜在买家。

当我们采集和分析用户画像时,可以实现精准营销。这是最直接和最有价值的应用,广告主可以通过用户标签来发布广告给所要触达的用户,这里面又可以通过上图提到的搜索广告,展示社交广告,移动广告等多渠道的营销策略,营销分析,营销优化以及后端CRM/供应链系统打通的一站式营销优化,全面提升ROI。

我们再说一说营销时代的变迁,传统的企业大多还停留在“营销1.0”时代,以产品为中心,满足传统的消费者需求,而进入“营销2.0”,以社会价值与品牌为使命,也不能完全精准对接个性化需求。进入营销3.0的数据时代,我们要对每个消费者进行个性化匹配,一对一营销,甚至精确算清楚成交转化率,提高投资回报比。

大数据下的营销颠覆经典的营销4P理论,Product,Price,Place,Promotion,取而代之的是新的4P,People,Performance,Process,Prediction。在大数据时代,线下地理的竞争边界早就不存在,比的是早一步的先知能力,利用大数据,从顾客真实交易数据中,预测下一次的购买时间。 营销3.0时代关键词就是“预测”。

预测营销能够让你专注于一小群客户,而这群客户却能代表特定产品的大多数潜在买家。以上图为例,你可以将营销活动的目标受众锁定为20万潜在客户或现有客户,其中包括特定产品的大多数买家(4万人)。你还可以拨出部分预算用于吸引更小的客户群(比如20% 的客户),而不是整个客户群,进而优化你的支出。

过去我们看数据可能是被动的方式,但预测营销强调是决策价值,比如购买时间,你该看的不是她最后的购买日期,而是下次购买的时间,看未来的存活概率,最后生成客户终身价值(CLV)。预测营销催生了一种新的数据驱动营销方式,就是以客户为中心,核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。

04精准推荐

大数据最大的价值不是事后分析,而是预测和推荐,我就拿电商举例,"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子,在个性化推荐机制方面,大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式,Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例,主观数据,加上销售记录的交叉核对,挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。

数据整合改变了企业的营销方式,现在经验已经不是累积在人的身上,而是完全依赖消费者的行为数据去做推荐。未来,销售人员不再只是销售人员,而能以专业的数据预测,搭配人性的亲切互动推荐商品,升级成为顾问型销售。

05技术工具

关于预测营销的技术能力,有几种选择方案:

1、使用预测分析工作平台,然后以某种方法将模型输入活动管理工具;

2、以分析为动力的预测性活动外包给市场服务提供商;

3、评估并购买一个预测营销的解决方案,比如预测性营销云和多渠道的活动管理工具。

但无论哪条路,都要确定三项基本能力:

1)连接不同来源的客户数据,包括线上,线下,为预测分析准备好数据 ;

2)分析客户数据,使用系统和定制预测模型,做高级分析 ;

3)在正确时间,正确客户,正确的场景出发正确行为,可能做交叉销售,跨不同营销系统。

06预测模型

预测客户购买可能性的行业标准是RFM模型(最近一次消费R,消费频率F,消费金额M),但模型应用有限,本质是一个试探性方案,没有统计和预测依据。“过去的成绩不能保证未来的表现”,RFM只关注过去,不去将客户当前行为和其他客户当前行为做对比。这样就无法在购买产品之前识别高价值客户。

我们聚焦的预测模型,就是为了在最短时间内对客户价值产生最大影响。这里列举一些其他模型参考:

参与倾向模型,预测客户参与一个品牌的可能性,参与定义可以多元,比如参加一个活动,打开电子邮件,点击,访问某页面。可以通过模型来确定EDM的发送频率。并对趋势做预测,是增加还是减少活动。

钱包模型,就是为每个客户预测最大可能的支出,定义为单个客户购买产品的最大年度支出。然后看增长模型,如果当前的总目标市场比较小,但未来可能很大,就需要去发现这些市场。

价格优化模型,就是能够去最大限度提升销售,销量或利润的架构,通过价格优化模型为每个客户来定价,这里需要对你想要的产品开发不同的模型,或者开发通用,可预测的客户价格敏感度的模型,确定哪一块报价时对客户有最大的影响。

关键字推荐模型,关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度,预测客户对什么热点,爆款感兴趣,营销者使用这种预测结果为特定客户决定内容营销主题。

预测聚集模型,预测聚集模型就是预测客户会归为哪一类。

07AI在营销领域的应用

去年人工智能特别火,特别是深度学习在机器视觉,语言识别,游戏AI上的突飞猛进,以至于人们开始恐慌人工智能是不是已经可以接管人类工作,我个人是对新技术有着强烈的兴趣,也非常看好新科技,数据与现实的关联。

我以前在国外零售店买单的时候经常被询问“你有没有购物卡”,当我说没有收银员会赶紧劝我免费开通,有打折优惠,只需要填个手机号和邮箱,后面就可以针对我的购买记录做营销活动,而当我下次进来,他们就让我报出电话号码做消费者识别,当时我想如果做到人脸识别,岂不是更方便,刷脸就可以买单。而这个场景在去年也有了实验,蚂蚁金服研发出了一个生物识别机器人,叫蚂可Mark,据说其认脸能力已经超越了人类肉眼的能力。还有VR购物,Amazon推出的无收银员商店Amazon Go,通过手势识别,物联网和后续数据挖掘等技术实现购物体验。

针对营销领域,主要有以下三种预测营销技术:

1、无监督的学习技术

无监督学习技术能识别数据中的隐藏模式,也无须明确预测一种结果。比如在一群客户中发现兴趣小组,也许是滑雪,也许是长跑,一般是放在聚类算法,揭示数据集合中 真实的潜在客户。所谓聚类,就是自动发现重要的客户属性,并据此做分类。

2、 有监督的学习技术

通过案例训练机器,学习并识别数据,得到目标结果,这个一般是给定输入数据情况下预测,比如预测客户生命周期价值,客户与品牌互动的可能性,未来购买的可能性。

3、强化学习技术

这种是利用数据中的潜质模式,精准预测最佳的选择结果,比如对某用户做促销应该提供哪些产品。这个跟监督学习不同,强化学习算法无须仅需输入和输出训练,学习过程通过试错完成。

从技术角度看,推荐模型应用了协同过滤,贝叶斯网络等算法模型。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。

按团队的话来说,叫做“学会学习”的能力,或者叫做能解决类似相关问题的归纳能力。除了强化学习,还在迁移学习。迁移学习就是把一个通用模型迁移到一个小数据上,使它个性化,在新的领域也能产生效果,类似于人的举一反三、触类旁通。

强化学习加上迁移学习,能够把小数据也用起来,我认为是很激动人心的,通过AI来创造AI,数据科学家的部分工作也可以让机器来实现了。

  • 相关推荐
  • 大家在看
  • 又被“大数据杀熟”了?

    这是 7 月国内跨省旅游开放后的第一个节假日,又遇上国庆中秋连休 8 天。携程数据显示,预计今年国庆中秋 8 天长假旅游人次可能达到 6 亿。

  • OTA频发的“大数据杀熟”,想要治你不容易?

    九月初的时候,因为对国庆假期比较期待,一来本着“假期机票紧张”的想法,一来有着机票“越早定越便宜”的心理,便早早地在某宝旗下的某猪预定了全家往返的机票,后面就是一心等着假期到来,合家欢出游了。

  • 秒级追踪+爆款预测,魔方数据成直播大数据黑马

    魔方数据(iambox)是致力于快手全领域流量追踪分析的大数据服务平台,为用户提供快手直播广场即时数据分析、直播数据动态大屏呈现、爆款视频趋势追踪、数据定制化等服务,助力快手账号运营优化,辅助流量变现、电商带货。同时为广告主、商业合作等用户提供可靠的数据支持,帮助发掘优质账号、播主、机构。 自上线以来,魔方数据持续深耕快手大数据挖掘分析,以更及时、更真实、更可靠,更多维度的数据追踪分析功能,成为快手大数据

  • 老虎证券:snowflake ipo仅是开始 大数据和云红利还待释放

    本文发布于老虎证券社区《锐问》,老虎社区是老虎证券旗下的股票交易软件 Tiger Trade 的社区板块,致力于打造“离交易更近的美股港股英股社区”,有温度的股票交流社区。9月16日,Snowflake 正式在纽交所挂牌上市,首日暴涨111%,公司此前一再上调发行价格,并且吸引巴菲特首次投资IPO企业。《锐问》专访信天创投合伙人蒋宇捷,和他聊聊关于Snowflake和Tob项目的投资逻辑。蒋宇捷专注于企业服务、金融科技等投资领域,此前投资案?

  • 10.1旅游省心了:国家严禁大数据杀熟、差评不能删除

    马上就是10.1长假了,这次有8天时间,胆子大的可以凑够16天超长假期,这也是疫情之后第一个几乎没限制的长假,很多人都会选择去旅游。随着热度回升,以往的糟心事,比如机票杀熟、虚假宣传等估

  • 信用飞布局大数据风控,杜绝乱收费

    近年来全球新一轮信息革命全面爆发,以互联网、大数据、人工智能等为代表的数字科技的技术创新和融合的应用,对经济转型、社会发展、大众生活和国际竞争都产生了重要影响。充分利用好和发挥好数字科技发展强大的渗透、溢出、带动和引领等作用,加快推进互联网、大数据、人工智能等数字科技和实体经济的深度融合,大力发展数字经济,推动经济发展质量变革、效率变革、动力变革,已经成为经济高质量发展的重要路径选择。信用飞是数?

  • 聚数据人才,助产业腾飞——2020 CCF大数据与计算智能大赛北京起航

    10 月 13 日,中国计算机学会(CCF)主办的2020 CCF大数据与计算智能大赛(2020 CCF BDCI)在北京正式启幕。本次大赛将携手高校、名企、专家及DataFountain平台等多方力量,关注技术发展与人才培养,助力推动我国大数据技术及产业生态发展。为进一步扩大参与规模及影响力,2020 CCF BDCI联合CCF大数据专家委员会、CCF自然语言处理专业委员会、CCF数据库专业委员会、CCF高性能计算专业委员会、CCF人工智能与模式识别专业委员会、CCF

  • 七牛云数据科学系列论坛嘉宾马洪宾:大数据分析的云原生趋势

    七牛云「云加数据,智驱未来」数据科学系列论坛嘉宾马洪宾:大数据分析的云原生趋势9 月 10 日晚,七牛云主办的「云加数据,智驱未来」数据科学系列论坛如期举行。在直播中,Kyligence 创始合伙人 & 研发副总裁马洪宾为我们带来了主题为《大数据分析的云原生趋势》的精彩分享。嘉宾简介马洪宾,Kyligence 创始合伙人 & 研发副总裁,Apache Kylin 核心开发者及项目管理委员会成员 (PMC)。专注于大数据相关的基础架构和平台设计。在?

  • 苏宁换季大数据:秋衣秋裤同比增长175.23%

    昨日,苏宁发布换季大数据,10月9日至16日,卫衣、T恤、短裙分别同比增长21.91%、12.31%和5.68%。

  • 大数据杀熟明令禁止 央视调查发现差异化定价仍存在

    在旅游平台订酒店、订机票,老用户比新用户多花钱,这就是所谓的“大数据杀熟”。从10月1日起,文化和旅游部公布的《在线旅游经营服务管理暂行规定》正式施行,规定明确了在线旅游经

  • 《人民日报》痛批大数据“杀熟”:价格透明化是基本准则、必须要严惩

    你遇到过大数据“杀熟”的情况吗,对于这种行为,《人民日报》今天还进行了痛批。《人民日报》刊文称,不论是传统的线下经济,还是互联网时代的线上经济,价格公开透明始终是基本的

  • 街电十一订单消费大数据出炉,引领行业发展链接用户精彩生活

    据测算,刚刚过去的国庆长假,国内出游人数达到6. 37 亿人次,全国出游场景和本地生活场景均呈现利好消费态势。作为生活消费的“晴雨表”,共享充电宝领军品牌街电近日公布了其双节期间各消费场景订单租借数据。街电大数据显示,双节期间街电日均租借订单量均大幅高于今年五一同期,其中影院和旅游消费表现尤为突出,影院场景的日均租借订单量较五一同期增长 44 倍,旅游景区日均租借订单量也较五一同期实现翻番。作为广泛渗透各种

  • 便利蜂大数据:电影票房与进店人次等成“正向关系”

    便利蜂运用大数据对“双节”期间的电影排片时间和影院周边进店人次进行对照分析。数据显示,在北京、天津、南京、上海这几座城市,电影票房与便利蜂的进店人次、销售情况等,成“正向关系”。

  • 印象笔记首次亮相数字中国建设峰会 探讨大数据时代下的知识管理

    ( 10 月 13 日 福州) 2020 年 10 月 12 日- 14 日,第三届数字中国建设峰会在福州召开,印象笔记董事长兼CEO唐毅受邀出席,并在由工业和信息化部主办的“大数据分论坛”上发表了题为《大数据时代下知识管理的洞察与实践》的主旨演讲,就“数据驱动 产业赋能”这一主题与出席论坛的政商界领袖开展深度交流与探讨。移动互联网的迅猛发展,尤其是5G时代的到来,对海量信息进行高效收集、存储、编辑和整理,并以更为丰富、立体的形态

  • “张江杯”大数据竞赛创新应用赛落幕 蜜度信息城感通获应用大奖

    9月21至9月22日,2020“张江杯”长三角地区大数据竞赛创新应用赛决赛在浦东新区大数据中心举行。上海蜜度信息技术有限公司“城感通”获最佳应用奖。本届大赛以“建功新时代、当好领头羊”为主题,展示了大数据时代科技创新成就和科技战疫成效,为浦东加快建设现代化经济体系、实现经济高质量发展发挥领头羊作用。创新应用竞赛作为本届大赛的“重头戏”,聚焦大数据的前沿技术和城市建设热点话题,吸引了防疫大数据、养老大数据、金

  • 联想大数据平台、国产操作系统麒麟配对成功!自主可控

    从联想官方获悉,近日,由联想自主研发的软件产品——联想大数据平台LeapHD与银河麒麟高级服务器操作系统完成兼容性测试,达到了通用兼容性要求,及性能、可靠性要求,能够满足用户的

  • 猎豹移动机器人大数据:青岛疫情传染源查清!它的商场客流有没有受影响?

    “十一”长假之后不期而至的青岛疫情引发全国关注,截至目前,已查清传染源,为共用CT室引发的医院院内聚集性疫情。这次疫情对刚刚经历黄金周购物潮的线下商场客流有无影响?影响几何?猎豹移动AiM商场机器人大屏网络为你“数”读。 一、疫情对青岛商场的客流影响大吗? 10月11日,青岛发现本土的新增病例,让大家有一点紧张。不过,只过去了几天时间,疫情就已经得到了很好的控制。可以说,青岛的疫情并没有给城市经济和大众的生活带来太多?

  • SK海力士推出首款DDR5 DRAM 适用于大数据、人工智能等领域

    【TechWeb】10月7日消息,SK海力士日前宣布,推出首款DDR5 DRAM(动态随机存取存储器)。DDR5是新一代DRAM标准。SK海力士推出DDR5 DRAMSK海力士表示,DDR5 DRAM作为超高速、高容量产品,尤其适用于大数据、人工智能、机器学习等领域。SK海力士于2018年11月成功开发首款16Gb DDR5 DRAM之后,向英特尔等核心客户提供样品,并完成了一系列测试与性能、兼容性验证等程序。这一成果也意味着SK海力士在即将到来的DDR5市场随时能够销售相

  • 大数据公司Palantir今晚登陆纽交所 每股参考价7.25美元

    9月30日消息,据国外媒体报道,大数据公司Palantir将于北京时间今晚登陆纽交所。PalantirPalantir选择在纽交所直接上市,不发行新股。在这种模式下,Palantir不需要借助承销商配售新股票,也不会筹集到任何新资金。纽交所公布,Palantir的每股参考价(reference price)为7.25美元。参考价格只是市场给投资者的一个指引,并不代表实际的交易价格。外媒表示,如果以每股7.25美元价格计算,Palantir估值约160亿美元。Pal

  • 美国三大股指周三收高 大数据公司Palantir上市首日暴涨31%

    【TechWeb】10月1日消息,据国外媒体报道,美国三大股指周三收高,大数据公司Palantir上市首日暴涨31%。Palantir股价表现周三收盘,道琼斯工业指数上涨329.04点,或1.2%,报27781.7点;标普500指数上涨27.53点,或0.83%,报3363点;纳斯达克综合指数(纳指)上涨82.26点,或0.74%,报11167.51点。科技巨头方面,苹果(NASDAQ:AAPL)股价上涨1.51%至115.81美元,总市值约1.98万亿美元。明星股特斯拉(NASDAQ:TSLA)股价上涨2.37%至429.

  • 参与评论
文明上网理性发言,请遵守新闻评论服务协议
  • 热门标签