首先,用戶肖像
用戶肖像是一種抽象的一個標簽用戶模型,基于用戶社會屬性,生活習慣和消費行為等信息。以下尺寸包括:
用戶固定特征:性別,年齡,區域,教育水平,生日八個字符,職業,星座
用戶興趣特征:興趣愛好,使用應用程序,網站,瀏覽/集合/評論,品牌偏好,產品偏好
用戶社會特征:生活習慣,婚姻,社會/信息渠道偏好,宗教信仰,家庭成分
用戶消費特性:收入狀態,采購電源級,產品類型,購買渠道偏好,采購頻率
用戶動態特性:時間,需求,您要去的地方,周邊商人,周圍的人,新聞活動
如何生成用戶精度肖像大致分為三個步驟
1.收集和清理數據:已知預測未知
首先,您必須掌握復雜的數據源。包括用戶數據,各種活動數據,電子郵件訂閱者,在線或脫機數據庫和客戶服務信息。這是一個累積數據庫;這是收集網站/ app用戶行為數據的最基本的東西。例如,當您登錄網站時,它的cookie一直駐留在瀏覽器中,當用戶擊中操作時,點擊位置,按鈕,贊美,評論,粉絲,可以訪問路徑,可以識別并記錄他/她所有的瀏覽行為,然后繼續分析關鍵字和觀點的頁面,并分析他的短期需求和長期利益。您還可以通過分析一個朋友圈,獲取有關其他派對工作,愛好,教育等的信息,這比填寫的形式更全面,真實。我們使用已知的數據來查找線索,持續挖掘材料,不僅可以鞏固老會員,還可以分析未知的客戶和需求,進一步開發精密營銷市場。
2.用戶片段:Divient Picture Tag Label
描述分析是最基本的分析統計方法,統計數據分為兩部分:數據描述和指示符統計。
數據描述:用于制作數據的基本情況,包括數據,范圍和數據源的總數。
指標統計:建模分布,對比度,預測指標。這通常是一些數據挖掘的數學模型,如響應率分析模型,客戶傾向模型,這樣的組使用升力地圖,告訴您如何使用分數方法具有更高的接觸和轉換。
在分析階段,數據將轉換為影響指數,反過來可以“一對一”的精確營銷。例如,80名客戶喜歡在新的網站上10點購買蔬菜,晚上6點回家,附近吃日本料理,我將有一些標簽,如“80 “”烹飪“”烹飪“”日本料理“等,它粘在消費者身上。
3.發展策略:優化和調整
使用用戶縱向后,您可以清楚地了解需求。在實際操作中,您可以深入運營客戶關系,甚至可以找到漫游聲譽的機會。例如,在上面的例子中,如果有一個新鮮的折扣優惠券,日本餐廳推薦,營銷人員將提交產品的相關信息,準確推動這款消費者的手機;向不同產品發送建議,并繼續滿足調查,跟蹤代碼確認等,掌握客戶的行為和偏好。
除客戶的部門外,營銷人員還在比較之前和之后觀察不同時間階段的增長率和成功率,確認整體業務戰略和方向是否正確;如果效果不好,應該使用什么策略。重復錯誤并調整模型以進行循環優化。
本階段的目的是改進價值,然后根據客戶需求進行準確的營銷,最后跟蹤客戶反饋的信息,完成閉環優化。
我們從數據集成,匯總數據和分析數據開始。數據分析和挖掘仍然存在一些差異。數據分析焦點是觀察數據,簡單的統計數據,看看KPI的原因。數據挖掘研究數據從微妙和模型的角度來看,從學習集,培訓集發現知識規則。
二,數據細分受眾
在“顛覆營銷”書中,您可以引用,每個人都在想問題:如果您打算收集200個有效的問卷,如果您需要發送多少調查問卷來實現這一目標?預計預算和時間有多少?
以前的方法是:評估網絡問卷大約是5?ecofovery,你想確保你收到了200調查問卷,你必須有20倍的交付金額,即,發送4000調查問卷,如果你可以在一個月內回收這是一個很好的表現。
但現在不同,在執行大數據分析的3小時內不同,您可以輕松完成以下目標:
精度1?F VIP客戶
發送390問卷,全部回收
問卷在3小時內送35?uestionnaire
回收數量超過86?F的問題數量在5天內恢復
所需的時間和預算是10?以為過去
問卷后3小時3小時如何恢復35?這是因為數據是“一對確定性”,使用數據,A先生最有可能在那個時間點打開電子郵件。
例如,有些人將在工作場所打開電子郵件,但如果是一輛車,就沒有時間填寫答案,以及接受公共交通的人,在工作中發揮的時候,填補的可能性答案很高,這些是數據細分受眾的好處。
第三,預測試
“預測”將允許您專注于一小組客戶,但這群客戶可以代表特定產品的大多數潛在買家。當我們收集和分析用戶肖像時,可以實現準確的營銷。這是最直接和最有價值的應用。廣告客戶可以向用戶發布廣告,以便訪問用戶的用戶,以及搜索廣告,顯示,如社會廣告,移動廣告等營銷策略,營銷分析,營銷優化以及一站式營銷優化后端CRM /供應鏈系統,完全增強ROI。
讓我們談談營銷時代的變化,大多數傳統企業仍然留在“營銷1.0”時代,以產品為中心,滿足傳統的消費需求,并進入“營銷2.0”,與社會價值和品牌作為使命,您無法完全準確地對接個性化需求。輸入營銷的數據時代3.0,我們必須個性化每個消費者,一對一的營銷,甚至準確計算交易轉換率,提高回報率。
營銷在大數據下顛倒經典營銷4P理論:產品(產品),價格),地方(頻道),促銷(促銷),更換是新的營銷4P概念:目的,存在(參與),靠近,合作(合作)。在大數據時代,在線地理競爭邊界長期以來,而不是先進的先知能力,使用大數據從客戶實際交易數據預測下一個購買時間。營銷3.0倍關鍵詞是“預測”。
預測營銷允許您專注于一小組客戶,這組客戶可以代表特定產品的大多數潛在買家。在過去,我們可以看到數據可能是被動的,但預測營銷強調了決策價值,如購買時間,你應該看到最后的購買日期,但購買的時間,觀看未來的生存概率,最終生成客戶生活價值(CLV)。預測營銷已經產生了一種新的數據驅動營銷方法,該方法是以客戶為中心的,核心是幫助公司從產品或以渠道為中心的過渡轉換。
第四,準確的建議
大數據的最大值不是后來分析,而是預測和推薦。以電子商務為例,“準確的建議”已成為大數據改變零售業的核心功能。例如,在個性化推薦機制中,大多數服裝訂單網站使用用戶,樣式數據+編輯人工推薦模式,拼接修復在其外不同的情況也結合了機器算法。推薦。這些客戶提供身體比例,主觀數據和銷售記錄的交叉檢查,挖掘每個個人獨家服裝推薦模式。這個一對一的營銷是最好的服務。數據集成已更改了公司的營銷方法?,F在,這個人沒有積累的經驗,但建議依靠消費者行為數據推薦。在未來,銷售人員不再只是賣家,并可以推薦與人類的專業數據預測,并升級到顧問銷售的商品。
V.技術工具
預測營銷技術能力有幾種選擇:
1.使用預測性分析工作平臺,然后以某種方式輸入模型輸入活動管理工具;
2,退出市場服務提供商,具有預測活動分析為權力;
3.評估和購買營銷解決方案,例如預測營銷云和多渠道活動管理工具。
但無論哪條路如何,您必須確定三個基本功能:
如小蜜蜂技術采集設備:
1)連接不同來源的客戶數據,包括在線,關閉,準備預測分析數據;
2)分析客戶數據,使用系統和自定義預測模型,進行高級分析;
3)在正確的時間,正確的客戶,正確的場景是正確的,可以做交叉銷售,交叉不同的營銷系統。
6.預測模型
預測客戶購買的可能性可能是RFM模型(最近的消費R,消費頻率F,消費量M),但模型應用有限,本質是一個測試計劃,沒有統計和預測的基礎。 “過去的成就不能保證未來的性能”,而RFM只關注過去,并沒有比較客戶目前的行為和其他客戶。在購買產品之前,這不能識別高價值客戶。
我們的重點預測模型是在最短的時間內對客戶價值產生最大的影響。以下是其他一些模型參考:
參與趨勢模型,預測涉及品牌的客戶的可能性,參與定義,例如參與活動,打開電子郵件,單擊并訪問頁面。 EDM的傳輸頻率可以由模型確定。并預測趨勢是增加或減少活動。
錢包模型是預測每個客戶的最大支出,定義為單一客戶購買產品的最高年度支出。然后看看增長模型,如果目前的目標市場相對較小,但未來可能很大,你需要發現這些市場。
價格優化模型是最大化銷售,銷售或利潤的架構。價格優化模型為每個客戶的定價。在這里,您需要一個不同的模型來開發不同的產品,或開發通用,可預測的客戶。價格敏感性的模型,這是引用時對客戶的最大影響。
關鍵字推薦模型,關鍵詞推薦模型可以預測客戶網絡行為和購買記錄來預測內容的熱愛,預測客戶對熱點,爆炸和營銷人員使用這種預測結果來確定特定的客戶決策內容營銷主題。預測聚合模型,預測聚合模型是如何預測哪個類將被分類。