大数据技术在预测性营销上的实践.doc

HYPERLINK /article/10156.htm \t /_blank 大数据技术在预测性营销上的实践9个问题 1、什么是精准营销，预测营销？ 说到精准营销，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，刻画他／她的每一个特征，在聚集起来形成人群画像。比如下面就是两种典型年轻消费人群。 具体又包括： 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 当我们采集和分析这些用户画像，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 HYPERLINK /search?q=%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%97%B6%E4%BB%A3 \t /article/_blank 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，计算下一次的购买时间。?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。 2、在现代商业中大数据的价值体现在哪？ 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。 3、一个例子说明精准营销的好处 “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 HYPERLINK /search?q=%E5%A4%A7%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90 \t /article/_blank 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