大数据时代下的精准营销
- 格式:docx
- 大小:213.77 KB
- 文档页数:8
2021年第4期与传统数据相比,大数据有数据体量大、数据类型多样、价值密度低的特点和优势。
在大数据时代下,电子商务的精准营销如虎添翼,大数据为电子商务的精准营销带来了新的视角和工具。
数据库在后台记录用户的相关数据,根据一定的分析软件和相应算法,找到用户的消费规律,得到隐藏在大数据后的价值规律,指导企业进行营销活动,帮助电子商务企业提高企业竞争力,在未来的激烈竞争中能够拔得头筹。
一、相关概念的基本概述1.大数据概念和特点。
大数据,就是指那些比常规数据库处理、存储等更大的数据集。
大数据的特点一般有四个方面。
第一,数据体量大。
这里所说的数据体量大不是指一般的大,而是相当于天文数字。
第二,数据类型多样。
大数据的来源广阔,淘宝、天猫、京东,甚至是网页都可以是数据的来源,视频、文字、音频都是可挖掘的数据。
第三,速度快。
数据更新快,数据增长快;数据响应快,有很高的时效性。
第四,价值性。
大数据背后的价值不可估量,其潜在价值值得我们去挖掘。
2.电子商务概念和特点。
电子商务是运用网络和计算机技术开展的一种商务活动,其具有以下四个特点:第一,开放性。
电子商务的一切活动都是在网上进行,互联网具有高度开放性。
第二,共享性。
电子商务的一些数据是可以共享的,大家随时可以在网络上搜集相关数据。
第三,低成本。
低成本是相对于实体店而言,电子商务的店铺是虚拟的,相对于实体店铺成本要低很多。
此外,电子商务的广告成本也要比实体店低,且电子商务的广告针对性还比较强。
第四,高效性。
传统商业模式完成交易的耗时长,资金周转慢,生产的周期也长,而电子商务则克服了这些困难,使得工作效率极大提高。
3.精准营销概念与特点。
精准营销就是企业根据客户的需要,正确、快速地制定计划并不断改变计划来满足客户的一种营销方式。
精准营销最注重的是“精准”两字,在准确的时间,用准确的方式,把准确的产品送到顾客手中,让顾客得到满意的服务,从而获得更高的利润率。
大多数企业对于营销这一概念没有足够的重视,认为只要企业设立了营销部门,就从事了营销活动。
数据引领未来联通大数据产品及案例介绍目录contents1 2 3产品介绍行业场景案例分享运营商有什么数据运营商大数据具备的全面性、多维性、中立性、完整性是其它企业很难比拟的,而且通过这些不同维度数据的交叉关联,可以创造更多的新数据和新价值身份上网位置社交支出通信终端时序基于通信交往圈的大小,主被叫,时间序列,得到用户的社交特征运营商通过位置信息,可以掌握用户出行特征,给用户带来生活的极大便利基于用户访问什么网址,下载什么应用,访问什么内容等,得到上网喜好运营商不仅客户信息覆盖完整,还可以基于实际行为进行验证。
通过身份信息,帮助金融机构快速判定用户的信用程度运营商有客户最为详实的消费账单,比如流量费,短信费、语音费、新业务费等,能反映用户的一些特征通过用户的通信使用情况,比如本地,漫游,长途,了解用户通话行为特征识别记录手机终端型号,了解用户手机使用特征,发展趋势,用户换机周期等通过用户上网,位置,通话等行为按照时间排列,了解更多规律提供更多服务运营商数据与传统BAT数据相比优势数据局部性数据封闭性数据割裂性数据全面性互联网公司的数据是相互割裂的,淘宝只有淘宝的售卖数据,没有百度搜索的数据很少有互联网公司愿意开放自己的数据,开放更多的是商业模式层面和应用层面。
互联网的数据整合困难,同时注册的个人账号也是短期的,不稳定的。
互联网公司的数据受限于自身的业务,其数据的范围和深度都是有限的。
BAT数据受限于本身的数据基因运营商的数据也许更有代表性和竞争力运营商是数据管道,任何个人、企业的上网和通话的行为都流淌在运营商的管道里,并且任何时候你的位置都需要上报给运营商的基站以便能够随时沟通,移动互联网越发展,运营商的数据规模优势就越大。
运营商以号码为唯一的ID来整合各类数据,因此刻画客户的完整性是一般企业难以企及的,因为号码就是业务本身,而且还有终端ID作为移动通信网天生的业务属性而存在。
运营商数据解决移动互联网时代最为关注的三个问题?我是谁,我在哪里,我在干什么,这是很多企业的数据难以比拟的。
旅游行业如何利用大数据分析实现精准营销在当今数字化的时代,大数据已经成为各行各业的重要资产,旅游行业也不例外。
通过对大数据的分析,旅游企业能够更深入地了解消费者的需求和行为,从而实现精准营销,提高市场竞争力。
那么,旅游行业究竟如何利用大数据分析来实现这一目标呢?首先,我们要明确什么是大数据分析。
简单来说,大数据分析就是对海量的数据进行收集、整理、分析和挖掘,以提取有价值的信息和洞察。
在旅游行业中,这些数据来源广泛,包括在线旅游平台的用户搜索和预订记录、社交媒体上的用户评论和分享、旅游景区的游客流量数据等等。
有了数据之后,第一步就是进行数据收集和整合。
旅游企业需要建立一个完善的数据收集系统,将来自不同渠道的数据汇总到一个统一的数据库中。
这不仅包括自身平台的数据,还应该整合第三方平台的数据,以获得更全面的视角。
例如,与在线旅游代理商合作,获取他们的用户数据;与社交媒体平台合作,获取用户在旅游相关话题上的讨论和评价。
接下来,是对数据的清洗和预处理。
由于收集到的数据可能存在缺失值、错误值或者重复数据,因此需要进行清理和纠正,以确保数据的质量。
同时,还需要将数据进行标准化和规范化处理,以便后续的分析。
在完成数据的准备工作后,就可以进行深入的数据分析了。
通过运用各种数据分析方法和工具,如聚类分析、关联规则挖掘、预测分析等,旅游企业可以发现消费者的行为模式和偏好。
比如,通过聚类分析,可以将消费者分为不同的群体,每个群体具有相似的旅游需求和消费习惯;通过关联规则挖掘,可以发现不同旅游产品之间的关联关系,从而进行组合营销。
基于数据分析的结果,旅游企业可以实现精准的市场细分。
不再是传统的按照地域、年龄、性别等简单维度进行细分,而是根据消费者的兴趣爱好、出行目的、消费能力、旅游时间等多维度的特征来细分市场。
这样能够更准确地把握不同细分市场的需求,从而制定更有针对性的营销策略。
有了明确的市场细分,就可以进行个性化的产品推荐。
精准营销具备的三大特征
随着移动互联网和数字化技术的不断迭代发展,市场营销模式也在不断转变和创新。
其中,精准营销是当前最热门的一种营销手段。
精准营销是指针对目标人群进行精准定位和定制营销策略,通过数据挖掘、精准打标签、智能推荐等技术手段,实现精准投放广告和内容,以达到营销目的的一种方法。
一、数据驱动
精准营销是基于大数据的,依靠数据和算法,进行目标人群的定向匹配推荐,保证广告投放的精准性。
通过对大数据的分析和挖掘,深入了解用户的消费习惯、兴趣爱好、行为习惯、年龄性别等信息,从而实现对用户人群的数据打标签和分析,得出精准定位的推广方案。
同时,通过数据的动态跟踪和实时处理,能够及时调整和优化营销策略,实现更高的转化效果。
二、个性化营销
精准营销可以针对每个用户提供不同的个性化营销方案,从而更好地满足消费者的需求和兴趣。
通过了解用户的喜好和购买习惯,对用户进行精准推送广告和内容,从而提高用户的点击率和购买转化率。
在社交媒体和移动互联网的时代,个性化营销已成为企业获取用户的重要手段。
三、效果可观
精准营销通过精准投放和个性化推荐,可以有效地提高广告的点击率和转化率。
传统的营销方式需要投放大量广告,浪费大量资源,效果并不理想。
而精准营销可以避免这种浪费,只投放给真正需要的人群,有效提高了转化率和企业的营销效益。
总之,精准营销是当前最具有潜力和前景的一种营销手段。
它基于大数据的分析和挖掘,实现对目标用户的精准定位和个性化营销。
同时,通过动态跟踪和实时处理,不断优化和调整营销策略,最终实现更高的转化效果和营销效益。
大数据精准营销的网络营销策略分析摘要:伴随着我国网络技术的发展,互联网用户不断增加,各种线上网站平台的发展,企业需要掌握消费者的更多数据,才可以实现产品的快速销售,获取利益。
在当前这个大数据时代背景下,企业利用大数据精准营销的网络营销策略来实现对消费者群体的数据分析,找到消费者对于产品的相关需求,从而找准消费者爱好,来对企业产品进行推广宣传和销售。
基于此本文重点分析了大数据背景下企业精准网络营销对策,予以参考。
关键词:大数据;精准营销;网络营销;策略前言:随着大数据时代的来临,逐渐在改变着人们的生活以及企业的活动,在当前背景下,各种线上的网站以及平台的快速发展,为大数据的发展打下基础,其也充分利用大数据的发展来保障企业产品可以在网络营销中占据优势,实现企业的经济收益。
1大数据精准营销的概念分析在一定程度上大数据的精准营销又被称之为驱动式的营销,是让消费者参与到的消费中来的一种特殊模式。
企业通过大数据技术来获得消费者的相关信息,然后利用计算机来对消费者数据进行分析归纳总结。
根据数据结果来制定企业的网络营销产品的具体方案。
简单来说,大数据精准营销可以分为企业收集消费者的数据和对数据进行分析以及给出营销策略这三个部分。
企业可以通过大数据技术来收集消费者的相关信息,比如微信以及微博等诸多聊天工具中的信息,然后收集这些信息,利用计算机精准模型进行数据分析,从中找到消费者喜爱的购物模式或者是对某个产品有热爱的信息;在这两者结合背景下来进行消费者的网络精准营销,促进消费者的购买力[1]。
2大数据背景下企业精准营销模式中所存在的问题2.1精准营销的实施存在困难在当前精准营销时诸多企业都是以单向的沟通方式,通过微博或者微信的方式给消费者发送一些不重要的信息,这样做无法和消费者建立协同关系,在当前这个时代背景下,企业需要以消费者作为中心,然后去满足消费者对于产品的个性化需求和服务需求。
所以,以往的沟通方式现已经满足不了消费者了,他们需要更优质的服务。
基于用户大数据的海尔集团线上精准营销研究随着互联网的普及和用户数据的快速积累,通过数据进行精准营销已经成为了越来越多企业的选择。
作为一家国内知名的家电企业,海尔集团也已经深入探索了基于用户大数据的线上精准营销模式。
本文将从海尔集团的线上精准营销的背景与现状、精准营销的实践与效果、以及未来发展方向进行阐述。
一、背景与现状1、大数据的兴起与应用大数据在国内的兴起近年来呈现出高速发展的态势。
根据《2019年中国大数据行业发展报告》的数据,2018年,我国大数据应用规模达到139.5亿元,同比增长173.5%。
大数据在互联网、金融、交通、医疗等领域得到广泛应用,成为了这些领域的重要支撑。
同时,大数据在精准营销中的应用也越来越成为了主流趋势。
2、线上精准营销的背景随着互联网的普及,线上购物已经成为了人们购物的主要方式之一。
线上购物具有价格透明、便捷快速、可追溯等优势,吸引了越来越多消费者的关注。
而线上购物的崛起也使得企业们逐渐意识到,线上精准营销可以通过数据的采集和分析,实现更准确的广告投放和更精准的产品推荐,从而提高营销效果。
3、海尔集团的背景与现状海尔集团作为国内知名的家电企业,其产品涵盖了冰箱、洗衣机、空调、电视等多个品类。
海尔集团在行业内积累了雄厚的实力,在国内市场的占有率位居前列。
同时,海尔集团也积极探索互联网+时代下的新型营销模式。
通过线上精准营销,海尔集团在消费者心中树立了形象,增强了影响力。
二、精准营销的实践与效果1、通过数据分析实现精准广告投放海尔集团在线上精准营销过程中,重点依赖于对用户数据的分析与挖掘,将用户数据转化为精准广告投放的依据。
通过挖掘用户的浏览历史、购买历史、搜索记录、地理位置、兴趣偏好等信息,海尔集团可以更加准确地为目标用户投放广告。
例如,当用户在海尔集团官网上浏览洗衣机产品时,海尔集团可以根据用户的浏览行为投放与洗衣机相关的广告。
2、通过个性化推荐实现提高转化率除了通过精准广告投放吸引流量外,海尔集团还可以通过个性化推荐,提高转化率。
大数据时代精准营销模式研究摘要:从数据库营销、消费者行为学、精准营销等理论出发,对策略核心、技术基础、行动保障三个方面分析了精准营销的应用模式。
并结合江苏移动的实际案例,论述了基于客户行为分析的精准营销实际成果。
关键词:数据库营销消费者行为学精准营销模式中图分类号:f274 文献标识码:a文章编号:1004-4914(2013)05-014-03进入2012年,大数据(big data)一词越来越多地被提及,人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。
《纽约时报》2012年2月的一篇专栏中所称,“大数据”时代已经降临,在商业、经济及其他领域中,决策将日益基于数据和分析而作出,而并非基于经验和直觉。
哈佛大学社会学教授加里·金说“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。
”如何利用海量数据和先进的数据挖掘技术,研究客户行为特征,进行精准营销是本研究的重点,这将为企业的营销决策提供可靠依据。
一、数据库营销与数据挖掘技术1.数据库营销。
关于数据库营销,美国全国数据库营销中心是这样定义的:“数据库营销是一个动态的数据库管理系统,该数据库的内容涵盖现有顾客和潜在顾客,并可以随时扩充、更新。
就其功能而言,要能实现以下目标:确认最佳目标顾客及潜在顾客,然后与顾客建立起长期的、牢固的、融洽的关系,同时根据数据库建立先期模型,进行针对性营销。
”拉克萨根据数据库营销的产生和演进,把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段,所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。
2.数据挖掘技术。
通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。
数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中,提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。
大数据时代电商如何精准获客在当今的大数据时代,电商行业正面临着前所未有的机遇与挑战。
随着消费者需求的日益多样化和市场竞争的不断加剧,如何精准获客成为了电商企业发展的关键。
精准获客,简单来说,就是在茫茫人海中准确地找到那些对自己产品或服务有需求、有购买意愿并且有购买能力的潜在客户。
这听起来似乎是一项艰巨的任务,但在大数据的助力下,并非无法实现。
首先,电商企业需要深入了解自己的目标客户。
这包括他们的年龄、性别、地域、消费习惯、兴趣爱好等方面的信息。
通过对这些数据的分析,电商企业可以描绘出一个清晰的客户画像,从而明确自己的产品或服务到底是为哪些人而设计的。
比如说,一家销售运动装备的电商企业,通过大数据分析发现,其主要客户群体是年龄在 20 35 岁之间,生活在一二线城市,热爱健身和户外运动,注重品牌和产品质量的消费者。
有了这样清晰的客户画像,企业在后续的营销活动中就能更加有的放矢。
其次,大数据为电商企业提供了精准的市场定位。
通过对市场数据的分析,企业可以了解到不同地区、不同消费群体对产品或服务的需求差异,从而有针对性地调整自己的市场策略。
例如,某电商企业发现南方地区对某类服装的需求较大,而北方地区对另一类服装更感兴趣。
基于这样的分析结果,企业可以在南方加大对前者的推广力度,在北方则侧重于推广后者,以提高营销效果和销售业绩。
再者,利用大数据进行精准的广告投放是电商获客的重要手段之一。
在过去,广告投放往往是广撒网式的,效果难以评估。
而现在,借助大数据技术,电商企业可以根据客户画像和市场定位,选择合适的广告平台和投放时机,将广告精准地推送给目标客户。
比如,通过社交媒体平台的大数据分析,企业可以找到那些关注运动健身、经常浏览运动装备相关内容的用户,并向他们展示自己的广告。
同时,还可以根据用户的上网时间习惯,选择在他们活跃度较高的时间段进行投放,提高广告的点击率和转化率。
此外,电商企业还可以通过大数据进行个性化的推荐。
大数据营销的策略和方法随着数字时代的到来,大数据已经成为企业营销的重要工具。
通过大数据,企业可以深入了解客户需求,制定更精准的营销策略,提高营销效果。
本文将探讨大数据营销的策略和方法,包括数据收集整合、数据分析和挖掘、个性化推荐、精准营销、社交媒体营销、大数据技术应用、数据安全和隐私保护以及持续优化和创新等方面。
1.数据收集整合数据收集是大数据营销的基础。
企业可以通过多种途径收集数据,包括传统数据收集和现代数据收集。
传统数据收集方式包括问卷调查、客户反馈、销售数据等;现代数据收集方式则包括社交媒体监测、网站分析、移动应用数据等。
将收集到的数据进行整合管理是至关重要的。
企业需要建立数据仓库,整合不同来源的数据,确保数据的准确性和一致性。
同时,需要建立数据治理机制,规范数据的收集、存储和使用,避免数据泄露和滥用。
2.数据分析和挖掘对收集到的数据进行深入分析和挖掘,发现其中的价值,是大数据营销的核心。
企业可以通过数据预处理、数据挖掘建模等手段,深入了解客户需求和行为,发现市场趋势和竞争对手动态。
数据预处理包括数据清洗、数据转换和数据聚合等,旨在去除无效和错误数据,将数据进行统一和规范,为后续的数据挖掘提供高质量的数据源。
数据挖掘建模则包括聚类分析、关联规则挖掘、时间序列分析等,旨在发现数据中的模式和规律,为企业的营销决策提供支持。
3.个性化推荐根据用户的行为和兴趣进行个性化推荐,是提高用户转化率和增加企业收入的重要手段。
企业可以通过大数据分析用户的购买历史、浏览记录等,为用户推荐相关的产品和服务,实现精准营销。
个性化推荐需要充分考虑用户的偏好和需求,同时需要考虑产品的属性和特点。
企业可以通过机器学习算法等手段,对用户进行分类和画像,根据不同用户的特点进行个性化推荐。
同时,需要不断优化推荐算法,提高推荐准确度和用户满意度。
4.精准营销精准营销是指根据目标客户的需求和行为,制定个性化的营销策略和方案,提高营销效果和ROI。
一、研究背景随着经济全球化进程的加快、经济转型发展和行业市场竞争的加剧,企业管理者和营销人员面临企业发展战略决策的选择挑战,即如何才能做到在正确的时间将正确的商品或服务传递给正确的客户群体,简而言之就是精准营销,给企业带来利润。
随着信息技术的快速发展,以大数据挖掘为代表的信息处理算法为精准营销创造了可能和实践路径。
当消费者产生浏览记录和购买行为时,其点击商品类目、停留时间、购买价格等一切信息都将被记录并被大数据处理、分析和利用,为下一次系统网络进行精准推荐提供偏好依据。
因此,为了在行业竞争中处于优势地位,企业必须立足自身建立精准的营销决策模型,给企业营销管理决策提供精准的市场定位,以精确满足客户的需求。
随着数字化转型的实施,即大数据精准营销,大量的数字化营销技术可用,旨在为客户提供价值。
大数据的挖掘可以识别和分析人类社会活动的规律和模式,为企业的营销决策提供科学依据。
二、大数据和精准营销的概念美国学者莱斯特伟门在1999年首次提出了精准营销的概念。
许多学者借助五个V 来定义大数据,即容量、速度、价值、多样性和准确性。
大数据精准营销是利用大量数据经过算法处理实现低成本投入、高效获取潜在价值客户和引导消费者产生购买意愿的有效方式,相较于传统的高昂广告投入,大数据精准营销可以实现特定交易场景定向广告投放。
美国数据科学的技术权威维克托·迈尔·舍恩伯格就在其经典著作《大数据时代》中指出,大数据就是对所有数据进行处理、分析和利用,其数据处理过程中面对的数据量是无比巨大、高速和多样的。
相比欧美等发达国家,精准营销的学术研究在我国的发展较晚,但随着以BAT 企业为代表的现代信息网络技术的应用发展和我国经济发展步伐的加快,学者对大数据精准营销的关注和研究逐渐增多。
陆天驰(2016)等学者认为大数据精准营销是对消费者产生的数据进行正确的收集、筛选、整合、处理、分析和利用,最终达到精确满足消费者需求的高效营销方式。
大数据时代下爱奇艺的营销策略1 完善效果评估,实现精准营销爱奇艺在运营发展过程中综合运用“大数据”开展以实现精准营销,并且已经形成了一整套较为完善的营销模式体系,这点是指的其他企业积极学习的。
不过,其需要高度重视的是在处理数据精准问题的时候,应当构建出较为完整的效果评估体系,如此一来才会更具备说服力。
虽然爱奇艺可运用百度精算报告,通过深入分析7天内的回搜率创新指标以及时推测出广告效果,但是该方法依然具备着较大的局限性。
这类碎片化的评估方法通常难以展现出问题所在,所以接下来要做的是努力构建一整套更为科学的效果评估体系,在评估过程中持续优化精准营销模式,进而逐步提升品牌影响力。
2 完善云媒体体系,重视自媒体营销伴随互联网技术的飞速发展与各种社交网络的出现,媒体逐渐向着碎片化的方向上不断发展。
我们每一个人都成为一个独立媒体,不仅能够传播各种信息,与此同时还能够接受各种信息,这类媒体通常以个人微博、群组、朋友圈的形式而存在,著云台团队充分结合云发展的相关理论将其命名为云媒体。
部分企业、单位的QQ群、官网等也具备相同的倾向,各种互联网应用、游戏等均具备互动传播特性,从一定意义上来说,人媒体与这一系列碎片化媒体的集合也属于云媒体的范畴。
对爱奇艺而言,其也应当牢牢把握时代发展潮流,高度关注对于云媒体体系的构建与优化,并适当增加在云媒体领域的投入,以便于及时掌握受众信息,进而为制定营销模式、开发节目类型提供必要的参考。
自媒体的飞速发展已成大势所趋,每一个人均能够经由微博、论坛等诸多平台来表达自己对某些事物的真实想法与观点。
爱奇艺在接下来的发展过程中就应当充分发挥自媒体的作用,从而更加深入的了解受众需求信息,强化与受众之间的互动,以便及时调整节目内容以充分满足受众多样化的观看需求。
3 实施跨屏营销,推进多元合作在新媒体语境影响下,各个媒体逐渐向着日渐融合的方向上转变,之所以会出现这一现实状况,通常是由于当前受众行为日益表现出“碎片化”特征,受众们获取信息的途径以及内容日渐碎片化,这无疑为整个媒体行业的平稳快速发展带来了新的挑战。
大数据环境下基于用户画像的精准营销策略研究王㊀斐摘㊀要:大数据环境下ꎬ各种各样的数据大量涌现ꎬ一方面给用户带来了 信息超载 的困扰ꎬ另一方面ꎬ丰富的数据对于改进传统营销方式㊁实现精准营销具有积极作用ꎮ用户画像是大数据时代的产物ꎬ以标签化的形式表述个人特征ꎬ本文旨在通过将用户画像方法引入营销领域ꎬ使企业更好地理解用户需求ꎬ把握用户偏好特征ꎬ从而进一步提高营销活动的精准性ꎬ实现精准营销ꎮ关键词:大数据ꎻ用户画像ꎻ精准营销中图分类号:F274㊀㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀文章编号:1008-4428(2020)17-0076-02一㊁引言近些年来ꎬ随着互联网技术的迅速发展ꎬ用户由以往的信息匮乏时代进入了信息㊁数据高速生产的 信息超载 时代ꎬ包括电子商务数据㊁社交网络数据㊁短视频领域数据等在内的各种各样的数据大量涌入用户的视线ꎬ使得用户在面临种类繁多的产品选择时无所适从ꎮ另一方面ꎬ随着经济高速发展ꎬ用户的经济水平㊁消费能力也随之有了很大的提升ꎬ用户越来越注重自身的实际需求与个性化需求ꎮ在这种情况下ꎬ怎样更好地利用数据的价值ꎬ实现针对用户的精准营销ꎬ将满足用户需求的产品推荐给用户ꎬ从而进一步提升产品和服务转化率ꎬ显得尤为重要ꎮ因此ꎬ本研究提出将大数据时代的产物㊁融合大数据技术的用户画像方法应用于现有的营销活动中ꎬ希望能够进一步实现精准营销ꎬ提升用户的满意度与忠诚度ꎮ二㊁研究背景及相关理论基础随着«促进大数据发展行动纲要»«关于积极推进 互联网+ 行动的指导意见»等重大发展战略方针的制定和实施ꎬ我国的互联网行业得到了快速发展ꎮ第44次«中国互联网络发展状况统计报告»指出ꎬ截至2019年6月ꎬ我国网民规模达8.54亿ꎬ互联网普及率达61.2%ꎻ手机网民规模达8.47亿ꎬ网民使用手机上网的比例达99.1%ꎮ同时ꎬ我国网络购物用户规模达6.39亿ꎬ占网民整体的74.8%ꎻ网络视频用户规模达7.59亿ꎬ占网民整体的88.8%ꎮ这份报告表明ꎬ我国网络技术发展迅速ꎬ互联网普及率越来越高ꎬ这就为海量数据的产生提供了良好的条件ꎮ传统的企业营销无非线下广告投放与电话销售ꎬ企业大都是以产品为中心ꎬ将产品顺利销售出去从而获取利润是他们的最终目标ꎮ然而ꎬ忽视用户需求与其偏好特征ꎬ只是盲目地将广告投放出去或是将电话打出去ꎬ这种销售方式性价比是比较低下的ꎮ而在大数据时代ꎬ我们可以充分利用海量的用户数据ꎬ利用数据分析与数据挖掘技术ꎬ探索用户偏好特征以及各种数据与产品销售之间的关系ꎬ从而实现以用户为中心ꎬ进行有针对性的市场营销活动ꎬ既降低销售成本ꎬ又提升产品转化率ꎮ(一)大数据大数据ꎬ是指无法在一定时间范围内用常规软件工具进行捕捉㊁管理和处理的数据集合ꎬ是需要新处理模式才能具有更强的决策力㊁洞察发现力和流程优化能力的海量㊁高增长率和多样化的信息资产ꎮ麦肯锡全球研究所认为大数据是一种规模大到在获取㊁存储㊁管理㊁分析方面大大超出了传统数据库软件工具能力范围的数据集合ꎬ具有海量的数据规模㊁快速的数据流转㊁多样的数据类型和价值密度低四大特征ꎮ大数据技术的战略意义不在于掌握庞大的数据信息ꎬ而在于对这些含有意义的数据进行专业化处理ꎮ换而言之ꎬ如果把大数据比作一种产业ꎬ那么这种产业实现盈利的关键ꎬ在于提高对数据的 加工能力 ꎬ通过 加工 实现数据的 增值 ꎮ大数据技术的体系庞大且复杂ꎬ通用化的大数据处理框架主要分为数据采集与预处理㊁数据存储㊁数据清洗㊁数据查询分析和数据可视化ꎮ其中的数据分析技术ꎬ可以帮助我们准确挖掘用户兴趣偏好ꎬ从而实现精准营销ꎮ(二)精准营销PhilipKotler指出ꎬ精准营销是通过制订营销计划ꎬ获取高投资回报的营销沟通过程ꎮ杰夫 萨宾给出的解答是:将信息在正确的时间借由适当的渠道发送至目标客户达到营销目标ꎮ精准的含义是精确㊁精密㊁可衡量的ꎮ精准营销有以下五个特征:一是精准的目标用户群体ꎮ只有找到真正具备相应产品需求的用户群ꎬ对其进行营销活动ꎬ才能提升转化率ꎮ二是精准的市场定位ꎮ精准营销就是通过可量化的精确的市场定位技术突破传统营销定位只能定性的局限ꎮ三是精准的沟通ꎮ精准营销的系统手段保持了企业和客户的密切互动沟通ꎬ从而不断满足客户个性需求ꎬ建立稳定的企业忠实顾客群ꎬ实现客户链式反应增值ꎬ从而达到企业长期稳定高速发展的需求ꎮ四是精准的成本计算ꎮ传统的营销方式只一味地投入ꎬ希望以成本换取产品知名度从而带来收益ꎬ精准营销可以将成本投入到目标用户群体所在的位置ꎬ从而实现既降低成本又提高收益的可能性ꎮ五是精准地把握用户需求ꎮ随着人们生活水平的提高ꎬ用户越来越注重自己的个性化需求ꎬ需求种类多样ꎬ需求变动频繁ꎬ精准营销利用技术手段可以充分获取用户特征ꎬ理解用户需求ꎬ从而获得较高的用户满意度ꎮ精准营销由四个主要理论构成:4C理论㊁让客价值㊁沟通理论和反应原理ꎮ而一切最核心的点在于以用户为中心ꎬ充分理解用户需求ꎬ为其推荐真正感兴趣的产品ꎬ从而提高转化率ꎬ降低成本ꎬ提高用户满意度ꎮ实施精准营销可以帮助企业更好地满足消费者个性化需求ꎬ赢得更多的消费者和其商务营销Һ㊀对品牌的忠诚ꎬ可以有效地降低营销成本ꎬ提升营销效果ꎮ(三)用户画像用户画像(Users Profile)由AlanCooper最早提出ꎬ是建立在一系列真实数据上的目标用户模型ꎬ对同一类用户进行不同维度的刻画ꎬ旨在通过海量用户行为数据挖掘有用信息ꎬ全面展现用户的信息全貌ꎮ用户画像的核心是给用户贴标签ꎬ即以短小的词语描述用户的某方面特征ꎬ反映用户偏好特征的所有标签聚集到一起ꎬ便刻画出一个完整的用户形象ꎬ充分展现用户的各方面特征ꎮ用户画像是分领域的ꎬ也就是不能所有领域都用一个统一的画像ꎬ比如在支付宝里的用户画像和微信里的用户画像肯定是不一样的ꎬ所以企业在利用用户画像技术分析用户时ꎬ要根据具体领域收集相关领域的用户信息数据ꎬ建立起相关领域的用户画像模型ꎬ只有这样ꎬ才能使分析结果更加精准ꎮ用户画像技术的应用是为了更好地理解用户需求㊁提高用户满意度ꎬ而随着互联网技术的发展ꎬ大数据环境下的用户画像不仅可以充分理解用户需求ꎬ还可以预测用户需求ꎮ相对于传统的市场营销活动ꎬ大数据环境下的用户画像具备多维度数据㊁细粒度数据ꎬ并保持动态性特征ꎮ这些特征使得企业的营销活动更加精准ꎬ不仅如此ꎬ还可以利用回归分析㊁聚类分析㊁神经网络等算法对营销结果进行预测并分析其结果ꎬ发现用户新需求与潜在用户市场ꎬ更好地提高企业的投资回报率ꎮ三㊁基于用户画像的精准营销策略传统市场营销中ꎬ企业想要抓住用户需求ꎬ以及准确了解用户的偏好㊁个性㊁兴趣等影响消费者购买行为的决策因素是非常困难的ꎬ特别是对于现在的大数据时代而言ꎬ海量的数据使得用户行为偏好更难把握和理解ꎬ而用户兴趣偏好随着时间㊁环境等因素发生改变ꎬ呈现动态性特征ꎬ更使得企业难以解决这一问题ꎮ在众多的大数据工具中ꎬ用户画像技术是帮助企业准确识别和分析目标用户的最有效工具之一ꎮ因此ꎬ本研究将用户画像技术引入企业营销活动中ꎬ希望能够利用用户画像准确理解和把握用户需求ꎬ在此基础上对需求进行预测及分析ꎬ提高企业的决策效率ꎬ实现精准营销ꎮ(一)用户画像的构建1.用户画像数据采集与处理构建用户画像模型需要大量的数据ꎬ覆盖用户的各个维度ꎬ例如人口统计学数据㊁用户行为数据㊁用户偏好数据等ꎮ数据越多ꎬ画像越丰满ꎬ人物特征表现越丰富ꎬ这样的画像ꎬ能够更好地帮助企业理解用户需求ꎬ准确把握用户偏好特征ꎬ从而在对其进行营销活动时ꎬ可以有针对性地进行相应的产品推荐ꎮ大数据环境下ꎬ用户画像数据主要分为静态数据和动态数据两大类ꎮ静态数据主要指的是人口统计学数据ꎬ例如性别㊁职业㊁年龄㊁位置等数据ꎬ这些可以通过用户的注册信息收集到ꎻ动态数据是指用户不断变化的一些行为数据ꎬ例如浏览数据㊁点击数据㊁观看数据㊁搜索数据等ꎬ动态数据不具有显式特征ꎬ需要通过数据分析与数据挖掘技术从用户日志系统㊁App后台等进行提取ꎮ随着互联网的发展ꎬ海量数据充斥着人们的世界ꎬ现有的数据类型已不仅仅是结构化数据ꎬ还有大量的半结构化数据㊁非结构化数据ꎬ用户画像模型的构建需要各种类型的数据ꎮ要想准确提取各种类型数据所携带的价值ꎬ企业需要对收集的数据进行清洗ꎬ然后利用计算机技术ꎬ将各种各样的数据加工成用户画像建模所需要的数据集ꎮ2.用户信息标签化用户画像通俗而言就是为用户贴标签ꎬ因此ꎬ用户信息标签化是构建用户画像的核心工作ꎮ准确的标签体系ꎬ可以将用户特征呈现在企业面前ꎬ为企业决策提供辅助借鉴ꎮ用户画像数据标签是通过对用户信息分析而来的高度精练的特征标识ꎬ如性别㊁年龄㊁地域㊁用户习惯㊁用户偏好等ꎬ最后将所有标签综合起来ꎬ就可以勾勒出该用户的画像ꎮ标签具有语义化特征ꎬ可以帮助企业理解每个标签的含义ꎬ准确判断用户的偏好特征ꎬ从而实现精准营销ꎮ3.建立用户画像模型用户画像建模就是将收集并处理好的用户信息与数据进行标签化处理之后ꎬ实现的用户 可视化 构建ꎮ用户画像构建可大致分为三个层次:用户数据收集层㊁用户数据处理层㊁用户数据分析及标签层ꎮ其中ꎬ用户数据收集层主要是负责静态数据与动态数据的收集ꎻ用户数据处理层则是把收集到的数据进行清洗㊁过滤㊁去重等操作ꎬ移交给数据分析及标签层ꎻ用户数据分析及标签层则是利用数据挖掘技术对处理后的数据进行分析ꎬ并在此基础上对数据进行标签化工作ꎬ最终构建起用户画像模型ꎮ值得注意的是ꎬ由于用户每时每刻都在产生新的数据ꎬ用户画像模型也需要具备动态性特征ꎬ只有这样ꎬ才能及时发现用户需求偏好的改变ꎬ进而调整企业的营销策略ꎬ提高用户的满意度与忠诚度ꎮ(二)精准化广告推送传统企业的市场营销活动大多是线下大范围投放广告ꎬ诸如广告牌之类ꎬ而现在ꎬ企业具备了用户画像模型ꎬ了解了产品目标用户的具体特征ꎬ包括兴趣偏好等信息ꎬ可以有针对性地投放广告ꎮ比如通过GoogleAdwordsꎬ根据用户画像模型ꎬ筛选出企业目标用户的年龄范围㊁地理位置㊁收入范围等进行广告的投放ꎬ这样既精准地到达了企业的目标用户ꎬ同时又极大地降低了广告成本ꎮ如果每个企业都是根据用户画像模型进行广告的精准投放ꎬ那就极大地降低了用户的信息超载现象ꎬ对于接收到的广告ꎬ用户也不会视若无睹ꎬ循环促进ꎬ既减小用户收到不符合自身需求的 垃圾信息 的可能性ꎬ提高用户满意度ꎬ又降低了企业的营销成本ꎮ(三)精准化产品推荐现下的市场环境里ꎬ不仅产品种类繁多ꎬ而且同质化产品的数量也是越来越多ꎬ在激烈的市场竞争中ꎬ企业要想站稳脚跟ꎬ就必须具备核心竞争力ꎮ拥有良好的服务㊁及时为用户推荐用户需要或是感兴趣的产品ꎬ就是企业的竞争力所在ꎮ用户画像模型为企业进行精准的产品推荐提供了帮助ꎮ现有的推荐算法中ꎬ协同过滤推荐算法应用最为广泛ꎬ其基本思想是利用用户的相似度寻找最近邻ꎬ再基于预测评分为用户推荐产品ꎮ然而ꎬ协同过滤算法忽视了用户自身的特征偏好ꎬ因此ꎬ基于用户画像模型的推荐具有更高的精准性ꎬ使推荐结果更加符合用户需求偏好ꎬ能提高用户满意度ꎮ四㊁总结与展望大数据时代给传统市场营销活动带来了挑战:各种各样的数据泛滥ꎬ严重影响了用户的选择能力ꎬ用户在众多的产品种类面前感到无所适从ꎬ这就需要企业运用精准营销更好地服务用户ꎬ使其在激烈的市场竞争中具备自己的核心竞争力ꎮ用户画像作为大数据时代的技术工具之一ꎬ为企业准确判断用户兴趣偏好从而实现精准营销提供了帮助ꎮ事实证明ꎬ将用户画像融入企业营销活动中是正确的选择ꎮ但是ꎬ在用户画像建模过程中ꎬ企业收集用户信息进行分析挖掘ꎬ㊀㊀㊀(下转第83页)商务营销Һ㊀究[J].管理学报ꎬ2019ꎬ16(3):333.[5]PAYNEAꎬSTORBACKAKꎬFROWPꎬetal.Co-creatingbrands:Diagnosinganddesigningtherelationshipexperience[J].JournalofBusinessResearchꎬ2009ꎬ62(3):379-389.[6]HARMELINGCMꎬMOFFETTJWꎬARNOLDMJ.Towardatheoryofcustomerengagementmarketing[J].JournaloftheA ̄cademyofMarketingScienceꎬ2016ꎬ45(3):1-24. [7]BOVELLꎬPERVANSJꎬBEATTYSEꎬetal.Serviceworkerroleinencouragingcustomerorganizationalcitizenshipbehaviors[J].JournalofBusinessResearchꎬ2009ꎬ62(7):698-705.[8]GROTHM.Customersasgoodsoldiers:Examiningcitizenshipbehaviorsininternetservicedeliveries[J].JournalofManagementꎬ2005ꎬ31(1):7-27.[9]YIYꎬGONGT.Ifemployees gotheextramile ꎬdocustomersreciprocatewithsimilarbehavior?[J].Psychology&Marketingꎬ2008ꎬ25(10):961-986.[10]YIYꎬNATARAAJANRꎬGONGT.Customerparticipationandcitizenshipbehavioralinfluencesonemployeeperformanceꎬsatisfactionꎬcommitmentꎬandturnoverintention[J].JournalofBusinessResearchꎬ2011ꎬ64(1):87-95.[11]MERZMAꎬZARANTONELLOLꎬGRAPPIS.Howvaluableareyourcustomersinthebrandvalueco-creationprocess?ThedevelopmentofaCustomerCo-CreationValue(CCCV)scale[J].JournalofBusinessResearchꎬ2018ꎬ82:79-89. [12]赖胜强.网络谣言对受众再传播行为的影响机理研究[J].情报杂志ꎬ2014(5):153-156.[13]谢恩ꎬ李垣.基于资源观点的联盟中价值创造研究综述[J].管理科学学报ꎬ2003ꎬ6(1):81-86.[14]胡艳玲ꎬ高长元ꎬ翟丽丽ꎬ等.服务主导逻辑下大数据联盟数据服务创新价值共创机理[J].情报理论与实践ꎬ2019ꎬ42(3):60.[15]高磊.数字化时代场景营销的四大关键要素[J].广告大观:理论版ꎬ2017(6):9.[16]DAVISFD.Perceivedusefulnessꎬperceivedeaseofuseꎬanduseracceptanceofinformationtechnology[J].MISQuarterlyꎬ1989ꎬ13(3):319-340.[17]EVANSCHITZKYHꎬIYERGRꎬPILLAIKGꎬetal.Consumertrialꎬcontinuoususeꎬandeconomicbenefitsofaretailserviceinnovation:Thecaseofthepersonalshoppingassistant[J].JournalofProductInnovationManagementꎬ2015ꎬ32(3):459-475.[18]RENJꎬTAYLORRN.Automaticandversatilepublicationsrankingforresearchinstitutionsandscholars[J].CommunicationsoftheACMꎬ2007ꎬ50(6):81-85.[19]贾学义.信任对信息行为的影响研究述论:基于webofscience核心集[J].宁夏大学学报(人文社会科学版)ꎬ2018ꎬ40(1):138-144.[20]WASKOMMLꎬFARAJS. Itiswhatonedoes :Whypeo ̄pleparticipateandhelpothersinelectroniccommunitiesofprac ̄tice[J].TheJournalofStrategicInformationSystemsꎬ2000ꎬ9(2-3):155-173.[21]龚主杰ꎬ赵文军ꎬ熊曙初.基于感知价值的虚拟社区成员持续知识共享意愿研究[J].图书与情报ꎬ2013(5):89-94. [22]BERGAMIMꎬBAGOZZIRP.Self-categorizationꎬaffectivecommitmentandgroupself-esteemasdistinctaspectsofsociali ̄dentityintheorganization[J].BritishJournalofSocialPsychologyꎬ2000ꎬ39(4):555-577.[23]FAULLANTRꎬSCHWARZEJꎬKRAJGERIꎬetal.Towardsacomprehensiveunderstandingofleaduserness:Thesearchforindividualcreativity[J].CreativityandInnovationManagementꎬ2012ꎬ21(1):76-92.[24]VALLERANDRJꎬDECIELꎬRYANRM.Intrinsicmotiva ̄tioninsport[J].ExerciseandSportSciencesReviewsꎬ1987ꎬ15(1):389-426.作者简介:李翠微ꎬ女ꎬ内蒙古呼和浩特人ꎬ北京邮电大学硕士研究生ꎬ研究方向:价值共创ꎮ(上接第77页)用户数据面临外泄的风险ꎬ很多用户为了保护自己的信息安全ꎬ不愿意泄露或是输出自己的真实信息ꎬ使得企业无法准确判断用户需求ꎬ从而降低用户画像方法的现实意义ꎮ怎样实现用户的隐私保护ꎬ以及怎样建立用户与企业之间的信任感ꎬ是需要进一步研究的方向所在ꎮ参考文献:[1]金剑霞.大数据背景下企业精准营销研究[J/OL].中国商论ꎬ2020(3):97-98[2020-02-09].https://doi.org/10.19699/j.cnki.issn20960298.2020.03.097.[2]郝胜宇ꎬ陈静仁.大数据时代用户画像助力企业实现精准化营销[J].中国集体经济ꎬ2016(4):61-62.[3]李丹ꎬ高建忠.基于用户画像的图书馆推荐服务初探[J].图书馆ꎬ2019(7):66-71.[4]郝书雅.大数据营销背景下的消费者画像分析[J].全国流通经济ꎬ2019(20):8-9.[5]王向晖.基于用户画像的电商企业移动精准营销研究[J].齐齐哈尔师范高等专科学校学报ꎬ2019(6):95-96. [6]崔春生ꎬ王雪ꎬ李文龙.情境环境下基于用户画像的旅游产品推荐算法研究[J].数学的实践与认识ꎬ2019ꎬ49(20):122-131.[7]袁军.大数据环境下用户画像在高校图书馆的应用研究[J].图书馆研究与工作ꎬ2019(6):22-26.[8]曾鸿ꎬ吴苏倪.基于微博的大数据用户画像与精准营销[J].现代经济信息ꎬ2016(16):306-308.作者简介:王斐ꎬ女ꎬ山东人ꎬ东南大学研究生ꎬ研究方向:电子商务㊁数据分析㊁个性化推荐ꎮ。
大数据时代下的互联网精准营销THE AGE OF BIG DATAOF INTERNETPRECISIONMARKETING0102 电信精准营销03电信核心优势04电信合作品牌CONTENT S 目录大数据时代社会信息化发展步入大数据时代数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。
人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来,大数据正成为最值得关注的领域之一 .“大数据”在互联网行业通常表现为互联网公司在日常运营中生成、累积的用户网络行为数据。
•每一秒:全球发送290万封电子邮件;•每一分钟:微博推特上新发的数据量超过10万;社交网络Facebook的浏览量超过600万;• 每一天:全球上传2.88万小时视频至Youtube;• 每个月:网民在Facebook上花费7千亿分钟;• 上一年:人们制造并使用的数据达1.8ZB。
大数据给社会带来巨大价值大数据为我们更深入准确地认识和把握事物发展的内在规律提供了信息基础,蕴涵着非常大的潜在价值。
这一点不 仅是许多业内研究机构的共识,更已经在商业应用中得到了体现。
据美国麦肯锡公司预测,大数据为美国医疗服务业每年带来3000亿美元的潜在增加值,为欧洲的公共管理每年带来2500亿欧元的潜在价值,为位置服务产业带来6000亿美元的潜在年收入。
零售商充分利用大数据可实现运营利润增长60%,制造业充分利用大数据可降低设备装配成本50%。
经合组织(OECD )的一项最新研究成果还对互联网数据的市场价值进行了估计,佐证了大数据的巨大潜在价值。
市场价值2013年2025年$181亿$1600亿大数据正在“吞噬”和重构很多行业,广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。
麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。
在零售业中,数据分析的技术与手段更是得到广泛的应用,传统企业如沃尔玛通过数据挖掘重塑并优化供应链。
程(0次跳槽88%)与包装工程(0次跳槽86%)毕业生的稳定性基本持平从工作稳定性而言,对比毕业生就业满意度,食品科学与工程毕业生无论是就业薪酬、还是短期晋升率都明显低于包装工程专业毕业生,但满意度明显高于包装工程专业毕业生,这反映了除了薪酬高低、提干率,还有其他决定毕业生就业满意度的重要因素。
图3.毕业生实际薪酬调查图4.毕业生期望薪酬调查湖南城市学院的调查研究表明,学习机会是毕业生衡量工作满意度的一个重要指标,因为不论是期望的物质回报,还是精神需求,都需要自己努力学习和工作并不断成长。
这对研究我院毕业生就业满意度具有一定的启发,特别是当前食品行业企业规模普遍较小的现状,毕业生进行用人单位后得到的学习机会和质量状况需要掌握,以便在毕业生就业时给予适宜的指导。
(五)企业对毕业生的期望总体来说,用人单位对我院毕业生的满意程度较高,比例达97.4%。
另一方面,用人单位对于毕业生的意见主要有两个方面的问题,一是觉得毕业生的最大缺乏工作经验,需要加强对专业技能的学习,适当增加参加毕业前的实习;二是认为部分毕业生就业定位不合理,期望值过高,需要适当下调。
这对于高校人才质量培养、大学生职业生涯规划、大学生就业指导具有一定的反馈意义。
四、讨论与结论在当前食品行业持续稳定发展,科技含量需求日趋增强的现状下,对食品类相关专业的毕业生具有强大的吸纳能力。
我院毕业生专业对口就业的比率也非常高。
但毕业生就业满意度还有待进一步提高,具体提高的方面和程度还需要研究和持续的改进,用人单位对于毕业生在专业技能和其他方面也有意见。
高校作为培养人才、服务产业、输出人才的一方,充分利用好自身桥梁作用的优势和平台,对于提高人才培养质量和提高毕业生就业满意度、服务好产业和产业企业具有巨大的改进空间。
参考文献:[1]国家统计局:6月规模以上工业企业利润同比增20%,2018年07月27日09:39,来源:国家统计局,/news/468/468709.html.作者简介:张秒高(1980-),女,汉族,安徽宿州人,硕士,辅导员,助理研究员;研究方向:马克思主义理论与思想政治教育。
精准营销策略都有哪些精准营销策略在现代市场竞争中已经成为了越来越重要的一部分。
它不仅可以有效地吸引目标消费者,还可以降低营销成本,提高销售业绩,提高客户满意度,等等。
那么,精准营销策略到底有哪些呢?1. 人口统计学和地理位置的分析一个成功的精准营销策略需要依靠数据与分析。
通过分析人口统计特征,比如年龄、性别、收入等,我们可以更好地理解我们的受众,从而更准确地推销我们的品牌。
类似地,分析目标市场的地理位置也可以帮助我们更好地定位我们的广告投放位置, 以最小的预算投入和最高的效益获得最大的覆盖率。
2. 计算机技术的应用今天,计算机技术的持续发展使得营销变得更加容易和精确。
我们可以利用计算机技术来识别客户的购买记录、喜好和其他行为,并以此来更好地了解我们的受众群体,以最优秀的方式展示广告,让更多的潜在客户产生兴趣。
3. 社交媒体的应用在社交媒体平台,我们也可以有效地进行精准营销。
通过在推特,脸书等社交媒体平台上制作广告和发布相关内容,我们可以将其广泛地传达到我们的受众中。
对于大多数公司来说,使用社交媒体应该是一种必需的精准营销方式。
4. 移动应用程序的应用如今,随着越来越多的人开始使用移动设备去浏览网页并开始购物,移动应用程序也成了很好的营销工具。
我们可以通过移动应用程序促进业务的增长以及扩大我们的品牌影响力。
此外,通过移动应用程序的付费模型或广告设置,我们可以通过精准的目标营销实现付费者肯定的回报。
5. 数据挖掘技术的应用在今天的数据大数据时代,数据挖掘技术的应用也成为了精准营销策略的一部分。
当我们分析顾客(包括受众和表现为顾客的人)的行为时,我们可以使用数据挖掘技术来收集、处理和分析关于购买历史,消费倾向,看法和偏好等信息。
这个信息可以让我们更了解我们的受众,进而使我们的精准营销更为准确。
6. 反溯分析技术的应用利用人才数据分析技术,我们可以发现客户的消费行为,进而发现他们的兴趣和优惠点,最后对买家进行个性化营销。
2012年以后,大数据(big data)一词越来越多地被提及,人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”本文总结一下:利用海量数据和先进的数据挖掘技术,研究客户行为特征,进行精准营销。
数据库营销 关于数据库营销,美国全国数据库营销中心是这样定义的:“数据库营销是一个动态的数据库管理系统,该数据库的内容涵盖现有顾客和潜在顾客,并可以随时扩充、更新。就其功能而言,要能实现以下目标:确认最佳目标顾客及潜在顾客,然后与顾客建立起长期的、牢固的、融洽的关系,同时根据数据库建立先期模型,进行针对性营销。”
拉克萨根据数据库营销的产生和演进,把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段,所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。
数据挖掘 通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中,提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具,用以在海量数据中发现模型和数据间关系的过程,然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为,帮助人们作出前瞻的、基于知识的决策。
CRISP-DM(跨行业数据挖掘标准流程)是世界公认的方法论之一,也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现,也不仅仅表现为对数据的分析和统计建模,其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。
CRISP-DM将整个挖掘过程分成了以下六个步骤:商业理解,数据理解,数据准备,建立模型,模型评估,模型发布。
通常来说,把模型的结果转化成一段数据库存储过程的代码,并与数据处理代码进行整合,就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中(BOSS系统、经分系统、大客户管理系统、客服系统等)嵌入相应的模块。 精准营销理论 1999年,美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论:是以科学管理为基础,以消费者洞察为手段,恰当而贴切地对市场进行细分,并采取精耕细作式的营销操作方式,将市场做深做透,进而获得预期效益。
通常可以划分成五个阶段: 1. 收集并整理目标客户的相关信息,建立一个客户数据库;
2. 对数据进行分析,加深客户理解,整理出细分客户群体的差异化需求;
3. 为不同的细分客户群体需求设计差异化的产品和服务;
4. 提供满足不同细分客户群体的差异化产品和服务;
5. 通过各种营销活动的反馈,进一步深化对客户本质需求以及客户购买和使用习惯的理解。
具体的内容包括: (1)客户信息收集与处理 客户数据管理是一个数据准备的过程,是搞好精准营销的基础。好比指挥官为将来绘制战场地图,把战场上所有的地理信息及变化要素等输入电脑一样,市场人员也必须将分散的数据集中到一个数据库中,这些存在于企业内部各系统中的内部数据和企业外部数据(如市场调查、第三方数据等)分类后,以客户ID为主键进行整理、转换后汇集(ETL)到一个集中的数据库中,就有了准确的客户数据,之后市场人员就可以对客户进行全面的研究和分析。
(2)客户细分与定位 客户分群是根据客户的特征相似程度把客户分成若干个群体,群体内部特征非常相似,而在群体之间,特征非常不相似。只有区分出了不同的客户群,企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段,提供满足这个客户群特征要求的产品或服务。在实际操作中,传统的市场细分变量,如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓,已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高,许多新的客户分析技术和方法正被运用于各种营销领域,数据挖掘这一统计领域的前沿性技术就被广泛的应用,它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析,已经成为今后客户细分领域的主流。
(3)营销战略制定 在得到基于现有数据的不同客户群特征后,市场人员需要结合企业战略、企业能力、市场环境等因素,在不同的客户群体中寻找可能的商业机会,最终为每个群制定个性化的营销战略,每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售,或采取措施防止客户流失等。
(4)营销方案设计 所有的方案注重的都是目标,营销方案也一样。一个好的营销方案必须聚焦到某个目标客户群,然后将营销方案都往目标客户群聚焦。太阳表面的温度在10000度以上,但却连地球上的一张纸也点不着,如果使用一个放大镜,就可以把纸点燃,区别就在于是否聚焦。同样只有做到聚焦,营销的效率才能够提升到最大。筛选出目标客户群是第一步,企业可以围绕客户战略和当前营销工作重点来确定目标客户群。根据目标客户群营销活动的目标,设计有针对性的营销活动创意(包括产品的组合、渠道的选择等)及定价,并就各方案进行评估,挑选出最佳创意,形成最终营销方案(包括针对性的产品组合方案、产品组合价格方案、渠道方案)。
值得强调的是,客户是不断变化的,亦即客户群是动态的,因此,我们需要灵活动态地观测、定位和理解客户群,才不至于制定一个时过境迁的营销方案。
(5)营销结果反馈 营销活动结束后,应对营销活动执行过程中收集到的各种数据进行综合分析,对营销活动的执行、渠道、产品和广告的有效性进行评估,总结经验和教训,寻找需要改进和优化的关键点,为下一阶段的营销活动打下良好的基础。简言之,评估是营销活动的终点,也是下一轮精准营销活动的起点。 精准营销模式 精准营销模式可以概括为5W营销分析框架,在合适的时机(When),将合适的业务(Which),通过合适的渠道(Where),采取合适的行动(What),营销合适的客户(Who)。在整个过程中贯彻“以客户为中心”的理念,实现营销管理的持续改善。
精准营销模式实施框架,可以将精准营销理解成一个PPT框架,即将以客户为本作为核心价值观,从策略、流程、技术三方面着手,实现精准营销。其中策略指营销策略;流程是包括客户获取、客户培育、客户挽留组成的最佳管理实践流程;技术则是基于用户信息之上的数据分析和数据挖掘。
策略、流程与技术是实现精准营销的三大要素。首先要保证精准营销理念在整个组织中有效贯彻,以保证战略决策者、方案制定者和活动执行者必须充分理解和认可精准营销的理念,并能做到融会贯通,可以制定彰显这一理念的相应的营销策略和方案;其次通过流程穿越、流程改造等方式,在不断的创新和探索中建立起有效的与客户互动的行为模式;最后,不断提升技术水平,充分利用技术。坚实的技术后盾是精准营销理论落实的保障,使之具有可操作性,并在很大程度上推动了营销精准化的进程。 整体而言,策略、流程和技术组成了电信业精准营销的基本架构,促进了精准营销的驱动者、行动方案和可行性保障三方面的紧密结合。同时坚守以客户为出发点,确保客户在整个精准营销活动中始终处于核心地位。 策略、流程、技术三个方面的能力是精准营销能力的有机组成,三者相辅相成,缺一不可。策略对流程有战略性的指导意义,因为策略条线中的营销策略是建立在最佳管理实践的流程之上的;流程必须建立在技术的基础上,因为数据挖掘与分析模型是客户细分与分析的基础,而后者则贯穿最佳管理实践流程始终;数据挖掘与分析所使用的海量数据则来源于业务系统中沉淀的用户信息。精准营销模式的核心是“以客户为中心”,更加注重“目标客户”,在识别出目标消费者后,聚焦目标客户群,分析目标客户群的需求,然后为这一特定群体推出最适合的细分产品,制定适应目标客户群的价格,通过相应的渠道和传播、促销方式进行产品营销。要达到这一目的,就需要对客户的特征进行具体的分析。
目前移动各种增值业务非常繁多,之前的彩铃业务营销通过捆绑、大面积的促销让用户去选择,虽然带来的增值业务普及率的提升,但沉默用户增多,客户投诉增加。江苏移动通过精准营销找准目标客户,发展彩铃业务,激活沉默用户,发展新彩铃用户,取得了良好的效果。
1.整合各大数据源,建立统一的用户增值业务行为分析视图,为精准营销应用打下基础
增长业务的数据虽然有相应规范进行统一,但是因增值业务更新比较快,数据源尚未覆盖全部业务,离当前的应用需求有一定差距;业务子系统,尤其是小业务系统的数据源缺乏梳理,需进一步加强。从数据出发,以用户为中心,从用户特征角度将运营商可能有的数据归类整理,输出用户特征分析表;对照运营商的数据实际具备情况,对数据的可获得性进行标注。
从营销出发,从进行新业务营销的目标出发,推导对支持信息及源数据的需求,确定数据使用方法,输出营销特征分析表;对照运营商的数据实际具备情况,对必要但暂不可获得的数据提出规划需求。《数据源整合需求报告》中,除了对经分系统现有数据源进行梳理外,还对MISC、彩信、彩铃、WAP、小区短信、短信网关、Enumber邮箱、12580、爱贝通、小额支付平台、USSD、手机杂志、LCS等13个业务平台的数据进行了梳理整合。
建立基于用户人性特点的14类人群细分模型,对增值业务的目标客户进行细分,共分为以下几种类型:
基于用户人性特点将客户细分为低潜力型、超前消费型、虚荣跟风型、精明尝鲜型、盲从型、吝啬型、精打细算型、理性跟从型、中潜力型、精明时尚型、传统保守型、感性跟随型、高潜力型、时尚中高端。基于彩铃用户生命周期将客户细分为,彩铃潜在用户、彩铃新开通用户、彩铃普通用户、彩铃活跃用户、彩铃沉默用户、彩铃流失用户、潜在高概率用户、流失高概率用户。在用户细分的基础上,建立彩铃潜在用户预测模型(模型略)。
2.建立用户新业务行为属性标签,动态触发的精准营销策略
基于用户统一视图,结合实际情况进行用户属性标签构建。对彩铃的目标客户,当订购了其他增值业务和拨打了有彩铃客户的电话时,对其进行触发式的短信推荐,对彩铃沉默用户和流失用户,则采取外呼+营业厅的方式进行主动关怀,最终形成针对目标客户的彩铃业务精准营销模式。
3.营销执行 通过精准平台将客户需求及针对性营销方案推送到一线。比如根据用户历史铃音使用记录总结出铃音偏好,帮助一线人员进行针对性的铃音推荐;根据用户历史获取铃音的渠道总结出用户的渠道偏好等。而且流失概率、影响力指数等分析成果也能在清单中罗列出来。