1. 首頁 > 生活百科 > >

分享大數據精準營銷的7個要點 大數據精準營銷的要點有哪些？

文案策劃問答

說到大數據精準營銷 ， 不得不提到精準營銷的關鍵要素 ， 今天我們就來分享一下大數據精準營銷的七個關鍵點！
一、用戶畫像
用戶畫像是根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型 。
具體包含以下幾個維度：
用戶固定特征：性別 ， 年齡 ， 地域 ， 教育水平 ， 生辰八字 ， 職業 ， 星座
用戶興趣特征：興趣愛好 ， 使用APP ， 網站 ， 瀏覽/收藏/評論內容 ， 品牌偏好 ， 產品偏好
用戶社會特征：生活習慣 ， 婚戀 ， 社交/信息渠道偏好 ， 宗教信仰 ， 家庭成分
用戶消費特征：收入狀況 ， 購買力水平 ， 商品種類 ， 購買渠道喜好 ， 購買頻次
用戶動態特征：當下時間 ， 需求 ， 正在前往的地方 ， 周邊的商戶 ， 周圍人群 ， 新聞事件如何生成用戶精準畫像大致分成三步 。
1.采集和清理數據：用已知預測未知
首先得掌握繁雜的數據源 。 包括用戶數據、各式活動數據、電子郵件訂閱數、線上或線下數據庫及客戶服務信息等 。
這個是累積數據庫；這里面最基礎的就是如何收集網站／APP用戶行為數據 。 比如當你登陸某網站 ， 其Cookie就一直駐留在瀏覽器中 ， 當用戶觸及的動作 ， 點擊的位置 ， 按鈕 ， 點贊 ， 評論 ， 粉絲 ， 還有訪問的路徑 ， 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的關鍵詞和頁面 ， 分析出他的短期需求和長期興趣 。
還可以通過分析朋友圈 ， 獲得非常清晰獲得對方的工作 ， 愛好 ， 教育等方面 ， 這比個人填寫的表單 ， 還要更全面和真實 。
我們用已知的數據尋找線索 ， 不斷挖掘素材 ， 不但可以鞏固老會員 ， 也可以分析出未知的顧客與需求 ， 進一步開發市場 。
2.用戶分群：分門別類貼標簽
描述分析是最基本的分析統計方法 ， 描述統計分為兩大部分：數據描述和指標統計 。
（1）數據描述：用來對數據進行基本情況的刻畫 ， 包括數據總數 ， 范圍 ， 數據來源 。
（2）指標統計：把分布 ， 對比 ， 預測指標進行建模 。 這里常常是Data mining的一些數學模型 ， 像響應率分析模型 ， 客戶傾向性模型 ， 這類分群使用Lift圖 ， 用打分的方法告訴你哪一類客戶有較高的接觸和轉化的價值 。
在分析階段 ， 數據會轉換為影響指數 ， 進而可以做"一對一"的精準營銷 。 舉個例子 ， 一個80后客戶喜歡在生鮮網站上早上10點下單買菜 ， 晚上6點回家做飯 ， 周末喜歡去附近吃日本料理 ， 經過搜集與轉換 ， 就會產生一些標簽 ， 包括"80后""生鮮""做飯""日本料理"等等 ， 貼在消費者身上 。
3.制定策略：優化再調整
有了用戶畫像之后 ， 便能清楚了解需求 ， 在實際操作上 ， 能深度經營顧客關系 ， 甚至找到擴散口碑的機會 。 例如上面例子中 ， 若有生鮮的打折券 ， 日本餐館最新推薦 ， 營銷人員就會把適合產品的相關信息 ， 精準推送這個消費者的手機中；針對不同產品發送推薦信息 ， 同時也不斷通過滿意度調查 ， 跟蹤碼確認等方式 ， 掌握顧客各方面的行為與偏好 。
除了顧客分群之外 ， 營銷人員也在不同時間階段觀察成長率和成功率 ， 前后期對照 ， 確認整體經營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 ， 做到循環優化 。
這個階段的目的是提煉價值 ， 再根據客戶需求精準營銷 ， 最后追蹤客戶反饋的信息 ， 完成閉環優化 。
我們從數據整合導入開始 ， 聚合數據 ， 在進行數據的分析挖掘 。 數據分析和挖掘還是有一些區別 。
數據分析重點是觀察數據 ， 單純的統計 ， 看KPI的升降原因 。

推薦閱讀