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？( 三 )

文案策劃問答


我們聚焦的預測模型 ， 就是為了在最短時間內對客戶價值產生最大影響 。 這里列舉一些其他模型參考：
1.參與傾向模型 ， 預測客戶參與一個品牌的可能性 ， 參與定義可以多元 ， 比如參加一個活動 ， 打開電子郵件 ， 點擊 ， 訪問某頁面 。 可以通過模型來確定EDM的發送頻率 。 并對趨勢做預測 ， 是增加還是減少活動 。
2.錢包模型 ， 就是為每個客戶預測最大可能的支出 ， 定義為單個客戶購買產品的最大年度支出 。 然后看增長模型 ， 如果當前的總目標市場比較小 ， 但未來可能很大 ， 就需要去發現這些市場 。
3.價格優化模型 ， 就是能夠去最大限度提升銷售 ， 銷量或利潤的架構 ， 通過價格優化模型為每個客戶來定價 ， 這里需要對你想要的產品開發不同的模型 ， 或者開發通用 ， 可預測的客戶價格敏感度的模型 ， 確定哪一塊報價時對客戶有最大的影響 。
4.關鍵字推薦模型 ， 關鍵字推薦模型可以基于一個客戶網絡行為和購買記錄來預測對某個內容的喜愛程度 ， 預測客戶對什么熱點 ， 爆款感興趣 ， 營銷者使用這種預測結果為特定客戶決定內容營銷主題 。
5.預測聚集模型 ， 預測聚集模型就是預測客戶會歸為哪一類 。
七、AI在營銷領域的應用
去年人工智能特別火 ， 特別是深度學習在機器視覺 ， 語言識別 ， 游戲AI上的突飛猛進 ， 以至于人們開始恐慌人工智能是不是已經可以接管人類工作 ， 我個人是對新技術有著強烈的興趣 ， 也非?？春眯驴萍?nbsp;， 數據與現實的關聯 。
在零售店買單的時候經常被詢問“你有沒有購物卡” ， 當我說沒有收銀員會趕緊勸我免費開通 ， 有打折優惠 ， 只需要填個手機號和郵箱 ， 后面就可以針對我的購買記錄做營銷活動 ， 而當我下次進來 ， 他們就讓我報出電話號碼做消費者識別 ， 當時我想如果做到人臉識別 ， 豈不是更方便 ， 刷臉就可以買單 。
而這個場景在去年也有了實驗 ， 螞蟻金服研發出了一個生物識別機器人 ， 叫螞可Mark ， 據說其認臉能力已經超越了人類肉眼的能力 。 還有VR購物 ， Amazon推出的無收銀員商店Amazon Go ， 通過手勢識別 ， 物聯網和后續數據挖掘等技術實現購物體驗 。
針對營銷領域 ， 主要有以下三種預測營銷技術：
1、無監督的學習技術
無監督學習技術能識別數據中的隱藏模式 ， 也無須明確預測一種結果 。 比如在一群客戶中發現興趣小組 ， 也許是滑雪 ， 也許是長跑 ， 一般是放在聚類算法 ， 揭示數據集合中 真實的潛在客戶 。 所謂聚類 ， 就是自動發現重要的客戶屬性 ， 并據此做分類 。
2、 有監督的學習技術
通過案例訓練機器 ， 學習并識別數據 ， 得到目標結果 ， 這個一般是給定輸入數據情況下預測 ， 比如預測客戶生命周期價值 ， 客戶與品牌互動的可能性 ， 未來購買的可能性 。
3、強化學習技術
這種是利用數據中的潛質模式 ， 精準預測最佳的選擇結果 ， 比如對某用戶做促銷應該提供哪些產品 。 這個跟監督學習不同 ， 強化學習算法無須僅需輸入和輸出訓練 ， 學習過程通過試錯完成 。
從技術角度看 ， 推薦模型應用了協同過濾 ， 貝葉斯網絡等算法模型 。 強化學習是被Google Brain團隊的負責人Jeff Dean認為是最有前途的AI研究方向之一 。 最近Google的一個AI團隊DeepMind發表了一篇名為《學會強化學習》的論文 。
按團隊的話來說 ， 叫做“學會學習”的能力 ， 或者叫做能解決類似相關問題的歸納能力 。 除了強化學習 ， 還在遷移學習 。 遷移學習就是把一個通用模型遷移到一個小數據上 ， 使它個性化 ， 在新的領域也能產生效果 ， 類似于人的舉一反三、觸類旁通 。

推薦閱讀