闡述做大數據精準營銷的6大要素 做大數據精準營銷的要素有哪些?( 二 )


第二 , 數據段
“顛覆營銷”一書中提到了一個例子 。 您可以引用一個問題:如果您計劃收集200份有效問卷 , 您需要根據過去的經驗發送多少份問卷來實現這一目標?預計實施多少預算和時間?
以前的方法是:評估網絡問卷的回收率約為5% 。 如果您想保證200份問卷 , 您必須有20倍的報告金額 , 即發送4000份問卷 , 如果您可以在一個月內回收 。 是一個很好的表現 。
但現在情況有所不同 。 在執行大數據分析的3小時內 , 您可以輕松實現以下目標:
準確選擇1%的VIP客戶
發送390份問卷 , 全部回收
【闡述做大數據精準營銷的6大要素 做大數據精準營銷的要素有哪些?】調查問卷在3小時內發出35%的問卷
問卷數量超過目標數量的86% , 在5天內恢復 。
過去所需的時間和預算低于10%
如何在問卷發出后的3小時內恢復35%?那是因為數據是發送時間的“一對一定制” 。 使用這些數據 , A先生最有可能在那時打開郵件并在那時發送問卷 。 例如 , 有些人會在上班途中打開郵件 , 但如果他們正在開車 , 而且沒有時間填寫答案 , 乘坐公共交通工具的人會在上班路上玩手機 , 而且填寫答案的概率很高 。 這都是關于數據分割的好處 。
三 , 預測
“預測”使您可以專注于代表特定產品的大多數潛在買家的一小部分客戶 。
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程序 。 廣告客戶可以使用用戶標記將廣告發布給他們想要覆蓋的用戶 。 他們還可以使用上述搜索廣告來展示社交廣告 , 移動廣告和其他多渠道 。 營銷策略 , 營銷分析 , 營銷優化和后端CRM /供應鏈系統的一站式營銷優化 , 以提高投資回報率 。
我們來談談營銷時代的變化 。 大多數傳統企業仍然停留在“營銷1.0”時代 , 以產品為中心 , 滿足傳統消費者需求 , 進入“營銷2.0” , 以社會價值和品牌為使命 , 也不能完全準確匹配個人需求 。 在Marketing 3.0的數據時代 , 我們必須對每個消費者進行個性化 , 一對一營銷 , 甚至準確計算交易轉換率并提高投資回報率 。
大數據下的營銷顛覆了經典營銷4P理論 , 產品 , 價格 , 地點 , 促銷 , 取而代之的是新的4P , 人員 , 績效 , 流程和預測 。 在大數據時代 , 與使用大數據從客戶的真實交易數據預測下一個購買時間的早期預測能力相比 , 離線地理的競爭邊界早已存在 。 營銷3.0關鍵字是“預測” 。
預測營銷能夠讓你專注于一小群客戶 , 而這群客戶卻能代表特定產品的大多數潛在買家 。 以上圖為例 , 你可以將營銷活動的目標受眾鎖定為20萬潛在客戶或現有客戶 , 其中包括特定產品的大多數買家(4萬人) 。 你還可以撥出部分預算用于吸引更小的客戶群(比如20%的客戶) , 而不是整個客戶群 , 進而優化你的支出 。
過去我們看數據可能是被動的方式 , 但預測營銷強調是決策價值 , 比如購買時間 , 你該看的不是她最后的購買日期 , 而是下次購買的時間 , 看未來的存活概率 , 最后生成客戶終身價值(CLV) 。 預測營銷催生了一種新的數據驅動營銷方式 , 就是以客戶為中心 , 核心在于幫助公司完成從以產品或渠道為中心到以客戶為中心的轉變 。
四:精準推薦
大數據最大的價值不是事后分析 , 而是預測和推薦 , 我就拿電商舉例 , '精準推薦'成為大數據改變零售業的核心功能 。 譬如服裝網站Stitch fix例子 , 在個性化推薦機制方面 , 大多數服裝訂購網站采用的都是用戶提交身形 , 風格數據+編輯人工推薦的模式 , Stitch Fix不一樣的地方在于它還結合了機器算法推薦 。 這些顧客提供的身材比例 , 主觀數據 , 加上銷售記錄的交叉核對 , 挖掘每個人專屬的服裝推薦模型 。 這種一對一營銷是最好的服務 。
數據整合改變了公司的市場方式 。 現在經驗不會累積在人們身上 , 而是完全依靠消費者行為數據來提出建議 。 在未來 , 銷售人員不再僅僅是銷售人員 , 而是可以升級為具有專業數據預測的顧問式銷售 , 并具有人性化的友好互動 。

推薦閱讀