电商产品中的精准营销

流量是产品、网站的命脉，那么我们该如何充分利用流量呢？

有时流量增加，但运营效果并不好、有时产品很好，但没有流量、有时促销成本与销售额不成比例，投资回报率不高。作为产品负责人，即使没有遇到过这样的事情，也必须考虑这此情况。

在涉及大数据精准营销时，我们必须首先进行个性化的用户画像简历。建立每种类型的用户数据实体，进一步分解可以落地的数据维度，描绘TA的每个特征，并收集以形成群组肖像。

01用户画像

用户画像是从诸如用户社交属性，生活习惯、消费者行为之类的信息中抽象出的标记用户模型。具体包括以下维度：

用户个人特征：性别，年龄，地区，教育程度，出生性格，职业，星座

用户兴趣特征：爱好，使用APP，网站，浏览/收集/评论内容，品牌偏好，产品偏好

用户社会特征：生活习惯，婚姻和爱情，社交/信息渠道偏好，宗教信仰，家庭构成

用户消费特征：收入状况，购买力水平，产品类型，购买渠道偏好，购买频率

用户动态特征：当前时间，需求，您要去的地方，周边商家，周围人群，新闻事件

生成用户准确的画像大致分为三个步骤。：

   1.采集和清理数据：用已知预测未知

首先，必须掌握复杂的数据源。包括用户数据，各种活动数据，电子邮件订阅，在线或离线数据库以及客户服务信息。这是一个累积数据库;

最基本的部分是如何收集网站/APP用户行为数据。例如，当您登录网站时，其cookie仍保留在浏览器中。当用户触摸动作时，点击位置，按钮，喜欢，评论，粉丝和访问路径，可以识别和记录他/她所有浏览行为，然后继续分析查看的关键字和页面，分析他的短期需求和长期利益。

还可以通过分析朋友圈来非常清楚地了解他人的工作，爱好，教育等，这比个人填写的表格更全面，更真实。

我们使用已知数据来寻找线索并不断挖掘材料，还要分析未知客户和需求，进一步开拓市场。

2.用户分群：分门别类贴标签

描述性分析是最基本的分析统计方法。

描述性统计分为两部分：数据描述和指标统计。

数据描述：用于描述数据的基本情况，包括数据总量，范围，数据源。

指标统计：模型分布，比较和预测指标。

这通常是数据挖掘的一些数学模型，例如响应率分析模型，客户导向模型，使用Lift图表进行分组，使用评分方法告诉您哪些类型的客户具有更高的联系和转换价值。

在分析阶段，数据被转换为影响指数，进而允许一对一的精确营销。

例如，80后的顾客喜欢在新鲜的网站10点订购食物，晚上6点回家做饭，喜欢周末去附近的餐馆吃日本。

在收集和转换之后，将生成一些标签，包括“80后”，“新鲜”，“烹饪”等。日本 cuisine“等，贴在消费者身上。

3.制定策略：优化再调整

通过用户的画像，可以清楚地了解需求，在实际操作中，可以深入管理客户关系甚至找到传播口碑的机会。

例如，在上面的例子中，如果有一个新的折扣优惠券，日本餐厅最新推荐，营销人员会准确地将产品的相关信息推送到消费者的手机;

发送不同产品的推荐信息，并通过满意度调查，跟踪代码确认等，掌握客户各方面的行为和偏好。

除了客户分组，营销人员还可以观察不同时期的增长率和成功率。比较前后，确认整体业务策略和方向是否正确;

如果效果不好，应该采用什么策略？重复试验和错误并调整模型以实现循环优化。

此阶段的目的是细化价值，然后根据客户需求准确上市，最后跟踪客户反馈信息，完成闭环优化。

我们从数据集成和导入数据开始，分析和挖掘数据。

数据分析和挖掘之间仍然存在一些差异。数据分析的重点是观察数据，简单统计，并查看KPI上升和下降的原因。数据挖掘从细微和模型的角度研究数据，并从学习集和训练集中发现知识规则。

除了一些商业软件SAS和WEKA强大的数据分析和挖掘软件外，建议使用R，Python。因为SAS，SPSS本身比较贵，所以也很难做页面和服务级别的API，而且Python和R有一个丰富的库，可以类似于WEKA模块，与其他API和程序无缝交互，这里也需要熟悉数据库，Hadoop等。

 02 预测

“预测”可以专注于潜在买家的一小部分客户。

当采集并分析用户画像时，可以实现精确的营销。这是最直接和最有价值的应用。

广告客户可以使用用户标记将广告发布给他们想要覆盖的用户。他们还可以使用上述搜索来展示社交广告，移动广告和其他多渠道。

用营销策略，营销分析，营销优化和后端CRM /供应链系统的一站式营销优化，提高投资回报率。

来谈谈营销时代的变化。

大多数传统企业仍然停留在“营销1.0”时代，以产品为中心，满足传统消费者需求。

进入“营销2.0”，以社会价值和品牌为使命，也不能完全准确匹配个人需求。

在Marketing 3.0的数据时代，我们必须面对每个个性化消费者，一对一营销，甚至准确计算交易转换率并提高投资回报率。

大数据下的营销颠覆了经典营销4P理论，产品，价格，地点，促销，取而代之的是新的4P，人员，绩效，流程和预测。

在大数据时代，营销3.0关键字是“预测”。

预测性营销使您可以专注于潜在买家的一小部分客户。

例如，可以将营销活动的目标受众定位到200,000个潜在客户或现有客户，包括特定产品的大多数买家（40,000人）。您还可以分配一部分预算来吸引较小的客户群（例如20％的客户），而不是整个客户群。

过去，我们被动的方式看到数据，预测性营销则相反，强调决策的价值。

例如，购买时，你不看她上次购买的日期，而是下次购买的时间，看未来的发生概率，最后完成客户服务。预测性营销产生了一种新的数据驱动营销方法，以客户为中心，帮助公司完成从产品、以渠道为中心到以客户为中心的转型。

03 精准推荐

大数据的最大价值不是事后分析，而是预测和推荐。

举一个电子商务的例子，“精确推荐”成为大数据变革，零售业的核心功能。

例如，服装网站的Stitch，在个性化推荐机制方面，Stitch Fix的不同之处在于它结合了机器算法、推荐。这些客户提供的主观数据，以及销售记录数据结合，挖掘每个人的专属服装推荐模型。这是现阶段一对一营销的最好服务模式。

数据整合改变了公司的市场运营方式。经验不在累积在某个人身上，而是完全依靠消费者行为数据来提出建议。

未来，销售人员不再仅仅是销售人员，而是通过专业数据预测和人性化的友好互动，上升为顾问式的销售。