簡(jiǎn)述數(shù)字營(yíng)銷中需要收集用戶哪些行為信息?
簡(jiǎn)述數(shù)字營(yíng)銷中需要收集用戶哪些行為信息?
這應(yīng)該是目標(biāo)受眾與客戶角色的數(shù)據(jù)分析。
什么是目標(biāo)受眾？
目標(biāo)受眾又稱目標(biāo)顧客、目標(biāo)群體和目標(biāo)客群是一個(gè)營(yíng)銷活動(dòng)所作為目標(biāo)的人口群體，企業(yè)通過(guò)廣告試圖達(dá)到的消費(fèi)者市場(chǎng)份額。
簡(jiǎn)單來(lái)說(shuō)，你的目標(biāo)與您的營(yíng)銷對(duì)象是誰(shuí)，那么您的目標(biāo)受眾就是誰(shuí)。
這里你可以瞄準(zhǔn)一組人的教育，目標(biāo)，興趣和問題作為您的理想客戶。
基本上，你要瞄準(zhǔn)的人誰(shuí)會(huì)買你的東西。
如果你的目標(biāo)是那些不想買你的東西或沒有辦法買你的東西的人，你可能會(huì)得到更多的網(wǎng)站流量，但它不會(huì)為你帶來(lái)銷售。
在我們深入探討尋找受眾的細(xì)節(jié)之前，讓我們先來(lái)回顧一下目標(biāo)受眾和角色的區(qū)別，因?yàn)楹芏嗳藭?huì)把他們和目標(biāo)受眾搞混，這可能會(huì)導(dǎo)致時(shí)間和金錢的浪費(fèi)。
目標(biāo)受眾和客戶角色的區(qū)別
用于定義目標(biāo)受眾的數(shù)據(jù)通常為：
年齡
性別
教育背景
購(gòu)買力
**階級(jí)
位置
消費(fèi)習(xí)慣
目標(biāo)受眾示例：女性，20-30歲，居住在上海，擁有學(xué)士學(xué)位，月收入8,000 – 15,000元，對(duì)購(gòu)物和旅游充滿興趣。
如果你在不了解你的確切受眾的情況下創(chuàng)辦一家公司，你可能會(huì)像幾年前的我一樣！
這是另一個(gè)例子。假設(shè)您的企業(yè)銷售潮玩玩具。
因此，您的目標(biāo)受眾可能是兒童、青少年。
或者你有劇本殺生意。你的受眾肯定不會(huì)是十三歲以下的吧？
不要試圖覆蓋每個(gè)人來(lái)增加你的銷售和利潤(rùn)的機(jī)會(huì)。
從長(zhǎng)遠(yuǎn)來(lái)看，它實(shí)際上會(huì)讓你付出更多的成本，并降低你的利潤(rùn)率。
現(xiàn)在讓我們了解一下“客戶角色”。
什么是客戶角色？
在市場(chǎng)營(yíng)銷中，客戶人物角色是將成為您的理想客戶的買家的受眾群體。
人物角色是具有真實(shí)的客戶特征的虛構(gòu)人物。它們是基于目標(biāo)受眾研究而開發(fā)的，可以幫助您更好地指導(dǎo)營(yíng)銷活動(dòng)。
人物角色是指可能對(duì)你所提供的東西感興趣的人，因?yàn)樗麄兣c你的品牌關(guān)系密切，你必須努力使他們成為客戶并留住他們。
人物角色所涉及的研究要比您的受眾更深入、更詳細(xì)，因?yàn)樗ǎ?/p>
個(gè)人特征
購(gòu)買力
工作
興趣
參與的社交**
專業(yè)信息
角色示例：小明，22歲，AI算法工程師，月收入3,0000 – 50,000元，對(duì)黑科技和創(chuàng)新技術(shù)充滿興趣。
擁有博士學(xué)位。在每天的晚上8點(diǎn)-10點(diǎn)喜歡在CSDN、掘金、知乎等網(wǎng)站游覽。有一個(gè)專欄，并發(fā)布AI算法相關(guān)教程。
他總是關(guān)注該地區(qū)的人工智能活動(dòng)，并與其他人一起參加會(huì)議。
客戶角色和目標(biāo)受眾之間的主要區(qū)別是，目標(biāo)受眾以更一般的方式考慮整個(gè)受眾，而客戶角色則更具體。
客戶的信息收集主要包括哪些內(nèi)容？
對(duì)于客戶的信息收集，一般包括如下層面：（1）客戶檔案資料：客戶類別、名稱、地址、聯(lián)系電話、經(jīng)營(yíng)項(xiàng)目、經(jīng)營(yíng)規(guī)模、經(jīng)營(yíng)時(shí)間、信用級(jí)別、付款方式、所需產(chǎn)品種類、產(chǎn)品月需求量、供應(yīng)商結(jié)構(gòu)、毛利率標(biāo)準(zhǔn)等;（2）基本經(jīng)營(yíng)資料：營(yíng)業(yè)執(zhí)照復(fù)印件、采購(gòu)合同、補(bǔ)充采購(gòu)合同、各項(xiàng)證明書、稅務(wù)登記證復(fù)印件。（3）客戶特征資料：資金實(shí)力、固定資產(chǎn)、廠房所有權(quán)、發(fā)展?jié)摿Α⒔?jīng)營(yíng)觀念、經(jīng)營(yíng)方向、經(jīng)營(yíng)政策、內(nèi)部管理狀況、經(jīng)營(yíng)歷史等;（4）業(yè)務(wù)狀況資料：財(cái)務(wù)表現(xiàn)、銷售變動(dòng)趨勢(shì)、內(nèi)部人員素質(zhì)品行、與本公司的業(yè)務(wù)關(guān)系及合作態(tài)度。
數(shù)據(jù)精準(zhǔn)營(yíng)銷的七個(gè)關(guān)鍵要素
數(shù)據(jù)精準(zhǔn)營(yíng)銷的七個(gè)關(guān)鍵要素說(shuō)到大數(shù)據(jù)精準(zhǔn)營(yíng)銷，不得不先提個(gè)性化的用戶畫像，我們針對(duì)每一類數(shù)據(jù)實(shí)體，進(jìn)一步分解可落地的數(shù)據(jù)維度，刻畫TA的每一個(gè)特征，在聚集起來(lái)形成人群畫像。 01用戶畫像用戶畫像是根據(jù)用戶**屬性、生活習(xí)慣和消費(fèi)行為等信息而抽象出的一個(gè)標(biāo)簽化的用戶模型。
具體包含以下幾個(gè)維度：用戶固定特征：性別，年齡，地域，教育水平，生辰八字，職業(yè)，星座用戶興趣特征：興趣愛好，使用APP，網(wǎng)站，瀏覽/收藏/評(píng)論內(nèi)容，品牌偏好，產(chǎn)品偏好用戶**特征：生活習(xí)慣，婚戀，社交/信息渠道偏好，宗教信仰，家庭成分用戶消費(fèi)特征：收入狀況，購(gòu)買力水平，商品種類，購(gòu)買渠道喜好，購(gòu)買頻次用戶動(dòng)態(tài)特征：當(dāng)下時(shí)間，需求，正在前往的地方，周邊的商戶，周圍人群，**事件如何生成用戶精準(zhǔn)畫像大致分成三步。
1.采集和清理數(shù)據(jù)：用已知預(yù)測(cè)未知首先得掌握繁雜的數(shù)據(jù)源。包括用戶數(shù)據(jù)、各式活動(dòng)數(shù)據(jù)、電子郵件訂閱數(shù)、線上或線下數(shù)據(jù)庫(kù)及客戶服務(wù)信息等。這個(gè)是累積數(shù)據(jù)庫(kù);這里面最基礎(chǔ)的就是如何收集網(wǎng)站／APP用戶行為數(shù)據(jù)。比如當(dāng)你登陸某網(wǎng)站，其Cookie就一直駐留在瀏覽器中，當(dāng)用戶觸及的動(dòng)作，點(diǎn)擊的位置，按鈕，點(diǎn)贊，評(píng)論，粉絲，還有訪問的路徑，可以識(shí)別并記錄他／她的所有瀏覽行為，然后持續(xù)分析瀏覽過(guò)的關(guān)鍵詞和頁(yè)面，分析出他的短期需求和長(zhǎng)期興趣。
還可以通過(guò)分析朋友圈，獲得非常清晰獲得對(duì)方的工作，愛好，教育等方面，這比個(gè)人填寫的表單，還要更全面和真實(shí)。我們用已知的數(shù)據(jù)尋找線索，不斷挖掘素材，不但可以鞏固老會(huì)員，也可以分析出未知的顧客與需求，進(jìn)一步開發(fā)市場(chǎng)。2.用戶分群：分門別類貼標(biāo)簽描述分析是最基本的分析統(tǒng)計(jì)方法，描述統(tǒng)計(jì)分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計(jì)。
數(shù)據(jù)描述：用來(lái)對(duì)數(shù)據(jù)進(jìn)行基本情況的刻畫，包括數(shù)據(jù)總數(shù)，范圍，數(shù)據(jù)來(lái)源。指標(biāo)統(tǒng)計(jì)：把分布，對(duì)比，預(yù)測(cè)指標(biāo)進(jìn)行建模。這里常常是Data mining的一些數(shù)學(xué)模型，像響應(yīng)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(zhuǎn)化的價(jià)值。百科
在分析階段，數(shù)據(jù)會(huì)轉(zhuǎn)換為影響指數(shù)，進(jìn)而可以做\”一對(duì)一\”的精準(zhǔn)營(yíng)銷。舉個(gè)例子，一個(gè)80后客戶喜歡在生鮮網(wǎng)站上早上10點(diǎn)下單買菜，晚上6點(diǎn)回家做飯，周末喜歡去附近吃日本料理，經(jīng)過(guò)搜集與轉(zhuǎn)換，就會(huì)產(chǎn)生一些標(biāo)簽，包括\”80后\”\”生鮮\”\”做飯\”\”日本料理\”等等，貼在消費(fèi)者身上。3.制定策略：優(yōu)化再調(diào)整有了用戶畫像之后，便能清楚了解需求，在實(shí)際操作上，能深度經(jīng)營(yíng)顧客關(guān)系，甚至找到擴(kuò)散口碑的機(jī)會(huì)。
例如上面例子中，若有生鮮的打折券，日本餐館**推薦，營(yíng)銷人員就會(huì)把適合產(chǎn)品的相關(guān)信息，精準(zhǔn)推送這個(gè)消費(fèi)者的手機(jī)中;針對(duì)不同產(chǎn)品發(fā)送推薦信息，同時(shí)也不斷通過(guò)滿意度調(diào)查，跟蹤碼確認(rèn)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(yíng)銷人員也在不同時(shí)間階段觀察成長(zhǎng)率和成功率，前后期對(duì)照，確認(rèn)整體經(jīng)營(yíng)策略與方向是否正確;若效果不佳，又該用什么策略應(yīng)對(duì)。反復(fù)試錯(cuò)并調(diào)整模型，做到循環(huán)優(yōu)化。這個(gè)階段的目的是提煉價(jià)值，再根據(jù)客戶需求精準(zhǔn)營(yíng)銷，**追蹤客戶反饋的信息，完成閉環(huán)優(yōu)化。
我們從數(shù)據(jù)整合導(dǎo)入開始，聚合數(shù)據(jù)，在進(jìn)行數(shù)據(jù)的分析挖掘。數(shù)據(jù)分析和挖掘還是有一些區(qū)別。數(shù)據(jù)分析重點(diǎn)是觀察數(shù)據(jù)，單純的統(tǒng)計(jì)，看KPI的升降原因。而數(shù)據(jù)挖掘從細(xì)微和模型角度去研究數(shù)據(jù)，從學(xué)習(xí)集、訓(xùn)練集發(fā)現(xiàn)知識(shí)規(guī)則，除了一些比較商業(yè)化的軟件SAS，WEKA功能強(qiáng)大的數(shù)據(jù)分析挖掘軟件，這邊還是更推薦使用R，Python，因?yàn)镾AS，SPSS本身比較昂貴，也很難做頁(yè)面和服務(wù)級(jí)別的API，而Python和R有豐富的庫(kù)，可以類似WEKA的模塊，無(wú)縫交互其他API和程序，這里還需要熟悉數(shù)據(jù)庫(kù)，Hadoop等。
02數(shù)據(jù)細(xì)分受眾“**營(yíng)銷”書中提到一個(gè)例子，可以引述一下，大家思考一個(gè)問題：如果你打算搜集200份有效問卷，依照以往的經(jīng)驗(yàn)，你需要發(fā)多少份問卷，才能達(dá)到這個(gè)目標(biāo)？預(yù)計(jì)用多少預(yù)算和時(shí)間來(lái)執(zhí)行？以往的方法是這樣的：評(píng)估**問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發(fā)送量，也就是發(fā)出4000份問卷，一個(gè)月內(nèi)如果可以回收，就是不錯(cuò)的表現(xiàn)。但現(xiàn)在不一樣了，在執(zhí)行大數(shù)據(jù)分析的3小時(shí)內(nèi)，就可以輕松完成以下的目標(biāo)：精準(zhǔn)挑選出1%的VIP顧客發(fā)送390份問卷，全部回收問卷寄出3小時(shí)內(nèi)回收35%的問卷5天內(nèi)就回收了超過(guò)目標(biāo)數(shù)86%的問卷數(shù)所需時(shí)間和預(yù)算都在以往的10%以下這是怎么做到在問卷發(fā)送后的3個(gè)小時(shí)就回收35%？那是因?yàn)閿?shù)據(jù)做到了發(fā)送時(shí)間的\”一對(duì)一定制化\”，利用數(shù)據(jù)得出，A先生最可能在什么時(shí)間打開郵件就在那個(gè)時(shí)間點(diǎn)發(fā)送問卷。舉例來(lái)說(shuō)，有的人在上班路上會(huì)打開郵件，但如果是開車族，并沒有時(shí)間填寫答案，而搭乘公共交通工具的人，上班路上的時(shí)間會(huì)玩手機(jī)，填寫答案的概率就高，這些都是數(shù)據(jù)細(xì)分受眾的好處。03預(yù) 測(cè)“預(yù)測(cè)”能夠讓你專注于一小群客戶，而這群客戶卻能代表特定產(chǎn)品的大多數(shù)潛在買家。
當(dāng)我們采集和分析用戶畫像時(shí)，可以實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。這是最直接和最有價(jià)值的應(yīng)用，廣告主可以通過(guò)用戶標(biāo)簽來(lái)發(fā)布廣告給所要觸達(dá)的用戶，這里面又可以通過(guò)上圖提到的搜索廣告，展示社交廣告，移動(dòng)廣告等多渠道的營(yíng)銷策略，營(yíng)銷分析，營(yíng)銷優(yōu)化以及后端CRM/供應(yīng)鏈系統(tǒng)打通的一站式營(yíng)銷優(yōu)化，全面提升ROI。我們?cè)僬f(shuō)一說(shuō)營(yíng)銷時(shí)代的變遷，傳統(tǒng)的企業(yè)大多還停留在“營(yíng)銷1.0”時(shí)代，以產(chǎn)品為中心，滿足傳統(tǒng)的消費(fèi)者需求，而進(jìn)入“營(yíng)銷2.0”，以**價(jià)值與品牌為使命，也不能完全精準(zhǔn)對(duì)接個(gè)性化需求。
進(jìn)入營(yíng)銷3.0的數(shù)據(jù)時(shí)代，我們要對(duì)每個(gè)消費(fèi)者進(jìn)行個(gè)性化匹配，一對(duì)一營(yíng)銷，甚至**算清楚成交轉(zhuǎn)化率，提高投資回報(bào)比。 大數(shù)據(jù)下的營(yíng)銷**經(jīng)典的營(yíng)銷4P理論，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大數(shù)據(jù)時(shí)代，線下地理的競(jìng)爭(zhēng)邊界早就不存在，比的是早一步的先知能力，利用大數(shù)據(jù)，從顧客真實(shí)交易數(shù)據(jù)中，預(yù)測(cè)下一次的購(gòu)買時(shí)間。
營(yíng)銷3.0時(shí)代關(guān)鍵詞就是“預(yù)測(cè)”。預(yù)測(cè)營(yíng)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(chǎn)品的大多數(shù)潛在買家。以上圖為例，你可以將營(yíng)銷活動(dòng)的目標(biāo)受眾鎖定為20萬(wàn)潛在客戶或現(xiàn)有客戶，其中包括特定產(chǎn)品的大多數(shù)買家（4萬(wàn)人）。你還可以撥出部分預(yù)算用于吸引更小的客戶群（比如20% 的客戶），而不是整個(gè)客戶群，進(jìn)而優(yōu)化你的支出。
過(guò)去我們看數(shù)據(jù)可能是被動(dòng)的方式，但預(yù)測(cè)營(yíng)銷強(qiáng)調(diào)是決策價(jià)值，比如購(gòu)買時(shí)間，你該看的不是她**的購(gòu)買日期，而是下次購(gòu)買的時(shí)間，看未來(lái)的存活概率，**生成客戶終身價(jià)值（CLV）。預(yù)測(cè)營(yíng)銷催生了一種新的數(shù)據(jù)驅(qū)動(dòng)營(yíng)銷方式，就是以客戶為中心，核心在于幫助公司完成從以產(chǎn)品或渠道為中心到以客戶為中心的轉(zhuǎn)變。04精準(zhǔn)推薦大數(shù)據(jù)**的價(jià)值不是事后分析，而是預(yù)測(cè)和推薦，我就拿電商舉例，\”精準(zhǔn)推薦\”成為大數(shù)據(jù)改變零售業(yè)的核心功能。
譬如服裝網(wǎng)站Stitch fix例子，在個(gè)性化推薦機(jī)制方面，大多數(shù)服裝訂購(gòu)網(wǎng)站采用的都是用戶提交身形、風(fēng)格數(shù)據(jù)+編輯人工推薦的模式，Stitch Fix不一樣的地方在于它還結(jié)合了機(jī)器算法推薦。這些顧客提供的身材比例，主觀數(shù)據(jù)，加上銷售記錄的交叉核對(duì)，挖掘每個(gè)人專屬的服裝推薦模型。 這種一對(duì)一營(yíng)銷是**的服務(wù)。數(shù)據(jù)整合改變了企業(yè)的營(yíng)銷方式，現(xiàn)在經(jīng)驗(yàn)已經(jīng)不是累積在人的身上，而是完全依賴消費(fèi)者的行為數(shù)據(jù)去做推薦。
未來(lái)，銷售人員不再只是銷售人員，而能以專業(yè)的數(shù)據(jù)預(yù)測(cè)，搭配人性的親切互動(dòng)推薦商品，升級(jí)成為顧問型銷售。05技術(shù)工具關(guān)于預(yù)測(cè)營(yíng)銷的技術(shù)能力，有幾種選擇方案：1、使用預(yù)測(cè)分析工作平臺(tái)，然后以某種方法將模型輸入活動(dòng)管理工具;2、以分析為動(dòng)力的預(yù)測(cè)性活動(dòng)外包給市場(chǎng)服務(wù)提供商;3、評(píng)估并購(gòu)買一個(gè)預(yù)測(cè)營(yíng)銷的解決方案，比如預(yù)測(cè)性營(yíng)銷云和多渠道的活動(dòng)管理工具。但無(wú)論哪條路，都要確定三項(xiàng)基本能力：1）連接不同來(lái)源的客戶數(shù)據(jù)，包括線上，線下，為預(yù)測(cè)分析準(zhǔn)備好數(shù)據(jù) ;2）分析客戶數(shù)據(jù)，使用系統(tǒng)和定制預(yù)測(cè)模型，做高級(jí)分析 ;3）在正確時(shí)間，正確客戶，正確的場(chǎng)景出發(fā)正確行為，可能做交叉銷售，跨不同營(yíng)銷系統(tǒng)。
06預(yù)測(cè)模型預(yù)測(cè)客戶購(gòu)買可能性的行業(yè)標(biāo)準(zhǔn)是RFM模型（最近一次消費(fèi)R，消費(fèi)頻率F，消費(fèi)金額M），但模型應(yīng)用有限，本質(zhì)是一個(gè)試探性方案，沒有統(tǒng)計(jì)和預(yù)測(cè)依據(jù)?！斑^(guò)去的成績(jī)不能保證未來(lái)的表現(xiàn)”，RFM只關(guān)注過(guò)去，不去將客戶當(dāng)前行為和其他客戶當(dāng)前行為做對(duì)比。這樣就無(wú)法在購(gòu)買產(chǎn)品之前識(shí)別高價(jià)值客戶。我們聚焦?。
