如何利用大數(shù)據(jù)做精準營銷？

說到大數(shù)據(jù)精準營銷，不得不先提個性化的用戶畫像，我們針對每一類數(shù)據(jù)實體，進一步分解可落地的數(shù)據(jù)維度，刻畫TA的每一個特征，在聚集起來形成人群畫像。

01用戶畫像

用戶畫像是根據(jù)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(yè)，星座

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(tài)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(shù)據(jù)：用已知預測未知

我們用已知的數(shù)據(jù)尋找線索，不斷挖掘素材，不但可以鞏固老會員，也可以分析出未知的顧客與需求，進一步開發(fā)市場。

2.用戶分群：分門別類貼標簽

在分析階段，數(shù)據(jù)會轉(zhuǎn)換為影響指數(shù)，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(wǎng)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(jīng)過搜集與轉(zhuǎn)換，就會產(chǎn)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(yōu)化再調(diào)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(jīng)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(chǎn)品的相關信息，精準推送這個消費者的手機中；針對不同產(chǎn)品發(fā)送推薦信息，同時也不斷通過滿意度調(diào)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(jīng)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(diào)整模型，做到循環(huán)優(yōu)化。

這個階段的目的是提煉價值，再根據(jù)客戶需求精準營銷，最后追蹤客戶反饋的信息，完成閉環(huán)優(yōu)化。

我們從數(shù)據(jù)整合導入開始，聚合數(shù)據(jù)，在進行數(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)分析重點是觀察數(shù)據(jù)，單純的統(tǒng)計，看KPI的升降原因。而數(shù)據(jù)挖掘從細微和模型角度去研究數(shù)據(jù)，從學習集、訓練集發(fā)現(xiàn)知識規(guī)則，除了一些比較商業(yè)化的軟件SAS，WEKA功能強大的數(shù)據(jù)分析挖掘軟件，這邊還是更推薦使用R，Python，因為SAS，SPSS本身比較昂貴，也很難做頁面和服務級別的API，而Python和R有豐富的庫，可以類似WEKA的模塊，無縫交互其他API和程序，這里還需要熟悉數(shù)據(jù)庫，Hadoop等。

02數(shù)據(jù)細分受眾

“顛覆營銷”書中提到一個例子，可以引述一下，大家思考一個問題：如果你打算搜集200份有效問卷，依照以往的經(jīng)驗，你需要發(fā)多少份問卷，才能達到這個目標？預計用多少預算和時間來執(zhí)行？

以往的方法是這樣的：評估網(wǎng)絡問卷大約是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，一個月內(nèi)如果可以回收，就是不錯的表現(xiàn)。

但現(xiàn)在不一樣了，在執(zhí)行大數(shù)據(jù)分析的3小時內(nèi)，就可以輕松完成以下的目標：

精準挑選出1%的VIP顧客

發(fā)送390份問卷，全部回收

問卷寄出3小時內(nèi)回收35%的問卷

5天內(nèi)就回收了超過目標數(shù)86%的問卷數(shù)

所需時間和預算都在以往的10%以下

這是怎么做到在問卷發(fā)送后的3個小時就回收35%？那是因為數(shù)據(jù)做到了發(fā)送時間的"一對一定制化"，利用數(shù)據(jù)得出，A先生最可能在什么時間打開郵件就在那個時間點發(fā)送問卷。

舉例來說，有的人在上班路上會打開郵件，但如果是開車族，并沒有時間填寫答案，而搭乘公共交通工具的人，上班路上的時間會玩手機，填寫答案的概率就高，這些都是數(shù)據(jù)細分受眾的好處。

03預 測

“預測”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。

當我們采集和分析用戶畫像時，可以實現(xiàn)精準營銷。這是最直接和最有價值的應用，廣告主可以通過用戶標簽來發(fā)布廣告給所要觸達的用戶，這里面又可以通過上圖提到的搜索廣告，展示社交廣告，移動廣告等多渠道的營銷策略，營銷分析，營銷優(yōu)化以及后端CRM/供應鏈系統(tǒng)打通的一站式營銷優(yōu)化，全面提升ROI。

我們再說一說營銷時代的變遷，傳統(tǒng)的企業(yè)大多還停留在“營銷1.0”時代，以產(chǎn)品為中心，滿足傳統(tǒng)的消費者需求，而進入“營銷2.0”，以社會價值與品牌為使命，也不能完全精準對接個性化需求。進入營銷3.0的數(shù)據(jù)時代，我們要對每個消費者進行個性化匹配，一對一營銷，甚至精確算清楚成交轉(zhuǎn)化率，提高投資回報比。

大數(shù)據(jù)下的營銷顛覆經(jīng)典的營銷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)時代，線下地理的競爭邊界早就不存在，比的是早一步的先知能力，利用大數(shù)據(jù)，從顧客真實交易數(shù)據(jù)中，預測下一次的購買時間。 營銷3.0時代關鍵詞就是“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(chǎn)品的大多數(shù)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(xiàn)有客戶，其中包括特定產(chǎn)品的大多數(shù)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(yōu)化你的支出。

過去我們看數(shù)據(jù)可能是被動的方式，但預測營銷強調(diào)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(shù)據(jù)驅(qū)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(chǎn)品或渠道為中心到以客戶為中心的轉(zhuǎn)變。