尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
1 用戶畫像
用戶畫像是根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標籤化的用戶模型。具體包含以下幾個維度：
用戶固定特徵：性別，年齡，地域，教育水平，生辰八字，職業，星座
用戶興趣特徵：興趣愛好，使用APP，網站，瀏覽/收藏/評論內容，品牌偏好，產品偏好
用戶社會特徵：生活習慣，婚戀，社交/信息管道偏好，宗教信仰，家庭成分
用戶消費特徵：收入狀況，購買力水平，商品種類，購買管道喜好，購買頻次
用戶動態特徵：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為三步：
1.采集和清理數據：用已知預測未知
首先得掌握繁雜的數據源。包括用戶數據、各式活動數據、電子郵件訂閱數、線上或線下數據庫及客戶服務信息等。這個是累積數據庫；這里面最基礎的就是如何收集網站／APP用戶行為數據。比如當你登陸某網站，其Cookie就一直駐留在瀏覽器中，當用戶觸及的動作，點擊的位置，按鈕，點讚，評論，粉絲，還有訪問的路徑，可以識別並記錄他／她的所有瀏覽行為，然後持續分析瀏覽過的關鍵詞和頁面，分析出他的短期需求和長期興趣。還可以通過分析朋友圈，非常清晰地獲得對方的工作，愛好，教育等方面信息，這比個人填寫的表單，還要更全面和真實。
我們用已知的數據尋找線索，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，進一步開發市場。
用戶分群：分門別類貼標籤
描述分析是最基本的分析統計方法，描述統計分為兩大部分：數據描述和指標統計。
數據描述：用來對數據進行基本情況的刻畫，包括數據總數，範圍，數據來源。
指標統計：把分布，對比，預測指標進行建模。這里常常是Data mining的一些數學模型，像響應率分析模型，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化的價值。
在分析階段，數據會轉換為影響指數，進而可以做”一對一”的精準行銷。舉個例子，一個80後客戶喜歡在生鮮網站上上午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，經過搜集與轉換，就會產生一些標籤，如”80後””生鮮””做飯””日本料理”等等，貼在消費者身上。
3.制定策略：優化再調整
有了用戶畫像之後，便能清楚了解需求，在實際操作上，能深度經營顧客關係，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，行銷人員就會把適合產品的相關信息，精準推送這個消費者的手機中；針對不同產品發送推薦信息，同時也不斷通過滿意度調查，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，行銷人員也在不同時間階段觀察成長率和成功率，前後期對照，確認整體經營策略與方向是否正確；若效果不佳，又該用什麼策略去應對。反復試錯並調整模型，做到循環優化。
這個階段的目的是提煉價值，再根據客戶需求精準行銷，最後追蹤客戶反饋的信息，完成閉環優化。
我們從數據整合導入開始，聚合數據，再進行數據的分析挖掘。數據分析和挖掘還是有一些區別。數據分析重點是觀察數據，單純的統計，看KPI的升降原因。而數據挖掘從細微和模型角度去研究數據，從學習集、訓練集發現知識規則。
2 數據細分受眾
「顛覆行銷」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，依照以往的經驗，你需要發多少份問卷，才能達到這個目標？預計用多少預算和時間來執行？
以往的方法是這樣的：評估網路問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發送量，也就是發出4000份問卷，一個月內如果可以回收，就是不錯的表現。
但現在不一樣了，在執行大數據分析的3小時內，就可以輕鬆完成以下的目標：
精準挑選出1%的VIP顧客
發送390份問卷，全部回收
問卷寄出3小時內回收35%的問卷
5天內就回收了超過目標數86%的問卷數
所需時間和預算都在以往的10%以下
這是怎麼做到在問捲髮送後的3個小時就回收35%？那是因為數據做到了發送時間的”一對一定制化”，利用數據得出，A先生最可能在什麼時間打開郵件就在那個時間點發送問卷。
舉例來說，有的人在上班路上會打開郵件，但如果是開車族，並沒有時間填寫答案，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，這些都是數據細分受眾的好處。
3 預 測
「預測」能夠讓你專注於一小群客戶，而這群客戶卻能代正妹版定產品的大多數潛在買家。
當我們采集和分析用戶畫像時，可以做到精準行銷。這是最直接和最有價值的應用，廣告主可以通過用戶標籤來發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尋廣告，展示社交廣告，移動廣告等多管道的行銷策略，行銷分析，行銷優化以及後端CRM/供應鏈系統打通的一站式行銷優化，全面提升ROI。
我們再說一說行銷時代的變遷，傳統的企業大多還停留在「行銷1.0」時代，以產品為中心，滿足傳統的消費者需求，而進入「行銷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。進入行銷3.0的數據時代，我們要對每個消費者進行個性化匹配，一對一行銷，甚至精確地算清楚成交轉化率，提高投資回報比。
大數據下的行銷顛覆經典的行銷4P理論：Product（產品），Price（價格），Place（管道），Promotion（推廣），取而代之的是新的行銷4P概念：Purpose（意義），Presence（參與），Proximity（接近），Partnership（合作）。在大數據時代，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，利用大數據，從顧客真實交易數據中，預測下一次的購買時間。 行銷3.0時代關鍵詞就是「預測」。
預測行銷能夠讓你專注於一小群客戶，而這群客戶卻能代正妹版定產品的大多數潛在買家。過去我們看數據可能是被動的方式，但預測行銷強調是決策價值，比如購買時間，你該看的不是她最後的購買日期，而是下次購買的時間，看未來的存活概率，最後生成客戶終身價值（CLV）。預測行銷催生了一種新的數據驅動行銷方式，就是以客戶為中心，核心在於幫助公司完成從以產品或管道為中心到以客戶為中心的轉變。
4 精準推薦
大數據最大的價值不是事後分析，而是預測和推薦。以電商為例，”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採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不一樣的地方在於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。這種一對一行銷是最好的服務。
數據整合改變了企業的行銷方式，現在經驗已經不是累積在人的身上，而是完全依賴消費者的行為數據去做推薦。未來，銷售人員不再只是銷售人員，而能以專業的數據預測，搭配人性的親切互動推薦商品，升級成為顧問型銷售。
5 技術工具
關於預測行銷的技術能力，有幾種選擇方案：
1、使用預測分析工作平台，然後以某種方法將模型輸入活動管理工具；
2、以分析為動力的預測性活動外包給市場服務提供商；
3、評估並購買一個預測行銷的解決方案，比如預測性行銷雲和多管道的活動管理工具。
但無論哪條路，都要確定三項基本能力：
如小蜜蜂科技采集設備：
1）連接不同來源的客戶數據，包括線上，線下，為預測分析準備好數據 ；
2）分析客戶數據，使用系統和定制預測模型，做高級分析 ；
在正確時間，正確客戶，正確的場景出發正確行為，可能做交叉銷售，跨不同行銷系統。
6 預測模型
預測客戶購買可能性的行業標準是RFM模型（最近一次消費R，消費頻率F，消費金額M），但模型應用有限，本質是一個試探性方案，沒有統計和預測依據。「過去的成績不能保證未來的表現」，RFM只關注過去，不去將客戶當前行為和其他客戶當前行為做對比。這樣就無法在購買產品之前識別高價值客戶。
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：
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。並對趨勢做預測，是增加還是減少活動。
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。然後看增長模型，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。
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。
關鍵字推薦模型，關鍵字推薦模型可以基於一個客戶網路行為和購買記錄來預測對某個內容的喜愛程度，預測客戶對什麼熱點，爆款感興趣，行銷者使用這種預測結果為特定客戶決定內容行銷主題。
預測聚集模型，預測聚集模型就是預測客戶會歸為哪一類。
中智顥天科技推出的科技產品小蜜蜂，即為順應新的行銷3.0時代而誕生的行銷神器。體積小巧方便攜帶，但功能強大，是集信息采集、用戶畫像、數據分析、用戶定位、人群管理、管道銜接、全媒體投放、精準定位等全方位一體的行銷工具。
在精準行銷方面，小蜜蜂與三大經營商合作，可直接與抓取到的客戶進行電話、簡訊閃信精準行銷觸達；同時對接95%的經營媒體和各類APP滿足各行各業的廣告投放需求。打破傳統廣告推廣模式，提高轉化率降低行銷成本。