大數(shù)據(jù)營(yíng)銷(xiāo)能夠很好的幫助商戶(hù)開(kāi)拓線下線上用戶(hù)，個(gè)性化的用戶(hù)畫(huà)像，針對(duì)每一類(lèi)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(huà)TA的每一個(gè)特征，在聚集起來(lái)形成人群畫(huà)像。
01用戶(hù)畫(huà)像用戶(hù)畫(huà)像是根據(jù)用戶(hù)社會(huì)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(hù)模型。具體包含以下幾個(gè)維度：用戶(hù)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(hù)興趣特征：興趣愛(ài)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(hù)社會(huì)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(hù)消費(fèi)特征：收入狀況，購(gòu)買(mǎi)力水平，商品種類(lèi)，購(gòu)買(mǎi)渠道喜好，購(gòu)買(mǎi)頻次用戶(hù)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(hù)，周?chē)巳海侣勈录绾紊捎脩?hù)精準(zhǔn)畫(huà)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(hù)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(hù)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(hù)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(hù)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(wèn)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(ài)好，教育等方面，這比個(gè)人填寫(xiě)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(kāi)發(fā)市場(chǎng)。
2.用戶(hù)分群：分門(mén)別類(lèi)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(huà)，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(hù)傾向性模型，這類(lèi)分群使用Lift圖，用打分的方法告訴你哪一類(lèi)客戶(hù)有較高的接觸和轉(zhuǎn)化的價(jià)值。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(xiāo)。舉個(gè)例子，一個(gè)80后客戶(hù)喜歡在生鮮網(wǎng)站上早上10點(diǎn)下單買(mǎi)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(hù)畫(huà)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，日本餐館最新推薦，營(yíng)銷(xiāo)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(mǎn)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(xiāo)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(hù)需求精準(zhǔn)營(yíng)銷(xiāo)，最后追蹤客戶(hù)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(kāi)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)，
小馬哥智慧收銀通過(guò)移動(dòng)支付手段獲取海量數(shù)據(jù)，并通過(guò)大數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)消費(fèi)者洞察，提供個(gè)性化服務(wù)，讓門(mén)店實(shí)現(xiàn)數(shù)據(jù)采集，用戶(hù)觸達(dá)，營(yíng)銷(xiāo)內(nèi)容的全鏈路升級(jí)。核心團(tuán)隊(duì)來(lái)自百度、阿里巴巴、支付寶、美團(tuán)等頂級(jí)互聯(lián)網(wǎng)公司平均每月超過(guò)120項(xiàng)技術(shù)更新。通過(guò)大數(shù)據(jù)分析剞劂營(yíng)銷(xiāo)問(wèn)題。
1.消費(fèi)大數(shù)據(jù)分析：分析消費(fèi)頻率，金額主動(dòng)提高價(jià)值客戶(hù)
2.客流大數(shù)據(jù)分析：隨時(shí)隨地監(jiān)控大數(shù)據(jù)綜合分析客流趨勢(shì)
3.行為大數(shù)據(jù)分析：提高用戶(hù)基本信息，分類(lèi)營(yíng)銷(xiāo)，滿(mǎn)足個(gè)性需求。
4.LBS大數(shù)據(jù)分析：根據(jù)用戶(hù)所處的商圈、地標(biāo)等位置推薦服務(wù)。
實(shí)時(shí)判斷用戶(hù)的線上支付能力，幫助商家引導(dǎo)客戶(hù)進(jìn)行線上支付，從而降低結(jié)算費(fèi)和退貨率、加快資金歸集。
根據(jù)LBS信息，為商戶(hù)在線下準(zhǔn)確定位到目標(biāo)用戶(hù)群體，進(jìn)行店鋪選址，活動(dòng)推廣等商業(yè)決策。商戶(hù)獲取心的關(guān)注用戶(hù)，商戶(hù)通過(guò)支付寶獲知用戶(hù)的基礎(chǔ)屬性，根據(jù)用戶(hù)的屬性進(jìn)行推送相應(yīng)的商品或信息。