智能教育网欢迎您!
当前位置:首页   /   学习快讯   /   教育行业
数字营销:大数据精准营销的七个关键要素(下)
栏目:教育行业 2018-11-21

阅读:1132次

作者:Amy

数字营销:大数据精准营销的七个关键要素(下)

作者 | 杨帅

04

精准推荐

大数据最大的价值不是事后分析,而是预测和推荐,我就拿电商举例,"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子,在个性化推荐机制方面,大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式,Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例,主观数据,加上销售记录的交叉核对,挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。

数据整合改变了企业的营销方式,现在经验已经不是累积在人的身上,而是完全依赖消费者的行为数据去做推荐。未来,销售人员不再只是销售人员,而能以专业的数据预测,搭配人性的亲切互动推荐商品,升级成为顾问型销售。

05

技术工具

关于预测营销的技术能力,有几种选择方案:

1、使用预测分析工作平台,然后以某种方法将模型输入活动管理工具;

2、以分析为动力的预测性活动外包给市场服务提供商;

3、评估并购买一个预测营销的解决方案,比如预测性营销云和多渠道的活动管理工具。

但无论哪条路,都要确定三项基本能力:

1)连接不同来源的客户数据,包括线上,线下,为预测分析准备好数据 ;

2)分析客户数据,使用系统和定制预测模型,做高级分析 ;

3)在正确时间,正确客户,正确的场景出发正确行为,可能做交叉销售,跨不同营销系统。

06

预测模型

预测客户购买可能性的行业标准是RFM模型(最近一次消费R,消费频率F,消费金额M),但模型应用有限,本质是一个试探性方案,没有统计和预测依据。过去的成绩不能保证未来的表现RFM只关注过去,不去将客户当前行为和其他客户当前行为做对比。这样就无法在购买产品之前识别高价值客户。

我们聚焦的预测模型,就是为了在最短时间内对客户价值产生最大影响。这里列举一些其他模型参考:

参与倾向模型,预测客户参与一个品牌的可能性,参与定义可以多元,比如参加一个活动,打开电子邮件,点击,访问某页面。可以通过模型来确定EDM的发送频率。并对趋势做预测,是增加还是减少活动。

钱包模型,就是为每个客户预测最大可能的支出,定义为单个客户购买产品的最大年度支出。然后看增长模型,如果当前的总目标市场比较小,但未来可能很大,就需要去发现这些市场。

价格优化模型,就是能够去最大限度提升销售,销量或利润的架构,通过价格优化模型为每个客户来定价,这里需要对你想要的产品开发不同的模型,或者开发通用,可预测的客户价格敏感度的模型,确定哪一块报价时对客户有最大的影响。

关键字推荐模型,关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度,预测客户对什么热点,爆款感兴趣,营销者使用这种预测结果为特定客户决定内容营销主题。

预测聚集模型,预测聚集模型就是预测客户会归为哪一类。

07

AI在营销领域的应用

去年人工智能特别火,特别是深度学习在机器视觉,语言识别,游戏AI上的突飞猛进,以至于人们开始恐慌人工智能是不是已经可以接管人类工作,我个人是对新技术有着强烈的兴趣,也非常看好新科技,数据与现实的关联。

我以前在国外零售店买单的时候经常被询问你有没有购物卡,当我说没有收银员会赶紧劝我免费开通,有打折优惠,只需要填个手机号和邮箱,后面就可以针对我的购买记录做营销活动,而当我下次进来,他们就让我报出电话号码做消费者识别,当时我想如果做到人脸识别,岂不是更方便,刷脸就可以买单。而这个场景在去年也有了实验,蚂蚁金服研发出了一个生物识别机器人,叫蚂可Mark,据说其认脸能力已经超越了人类肉眼的能力。还有VR购物,Amazon推出的无收银员商店Amazon Go,通过手势识别,物联网和后续数据挖掘等技术实现购物体验。

针对营销领域,主要有以下三种预测营销技术:

1、无监督的学习技术

无监督学习技术能识别数据中的隐藏模式,也无须明确预测一种结果。比如在一群客户中发现兴趣小组,也许是滑雪,也许是长跑,一般是放在聚类算法,揭示数据集合中 真实的潜在客户。所谓聚类,就是自动发现重要的客户属性,并据此做分类。

2、 有监督的学习技术

通过案例训练机器,学习并识别数据,得到目标结果,这个一般是给定输入数据情况下预测,比如预测客户生命周期价值,客户与品牌互动的可能性,未来购买的可能性。

3、强化学习技术

这种是利用数据中的潜质模式,精准预测最佳的选择结果,比如对某用户做促销应该提供哪些产品。这个跟监督学习不同,强化学习算法无须仅需输入和输出训练,学习过程通过试错完成。

从技术角度看,推荐模型应用了协同过滤,贝叶斯网络等算法模型。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。

按团队的话来说,叫做学会学习的能力,或者叫做能解决类似相关问题的归纳能力。除了强化学习,还在迁移学习。迁移学习就是把一个通用模型迁移到一个小数据上,使它个性化,在新的领域也能产生效果,类似于人的举一反三、触类旁通。

强化学习加上迁移学习,能够把小数据也用起来,我认为是很激动人心的,通过AI来创造AI,数据科学家的部分工作也可以让机器来实现了。


Q: 你认为还有哪些值得关注的技术?

欢迎留言与大家分享

请把这篇文章分享给你的朋友

                              转载 / 投稿请联系:amyyangs@foxmail.com

 

相关信息
智能教育平台拥有强大的教学实力,尤其在教研和师资方面积累深厚。课程覆盖小学、初中、高中的包括语文.数学.英语.物理.化学.生物在内的所有主要学科。师资方面,采取统一选聘、严格培训的制度,引入“授课老师+辅导老师”的双师模式,授课老师团队对课堂负责,辅导老师团队对学习效果负责。
粤ICP备17159544号   |   版权所有@肇庆市经纬信息技术有限公司   |   技术支持:佰牛科技
关于我们  |   课程中心  |   信息咨询  |   联系我们  |   网站地图