加油精準營銷需要哪些數據

1. 大數據時代，企業如何做精準營銷

提高用戶轉化率
一、合適的人
二、合適的產品
三、合適的渠道
這三個為你的的優勢及壁壘，你能為你的用戶解決他們所需要的產品。
在這三個為你的殺手鐧，在加上合適的時間和合適的場景，定能讓你轉化率節節攀升！
舉個例子，你通過大數據找到了一批需要筆記本電腦的人，剛好你有蘋果電腦渠道資源，且你拿到的是代購的貨，那麼你就擁有了三把殺手鐧。
合適是場景就是心動的營銷了，你的產品在正好在他們剛發薪資的時候被看到了，那麼增加了他們對你產品的購買率。
通過這個列子，我們能夠簡單地理解什麼叫做精準營銷了，那麼怎麼才能更加深入的了解呢？
一、收集客戶大數據
我們需要收集客戶的那些方面的數據呢？身份信息、行為信息和交易信息。
我們獲得信息渠道有哪些呢？
根部不同來源的性質，我們劃分為第一數據、第二數據和第三數據。
第一數據企業自身獲得的數據，第二數據是通過合作企業獲得的數據，第三數據是通過購買獲得的數據，根據不通來源，最靠譜的是第一數據，但是第一數據需用心沉澱積累。
如何獲得第一數據呢？
企業在運營過程中，會與不同的消費人群擁有更多的觸及點，當然，獲得這些多維度的觸及點的數據，是我們需要深耕的數據渠道。
如，我們大家都喜歡喝可口可樂，竟讓會有用掃一掃出現AR場景，這個時候，我們需要用我們的微信等進行授權，企業通過此觸及點，可以獲得客戶的信息。
若想做到精準化營銷，必要建立企業數據戰略！
二、處理大數據、精準推薦產品
獲得數據的第一步，當然是處理這些數據！
建立不通的維度框架，收集客戶不通維度信息，然後對數據統一整理
建立用戶畫像
我們的客戶基本信息可以了解到，什麼樣的人在購買自己的產品，自己的哪一款產品比較受客戶青睞等一些信息
鎖定我們的人群
當我們多維度考慮到購買我們產品的用戶，可以篩選並縮小我們用戶的圈子。更能精準推薦自己的產品。
精準引流
選擇不同的媒體，讓用戶產生購買慾望
三、建立長期關系
採用會員制或者圈子制度，除了能夠提高用戶的復購率，且能夠起到口碑宣傳的作用，因此我們要用心呵護我們的用戶，去和我們的用戶做朋友，提供我們的價值！

2. 如何做精準營銷

提高顧客讓渡價值：「顧客讓渡價值」是指顧客總價值與顧客總成本之間的差額。精準營銷實現「一對一」個性化的營銷策略，一定程度上幫助客戶減少了對無效信息接收處理的成本，能夠快速獲得更具適用性的產品和服務，最終獲得較高的「用戶讓渡價值」。

用戶需求精準度高，命中率大：精準營銷的策略主要就是針對性強，能夠對目標群體有更深刻的認和理解，減少在品牌推廣渠道上繁雜的鋪設，能夠集中兵力、資金、精力，把資源用在刀刃上，獲得高投資回報，客戶轉化的可能性也就被大大提高。

提高產品和服務水平：雖然以客戶需求為出發點和終結點的概念在營銷領域已經被奉為圭臬，達成用戶需求洞察的過程卻在精準營銷的策略下，有了新的變化，比如精準營銷更強調以信息化技術的手段，及時地對用戶需求進行洞察、跟進，然後快速巧妙地與產品和服務進行結合，從而提升客戶的整體服務體驗。

節約成本，提高效率：傳統營銷方式的營銷鏈比較長，企業必須建立自己的專業營銷隊伍。精準營銷在一定程度上能夠幫助企業解決人員膨脹、營銷渠道冗雜等問題，從而減少整個營銷的運營成本。

精準營銷是營銷人都在追求的目標，要想實現這個目標，首先得知道利用大數據技術或者更加精準的 Martech
工具，摒棄傳統的營銷觀念，來達成摸清客戶心理、量身定做營銷方式等來獲得客戶的信任與認可，從而得到長期收益。除此之外企業還得有一些關鍵性步驟：

建立資料庫：精準營銷主要是建立在數據採集和分析的基礎之上，因此企業需要將企業內部和外部的數據信息加以採集、整理、歸類、分析，形成自己的數據資源庫企業精準營銷要點網頁鏈接。比如海爾集團在資料庫的建立上就下足了功夫，包括用戶不同家庭的戶型、家庭規模，甚至是不容地方的自來水水壓數據等都有採集。

分析差異化需求：如今企業能夠通過自有或者第三方渠道獲得很多用戶信息，利用大數據獲得較為復雜的用戶畫像已經不再是難事，但比較難的是，當大家都能獲得這些信息之後，更加細致化地對用戶進行分類和打標簽就成為商業競爭的關鍵，也決定了企業能不能在合適的時間把合適的產品推薦給合適的人。短視頻知識付費怎麼做

營銷工具精準化：其中又包括四個層面的設計：開發精準化的產品、制定精準化的價格、開展精準化的營銷溝通、以及建立增值服務體系。開發精細化的產品意味著企業可以充分利用大數據工具對客戶需求進行深度洞察，然後有針對性地進行產品的開發，將產品的特有價值建立在客戶的需求之上。而精準定價在大數據時代又有了新的含義——千人千面，比如在金融行業，利用大數據分析對不同客戶進行資產評估、承擔風險范圍評估等，在供給和需求當中找到了利潤的最佳平衡點，能夠對風險進行較好規避。開展精準化的營銷溝通也就是企業在將品的營銷傳播上，可以更准確地分析出客戶的消費習慣，進而可以更有針對性地進行傳播內容和傳播形式的設計，並對傳播渠道和傳播時間加以調整。

建立增值的服務體系主要的目標是增加顧客讓渡價值，取得企業競爭優勢。比如電商平台通過對客戶采購行為的分析預測，可以將
貨品進行合理的分配，來應對雙十一這樣的物流時期。對於客戶來說，獲得的讓渡價值也將大大增加。

精準營銷已經是中小企業在數字化時代的終極目標。如何達到精準營銷的效果，還是一個需要艱攻的命題。企業營銷隨時代變化不斷更迭。尤其是對於中小企業來說，如何有效利用可控的資源和工具降低營銷成本?如何掌握精準營銷的精髓提高企業品牌認知度和用戶的積累?成為了企業運營者們越來越關心的問題。

關注變化：比如廣電總局的限廣令，真正聰明有心的人，會第一時間去關注。而還有一些人動作很慢，還在繼續投電視廣告。但電視廣告已經開始漲價了，因為廣告資源變少了。聰明的人就開始研究互聯網，互聯網在增長，怎麼去比較、鑒別，在哪些城市應該多投互聯網，哪些城市應該繼續投電視。他們在這種變化節點上都可以做得很好。很多情況下，對於消費者的洞察和理解，微觀比宏觀還重要。

快速響應：你只是看了數據不行動，所有的事情都白做了，一定要快速行動。你一個廣告砸進去，發現根本就不是這么回事，這時怎麼辦?快速調整、快速響應，動作越快越好。整個市場發展的趨勢是，廣告活動的時間、周期越來越短。以前可能一波活動3個月，現在的主流是一個月一波廣告活動。真正那些競爭最激烈的行業，比如零售，以前的國美和蘇寧，今天的京東和阿里，它的廣告活動一開始就是以周為單位的，每周營銷活動都不一樣。它在不斷調整，因為它在研究消費者到底有什麼變化。迭代越快，浪費也就越少，有一句話叫「早死早投胎」，很多想法有可能一開始就是錯的，如果一直沿著往下走，實際在浪費投資人的錢。

連接投入與產出，營銷數字化的核心，營銷的所有要素都可以數字化，這包括：

品牌定位：如果你想讓營銷更有效率，你就一定要找到一個非常精準的將用戶跟其他人區分開的維度。如果你第一天是誤打誤撞地切到了一群用戶，但你後面一定要把這群用戶真正的定義想清楚，細分好。最簡單的模式是拿來足夠的樣本，不停地在維度上去比。

內容創意的數字化：信息量越高的信息，越容易被傳播。現在流行的短視頻，信息密度很高，時間已經縮到了幾秒，但是講了一個故事。所以，怎麼去創造一個信息密度更高的創意給到用戶，這就很關鍵。事實上，人類的注意力也是可以被數字化的。比如，把人類的情感數字化，給你的頭上戴一個腦電波的測量儀，然後通過人工智慧的演算法進行匹配;再比如眼動儀，可以發現你的眼球現在聚焦在屏幕的什麼位置。

媒體的數字化：媒體的數字化最容易。比如廣告，包括單向傳播廣告和互動類廣告。單向傳播廣告的指標有曝光、收視率、GRP(又稱毛評點、總收視點，指看過廣告的總人次)、Reach(到達率)、Frequency(頻次)等，互動類廣告有點擊、轉發、贊等。當你發現營銷的所有的要素都可以數字化之後，接下來最重要的工作就是把營銷的投入、產出連接起來，這是「營銷數字化」的核心，也就是營銷的效率，即
ROI(Return on Investment)，數字化即是將所有的R和I都進行交叉的分析，最終實現精細化地分配。

3. 數據精準營銷的七個關鍵要素

數據精準營銷的七個關鍵要素
說到大數據精準營銷，不得不先提個性化的用戶畫像，我們針對每一類數據實體，進一步分解可落地的數據維度，刻畫TA的每一個特徵，在聚集起來形成人群畫像。

01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簽化的用戶模型。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/信息渠道偏好，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，購買渠道喜好，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成三步。
1.採集和清理數據：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、線上或線下資料庫及客戶服務信息等。這個是累積資料庫；這裡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，點贊，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，獲得非常清晰獲得對方的工作，愛好，教育等方面，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。
2.用戶分群：分門別類貼標簽
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，范圍，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"的精準營銷。舉個例子，一個80後客戶喜歡在生鮮網站上早上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，經過搜集與轉換，就會產生一些標簽，包括"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，營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營銷，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，在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，除了一些比較商業化的軟體SAS，WEKA功能強大的數據分析挖掘軟體，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，這里還需要熟悉資料庫，Hadoop等。
02數據細分受眾
「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，就可以輕松完成以下的目標：
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
這是怎麼做到在問卷發送後的3個小時就回收35%？那是因為數據做到了發送時間的"一對一定製化"，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。
03預 測
「預測」能夠讓你專注於一小群客戶，而這群客戶卻能代表特定產品的大多數潛在買家。
當我們採集和分析用戶畫像時，可以實現精準營銷。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布廣告給所要觸達的用戶，這裡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，營銷優化以及後端CRM/供應鏈系統打通的一站式營銷優化，全面提升ROI。
我們再說一說營銷時代的變遷，傳統的企業大多還停留在「營銷1.0」時代，以產品為中心，滿足傳統的消費者需求，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的數據時代，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化率，提高投資回報比。

大數據下的營銷顛覆經典的營銷4P理論，Proct，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。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。 營銷3.0時代關鍵詞就是「預測」。
預測營銷能夠讓你專注於一小群客戶，而這群客戶卻能代表特定產品的大多數潛在買家。以上圖為例，你可以將營銷活動的目標受眾鎖定為20萬潛在客戶或現有客戶，其中包括特定產品的大多數買家（4萬人）。你還可以撥出部分預算用於吸引更小的客戶群（比如20% 的客戶），而不是整個客戶群，進而優化你的支出。
過去我們看數據可能是被動的方式，但預測營銷強調是決策價值，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）。預測營銷催生了一種新的數據驅動營銷方式，就是以客戶為中心，核心在於幫助公司完成從以產品或渠道為中心到以客戶為中心的轉變。
04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，我就拿電商舉例，"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演算法推薦。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。 這種一對一營銷是最好的服務。
數據整合改變了企業的營銷方式，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。
05技術工具
關於預測營銷的技術能力，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營銷的解決方案，比如預測性營銷雲和多渠道的活動管理工具。
但無論哪條路，都要確定三項基本能力：
1）連接不同來源的客戶數據，包括線上，線下，為預測分析准備好數據 ；
2）分析客戶數據，使用系統和定製預測模型，做高級分析 ；
3）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，跨不同營銷系統。
06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，營銷者使用這種預測結果為特定客戶決定內容營銷主題。
預測聚集模型，預測聚集模型就是預測客戶會歸為哪一類。
07AI在營銷領域的應用
去年人工智慧特別火，特別是深度學習在機器視覺，語言識別，游戲AI上的突飛猛進，以至於人們開始恐慌人工智慧是不是已經可以接管人類工作，我個人是對新技術有著強烈的興趣，也非常看好新科技，數據與現實的關聯。
我以前在國外零售店買單的時候經常被詢問「你有沒有購物卡」，當我說沒有收銀員會趕緊勸我免費開通，有打折優惠，只需要填個手機號和郵箱，後面就可以針對我的購買記錄做營銷活動，而當我下次進來，他們就讓我報出電話號碼做消費者識別，當時我想如果做到人臉識別，豈不是更方便，刷臉就可以買單。而這個場景在去年也有了實驗，螞蟻金服研發出了一個生物識別機器人，叫螞可Mark，據說其認臉能力已經超越了人類肉眼的能力。還有VR購物，Amazon推出的無收銀員商店Amazon Go，通過手勢識別，物聯網和後續數據挖掘等技術實現購物體驗。
針對營銷領域，主要有以下三種預測營銷技術：
1、無監督的學習技術
無監督學習技術能識別數據中的隱藏模式，也無須明確預測一種結果。比如在一群客戶中發現興趣小組，也許是滑雪，也許是長跑，一般是放在聚類演算法，揭示數據集合中 真實的潛在客戶。所謂聚類，就是自動發現重要的客戶屬性，並據此做分類。
2、 有監督的學習技術
通過案例訓練機器，學習並識別數據，得到目標結果，這個一般是給定輸入數據情況下預測，比如預測客戶生命周期價值，客戶與品牌互動的可能性，未來購買的可能性。
3、強化學習技術
這種是利用數據中的潛質模式，精準預測最佳的選擇結果，比如對某用戶做促銷應該提供哪些產品。這個跟監督學習不同，強化學習演算法無須僅需輸入和輸出訓練，學習過程通過試錯完成。
從技術角度看，推薦模型應用了協同過濾，貝葉斯網路等演算法模型。強化學習是被Google Brain團隊的負責人Jeff Dean認為是最有前途的AI研究方向之一。最近Google的一個AI團隊DeepMind發表了一篇名為《學會強化學習》的論文。
按團隊的話來說，叫做「學會學習」的能力，或者叫做能解決類似相關問題的歸納能力。除了強化學習，還在遷移學習。遷移學習就是把一個通用模型遷移到一個小數據上，使它個性化，在新的領域也能產生效果，類似於人的舉一反三、觸類旁通。
強化學習加上遷移學習，能夠把小數據也用起來，我認為是很激動人心的，通過AI來創造AI，數據科學家的部分工作也可以讓機器來實現了。

4. 如何精準營銷數據

如何精準掌握營銷數據，方法如下：

1、首先必須明確產品的目標群體。

定位與產品自身相匹配的消費群體，是分析消費者購買習慣和消費需求的前提，讓大數據分析有用武之地。互聯網時代下，人們可接觸到的事物種類眾多，每個人的喜好不同，個性化程度高，極具多樣性。

因此在尋找目標群體的過程中，要立足於各行業沉澱的數據，根據不同的標准來劃分消費群體，建立用戶信息的資料庫，從中尋找到目標用戶。

3、注意廣告創意與數據的相結合。

現代人更喜愛個性的、新穎的廣告創意，對廣告的審美要求也上升到了一個新的高度。而簡單粗暴、缺乏創意的廣告早已不適應時代的進步，這使得營銷者們對廣告創意越來越重視。

依照分析數據得出的消費需求與讓人耳目一新的創意相結合，理性的數據加上感性的藝術，才能創造出點擊率高，推廣效果好的廣告。在互聯網時代，精準營銷勢在必行，這需要企業和營銷者更好地定位目標人群，掌握分析大數據的技術，結合創意來進行精準營銷。