Nach mehreren Betriebsjahren zog ich eine Bilanz der Gewinne und stellte fest, dass sie sich in zwei Worten zusammenfassen lassen: Kunden und Daten. In den beiden vorherigen Artikeln ging es um kundenbezogene Inhalte. Dieses Mal werde ich darüber sprechen, wie man Daten für das Marketing nutzt.
Wenn ich mit anderen chattete, schaute mich die andere Partei oft sofort wie einen Mathematiker an, sobald ich erwähnte, dass ich mich mit Datenmarketing beschäftige, und begann dann in Gedanken an „Clusteranalyse, Regressionsanalyse, Gruppenpräferenz“ zu denken . "Und so weiter. Während wir uns unterhielten und feststellten, dass ich diese Dinge überhaupt nicht erwähnte, fragten sie mich: „Was genau meinen Sie mit Datenmarketing?“
Ich werde nicht näher auf die Theorie eingehen. In letzter Zeit habe ich mit meinen Taobao-Brüdern viel über den Taobao-Supermarkt gesprochen. Ich werde einen Online-Supermarkt als Beispiel nehmen, um zu sehen, was Datenmarketing bewirkt.
Die erste Ebene des datenbasierten Marketings: Tausende Menschen haben das gleiche Gesicht – Tausende Menschen haben das gleiche Gesicht
Die zweite Ebene des Datenmarketings: Customer Lifecycle Management
Die dritte Ebene des Datenmarketings: Bestandskundenpflege
Die erste Ebene des datenbasierten Marketings: Tausende Menschen haben das gleiche Gesicht – Tausende Menschen haben das gleiche Gesicht
Die erste große Rolle des datenbasierten Marketings besteht darin, dass es Zielkunden feiner und genauer segmentieren kann, unsere Inhalte im Werbeprozess für Käufer relevanter macht und den Betrieb von Einheitslösungen auf Einheitslösungen umstellt -alles. Es ist eines der Hauptziele des digitalen Marketings.
Ich habe zuvor eine Werbe-E-Mail von Store Nr. 1 erhalten, die wie folgt lautete:
Ich denke, jeder empfängt und versendet jeden Tag viele E-Mails wie diese. Wir werden heute nicht auf die E-Mail selbst eingehen. Schauen wir uns an, wie wir diese E-Mail durch Datenmarketing verbessern können.
Gehen Sie davon aus, dass diese E-Mail an 1 Million Mitglieder gesendet werden soll. Wenn wir die höchste Kaufrate erzielen möchten, ist es am besten, 1 Million personalisierte E-Mails an 1 Million Menschen zu senden und jedem einzelne Produkte zu empfehlen. Im realen Betrieb ist diese Methode jedoch offensichtlich nicht umsetzbar. Daher geht es beim datenbasierten Marketing darum, eine praktikable Marketingmethode zu finden, die es uns ermöglicht, die höchste Kaufquote zu erzielen.
Wie kann die oben genannte E-Mail, die an 1 Million Menschen gesendet wird, eine höhere Conversion-Rate erzielen?
Schauen wir uns zunächst eine etwas bessere Methode an:
Wir haben die Kunden nach Alter und Geschlecht in 4 Gruppen eingeteilt und dann anhand der Merkmale dieser Gruppe einige empfohlene Produkte ausgewählt, dann 4 Seiten erstellt und diese jeweils an die 4 Kundengruppen geliefert.
Typisches Copywriting typischer Produkte für Alter und Geschlecht
15-25 Herren-Cola kostet 18 Yuan/Karton, 5 Yuan billiger als in Supermärkten. Sie müssen es nicht mehr selbst tragen. Es wird innerhalb eines halben Tages an Ihre Haustür geliefert.
15-25 Frauen verschiedene Snacks, Shampoo
25-35 Mann Bier,
25-35 Damenshampoo, Papiertücher, Salatöl
Eine wesentliche Voraussetzung für Datenmarketing ist die Datenakkumulation. Der Grad der Datenakkumulation bestimmt, wie ausgereift Datenmarketing sein kann. Wir müssen hier nur sehr wenige Informationen sammeln. Alter und Geschlecht sind nur zwei Attribute. (Wenn wir hier weitere Kundenattribute hinzufügen, können wir den gesamten Kundenstamm in kleinere Gruppen einteilen, z. B. „Einkommen“, „Bildungsniveau“, „Beruf“ usw. Die Bank wird anhand dieser Informationen Kunden erstellen. CRM-Management und Der Vorteil der Segmentierung besteht darin, dass sie präziser sein kann, der Nachteil besteht jedoch darin, dass die Werbekosten höher sind. Gleichzeitig nimmt der Grenznutzen der Werbeeffizienz ab, da der Kundenstamm in kleinere Segmente unterteilt wird. Die Segmentierung ist also mehr oder weniger in Ordnung.)
Dann machen wir es etwas besser:
In jeder Gruppe fügen wir zwei weitere Felder hinzu: „Kategorie durchsuchen“ und „Kategorie kaufen“.
Top 3 Suchkategorien nach Alter und Geschlecht Top 3 Kaufkategorien Typisches Texten
15-25 Herrengetränke, Papierprodukte, importierte Lebensmittel und Getränke, importierte Lebensmittel, Papierprodukte kosten 18 Yuan/Karton, was 5 Yuan billiger ist als im Supermarkt. Sie müssen es nicht mehr selbst tragen und es wird geliefert innerhalb eines halben Tages zu Ihnen nach Hause.
15-25 weiblich
25-35 männlich
25-35 weiblich
Dann können wir sehen, dass „die drei am häufigsten von Männern im Alter von 15 bis 25 Jahren gekauften Kategorien Lebensmittel – Getränke, Chemikalien des täglichen Bedarfs – Papierprodukte, Lebensmittel – importierte Lebensmittel“ sind, und dann haben wir mehrere Möglichkeiten: Einfach Klicken Sie, um ein Werbeprodukt auszuwählen „Getränke, Papierprodukte und importierte Lebensmittel“, um jeweils ein Werbepaket zu erstellen und es der gesamten Gruppe vorzustellen.
Die Datensammlung ist hier komplizierter. Zunächst müssen wir die Kaufdatensätze und Browsingdatensätze jedes Mitglieds sammeln.
Könnte es noch besser sein?
Nachdem wir alle Transaktions- und Browsing-Aufzeichnungen gesehen haben, hat das Unternehmen mehrere Ideen, die weiter verfeinert werden können:
1. Welche Dinge sehen sich Kunden oft an, kaufen sie aber nicht?
2. Welches B wird der Kunde am ehesten kaufen, nachdem er A gekauft hat?
Um 1 durchzuführen, müssen wir Browsing-Datensätze und Kaufdatensätze verknüpfen und durch Datenanalyse den Standard „Kategorieansichten > N und keine Käufe“ festlegen.
Vorgehensweise 2 ist komplizierter: Analysieren Sie den gesamten Kundenstamm und gehen Sie davon aus, dass es 10.000 Personen gibt, die Produkt A gekauft haben. Analysieren Sie die Kaufaufzeichnungen dieser 10.000 Personen Die anderen von diesen Personen gekauften Produkte B, C und D werden auf der Seite von A empfohlen (dies ist im Grunde das, was Amazon tut).
Heute schreibe ich zunächst über die erste Ebene. Bei Interesse sprechen wir über die zweite Ebene: Customer Life Cycle Management.
Quelle des Artikels: Paidai.com