数年間の運用後、得られた利益を評価したところ、それは顧客とデータという 2 つの言葉で要約できることがわかりました。前 2 回の記事では顧客関連のコンテンツについて説明しましたが、今回はデータをマーケティングに活用する方法について説明します。
他の人とチャットしているときに、私がデータマーケティングに取り組んでいることを話すと、相手はすぐに私を数学者のような目で見て、頭の中で「クラスター分析、回帰分析、グループ選好」について考え始めたことがよくありました。 。 "等々。チャットをしていて、私がそれらのことについてまったく言及していないことがわかると、彼らは私に「データ マーケティングとは正確には何のことですか?」と尋ね始めました。
理論については詳しく説明しませんが、最近タオバオ兄弟とタオバオスーパーマーケットについてよく議論しています。データマーケティングがどのようなものかを例として説明します。
データベースのマーケティングの第 1 レベル: 何千人も同じ顔をしている - 何千人も同じ顔をしている
データ マーケティングの第 2 層: 顧客ライフサイクル管理
データ マーケティングの第 3 レベル: 古い顧客の育成
データベースのマーケティングの第 1 レベル: 何千人も同じ顔をしている - 何千人も同じ顔をしている
データベースのマーケティングの最初の大きな役割は、ターゲットとなる顧客をより細かく正確にセグメント化し、プロモーションプロセスのコンテンツを購入者にとってより関連性のあるものにし、業務を画一的なものから画一的なものに変えることができることです。 -それはデジタル マーケティングの主な目標の 1 つです。
以前、Store No. 1 から次のような宣伝メールを受け取りました。
誰もが毎日このようなメールをたくさん受信したり送信したりしていると思いますが、今日はメール自体については説明しません。データ マーケティングを通じてこのメールを改善する方法を見てみましょう。
この電子メールが 100 万人の会員に送信されると仮定すると、最も高い購入率を実現したい場合、100 万通のパーソナライズされた電子メールを 100 万人に送信し、それぞれに異なる製品を宣伝することが最善の方法です。しかし、この方法は実際の運用では明らかに不可能です。したがって、データに基づいたマーケティングとは、最も高い購入率を得ることができる実行可能なマーケティング方法を見つけることです。
100 万人に送信された上記のメールは、どのようにしてコンバージョン率を高めることができるでしょうか?
まずはもう少し良い方法を見てみましょう。
顧客を年齢・性別で4つのグループに分け、そのグループの特徴を踏まえておすすめの商品をピックアップし、4ページにして4つの顧客グループにそれぞれお届けしました。
年齢と性別に応じた典型的な商品の典型的なコピーライティング
15-25 コーラは 1 箱あたり 18 元で、スーパーよりも 5 元安くなります。もう自分で運ぶ必要はありません。半日以内に自宅まで配達されます。
女性15～25名様 おやつ各種、シャンプー
男性用ビール25～35杯、
25-35 女性用シャンプー、ペーパータオル、サラダ油
データマーケティングの大前提はデータの蓄積です。ここで蓄積する必要がある情報はほとんどありません。年齢と性別は 2 つの属性にすぎません。 （ここにさらに顧客属性を追加すると、顧客全体を「収入」「学歴」「職業」などの小さなグループに分けることができます。銀行はこの情報をもとに顧客を作ります。CRM管理とリスク管理の利点は、より正確にできることですが、欠点は、顧客ベースがより小さなセグメントに分割されるため、プロモーション効率の限界利益が減少することです。したがって、セグメンテーションはほぼ問題ありません。)
それでは、これよりもう少し改良してみましょう。
各グループに、「閲覧カテゴリ」と「購入カテゴリ」という 2 つのフィールドをさらに追加します。
年齢と性別別の閲覧カテゴリーのトップ 3 購入カテゴリーのトップ 3 典型的なコピーライティング
15-25 紳士飲料、紙製品、輸入食品・飲料、輸入食品、紙製品 コーラは1箱18元で、スーパーより5元安くなります。半日以内にご自宅までお届けします。
15～25歳女性
25～35歳男性
25～35歳女性
次に、「15 ～ 25 歳の男性が最も購入した 3 つのカテゴリは、食品 - 飲料、日用化学物質 - 紙製品、食品 - 輸入食品」であることがわかり、いくつかの選択肢が得られます。 シンプルをクリックしてプロモーション製品を 1 つ選択します。 「飲料・紙製品・輸入食品」それぞれのプロモーションパッケージを作成し、グループ全体に訴求します。
ここでのデータの蓄積はさらに複雑です。まず、各会員の購入記録と閲覧記録を蓄積する必要があります。この 2 つのフィールドだけでも、巨大なデータベースが必要になります。
もっと良くなるでしょうか？
全員の取引記録と閲覧記録を確認した後、企業にはさらに洗練できるアイデアがいくつかあります。
1. 顧客がよく見ているのに購入しないものは何ですか?
2. 顧客が A を購入した後に購入する可能性が最も高いのは何ですか?
1を行うには、閲覧記録と購入記録を関連付け、データ分析により「カテゴリビュー＞N、購入なし」の基準を設定する必要があります。
2 を実行するのはより複雑です。最も一般的な方法は、顧客ベース全体を分析することで、製品 A を購入した人が 10,000 人いると仮定します。この 10,000 人の購入記録を分析して調べます。これらの人が購入した他の商品は、A のページで最も多く購入された商品 B、C、D が推奨されます (これは基本的に Amazon が行うことです)。
今日は最初に第 1 レベルについて書きます。興味があれば、第 2 レベルである顧客ライフサイクル管理について説明します。
記事の出典：Paidai.com