這幾年營運做下來，盤點一下收穫，發現用兩個字就可以概括了：客戶&數據。前面的兩篇講的都是跟客戶有關的內容，這次來講講怎麼用數據做行銷。
有很多次在跟別人聊天的時候，一說我是做數據行銷的，對方立即就用一種看數學家的眼光打量我，然後腦子裡就開始蹦出「聚類分析，回歸分析，群體偏好”等等內容。等著聊著聊著，發現我完全不提那些內容時，就會開始問我：“你說的數據營銷到底是什麼意思啊？”
理論的東西我就不多說了，最近和淘寶的兄弟們對淘寶超市討論的比較多，就用家網絡超市來舉個例子，看看數據營銷到底是做哪些東西的。
資料化行銷第一層：千人一面――千人千面
資料行銷第二層：客戶生命週期管理
數據行銷第三層：老客戶培育
資料化行銷第一層：千人一面――千人千面
數據化行銷的第一大作用，就是可以把目標客戶切分得更細，更精準，使得我們在推廣過程中的內容與買家更相關，把營運從千人一面變成千人千面，是數據化行銷的主要目標之一。
之前收到1號店的推廣電子郵件，如下：
這樣的郵件我想大家每天都會收到很多，也會發出很多，我們今天不討論郵件本身，我們來看看透過數據行銷如何把這封郵件做得更好。
假設這封郵件是要發給100萬會員的，假如我們要得到最高的購買率，最好的方式肯定是給100萬人發100萬封個人化的郵件，給每個人都推不同的商品。但這樣的方式顯然在實際操作上是不可行的。於是，數據化行銷就是要找到一種可操作的讓我們得到最高購買率的行銷方法。
如何才能讓上面這封發給100萬人的郵件轉換率更高？
我們先來看一個好一點點的方法：
我們把客戶依年齡、性別分成4組，然後根據這個組的特色YY一些主推的商品，然後做成4個頁面，分別投放到4個客戶群。
年齡性別典型主推商品典型文案
15-25 男可樂， 可樂18元/箱，比超市便宜5元，再也不用自己扛，半日內送貨上門
15-25 女各類零食，洗髮精
25-35 男啤酒，
25-35 女洗髮精，紙巾，沙拉油
做數據行銷的一大前提就是數據積累，數據積累的程度決定了數據行銷能做得多精細。在這裡我們需要累積的資訊很少，年齡、性別，兩個屬性就OK了。 （如果我們在這裡添加更多客戶的屬性，就可以把整個客戶群分成更細的小群，比如加上“收入”，“教育程度”，“職業”等等，銀行就是基於這些信息做客戶的CRM管理和風險管理的。可以了。
然後，我們再比這個做得好一點點：
我們在每一個組裡，再增加「瀏覽類目」和「購買類目」兩個字段，
年齡性別瀏覽類目TOP3 購買類目TOP3 典型文案
15-25 男飲料，紙品，進口食品飲料，進口食品，紙品可樂18元/箱，比超市便宜5元，再也不用自己扛，半日內送貨上門
15-25 女
25-35 男
25-35 女
那我們就可以看到“15－25歲的男人購買最多的3個類目是食品――飲料，日化――紙品，食品――進口食品”，然後我們就可以有幾種選擇：簡單點就從「飲料，紙品，進口食品」各選一件促銷商品，做成一個促銷包，推給整個組。
這裡的資料累積就更複雜一些了，首先，我們要累積每個會員的購買記錄和瀏覽記錄，光這兩個字段，就需要一個龐大的資料庫了。
還能再好一點嗎？
我們看到了每個人的交易記錄和瀏覽記錄之後，商業有幾個想法可以繼續精進：
1. 有哪些東西是客戶常常看但是沒有買的？
2. 客戶買了A之後最有可能買的B是什麼？
做1需要我們透過對瀏覽記錄和購買記錄進行關聯，透過資料分析設定「類目瀏覽次數＞N且未購買」的標準。
做2比較複雜，最通用的做法是分析購買記錄，透過分析整個客戶群，建立演算法，假設購買A產品的有1萬人，分析這1萬人的購買記錄，找到這些人購買的其它產品中購買次數最多的商品B，C，D，放在A的頁面上推薦（Amazon基本上就是這麼做的）
今天先寫第一層，大家有興趣的話再來講第二層：客戶生命週期管理。
文章來源：派代網