文 | 董飛

大數(shù)據(jù)最大的價(jià)值不是事后分析，而是預(yù)測(cè)和推薦我們可以看到'精準(zhǔn)推薦'在電商中的運(yùn)用,，預(yù)測(cè)性分析成為大數(shù)據(jù)在零售業(yè)的主流,。

服裝網(wǎng)站Stitch Fix例子，在個(gè)性化推薦機(jī)制方面,，大多數(shù)服裝訂購(gòu)網(wǎng)站采用的都是用戶提交身形,、風(fēng)格數(shù)據(jù)+編輯人工推薦的模式，Stitch Fix不一樣的地方在于它還結(jié)合了機(jī)器算法推薦,。這些顧客提供的身材比例，主觀數(shù)據(jù),，加上銷售記錄的交叉核對(duì),，挖掘每個(gè)人專屬的服裝推薦模型。 這種一對(duì)一營(yíng)銷是最好的服務(wù),。

數(shù)據(jù)整合改變了企業(yè)的營(yíng)銷方式，現(xiàn)在經(jīng)驗(yàn)已經(jīng)不再是單純地人去一步步試錯(cuò),，而是通過(guò)消費(fèi)者的行為數(shù)據(jù)做推薦,，幫助有經(jīng)驗(yàn)的營(yíng)銷人員進(jìn)行更高效準(zhǔn)確的決策。未來(lái),，銷售人員不再只是銷售人員,，而能以專業(yè)的數(shù)據(jù)預(yù)測(cè)，搭配人性的親切互動(dòng)推薦商品,，升級(jí)成為顧問(wèn)型銷售,。

下面舉個(gè)例子說(shuō)明精準(zhǔn)營(yíng)銷的好處。

如果你打算搜集200份有效問(wèn)卷,，依照以往的經(jīng)驗(yàn),，你需要發(fā)多少份問(wèn)卷，才能達(dá)到這個(gè)目標(biāo)?預(yù)計(jì)用多少預(yù)算和時(shí)間來(lái)執(zhí)行?

以往的方法是這樣的：評(píng)估網(wǎng)絡(luò)問(wèn)卷大約是5%的回收率,，想要保證收到200份的問(wèn)卷,，就必須有20倍的發(fā)送量，也就是發(fā)出4000份問(wèn)卷,，一個(gè)月內(nèi)如果可以回收,，就是不錯(cuò)的表現(xiàn)。

但現(xiàn)在不一樣了，在執(zhí)行大數(shù)據(jù)分析的3小時(shí)內(nèi),，就可以輕松完成以下的目標(biāo)：

1. 精準(zhǔn)挑選出1%的VIP顧客

2. 發(fā)送390份問(wèn)卷,，全部回收

3. 問(wèn)卷寄出3小時(shí)內(nèi)回收35%的問(wèn)卷

4. 5天內(nèi)就回收了超過(guò)目標(biāo)數(shù)86%的問(wèn)卷數(shù)

5. 所需時(shí)間和預(yù)算都在以往的10%以下

怎么做到在問(wèn)卷發(fā)送后的3個(gè)小時(shí)就回收35%? 因?yàn)閿?shù)據(jù)做到了發(fā)送時(shí)間的'一對(duì)一定制化'，利用數(shù)據(jù)得出,，A先生最可能在什么時(shí)間打開郵件就在那個(gè)時(shí)間點(diǎn)發(fā)送問(wèn)卷,。

比如有些人在上班路上會(huì)打開郵件，但如果是開車族,，并沒(méi)有時(shí)間填寫答案,，而搭乘公共交通工具的人，上班路上的時(shí)間會(huì)玩手機(jī),，填寫答案的概率就高,，這些都是數(shù)據(jù)細(xì)分受眾的好處。

生成用戶的精準(zhǔn)畫像大致分成三步：

1 采集和清理數(shù)據(jù)：用已知預(yù)測(cè)未知

首先要掌握繁雜的數(shù)據(jù)源,。包括用戶數(shù)據(jù),、各式活動(dòng)數(shù)據(jù)、電子郵件訂閱數(shù),、線上或線下數(shù)據(jù)庫(kù)及客戶服務(wù)信息等,。這個(gè)是累積數(shù)據(jù)庫(kù);這里面最基礎(chǔ)的就是如何收集網(wǎng)站/APP用戶行為數(shù)據(jù)。

比如當(dāng)你登陸某網(wǎng)站,，這個(gè)Cookie就一直駐留在瀏覽器中,，當(dāng)用戶觸及的動(dòng)作，點(diǎn)擊的位置,，按鈕,，點(diǎn)贊，評(píng)論,，粉絲,，還有訪問(wèn)的路徑，可以識(shí)別并記錄他/她的所有瀏覽行為,，然后持續(xù)分析瀏覽過(guò)的關(guān)鍵詞和頁(yè)面,，分析出他的短期需求和長(zhǎng)期興趣。還可以通過(guò)分析朋友圈,，獲得非常清晰獲得對(duì)方的工作,，愛(ài)好，教育等方面,，這比個(gè)人填寫的表單,，還要更全面和真實(shí)。

我們用已知的數(shù)據(jù)尋找線索,，不斷挖掘素材,，不但可以鞏固老會(huì)員,，也可以分析出未知的顧客與需求，進(jìn)一步開發(fā)市場(chǎng),。

2 用戶分群：分門別類貼標(biāo)簽

描述分析是最基本的分析統(tǒng)計(jì)方法,，描述統(tǒng)計(jì)分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計(jì)。

數(shù)據(jù)描述：用來(lái)對(duì)數(shù)據(jù)進(jìn)行基本情況的刻畫,，包括數(shù)據(jù)總數(shù),，范圍，數(shù)據(jù)來(lái)源,。

指標(biāo)統(tǒng)計(jì)：把分布,，對(duì)比，預(yù)測(cè)指標(biāo)進(jìn)行建模,。這里常常是Data mining的一些數(shù)學(xué)模型,，像響應(yīng)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(zhuǎn)化的價(jià)值。

在分析階段,，數(shù)據(jù)會(huì)轉(zhuǎn)換為影響指數(shù),，進(jìn)而可以做'一對(duì)一'的精準(zhǔn)營(yíng)銷。比如一個(gè)80后客戶喜歡在生鮮網(wǎng)站上早上10點(diǎn)下單買菜,，晚上6點(diǎn)回家做飯,，周末喜歡去附近吃日本料理,，經(jīng)過(guò)搜集與轉(zhuǎn)換,，就會(huì)產(chǎn)生一些標(biāo)簽，包括'80后''生鮮''做飯''日本料理'等等,，貼在消費(fèi)者身上,。

3 制定策略：優(yōu)化再調(diào)整

有了用戶畫像之后，便能清楚了解需求,，在實(shí)際操作上,，能深度經(jīng)營(yíng)顧客關(guān)系，甚至找到擴(kuò)散口碑的機(jī)會(huì),。例如上面例子中,，若有生鮮的打折券，日本餐館最新推薦,，營(yíng)銷人員就會(huì)把適合產(chǎn)品的相關(guān)信息,，精準(zhǔn)推送這個(gè)消費(fèi)者的手機(jī)中;針對(duì)不同產(chǎn)品發(fā)送推薦信息，同時(shí)也不斷通過(guò)滿意度調(diào)查,，跟蹤碼確認(rèn)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(yíng)銷人員也在不同時(shí)間階段觀察成長(zhǎng)率和成功率,，前后期對(duì)照,，確認(rèn)整體經(jīng)營(yíng)策略與方向是否正確;若效果不佳，又該用什么策略應(yīng)對(duì),。反復(fù)試錯(cuò)并調(diào)整模型,，做到循環(huán)優(yōu)化。

這個(gè)階段的目的是提煉價(jià)值,，再根據(jù)客戶需求精準(zhǔn)營(yíng)銷，最后追蹤客戶反饋的信息,，完成閉環(huán)優(yōu)化,。

我們從數(shù)據(jù)整合導(dǎo)入開始，聚合數(shù)據(jù),，在進(jìn)行數(shù)據(jù)的分析挖掘,。數(shù)據(jù)分析和挖掘還是有一些區(qū)別。數(shù)據(jù)分析重點(diǎn)是觀察數(shù)據(jù),，單純的統(tǒng)計(jì),，看KPI的升降原因。而數(shù)據(jù)挖掘從細(xì)微和模型角度去研究數(shù)據(jù),，從學(xué)習(xí)集,，訓(xùn)練集發(fā)現(xiàn)知識(shí)規(guī)則，

除了一些比較商業(yè)化的軟件SAS,，WEKA功能強(qiáng)大的數(shù)據(jù)分析挖掘軟件,，這邊還是更推薦使用R，Python,。由于SAS,，SPSS本身比較昂貴，很難做頁(yè)面和服務(wù)級(jí)別的API,，而Python和R有豐富的庫(kù),，可以類似WEKA的模塊，無(wú)縫交互其他API和程序,，這里還需要熟悉數(shù)據(jù)庫(kù),，Hadoop等。

文章來(lái)源36大數(shù)據(jù),，www.36dsj.com ,，微信號(hào)dashuju36 ，36大數(shù)據(jù)是一個(gè)專注大數(shù)據(jù)創(chuàng)業(yè),、大數(shù)據(jù)技術(shù)與分析,、大數(shù)據(jù)商業(yè)與應(yīng)用的網(wǎng)站,。分享大數(shù)據(jù)的干貨教程和大數(shù)據(jù)應(yīng)用案例，提供大數(shù)據(jù)分析工具和資料下載,，解決大數(shù)據(jù)產(chǎn)業(yè)鏈上的創(chuàng)業(yè),、技術(shù)、分析,、商業(yè),、應(yīng)用等問(wèn)題，為大數(shù)據(jù)產(chǎn)業(yè)鏈上的公司和數(shù)據(jù)行業(yè)從業(yè)人員提供支持與服務(wù),。

End.