簡述數(shù)字營銷中需要收集用戶哪些行為信息?

簡述數(shù)字營銷中需要收集用戶哪些行為信息?

這應(yīng)該是目標(biāo)受眾與客戶角色的數(shù)據(jù)分析。
什么是目標(biāo)受眾？
目標(biāo)受眾又稱目標(biāo)顧客、目標(biāo)群體和目標(biāo)客群是一個營銷活動所作為目標(biāo)的人口群體，企業(yè)通過廣告試圖達(dá)到的消費(fèi)者市場份額。

簡單來說，你的目標(biāo)與您的營銷對象是誰，那么您的目標(biāo)受眾就是誰。

這里你可以瞄準(zhǔn)一組人的教育，目標(biāo)，興趣和問題作為您的理想客戶。
基本上，你要瞄準(zhǔn)的人誰會買你的東西。
如果你的目標(biāo)是那些不想買你的東西或沒有辦法買你的東西的人，你可能會得到更多的網(wǎng)站流量，但它不會為你帶來銷售。
在我們深入探討尋找受眾的細(xì)節(jié)之前，讓我們先來回顧一下目標(biāo)受眾和角色的區(qū)別，因為很多人會把他們和目標(biāo)受眾搞混，這可能會導(dǎo)致時間和金錢的浪費(fèi)。

目標(biāo)受眾和客戶角色的區(qū)別
用于定義目標(biāo)受眾的數(shù)據(jù)通常為：

年齡
性別
教育背景
購買力
**階級
位置
消費(fèi)習(xí)慣

目標(biāo)受眾示例：女性，20-30歲，居住在上海，擁有學(xué)士學(xué)位，月收入8,000 – 15,000元，對購物和旅游充滿興趣。
如果你在不了解你的確切受眾的情況下創(chuàng)辦一家公司，你可能會像幾年前的我一樣！
這是另一個例子。假設(shè)您的企業(yè)銷售潮玩玩具。

因此，您的目標(biāo)受眾可能是兒童、青少年。
或者你有劇本殺生意。你的受眾肯定不會是十三歲以下的吧？
不要試圖覆蓋每個人來增加你的銷售和利潤的機(jī)會。

從長遠(yuǎn)來看，它實際上會讓你付出更多的成本，并降低你的利潤率。
現(xiàn)在讓我們了解一下“客戶角色”。
什么是客戶角色？
在市場營銷中，客戶人物角色是將成為您的理想客戶的買家的受眾群體。

人物角色是具有真實的客戶特征的虛構(gòu)人物。它們是基于目標(biāo)受眾研究而開發(fā)的，可以幫助您更好地指導(dǎo)營銷活動。
人物角色是指可能對你所提供的東西感興趣的人，因為他們與你的品牌關(guān)系密切，你必須努力使他們成為客戶并留住他們。
人物角色所涉及的研究要比您的受眾更深入、更詳細(xì)，因為它包括：

個人特征
購買力
工作
興趣
參與的社交**
專業(yè)信息

角色示例：小明，22歲，AI算法工程師，月收入3,0000 – 50,000元，對黑科技和創(chuàng)新技術(shù)充滿興趣。

擁有博士學(xué)位。在每天的晚上8點-10點喜歡在CSDN、掘金、知乎等網(wǎng)站游覽。有一個專欄，并發(fā)布AI算法相關(guān)教程。

他總是關(guān)注該地區(qū)的人工智能活動，并與其他人一起參加會議。
客戶角色和目標(biāo)受眾之間的主要區(qū)別是，目標(biāo)受眾以更一般的方式考慮整個受眾，而客戶角色則更具體。

客戶的信息收集主要包括哪些內(nèi)容？

對于客戶的信息收集，一般包括如下層面：（1）客戶檔案資料：客戶類別、名稱、地址、聯(lián)系電話、經(jīng)營項目、經(jīng)營規(guī)模、經(jīng)營時間、信用級別、付款方式、所需產(chǎn)品種類、產(chǎn)品月需求量、供應(yīng)商結(jié)構(gòu)、毛利率標(biāo)準(zhǔn)等;（2）基本經(jīng)營資料：營業(yè)執(zhí)照復(fù)印件、采購合同、補(bǔ)充采購合同、各項證明書、稅務(wù)登記證復(fù)印件。（3）客戶特征資料：資金實力、固定資產(chǎn)、廠房所有權(quán)、發(fā)展?jié)摿Α⒔?jīng)營觀念、經(jīng)營方向、經(jīng)營政策、內(nèi)部管理狀況、經(jīng)營歷史等;（4）業(yè)務(wù)狀況資料：財務(wù)表現(xiàn)、銷售變動趨勢、內(nèi)部人員素質(zhì)品行、與本公司的業(yè)務(wù)關(guān)系及合作態(tài)度。

數(shù)據(jù)精準(zhǔn)營銷的七個關(guān)鍵要素

數(shù)據(jù)精準(zhǔn)營銷的七個關(guān)鍵要素說到大數(shù)據(jù)精準(zhǔn)營銷，不得不先提個性化的用戶畫像，我們針對每一類數(shù)據(jù)實體，進(jìn)一步分解可落地的數(shù)據(jù)維度，刻畫TA的每一個特征，在聚集起來形成人群畫像。 01用戶畫像用戶畫像是根據(jù)用戶**屬性、生活習(xí)慣和消費(fèi)行為等信息而抽象出的一個標(biāo)簽化的用戶模型。

具體包含以下幾個維度：用戶固定特征：性別，年齡，地域，教育水平，生辰八字，職業(yè)，星座用戶興趣特征：興趣愛好，使用APP，網(wǎng)站，瀏覽/收藏/評論內(nèi)容，品牌偏好，產(chǎn)品偏好用戶**特征：生活習(xí)慣，婚戀，社交/信息渠道偏好，宗教信仰，家庭成分用戶消費(fèi)特征：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(tài)特征：當(dāng)下時間，需求，正在前往的地方，周邊的商戶，周圍人群，**事件如何生成用戶精準(zhǔn)畫像大致分成三步。

1.采集和清理數(shù)據(jù)：用已知預(yù)測未知首先得掌握繁雜的數(shù)據(jù)源。包括用戶數(shù)據(jù)、各式活動數(shù)據(jù)、電子郵件訂閱數(shù)、線上或線下數(shù)據(jù)庫及客戶服務(wù)信息等。這個是累積數(shù)據(jù)庫;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，其Cookie就一直駐留在瀏覽器中，當(dāng)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，可以識別并記錄他／她的所有瀏覽行為，然后持續(xù)分析瀏覽過的關(guān)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(shù)據(jù)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(jìn)一步開發(fā)市場。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)計方法，描述統(tǒng)計分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計。

數(shù)據(jù)描述：用來對數(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)來源。指標(biāo)統(tǒng)計：把分布，對比，預(yù)測指標(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)化的價值。百科

在分析階段，數(shù)據(jù)會轉(zhuǎn)換為影響指數(shù)，進(jìn)而可以做\”一對一\”的精準(zhǔn)營銷。舉個例子，一個80后客戶喜歡在生鮮網(wǎng)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(jīng)過搜集與轉(zhuǎn)換，就會產(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，在實際操作上，能深度經(jīng)營顧客關(guān)系，甚至找到擴(kuò)散口碑的機(jī)會。

例如上面例子中，若有生鮮的打折券，日本餐館**推薦，營銷人員就會把適合產(chǎn)品的相關(guān)信息，精準(zhǔn)推送這個消費(fèi)者的手機(jī)中;針對不同產(chǎn)品發(fā)送推薦信息，同時也不斷通過滿意度調(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，營銷人員也在不同時間階段觀察成長率和成功率，前后期對照，確認(rèn)整體經(jīng)營策略與方向是否正確;若效果不佳，又該用什么策略應(yīng)對。反復(fù)試錯并調(diào)整模型，做到循環(huán)優(yōu)化。這個階段的目的是提煉價值，再根據(jù)客戶需求精準(zhǔn)營銷，**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)分析重點是觀察數(shù)據(jù)，單純的統(tǒng)計，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，因為SAS，SPSS本身比較昂貴，也很難做頁面和服務(wù)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，這里還需要熟悉數(shù)據(jù)庫，Hadoop等。

02數(shù)據(jù)細(xì)分受眾“**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(jīng)驗，你需要發(fā)多少份問卷，才能達(dá)到這個目標(biāo)？預(yù)計用多少預(yù)算和時間來執(zhí)行？以往的方法是這樣的：評估**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(fā)送量，也就是發(fā)出4000份問卷，一個月內(nèi)如果可以回收，就是不錯的表現(xiàn)。但現(xiàn)在不一樣了，在執(zhí)行大數(shù)據(jù)分析的3小時內(nèi)，就可以輕松完成以下的目標(biāo)：精準(zhǔn)挑選出1%的VIP顧客發(fā)送390份問卷，全部回收問卷寄出3小時內(nèi)回收35%的問卷5天內(nèi)就回收了超過目標(biāo)數(shù)86%的問卷數(shù)所需時間和預(yù)算都在以往的10%以下這是怎么做到在問卷發(fā)送后的3個小時就回收35%？那是因為數(shù)據(jù)做到了發(fā)送時間的\”一對一定制化\”，利用數(shù)據(jù)得出，A先生最可能在什么時間打開郵件就在那個時間點發(fā)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，并沒有時間填寫答案，而搭乘公共交通工具的人，上班路上的時間會玩手機(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。03預(yù) 測“預(yù)測”能夠讓你專注于一小群客戶，而這群客戶卻能代表特定產(chǎn)品的大多數(shù)潛在買家。

當(dāng)我們采集和分析用戶畫像時，可以實現(xiàn)精準(zhǔn)營銷。這是最直接和最有價值的應(yīng)用，廣告主可以通過用戶標(biāo)簽來發(fā)布廣告給所要觸達(dá)的用戶，這里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(yōu)化以及后端CRM/供應(yīng)鏈系統(tǒng)打通的一站式營銷優(yōu)化，全面提升ROI。我們再說一說營銷時代的變遷，傳統(tǒng)的企業(yè)大多還停留在“營銷1.0”時代，以產(chǎn)品為中心，滿足傳統(tǒng)的消費(fèi)者需求，而進(jìn)入“營銷2.0”，以**價值與品牌為使命，也不能完全精準(zhǔn)對接個性化需求。

進(jìn)入營銷3.0的數(shù)據(jù)時代，我們要對每個消費(fèi)者進(jìn)行個性化匹配，一對一營銷，甚至**算清楚成交轉(zhuǎn)化率，提高投資回報比。 大數(shù)據(jù)下的營銷**經(jīng)典的營銷4P理論，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大數(shù)據(jù)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(shù)據(jù)，從顧客真實交易數(shù)據(jù)中，預(yù)測下一次的購買時間。

營銷3.0時代關(guān)鍵詞就是“預(yù)測”。預(yù)測營銷能夠讓你專注于一小群客戶，而這群客戶卻能代表特定產(chǎn)品的大多數(shù)潛在買家。以上圖為例，你可以將營銷活動的目標(biāo)受眾鎖定為20萬潛在客戶或現(xiàn)有客戶，其中包括特定產(chǎn)品的大多數(shù)買家（4萬人）。你還可以撥出部分預(yù)算用于吸引更小的客戶群（比如20% 的客戶），而不是整個客戶群，進(jìn)而優(yōu)化你的支出。

過去我們看數(shù)據(jù)可能是被動的方式，但預(yù)測營銷強(qiáng)調(diào)是決策價值，比如購買時間，你該看的不是她**的購買日期，而是下次購買的時間，看未來的存活概率，**生成客戶終身價值（CLV）。預(yù)測營銷催生了一種新的數(shù)據(jù)驅(qū)動營銷方式，就是以客戶為中心，核心在于幫助公司完成從以產(chǎn)品或渠道為中心到以客戶為中心的轉(zhuǎn)變。04精準(zhǔn)推薦大數(shù)據(jù)**的價值不是事后分析，而是預(yù)測和推薦，我就拿電商舉例，\”精準(zhǔn)推薦\”成為大數(shù)據(jù)改變零售業(yè)的核心功能。

譬如服裝網(wǎng)站Stitch fix例子，在個性化推薦機(jī)制方面，大多數(shù)服裝訂購網(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，挖掘每個人專屬的服裝推薦模型。 這種一對一營銷是**的服務(wù)。數(shù)據(jù)整合改變了企業(yè)的營銷方式，現(xiàn)在經(jīng)驗已經(jīng)不是累積在人的身上，而是完全依賴消費(fèi)者的行為數(shù)據(jù)去做推薦。

未來，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，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(shù)工具關(guān)于預(yù)測營銷的技術(shù)能力，有幾種選擇方案：1、使用預(yù)測分析工作平臺，然后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(yù)測性活動外包給市場服務(wù)提供商;3、評估并購買一個預(yù)測營銷的解決方案，比如預(yù)測性營銷云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(shù)據(jù)，包括線上，線下，為預(yù)測分析準(zhǔn)備好數(shù)據(jù) ;2）分析客戶數(shù)據(jù)，使用系統(tǒng)和定制預(yù)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(fā)正確行為，可能做交叉銷售，跨不同營銷系統(tǒng)。

06預(yù)測模型預(yù)測客戶購買可能性的行業(yè)標(biāo)準(zhǔn)是RFM模型（最近一次消費(fèi)R，消費(fèi)頻率F，消費(fèi)金額M），但模型應(yīng)用有限，本質(zhì)是一個試探性方案，沒有統(tǒng)計和預(yù)測依據(jù)?！斑^去的成績不能保證未來的表現(xiàn)”，RFM只關(guān)注過去，不去將客戶當(dāng)前行為和其他客戶當(dāng)前行為做對比。這樣就無法在購買產(chǎn)品之前識別高價值客戶。我們聚焦?。