《大數據營銷》大數據營銷流程

大數據營銷流程【學習目標】知識目標能力目標1、理解大數據營銷的流程。1、掌握大數據營銷的實施流程。2、理解數據采集的過程。2、能夠采集需要的數據。3、理解數據處理的過程。3、能夠對數據進行脫敏以及數據資產管理。4、理解大數據營銷數據分析目的。4、掌握大數據營銷數據分析方法。5、理解主要的大數據營銷模型。5、應用主要的大數據營銷模型。【思維導圖】現(xiàn)代郵差你停在過去或現(xiàn)在

?過去郵差一根扁擔遛神州Part2

任務分解現(xiàn)代購物

你停在過去或現(xiàn)在

?逛商場---大包小包Part2

任務分解一分鐘發(fā)生了什么事？Part2

任務分解平均每一分鐘中國互聯(lián)網上發(fā)生了什么？百度搜索查詢48.7萬次5萬條微博465名新用戶1.37億人同時QQ在線556篇博客文章83名新博客4944條心情更新6597篇日志發(fā)布13.9萬張照片上傳3125條狀態(tài)更新發(fā)布417篇日記更新97個視頻上傳到優(yōu)酷，內容總計14個小時5.6萬人淘寶在線交易額230萬元80篇新帖子發(fā)布新回復1200篇Part2

任務分解大數據為我們帶來了什么？她是８０／８５后她的生活習慣她喜歡甚麼化妝品她的個性她平常參加哪些互動活動她用甚麼手機她喜歡甚麼電影她喜歡甚麼她的休閒娛樂她平常的作息時間Part2

任務分解大數據為我們帶來了什么？她是８０／８５后商品、美食是她的最愛她愛蘭蔻她個性、清新、時尚對喜歡的東西有某種狂熱她關注新媒體和移動互聯(lián)網關注網絡營銷、推廣活動愛小米愛熱播劇愛汽車愛旅游10點、14點前后是她頻繁上網的時間Part2

任務分解是的，我們已經進入了大數據時代Part2

任務分解【開篇案例】大數據時代的愛情

——“百合網”玩轉婚戀大數據我國擁有將近1.8億的單身適婚男女，“北上廣深”等傳統(tǒng)單身重災區(qū)正逐漸向新興二線城市蔓延，且呈現(xiàn)城市新特點?；閼賳栴}已經蔓延成一個社會問題。萬能的大數據能否幫助1.8億單身男女解決婚戀問題?【開篇案例】大數據時代的愛情

——“百合網”玩轉婚戀大數據百合網是一家實名認證的婚戀網站，成立于2005年，在中國首次推出“心靈匹配，成就幸福婚姻”的獨特婚戀服務模式，目前注冊用戶已逾1億?！靶撵`匹配算法”是基于百合網與北師大心理學院、中科院心理所、北京大學人格與社會心理學研究所多年的研究成果，集合機器智能學習理論，基于中國用戶的心理特征、興趣愛好以及海量行為數據，采用聚類算法結合協(xié)同過濾算法搭建的心靈匹配智能推薦引擎?！鹃_篇案例】大數據時代的愛情

——“百合網”玩轉婚戀大數據對百合網來說，對用戶匹配的難度和技術含量相當高。百合網采用了大數據挖掘和機器學習的手段，為用戶尋找到最匹配的另一半。百合網用戶屬性，直接提供的用戶屬性共有160多項，加上用戶行為分析得出來的數據，可能是1000項左右的數，每個用戶都有1000項左右的用戶屬性數據。百合網嘗試了人臉識別和人臉打分，供擇偶參考。

【開篇案例】大數據時代的愛情

——“百合網”玩轉婚戀大數據【思考】

相比于其他婚戀網站，百合網的核心競爭力是什么？1、DMP的含義DMP（DataManagementPlatform，數據管理平臺），是把分散的多方數據進行整合納入統(tǒng)一的技術平臺，并對這些數據進行標準化和細分，讓用戶可以把這些細分結果推向現(xiàn)有的互動營銷環(huán)境里的平臺.第一節(jié)構建DMP第一節(jié)構建DMP2、DMP的作用3、DMP的分類第一方DMP

基于自己的用戶數據構建第二方DMP

媒體提供的DMP服務第三方DMP由專門的數據公司構建第一節(jié)構建DMP4、DMP的數據源（1）私域數據官網數據自有電商數據自有App數據線下數據第一節(jié)構建DMP4、DMP的數據源（2）泛私域數據社交數據第三方電商數據廣告營銷數據第一節(jié)構建DMP4、DMP的數據源（3）公域數據第三方購買數據網絡爬蟲數據第一節(jié)構建DMP4、DMP的數據源（1）私域數據官網數據自有電商數據自有App數據線下數據第一節(jié)構建DMP4、DMP的數據源（1）私域數據官網數據自有電商數據自有App數據線下數據第一節(jié)構建DMP第一節(jié)構建DMP企業(yè)DMP平臺構建好以后，接下來進行數據采集。過去，傳統(tǒng)的大型企業(yè)，10年的客戶數據積累大約在T級別，而現(xiàn)在，通過大數據營銷技術收集數據的中小型企業(yè)，也許每月就會產生T級數據。第二節(jié)

數據采集在建設過程中，DMP數據處理場景一般是批量處理，數據采集就是完成ELT的過程，而DMP有部分場景涉及實時流式數據處理，數據采集就是完成ETL的過程。

所謂ELT是將數據從數據源提取出來，保留源格式直接裝載在DMP文件系統(tǒng)中，再進行格式轉換。ETL則是將數據從數據源提取的數據先進行數據格式的轉換，再將數據裝載進DMP第二節(jié)

數據采集1、數據采集流程第二節(jié)

數據采集數據源梳理采集接口技術類型確定數據清洗數據轉換

第二節(jié)

數據采集2、流程分解（1）數據源數理

數據源的梳理需要了解業(yè)務應用場景和流程；

數據源的梳理需要了解可利用的數據源；

瀏覽行為數據；搜索行為數據；地理行為數據；

電商行為數據；社交行為數據；互聯(lián)網金融行為數據

數據源的梳理需要了解可利用的數據源質量

數據缺失；數據不完整；數據不合理；數據冗余；數據沖突

第二節(jié)

數據采集2、流程分解（2）采集接口技術類型確定

開放的API接口采集；

JS監(jiān)測代碼采集；

SFTP接口采集；

離線文件上傳接口采集；

SDK采集

第二節(jié)

數據采集2、流程分解（3）數據清洗清洗不完整的數據；清洗錯誤的數據;清洗重復的數據

第二節(jié)

數據采集2、流程分解（4）數據轉換數據轉換是將不一致的數據進行轉換，將數據粒度進行轉換，以及按業(yè)務規(guī)則進行數據的計算（1）數據清洗；（2）采集接口技術類型確定；（3）數據源梳理；（4）數據轉換。數據處理的流程順序為：（

）（1）（2）（4）（3）（1）（2）（3）（4）（3）（2）（1）（4）（3）（1）（2）（4）ABCD提交單選題2分越來越多的企業(yè)在采集數據采用開源的（

）API接口SDK接口JS監(jiān)測代碼SFTP接口ABCD提交單選題2分某軟香酥賣家在了解數據采集的渠道后，還必須掌握常見的運營指標，只有明確每個運營指標背后所代表的意義，知己知彼，才能更好地利用這些數據運營、管理好網店。客單價轉化率流量在一定時間內打開網站地址的人氣訪問量或者是手機移動數據。在一定時期內，每位顧客消費的平均價格。所有到達網店店鋪并產生購買行為的人數和所有到達你的店鋪的人數的比率。計算方法為：轉化率=（產生購買行為的客戶人數/所有到達店鋪的訪客人數）×100%。Part2

任務分解數據采集實例分析淘寶官方將流量來源分為五大類，分別是淘內免費、自主訪問、付費流量、淘外流量和其他。流量基本概況Part2

任務分解五大來源的具體含義如下，如果想要具體了解每個來源類型下的細分渠道，可從“生意參謀”-“數據學院”-“幫助中心”-“來源注釋”進行查看，如圖所示。

1.自主訪問指訪客主動進入網店，如從收藏夾、已買到的商品等；

2.淘內免費指訪客通過淘寶內免費的流量渠道進入網店，如淘寶搜索、淘寶首頁、淘寶頻道頁面等；

3.付費流量指訪客通過淘寶內付費流量渠道進入網店，如直通車、鉆石展位、淘寶客、聚劃算；

4.淘外流量指訪客通過其他非淘寶來源渠道進入網店，如百度、新浪微博、騰訊空間等；

5.其他指訪客通過其他來源（即非自主訪問、非淘寶內免費、非淘寶內付費、非淘寶站外）進入網店。流量來源分析Part2

任務分解流量轉化率作為電商運營中的一個重要指標，如果賣家利用各種方法提高進店流量，但整體成交轉化率很低，銷售額也很難提高。

成交轉化率=成交人數/訪客數*100%一般影響轉化率的因素包括產品價格及評價、詳情頁設計、產品圖片、網店裝修、活動因素等。后期賣家可以結合這些影響因素進行轉化率的優(yōu)化。如圖所示為生意參謀中的交易概括，可以查看到下單轉化率（即下單買家數/訪客數）、支付轉化率（即支付買家數/訪客數）、下單-支付轉化率（即下單且支付買家數/下單買家數）。轉化率基本概況Part2

任務分解流量、轉化率的每個環(huán)節(jié)每個細節(jié)都與客單價有著千絲萬縷的聯(lián)系。客單價=支付金額/支付買家數網店的流量問題可以通過網絡推廣、營銷活動逐步解決，轉化率問題可以通過提高服務質量、加強頁面設計美化等提高，而客單價是個復雜的指標，它的影響因素比較復雜?？蛦蝺r不僅僅是平均一個買家買了多錢的產品，而是涉及了網店定位、產品定位、品牌定位等一系列的問題，后期賣家優(yōu)化時可以從關聯(lián)營銷、老客戶維護等方面進行。轉化率基本概況Part2

任務分解某軟香酥賣家依據多方面評判營銷活動效果這一目的，進行活動時間段內按日采集流量、交易和商品數據。賣家登錄淘寶賬號，進入賣家中心，執(zhí)行左側導航欄中“營銷中心”-“生意參謀”進入生意參謀Part2

任務分解數據采集實施賣家進入生意參謀后，執(zhí)行“經營分析”-“流量分析”-“流量概況”，選擇自然日進行數據采集，如圖所示。流量概況Part2

任務分解數據采集實施這里需要注意的是在采集數據時要選擇好流量端口，是PC端、無線端還是全部數據，如圖所示。數據端口Part2

任務分解數據采集實施賣家選擇不同日期和終端進行數據分析，如通過分析近一個月日均訪客分布，后期可以優(yōu)化寶貝上下架時間、客服排班表等。訪客時段分布分析Part2

任務分解數據采集實施賣家也需要按天采集銷售相關的數據，包括銷售額、下單買家數、客單價等，如圖所示。在采集該數據時，賣家也應注意選擇數據端口，默認的是所有終端的交易數據。交易數據分析Part2

任務分解數據采集實施

一般淘寶賣家會根據實際需求新建Excel表格記錄采集好的數據，方便之后的數據整理及數據分析。如圖所示為示例的網店每日數據采集表格，包含采集日期、星期、銷售額（預計、實際、差異）、目標等。網店每日數據采集Part2

任務分解數據采集實施賣家在采集完基本的流量、交易相關的數據后，同時也需要周期性地觀察單品的銷售狀況，在生意參謀中，執(zhí)行“經營分析”-“商品分析”-“商品效果”，查看每款單品的訪客、瀏覽量、下單件數、支付金額等數據，也可以點擊“更多”,選擇其他的指標數據，如圖所示。商品效果分析Part2

任務分解數據采集實施1、數據處理流程第三節(jié)

數據處理IDMapping數據脫敏保護標簽體系設計與標簽口徑梳理數據資產管理

第三節(jié)

數據處理2、流程分解（1）IDMapping

不同的數據源其ID類型是不同的。比如，微信是通過OpenID/UnionID標識用戶，微博是通過UID來標識用戶，第三方平臺是通過電商賬號、手機號來標識用戶，官網是通過Cookie來標識用戶，WIFI探針是通過抓取到的MAC來標識用戶。

采用一定的方法如基于統(tǒng)計學的Mapping方法等把ID系統(tǒng)進行打通，這就是IDMapping。兩個或兩個以上的數據源同時具備了某個ID（比如用戶的手機號），那這些數據源就可以通過這個ID關聯(lián)起來。

第三節(jié)

數據處理2、流程分解（1）IDMapping

第三節(jié)

數據處理2、流程分解（1）IDMapping

第三節(jié)

數據處理2、流程分解（2）數據脫敏保護所謂數據脫敏保護，是指將用戶的敏感信息或隱私性信息，通過脫敏規(guī)則進行數據的去隱私化，最終實現(xiàn)數據的可靠保護。常見的需要脫敏的數據有姓名、身份證號、地址、電話、銀行賬號、交易日期、交易金額等320981********4145。

第三節(jié)

數據處理2、流程分解（3）標簽體系設計和計算口徑梳理

第三節(jié)

數據處理2、流程分解（3）標簽體系設計和計算口徑梳理

在DMP平臺中，數據標簽可以用于消費者篩選、用戶畫像、聚類、精準營銷、業(yè)務推薦等。標簽一般分為事實標簽、權重標簽、模型標簽三種。

第三節(jié)

數據處理2、流程分解（3）標簽體系設計和計算口徑梳理

用戶市場屬性標簽

廣告互動情況官網互動情況社交互動情況互動特征（頻次、折扣偏好、渠道偏好）模型標簽

高意向訪客低意向訪客預測標簽

線索預測消費預測

第三節(jié)

數據處理2、流程分解（3）標簽體系設計和計算口徑梳理

用戶基礎屬性標簽

人口屬性地理位置興趣愛好用戶業(yè)務屬性標簽

保有產品品牌消費能力消費類型

第三節(jié)

數據處理2、流程分解（3）標簽體系設計和計算口徑梳理

在DMP平臺中，標簽體系建設不是一蹴而就，需要不斷更新和維護，追求的不是大而全，而是簡單好用，以事實標簽和權重標簽為主，模型標簽為輔。標簽體系建立好以后，需要對標簽進行口徑梳理，包括業(yè)務口徑梳理和技術口徑梳理。業(yè)務口徑梳理需要DMP平臺搭建方與業(yè)務部門協(xié)商進行，技術口徑梳理需要DMP平臺搭建方與技術部門協(xié)商進行。

第三節(jié)

數據處理2、流程分解（4）數據資產管理

經過數據清洗、數據脫敏、數據標簽化后，DMP平臺匯聚大量有效的數據，形成寶貴的數據資產，DMP平臺應具備快速高效管理數據的能力。

數據資產管理通常情況下包括數據治理、數據架構管理、數據開發(fā)、數據操作管理、數據安全管理、參考數據和主數據管理、數據倉庫和商務智能管理、文檔和內容管理、元數據管理和數據質量管理10項職能。

第四節(jié)

營銷數據挖掘與營銷模型1、營銷數據挖掘的標準化流程流程分為以下6個步驟：商業(yè)理解、營銷數據理解、營銷數據準備、建模、模型評估、結果發(fā)布，其中商業(yè)理解、營銷數據理解、營銷數據準備是營銷數據挖掘花費時間較長的3個步驟，約占1個營銷數據挖掘項目進度計劃的85%。

第四節(jié)

營銷數據挖掘與營銷模型1、營銷數據挖掘的標準化流程

第四節(jié)

營銷數據挖掘與營銷模型2、營銷數據挖掘的算法營銷數據挖掘的算法

第四節(jié)

營銷數據挖掘與營銷模型3、營銷模型（1）高價值客戶挖掘模型

營銷問題：金融企業(yè)客戶具有典型的帕累托效應，20%的客戶貢獻了80%的業(yè)務收入。數據分析表明，銀行移動端8%的銀行理財客戶擁有75%左右的資產。利用DMP平臺找出這些高資產客戶，分析這些高資產客戶的主要特征，找到類似的高資產客戶。

第四節(jié)

營銷數據挖掘與營銷模型3、營銷模型（1）高價值客戶挖掘模型

建模思路：銀行在其DWP平臺上，將分析出的1萬名高資產用戶作為種子用戶，作為學習樣本，以高資產用戶的相關變量（包括設備聚集點、APP應用名稱、設備型號、交易信息、客戶信息等）作為輸入變量，通過Look-alike算法，在幾百萬的移動設備中計算出與這些高資產設備相似的設備。利用DMP平臺的ID

mapping對照表，將客戶編號與設備對應，找到這批客戶的聯(lián)系方式。利用客戶數據庫CDP（Customerdataplatform，CDP）營銷自動化模塊中的推送功能，推送專屬營銷活動，激活這些客戶的購買行為。

第四節(jié)

營銷數據挖掘與營銷模型3、營銷模型（1）高價值客戶挖掘模型

操作步驟：找到擁有80%資產的那20%客戶；分析這些高資產客戶的特征；

利用這些特征，采用Look-alike算法，找相似人群，進行定向營銷，提升20%的總人數；

對這20%的高資產客戶進行定向營銷，提升其活躍度；將營銷費用從不起作用的客群轉向20%的高價值客戶。

第四節(jié)

營銷數據挖掘與營銷模型3、營銷模型（2）客戶營銷響應模型

營銷問題：某證券公司每年都會投入巨大的營銷費用，以紅包激勵的方式投向所有客戶。但公司發(fā)現(xiàn)，客戶利用紅包購買理財產品的轉化率很低，一般紅包帶動銷售的轉化率都低于1%，浪費了大量的激勵紅包和營銷時間。

第四節(jié)

營銷數據挖掘與營銷模型3、營銷模型（2）客戶營銷響應模型

建模思路：將響應紅包的客戶作為種子用戶，在已有的