新媒體廣告 課件 03 大數(shù)據(jù)時代的用戶分析

第三章大數(shù)據(jù)時代的用戶分析010203目錄CONTENTS大數(shù)據(jù)與用戶品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代的用戶行為挖掘第三章大數(shù)據(jù)時代的用戶分析先導(dǎo)案例——零售大數(shù)據(jù)運(yùn)用零售行業(yè)大數(shù)據(jù)應(yīng)用有兩個層面，一個層面是零售行業(yè)可以了解客戶消費(fèi)喜好和趨勢，進(jìn)行商品的精準(zhǔn)營銷，降低營銷成本。另一層面是依據(jù)客戶購買產(chǎn)品，為客戶提供可能購買的其它產(chǎn)品，擴(kuò)大銷售額，也屬于精準(zhǔn)營銷范疇。另外零售行業(yè)可以通過大數(shù)據(jù)掌握未來消費(fèi)趨勢，有利于熱銷商品的進(jìn)貨管理和過季商品的處理。未來考驗零售企業(yè)的不再只是零供關(guān)系的好壞，而是要看挖掘消費(fèi)者需求，以及高效整合供應(yīng)鏈滿足其需求的能力，因此信息科技技術(shù)水平的高低成為獲得競爭優(yōu)勢的關(guān)鍵要素。想象一下這樣的場景，當(dāng)顧客在地鐵候車時，墻上有某一零售商的巨幅數(shù)字屏幕廣告，根據(jù)候車時段的用戶畫像，自動形成與用戶消費(fèi)需求和興趣愛好相匹配的廣告內(nèi)容，并且能夠提供用戶下單的通道。未來，甚至顧客都不需要有任何購買動作，利用之前購買行為產(chǎn)生的大數(shù)據(jù)，當(dāng)你的沐浴露剩下最后一滴時，你中意的沐浴露就已送到你的手上，而雖然顧客和商家從未謀面，但已如朋友般熟識。大數(shù)據(jù)與用戶大數(shù)據(jù)的概念關(guān)于大數(shù)據(jù)，一般理解是數(shù)量龐大、信息量巨大，但這只是大數(shù)據(jù)的字面含義。美國研究機(jī)構(gòu)Gartner對大數(shù)據(jù)的定義是：大數(shù)據(jù)是需要新處理模式才能成為更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化力的海量、高增長率和多樣化的信息資產(chǎn)。大數(shù)據(jù)的意義不在于龐大的數(shù)據(jù)本身，而是分析、處理這些數(shù)據(jù)，挖掘出有價值的信息并加以合理的利用。大數(shù)據(jù)與用戶大數(shù)據(jù)的概念大數(shù)據(jù)的特點概括為4個“V”Volume：數(shù)據(jù)體量巨大。從TB級躍升到PB級。Variety：數(shù)據(jù)類型繁多，包括了圖片、視頻、文本、地理位置等眾多類型。Velocity：處理速度快。Value：價值密度低。VolumeVarietyVelocityValue大數(shù)據(jù)與用戶消費(fèi)者和用戶傳統(tǒng)市場中，廣告受眾一般定義為“消費(fèi)者”，新媒體行業(yè)則更喜歡用“用戶”來指代消費(fèi)者通常指“收費(fèi)類產(chǎn)品或服務(wù)”的使用者，如某品牌手機(jī)的消費(fèi)者。用戶一般指“免費(fèi)類產(chǎn)品或服務(wù)”的使用者，如QQ的用戶。這一點體現(xiàn)了互聯(lián)網(wǎng)等新媒體與傳統(tǒng)行業(yè)的區(qū)別，互聯(lián)網(wǎng)更多的是提供免費(fèi)的基礎(chǔ)服務(wù)，在此基礎(chǔ)上，通過增值服務(wù)、廣告等增加收益，傳統(tǒng)行業(yè)則是直接售賣產(chǎn)品或服務(wù)獲得利益。傳統(tǒng)行業(yè)中，消費(fèi)者往往是一個更加被動的角色。在新媒體時代，用戶不再顯得被動，相反，權(quán)利被放大。企業(yè)不再只是向用戶發(fā)布信息，還需要與用戶交流互動，用戶可以對產(chǎn)品的使用體驗進(jìn)行反饋，提出自己的建議，甚至還可以參與產(chǎn)品開發(fā)。在傳統(tǒng)行業(yè)里，企業(yè)也會對消費(fèi)者進(jìn)行調(diào)研，了解消費(fèi)者的使用習(xí)慣、愛好、心理等，然后有針對性地去改進(jìn)產(chǎn)品或服務(wù)。在新媒體環(huán)境下，企業(yè)往往通過與用戶的交互等數(shù)據(jù)記錄，分析用戶的特征，迎合他們的需求，這樣做不僅成本更低，而且精準(zhǔn)性更高、效果更好。品牌用戶的大數(shù)據(jù)聚合在了解大數(shù)據(jù)和用戶概念的基礎(chǔ)上，我們將進(jìn)一步熟悉大數(shù)據(jù)時代的用戶分布和用戶數(shù)據(jù)獲取——通過哪些渠道、平臺獲取用戶數(shù)據(jù)，以及用戶類型劃分。大數(shù)據(jù)時代用戶數(shù)據(jù)來源豐富，用戶類別多樣，企業(yè)要善于獲取各種數(shù)據(jù)，并識別用戶類型，這是用戶分析的前提。品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代用戶數(shù)據(jù)分布線上數(shù)據(jù)線下數(shù)據(jù)品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代用戶數(shù)據(jù)分布線下數(shù)據(jù)在線下數(shù)據(jù)中，實體店記錄是用戶在線下實體店鋪的交易、退換貨、體驗、評價等數(shù)據(jù)，這些數(shù)據(jù)反映產(chǎn)品的受歡迎度，以及店鋪運(yùn)營情況，是改進(jìn)產(chǎn)品和調(diào)整運(yùn)營方案的重要參考。傳感器主要有攝像頭、掃描儀、交互媒體和體驗式產(chǎn)品等，這些數(shù)據(jù)記錄了用戶的行為和操作，可以幫助分析用戶特征、習(xí)慣、心理，提升用戶體驗。Wi-Fi數(shù)據(jù)是顧客連入Wi-Fi后被監(jiān)測記錄的數(shù)據(jù)，包括用戶位置、停留時間、訪問記錄等。銷售數(shù)據(jù)、客服數(shù)據(jù)、庫存數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、市場數(shù)據(jù)等都是相對傳統(tǒng)的數(shù)據(jù)。除了門店數(shù)據(jù)，用戶的其他線下行為可能也會對了解用戶消費(fèi)需求有幫助，交通數(shù)據(jù)、其他生活消費(fèi)數(shù)據(jù)、親友社交數(shù)據(jù)等。品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代用戶數(shù)據(jù)分布線上數(shù)據(jù)對于線上數(shù)據(jù)，根據(jù)數(shù)據(jù)來源分為第一方數(shù)據(jù)和第三方數(shù)據(jù)。其中，第一方數(shù)據(jù)是企業(yè)自有平臺的數(shù)據(jù)和記錄，自有平臺是企業(yè)自己開發(fā)的，包括企業(yè)的官網(wǎng)、App應(yīng)用、數(shù)字報等。第三方數(shù)據(jù)是企業(yè)從第三方開放平臺獲得的數(shù)據(jù)和記錄。第三方平臺由其他產(chǎn)品和服務(wù)提供商開發(fā)，供企業(yè)免費(fèi)和增值付費(fèi)使用，包括微博、微信、電商平臺、短視頻平臺等品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代用戶數(shù)據(jù)分布線上數(shù)據(jù)：第一方數(shù)據(jù)第一方數(shù)據(jù)是企業(yè)自有數(shù)據(jù)，一定程度上反映了企業(yè)運(yùn)營情況和營銷效果，可以指導(dǎo)調(diào)整現(xiàn)行方案，如官網(wǎng)、App、小程序、企業(yè)社交賬號等。品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代用戶數(shù)據(jù)分布線上數(shù)據(jù)：第三方數(shù)據(jù)第三方數(shù)據(jù)主要指品牌用戶在第三方社會化媒體平臺上產(chǎn)生的數(shù)據(jù)。內(nèi)容消費(fèi)數(shù)據(jù)微信微博短視頻知乎……服務(wù)消費(fèi)數(shù)據(jù)美團(tuán)餓了嗎攜程……電商消費(fèi)數(shù)據(jù)（參考意義最大）京東淘寶拼多多……品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代用戶數(shù)據(jù)分布獲取數(shù)據(jù)的方法第一方數(shù)據(jù)依靠后臺關(guān)鍵位置“埋點”，記錄用戶行為；第三方數(shù)據(jù)可以與第三方平臺進(jìn)行溝通采購，在數(shù)據(jù)存在商業(yè)機(jī)密和消費(fèi)者個人隱私限制的情況下，完整的第三方平臺數(shù)據(jù)是很難直接獲得的，需要借助一些數(shù)據(jù)挖掘工具開展針對性數(shù)據(jù)的收集和清洗。品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代的用戶類別在傳統(tǒng)行業(yè)，消費(fèi)者又稱客戶，企業(yè)一般會根據(jù)客戶的屬性特征，即社會屬性、行為屬性和價值屬性來，對其進(jìn)行有效性識別與差異化區(qū)分，也就是客戶分類。最基礎(chǔ)的客戶分類包括非客戶、潛在客戶、目標(biāo)客戶、現(xiàn)實客戶、流失客戶等，在此基礎(chǔ)上，再依據(jù)客戶價值進(jìn)行分級細(xì)分，可分為重要客戶、主要客戶、關(guān)鍵客戶、普通客戶等，對不同級別的客戶應(yīng)有針對性地開展不同的營銷活動。大數(shù)據(jù)通過將用戶信息標(biāo)簽化，收集用戶的社會屬性、消費(fèi)習(xí)慣、偏好特征等各個維度的數(shù)據(jù)，進(jìn)而對用戶或者產(chǎn)品特征屬性進(jìn)行刻畫，抽象出用戶的信息全貌。根據(jù)標(biāo)簽的不同性質(zhì)，可以用兩類標(biāo)簽對用戶進(jìn)行畫像分類。靜態(tài)標(biāo)簽動態(tài)標(biāo)簽品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代的用戶類別用戶靜態(tài)標(biāo)簽這類標(biāo)簽往往是用戶與生俱來的，或者是很少發(fā)生變化的，是用戶的常態(tài)化屬性。如根據(jù)性別，將用戶劃分為男性用戶、女性用戶；根據(jù)學(xué)歷，將用戶劃分為高學(xué)歷用戶、低學(xué)歷用戶；根據(jù)用戶所在的城市，將用戶分為一線城市用戶、二三線城市用戶及其他城市用戶等品牌用戶的大數(shù)據(jù)聚合大數(shù)據(jù)時代的用戶類別用戶動態(tài)標(biāo)簽相對靜態(tài)標(biāo)簽而言，動態(tài)標(biāo)簽是不穩(wěn)定的、活躍變動的，包括基于用戶的瀏覽搜索行為、購買情況等形成的標(biāo)簽。例如根據(jù)用戶的活躍程度，將用戶劃分為活躍用戶、邊緣用戶；根據(jù)用戶是否開通會員等增值服務(wù)，將用戶劃分為會員用戶、非會員用戶；根據(jù)用戶的操作熟練程度等，將用戶劃分為初級用戶、普通用戶、高級用戶。當(dāng)然，還有很多種其他的分類方式，在不同的應(yīng)用場景下，設(shè)定的用戶畫像分類都是不同的。大數(shù)據(jù)時代的用戶行為挖掘用戶的網(wǎng)上交互行為有很多種，例如在先導(dǎo)案例中，用戶在視頻觀看中的行為就有暫停、快進(jìn)、重播、退出等，而每一種行為都帶有隱藏的信息，即用戶對視頻內(nèi)容的態(tài)度和觀點。在大數(shù)據(jù)時代，我們的目的不僅在于獲取用戶的各種交互行為數(shù)據(jù)，更重要的是從數(shù)據(jù)中挖掘用戶行為的信息，去指導(dǎo)、改進(jìn)產(chǎn)品或服務(wù)。大數(shù)據(jù)時代的用戶行為挖掘大數(shù)據(jù)時代的用戶行為分析用戶視覺行為用戶在視覺上對內(nèi)容的感知、態(tài)度和評價，可以通過第一感覺測試和眼動儀測試等方式進(jìn)行，對改進(jìn)廣告熱點內(nèi)容顯示等有幫助。用戶操作行為分析用戶在頁面上的各種操作，通過這些操作，用戶完成想要達(dá)到的目標(biāo)。大數(shù)據(jù)時代的用戶行為挖掘大數(shù)據(jù)時代的用戶行為分析在大數(shù)據(jù)時代，用戶行為分析主要指用戶操作行為。操作行為更能代表用戶的心理、想法、態(tài)度等。通過分析這些操作行為，可以推測用戶的想法，更精確地給用戶提供產(chǎn)品和信息服務(wù)。用戶行為包括：登錄、退出、搜索、閱讀、瀏覽、發(fā)表、刪除、分享、評論、點贊、聊天、私信、評分、加入購物車、移出購物車、比價、購買、退貨、收藏、播放、暫停、快進(jìn)、重播等，類型眾多。據(jù)不完全統(tǒng)計，一個用戶在做一個重要購買決策前，平均要瀏覽5個網(wǎng)站、36個頁面，在社會化媒體和搜索引擎上的交互行為也多達(dá)數(shù)十次。如果把所有可以采集的數(shù)據(jù)整合并進(jìn)行衍生，一個用戶的購買可能會受數(shù)千個行為維度的影響。但是，正是這些購買前的行為，可以深度地反映潛在用戶的購買心理和意向大數(shù)據(jù)時代的用戶行為挖掘大數(shù)據(jù)時代的用戶行為挖掘工具百度統(tǒng)計站長工具CNZZ51.LA網(wǎng)站統(tǒng)計GoStatsGoogleAnalytics大數(shù)據(jù)時代的用戶行為挖掘大數(shù)據(jù)時代的用戶分析和報告用戶分析是根據(jù)具體的用戶數(shù)據(jù)，挖掘出大數(shù)據(jù)中有價值的信息，如用戶特征、產(chǎn)品反饋、品牌營銷效果等。用戶特征可以幫助企業(yè)確定目標(biāo)對象，進(jìn)行精準(zhǔn)營銷；產(chǎn)品反饋可以指導(dǎo)產(chǎn)品的改進(jìn)，提升用戶體驗；品牌營銷效果可以指出營銷不足，調(diào)整、改進(jìn)營銷方案。由于用戶分析和