第十一章 數(shù)據(jù)驅(qū)動的新媒體營銷

第十一章數(shù)據(jù)驅(qū)動的新媒體營銷前言不管是諸如淘寶、抖音的互聯(lián)網(wǎng)平臺，還是傳統(tǒng)的企業(yè)以及DTC的新品牌，都以用戶數(shù)據(jù)為重要資產(chǎn)。內(nèi)容和數(shù)據(jù)是新媒體營銷的兩個基石，在新媒體營銷中扮演著類似于人類大腦右腦和左腦的角色。為了確保內(nèi)容的有效性和吸引力，營銷人員需要數(shù)據(jù)來支持和指導(dǎo)營銷決策。兩者相輔相成，共同構(gòu)成新媒體營銷的核心。數(shù)據(jù)驅(qū)動的新媒體營銷，本身是一個系統(tǒng)化的復(fù)雜營銷活動的總和，一方面數(shù)據(jù)的驅(qū)動作用貫穿整個營銷活動的全流程，另一方面在新媒體營銷的過程中，還會根據(jù)數(shù)據(jù)結(jié)果的反饋，進行營銷活動的動態(tài)調(diào)整，最終的內(nèi)容營銷成果也會以數(shù)據(jù)化的方式精準呈現(xiàn)。目錄CONTENT數(shù)據(jù)帶來的新營銷工具用戶數(shù)據(jù)分析的流程03常用的營銷數(shù)據(jù)分析方法02案例分析

盒馬X數(shù)字化：零售的新生命線0401數(shù)據(jù)帶來的新營銷工具第一節(jié)數(shù)據(jù)為新媒體營銷提供了洞察力、個性化、性能優(yōu)化、預(yù)測分析和聲譽管理等多個方面的支持，從而為企業(yè)創(chuàng)造價值和優(yōu)勢。在一個日益數(shù)字化和競爭激烈的世界中，利用數(shù)據(jù)的力量成為企業(yè)成功的關(guān)鍵。目標受眾洞察個性化內(nèi)容和廣告性能監(jiān)測和優(yōu)化增強社交聆聽和輿論危機管理ROI評估預(yù)測分析和趨勢識別一、用戶畫像1.用戶標簽統(tǒng)計類標簽這類標簽是最為基礎(chǔ)也最為常見的標簽類型，可以從用戶注冊、訪問、消費中統(tǒng)計得出相應(yīng)信息。用戶屬性：用戶的年齡、性別、設(shè)備型號、安裝／注冊狀態(tài)、職業(yè)等刻畫用戶靜態(tài)特征的屬性。用戶行為：包括用戶的消費行為、購買后行為、近日的訪問、收藏、下單、購買、售后等相關(guān)行為。偏好細分：用戶對于商品品類、商品價格段、營銷渠道、購買的偏好類型、營銷方式等方面的偏好特征。風險控制：從用戶征信風險、使用設(shè)備的風險、在平臺消費過程中產(chǎn)生的問題等維度考量其風險程度。業(yè)務(wù)專用：應(yīng)用在各種業(yè)務(wù)上的標簽，如A/B測試標簽、Push系統(tǒng)標簽等。營銷場景：以場景化進行分類，根據(jù)業(yè)務(wù)需要構(gòu)建一系列營銷場景，如差異化客服、用戶場景、再營銷用戶等，激發(fā)用戶的潛在需求。地域細分：標識用戶的常住城市、居住商圈、工作商圈等信息，應(yīng)用在基于用戶地理位置進行推薦的場景中。用戶分層：對用戶按生命周期、ＲＦＭ模型、消費水平、活躍度等進行分層劃分。一、用戶畫像1.用戶標簽規(guī)則類標簽該類標簽基于用戶行為及確定的規(guī)則產(chǎn)生。例如，對平臺上“消費活躍”用戶這一口徑的定義為“近30天交易次數(shù)≥2”。機器學習挖掘類標簽該類標簽通過機器學習挖掘產(chǎn)生，用于對用戶的某些屬性或某些行為進行預(yù)測判斷。需要通過算法挖掘產(chǎn)生。例如，根據(jù)一個用戶的行為習慣判斷該用戶是男性還是女性，根據(jù)一個用戶的消費習慣判斷其對某商品的偏好程度。一、用戶畫像2.用戶分層模型RFM模型針對付費用戶，利用交易行為數(shù)據(jù)進行用戶分層的經(jīng)典模型一、用戶畫像2.用戶分層模型RFM模型每項指標在進行數(shù)據(jù)處理時被分成高低兩檔，得到8類用戶一、用戶畫像2.用戶分層模型基于5A模型的用戶分層企業(yè)在不同階段需要在5A模型中關(guān)注不同的重點，以滿足品牌的特定需求和實現(xiàn)相應(yīng)的目標。一、用戶畫像2.用戶分層模型基于5A模型的用戶分層阿里巴巴AIPL模型二、程序化廣告精準廣告（targetedadvertising）精準廣告是一種廣告策略，它依賴于收集和分析大量的用戶數(shù)據(jù)（如地理位置、瀏覽歷史、購買行為、興趣等），以便將廣告精確地投放給特定的目標受眾。比如剛剛點擊過、搜索過、瀏覽過的商品相關(guān)的廣告會精確出現(xiàn)在你面前程序化廣告（programmaticadvertising）幫助實現(xiàn)精準廣告策略的廣告購買方式，工作原理主要基于實時競價和需求方平臺。二、程序化廣告程序化廣告（programmaticadvertising）重塑展示廣告購買模式，從買廣告位到買人群縮短廣告投放優(yōu)化周期，實時的動態(tài)優(yōu)化得以實現(xiàn)精準人群定向技術(shù)提高媒體的長尾流量價值，實現(xiàn)雙贏。帶給網(wǎng)絡(luò)廣告業(yè)的變化問題：隱私；廣告欺詐；品牌安全三、推薦算法算法被廣泛應(yīng)用，是各大平臺實現(xiàn)個性化內(nèi)容分發(fā)的基礎(chǔ)①基于用戶的協(xié)同過濾給用戶推薦和其興趣相似的其他用戶所喜歡的內(nèi)容主要思想是利用已有用戶群體的行為來預(yù)測當前用戶偏好。根據(jù)對象的不同，協(xié)同過濾算法可以分為以下幾類：協(xié)同過濾算法②基于物品/內(nèi)容的協(xié)同過濾給用戶推薦和其之前喜歡的物品／內(nèi)容相似的物品／內(nèi)容③基于模型的協(xié)同過濾基于用戶喜好的樣本數(shù)據(jù)訓練一個推薦模型，然后根據(jù)實時的用戶喜好信息進行預(yù)測和推薦限制：沒有新用戶的數(shù)據(jù)時，無法通過協(xié)同過濾算法進行推薦；根據(jù)產(chǎn)品關(guān)聯(lián)性進行產(chǎn)品推薦，無法關(guān)注一些用戶的小眾愛好，也很難識別出用戶所處的場景；當用戶興趣、物品／內(nèi)容量過大或更新速度很快時，維護相似度矩陣所需的計算資源會呈幾何級增加三、推薦算法算法被廣泛應(yīng)用，是各大平臺實現(xiàn)個性化內(nèi)容分發(fā)的基礎(chǔ)通過算法分析用戶的歷史行為（如搜索、點贊、評論等）所反映出的用戶偏好，然后給其推送偏好的內(nèi)容?；趦?nèi)容的推薦算法的依據(jù)非常多，結(jié)果上看主要可以分為兩種：基于內(nèi)容的推薦算法限制：對于產(chǎn)品的屬性拆解，需要確定哪些屬性更重要，需要積累大量的用戶數(shù)據(jù)才能優(yōu)化；每個消費者往往會在多個屬性之間權(quán)衡這種對屬性的權(quán)衡較難在這種推薦算法中體現(xiàn)出來①完全的個性化推薦完全面向用個人進行內(nèi)容呈現(xiàn)②熱門／主題推薦以榜單的形式進行內(nèi)容呈現(xiàn)（同城榜、熱門榜等）三、推薦算法算法被廣泛應(yīng)用，是各大平臺實現(xiàn)個性化內(nèi)容分發(fā)的基礎(chǔ)將用戶需求作為知識源，從而向用戶推薦物品。直接由用戶指定需求，然后根據(jù)需求給出推薦列表?；谥R的推薦算法①基于約束的推薦需要用戶指定自己的最初偏好，當收集到有關(guān)用戶需求和偏好的足夠信息時，算法會提供給用戶一組匹配的產(chǎn)品，在結(jié)果呈現(xiàn)上，系統(tǒng)可以解釋為什么推薦某個產(chǎn)品。比如微博推送。②基于實例的推薦有效整合了基于查詢和基于瀏覽的物品檢索方式。當用戶輸入需求時，算法一方面會基于相似度的實例檢索來識別最相似的物品，另一方面則會通過評價有效地引導(dǎo)用戶選擇。常用的營銷數(shù)據(jù)分析方法第二節(jié)一、A/B測試A/B測試是一種統(tǒng)計學上的假設(shè)檢驗方法，用于比較兩種或多種不同的版本（如網(wǎng)頁設(shè)計、廣告文案、促銷優(yōu)惠等），以確定哪種版本的性能更好。主要優(yōu)勢在于其能夠在真實環(huán)境中，通過收集部分用戶的行為數(shù)據(jù)來對比和驗證不同的設(shè)計方案，服務(wù)于解決營銷人員的實際工作問題。網(wǎng)站設(shè)計比如測試不同的布局、顏色、字體等對用戶行為的影響。廣告文案比如測試不同的標題、描述、圖片等對點擊率和轉(zhuǎn)化率的影響。電子郵件營銷比如測試不同的主題、內(nèi)容、發(fā)送時間等對打開率和點擊率的影響。產(chǎn)品定價比如測試不同的價格對銷售額和利潤的影響。一、A/B測試A/B測試策略制定

科學分流

策略投放和數(shù)據(jù)監(jiān)控

測試目標、樣本的選擇A/A測試策略結(jié)果分析與執(zhí)行局限：比較適用于細節(jié)的優(yōu)化，而較難以揭示企業(yè)營銷的整體狀況或更大范圍的戰(zhàn)略問題針對要解決的問題有明確的策略后，才能找到驗證策略是否有效的用戶群，并用合理的指標進行評估。即評估指標的選擇。在運營中評估指標的選擇更關(guān)注核心業(yè)務(wù)目標。A/B測試設(shè)置不同的實驗組，每個組需要導(dǎo)人用戶，進行測試，累計實驗數(shù)據(jù)?？茖W分流以平衡樣本可以盡量誤差。在同一實驗條件下，設(shè)置多組進行預(yù)測試，以排除樣本、埋點或數(shù)據(jù)統(tǒng)計中可能存在的問題。開始A/B測試的同時建立一套數(shù)據(jù)看板來觀察數(shù)據(jù)。數(shù)據(jù)看板不必過于復(fù)雜，目的是快速展現(xiàn)每組關(guān)鍵指標的變化趨勢，以及是否滿足統(tǒng)計顯著性。完成A/B測試后，顯著有效的策略會被投放應(yīng)用到更大人群中，并進一步進行優(yōu)化迭代。二、營銷組合模型

數(shù)據(jù)收集建立模型模型應(yīng)用數(shù)據(jù)清洗

模型驗證優(yōu)勢：能夠量化各種營銷活動對銷售該零售商的影響，可以根據(jù)行業(yè)和企業(yè)的特點融入多種外部、宏觀因素，幫助企業(yè)優(yōu)化營銷策略。局限：數(shù)據(jù)需求量大，需要大量的歷史銷售和營銷活動數(shù)據(jù)，模型的準確性依賴于數(shù)據(jù)的質(zhì)量和完整性。收集過去的銷售數(shù)據(jù)和營銷活動數(shù)據(jù)，以及可能影響銷售額的其他因素的數(shù)據(jù)。清理和整理數(shù)據(jù)，處理缺失值和異常值，進行必要的數(shù)據(jù)轉(zhuǎn)換，使其適合用于分析。使用多元回歸分析或其他統(tǒng)計方法，建立銷售額與營銷活動之間的關(guān)系模型。通過統(tǒng)計檢驗方法如狋檢驗和犉檢驗，評估模型的顯著性和擬合度。應(yīng)用模型預(yù)測未來的銷售額，或者優(yōu)化營銷活動。該模型用于量化不同營銷活動對銷售額或市場份額的影響。三、營銷歸因模型

收集數(shù)據(jù)建立模型清洗數(shù)據(jù)應(yīng)用模型收集用戶的觸點數(shù)據(jù)，如點擊、瀏覽、搜索等。清理和整理數(shù)據(jù)，處理缺失值和異常值，進行必要的數(shù)據(jù)轉(zhuǎn)換，使其適合用于分析。根據(jù)業(yè)務(wù)需求，選擇合適的營銷歸因模型，如最后點擊模型、線性模型、時間衰減模型等。應(yīng)用模型分析各個觸點的貢獻，優(yōu)化營銷策略。該模型用于確定各種營銷觸點對用戶轉(zhuǎn)化（如購買、注冊等）的貢獻。該模型可以幫助營銷人員深入了解用戶轉(zhuǎn)化路徑，分析內(nèi)容廣告或銷售渠道對用戶轉(zhuǎn)化的促講作用，從而優(yōu)化營銷投放策略。三、營銷歸因模型首次歸因模型在回溯期內(nèi)給首次觸點分配100％的轉(zhuǎn)化貢獻，給其余觸點分配0。最終點擊模型在回溯期內(nèi)給最后一次觸點分配100％的轉(zhuǎn)化貢獻，給其余觸點分配0。線性歸因模型在回溯期內(nèi)，給每個觸點平均分配轉(zhuǎn)化貢獻。例如，用戶的一次購買轉(zhuǎn)化接觸了5個觸點，那么給每個觸點都分配20%的轉(zhuǎn)化貢獻。位置歸因模型在回溯期內(nèi)，給用戶首次觸點分配40%的轉(zhuǎn)化貢獻，給末次觸點分配40%的轉(zhuǎn)化貢獻，給其余觸點平均分配剩下的20%的轉(zhuǎn)化貢獻。時間衰減模型在回溯期內(nèi)，給離轉(zhuǎn)化事件之前越近的觸點分配越多的轉(zhuǎn)化貢獻，給時間較早的觸點分配的轉(zhuǎn)化貢獻越少。這種模型非常適合于用戶行為路徑較長的情況，它可以給予路徑中所有觸點適當?shù)恼J可。數(shù)據(jù)驅(qū)動模型使用復(fù)雜的算法和機器學習來確定最有影響力的觸點。它會查看所有數(shù)據(jù)，并確定每個觸點對轉(zhuǎn)化的影響，以找到最有影響力的觸點。當擁有大量的數(shù)據(jù)并希望作出數(shù)據(jù)驅(qū)動的決策時，該模型較為合適。三、營銷歸因模型營銷歸因模型是一種工具，用于量化各個營銷觸點對轉(zhuǎn)化的貢獻，但它們都是基于一定假設(shè)和簡化的模型。在實際情況中，消費者的購買決策過程可能非常復(fù)雜，受到多種因素的影響，這些因素可能難以被完全捕捉和量化。在這種情況下，單一的營銷歸因模型都可能無法完全準確地描述每個觸點的貢獻。但它們?nèi)匀豢梢蕴峁┮恍┯杏玫亩床欤瑤椭鸂I銷人員理解和優(yōu)化營銷策略。例如，如果一個觸點在多個營銷歸因模型中都顯示出較大的貢獻，那么這個觸點可能非常有效。用戶數(shù)據(jù)分析的流程第三節(jié)一、數(shù)據(jù)規(guī)劃一、數(shù)據(jù)規(guī)劃數(shù)據(jù)本身是分層的，在確定目標、策略和度量之后，還需要對度量指標進一步分級。二、數(shù)據(jù)采集數(shù)據(jù)規(guī)劃之后，緊接著就要進行數(shù)據(jù)采集。只有采集的數(shù)據(jù)足夠準確，才能進行準確的數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。數(shù)據(jù)采集常見的問題是營銷業(yè)務(wù)人員和技術(shù)人員之間存在溝通障礙，這一方面來源于專業(yè)分工，另一方面來源于兩者負責的績效指標存在差異。02無埋點前端自動采集全部事件數(shù)據(jù)并上報，即采集全量、事實的用戶行為數(shù)據(jù)。無埋點彌補了埋點的劣勢，適合運用在探索性研究中，但其缺陷在于數(shù)據(jù)存儲消耗過大、開發(fā)框架不統(tǒng)一等技術(shù)難題。01埋點在需要監(jiān)測用戶行為數(shù)據(jù)的地方加上一段代碼，當埋點被觸發(fā)便采集相關(guān)數(shù)據(jù)反饋回來的一種做法。埋點數(shù)據(jù)穩(wěn)定性高，適合監(jiān)控和分析，并且能夠從營銷的業(yè)務(wù)邏輯切入行為分析，對于非探索式分析行之有效。三、數(shù)據(jù)分析商業(yè)數(shù)據(jù)分析的目標是利用大數(shù)據(jù)幫助職場人員作出迅捷、高質(zhì)、高效的決策，提供可規(guī)模化的解決方案。商業(yè)數(shù)據(jù)分析的本質(zhì)在于創(chuàng)造商業(yè)價值，驅(qū)動企業(yè)業(yè)務(wù)增長。三、數(shù)據(jù)分析數(shù)據(jù)分析通常根據(jù)要解決的問題來進行，有以下四種類型事件分析事件往往指用戶操作產(chǎn)品的某個行為，即用戶在產(chǎn)品內(nèi)做了什么，包括瀏覽頁面、點擊、修改等。某段時間內(nèi)產(chǎn)品推廣頁的點擊率有多少？對比昨天／上個月提升了多少？某個渠道的產(chǎn)品注冊數(shù)量是多少？第一季度排名前十的產(chǎn)品注冊渠道是哪些？某個產(chǎn)品加入購物車的點擊次數(shù)有多少？某個產(chǎn)品的頁面瀏覽量分時走勢如何？安卓端和IOS端的占比分別是多少？通過將用戶行為起始的各個行為節(jié)點作為分析節(jié)點，來衡量每個節(jié)點的轉(zhuǎn)化效果，能幫助營銷人員在關(guān)鍵環(huán)節(jié)進一步深挖流失原因，提升轉(zhuǎn)化表現(xiàn)。以某產(chǎn)品的注冊轉(zhuǎn)化漏斗分析為例，注冊第一步到第三的轉(zhuǎn)化率分別是55.8%、18.5%、92.5%，整體注冊轉(zhuǎn)化率為9.54%?？梢悦黠@看出，注冊第一步和第二步之間的轉(zhuǎn)化率明顯低于其他步驟。因此需要進一步排查原因。漏斗分析三、數(shù)據(jù)分析數(shù)據(jù)分析通常根據(jù)要解決的問題來進行，有以下四種類型熱力圖分析熱力圖以頁面或產(chǎn)品中的元素的點擊次數(shù)、點擊人數(shù)、點擊率為基礎(chǔ)數(shù)據(jù)，以特殊高亮的圖形形式顯示用戶點擊頁面的位置或者用戶所在的頁面位置。通過聚合用戶行為展示用戶如何與產(chǎn)品進行交互，幫助營銷人員識別用戶行為趨勢并優(yōu)化產(chǎn)品交互界面。目前常見的有三種：基于鼠標點擊位置的熱力圖、基于鼠標移動軌跡的熱力圖和基于內(nèi)容點擊的熱力圖。衡量產(chǎn)品是否對用戶有持續(xù)吸引力以及用戶黏性的重要分析方法，通常能夠觀測到隨著時間推移，用戶留存率的衰減情況。留存率是指留存用戶占起始用戶的比例，常見的有次日留存率、7日留存率、次月留存率等。此外也有很多增加留存用戶的手段，比如“簽到獎勵”“加購獎勵”“水樂園”等。留存分析三、數(shù)據(jù)分析Aha時刻突然理解或領(lǐng)悟某個概念或想法的時刻。在用戶體驗設(shè)計中，標志用戶從困惑轉(zhuǎn)變?yōu)槔斫夂托湃?。關(guān)鍵轉(zhuǎn)折點，用戶開始積極使用產(chǎn)品或服務(wù)。例子社交媒體應(yīng)用：用戶第一次收到新朋友的消息。在線購物網(wǎng)站：用戶第一次成功找到并購買商品。延伸閱讀：Aha時刻和魔法數(shù)字魔法數(shù)字量化的用戶行為，與長期參與和留存顯著關(guān)聯(lián)。發(fā)現(xiàn)關(guān)鍵行為并優(yōu)化產(chǎn)品，提高用戶留存率。例子領(lǐng)英：第一周增加5個新社交關(guān)系的用戶留存率高。臉書：注冊第一周內(nèi)增加10個好友的用戶留存率高。推特：第一周有30個粉絲的用戶留存率高。魔法數(shù)字可能代表用戶達到Aha時刻所需的一系列行為或交互，或是用戶達到Aha時刻的量化表示。產(chǎn)品團隊通過分析用戶數(shù)據(jù)確定魔法數(shù)字，并優(yōu)化用戶體驗，幫助用戶達到關(guān)鍵指標，加快實現(xiàn)Aha時刻，提高留存率和參與度。此外，根據(jù)業(yè)務(wù)需求，企業(yè)可以選擇產(chǎn)品監(jiān)控、價格分析等數(shù)據(jù)分析方法，解決特定問題。四、數(shù)據(jù)應(yīng)用產(chǎn)品迭代是產(chǎn)品生命周期中重要的一環(huán)，一次完整的產(chǎn)品迭代一般需要經(jīng)過3個階段和8個步驟。1.產(chǎn)品迭代產(chǎn)品上線前產(chǎn)品上線后產(chǎn)品上新中產(chǎn)品需求收集、分析與評估—產(chǎn)品定義—交互和視覺設(shè)計—技術(shù)評審—研發(fā)測試—上線跟蹤數(shù)據(jù)及總結(jié)四、數(shù)據(jù)應(yīng)用在營銷活動的不同階段，可以利用