大数据在营销以及用户运营方面运用

大数据在营销以及用户运营方面运用
大数据具有四个方面特征：规模、多样性、即时性和速度。规模：是指大数据的大规模。从数据量的采集、存储和分析处理的量三个维度的规模大来描述。多样性，是指数据表现形式多样性。从传统字符、文档、表格形式发展到现在，音频、视频等形式；另一方面，从数据结构上，过去的小样本表面抓取分析到现在大规模的关联分析，寻找数据关联性和相似性。即时性，指高速度数据处理的意思。价值，大数据因为规模，整体价值很高，因此大数据所能带来不同以往的精准性、效率性。



01

大数据在营销实战四个方面的应用



大数据应用与营销建设方面，主要体现帮助企业建立四个画像：品牌画像、市场画像、用户画像、产品画像。



品牌画像：企业通过会推广传播品牌，那么品牌在市场中建立的认知与企业期望的认知相符吗，用户以及相关群体对品牌的实际认知是什么，这中间的差距在哪里，通过大数据分析可以建立品牌画像，塑造品牌。



市场画像：企业通常会选择细分市场，那么这个细分市场，在整体竞争格局当中，是否具有竞争力，是否可以成为企业的战略性细分市场，通过大数据分析，可以帮助企业发现并选择最适合的目标市场。



用户画像：企业推广传播需要针对目标人群，我们是否了解目标人群的用户画像，通过大数据分析，建立用户标签，基于用户画像帮助企业进行标签化的运营，带来业绩实现转化。



产品画像：企业会有主打的产品，这个产品的卖点是什么，相比竞品是否具备独特的竞争优势，通过大数据分析，行程反馈，帮助企业迭代产品，形成产品的竞争力。



图片
02

大数据用户运营方面的模型应用



大数据应用在用户运营当中，最常用的模型是RFM模型。RFM模型是衡量当前用户价值和客户潜在价值的重要工具和手段。



RFMRencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合，消费指的是客户在店铺消费最近一次和上一次的时间间隔，理论上R值越小的客户是价值越高的客户，针对不同的RFM组合情况，企业需要制定相应的策略。



图片

比如：



R高，F低，M高，说明最近曾来光顾，但是整体频次低，但是消费金额高，营销上把这类用户定义为重要发展用户，对应策略是推出高质量的产品吸引用户。



R高, F低，M低，说明最近曾来光顾，但是整体频次低，消费金额低，营销上通常定义这类用户为新用户，对应策略是在推荐方面进行优化，同时提醒用户产品价值，通过产品组合以及相关活动吸引用户。



图片
03

大数据用户运营方面的实操运营



大数据在营销方面结合度比较高体现在精准营销，通过大数据企业可以更精准运营用户，营销投入获得更高的回报。



图片

用户运营在实战当中一般分为四个阶段：拉新、激活、留存、召回。
大数据在拉新当中应用：


拉新首先表现为触达渠道，企业思考在什么场景下，通过什么方式或者渠道，发送什么样的内容，给目标用户，实现相应效果。



通过大数据，企业可以建立用户画像，通过用户精细化的运营，给触达对象进行分类、分层，建立精准化的推送目标。企业可以根据用户画像，基于场景设定推送时间，根据用户行为数据，设定适合的时间，产生很高的转化效果。



大数据在激活当中应用：



激活的核心是找到最佳体验时刻（AHA时刻），企业可以根据用户在一定时间内，结合产品完成一定次数的关键行为，例如美颜相机，通过数据统计，第一天下载好APP，拍照的用户有多少；第一天，没有拍照的有多少；第一天，用了滤镜的有多少，第一天没有用滤镜的有多少；找出用户激活的可能性行为。结合大数据，计算因果性，找出关键性最强的激活行为，实施激活用户策略。



大数据在留存当中应用：



大数据应用用户留存比较有效果，常见的方法是进行A/B测试，企业会在多个渠道进行投放，根据数据可以反应出哪个渠道效果额更好，用户与产品契合度高、用户画像吻合产品目标人群、渠道用户留存率高等，通过数据分析，帮助企业制定策略，加大在关键渠道的投入。



大数据在召回当中应用：



召回针对即将或者已经流失的用户，大数据在用户召回方面体现最直接的精准化运营，企业建立用户数据，针对用户画像进行推送。企业可以获取一些和用户有关的重要时间点，通过数据分析，如用户注册一周年，在这个时间节点上对用户表达感谢，企业还可以在用户使用产品一年进行一个总结，例如网易云音乐总结，用户在过去一年，听了什么音乐，听了谁的音乐；听那些歌手音乐最多；听哪个音乐最多；听哪个类型的音乐最多，这是召回用户的模式。



通过大数据分析，企业可以找到产品与用户的更多契合点，通过精准化运营，推送内容唤醒用户，实现用户召回。