而数据挖掘从细微和模型角度去研究数据 ， 从学习集、训练集发现知识规则 ， 除了一些比较商业化的软件SAS ， WEKA功能强大的数据分析挖掘软件 ， 这边还是更推荐使用R ， Python ， 因为SAS ， SPSS本身比较昂贵 ， 也很难做页面和服务级别的API ， 而Python和R有丰富的库 ， 可以类似WEKA的模块 ， 无缝交互其他API和程序 ， 这里还需要熟悉数据库 ， Hadoop等 。
二、数据细分受众
在执行大数据分析的3小时内 ， 就可以轻松完成以下的目标：精准挑选出1%的VIP顾客发送390份问卷 ， 全部回收 问卷寄出3小时内回收35%的问卷 5天内就回收了超过目标数86%的问卷数所需时间和预算都在以往的10%以下 。
这是怎么做到在问卷发送后的3个小时就回收35%？那是因为数据做到了发送时间的"一对一定制化" ， 利用数据得出 ， A先生最可能在什么时间打开邮件就在那个时间点发送问卷 。
举例来说 ， 有的人在上班路上会打开邮件 ， 但如果是开车族 ， 并没有时间填写答案 ， 而搭乘公共交通工具的人 ， 上班路上的时间会玩手机 ， 填写答案的概率就高 ， 这些都是数据细分受众的好处 。
三、预测
“预测”能够让你专注于一小群客户 ， 而这群客户却能代表特定产品的大多数潜在买家 。 当我们采集和分析用户画像时 ， 可以实现精准营销 。 这是最直接和最有价值的应用 ， 广告主可以通过用户标签来发布广告给所要触达的用户 ， 这里面又可以通过上图提到的搜索广告 ， 展示社交广告 ， 移动广告等多渠道的营销策略 ， 营销分析 ， 营销优化以及后端CRM/供应链系统打通的一站式营销优化 ， 全面提升ROI 。
我们再说一说营销时代的变迁 ， 传统的企业大多还停留在“营销1.0”时代 ， 以产品为中心 ， 满足传统的消费者需求 ， 而进入“营销2.0” ， 以社会价值与品牌为使命 ， 也不能完全精准对接个性化需求 。 进入营销3.0的数据时代 ， 我们要对每个消费者进行个性化匹配 ， 一对一营销 ， 甚至精确算清楚成交转化率 ， 提高投资回报比 。
四、精准推荐
大数据最大的价值不是事后分析 ， 而是预测和推荐 ， 我就拿电商举例 ， "精准推荐"成为大数据改变零售业的核心功能 。
譬如服装网站Stitch fix例子 ， 在个性化推荐机制方面 ， 大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式 ， Stitch Fix不一样的地方在于它还结合了机器算法推荐 。 这些顾客提供的身材比例 ， 主观数据 ， 加上销售记录的交叉核对 ， 挖掘每个人专属的服装推荐模型 。 这种一对一营销是最好的服务 。
数据整合改变了企业的营销方式 ， 现在经验已经不是累积在人的身上 ， 而是完全依赖消费者的行为数据去做推荐 。 未来 ， 销售人员不再只是销售人员 ， 而能以专业的数据预测 ， 搭配人性的亲切互动推荐商品 ， 升级成为顾问型销售 。
五、技术工具
关于预测营销的技术能力 ， 有几种选择方案：
1、使用预测分析工作平台 ， 然后以某种方法将模型输入活动管理工具；
2、以分析为动力的预测性活动外包给市场服务提供商；
3、评估并购买一个预测营销的解决方案 ， 比如预测性营销云和多渠道的活动管理工具 。
但无论哪条路 ， 都要确定三项基本能力：
【分享大数据精准营销的7个要点 大数据精准营销的要点有哪些？】1）连接不同来源的客户数据 ， 包括线上 ， 线下 ， 为预测分析准备好数据 ；
2）分析客户数据 ， 使用系统和定制预测模型 ， 做高级分析 ；
3）在正确时间 ， 正确客户 ， 正确的场景出发正确行为 ， 可能做交叉销售 ， 跨不同营销系统 。
六、预测模型
预测客户购买可能性的行业标准是RFM模型（最近一次消费R ， 消费频率F ， 消费金额M） ， 但模型应用有限 ， 本质是一个试探性方案 ， 没有统计和预测依据 。 “过去的成绩不能保证未来的表现” ， RFM只关注过去 ， 不去将客户当前行为和其他客户当前行为做对比 。 这样就无法在购买产品之前识别高价值客户 。
推荐阅读
- 介绍网上推广的9大渠道 网上推广的渠道有哪些？
- 分享网络推广的16种渠道 网络推广的渠道有哪些？
- 教你做线上运营推广的3大步骤 线上运营推广该怎么做？
- 介绍网络品牌营销的4大优势 网络品牌营销的优势有哪些？
- 分享品牌营销的9大策略 品牌营销的策略有哪些？
- 分享做品牌营销推广方案的6个步骤 品牌营销推广方案该怎么做？
- 大连海洋大学专科校区 大连海洋大学专科
- 天涯明月刀手游平民省钱攻略大全-胜负令、银两及天魁币使用技巧读懂您就是高手
- 无极仙途内丹组合分享-内丹最强技能顺序一览猜你喜欢
- 云顶之弈s4最新版本上分阵容-最强决斗亚索阵容玩法攻略教学一览大全