第一篇:大数据下团购网站邮件营销该怎样做用户体验
大数据下团购网站邮件营销该怎样做用户体验
以大数据为核心的个性化营销则是帮助电商在红海大战中赢得战役的利剑。可是,相信很多人和我一样,每天电子信箱中都充满了这样的邮件,但是从来没有打开过。
很多团购公司都会虔诚地每天发给订户各种各样的促销信息,坦率地说其中很多都的确非常优惠,非常吸引人,但是这些团购公司忽略了一点——用户体验。我们看看其中的一两个团购邮件,来分析里面的问题:
1,美食的推荐不分地域:一封邮件中,从五道口到王府井,从苏州桥到簋街,可能有人会因为一个 3 折或者更低的团购感兴趣,但是真的会从东五环开车去西四环吗?
2,娱乐的推荐也有类似的问题,丝毫没有考虑用户的地理位置,价格等因素
3,更有甚者,不分收信人的性别,有没有考虑可能带来的尴尬。
其实,所有这一切现象都表明现在的团购网站在 EDM 的思路上,基本上还是粗旷式的,把所有客户当作一人,彻底把电商的优势放弃了,回到了传统零售门店和邮寄销售模式的阶段去了。不仅如此,其实在电商的环境 中这样的 EDM 有时候比没有还糟糕,因为它们恰恰带给这些可能成为他们客户的人们一个非常负面的用户体验,用长期不相关的占用大量篇幅的邮件占领用户的邮箱,长此以往,他们离“讨人嫌”只一步之遥了„„,而对他们的惩罚可能是既简单而又残酷的,鼠标轻轻一点,他们的邮箱地址送到垃圾邮箱,从而再也无法给这个潜在的客户推 送促销信息。
如果看看你的用户们的垃圾邮箱,当你看到你辛辛苦苦设计的促销直邮,规律地,全部地,在垃圾邮箱中按时报到的话,你做何感想?那么,团购网站应当如何做呢?个性化是最基本也是很有效的方法:
1,对客户进行多维度地分析:以用户的地域、性别、年龄等人文属性建立分析维度,把所有的团购信息进行筛选,这样可以简单地把 EDM 的相关性大幅提高,起码用户收到的邮件是基本在住宅、工作场所附近,和自己的普通属性相关的,可能有一些兴趣的商品。
2,对客户过去是否有点击,是否有购买,购买的产品价值,购买的频率,最近一次什么时候购买等属性进行量化,产生客户价值的评分,把客户分出价值的高低,对推 荐的接受难易程度作出评估,依据这些评分来决定多频繁对该客户进行 EDM 操作,以及推荐的商品的细类,以提高反馈率。
3,对购买过商品客户的购买记录,以及点击过的商品记录进行分析,对团购的折扣比例,商品原价,折扣金额,团购时间长短,能否退款,是否单人使用,口味(餐饮 类),风格等等分别打分、统计、归类,以对客户的可能兴趣点进行“预测”,这是一个相对高级、相对复杂的过程,但是运用得好的话会收到非常良好的效果。
4,考虑在所有推荐的商品旁边增加一个“不喜欢”的按钮,收集客户不喜欢的东西对个性化推荐来说具有几乎和喜欢的商品一样重要的价值,假设一个客户告诉你他不 喜欢一款 49 元的西餐厅的双人午餐,可能比他点击甚至购买另外一个 99 元日餐双人套餐给你透露的信息还要多。
比如我观察到的一个比较成功的案例:一个旅游网站对客户之前的浏览、搜索行为进行了跟踪,并以此进行了有效的推荐,注意:该推荐中体现了客户的目的 地、价位、旅游诉求等多方面的需求。按照这些方法,业界专门从事 EDM 优化的公司可以把EDM的点击率从传统意义上的1%左右提高到近10%的点击率,5000封EDM产生370个人,510个点击,最终共产生800个订单。
第二篇:3-13独立网店怎样做好用户体验营销
http:///
独立网店怎样做好用户体验营销
之前已经谈过了做好网店用户体验感的几点因素,今天要和大家聊聊体验营销,独立网店怎样做好用户体验营销呢?
一、店铺定位
1、风格:色彩搭配和和谐,适合店铺风格,不能太压抑也不要太空泛。最后还要测试一下,大致定位好
以后后期做细微调整即可。
2、搜索导航、客服栏,买家浏览时需要在短时间内能够搜索、找到自己的需求产品,在这点上不能吝啬
导航的设置,要划分合理的位置作为买家易寻找的浏览窗口。
3、宝贝描述,这个不多说了,请参加之前已经概括过的独立网店系统的宝贝详情页应该有什么。
4、网页速度,这点不要被忽视了,不要为了展示放太多图片,图片太多太长往往很久都不能打开,影响
用户感受,经常会出现直接关掉页面的做法。所以图片要精炼,并且图片大小要做处理。
二、客服
客服是网店的一扇窗户,并且需要进行一些培训,通过电子商务网店客服培训手册使客服更好的服务顾客,使之提高网店订单转化率。
三、快递1、2、3、4、四、互动体验
采取各种各样的方式做好售后服务,提升用户归属感、忠诚度,最终达到提升二次购买率和单次购买客单价的目的。
1、2、点到为止,独立网店怎样做好用户体验营销呢?这个问题博大精深,以后我们慢慢来挖掘。
选择合适的方法,不要人云亦云,看重别人做微博自己就做微博,其实自己的产品根本不时候这种方法; 选择目标客户,只针对自己的精准、目标客户做好优质服务,一个个培养忠诚会员; 快递速度;与优质快递合作,性价比高,服务到位,安全有保障。快递服务质量;态度好,服务周到,送货上门。包裹质量;到达时包装完好,无破损。包裹形象;突出品牌、产品形象,有质感。
http:///
第三篇:探讨大数据支撑下的存量用户精准营销
探讨大数据支撑下的存量用户精准营销
【摘要】 随着大数据的应用越来越广泛,运营商对基于大数据支撑下的应用场景进行了探索。为提高存量用户的营销效率,提升获取目标用户的精准性,文章对目标用户的社会交往圈进行深入研究,分析存量用户的画像特征,利用数据挖掘技术,构建相关分析模型,得到用户的新型立体标签,为存量用户的营销推广提供数据分析和决策优化支撑能力,为运营商存量用户的经营开拓了一个新的思路。
【关键词】 大数据 存量用户 数据模型 精准营销
一、引言
随着电信市场人口红利的消失,运营商的新增用户规模在不断下降,而存量用户则不断在流失,此种情况下,通过提升用户规模保持公司的高速增长变得异常艰难。为支撑存量用户的保有经营活动高效开展,推进大数据模型在精准营销和存量维系层面的应用,本文积极开展相关数据模型的探索。通过对QQ、微信等社交软件的深入研究发现,社交软件一旦占据了规模优势,其在社交领域的产品排它性和在用户层面的高黏性特征将使其具备绝对的竞争优势。如何在大数据时代环境下,充分利用运营商较高用户市场份额的规模优势,在用户日常交往圈中具备高度的覆盖率,通过大数据先进的挖掘分析技术,实现存量用户精细化经营对运营商是新的挑战。
二、大数据技术简介
大数据(Big Data)是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高,或者其结构不适合原本的数据库系统。为了获取大数据中的价值,我们必须选择另一种方式来处理它。对于企业组织来讲,大数据的价值体现在两个方面:分析使用和二次开发。对大数据进行分析能揭示隐藏其中的信息。大数据处理数据时代理念的三大转变:要全体不要抽样,要效率不要绝对精确,要相关不要因果。
三、基于朋友圈数据模型的精确营销
1、方案综述。基于社会交往圈的存量用户分析是采用逻辑回归算法设计“朋友圈”大数据模型,通过模型精确识别用户的朋友圈关系,进而识别出用户在朋友圈内的语音通话需求。通过对用户通话需求的分析,设计适用于朋友圈内优惠的语音通话优惠产品,再根据用户的朋友圈特征进行用户与产品的适配,对有潜在需求的用户进行规则预判和产品适配,形成可以用于精确营销的用户画像标签库数据。整个方案主要分为朋友圈模型设计、朋友圈黏性产品设计、朋友圈用户产品适配、朋友圈产品精准营销等四个阶段。
2、“朋友圈”数据模型设计。为设计“朋友圈”数据模型,首先需要识别用户间的朋友关系,因此,采用数据挖掘的方法来构建模型,模型的训练数据采用已知两两号码对是否为好友关系来实施,以达到最终模型能够预测不同的用户之间是好友的可能性,并且根据好友识别模型的结果来构造朋友圈模型。在构造模型输入变量时,首先考虑语音交往圈两两号码对用户消费行为相似程度,例如两个用户年龄差距大小,是否存在“代沟”;两个用户使用的产品是否相仿等,采用逻辑回归算法对号码的关键指标进行建模,计算两两号码是朋友关系的可能性大小。当朋友关系识别对应概率≥40%的时候,则认定该对号码是朋友关系。
3、“朋友圈”黏性产品设计。“朋友圈”数据模型是基于用户的通话行为作为基本指标构建的,黏性产品在设计时必须以用户的基本通话需求为出发点,因此朋友圈黏性产品以语音通话优惠作为基本产品构成。为合理设计朋友圈内通话优惠幅度、价格区间等。通过对用户朋友圈内的通话时长分析发现,主叫通话时长在50分钟以上的占比为52%,朋友圈通话在50分钟以内的用户因其话务量低,通话刚性需求较少,不作为语音通话黏性产品的目标用户。因此,产品设计应当以圈内通话50分钟以上的用户为目标用户。
4、“朋友圈”产品用户适配。产品适配是根据朋友圈模型输出的潜在目标用户,综合考虑用户的语音通话需求、同质产品的订购关系、产品之间的兼容性等因素,叠加用户业务受理频度、新业务接受能力、投诉记录等因素,筛选出有潜在需求且具备办理条件的用户,为一线提供精准的营销数据支撑。
5、“朋友圈”产品精准营销。通过大数据挖掘分析模型的综合应用,探索利用大数据技术构建“立体标签”,将客户偏好与时空环境有机结合,通过“立体标签”实现智能营销匹配和智能执行,通过采取线上和线下触点营销方式,针对朋友圈活跃的存量用户精确推广亲亲网、家庭宽带、家庭套餐包等粘性强的产品。
四、结束语
大数据的应用技术日趋成熟为运营商优化营销过程,利用更少成本,创造更高收入创造有利条件。“朋友圈”数据模型及其产品的应用,为运营商开展存量用户经营开拓了一个新思路,通过大数据模型的构建和迭代应用,精准锁定需求用户,有效引导了产品设计,为一线提供了完备的营销数据支撑,形成了数据挖掘-产品制定-营销指导的数据价值变现模式。
参 考 文 献
[1]王尧,基于大数据的数据处理方法研究分析[J].数字技术与应用,2014(06).[2]刘鹏,大数据技术与应用[J].中兴通讯技术,2013(04).[3]邱仁宗,黄雯,翟晓梅,大数据技术的伦理问题[J].科学与社会,2014(01).