大数据营销-理论与实践 课件全套 李季 第1-10讲 大数据营销概述-娱乐大数据营销

《大数据营销》课程介绍课程目标

了解大数据营销的基本概念、理论基础和技术方法

具备数据思维，了解大数据营销创新的主要策略和手段

了解典型行业的大数据营销实践课程内容大数据用户画像大数据营销概述营销中的大数据大数据移动营销大数据社会化营销服务大数据营销大数据客户管理零售大数据营销金融大数据营销娱乐大数据营销成绩评定平时成绩（20分）

出勤+课堂讨论

小组作业（50分）全班同学自愿分组，每组5-6人，以下作业二选一。1.根据授课内容自选一个主题。撰写一个大数据营销案例，并对案例进行分析，写出案例分析报告。要求案例必须包含一手资料，可以通过调研、访谈、实地观察、互联网爬取等方式获取资料和数据。2.针对某个行业或企业的大数据资源，探索和研究新的应用价值，撰写产品、服务、商业模式或管理创新报告。

个人作业（30分）

自选主题，对某个行业或企业的大数据应用进行研究，撰写一篇大数据营销应用研究，主题尽可能具体。第一讲大数据营销概述

大数据时代

1ZB数据相当于500万亿张自拍照、2.5万亿首MP3歌曲美国国会图书馆所有登记的印刷图书的信息量为15TB到目前为止，人类生产的所有印刷材料的数据量为200PB谷歌每小时处理的数据量为1PB

大数据是如何产生的

运营系统产生的数据：电商、OTO、交通、旅游、制造、医疗……用户主动产生的数据：微博、微信、抖音、知乎、视频……感知系统产生的数据：摄像头、可穿戴设备、物联网、传感器……

各行各业的大数据

健康医疗大数据

交通大数据

大数据的概念

大数据，是指无法在可承受的时间范围内用常规软件工具捕捉、管理和处理的数据集合，是需要新处理模式才能产生更强的洞察力、决策力和流程优化能力的海量、高增长和多样化的信息资产。

大数据的特征

价值性(value)整合传统意义上低价值密度的数据，产生规模效应，形成高价值、作用巨大的信息资产规模性(volume)体量庞大;目前的测量单位是PB、EB或ZB高速性(velocity)数据的产生速度快；要求数据访问、处理、交付等的速度快多样性(variety)类型和结构多样;如文本、视频、图像和音频等准确性(veracity)观测性数据，直接反映真实世界；关注数据质量

大数据的价值

对社会的价值大数据在社会治理、维护社会稳定、构建和谐社会等方面有显著效果。比如中国的国家智慧城市试点，其中包含智能安防、智能电网、智能交通、智慧医疗、智慧环保等多领域。对企业的价值创造新的商业模式：新零售、OTO、共享经济创造新的营销模式：基于大数据的市场预测、个性化营销、精准营销、社会化营销管理效率大幅提升：基于大数据的决策管理对个人的价值便利生活，提高幸福指数

市场营销新变革大数据带来了更加深刻的消费者洞察针对顾客的个性化营销成为可能实现对用户的实时响应，改善用户体验基于大数据的精准营销使营销效率大幅提升营销效果即时测量，营销策略实时调整

创新：用户画像

兴趣爱好把用户数据转化为标签客户洞察个性化营销精准营销产品优化运营决策……

社会化营销社会化媒体营销：在社会化媒体平台上，通过整合营销渠道，以线上社交活动为核心，展开营销活动，促进与受众的互动，提升受众的认知和兴趣，促进受众消费转化的营销策略。社会化媒体：为用户提供了发布信息、表达自我的渠道，还具备交流、分享、展示、建立联系、树立声望与构建社群等功能。

社会化媒体中的大数据：社会化媒体已成为消费者的第二生活空间，在社交媒体上人们的丰富表达，对于营销者真正了解市场，了解消费者的真实想法和诉求，提供了很好的机会。

移动营销

移动营销是指企业使用移动媒介、设备或技术与消费者进行双向或多向沟通，并对产品进行促销的营销活动。移动营销就是在移动环境下的营销，是把营销信息推送到移动设备上，如手机、平板电脑等。移动营销具有“4I”的典型特征:Individualidentification(个体识别)Instantmessage（即时信息）Interactivecommunication（互动沟通）I（我的个性化）

客户管理

“以客户为中心”的管理理念拉新—留存—促活大数据对客户管理的作用：客户价值的核算更加准确目标客户定位更为精准个性化的营销策略，改善用户体验客户流失预警

大数据营销的概念

大数据营销是指利用大数据技术对与企业经营活动相关的各种大数据进行分析和挖掘，从中获得有价值的信息，并将其用于营销决策，以提高营销效率、改进营销效果的一种市场营销模式。

大数据营销的优势

深刻的客户洞察：“比客户更了解自己”个性化的营销策略：个性化推荐、个性化定制、个性化定价、个性化促销实时地客户响应：“改善用户体验”精准的营销推广：“找到对的客户”可测量的营销效果：改进营销效果

零售大数据营销实践

零售大数据：用户浏览记录、购买记录、产品信息、促销信息、社交媒体数据、pose收款信息、CRM上的投诉等个性化推荐新零售大数据营销：人、货、场的重构

服务大数据营销实践

传统服务业的大数据营销：挖掘“潜意识”，改进顾客体验餐饮业利用大数据技术，发现消费者的潜在口味，确定新产品的特点，寻找开放创新的突破口，打造新爆款。酒店业根据消费者在酒店官网页面停留的时间、在社交媒体上的分享、点赞、评论等行为，分析消费者偏好，为其提供合适的价格档位和房型。平台类企业的大数据营销：精细化运营、LBS

金融大数据营销实践

互联网金融的兴起与大数据营销不同类型互联网金融业务：保险、基金、信托、消费金融金融大数据营销：精准营销、风险控制、智能投顾、反欺诈

娱乐大数据营销实践

大数据成为文化娱乐产业的核心资产文娱产业：音乐、视频、游戏、直播文娱大数据的复杂性：瞬时数据分析大数据营销应用：个性化推荐、内容创作、灵活定价

大数据营销管理相关问题

大数据营销战略：数据规划与应用大数据营销组织：数据部门与营销部门、信息系统建设大数据营销人才：数据思维、数据技术、营销能力企业文化建设：对数据的敬畏别忘了作业，分组，选题~第二章营销中的大数据

营销大数据概述

营销大数据，是指企业在围绕顾客需求展开的一系列经营活动中，所使用的以体量大、类型多、存取速度快、应用价值高等为主要特征的数据集合。

传统数据与大数据的对比

传统数据大数据体量（Volume）GB、TB不断更新（PB、EB、ZB）产生频率（Generatedrate）每小时、每天……更快速结构（Structure）结构化半结构化或非结构化数据源（Datasource）集中全分散数据集成（Dataintegration）容易困难数据存储（Datastore）RDBMSHDFS,NoSQLRDBMS：RelationalDatabaseManagementSystemHDFS:HadoopDistributedFileSystemNoSQL:

NotOnlySQL

营销数据的发展历程起步面板数据引入计算机Web数据社交媒体数据移动设备开始收集市场信息内部数据+外部数据问卷调查、电话调查内部客户数据零售终端扫描仪数据CRM软件、数据库营销网页数据和事务日志等用户生成内容：文本、视频、图像等数据消费者位置数据、完整立体数据当前

营销大数据的分类

按数据来源按数据关系社交媒体数据Webandsocialmediadata传感数据Sensor

data交易数据Transaction

data…结构化数据Structured

data半结构化数据Semi-structured

data非结构化数据Unstructured

data

营销大数据的分类

按内容格式按定义内容文本Text视频Vedios文档Documents…元数据Meta

data主数据Master

data事务性数据Transactional

data…图片Images音频Audios光谱Spectrums

营销大数据的主要数据源1

交易系统线下渠道：支付手段相关的POS机/信用卡数据、线下交易的商品数据等；线上渠道：支付手段相关的数据、线上交易的商品数据、互联网点击数据等。移动通信设备提供多方位反映用户行为的立体完整数据，如交易相关数据、反映个人信息或状态的事件数据等。

营销大数据的主要数据源2

机器和传感器定位/GPS系统、连接互联网的家用电器、摄像头等功能设备创建和产生了大量数据。物联网将这些数据连接、储存了起来。网络开放数据源政府机构提供的人口普查数据、宏观经济数据等非赢利组织机构公布的环境气象数据等企业免费提供的搜索记录、地图数据等…

营销大数据的主要数据源3

网页和社交媒体即时消息类应用（QQ、微信、WhatsApp、Skype等）在线社交类应用（QQ空间、人人网、Facebook等）微博类应用（新浪微博、腾讯微博、Twitter等）共享空间类应用（论坛、博客、评价分享等）从这些源头获取的数据往往包括文字、文档、图片、音频、视频、电子邮件等，大多数为非结构性数据。数据源：车载信息系统提供信息：汽车车速、行驶里程、是否安装紧急制动系统等应用举例：判别客户的风险等级数据源：RFID（电子标签）提供信息：商品的配送、货架摆放、存量与销售情况等应用举例：调整促销计划

常见的行业大数据1

汽车保险业：车载信息系统数据零售制造业：RFID数据

常见的行业大数据2

电力行业：智能电网数据视频游戏：遥测数据数据源：智能电网中的设备和传感器提供信息：实时、自动、大量的用电数据应用举例：客户细分、差别定价数据源：游戏系统提供信息：玩家在游戏中的活动情况，如通关时长等应用举例：产品优化

营销大数据的采集1

传感器传感器是一种监测装置，常用于测量物理环境中的一些信息，并将这些信息转化为易读、可处理的数字信号，能实现大数据源的智能识别、感知、信号转换、适配、传输和载入。可采集的信息：温度、声音、电流、振动、压力和距离等。这些信息会通过有线或无线网络从传感器传送到数据采集点。营销大数据的采集2

日志文件日志由数据源系统产生，系统的活动会被日志以特殊的文件格式记录下来。和物理传感器相比，日志文件可以被看作是用于捕获用户在网站上的活动的“软件传感器”。可采集的信息：用户的使用记录。

例如，网站用户的点击、键盘输入、访问行为等。通常用于存储日志信息的是文本文件，但面对海量数据仓库，为提高对日志文件的查询效率，也会用数据库存储数据。营销大数据的采集3

网页爬虫爬虫是指为搜索引擎下载并存储网页的程序，是采集网站（如搜索引擎，网页缓存等）数据的主要方式。使用网页爬虫的数据采集过程需要考虑四种策略：选择策略（用于决定访问哪些网页）更新策略（用于决定检查网页是否更新的时机）适度策略（用于防止过度访问网站）并行策略（用于协调分布的爬虫程序）

网页爬虫的基本工作程序

顺序地访问待抓取队列中的一组URL，并为所有URL分配优先级从待抓取队列中获得具有一定优先级的URL，下载对应的网页，存储该网页信息并将这些URL移入已抓取队列中解析网页中包含的其他URL，将这些新的URL添加到待抓取队列中010203该过程一直重复，直到爬虫程序满足一定条件停止为止。*URL：UniformResourceLocator

三种数据采集方法的特点对比

方法模式数据结构数据规模复杂度应用举例传感器Pull结构化或非结构化中等复杂视频监控，库存管理等日志文件Push结构化或半结构化小简单网页日志、点击量等网页爬虫Pull混合大中等搜索、社交网络分析等*拉式（pull-based）采集方法：数据由集中/分布式的代理主动收集*推式（push-based）采集方法：数据由源或第三方推向数据汇聚点

数据采集后传输、存储、预处理

数据传输：IP骨干网传输+数据中心传输数据存储：数据中心暂存数据预处理：

数据集成（Dataintegration）

数据清理（Datacleansing）

冗余消除（Redundancyelimination）

数据存储

数据存储是指将采集得来的数据以恰当的格式存储，以备分析和价值提取的过程，解决的是大数据的持久存放和管理问题。一般，企业采取云存储技术进行大数据存储。云存储采用分布式文件系统，具有良好的可扩展性、容错性，内部实现对用户透明，成本相对低廉。现有的云存储分布式文件系统包括HadoopHDFS,GoogleGFS,Lustre,

FastDFS等。Hadoop简介

Hadoop2.0核心功能模块YarnYarn对MapReduce进行了拆分，分别是：负责全局资源分配与管理的RM、负责单独应用程序管理的AM。MapReduce用于大规模数据集（大于1TB）并行运算的编程模型。CommonHadoop的通用工具，作用是支持其他Hadoop模块。HDFS数据存储的基础，可以实现数据的一次写入，多次读取。Hadoop简介

国外IBM应用Hadoop构建云框架，执行大规模的静态数据分析和实时数据分析等；Amozon基于Hadoop构建商品搜索索引；Facebook使用Hadoop存储内部日志与多维数据,并以此作为报告、分析和机器学习的数据源；Twitter使用Hadoop的功能存储微博数据、日志文件、中间数据以及压缩数据。国内百度对Hadoop进行改造，开发HCE系统以及自己的日志分析平台、数据仓库系统等，提供分析计算和存储服务；阿里巴巴使用Hadoop构建自己的大数据系统，为淘宝、天猫、聚划算、支付宝等提供底层的基础计算和存储服务；腾讯使用Hadoop为各产品线提供基础云计算和云存储服务；华为使用Hadoop构建了大数据平台，通过实时数据处理引擎，以事件驱动模式解决高速事件流的实时计算问题。Hadoop的应用

营销大数据挖掘

大数据挖掘的含义

利用各种分析方法，从采集得来的大数据中提取潜在的、

可理解的、有价值的信息的过程核心目标

发现大数据中隐藏的规律性提取出的信息

用于数据预测的信息、用于揭示数据内在结构的信息

营销大数据挖掘的意义

大数据挖掘从营销大数据中提取以往无法获知的信息，可以为传统的营销活动提供更为丰富、准确的信息；同时使面向个体的精准营销成为可能，小众需求的开发、产品定制、差异化定价、促销活动的精准开展、特定渠道的选择等都需要依托大数据挖掘分析提供的信息。数据隐含价值，技术发现价值，应用实现价值。G.R.E.A.T原则

营销大数据挖掘需要遵循G.R.E.A.T原则导向性（Guided）相关性（Relevant）可解释性（Explainable）可行性（Actionable）及时性（Timely）

常用的营销大数据挖掘技术

面向大众、细分市场的数据挖掘技术：关联分析演变分析（相关分析与时间序列分析）因子分析聚类分析分类分析异常分析…面向个体的数据挖掘技术：（包括左侧所有技术）特异群组分析look-alike模型智能推荐（基于内容或基于协同过滤）社交网络分析…用于处理语音数据与文本数据的自然语言处理技术适应大数据规模性、多样性与复杂性特点的机器学习技术关联分析

关联分析挖掘数据项之间的关联关系，分析得到的结果用关联规则的形式描述。关联规则常见的表述方式：“86%购买啤酒的人同时也购买尿布”。常用的计算机算法：Apriori算法、FP-Growth算法、序列模式挖掘算法、USpan算法、HusMaR算法等。对于得到的关联规则，有以下几个指标可用以评估简洁性：度量一个规则结构的复杂程度,结构太过复杂的规则将难以解释与理解；实用性：度量规则再次出现的可能性，通常用支持度（关联规则出现的概率）表示；真实性：度量规则令人信服的程度,通常用置信度（关联规则正确的概率）表示；新颖性：度量规则是否被已知的关联规则所蕴涵,用以剔除冗余规则，通常用增益表示。

支持度、置信度与增益

交易代码购物篮1牛奶，橙汁，冰激凌，啤酒，肥皂2牛奶，冰激凌，啤酒3牛奶，橙汁，洗涤剂4牛奶，冰激凌，比萨饼5牛奶，橙汁，肥皂支持度指的是同时购买两种商品A和B的概率，P(AB)。支持度高说明商品A和B经常被一起购买。置信度指的是购买一种商品A的情况下，也会购买另一种商品B的概率，P(B|A)。置信度＝两种商品共同出现的概率／单项商品单独出现的概率，也就是说，P(B|A)=P(AB)/P(A)。增益是指使用数据模型的预测结果与没有使用数据模型的预测结果相比较好多少倍，即置信度与购买单项商品几率的比率：

lift=P(B|A)/P(B)

演变分析

演变分析用于描述数据发展的规律或趋势，主要包括相关关系分析和时间序列分析。相关关系分析方法研究当某个或某些因素发生变化时,对其他因素的影响，通常采用回归分析进行挖掘，包括一元线性回归、多元线性回归、一元多项式回归（一种非线性回归方式）、逻辑回归等分析方法。回归分析假设要预测的变量与其他一个或多个变量之间存在相关关系。时间序列分析则通过分析收集的已知历史和现状资料,研究其演变规律,据此预测对象的未来发展趋势。时间序列分析假设事物在过去如何随时间变化，今后也会以同样的方式继续变化下去，主要包括时间序列预测、相似搜索和周期分析。

回归分析

回归方法的选择

回归方法的选择

将实际观测（observed）的温度进行拆分，可分为长期趋势（trend）、周期波动（seasonal）和随机变动（random）三部分。供水温度的时间序列分解图

供水温度时间序列图

室内温度的时间序列分解图室外温度的时间序列分解图

因子分析&主成分分析

因子分析和主成分分析都是常用的降维方法，即用于将多个信息有所重叠的变量转化为少数几个综合指标。这样做可以在保留原有数据包含的大部分信息量的同时，减少纳入模型的变量个数，消除多重共线性，提高模型可信度。

聚类分析

聚类分析是根据最大化组内相似性、最小化组间相似性的原则将数据对象集合划分成若干类/若干组的过程。

分类分析

分类分析找出描述并区分数据类的模型（可以是显式或隐式）,以便能够使用模型预测给定数据所属的数据类。二者的挖掘目的均是将数据对象集合分门别类（如，将消费行为/消费者分类）。常见的分类方法有逻辑回归、决策树、判别分析等。

异常分析&特异群组分析

一个数据集中往往包含一些特别的数据,其行为和模式与一般的数据不同,这些数据称为“异常”。发现“异常”数据的分析过程称为“异常分析”。尽管大多数据分析中会将异常数据作为噪声消除，但某些情况中，异常数据可能包含了比正常数据更有用的信息，如，欺诈检测。特异群组是指由给定大数据集里由少数相似的数据对象组成的、表现异于大多数据对象的群组，是一种高价值、低密度的数据形态。特异群组组内数据相似，不在组内的数据占总体大数据集的大多数。发现特异群组的分析过程称为“特异群组分析”。

智能推荐相关技术

智能推荐，就是利用用户的一些行为数据并通过一些数学算法，推测出用户可能喜欢的东西。最主流的智能推荐算法分为两类，基于内容或基于协同过滤。其他的智能推荐算法还包括基于关联规则/效用/知识的推荐算法以及将各种推荐算法通过加权、层叠等方法进行二次处理的组合推荐算法。

社交网络分析

社交网络是指“由许多节点构成的一种社会结构”。这里的节点通常是指个人或组织，社交网络代表着各种社会关系。社交网络分析，可以用于探索虚拟社区的演化过程，挖掘社交网络群体行为形成与互动规律，发现社交网络信息传播与演化机理等。常用的几个统计概念有：度（Degree）、网络密度（Density）、聚类系数（ClusteringCoefficient）、介数（Betweeness）。12345678

自然语言处理

自然语言处理是指用计算机处理、理解以及运用人类语言的过程。营销活动中，自然语言处理常用于对语音数据及文本数据的挖掘分析。语音识别是语音大数据处理的关键技术。经过语音识别、文本转写后，语音数据会转化为文本数据。在对文本大数据的挖掘中，常用的关键技术包括关键词提取、语音情绪识别/情感分析、语义理解等。。

机器学习

机器学习，是指计算机模拟人类的学习行为，在获得新的知识和技能的同时，重新组织已掌握的知识和技能，并在应用中能够不断完善自身的缺陷与不足的过程。机器学习的基本框架有六个步骤：数据获取特征提取数据转换模型训练模型选择模型预测

机器学习的方法

数据中包含特征和标签，希望学习特征和标签之间的对应关系时，应选择监督学习；数据没有标签，希望探索数据特征自身的规律时，应选择非监督学习。在模型训练阶段，需要针对不同的问题挑选最合适的机器学习方法。Q&A第三讲大数据用户画像用户画像的产生及定义

用户画像的产生用户画像的定义大数据时代，越来越多的商家在运营过程中产生了庞大而又真实的消费数据。消费者留下的足迹能够真实地反映消费者的购买偏好、购买习惯等具有管理学价值的信息，这些信息能够指导企业的营销活动。用户画像是综合考虑用户多个维度的信息，例如消费习惯、生活特征等，从用户信息中提取出具有概括性的标签，给每一个用户贴上不同的标签，通过构建标签体系来最大化描绘用户的全貌。兴趣爱好

用户画像的特征

动态性时效性针对性

用户画像的步骤

明确用户画像的服务对象、决策目标以及应用场景，确定服务对象的需求重点需求分析了解企业的业务体系以及现有的数据类型和数据字段数据评估根据业务需求以及现在的数据，构建用户画像的标签体系构建标签获取数据并进行分析与建模，产生标签及标签说明文件，并存储到数据仓库中标签开发与存储在实际的业务场景中应用标签,对其进行检验与优化迭代标签应用

用户画像数据分类

第一种分类方式：根据数据的性质进行分类，可以分为用户个人属性数据以及用户行为数据。第二种分类方式：根据数据的变化频率，分为动态和静态数据

构建标签体系

根据服务对象的业务目标和画像需求，以及能够取得的数据，构建用户画像标签体系某金融机构客户标签体系

标签的类型

事实类标签：人口属性，购买频率，购买时间，购买产品…规则类标签：活跃度，客户价值…预测类标签：流失风险，违约风险，购买可能性…

标签的开发与存储

目前常用的大数据存储方式有：Hive存储Hbase存储不同类型的用户标签适用于不同的开发方法。事实类标签的分析方法较为基础，通过对用户数据的简单统计，便能获得事实层标签。规则类标签以及预测类标签的开发需要用到复杂的统计建模方法。

用户活跃度

以典型社交媒体微博为例，构建一个简单化的用户日活跃度模型序号事实层标签名称备注1在线累计时长当日累计的在线时长总和2微博发布数量当日发布微博数量的总和3转发数当日转发微博数量的总和4收藏数当日收藏他人微博数量的总和5评论与回复数当日评论他人微博以及回复次数6关注数新增关注微博数量………………

客户价值评价单个客户能够给企业带来的价值总和。财务价值：购买产品或服务所付出的金钱非财务价值?电商平台的客户价值预测

客户风险评估

结合企业实际出发，考虑自身的风险点（例如违约风险、流失风险）选择用户画像中与风险点密切相关的标签利用用户标签建模，预测发生风险的可能性

商业银行用户画像与客户流失预警

商业银行用户画像与客户流失预警

商业银行客户流失预警系统首先需要从用户画像中提取需要的特征，经过数据预处理以及特征工程（包括特征选择，特征重构，特征监督等），得到建模用数据，通过模型训练以及优化，进行预测，并评估结果

用户画像的应用——精准营销

精准营销是用户画像应用最为广泛的方向，精准营销的核心是预测客户购买的可能性。精准营销就是完美解决什么时间（when）把什么内容（what）发送给谁（who）。RTB广告、信息流广告、个性化推荐、个性化搜索

电信运营商的精准营销

截至2019年12月，中国电信拥有固定电话用户1.10亿户，移动电话用户3.35亿户。如此庞大的用户群体必将产生大量营销活动的成本。为了提升营销活动的收益，降低其成本，基于用户画像的精准营销成为中国电信推广业务的利器。某省电信运营商正在推广套餐升级活动，希望针对当前的套餐用户进行升级概率预测，对客户的营销优先级进行排序。探索不同客户群体的需求偏好，以确定营销过程中选择客户最感兴趣的需求点切入。

通过电信的自身的宽带客户资源，缩小分析基础客户群范围，从当前客户中筛选出符合业务目标的客户，作为数据挖掘的基础客户群，进行精准电话营销，促使用户升级套餐，从而提升电信在市场中的占有率。

电信运营商的精准营销

标签名称二级标签名称标签名称二级标签名称客户信息在网时长使用行为固话通话次数年龄上行宽带流量Serv_ID下行宽带流量产品信息宽带名义带宽宽带流量宽带在网时长宽带使用时长套餐设计档位宽带登录次数是否光小区固话总MOU价值信息套餐级总ARPU固话本地主叫时长宽带ARPU值固话长途主叫时长固话ARPU值工作时间宽带使用时长讨论：如何为知识星球构建用户画像？

知识星球诞生于2016年，一开始名叫「小密圈」，它的标语：连接一千位铁杆粉丝。在这款产品刚刚上市时，已经有很多有影响力的知名人士使用它来和自己成千上万的粉丝保持连接。2016年8月，知识星球推出了社群付费工具，付费功能可以帮助社群运营者更好地管理自己的社群，知识星球的机制，很巧妙地跟星主站在一起。创作者可以用知识星球连接铁杆粉丝，做出高品质社群，实现知识变现。Q&A

大数据社会化媒体营销

社会化媒体概述

社会化媒体（socialmedia），也称为社交媒体，是一种基于互联网技术的信息交流平台。社会化媒体平台不仅为用户提供了发布信息、表达自我的渠道，还提供了交流、分享、展示、建立联系、树立声望与构建社群的功能。

社会化媒体平台的内容特点

数量众多在视频弹幕平台BiliBili上，每月有超过73万的内容提供者（UP主）投稿超过208万个原创视频，观看者互动的弹幕数量超过14亿条类型丰富

社会化媒体平台的内容特点

自有媒体（ownedmedia）付费媒体（paidmedia）赢得媒体（earnedmedia）来源广泛来源于企业的内容来源于个人用户的内容[由企业自己控制的媒体渠道，如微博等平台的官方主页][企业通过付费购买而来的媒体渠道，如通过购买微信广告位进行宣传][由消费者、撰稿人等个人用户生成]（FGC）（UGC）不直接体现产品相关信息；更注重通过情感性、趣味性的内容来影响消费者的产品和品牌偏好主要提供产品相关信息，比如产品的特征、价格、折扣等

企业生成内容

企业生成内容信息型说服型可以降低消费者的信息搜索成本与不确定性有利于与消费者产生情感联系，增强消费者的参与和互动，打造良好的品牌形象

企业生成内容的主要发布渠道

包括在社会化媒体平台上购买的广告、付费搜索等主要指企业在各大平台上的官方主页企业生成内容自有渠道企业生成内容使得企业的个性化表达成为可能，向用户不断展现和强化其品牌特点；用户也可以对企业发布内容进行积极反馈，表达自己对企业品牌与产品的观点与态度。付费渠道企业生成内容的主要发布渠道

自有渠道付费渠道

营销内容的发布（What）

信息类：产品提及、促销、价格等说服类：情感表达、幽默、慈善等标签能够提升消费者的购买转换率能够显著提升用户的参与度如果企业生成内容中只包含信息类元素（如价格与优惠），用户的参与度降低;但加入情感与幽默等元素后，用户的参与度有所提高。

营销内容的发布（What）

企业生成内容标签干杯！让Welch帮你们敲响新年的钟声吧。品牌提及，闲聊，假期提及，情感表达从1到10，你们的圣诞假期能打多少分？闲聊，问题，假期提及以iPad2的价格购买一部iPad3！在你当地的商店，iPad3立减50美元，外加30美元iTunes礼品卡。12/31截止，售完为止。产品提及，促销，售卖地点，产品供给，价格

营销内容的发布（When）

何时发布内容？【遵循经验法则/利用大数据分析技术优化】样例-从利润最大化的角度进行企业生成内容发布时段优化

营销效果的测量

找到尽可能相似的两组用户（但其中一组用户看到了营销内容，另一组没有），并比较两者用户的消费行为。将用户随机分入可以看到营销内容的实验组，与看不到营销内容的对照组，并比较两组用户的消费行为。测量营销效果随机对照实验在社会化媒体平台上，用户的评论、点赞、分享、点击等一系列主动互动行为，可以帮助企业了解到营销内容是否真的吸引到了消费者的关注。对比看到与未看到企业营销内容的两组用户之间的行为差异匹配估计

用户生成内容

按展示形式分：按内容功能分：娱乐型；社交型；商业型；兴趣型；舆论型用户生成内容文本、小说和诗歌；照片和图像；音乐和音频；视频和电影；公民新闻(如微博)；教育性内容（如维基百科中用户发布的用以学习交流的内容）；移动内容；虚拟内容体量庞大、来源分散大多由非专业人士创作大多为非商业化目的能较为真实有效地反映公众对某一事件、产品或品牌的观点和态度，蕴藏着大量对企业有价值的信息；能够提高其他消费者知晓和了解某一产品或品牌的几率，加速品牌声誉的形成和传播。

影响者营销

影响者营销指的是借助有影响力的个体（影响者），与潜在消费者建立联系。影响者（influencer）在影响他人购买决策中发挥着重要的作用，他们可能是名人、专家，也可能是典型顾客并不是每个用户都可以成为有效的影响者指影响者在社会化媒体平台上拥有的关注者数量影响者营销——3R法则

指影响者与品牌之间的一致性和相似性，可能来源于：影响者创作的内容与品牌形象之间的相似性影响者的关注者与品牌目标顾客之间的相似性指影响者受众对其生成内容的参与程度3R法则覆盖度（reach）相关度（relevance）共鸣度（resonance）从社会化媒体上收集可能成为营销者的用户在过去一段时间内发布的内容。

影响者营销的七个步骤

Step1-内容的收集对收集到的用户生成内容进行分析，筛选出一批可能成为品牌影响者的用户。Step2-影响者的初步识别计算潜在影响者的客户影响力（CIE），包括发布内容传播的广度、深度、收到的反馈等三方面。Step3-影响力的计算计算潜在影响者与品牌的契合度指数（SI），即用文本分析处理用户已发布内容，判断与品牌的相关度。Step4-契合度的计算结合CIE与SI指标，确定兼具影响力与契合度的影响者。Step5-影响者的确定品牌与影响者进行合作，品牌提供物质（如折扣）与非物质激励（如在社交网络中获得认可）。Step6-营销活动的开展从财务表现、用户参与度、品牌知晓度等方面，对营销活动进行评估，并加以改进。Step7-营销效果的测量

病毒营销

病毒营销是指发动并鼓励用户来传播营销信息，采用“让大家告诉大家”的方式，让营销信息像病毒一样在人群中进行扩散，呈现出指数型的增长。社会化媒体平台上巨大的信息量，使得企业的发声很容易淹没在各类内容的海洋中。而病毒营销中，用户是发声者，自发地为企业进行宣传。企业可以通过一系列数据分析手段，更好地理解和优化病毒营销活动。

病毒营销中的内容传播

独立级联模型独立级联模型是一种概率模型，用户会以一定的概率受到来自与其相连接的其他用户的影响。以左图为例：用户A与用户B、C、D、F相连，即B、C、D、F发布的内容都可能被A看到。用户B发布的营销信息，将会以P_(A,B)的概率影响到A的购买决策。其中，概率P_(A,B)∈[0,1]，其大小由B的影响力、营销信息的具体内容等一系列因素决定。社交网络结构示例图病毒营销中的内容传播

线性阈值模型线性阈值模型以阈值而非概率的形式，刻画了用户所受到的来自其他用户的影响。以左图为例：用户B发布的营销信息将会对用户A产生w_(A,B)的影响，w_(A,B)反映了B在A所有邻居中影响力的重要性占比，即w_(A,B)∈[0,1]，且Σ_(S∈\{B,C,D,F\})w_(A,S)≤1。只有当影响的总和超过一定的阈值θ_A∈[0,1]，即Σ_(S∈\{B,C,D,F\})w_(S,A)≥θ_A时，用户A的消费行为才会发生改变。社交网络结构示例图

病毒营销内容传播模型及适用场景

更适合用来刻画信息类营销内容的传播，例如通过用户口碑推荐来提升品牌的知晓度，只要用户看到了其他用户发布的信息，就会有一定的概率对品牌增加了解。独立级联模型线性阈值模型其他常见模型：连续时间模型、传染病模型、博弈论模型等适用场景传播模型适用于更为复杂的行为，比如新产品的购买，只有当周围超过一定比例的用户推荐了新产品，用户才会选择购买使用。

病毒营销中“种子”用户的选取

病毒营销中，营销内容的初始发布者的作用与传染病的“零号病人”类似，我们将其称为“种子”，选择社交网络中处于中心位置的“种子”用户更有利于信息的传播。一系列中心度指标可以帮助衡量用户所处位置的中心程度：点度中心度：体现社交网络中一个节点与其他其他节点连接的总和接近中心度：计算网络中一个节点到其他所有节点最短距离总和的倒数介数中心度：由经过某节点的最短路径数量计算得到……营销实践：“台词瓶”，撬动可口可乐的营销传播

“台词瓶”印制了从《后会无期》等热播影视作品中选取的49句经典台词。这些台词很容易引起共鸣，进而激发消费者的购买欲望。此次“台词瓶”大受热捧，还应在很大程度上归功于与大型视频平台优酷的合作——优酷在平台首页的置顶广告位上展示了可口可乐的品牌logo，同时点击后可直接链接到二者共同打造的互动专区“让分享更有戏”，达到了很好的引流效果，连通线下和线上传播渠道。在互动专区里，平台一共邀请到了8位好莱坞明星拍摄多部以可口可乐台词瓶为主题的短片，用户可以投票选择自己最喜欢的视频。“全民来入戏”版块，号召众多用户参与其中。大量用户的参与则成为更加直接有效的宣传方式。各种趣味横生的短视频相继上传到平台，通过网民的相互传播又实现了产品的大量曝光。2015年夏天：可口可乐330ml听装产品销量：↑41%（中国地区，一个半月内）网络互动率和视频浏览量：↑3千万次

社会化聆听

123456社会化聆听（sociallistening）就是通过监测社会化媒体平台上用户行为与发布内容等来理解用户与洞察市场。传统的识别用户需求的方法主要是通过问卷调查、访谈和焦点小组，但这些方法成本较高且耗时较长。现在，还可以关注用户在社会化媒体平台上发布的内容，从中识别用户需求与新的产品机会。

识别用户需求

123456从用户生成内容中识别用户需求步骤（TimoshenkoandHauser，2019）

用户评论处理实例

洞察市场结构

用户常常会将一个品牌或产品与其他类似的品牌与产品进行比较，企业可以通过这些内容，了解所处的市场结构与竞争格局。利用文本挖掘技术，识别并提取用户生成内容中被共同提及的品牌与互相比较的属性。越经常被用户进行对比的两个品牌，越可能具有较高的相似性，但简单地用共现次数来衡量品牌相似性是不够的。Netzeretal.（2012）用提升度（lift）来对两个品牌间的相似度进行衡量：lift(A,B)=(P(A,B))/(P(A)×P(B))。[其中，P(X)指的是X在一条给定信息中出现的概率，P(X,Y)指的是X、Y同时出现在一条给定信息中的概率。]

洞察市场结构

例：三款车型及其被讨论的相关属性（Netzeretal.,2012）

获知品牌形象

除了用户生成内容本身外，用户在社会化媒体平台上的行为也包含着有价值的信息。为了解品牌在消费者心目中的形象（比如是不是绿色品牌），企业通常通过调研等方法收集信息，但这一过程不但耗时较长，而且收集到的信息很快就会过时。而用户在社会化媒体上的行为，可以为营销人员提供获知企业品牌形象的一手资料。用户在社交网络平台上可以自由选择关注哪些账号，这些关注行为的背后隐含着用户的偏好。

品牌形象挖掘过程

品牌形象挖掘过程（CulottaandCutler，2016）

利用社会化媒体数据进行预测

应用举例：预测P2P贷款违约行为Geetal.（2017）在一家中国大型P2P贷款平台上进行了一个实地实验，来检验用户社交媒体账号披露行为是否对贷款违约行为具有预测作用：将自己的新浪微博账号信息提供给P2P贷款平台的用户，后续的违约概率确实有所降低；在社交媒体平台上越活跃（比如发表内容、关注者、被关注者、与互相关注者数量越多）的用户，违约的概率越低。

利用社会化媒体数据进行预测

应用举例：预测电影票房豆瓣新浪微博以豆瓣电影与新浪微博为例，两类平台上的电影相关内容存在着许多不同，不同平台上不同来源的内容可能会对电影票房的预测有不同的影响。内容获取方式内容发布者用户通常是通过搜索电影名称进入电影相关页面，获知电影信息用户页面展示的信息流是所关注的用户发布的内容影评与打分等内容的提供者都是普通用户用户与企业生成内容共存

利用社会化媒体数据进行预测

应用举例：预测电影票房Songetal.（2019）筛选了60部电影作为研究对象：从豆瓣电影上收集了影片在上映期间的358,980条用户影评，并提取了每部电影每日的用户打分数量与分数均值；从新浪微博上获取了同期由官方发布的15,705条微博，以及由普通用户发布的258,665条信息；用人工为内容打标签，再利用支持向量机算法，将新浪微博的用户发布内容分入正面与负面两类。实证分析结果显示，新浪微博上的用户生成内容比豆瓣电影上的内容更具有预测电影票房的能力。

用户网络关系数据

“告诉我你的朋友是谁，我就可以知道你是什么样的人”，人们的行为与其周围人的行为通常会具有一定的相似性。但行为的相似性可能来源于两方面的原因，将二者予以区分至关重要：一是社会影响，即个人的行为因为受到周围人的影响而表现出与周围人的一致性；二是同质性，即个人与周围的人本身就是相似的人群，具有相似的个人特征、偏好等，因而表现出了一致的行为。

利用网络关系数据进行预测

应用举例：预测用户在线下零售店的购买行为Goel和Goldstein（2013）探索了社会网络关系在预测用户行为中的作用。他们从Yahoo!线上社区获取了超过1亿用户之间的社交关系，在两个月内互通邮件或是互发即时信息的两个用户被认为具有社会联系。左图描述性地展示了用户购买概率与其社交网络中有购买行为的用户数量之间的关系，其中与用户有关联的消费人数越多，这名用户会去进行消费的可能性就越高。Q&A大数据移动营销

移动营销的概念

移动营销是指企业使用移动媒介、设备或技术与消费者进行双向或多向沟通的营销活动。换言之，移动营销是指移动环境下的营销，是把营销信息推送到移动设备上，如手机、平板电脑等。

移动营销的特点

个体识别(IndividualIdentification)互动沟通(InteractiveCommunication)即时信息(InstantMessage)个性化(Individuation)

移动营销的形式

Push模式（通过弹窗的方式给用户进行推送）二维码模式移动APP营销移动网站

短信、彩信等即时信息营销

终端嵌入移动商务

移动大数据——位置数据

位置数据除了最基础的静态地理位置之外，还包括消费者最近发生消费行为的地点，以及其移动轨迹等，其中包括具体的经纬度、时间以及与之相关的地方。位置数据的生成、传递与分析是移动营销的前提，其不断提升的数据密度以及分析维度推动了商家对消费者更为清晰的认知。AnindyaGhose（2019）将消费者移动轨迹分为四个维度：时距（TemporalDuration）、空间分布（SpatialDispersion）、语义信息（SemanticInformation）和移动速度（MovementVelocity）。

位置数据与消费者定位

地理邻近性与消费者同质性地理邻近性在一定程度上能体现消费者的同质性消费者将地理邻近性视作同质性信号，从而更倾向于接受地理上相近的个体的推荐或模仿他们的行为消费者愿意接受更高的价格以降低地理位置遥远带来的不确定性

位置数据与消费者定位

移动轨迹数据的作用移动轨迹数据可以用于判断消费者的购物阶段移动轨迹数据可以用于分析消费者购物特点，从而引导消费者更快地产生更多消费。

移动大数据——APP数据

APP数据是指在用户同意的前提下，应用程序在安装后能获取的一系列用户行为数据。静态数据是指很少发生变化的数据，如用户注册时的出生日期，性别等。动态数据是指随着用户的使用不断发生变化的数据，如用户的兴趣爱好数据（用户浏览内容、点击链接的数据）以及使用习惯数据（用户具体使用APP的时间和持续时长等）。

APP数据提升用户定位的准确性

兴趣匹配度：以用户兴趣为基础，通过对APP使用数据的挖掘和分析，促使用户积累较多使用数据，从而进行更准确的判断。场景契合度：在兴趣之外，还应考虑某些内容是否适用于该场合，只有在时间空间上相互结合，才能更好地进行用户定位。协同特征：协同特征主要通过协同过滤算法得以实现，分为基于用户和基于项目的过滤算法。

移动广告策略

广告形式广告创意及内容（理性诉求与感性诉求;含促销激励的广告）广告投放时机广告定向（选择目标受众）

广告的形式

不具有动画和交互性的静态内容（例如GIF、JPG图片）含有动画却不具有交互性的简单的Flash形式（例如SWF）兼具动画与交互性的富媒体形式（如HTML、Java）

广告投放时机

随着移动广告的迅速发展，营销人员越来越多的使用诸如地理位置之类的情境来定位消费者。此类情境定位包括地理围栏（向商店及附近区域内的人发送移动优惠券）和基于蓝牙信号（向某场所内的设备发送信息）。超情境定位（Hyper-Contextual）甚至可以使营销人员利用到其他情境，例如天气、空间的拥挤程度等会动态的影响行为。

RTB定向广告

实时竞价过程演示

重定向广告（RetargetedAds）

随着互联网技术的发展，更先进更精确的算法应用到市场营销领域之中，一旦消费者浏览公司的网站，广告网络便可以使用其浏览历史记录在他们访问其他网站时向他们提供该公司的横幅广告。研究表明，重定向广告仅仅在消费者有强烈偏好以至于产生购买动机时才有效（LambrechtandTucker2013）。引发消费者购买动机的重定向广告要比仅提供非价格信息的广告更有效果，即重定向的广告只有在提供价格诱惑时才有效果。

利用移动数据开展促销

基于移动手机的便携性，公司可以全天候与消费者进行及时的互动。GPS（GlobalPositioningSystem全球定位系统）支持移动手机准确定位消费者的地理位置，以促进消费者对营销的反应。

移动优惠券（m-coupon）

移动优惠券的基本特点营销价格低廉、传播迅速、适应性强可以传递合理数量的信息，并且能够尽可能接触到年轻用户可以根据消费者的位置、时间及先前的购买行为等信息进行定制，有助于实现营销人员精准营销的目标

移动促销的时机

利用移动数据展开促销的核心优势在于其对时空的可操作性向消费者发送符合时宜的优惠券消费者更愿意参与离自己地理位置近的营销活动并不是所有利用消费者时空信息的促销活动都能取得较好的营销效果

移动营销对顾客行为的影响

移动设备相比于非移动设备在影响消费者购买行为方面具有天然优势促进参与互动提升品牌认知促进购买

移动互联网环境下的“许可营销”

许可营销（PermissionMarketing）消费者被征询过同意后而加入的营销活动“许可营销”在移动互联网时代的发展与延伸在征询消费者同意后，基于移动数据定制营销信息，提高营销的精准度增加消费者对隐私的控制感，有利于提升移动个性化广告和定向广告的效果大数据营销相关的法律法规

《全国人民代表大会常务委员会关于加强网络信息保护的决定》（2012年12月28日）《中华人民共和国网络安全法》（2017年6月1日）《中华人民共和国电子商务法》（2019年1月1日）《中华人民共和国数据安全法》（2021年9月1日）《中华人民共和国个人信息保护法》（2021年11月1日）其他法律法规：《消费者权益保护法》

《侵害消费者权益行为处罚办法》

利用移动数据了解竞争环境

通过数据分析可以了解竞争对手的经营状况，如客流量企业从各种共享服务平台中获取相关竞争数据，包括国内小猪短租、滴滴出行、摩拜单车等公司提供的服务。利用移动数据开展竞争

消费者接近竞争商家的位置，在客观上表明对其商品或服务有着潜在的兴趣商家如果能够接触到位于竞争对手位置附近的消费者，表明商家可以运用营销手段来吸引这些消费者，甚至是核心客户移动营销可以精准投放到消费者手机等移动终端上，一定程度上避免了竞争对手的监控与敌意竞争Q&A大数据客户关系管理

客户的概念

客户的类型现有客户和潜在客户个人客户和组织客户付费客户和免费客户客户（Customer）即企业服务的对象，是市场营销的客体。企业所提供的产品和服务只有满足了客户的需要，企业才能获得利润。市场营销的任务则是与客户进行有效的沟通，以提高企业满足客户需求的能力，更好地为客户服务。

客户价值

客户价值是企业从客户行为中所获得的企业收益，即客户为企业贡献的利益。对于企业来说，在资源有限的情况下，识别出高价值客户、低价值客户和无利客户，并且能够针对不同价值的客户进行差异化投入，这样才能实现企业收益的最大化。

客户关系管理的目标

客户数量增长客户关系质量深度成长客户关系延长企业可以通过获取新客户，赢回流失的客户、识别新的细分市场等来增加客户数量客户关系质量深度成长主要指客户价值的提高，即增加客户对企业的产品和服务的购买或使用行为，企业可通过交叉销售和升级销售等手段实现企业可以通过增加客户忠诚度，保持客户等不断延长客户生命周期

客户关系管理的内容

客户的选择与获取客户的保持与价值提升客户的流失与挽回潜在用户注册用户活跃用户流失用户拉新促活留存防止流失召回互联网用户管理泛关系

消费者广告投放扫码防伪扫码拆红包门店活动海报弱关系

用户精准触达积分互通权益互通邀请体验强关系

会员企业会员权益积分商城会员活动任务中心会员社群会员经营升值留存获客裂变邀请好友赠送卡券活动分享数字化用户经营的价值是拉近企业与消费者的距离沉淀用户资产挖掘会员价值用户运营用户生命周期模型用户价值模型产品偏好渠道偏好营销偏好消费偏好会员管理用户画像用户洞察分群营销运营管理活动运营积分运营平台运营营销管理会员分级自动化营销个性化推荐数据挖掘模型运营管理及应用将泛关系消费者转化为核心会员

大数据在客户关系管理中的作用

指导客户关系管理活动衡量客户关系管理的效果企业可通过具体的数据指标衡量客户关系管理的工作效果和目标实现情况，例如客户价值、各渠道获取客户的转化率、用户活跃度等大数据为企业提供决策依据，优化客户关系管理策略。用户画像与精准获客客户流失分析与客户保持

客户数据体系

用户基本数据用户行为数据指用户的静态数据，包括性别、年龄、地区、婚姻情况等，这类数据描述了用户是谁，主要来源于用户的基本信息填写。另外，静态数据还包括用户的来源，是基于用户访问的网页端产生的，这类数据描述了用户从哪儿来，主要集中在第三方服务商的数据库中指用户的动态数据，是用户在产品上一系列操作行为的集合，这类数据描述了用户做了什么

客户价值的计算

（1）客户成本：包括客户获取成本和客户维护成本（2）客户收入

客户获取成本（CAC）指获取一个用户的成本CAC=（营销总费用+销售总费用）/同时期新增用户数客户维护成本指留存和促活新阶段对客户的投入企业从客户身上获取的收入来源于多个方面，具体取决于企业的商业模式和运营行为

免费客户的价值分析

（2）用户活跃度如何评估？（1）免费客户是如何产生价值的？双边市场效应大量活跃用户带来直接和间接的消费免费客户的价值分析实际是免费用户活跃度的评估活跃度的评估取决于用户的行为，具体来说用户的哪些行为更有可能为企业带来更多的收入企业评估用户活跃程度需要利用客户行为数据，建立用户活跃度数据指标，通过数据指标来区分用户活跃程度，从而评估客户价值。用户活跃度数据指标可以是单个关键的用户行为，也可以是多个用户行为的加权汇总企业可以利用算法模型来选取用户活跃行为，并获取多个行为的权重，从而构建用户活跃度指标，评估免费客户的价值。RFM分析

（2）消费频率（Frequency,F）（3）消费金额（MonetaryValue,M）

代表一段时间内顾客购买产品或服务的频率

代表一段时间内顾客消费的金额（1）最近一次消费（Recency,R）

代表最近一次消费距现在的时间RFM分析根据这三个指标来对客户进行细分，并将分组与客户回应营销活动的可能性等行为相联系。运用RFM分析的前提假设是：1）最近有过购买行为的客户再次购买的可能性要高于最近没有购买行为的客户；2）与购买频率较低的客户相比，购买频率较高的客户更有可能再次购买企业的产品；3）总购买金额较高的客户再次购买的可能性较高并且是价值较高的客户。

营销实践：航空公司客户价值分析-LRFMC模型

L：会员入会时间距观测窗口结束的时间（月数）R：客户最近一次乘坐公司飞机距观测窗口结束的时间（月数）F:客户在观测窗口内乘坐公司飞机的次数M：客户在观测窗口内累计的飞行里程C：客户在观测窗口内乘坐舱位所对应的折扣系数的平均值根据末次飞行日期从某航空公司系统内抽取2012年4月1日至2014年3月31日内所有乘客的详细数据，共62988条记录。首先从原始数据中筛选出需要的数据，删除了不相关和冗余的数据属性，并对数据进行了指标构造和标准化处理。

采用K-Means办法对所有客户进行聚类分析，将客户数据聚为5类，并根据航空公司业务定义为五个等级的客户类别：重要保持客户、重要发展客户、重要挽留客户、普通价值客户、低价值客户，从而实施针对性的策略。

潜在客户识别

对于一个新产品来说，企业需要了解自身产品特点，并参考同类产品的客户，利用市场调研和活动实验来识别潜在客户。在此阶段，企业需要综合调研实验数据分析和定性分析来判断。当企业积累了一定的用户之后，企业可利用各种数据挖掘技术来分析现有客户的数据，从而帮助企业提高潜在客户判断的准确性，降低企业成本。Look-like（相似人群拓展）模型基于相似性的方法基于回归的方法基本原理以企业的现有客户作为种子用户，通过一定的算法找到与种子用户具有相似特性的人群，即为潜在用户

新客户获取方式

付费渠道免费渠道用户推荐企业不需要直接花费广告费用的获客渠道通过付费广告获取用户的渠道获取成本低、转化比例高的渠道

新客户获取方式——免费渠道

企业不需要直接花费广告费用的获客渠道内部免费渠道企业官网、自有广告位，营销沟通工具等外部免费渠道自媒体平台：两微一抖搜索引擎：企业可通过搜索引擎优化（SEO）来提高网站在搜索引擎的自然排名应用商店：企业可通过应用商店优化（ASO）来提升自身APP在各类APP应用市场的排行榜和搜索结果排名

新客户获取方式——付费渠道

通过付费广告获取用户的渠道众多企业通过各大广告平台购买在线广告的方式来获取新用户，实现付费增长。这些广告平台包括各大搜索引擎、应用商店、社交平台、手机厂商、论坛贴吧、视频网站、短视频平台、网络联盟等。同时随着社交媒体和自媒体的发展，关键意见领袖（KeyOpinionLeader,简称KOL）也成为企业的主要广告媒介渠道。

新客户获取方式——用户推荐

获取成本低、转化比例高的渠道病毒传播：适合内容型产品社交网络产品推荐：提高双方产品体验补贴推荐单向补贴：只对推荐人有奖励对推荐人和被推荐人都有奖励企业可通过用户数据分析对用户进行分类，对不同的用户采取不同的补贴推荐策略可有效降低补贴费用K因子（病毒系数）则是衡量用户推荐效果的方法，即计算平均每个老用户可以带来几个新用户

营销归因（Attribution）

企业如何判断哪些获取渠道有效促成了潜在用户的转化呢？营销归因（Attribution）：企业识别所有对用户最终稿转化有贡献的渠道，并确定每个渠道的价值贡献，一个有效的归因模型能帮助企业准别识别渠道价值，提高获客效率，降低获客成本。

精准营销

历史用户数据机器学习调配参数获得各特征权重值，产出模型预测潜在用户转化率实施营销方案反馈营销结果输入潜在用户数据产品化营销工具和策略更新数据经验，机器学习自我迭代，优化模型精准营销流程

精准营销

前置精准利用海量用户数据对用户行为进行分析，以形成对用户行为整体性趋势的判断，从而保证精准营销的实现。前置精准分析帮助企业确定广告投放时机、投放地点、投放人群、投放渠道和投放内容。后置精准企业通过海量的广告投放效果数据来对企业的投放算法模型进行修正，并形成系统的数据分析流程，从而保证投放效果的精准。

客户维系

改进产品与服务企业对自身产品功能与服务的改进大多都是基于用户反馈实现的。企业通过各种渠道收集用户对产品或服务的反馈信息（如客户的投诉信息），利用文本分析等数据分析技术对其进行分类整合，提取关键信息，从而指导企业及时有效改进自身产品与功能。

大数据与产品改进

用户反馈数据多样化不仅仅包括企业自有渠道的用户反馈入口，社交网络上用户的评论也是重要的反馈数据用户行为实现间接反馈对于互联网产品来说，产品功能和服务的实际使用情况也侧面反映了企业产品与服务的改进空间利用实验测试改进方案在具体实施产品或服务的改进时，企业可通过实验来测试不同改进方式，分析实施效果数据来确定最终改进方向，从而真正有效地改进产品与服务。

客户维系

建立用户成长体系用户成长体系其实也是用户激励体系，通过各种激励方式引导用户完成企业所期望的行为，从而使用户长期地留下来。用户成长体系增加用户离开成本对于大部分有自己核心产品的公司来说，用户成长体系的作用是增加用户的离开成本，从而留住客户，此时用户的成长是用户行为的产物。用户行为体系直接带来收益对于很多互联网企业来说，用户成长体系诱导了用户的行为，它为公司直接带来收益。此时用户成长体系相当于企业的一种产品，用户为了获得成长而付出行为，企业要做的就是让用户的行为转化成用户的成长。

客户维系

用户成长体系成长的级数升降级的条件激励方式成长级数无固定的标准，企业结合自身的实际情况制定即可企业需要先设定关键指标，关键指标其实就是企业希望从用户身上获得的，并量化围绕关键指标的各种用户行为，再把量化好的数值和成长体系中的升降级数值进行匹配。企业可利用客户画像数据和客户行为数据来对不同的用户实施不同的激励方式多变的奖赏持续的投入游戏化

客户价值提升

交叉销售交叉销售是指企业向其现有客户销售多种相关的产品或服务，交叉销售又分为横向和纵向交叉销售。横向交叉销售：在现有的时刻，某个特定的消费者在购买A产品的同时可能还会购买B产品纵向交叉销售是对于某个特定的消费者来说，他在购买A产品之后的某一个时刻可能会购买产品B。企业如企业应在何时向哪些顾客交叉销售什么产品企业可以利用客户的历史行为数据通过各种关联分析方法解决不同的问题，包括相关分析、协同过滤以及基于神经网络算法的预测模型等

营销实践：网易云音乐的客户留存战术

2017年，网易云音乐这款音乐社交软件的用户数量已经突破4亿，除了常见的听歌用户外，还包含4万多名独立音乐人，是国内独立音乐人入驻最多的音乐平台之一。网易云音乐认为，音乐APP的主要功能就是满足用户的倾听需求，听通过从外界汲取的旋律来抒发自己的喜怒哀乐，治疗心底的伤痛，或者纯粹打发时光。因此，除了收听和下载正版音乐之外，网易云音乐还为客户提供了下列功能体验：“私人FM”是根据用户的听歌习惯，运用算法推荐用户可能感兴趣的歌曲，没有曲目列表，一首接一首地播放，并且没有返回按钮，听过之后没有收藏的话就只能在播放记录里才能找到歌曲名字。“每日推荐”也是利用算法给用户推荐合适曲目。每天早上6点更新20首歌，它像是一个特定的精选歌单，展示20首歌曲列表，用户可以在里面寻找感兴趣的歌曲播放。“歌单”和“排行榜”这两块是根据热度选出的，歌单包含的种类多种多样，由用户自己创建，收藏人数多的会被推荐到首页，排行榜里面包含官方榜、全球榜和用户榜，可以帮助用户发现更多好歌，收听不同类型的音乐。

客户价值提升

升级销售升级销售则指的是企业向其现有客户销售或提供更多的同种产品或服务，例如向客户销售某一特定产品或服务的升级品或附加品。互联网企业的增值服务就是升级销售的典型应用。企业如企业应在何时向哪些顾客升级销售什么产品企业对客户可利用客户数据建立数据模型来评估升级销售潜力，通过数据分析评估顾客的需求，进而实现升级销售。

客户流失预警

客户流失预警的关键步骤就是识别哪些客户有可能流失。对于不同的产品而言，流失的定义也不一样。确定流失标准根据标准收集用户数据建立用户流失模型确定流失规则集建立训练样本预测未流失用户建立流失评分体系根据规则打上标签优化模型

客户挽回

在挽回已流失的客户时，企业要选择有价值的用户。企业在召回用户时需要选择召回时间点、召回渠道和召回内容召回时间点可选择用户操作行为后、某个时间后和某个场景触发后，根据用户数据反馈选择召回时间点召回渠道可选择短信、邮件和APP推送召回内容企业需要根据推送的目的，结合推送的时间点，来设计需要推送的内容，通过对已流失用户的画像数据和行为数据分析，针对用户的和特征设计推送内容并分类推送Q&A第七讲零售大数据营销

本讲主要内容

零售以及零售营销零售大数据零售大数据的应用新零售简介

零售的概念和分类

传统零售新型零售线上网店、线上线下深度融合百货商店、超级市场、便利商店等

零售是为最终用户提供商品或者服务的所有经营活动。作为连接生产和消费的重要环节，零售为企业与消费者提供了重要的流通渠道。

零售营销的内容

选址决策产品管理店面、仓库促销管理客户管理忠诚计划、个性化推荐店面广告、定价/促销策略、人员推销品类决策、产品决策、采购决策、产品陈列

零售大数据的产生

零售终端有着服务与销售的双重性质，也有着交易频繁的特点，这些使得零售企业在日常运营中产生了大量的数据。此过程中，数据量级上升、数据维度增加。这些数据包括运营数据、交易数据、用户数据、交互数据等，这样的数据集合称为零售大数据。

零售大数据的演变

20世纪80年代手工记录和