大数据时代的电商营销_数据分析师培训
当我们细细品味去年阿里双11取得571亿成绩的同时,不难发现,中国电子商务的市场份额正在向头部靠拢。不管承认与否,市场份额向寡头聚集说明电商行业的垄断风险越来越高。垄断是创新的杀手,如果中国的电子商务只有在天猫、京东这样超级平台上才能玩,这不得不说是一种悲哀。
为何大部分独立电商都面临生存危机?这个问题与产品、营销、营运等诸多因素关联。智子云周凯试图从大数据与电商营销层面去做一些思考。
大数据营销的核心
独立电商正在面临前所未有的营销挑战,这种挑战突出体现在三个方面。首先,营销成本越来越高,获客成本居高不下。成本高企的主要因素是媒体对定价权的掌握,以及电商巨头对资源的垄断;其次,随着媒体碎片化越来越严重,营销管理效率受到挑战,机会成本越来越高。电商在找到适合自己的媒体之前,需要一个不小的试错成本和时间积累;第三,促销竞争越来越激烈,用户忠诚度越来越低。一个同行的促销就轻易把用户给挖走,不动用特殊优惠难以触动沉睡的老用户。以往期望有高二购率的高举高打营销模式日渐式微。
电商营销的关键要素,在于营销渠道的选择、营销效率的管控和营销规模的可放大性。不断会有新的渠道出现,然而这个渠道是不是一个优质渠道,主要体现在是否可以达到效率与规模的平衡。
大数据正是这样一个工具,帮助电商进行管控与计算,平衡效率与规模。大数据在电商营销中的应用,核心是做数据资产的保值和增值。大体可分为CRM数据、访客数据和第三方数据三类,数据规模依次呈几何级数递增。所谓保值,是练内功,通过数据发现消费规律,并在此基础上对用户细分和聚类,用适合的工具与用户交流其关心的内容,最终实现用户的转化与再转化;所谓增值,是走出去,基于对自身用户的持续画像,以此在外网寻找“有缘人”,故增值的核心是数据个性绽放,业务需求匹配。不论保值还是增值,应注重积累和持续,而非短平快;注重价值规律由内向外发掘,不同层次的差异化和递进关系,而非一刀切。
大数据与网站优化
电商营销,转化率是关键,提升站内转化率是优化广告效果的基础。电商网站优化的核心KPI就是看转化率是否得到提高、转化成本是否可控。在这一块,美国的Amazon是行业的标杆。Amazon网站上,有超过35%的销售来自于站内推荐系统。推荐引擎是大数据的典型应用,其原理是追踪每一个访客的站内访问行为,并建立推荐模型,预测该用户可能感兴趣购买的商品,然后通过推荐模块在网站页面输出展示这些商品,从而吸引用户点击并购买。
大数据不仅可以洞察消费者的购买兴趣,还可以帮助网站开发者去做UI/UE的优化。通过大数据AB测试,可以了解页面布局和功能设计对于二跳率、转化率的影响,从而避免主观判断UI/UE的优劣,通过数据来持续优化UI/UE。在美国,有专门做AB测试的大数据公司,已经拿到了多轮融资,正在准备上市。在中国,目前电商的接受程度还非常有限,还处于方兴未艾的阶段。
大数据与会员营销
传统的电商CRM,通过RFM模型对已购买顾客进行分组和差异化的营销互动。而事实上,除了已购买顾客,还有大量的到访顾客、兴趣顾客、加入购物车未提交顾客等等,这些潜在购买顾客的数量级可能是已购买顾客的上万倍甚至更高。在大数据时代之前,我们对于这样一个庞大的潜在顾客群是无法管理和营销互动的。大数据使CRM的概念发生了升级,变为VRM(访客关系管理)。
大数据应用将所有网站的到访用户都管理起来,从访问到注册、加入购物车、支付、购买等环节,建立一个客户转化销售漏斗,这是进行广义会员营销的基础。同时,大数据的引入,使得传统的EDM、SMS变得更加智能化、高效率。VRM的思想,是以大数据为基础的数据库营销升级版,这种升级,体现在基础数据、营销内容、触达渠道、评价体系等多个方面。建立符合自身特点的VRM体系,是电商深入开展数据库营销的基础。
大数据与媒体广告
展示广告的程序化购买,是未来的媒体采购主流模式。程序化购买的发展,离不开大数据应用的普及。从媒体端的资源整合,到第一、第二、第三方数据的收集管理,再到智能竞价、动态创意、智能LP的应用,大数据是必要条件和催化剂。
最近一两年程序化购买的发展速度非常快,从单纯的公开市场竞价DSP,到私有化竞价市场PMP的出现,再到移动广告的程序化购买。如此快速的广告采购方式升级,是很多电商所不适应的。反过来看,这些新的媒体采购方式,虽然从理论上能够帮助到电商提升效率、降低成本,而事实上电商在程序化购买的实施过程中,实际效果与其期望值还有不小的距离。
智子云周凯认为,电商要利用大数据做好媒体广告程序化购买,离不开以下几点:1、要有自身的大数据营销规划和架构,具有大数据营销的技术储备和思想意识;2、选择DSP供应商要慎重,不能偏听偏信,前期最好多选几家,是骡子是马,拉出来溜溜;3、科学设定程序化购买的KPI,不能简单照搬其它渠道的KPI要求;4、合理设定程序化购买项目的启动和评价周期,注重结果,更注重过程;5、培养自己的大数据营销人才,深入进行大数据洞察,而不是简单外包,浅尝辄止。
大数据与电商营销生态圈
电商营销生态圈,可以看做是媒体、流量、用户、顾客、回头客这几个要素之间的闭环。每个要素,都涉及到一系列的产品和工具。大数据时代之前,我们也有报表,也能看到这些要素之间的递进关系。而大数据时代的来临,仿佛让我们配备了高倍显微镜,能够对这几个要素的结构和流动看的更加清晰,同时大数据又构建的新的游戏规则,使得电商能够用全新的视角和方法来开展新电商营销工作。
大数据让电商营销生态圈变得更加绚丽,对电商营销人的学习能力和执行能力提出了挑战。面对这种挑战,迎头而上是唯一的选择。文章来源:CDA数据分析师官网
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28