傳統(tǒng)零售百貨業(yè)的商品和服務(wù)同質(zhì)化程度較高,企業(yè)運營成本不斷增長,于是紛紛拓展線上平臺。在傳統(tǒng)零售行業(yè)和電商企業(yè)的市場博弈中,線上線下融合已經(jīng)成為整個行業(yè)的趨勢,融合的深度和廣度決定了企業(yè)未來的發(fā)展。極光大數(shù)據(jù)正在成為零售業(yè)重構(gòu)市場商業(yè)模式過程中的重要參與者,為加強線上線下業(yè)務(wù)的整合和消費數(shù)據(jù)的融合,促進業(yè)務(wù)創(chuàng)新增值,在綜合觸達方式的優(yōu)化以及智能實時營銷推薦等方面提供了完整的解決方案。下文將從實證角度闡述極光大數(shù)據(jù)在此方面的產(chǎn)品實施方案及效果。
案例背景
某百貨零售企業(yè)是同時擁有線下百貨商場和線上銷售平臺的典范,其2017年的營銷目標(biāo)是,打通線上線下渠道,多渠道營銷,吸引更多客戶。極光大數(shù)據(jù)營銷系統(tǒng)是一套面向全行業(yè)的綜合營銷解決方案,由資源整合營銷功能、360°立體運營功能、客戶新服務(wù)功能、大數(shù)據(jù)智能推薦服務(wù)等多個功能構(gòu)成,幫助企業(yè)客戶實現(xiàn)可識別、可觸達、可洞察、可服務(wù)的四部曲。
整體解決方案概述
極光大數(shù)據(jù)綜合營銷解決方案為企業(yè)提供了線上線下融合的解決方案,包括整合企業(yè)內(nèi)外數(shù)據(jù)資源,促進各個渠道客戶的融合和增活,實現(xiàn)行業(yè)客戶服務(wù)體系內(nèi)客戶的全生命周期轉(zhuǎn)化。該方案包括一套科學(xué)的客戶服務(wù)體系流程:
i. 線上沉默會員、線下會員和線上活躍會員的相互轉(zhuǎn)化流程;
ii. 線下各個階段會員的相互轉(zhuǎn)化流程。
下圖為客戶轉(zhuǎn)化全生命周期流程圖:
方案亮點 —— 智能云推薦
智能云推薦功能主要由特征提取、混合推薦引擎、系統(tǒng)接入三個部分組成。
i. 特征提?。簬椭髽I(yè)對于需要推薦的素材進行文本分詞、內(nèi)容特征提取并進行智能化分類處理的過程
ii. 混合推薦引擎:綜合利用用戶的行為、屬性,對象的屬性、內(nèi)容、分類以及用戶之間的社交關(guān)系等等,挖掘用戶的喜好和需求,主動向用戶推薦其感興趣或者需要的對象
iii. 系統(tǒng)接入:企業(yè)通過API接口接入極光智能云推薦平臺,實時響應(yīng)客戶端的推薦請求
其中大數(shù)據(jù)智能云推薦服務(wù)是獨立于企業(yè)外部的智能云推薦模式,將推薦系統(tǒng)的輸入端和輸出端以接口調(diào)用的方式進行運作: 以營銷文本活動內(nèi)容推薦為例,我們將文本分詞模塊部署到企業(yè)內(nèi)部,極光大數(shù)據(jù)只需要接入分詞后的向量集合,這樣一來既能很好地保護企業(yè)的數(shù)據(jù)隱私,又能充分發(fā)揮極光自身大數(shù)據(jù)平臺海量客戶興趣標(biāo)簽的優(yōu)勢,獨立于企業(yè)外部開發(fā)了內(nèi)容文本挖掘分析算法和推薦引擎算法,具體流程圖如下:
該方案亮點主要有三點,
- 結(jié)合數(shù)十億實時更新的用戶行為特征標(biāo)簽,能夠通過先進算法對企業(yè)客戶進行個性化精準營銷;
- 混合客戶觸達手段,能夠?qū)崿F(xiàn)對線上線下觸點的系統(tǒng)化利用,這是對于已有和潛在客戶制定的全方位營銷策略
- 最后,通過API方式集成,實現(xiàn)開箱即用,易于部署。
需要額外強調(diào)的是針對推薦系統(tǒng)多目標(biāo)特性,極光大數(shù)據(jù)團隊采用混合方案,設(shè)計一種新的多目標(biāo)推薦算法:
基于神經(jīng)網(wǎng)絡(luò)和用戶偏好的協(xié)同過濾算法對線上和線下用戶分別進行產(chǎn)品推薦,首先采用聚類算法解決用戶行為數(shù)據(jù)的稀疏性問題,然后通過神經(jīng)網(wǎng)絡(luò)與用戶偏好相結(jié)合來分析用戶之間的相關(guān)性,最后利用訓(xùn)練出的分類器模型計算用戶對產(chǎn)品的喜好程度,從而有效的提高推薦效果。
聚類能夠降低數(shù)據(jù)的稀疏性:即通過K-means聚類對評分用戶進行聚類,然后計算目標(biāo)用戶與各聚類集合的相似度,將相似度最高的類的聚類中心乘以相似度得到的值,對目標(biāo)用戶的缺失值進行逐一差補,從而有效解決數(shù)據(jù)稀疏的問題。
神經(jīng)網(wǎng)絡(luò)能夠有效學(xué)習(xí)用戶之間的復(fù)雜關(guān)系,用戶偏好能夠反映產(chǎn)品的受歡迎度。通過對用戶聚類,在神經(jīng)網(wǎng)絡(luò)的輸入層中加入用戶偏好,就能實現(xiàn)降低數(shù)據(jù)的稀疏性和有效的學(xué)習(xí)用戶之間的復(fù)雜關(guān)系。此法需要先對樣本用戶進行模型訓(xùn)練,最終對目標(biāo)用戶行為進行預(yù)測。
實證效果 —— 營銷效果評估
2016年雙11期間,極光大數(shù)據(jù)利用綜合營銷系統(tǒng),進行線上線下聯(lián)合營銷,將線上線下的促銷信息利用客戶自有的app渠道,精準地推送給客戶,對線上和線下的銷售均有顯著的提升,特別是對已有app用戶的營銷策略,極光營銷策略效果要遠遠高于企業(yè)自主營銷效果。
營銷活動和用戶的興趣關(guān)聯(lián)度的關(guān)系如下
客戶ID為8a8b2425108ebac8356fd1e8e8018f3a的線下用戶,優(yōu)惠活動8(優(yōu)惠活動8:寶貝提前過雙十一,貝貝怡等品牌嬰幼兒服飾全場6折封頂,最低16元起?。┑耐扑]度最高,極光大數(shù)據(jù)分析該用戶為女性白領(lǐng)用戶,對母嬰和親子類的消費品有極大的興趣,且門店智能設(shè)備實時感知該設(shè)備在百貨實體店附近出現(xiàn)。
客戶ID為f72af0e6b970d887afa54538e89fc9b0的線上用戶,優(yōu)惠活動1(優(yōu)惠活動1:雙十一全民嗨購,BURBERRY 3.4折起,KENZO 3.8折起,ARMANI 4.4折起,COACH 3.6折起……更多驚喜,等你發(fā)現(xiàn)~)的推薦度最高,該用戶為高價值的用戶,主要表現(xiàn)在某些購物類app上行為活躍,如寺庫、全球購等等,熱衷與某些奢侈品品牌,且過去一年有海外旅游的經(jīng)歷,活躍的活動區(qū)域在高端消費商圈及居住場所。
通過結(jié)果可以看到,數(shù)據(jù)應(yīng)用效果差異明顯:
針對已安裝某零售線上app的用戶進行分析,結(jié)合極光海量用戶標(biāo)簽,根據(jù)用戶特征和用戶偏好,制定營銷策略,通過app自有推送通道,向用戶推送營銷信息。以客戶點擊率或?qū)嶋H購買行為為考察對象,營銷效果評估差異如下:
對未安裝app的用戶,極光大數(shù)據(jù)先根據(jù)用戶特征及偏好,針對百貨商場附近人群,利用極光近場感知服務(wù)、探針WIFI定位、GPS位置定位服務(wù),識別商場及周邊人群,根據(jù)極光海量用戶標(biāo)簽,定位潛在用戶,由客戶方進行精準化觸達和個性化營銷,效果差異也很明顯。
總結(jié)
各大零售業(yè)巨頭們儼然已經(jīng)意識到只有搭乘“互聯(lián)網(wǎng)+”的快車才能華麗轉(zhuǎn)身,達到這個境界的經(jīng)營者們已經(jīng)擺脫了手工處理、依賴個人經(jīng)驗的階段,并且開啟了數(shù)據(jù)化的戰(zhàn)略路線,但問題是每家的數(shù)據(jù)積累、數(shù)據(jù)加工和算法能力上參差不齊,因此在最終營銷效果上各家能力各有千秋,極光大數(shù)據(jù)除了提供全行業(yè)的綜合營銷整體解決方案,在低價值數(shù)據(jù)稠密、高價值數(shù)據(jù)稀疏處理上也略有研究,預(yù)知詳情請持續(xù)關(guān)注未來的篇章。
- 蜜度索驥:以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 新能源車技術(shù)升級搶先看,ChatGPT崩了引熱議:未來科技如何破局?
- 自動駕駛行業(yè)大洗牌即將結(jié)束,小馬智行引領(lǐng)千臺車隊新篇章
- 微軟反壟斷風(fēng)暴:Office捆綁銷售引質(zhì)疑,云服務(wù)策略遭調(diào)查,巨頭陷困境
- 顯卡漲價風(fēng)暴來襲!NVIDIA/AMD緊急應(yīng)對,全力加速生產(chǎn)運回本土
- 微軟新目標(biāo):用1000億美元打造實用通用AI,未來可期但需謹慎
- 亞馬遜云科技陳曉建預(yù)測:未來三年內(nèi),生成式AI將引發(fā)云市場新革命
- 林肯中國辟謠:財務(wù)調(diào)整非合并,業(yè)務(wù)不變穩(wěn)如泰山
- 字節(jié)跳動研發(fā)大手筆:2024年投入接近BAT之和,能否引領(lǐng)中國OpenAI新潮流?
- 跨境匯款平臺新舉措:螞蟻集團開發(fā)者服務(wù)限每日10萬美元,助力全球交易更便捷
- 我國充電樁建設(shè)提速,50%增長背后的高速服務(wù)區(qū)充電新篇章
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關(guān)資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。