工具篇項目六應(yīng)用大數(shù)據(jù)營銷技術(shù)學習目標01知識目標理解大數(shù)據(jù)和大數(shù)據(jù)營銷的內(nèi)涵了解大數(shù)據(jù)在營銷中的應(yīng)用掌握各種客戶細分模型和預(yù)測模型熟悉大數(shù)據(jù)在新媒體運用中的應(yīng)用02技能目標運用RFM模型進行客戶分類運用RFE模型進行客戶分類根據(jù)客戶分類結(jié)果開展營銷策略構(gòu)建預(yù)測模型進行銷量預(yù)測03素質(zhì)目標培養(yǎng)大數(shù)據(jù)分析和處理能力增強數(shù)據(jù)素養(yǎng)和研判能力培養(yǎng)數(shù)字經(jīng)濟時代正確獲取和使用數(shù)據(jù)的合規(guī)意識目錄任務(wù)一認識大數(shù)據(jù)營銷任務(wù)二大數(shù)據(jù)營銷的應(yīng)用：客戶細分任務(wù)三大數(shù)據(jù)營銷的應(yīng)用：預(yù)測營銷任務(wù)四大數(shù)據(jù)營銷的應(yīng)用：新媒體運營京東目前占有國內(nèi)自營式電商市場50%以上的份額，同時也是國內(nèi)最大第三方賣家平臺之一。作為中國領(lǐng)先的自營式電商企業(yè)，京東擁有1.55億的年度活躍用戶，百萬級購物標簽，構(gòu)建了以數(shù)據(jù)驅(qū)動為核心的精準營銷體系，其核心策略包含三大模塊。首先是攬客計劃。攬客計劃是針對用戶的精準營銷做的一款數(shù)據(jù)分析產(chǎn)品。京東通過“攬客計劃”實現(xiàn)品類定制化營銷，基于商品價位與用戶行為數(shù)據(jù)動態(tài)發(fā)放定向優(yōu)惠券。例如服裝類500元以下商品優(yōu)惠券轉(zhuǎn)化效果顯著，而高單價家裝品類則需調(diào)整策略，由此形成“千人千價”的靈活促銷體系。第二是用戶畫像。京東的用戶畫像基于用戶基礎(chǔ)屬性、消費能力、行為軌跡、興趣偏好等200多個標簽，并支撐個性化服務(wù)場景，包括個性化服務(wù)、自動回答問題的機器人、以及智能賣場等。例如，智能賣場系統(tǒng)根據(jù)實時畫像差異呈現(xiàn)首頁內(nèi)容，實現(xiàn)不同用戶的精準匹配。第三是流量可視化。京東的流量可視化系統(tǒng)在618等大促期間全程監(jiān)控活動頁效能，當商品點擊轉(zhuǎn)化率低于閾值時自動觸發(fā)替換機制。該工具幫助運營團隊即時優(yōu)化資源位配置，驅(qū)動平臺GMV（GrossMerchandiseVolume，商品交易總額）與轉(zhuǎn)化效率持續(xù)提升。京東大數(shù)據(jù)的精準營銷引導案例任務(wù)一認識大數(shù)據(jù)營銷一、什么是大數(shù)據(jù)二、大數(shù)據(jù)的特征三、大數(shù)據(jù)營銷的內(nèi)涵

大數(shù)據(jù)時代營銷變革

大數(shù)據(jù)時代已來，營銷如何升級？從“廣撒網(wǎng)”到“精準捕撈”，大數(shù)據(jù)驅(qū)動的營銷革命在信息爆炸的時代，傳統(tǒng)營銷已失效。企業(yè)必須借助大數(shù)據(jù)，在合適的時間、通過合適的渠道、向合適的人傳遞合適的信息，實現(xiàn)精準、實時、自動化的營銷決策。一、什么是大數(shù)據(jù)全球知名咨詢公司麥肯錫最早提出了“大數(shù)據(jù)”的概念，當時大數(shù)據(jù)被定義為數(shù)據(jù)集合，中間包括數(shù)據(jù)的獲取、存儲、管理以及分析四個功能。而后，大數(shù)據(jù)的規(guī)模數(shù)據(jù)隨著時間的推移呈現(xiàn)幾何級數(shù)的增長，大數(shù)據(jù)在獲取、存儲、管理、分析方面都大大超出了傳統(tǒng)數(shù)據(jù)庫軟件的能力范圍。到了現(xiàn)在大數(shù)據(jù)已經(jīng)擁有了更為多樣的功能，可以對各種數(shù)據(jù)進行優(yōu)化處理，從技術(shù)角度上面來說，大數(shù)據(jù)不再是一種“名詞”，而是逐漸演變成為一種數(shù)據(jù)加工功能?！胺治龃髷?shù)據(jù)”又是極其重要的，通過數(shù)據(jù)分析，我們可以在龐雜的數(shù)據(jù)里獲得具有普遍性的結(jié)論，揭示那些預(yù)先存在、卻被人忽視的模式，最終獲得預(yù)期中的結(jié)果。

二、大數(shù)據(jù)的特征

我們身處信息爆炸的時代，數(shù)據(jù)量巨大，主要來源于互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和傳統(tǒng)信息系統(tǒng)。預(yù)計到2025年，全球每年產(chǎn)生的數(shù)據(jù)量將達到175ZB，相當于每天產(chǎn)生491EB的數(shù)據(jù)。大量化（Volume）：數(shù)據(jù)體量的巨大大數(shù)據(jù)時代數(shù)據(jù)增長率遠超傳統(tǒng)數(shù)據(jù)，處理能力超過極限。數(shù)據(jù)的交換和傳播主要通過互聯(lián)網(wǎng)和云計算實現(xiàn)，要求處理數(shù)據(jù)的響應(yīng)速度要快，如上億條數(shù)據(jù)的分析必須在幾秒內(nèi)完成?？焖倩╒elocity）：數(shù)據(jù)增長和處理的速度大數(shù)據(jù)來源廣泛，形式多樣，包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。這些多類型的數(shù)據(jù)對數(shù)據(jù)處理能力提出了更高要求。多樣化（Variety）：數(shù)據(jù)形式的多樣性大數(shù)據(jù)的真實性涉及數(shù)據(jù)源的真實性和大數(shù)據(jù)結(jié)果的真實性。數(shù)字時代的大數(shù)據(jù)產(chǎn)生往往是真實有效的，因為這些數(shù)據(jù)是大量用戶實踐的結(jié)果真實性（Veracity）：數(shù)據(jù)的準確度和可信賴度大數(shù)據(jù)的價值體現(xiàn)在技術(shù)價值、商業(yè)價值和行業(yè)價值。它不僅創(chuàng)造了新的計算方式和技術(shù)處理水平，還為其他技術(shù)的研發(fā)、應(yīng)用和落地提供基礎(chǔ)。價值性（Value）：大數(shù)據(jù)的價值體現(xiàn)營銷啟示：Volume使全量樣本替代抽樣成為可能；Velocity要求毫秒級響應(yīng)；Variety需融合結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)；Veracity強調(diào)數(shù)據(jù)清洗；Value落腳于降本增效。思考：你每天能產(chǎn)生多少數(shù)據(jù)？1.可能產(chǎn)生的數(shù)據(jù)類型：文本、圖像、動畫、聲音、視頻2.本地數(shù)據(jù)+流量數(shù)據(jù)資料來源：知乎

案例：TalkingData幫助步步高公司開展大數(shù)據(jù)營銷

TalkingData公司對步步高進行了資產(chǎn)的數(shù)字化整理，把線下線上的數(shù)據(jù)統(tǒng)一整合起來，展現(xiàn)給步步高全景的市場反饋，實現(xiàn)了全渠道的高效轉(zhuǎn)化，跨越客戶收益從0到1的距離。TalkingData公司的目標是為各種企業(yè)提供大數(shù)據(jù)服務(wù)全渠道活動營銷直接帶來客流同比周末提升1.26倍；全場銷售額同比周末提升1.47倍，主力店梅溪百貨銷售同比提升1.52倍；活動7天增長2.7萬粉絲，日最高增長10160粉，活動日均增粉較平日提升56倍，較效果最好的元旦提升21倍。參與活動的粉絲轉(zhuǎn)化率高達62.8%。TalkingData為步步高量身定制的全新活動評價指標體系TalkingData成立于2011年，是國內(nèi)領(lǐng)先的數(shù)據(jù)智能服務(wù)商。TalkingData重點投入大數(shù)據(jù)、人工智能技術(shù)的探索與演進，并與全球頂尖科研機構(gòu)和創(chuàng)新團隊合作，實現(xiàn)國際前沿技術(shù)在國內(nèi)豐富場景上的落地應(yīng)用。憑借領(lǐng)先的數(shù)據(jù)智能產(chǎn)品、服務(wù)與解決方案，TalkingData幫助企業(yè)從數(shù)據(jù)中獲取價值，已在加速消費、金融、互聯(lián)網(wǎng)、智慧城市等眾多行業(yè)和領(lǐng)域數(shù)字化進程的實踐中積累了豐富經(jīng)驗。

三、大數(shù)據(jù)營銷的內(nèi)涵

大數(shù)據(jù)營銷定義運用數(shù)據(jù)挖掘技術(shù)與算法模型，從多維度數(shù)據(jù)中識別規(guī)律和趨勢，構(gòu)建以客戶需求為中心的智能營銷體系。大數(shù)據(jù)是“石油”和“礦”，是基石；大數(shù)據(jù)技術(shù)是手段和工具，用來挖掘大數(shù)據(jù)的潛在價值；而大數(shù)據(jù)營銷是應(yīng)用方向，是營銷與大數(shù)據(jù)技術(shù)結(jié)合的結(jié)果。（一）大數(shù)據(jù)營銷的含義（二）營銷大數(shù)據(jù)1.客戶數(shù)據(jù)（1）基本數(shù)據(jù)。包括客戶姓名、性別、年齡、教育程度、收入情況、職業(yè)、手機號碼、電子郵件地址等客戶基本信息（2）交互數(shù)據(jù)。交互數(shù)據(jù)包括客戶與企業(yè)的接觸記錄。（3）行為數(shù)據(jù)?？蛻舻男袨閿?shù)據(jù)大多來源于客戶上網(wǎng)的數(shù)據(jù)信息2.銷售數(shù)據(jù)銷售數(shù)據(jù)是指企業(yè)自己銷售部門和市場部門的各類信息，以及競爭對手的相關(guān)信息，比如定價、銷售量等。利用銷售數(shù)據(jù)，企業(yè)可以進行商品分析、業(yè)務(wù)員分析等，有助于追蹤企業(yè)的業(yè)務(wù)績效并提高自身的運作效率。運營中數(shù)據(jù)主要是指用戶與產(chǎn)品互動所產(chǎn)生的數(shù)據(jù)，這些數(shù)據(jù)它反映了營銷效果。不同場景、不同平臺關(guān)注的重點關(guān)注的運營數(shù)據(jù)也不相同。0103023.運營數(shù)據(jù)大數(shù)據(jù)營銷中常用的運營數(shù)據(jù)指標

應(yīng)用目標常用指標規(guī)模評估累積注冊用戶數(shù)（ARU,accumulativeregisteredusers）累計登錄用戶數(shù)（ALU，AccumulativeLogged-inUsers）日/月登錄用戶數(shù)（DLU/MLU,Daily/MonthlyLogged-inUsers）日/月活躍用戶數(shù)（DAU/MAU,Daily/MonthlyActiveUsers）/活躍率日最高同時在線用戶數(shù)（日PCU,peakconcurrentusers）用戶流程日新增用戶數(shù)（DNU，dailynewusers）次日/7日留存用戶數(shù)/留存率周/月回流用戶數(shù)/回流率用戶行為日訪問量/日操作量（日PV，PageView）日用戶數(shù)（日UV,UniqueVisitor）單次訪問時長日平均在線時長（DAOT,DailyAverageOnlineTime）付費評估日付費用戶數(shù)累積付費用戶數(shù)平均每用戶收入（ARPU,AverageRevenuePerUsers）平均每付費用戶收入（ARPPU，AverageRevenuePerPaymentUser）人均生命周期價值（人均LTV，LifeTimeValue）（三）如何獲取大數(shù)據(jù)PART02PART011.企業(yè)內(nèi)部平臺2.企業(yè)外部平臺（1）詢問。企業(yè)通過調(diào)查問卷、收集一手資料等方式自建數(shù)據(jù)庫。（2）調(diào)研。不同企業(yè)自有平臺上所收集的數(shù)據(jù)在用途上可以在不同層面為企業(yè)的營銷做出各類不同的貢獻（1）官方數(shù)據(jù)：政府和相關(guān)機構(gòu)提供的公開數(shù)據(jù)，例如國家統(tǒng)計局提供的月度CPI數(shù)據(jù)，以及貴州大數(shù)據(jù)產(chǎn)業(yè)中心提供的數(shù)據(jù)等。（2）行業(yè)數(shù)據(jù)：三方公司行業(yè)協(xié)會或相關(guān)平臺組織提供的統(tǒng)計、資訊數(shù)據(jù)，例如艾瑞提供的行業(yè)研究報告發(fā)布的數(shù)據(jù)。（3）第三方平臺：門戶網(wǎng)站、電商網(wǎng)站、搜索引擎、社交媒體、移動支付等。（4）數(shù)據(jù)公司：專門從事數(shù)據(jù)采集的機構(gòu)、比如市場調(diào)研企業(yè)等。任務(wù)二大數(shù)據(jù)營銷的應(yīng)用：客戶細分一、客戶細分的概念二、RFM客戶價值細分模型三、RFE用戶活躍度模型四、用戶影響力模型五、基于機器學習的客戶細分

一、客戶細分的概念基于客戶屬性、行為、需求等維度，通過挖掘共性特征對客戶進行分類的市場管理策略，旨在幫助企業(yè)精準識別目標群體、優(yōu)化資源分配并制定差異化營銷方案?？蛻艏毞质袌鲋v供需關(guān)系。從供應(yīng)者角度，“再大的超級市場也有客戶買不到的東西”。從需求者的角度，客戶需求是有差異的，同一時間出現(xiàn)在同一地點的客戶需求不盡相同。企業(yè)做大數(shù)據(jù)客戶細分（1）從業(yè)務(wù)需求出發(fā)，明確客戶細分目的；（2）選擇合適的指標和變量，進行清洗匯總；（3）構(gòu)建數(shù)據(jù)模型，分事前細分（有先驗數(shù)據(jù)指導）和事后細分（無先驗數(shù)據(jù)指導）兩種；（4）對細分結(jié)果進行特征刻畫，總結(jié)特點；（5）調(diào)研檢驗細分結(jié)果的準確性，然后形成差異化營銷方案?？蛻艏毞植襟E

大數(shù)據(jù)客戶細分模型構(gòu)建

二、RFM客戶價值細分模型

RFM模型是一種基于用戶的交易訂單數(shù)據(jù)的客戶價值細分模型，基于客戶交易數(shù)據(jù)中的三個核心指標（1）最近一次購買（Recency，簡稱R）表示客戶最后交易距離當前天數(shù)。最后一次消費時間越近的客戶，越有可能對其提供的商品或服務(wù)產(chǎn)生反應(yīng)。相反，最易一次消費時間越遠的客戶，流失的可能性越大。該指標與客戶的復(fù)購率和流失率直接相關(guān)。（2）消費頻率（Frequency，簡稱F）表示客戶過去某段時間內(nèi)購買產(chǎn)品或或服務(wù)的次數(shù)。F值越大，則表示客戶同本公司的交易越頻繁，不僅僅給公司帶來人氣，也帶來穩(wěn)定的現(xiàn)金流，是非常忠誠的客戶。F值越小，則表示客戶不夠活躍，且可能是競爭對手的?？汀Ｔ撝笜吮硎究蛻粝M的活躍度。（3）消費金額（Monetary，簡稱M）表示客戶每次消費金額的多少，可以用最近一次消費金額，也可以用過去的平均消費金額，根據(jù)分析的目的不同，可以有不同的標識方法。（一）什么是RFM模型（二）細分規(guī)則01如果將R、F、M三個指標的值都分為“高”和“低”兩個等級，并把這三個指標作為XYZ坐標軸，就可以把空間分為8部份，即將客戶分為8個類別。02三指標高低組合將客戶劃三指標高低組合將客戶劃分為重要價值、重要發(fā)展、重要保持、重要挽留及四類一般客戶，對應(yīng)差異化運營策略分為重要價值、重要發(fā)展、重要保持、重要挽留及四類一般客戶，對應(yīng)差異化運營策略三指標高低組合將客戶劃分為重要價值、重要發(fā)展、重要保持、重要挽留及四類一般客戶，對應(yīng)差異化運營策略

RFF模型的客戶細分和運營策略

用戶類別R指標F指標M指標運營策略重要價值客戶高高高保持現(xiàn)狀重要發(fā)展客戶高低高提升頻次重要保持客戶低高高用戶回流重要挽留客戶低低高重點召回一般價值客戶高高低刺激消費一般發(fā)展客戶高低低挖掘需求一般保持客戶低高低流失召回一般挽留客戶低低低可以放棄（二）細分規(guī)則重要價值客戶復(fù)購率高、購買頻次高、花費金額大，為企業(yè)貢獻核心利潤。應(yīng)提供VIP服務(wù)、個性化體驗，優(yōu)先滿足其需求，維護長期穩(wěn)定關(guān)系重要發(fā)展客戶購買頻次低但花費金額高，具有高價值潛力。需通過郵件、短信推送優(yōu)惠券、會員特價等方式，提升其購買頻率，促使其向重要價值客戶轉(zhuǎn)化。重要保持客戶購買金額高但最近一次交易時間較遠，曾是忠實客戶但可能流失。營銷人員應(yīng)通過電話溝通、發(fā)送大額優(yōu)惠券等方式主動聯(lián)系，進行挽留，防止客戶流失。重要挽留客戶購買頻次低且長時間未交易，有較高流失風險，但曾為企業(yè)帶來較大利潤。應(yīng)給予更多關(guān)懷，客服主動溝通，及時解決客戶不滿，提供優(yōu)惠補償，盡力挽回客戶。（二）細分規(guī)則一般價值客戶復(fù)購率高、購買頻次高但花費金額小，購買量低，企業(yè)利潤貢獻有限。應(yīng)通過刺激消費，如滿減活動、捆綁推薦等方式，提升其消費金額，挖掘其潛在價值。一般保持客戶購買頻次高但不常買、花錢不多，購買能力有限?？刹扇×魇д倩卮胧绻?jié)日短信、生日優(yōu)惠等，保持客戶活躍度，防止其流失。一般發(fā)展客戶購買頻次高但買得不多、花錢也不多，屬于低價值客戶。企業(yè)應(yīng)挖掘其需求，通過個性化推薦、內(nèi)容營銷等方式，逐步提升其購買金額和頻次。一般挽留客戶購買頻次高但買得不多、花錢也不多，屬于低價值客戶。企業(yè)應(yīng)挖掘其需求，通過個性化推薦、內(nèi)容營銷等方式，逐步提升其購買金額和頻次。（三）分類步驟1.均值法均值法的核心思想在于計算出三個指標的平均值，再將每個客戶的R、F、M值與平均值進行比較。2.計分法計分法的R、F、M值按照各自的分位數(shù)，分成1-5等分，最后再計算得到每個客戶的RFM模型得分。均值法的核心思想在于計算3個指標的平均值，再將每個客戶的R、F、M值與平均值進行比較給R、F、M指標評級對于每個客戶，分別將其的R、F、M值與對應(yīng)指標的均值進行比較。對于F、M值，如果大于平均值則標注為“高”等級，反之則標注為“低”等級。對于R值，值越小表示最后一次消費時間越近，應(yīng)當標注為“高”等級，值越大表示最近一次消費時間越遠，即較長時間沒發(fā)生交易，標注為“低”等級。03計算R、F、M的均值處理客戶數(shù)據(jù)集，得到每個客戶R、F、M值，然后分別計算出三個指標的均值。02選取基準時間選取要做計算時的截止時間節(jié)點，用來做基于該時間的數(shù)據(jù)選取和計算。可以選取一個月、一個季度或者一年，也可以選取當前時間作為基準時間。01用戶分類根據(jù)得到的每個客戶的R、F、M指標的等級，利用分類規(guī)則對客戶進行分類041.均值法計分法將R、F、M值按照各自的分數(shù)位置進行賦分，最后計算得到每個客戶的RFM模型得分選取基準時間該步驟與均值法一致01給R、F、M值賦分計算每個客戶的R、F、M值并排序。注意R值的評分機制是：R值越大，評分越小，按照最近一次消費的時間排序，最新的購買者排在前面。F、M值則是越大評分越大，排名越靠前。對每個指標，排名前20%的客戶賦值為5，接下來20%的客戶賦值為4，以此類推，將每個客戶進行賦值。02計算RFM模型得分最后將每個客戶的R、F、M賦分取平均值（也可以對不同指標設(shè)置不同的權(quán)重），獲得RFM模型的最終得分。032.計分法均值法RFM建模示例客戶ＩＤＲ（天）Ｆ（次）Ｍ（元）１46540２611940３46135４23265５154179６3225673225687520009121526810602012均值法建模示例客戶Ｒ（天）Ｆ（次）Ｍ（元）１46540２611940３46135４23265５154179６3225673252000871526891220121060181890平均值22.808.40595.8對于R值，值越小表示最后一次消費時間越近，應(yīng)當標注為“高”等級，值越大表示最近一次消費時間越遠，即較長時間沒發(fā)生交易，標注為“低”等級。R指標F指標M指標高低低高高高低低低低低低高低低低低低低低高

高高低高高低

低高高客戶類別運營策略一般發(fā)展客戶挖掘需求重要價值客戶保持現(xiàn)狀一般挽留客戶可以放棄一般挽留客戶可以放棄一般發(fā)展客戶挖掘需求一般挽留客戶可以放棄重要挽留客戶

重點召回一般價值客戶

刺激消費

一般價值客戶

刺激消費

重要保持客戶

用戶回流（四）應(yīng)用通過分析不同用戶占比及其變化，用戶在平臺的訂單數(shù)據(jù)變化，結(jié)合用戶調(diào)研、市場調(diào)研去提升、開放新產(chǎn)品，保障公司業(yè)績。企業(yè)也可以針對自己行業(yè)特點靈活變通指標的采用。04基于用戶標簽做活動（精細化運營）；02根據(jù)用戶的消費屬性設(shè)計用戶激勵03根據(jù)用戶消費屬性生成用戶標簽；011）用戶畫像3）激勵體系2）用戶運營4）產(chǎn)品迭代

三、RFE用戶活躍度模型

（一）什么是RFE模型

RFE模型是一種基于用戶的瀏覽行為數(shù)據(jù)的用戶活躍度模型，主要用于評估和分析客戶的活躍度和價值。它類似于RFM模型，但更側(cè)重于用戶的頁面互動度。與RFM模型類似，RFE也使用三個指標做客戶價值評估。

RFE模型的三個指標

（1）最近一次訪問時間（Recency，簡稱R）表示用戶最近一次訪問或到達網(wǎng)站的時間距離當前的天數(shù)。R指標衡量的是用戶最近一次訪問或到達網(wǎng)站的時間?；佣鹊亩x可以根據(jù)不同企業(yè)或行業(yè)的交互情況而定，例如可以定義為頁面瀏覽時間、瀏覽商品數(shù)量、視頻播放數(shù)量、點贊數(shù)量、轉(zhuǎn)發(fā)數(shù)量等。（3）頁面互動度（Engagements，簡稱E）表示用戶在特定時間周期內(nèi)訪問或到達的頻率，（2）訪問頻率（Frequency，簡稱F）

會員生命周期用戶活躍度與用戶生命周期息息相關(guān)。當一個用戶為潛在用戶時，不會給企業(yè)帶來收益。隨著時間增長，該用戶從新用戶變成了既有用戶，并且從低值低頻（低價值低頻率）用戶逐漸成長為活躍用戶，此時用戶的活躍度達到最高值，為企業(yè)帶來的收益也是最大。之后，該用戶活躍度降逐漸降低，給企業(yè)帶來的收益也逐漸降低，變成了沉睡用戶甚至流失客戶。所有用戶都遵循這一生命周期。（二）分類和應(yīng)用指標5分4分3分2分1分R指標0-15天16-30天31-45天46-60天>60天F指標300-399次200-299次100-199次E指標200-249頁150-199頁149-50頁（1）R指標表示用戶最近一次訪問距離當前的天數(shù)；F指標表示在統(tǒng)計周期內(nèi)用戶訪問的總次數(shù)；E指標表示用戶平均每次訪問瀏覽的頁面數(shù)（即總瀏覽頁面數(shù)/總訪問次數(shù)）。（2）基于R、F、E三個維度做用戶全體劃分和解讀，對用戶的活躍度做分析。例如，一位用戶若R=5分（最近訪問）、F=1分（低頻）、E=5分（深度交互），則其RFE得分可表示為“5-1-5”，說明其訪問頻率較低，但每次訪問時的交互都非常不錯，此時應(yīng)重點提升用戶的回訪頻率，例如通過活動邀請、精準廣告投放、會員活動推薦等方式提高回訪頻率。

用戶活躍度可視化熱力圖

四、用戶影響力模型用戶影響力模型的目的就是企業(yè)從自身用戶中找到有影響力的用戶，培養(yǎng)其成為KOC，更好地提高企業(yè)和品牌的傳播力和影響力01數(shù)字化時代，消費者擁有越來越多的話語權(quán)，能夠在各種社交媒體平臺上自主地創(chuàng)造和傳播自己喜歡的內(nèi)容。02如果一個用戶在社交媒體平臺上轉(zhuǎn)發(fā)后的直接瀏覽人數(shù)越多，以及轉(zhuǎn)發(fā)后的再轉(zhuǎn)發(fā)人數(shù)越大，那么該用戶的單次轉(zhuǎn)發(fā)影響力就越大。將所有用戶的單次轉(zhuǎn)發(fā)影響力計算并按照從大到小的順序排序，以20%、40%、60%、80%作為分割點，所有用戶分為5個星級。

五、基于機器學習的客戶細分

（一）機器學習技術(shù)常用于客戶細分的機器學習技術(shù)

01聚類分析K-means聚類可根據(jù)消費頻次、客單價、活躍時段等客戶屬性劃分群體。DBSCAN聚類可識別非規(guī)則形狀的客戶群體，比如高價值但低頻的“長尾客戶”。02分類算法銀行可以利用決策樹或隨機森林分類模型將貸款用戶分為“信用好”和“信用差”的客戶。電商企業(yè)可以使用神經(jīng)網(wǎng)絡(luò)模型處理復(fù)雜的用戶行為數(shù)據(jù)，識別轉(zhuǎn)化率高的潛在客戶。03關(guān)聯(lián)規(guī)則挖掘Apriori

算法可以分析客戶行為的關(guān)聯(lián)性，例如，購買A產(chǎn)品的客戶中有70%會購買B服務(wù)。超市可以通過“啤酒與尿布”式的關(guān)聯(lián)規(guī)則優(yōu)化貨架陳列和組合促銷。

五、基于機器學習的客戶細分

（二）步驟數(shù)據(jù)收集與預(yù)處理通過企業(yè)內(nèi)部數(shù)據(jù)庫、第三方數(shù)據(jù)平臺等渠道，收集客戶的個人信息、消費記錄、瀏覽記錄等數(shù)據(jù)1特征工程特征提取、特征選擇2模型構(gòu)建對選定的模型進行訓練，使其能夠?qū)蛻暨M行有效細分3結(jié)果分析與應(yīng)用對模型輸出的客戶細分結(jié)果進行分析，挖掘客戶群體特征和差異化需求等。根據(jù)分析結(jié)果，制定針對性的營銷策略和產(chǎn)品研發(fā)方案等。4任務(wù)三大數(shù)據(jù)營銷的應(yīng)用：預(yù)測營銷一、預(yù)測營銷的概念二、預(yù)測營銷的類型三、預(yù)測營銷的方法

預(yù)測營銷的重要性預(yù)測營銷的概念預(yù)測營銷是一種基于大數(shù)據(jù)和分析技術(shù)，通過分析消費者行為、市場趨勢和歷史數(shù)據(jù)來預(yù)測未來市場動向和消費者需求的營銷策略。它通過數(shù)據(jù)挖掘和機器學習算法，識別潛在客戶和市場機會，幫助企業(yè)做出更精準的營銷決策。在競爭激烈的市場環(huán)境中，預(yù)測營銷能夠幫助企業(yè)提前把握市場動態(tài)，制定有效的營銷策略，提高營銷ROI。對于企業(yè)來說，能夠預(yù)測并滿足客戶需求，是提升客戶滿意度和忠誠度的關(guān)鍵。預(yù)測營銷與傳統(tǒng)營銷的區(qū)別傳統(tǒng)營銷更多依賴于經(jīng)驗和直覺，而預(yù)測營銷則基于數(shù)據(jù)和分析，更加科學和精確。預(yù)測營銷能夠?qū)崟r監(jiān)控市場變化，快速響應(yīng)客戶需求，而傳統(tǒng)營銷往往反應(yīng)較慢，難以適應(yīng)市場快速變化。010203一、預(yù)測營銷的概念二、預(yù)測營銷的類型01（一）銷售預(yù)測02（二）用戶行為預(yù)測03（三）流量預(yù)測04（四）客流預(yù)測05（五）客戶流失預(yù)測（一）銷售預(yù)測銷售預(yù)測是指針對產(chǎn)品在未來特定時間內(nèi)的售量與售價進行的估計，這種估計應(yīng)以市場現(xiàn)狀及既往銷售經(jīng)驗為基礎(chǔ)，同時權(quán)衡能夠影響銷售的各類因素，綜合提出客觀上能夠?qū)崿F(xiàn)的銷售目標。什么叫銷售預(yù)測（1）通過對未來的銷售進行預(yù)測，方便對人員、物料等各種資源投入的把控，控制好庫存，減少浪費，也可以制定未來的營運策略，提高管理效率。（2）利用互聯(lián)網(wǎng)、大數(shù)據(jù)的精準營銷已經(jīng)非常普遍，比如我們刷微信朋友圈，常?？吹狡放茝V告，這就是品牌商用大數(shù)據(jù)匹配目標客戶的結(jié)果銷售預(yù)測能幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策銷售預(yù)測的步驟（1）確定預(yù)測目標相關(guān)的變量主要有產(chǎn)品售價、供需關(guān)系、市場份額（2）收集和分析資料收集的信息需滿足針對性、真實性、完整性、可比性等要求。（3）構(gòu)建模型選用合適的預(yù)測模型建模，獲得預(yù)測模型的評估指標，最后得到預(yù)測結(jié)果。（4）根據(jù)預(yù)測結(jié)果，實施營銷方案（二）用戶行為預(yù)測010203什么是用戶行為預(yù)測用戶行為預(yù)測是通過分析用戶歷史交互數(shù)據(jù)，預(yù)判其對特定產(chǎn)品或服務(wù)反應(yīng)傾向，從而優(yōu)化營銷策略與用戶體驗的一項關(guān)鍵技術(shù)。比如在電影網(wǎng)站中，用戶行為預(yù)測就是預(yù)測用戶是否會去觀看某一部電影。哪些數(shù)據(jù)屬于用戶行為數(shù)據(jù)呢？用戶行為不僅包括用戶在電商平臺上的各種行為的記錄，如瀏覽商品、搜索商品、添加購物車、購買商品等，還包括在用戶在社交網(wǎng)絡(luò)中的行為數(shù)據(jù)，比如包括發(fā)布、評論、點贊、分享等。案例《紙牌屋》選擇演員和劇情，百度基于用戶喜好進行精準廣告營銷，阿里根據(jù)天貓用戶特征包下生產(chǎn)線定制產(chǎn)品，Amazon

預(yù)測用戶點擊行為提前發(fā)貨均是受益于互聯(lián)網(wǎng)用戶行為預(yù)測。(三）流量預(yù)測01.什么是流量預(yù)測流量（Traffic）指從數(shù)字設(shè)備上訪問企業(yè)的網(wǎng)站、APP應(yīng)用、智能設(shè)備的用戶行為。02.常見的流量預(yù)測的應(yīng)用示例：·未來1個月SEO的流量預(yù)期能達到多少？·如果有100萬預(yù)算，SEM渠道能帶來多少收入？·在新浪首頁投放一個banner，預(yù)計能帶來多少訪問量？流量預(yù)測的特殊性廣告費用的持續(xù)性廣告費用支出是持續(xù)的，但在某些情況下，可能由于費用到賬不及時等因素導致廣告無法投放，此時會出現(xiàn)有費用無流量的情況。0102廣告媒體的相互影響投放廣告通常會增加SEM品牌關(guān)鍵字、品牌區(qū)、導航網(wǎng)站、直接輸入渠道的流量。03

作弊流量通常點擊類（流量數(shù)量為主的廣告渠道，例如硬廣）作弊較為嚴重，SEM、導航、社交媒體等相對較好。04補量補量的意思是廣告媒介由于某些自身因素，沒有達到預(yù)期承諾的廣告投放標準，例如展示次數(shù)不足、點擊量不足等，此時媒介會通過增加廣告位置、延長廣告時長等方式補足承諾效果。流量預(yù)測案例康卡斯特（Comcast）是全美第一大有線電視服務(wù)商，旗下的FreeWheel負責高端視頻廣告的投放。在ViewershipPrediction項目中的任務(wù)是：預(yù)測全美各個地區(qū)（康卡斯特內(nèi)部分區(qū)）各個電視頻道在未來某一小時內(nèi)可能給出的廣告曝光。這一預(yù)測數(shù)據(jù)將會根據(jù)需求在各個維度（時間，地區(qū)，頻道，用戶分類）上進行聚合，用以給廣告主提供參考，為廣告投遞提供決策支持。圖6-7為其流量預(yù)測的結(jié)果可視化。（四）客流預(yù)測什么是客流預(yù)測客流預(yù)測是對客戶的人流量進行預(yù)測，比如開店選址，需要預(yù)估客流。準確的客流預(yù)測可以為計劃制定提供關(guān)鍵指導。客流有很多種，比如景區(qū)客流、店鋪客流、交通客流、線上客流等等，但每種客流的影響因素是不一樣的。杭州地鐵客流量預(yù)測（五）客戶流失預(yù)測1根據(jù)美國九個行業(yè)的調(diào)查數(shù)據(jù)顯示，客戶流失率每降低5%，行業(yè)平均利潤將增加25%-85%。因此進行客戶流失預(yù)測是十分重要的。進行客戶流失預(yù)測的目的，就是阻止或者避免客戶的流失，提高企業(yè)的盈利水平和競爭力。為了挽留客戶，最常見的做法是建立客戶流失預(yù)測模型?？蛻袅魇ьA(yù)測的重要性2客戶流失預(yù)測模型的主要任務(wù)是根據(jù)流失客戶和未流失客戶建立客戶的個人屬性、消費行為、社交網(wǎng)絡(luò)行為等特征進行挖掘分析，找出哪些客戶的流失率最大，流失客戶的行為特征有哪些、影響客戶流失的相關(guān)因素等，為市場經(jīng)營與決策人員制定相應(yīng)的策略進行客戶挽留提供決策依據(jù)。主要任務(wù)三、預(yù)測營銷的方法1.

簡單移動平均法（MovingAverage，MA）是用過去N個時間點的所有實際數(shù)據(jù)的平均值作為下一個時間點的預(yù)測值2.加權(quán)移動平均法（WeightedMovingAverage,WMA）是一種通過為歷史數(shù)據(jù)分配不同權(quán)重進行預(yù)測的時序分析方法。與移動平均法（MA）對所有歷史數(shù)據(jù)“一視同仁”不同，WMA強調(diào)近期數(shù)據(jù)對未來的影響更大，因此賦予其更高的權(quán)重。

移動平均法（MovingAverageMethod）是根據(jù)時間序列數(shù)據(jù)逐項推移，依次計算包含一定項數(shù)的序時平均值，以反映長期趨勢的方法。簡單移動平均法：某電商產(chǎn)品月度銷售預(yù)測（3期移動平均）月份實際銷售額（萬元）3期移動平均預(yù)測值（萬元）預(yù)測誤差（絕對值）1120——2135——3128——4140127.6712.335155134.3320.676142141.001.007160145.6714.338158152.335.679170153.3316.67

（1）選擇移動平均期數(shù)：本例選擇3期，即用過去3個月的銷售額預(yù)測下個月。

（2）計算預(yù)測值，并依此類推，每次向后移動一期。

第4個月的預(yù)測值=(1月+2月+3月)/3=(120+135+128)/3=127.67

第5個月的預(yù)測值=(2月+3月+4月)/3=(135+128+140)/3=134.33

（3）計算預(yù)測誤差：|實際值-預(yù)測值|，用于評估預(yù)測精度，如第4個月誤差=|140-

127.67|=12.33。

（4）計算平均絕對誤差（MAE）：所有誤差絕對值的平均值，本例中MAE=10.41萬元。

加權(quán)移動平均法：某電商產(chǎn)品月度銷售預(yù)測（1）權(quán)重分配：按時間由遠到近分配權(quán)重1、2、3，即總和為6。

（2）預(yù)測值計算，并依此類推，每次向后移動一期

（3）預(yù)測誤差：|實際值-預(yù)測值|，如第4月誤差=|140-129.00|=11.00。

（4）平均絕對誤差（MAE）：所有誤差絕對值的平均值。本例中，WMA的MAE為9.61萬元，低于簡單移動平均法的MAE的10.41萬元。

月份實際銷售額（萬元）3期加權(quán)移動平均預(yù)測值（萬元）預(yù)測誤差（絕對值）1120——2135——3128——4140129.0011.005155135.1719.836142145.503.507160146.0014.008158153.174.839170156.0014.0010165164.330.6711175165.509.5012180170.839.17三、預(yù)測營銷的方法1.

一元線性回歸：

只有一個自變量，即僅僅使用一個變量就能夠預(yù)測出因變量：Y=aX+b2.多元線性回歸：多元線性回歸是具有一個因變量或多個（兩個或以上）自變量的線性回歸：（二）回歸分析預(yù)測法：回歸分析預(yù)測法通過分析自變量與因變量的相互關(guān)系建立回歸方程，將其作為預(yù)測模型，根據(jù)自變量的變化預(yù)測因變量的趨勢。案例假如現(xiàn)有某電商公司2025年1-6月的廣告費用和銷售額，線性回歸方程為y=10.114x+44.095，R2=0.99。若下月計劃廣告投入為40萬元，月初下月的銷售額為月份1月2月3月4月5月6月廣告投入x101520253035銷售額y150200230300350400表6-7某電商公司2025年1-6月的廣告費用和銷售額（單位：萬元）y=10.114×40+44.095=448.66（萬元）(三）ARMA模型ARMA（auto-regressivemovingaverages，自回歸移動平均）模型是一種非常流行的時間序列預(yù)測統(tǒng)計方法，它由自回歸模型（簡稱AR模型）與移動平均模型（簡稱MA模型）為基礎(chǔ)“混合”構(gòu)成。（四）機器學習算法數(shù)據(jù)挖掘的算法可以分為分類算法、預(yù)測算法、聚類算法和關(guān)聯(lián)算法，大數(shù)據(jù)營銷中常用的機器學習算法和其應(yīng)用場景：機器學習算法特點應(yīng)用場景決策樹一種簡單明了的機器學習算法，通過構(gòu)建樹狀結(jié)構(gòu)來分類和預(yù)測數(shù)據(jù)客戶細分、銷售預(yù)測等，幫助企業(yè)更好地理解客戶需求和行為模式。支持向量機一種基于間隔最大化的分類算法，通過將數(shù)據(jù)映射到高維空間來尋找最優(yōu)分類邊界品牌定位、廣告投放等場景，提供營銷效果和ROI隨機森林一種基于決策樹的集成模型客戶流失預(yù)測、異常流量預(yù)警、競爭態(tài)勢分析等場景，幫助企業(yè)及時發(fā)現(xiàn)問題并采取措施。CNN可以提取數(shù)據(jù)中的高階特征，如模式，邊緣和形狀圖像識別、語音識別等視覺和音頻分析任務(wù)RNN引入記憶單元，使模型能夠記住先前的信息，并將其應(yīng)用于當前預(yù)測能夠處理序列數(shù)據(jù)，如文本、時間序列和語音語言建模、機器翻譯、情感分析等GAN一種無監(jiān)督學習模型，能夠生成逼真的數(shù)據(jù)，如圖像、文本和語言圖像創(chuàng)作、風格遷移、數(shù)據(jù)增強任務(wù)四大數(shù)據(jù)營銷的應(yīng)用：新媒體運營一、KOL管理二、社區(qū)發(fā)現(xiàn)與社區(qū)營銷三、輿情監(jiān)測四、廣告精準投放五、情感分析

一、KOL管理KOLKOL（KeyOpinionLeader，關(guān)鍵意見領(lǐng)袖）是指在社交媒體中具有垂直領(lǐng)域影響力，在一定程度上影響粉絲購買意愿的節(jié)點人物。其核心特征包括：（1）高粉絲黏性：在細分領(lǐng)域具備權(quán)威性與信任度；（2）平臺影響力：頭部KOL可推動平臺流量分配規(guī)則；（3）營銷杠桿效應(yīng)：高效連接品牌與消費者，提升口碑與轉(zhuǎn)化率。大數(shù)據(jù)在KOL管理中的核心應(yīng)用體現(xiàn)在以下兩個方面

KOL管理的兩個應(yīng)用一般來說，企業(yè)會跨平臺選擇多個KOL合作對象，可能很難對所有平臺進行即時監(jiān)測，確定KOL是否發(fā)文。大數(shù)據(jù)技術(shù)可以解決以上難題。（二）實時監(jiān)測大數(shù)據(jù)可以衡量品牌競品在不同時間段或不同推廣活動中所選合作的KOL表現(xiàn)，通過動態(tài)的KOL數(shù)據(jù)幫助品牌了解競品聲量和策略方向，從而判斷、衡量并決定對于不同社交媒體平臺、不同KOL類型和量級的投入。（一）智能選號

案例：PARKLU利用大數(shù)據(jù)解決KOL營銷痛點

PARKLU是來自于國內(nèi)的KOL智能營銷平臺著重利用大數(shù)據(jù)技術(shù)解決企業(yè)在開展KOL營銷時遇到的痛點問題。KOL營銷時KOL的資源過于分散，難以評估、積累適合品牌的KOLPARKLU具有KOL搜索功能幫助多維度地評估KOL表現(xiàn)，更推出了KOL評估功能，品牌可以根據(jù)6個關(guān)鍵指標對KOL進行評估，包括：傳播指數(shù)、互動指數(shù)、性價比指數(shù)、成長指數(shù)、相關(guān)性指數(shù)。KOL報價不透明，而且報價相差很大，該選價高還是價低？PARKLU且合作企業(yè)提供了“KOL計算器”功能，利用“KOL預(yù)算計算器”得到營銷預(yù)估費用。PARKLU針對不同的社交媒體平臺，創(chuàng)建了智能的KOL預(yù)算計算器，只需要選擇自己想了解的社交媒體平臺，再選擇博主類別和數(shù)量，就可以輕松獲得KOL營銷的預(yù)估費用。PARKLU且合作企業(yè)提供了“KOL計算器”功能，利用“KOL預(yù)算計算器”得到營銷預(yù)估費用。PARKLU針對不同的社交媒體平臺，創(chuàng)建了智能的KOL預(yù)算計算器，只需要選擇自己想了解的社交媒體平臺，再選擇博主類別和數(shù)量，就可以輕松獲得KOL營銷的預(yù)估費用。合作的KOL太多，監(jiān)測、查看KOL是否發(fā)文等流程非常繁瑣，耗費大量人力PARKLU的數(shù)據(jù)分析平臺能夠幫助團隊節(jié)省60%的時間，一站式流程化這個過程。從創(chuàng)建合作，邀請并確認博主，確認博主費用和付款，審核博主草稿，查看合作數(shù)據(jù)，復(fù)盤分析報告，品牌評價合作，整個流程在我們平臺上都有相對應(yīng)板塊，簡易上手，高效幫助品牌進行KOL合作。二、社區(qū)發(fā)現(xiàn)與社區(qū)營銷網(wǎng)絡(luò)圖模型的構(gòu)建在社交網(wǎng)絡(luò)中，每個用戶可以被視為一個節(jié)點，用戶之間的關(guān)系則通過邊來表示。通過賦予邊權(quán)重，我們可以量化用戶間的關(guān)系強度。這種模型有助于品牌商家識別和利用社區(qū)內(nèi)的用戶關(guān)系，進行精準營銷。社區(qū)發(fā)現(xiàn)的定義與過程社區(qū)發(fā)現(xiàn)是將社交網(wǎng)絡(luò)劃分為多個聚簇的過程，類似于聚類算法。通過算法識別，可以揭示用戶間的緊密聯(lián)系，形成社區(qū)結(jié)構(gòu)，這對于理解用戶行為和優(yōu)化營銷策略至關(guān)重要。社區(qū)發(fā)現(xiàn)的實際應(yīng)用以馬蜂窩為例，通過社區(qū)發(fā)現(xiàn)技術(shù)，平臺能夠?qū)⒂脩艋谂d趣和行為細分，提供定制化的旅游產(chǎn)品和服務(wù)，滿足個性化需求，增強用戶體驗和滿意度。（一）社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)二、社區(qū)發(fā)現(xiàn)與社區(qū)營銷（二）社區(qū)營銷的策略個性化推薦與廣告投放社區(qū)營銷允許品牌根據(jù)用戶群體的特定興趣和行為模式進行個性化推薦和廣告投放，提高營銷的相關(guān)性和轉(zhuǎn)化率。社交網(wǎng)絡(luò)中的用戶互動分析社區(qū)產(chǎn)品開發(fā)與服務(wù)優(yōu)化通過分析用戶在社交網(wǎng)絡(luò)中的互動，品牌可以識別具有共同興趣的用戶群體，為這些群體提供更加精準的內(nèi)容推薦和營銷活動。社區(qū)營銷還可以指導品牌開發(fā)更符合特定社區(qū)需求的產(chǎn)品，并通過社區(qū)反饋進行服務(wù)優(yōu)化，增強用戶忠誠