
大数据精准营销降低电商APP新客成本_数据分析师考试
截至2015年6月,中国网民规模达6.68亿,互联网普及率为48.8%;手机网民规模达5.94亿,占比提升至88.9%。也就是说移动互联网时代已经全面到来。在移动互联网时代,决定公司成败的关键技术从信息技术(Information Technology)转向了数据处理技术(Data Technology),“人类正从IT时代走向DT时代”。
DT时代,大数据带来的增量与变量是企业关注的核心。在广义的电商领域,新客的获取成本就是决定增量和变量的一个重要指标。为方便探讨,比达咨询(BigData-Research)对电商APP新客的定义是:激活APP后一月内有购买行为的用户。
众所周知,电商主要的销售额来自老客,但是新客的增长是满足基数规模扩张、迅速拉升市场占有率的关键指标。目前大家熟知的电商平台,都是起于PC网络时期的,且都在做向移动互联网转型的战略布局,所以规模拓展依然是第一要务,也就是要不断地汲取新客,其中包括将PC老客转化为APP新客的过程。
PC互联网早期,新客的转化主要依赖传统的品牌广告,公交车、地铁、报纸上都充斥着各个互联网公司的广告。随着互联网规模的扩大、搜索技术的发展,新客的转化模式变成了品牌广告+精准投放,这个精准投放的精准度也经过了投在网站、投在网页、投在关键词的变迁。
进入移动互联网时代之后,开拓APP新客的模式在品牌广告+精准投放的基础上,新增加了精准营销----基于DT时代大数据分析的精准营销。这里的精准包括两个含义,一个是更精准地定位到潜在用户,另一个是将每一个新客的成本进一步精准化。
从2013年以来,新客成本在不断拉升。2013年前,据行业数据统计,获取一个新用户的成本是维护老用户成本的5~6倍。当时的情况是:大电商不赚钱因为流量越来越贵,小电商赚不到钱是因为没有流量;并且新客获取成本越来越高,新客转化难,用户活跃度偏低。 2014年,获取新客成本已经是维护老用户成本的6-8倍。到了2015年,由于有了大数据精准营销,新客成本有了一些变化。
(图:各类电商APP新客成本调研数据)
根据上图可以看出,APP新客成本的类别区分越来越细化,新客成本的价格不再是平均价,而是一个价格区间。这是因为各家针对新客的投放是立体的,即:品牌广告+精准投放+精准营销。图中标出的价格区间包含了不同平台的投放价格,高的数值来自传统广告模式,低的数值来自大数据精准运营。因此,只做广告投放的企业其新客成本就会比较高,附带的好处是品牌知名度会有所提升。大多数企业会将几种手段结合起来运作,比如会提前为营销节打广告,然后为营销节活动页面买流量,在营销节期间发红包促销以老带新或以甲业务带动乙业务。
对于图中价格跨度最大的票务旅游类APP来说,原因有以下两点:1、进入数据统计的票务旅游类网站不多;2、有长期依赖电视广告的企业。这也间接说明了这个领域竞争的激烈程度。另有第三方数据证明了在线旅游在2015年上半年的高速增长。根据最新的CNNIC报告,截至2015年6月底,手机预订机票、酒店、火车票或旅游度假产品的网民规模达到1.68亿,较2014年12月底增长3350万人,半年度增长率为25.0%。这是别的行业所没有的。
DT时代的精准营销,目前正处于高速成长时期,手段多样。企业在不断尝试,消费者也在逐步适应。比如消费者会投诉为啥老用户得到的促销红包就比新用户少;比如对于买了机票就给你专车接机券,有的用户觉得方便、有的用户就觉得是骚扰。以前,客户终身价值=顾客终身购买次数×客单价×利润率。今后,客户的社会关系、客户消费点评、带来的新客量等等指标,也会包含在客户终身价值里面。DT时代的精准营销,首要就是精算,企业要清楚在拉升新客的同时带来了多少营业额的转化,清楚钱都花在了哪里。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16