
大数据让电商实现精准营销
大数据营销、O2O的未来方向等成为电商人士关注的热点话题。
热点1 大数据如何精准营销?
百度零售行业营销总监夏海认为,在比较早期的时候,零售业的业态就是店开在哪儿,人必须去哪儿,是一个卖方市场。而现在零售业向电商转型,就变成了人在哪里,我们就得追到哪里,这是零售业的一个变革。
知名电商营销公司亿玛副总裁李晓艳认为,大数据正在给互联网带来翻天覆地变化,尤其是在大数据营销运用上。这种基于大数据积累基础上的按受众购买的方式(DSP)和RTB技术(实时竞价),正改写网络广告生存法则。随着媒体碎片化时代来临,流量开始分散,流量背后的受众也随之分散在上述各种流量平台上,而“大数据”精准技术的必要性就凸显出来。
夏海举例说,在旅游业方面,通过数据分析,非常清楚地知道旅游行业的淡旺季,节点、热点在哪里,也知道各个季节的规律性变化,春夏秋冬他们对什么景点感兴趣。“对于汽车业,我们会发现一个规律,当我们百度上的检索人数和整个线下的汽车销量是成比例的。统计发现,平均每当有20个人在百度上检索相关车辆,线下就会卖出一辆汽车。对地产业,我们也能够知道在哪个区域房子最好卖,哪个区域的人关注最多。”
通过数据整合,就会发现,在不同的电商周围环绕着不同的社区媒体,电商就知道应该将预算投入到哪些媒体上。通过数据了解消费者是谁,知道他的需求是什么,知道如何和他接触和互动,能够形成有效的利用,帮助电商实现效益最大化。
亿玛报告与艾瑞数据同时显示,精准营销投放,就是要找准受众及用户的属性,这将是未来的趋势。基于大数据精准技术DSP(广告主需求方平台)在未来的应用,这将成为主流的广告投放方式,也将给广告带来新的增长动力。
艾瑞报告显示,预计到2017年中国DSP投放展示类广告规模为172.2亿,占展示类广告规模的22.5%。在大数据精准技术作用下,媒体能最大化进行流量变现,而广告主能最大化提高投资回报率。在2013年双十一期间,亿玛—易博DSP平台里的天猫商家,通过DSP投放广告,带来的平均销售额占到总销售额的30%以上,有些甚至超过了60%。
据介绍,唯品会已经开始了大数据精准营销的尝试,并取得了成功。在去年“7·19”大促销中,唯品会的营销需求是希望跟核心用户产生深度互动,能够对唯品会有一个深刻的认识。在推广活动中,采取了相关措施围绕百度、贴吧等等的核心应用进行展开。夏海说,“当天借此为唯品会带去了12亿的曝光,260万用户的互动,整个贴吧的流量超过了4倍,对于唯品会来讲,它自身网站的流量也产生了一个爆炸式的增长,但流量只有9毛钱的成本。”
热点2 O2O存在哪些误区?
O2O成为当前电商发展的热词,一些电商人在会场上表示,“天天听人说O2O都快听吐了”。但是,O2O究竟是什么?怎样才能做出O2O模式?是电商人一直在纠缠并不断讨论的问题。
汉拓科技CEO叶开认为,目前普遍存在一个误区,“有些企业认为自身做O2O很简单,因为企业已经有上千万的消费者。”但他认为,上千万的用户并不一定能成为企业线上的消费者。“线下客户到线上不一定有交互,因此不一定是你O2O的粉丝。”
亿欧网联合创始人黄渊普认同这种观点,他表示,“像我们这样的自媒体人,少说也有好几万的粉丝,但是每个商家都能把粉丝转化为线上的消费资源,那全中国人都不够用了。”
自媒体人陶小开认为,企业的利益心比较急切,只关注销售额,但是O2O立足于沟通,注重与用户的关系培养,多沟通互动,做线上线下的联动才能建立关系,最终实现销售额的转化。
“不是你直接开一个线上销售点就会有用户参与!”叶开则直白地表示,二维码是存在那,但怎样让用户刷二维码成功消费,这种用户习惯还需要进一步培养。
黄渊普认为,从线下到线上转,商家的目的在于直接将线下客户转为线上消费者,一步到位改变老客户的消费模式,“这是个大误区!”他认为,线上虽然在推动,但是线下运营和体验也很重要。
热点3 PC端向移动端转变面临哪些挑战?
随着电商不断发展壮大,电商营销成本也不断提升。不少电商人抱怨,如今要做电商,“营销贵,但却难见效。”如何在电商的大浪中脱颖而出,是困扰他们的最大问题。
但去年“褚橙”之火,却让所有电商眼前一亮。本来生活网作为“褚橙”营销的背后推手却少为人知。
本来生活网华南运营总经理张丹萍是做媒体人出身的,她提出,“褚橙”的成功最关键在营销,而营销的关键又在于8个字——“影响有影响力的人”。“2012年,我们刚推出褚橙时,就集中向60年代出生的企业家渗透。”通过意见领袖带动群体的销售方式将褚橙打造成品质有保证的高端水果。
同时,有人认为营销概念的包装固然重要,但技术同样重要。据美通云动副总裁高婧认为,随着移动电商的发展,5亿中国手机网民决定了移动终端的商品网站将成为品牌营销的必争之地。
但是,传统电商的商品网页从PC端向移动端转变面临三大挑战:一是显示问题。移动端的屏幕远小于PC端,字体和图片如果出现在一个页面根本看不清楚。二是交互问题。屏幕小、图片小、字体小,用户用手指接触很容易点击不理想。三是速度问题。由于流量的限制,清晰的大图很难实时更新,速度慢,消费者体验好感度差。因此,如何利用提升技术实现多屏营销的齐头并进,是当今电商必须要解决的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02