
京东如何用大数据经营用户_数据分析师
京东商城高级副总裁徐雷就京东在大数据驱动营销的方法和策略进行了深入分享。徐雷表示,越鲜活的数据时间越短,超过3个月的Cookie价值不大;此外,大数据技术如果运用得法,将打打提升转化率。
当下,业界、学术界都在谈论“大数据”。似乎不谈论大数据你就OUT了!在最靠近日常消费的电商圈是如何运用大数据的呢?易观网对徐雷的演讲进行整理:
经营用户——京东的闭环思维
以京东为代表互联网企业,有两类市场工作:其一,运营类市场工作,比如内部会员营销,(这也是京东内部认为苦、赃、累的活)。这一工作保障了大体量公司70%的市场效果。其二,项目被认为是市场的最主要工作。
谈及大数据,实际上营销人员涉及的工作更多属于运营类工作。今天,我将分享与市场工作紧密联系的会员营销。两年前,电商企业对互联网广告的应用就是买流量,随后变成买订单,如果单纯从广告角度来说就是买用户。作为一家电商企业,更需要关注经营用户。
从外表来看,电商无外乎就是卖商品。但是,换个角度来看,电商需要以客户为中心,做经营客户的生意。消费者进行购物就会涉及到“消费闭环”。首先,我们通过构建闭环获得并维持一个高质量的客户。其次,要提高这些客户的购物频率与购物篮子。最后,力图提高客户的生命价值。对于零售企业来讲,所有的客户对于一家零售企业都是有生命周期的。在延长客户生命周期的同时,我们希望驱动更高的一些价值,能驱动更高的一些销售,最终形成品牌的知名度。这便是经营客户的角度,企业应该构建额完整的闭环。
从数据里看营销——谁是最有价值的人?
传统线下的客户生命周期管理与线上大有不同。线上我们通过数据进行整合分析以后,分成购物前的行为,比如浏览行为、评论行为、促销行为,判断客户的价值。再判断客户的实质价值与客户的预测价值组成了客户全生命周期的价值,而权声明价值的高低将决定购物转化率的高低。这里需要强调,越鲜活的数据时间越短,按我们定义,超过3个月的Cookie价值不大。
通过大数据技术来寻找客户生命周期种不同阶段的节点。在第一个流失的环节和第二个流失的环节的时候是一个关键点,要在不同的时间点进行刺激。京东内部分成很多不同的组织,在不同的流失节点要做到不同的流失行为和动作。根据用户访问的情况,我们会针对他系统定制化的,发出推荐商品。
在做营销决策的时候,企业思考问题的原点就是客户。客户购物以后,他已经跟你形成了一个稳定的交易关系,或初步的交易关系。实际上当客户浏览,进入公司网站的时候所产生的所有的行为都会产生数据。这些数据经过有效的组织和形成信息最终实现营销价值转化。客户就是整个价值链条的起点,企业观测客户,观测各种各样的数据,把数据有效的整合形成一个信息,通过这些数据,再观察整个商业视野,最终提出针对自身客户营销的营销决策。
不同的电商公司、不同的互联网公司对活跃客户的定义不尽相同。这是因为不同企业的经营模式,经营类别,经营价格,以及他所经营商品的频次不同。所以,在活跃客户会由老客户和新客户组成。如果切不把客户进行有效的分组,就是一大堆没有太大价值的用户。
任何一家零售企业都有流失客户。大数据的分析可以帮助企业看清,流失客户为什么流失?企业如何影响流失客户的流失行为?客户关系从一个访客关系,到注册,并在注册以后的若干次访问,大概只有20%左右的客户当天购物。注册用户会在浏览一定频次以后转为购物客户,紧接着大多数客户会进入到一个快速的跟你发生交易关系的一个成长的阶段,但同时会有客户开始流失。成长客户也会存在流失,这时候需要营销人帮助做维持工作。而有的客户的生命周期比较长,有的客户则会快速的流失。
京东会对消费者进行新老客户的再定义。京东认为年龄小于13个月的属新客户,我们发现购买金额在400元左右波动大的时候客户的流失率非常大。全世界所有零售企业在这个环节同样遭遇流失的境况。大家会看到,刚开始熟的新客户一来迅速就可以进行流失,但是同时,留下来的客户消费金额就会快速提升,进入到一段相对非常稳定的阶段(当然这是根据京东对13个月内新客户为定义的情况下做出的判断)。在14到24个月的时候,京东将该阶段的消费者定义为老客户,在这一时期,消费金额发生了重大变化,客户也比较稳定。客户生命周期从14到24个月的时候是客户发展阶段一个稳定的重要的节点。此外,京东发现,老客户不太爱登录,新客户反而爱登录。从登录的人数角度来说,老客户登录远远低于新客户的占比,但是从客户30天购买,老客户只购买不登录占6%,新客户占1%。
今年,电商企业在互联网营销里面有两个重大的打击:其一,中国几个主流的硬件服务商在收紧邮件的发送。电商企业想针对自己的会员进行EDM营销,进行设置、组织商品等营销型邮件的时候,各大运营商会进行控制。所以,如果通过方式计算市场触发性的邮件的发送,可以直接到用户发送。其二,电信运营商也在控制短信的发送。电商企业想要发短信服务,一定会受到电信运营商的控制,而且这个政策据说是中短期的政策。这时候,就需要用技术、用大数据帮助企业解决并提高转化率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29