京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02