《大数据营销》大数据营销流程

大数据营销流程【学习目标】知识目标能力目标1、理解大数据营销的流程。1、掌握大数据营销的实施流程。2、理解数据采集的过程。2、能够采集需要的数据。3、理解数据处理的过程。3、能够对数据进行脱敏以及数据资产管理。4、理解大数据营销数据分析目的。4、掌握大数据营销数据分析方法。5、理解主要的大数据营销模型。5、应用主要的大数据营销模型。【思维导图】现代邮差你停在过去或现在

?过去邮差一根扁担遛神州Part2

任务分解现代购物

你停在过去或现在

?逛商场---大包小包Part2

任务分解一分钟发生了什么事？Part2

任务分解平均每一分钟中国互联网上发生了什么？百度搜索查询48.7万次5万条微博465名新用户1.37亿人同时QQ在线556篇博客文章83名新博客4944条心情更新6597篇日志发布13.9万张照片上传3125条状态更新发布417篇日记更新97个视频上传到优酷，内容总计14个小时5.6万人淘宝在线交易额230万元80篇新帖子发布新回复1200篇Part2

任务分解大数据为我们带来了什么？她是８０／８５后她的生活習慣她喜歡甚麼化妝品她的個性她平常參加哪些互動活動她用甚麼手機她喜歡甚麼電影她喜歡甚麼她的休閒娛樂她平常的作息時間Part2

任务分解大数据为我们带来了什么？她是８０／８５后商品、美食是她的最爱她爱兰蔻她个性、清新、时尚对喜欢的东西有某种狂热她关注新媒体和移动互联网关注网络营销、推广活动爱小米爱热播剧爱汽车爱旅游10点、14点前后是她频繁上网的时间Part2

任务分解是的，我们已经进入了大数据时代Part2

任务分解【开篇案例】大数据时代的爱情

——“百合网”玩转婚恋大数据我国拥有将近1.8亿的单身适婚男女，“北上广深”等传统单身重灾区正逐渐向新兴二线城市蔓延，且呈现城市新特点。婚恋问题已经蔓延成一个社会问题。万能的大数据能否帮助1.8亿单身男女解决婚恋问题?【开篇案例】大数据时代的爱情

——“百合网”玩转婚恋大数据百合网是一家实名认证的婚恋网站，成立于2005年，在中国首次推出“心灵匹配，成就幸福婚姻”的独特婚恋服务模式，目前注册用户已逾1亿。“心灵匹配算法”是基于百合网与北师大心理学院、中科院心理所、北京大学人格与社会心理学研究所多年的研究成果，集合机器智能学习理论，基于中国用户的心理特征、兴趣爱好以及海量行为数据，采用聚类算法结合协同过滤算法搭建的心灵匹配智能推荐引擎。【开篇案例】大数据时代的爱情

——“百合网”玩转婚恋大数据对百合网来说，对用户匹配的难度和技术含量相当高。百合网采用了大数据挖掘和机器学习的手段，为用户寻找到最匹配的另一半。百合网用户属性，直接提供的用户属性共有160多项，加上用户行为分析得出来的数据，可能是1000项左右的数，每个用户都有1000项左右的用户属性数据。百合网尝试了人脸识别和人脸打分，供择偶参考。

【开篇案例】大数据时代的爱情

——“百合网”玩转婚恋大数据【思考】

相比于其他婚恋网站，百合网的核心竞争力是什么？1、DMP的含义DMP（DataManagementPlatform，数据管理平台），是把分散的多方数据进行整合纳入统一的技术平台，并对这些数据进行标准化和细分，让用户可以把这些细分结果推向现有的互动营销环境里的平台.第一节构建DMP第一节构建DMP2、DMP的作用3、DMP的分类第一方DMP

基于自己的用户数据构建第二方DMP

媒体提供的DMP服务第三方DMP由专门的数据公司构建第一节构建DMP4、DMP的数据源（1）私域数据官网数据自有电商数据自有App数据线下数据第一节构建DMP4、DMP的数据源（2）泛私域数据社交数据第三方电商数据广告营销数据第一节构建DMP4、DMP的数据源（3）公域数据第三方购买数据网络爬虫数据第一节构建DMP4、DMP的数据源（1）私域数据官网数据自有电商数据自有App数据线下数据第一节构建DMP4、DMP的数据源（1）私域数据官网数据自有电商数据自有App数据线下数据第一节构建DMP第一节构建DMP企业DMP平台构建好以后，接下来进行数据采集。过去，传统的大型企业，10年的客户数据积累大约在T级别，而现在，通过大数据营销技术收集数据的中小型企业，也许每月就会产生T级数据。第二节

数据采集在建设过程中，DMP数据处理场景一般是批量处理，数据采集就是完成ELT的过程，而DMP有部分场景涉及实时流式数据处理，数据采集就是完成ETL的过程。

所谓ELT是将数据从数据源提取出来，保留源格式直接装载在DMP文件系统中，再进行格式转换。ETL则是将数据从数据源提取的数据先进行数据格式的转换，再将数据装载进DMP第二节

数据采集1、数据采集流程第二节

数据采集数据源梳理采集接口技术类型确定数据清洗数据转换

第二节

数据采集2、流程分解（1）数据源数理

数据源的梳理需要了解业务应用场景和流程；

数据源的梳理需要了解可利用的数据源；

浏览行为数据；搜索行为数据；地理行为数据；

电商行为数据；社交行为数据；互联网金融行为数据

数据源的梳理需要了解可利用的数据源质量

数据缺失；数据不完整；数据不合理；数据冗余；数据冲突

第二节

数据采集2、流程分解（2）采集接口技术类型确定

开放的API接口采集；

JS监测代码采集；

SFTP接口采集；

离线文件上传接口采集；

SDK采集

第二节

数据采集2、流程分解（3）数据清洗清洗不完整的数据；清洗错误的数据;清洗重复的数据

第二节

数据采集2、流程分解（4）数据转换数据转换是将不一致的数据进行转换，将数据粒度进行转换，以及按业务规则进行数据的计算（1）数据清洗；（2）采集接口技术类型确定；（3）数据源梳理；（4）数据转换。数据处理的流程顺序为：（

）（1）（2）（4）（3）（1）（2）（3）（4）（3）（2）（1）（4）（3）（1）（2）（4）ABCD提交单选题2分越来越多的企业在采集数据采用开源的（

）API接口SDK接口JS监测代码SFTP接口ABCD提交单选题2分某软香酥卖家在了解数据采集的渠道后，还必须掌握常见的运营指标，只有明确每个运营指标背后所代表的意义，知己知彼，才能更好地利用这些数据运营、管理好网店。客单价转化率流量在一定时间内打开网站地址的人气访问量或者是手机移动数据。在一定时期内，每位顾客消费的平均价格。所有到达网店店铺并产生购买行为的人数和所有到达你的店铺的人数的比率。计算方法为：转化率=（产生购买行为的客户人数/所有到达店铺的访客人数）×100%。Part2

任务分解数据采集实例分析淘宝官方将流量来源分为五大类，分别是淘内免费、自主访问、付费流量、淘外流量和其他。流量基本概况Part2

任务分解五大来源的具体含义如下，如果想要具体了解每个来源类型下的细分渠道，可从“生意参谋”-“数据学院”-“帮助中心”-“来源注释”进行查看，如图所示。

1.自主访问指访客主动进入网店，如从收藏夹、已买到的商品等；

2.淘内免费指访客通过淘宝内免费的流量渠道进入网店，如淘宝搜索、淘宝首页、淘宝频道页面等；

3.付费流量指访客通过淘宝内付费流量渠道进入网店，如直通车、钻石展位、淘宝客、聚划算；

4.淘外流量指访客通过其他非淘宝来源渠道进入网店，如百度、新浪微博、腾讯空间等；

5.其他指访客通过其他来源（即非自主访问、非淘宝内免费、非淘宝内付费、非淘宝站外）进入网店。流量来源分析Part2

任务分解流量转化率作为电商运营中的一个重要指标，如果卖家利用各种方法提高进店流量，但整体成交转化率很低，销售额也很难提高。

成交转化率=成交人数/访客数*100%一般影响转化率的因素包括产品价格及评价、详情页设计、产品图片、网店装修、活动因素等。后期卖家可以结合这些影响因素进行转化率的优化。如图所示为生意参谋中的交易概括，可以查看到下单转化率（即下单买家数/访客数）、支付转化率（即支付买家数/访客数）、下单-支付转化率（即下单且支付买家数/下单买家数）。转化率基本概况Part2

任务分解流量、转化率的每个环节每个细节都与客单价有着千丝万缕的联系。客单价=支付金额/支付买家数网店的流量问题可以通过网络推广、营销活动逐步解决，转化率问题可以通过提高服务质量、加强页面设计美化等提高，而客单价是个复杂的指标，它的影响因素比较复杂。客单价不仅仅是平均一个买家买了多钱的产品，而是涉及了网店定位、产品定位、品牌定位等一系列的问题，后期卖家优化时可以从关联营销、老客户维护等方面进行。转化率基本概况Part2

任务分解某软香酥卖家依据多方面评判营销活动效果这一目的，进行活动时间段内按日采集流量、交易和商品数据。卖家登录淘宝账号，进入卖家中心，执行左侧导航栏中“营销中心”-“生意参谋”进入生意参谋Part2

任务分解数据采集实施卖家进入生意参谋后，执行“经营分析”-“流量分析”-“流量概况”，选择自然日进行数据采集，如图所示。流量概况Part2

任务分解数据采集实施这里需要注意的是在采集数据时要选择好流量端口，是PC端、无线端还是全部数据，如图所示。数据端口Part2

任务分解数据采集实施卖家选择不同日期和终端进行数据分析，如通过分析近一个月日均访客分布，后期可以优化宝贝上下架时间、客服排班表等。访客时段分布分析Part2

任务分解数据采集实施卖家也需要按天采集销售相关的数据，包括销售额、下单买家数、客单价等，如图所示。在采集该数据时，卖家也应注意选择数据端口，默认的是所有终端的交易数据。交易数据分析Part2

任务分解数据采集实施

一般淘宝卖家会根据实际需求新建Excel表格记录采集好的数据，方便之后的数据整理及数据分析。如图所示为示例的网店每日数据采集表格，包含采集日期、星期、销售额（预计、实际、差异）、目标等。网店每日数据采集Part2

任务分解数据采集实施卖家在采集完基本的流量、交易相关的数据后，同时也需要周期性地观察单品的销售状况，在生意参谋中，执行“经营分析”-“商品分析”-“商品效果”，查看每款单品的访客、浏览量、下单件数、支付金额等数据，也可以点击“更多”,选择其他的指标数据，如图所示。商品效果分析Part2

任务分解数据采集实施1、数据处理流程第三节

数据处理IDMapping数据脱敏保护标签体系设计与标签口径梳理数据资产管理

第三节

数据处理2、流程分解（1）IDMapping

不同的数据源其ID类型是不同的。比如，微信是通过OpenID/UnionID标识用户，微博是通过UID来标识用户，第三方平台是通过电商账号、手机号来标识用户，官网是通过Cookie来标识用户，WIFI探针是通过抓取到的MAC来标识用户。

采用一定的方法如基于统计学的Mapping方法等把ID系统进行打通，这就是IDMapping。两个或两个以上的数据源同时具备了某个ID（比如用户的手机号），那这些数据源就可以通过这个ID关联起来。

第三节

数据处理2、流程分解（1）IDMapping

第三节

数据处理2、流程分解（1）IDMapping

第三节

数据处理2、流程分解（2）数据脱敏保护所谓数据脱敏保护，是指将用户的敏感信息或隐私性信息，通过脱敏规则进行数据的去隐私化，最终实现数据的可靠保护。常见的需要脱敏的数据有姓名、身份证号、地址、电话、银行账号、交易日期、交易金额等320981********4145。

第三节

数据处理2、流程分解（3）标签体系设计和计算口径梳理

第三节

数据处理2、流程分解（3）标签体系设计和计算口径梳理

在DMP平台中，数据标签可以用于消费者筛选、用户画像、聚类、精准营销、业务推荐等。标签一般分为事实标签、权重标签、模型标签三种。

第三节

数据处理2、流程分解（3）标签体系设计和计算口径梳理

用户市场属性标签

广告互动情况官网互动情况社交互动情况互动特征（频次、折扣偏好、渠道偏好）模型标签

高意向访客低意向访客预测标签

线索预测消费预测

第三节

数据处理2、流程分解（3）标签体系设计和计算口径梳理

用户基础属性标签

人口属性地理位置兴趣爱好用户业务属性标签

保有产品品牌消费能力消费类型

第三节

数据处理2、流程分解（3）标签体系设计和计算口径梳理

在DMP平台中，标签体系建设不是一蹴而就，需要不断更新和维护，追求的不是大而全，而是简单好用，以事实标签和权重标签为主，模型标签为辅。标签体系建立好以后，需要对标签进行口径梳理，包括业务口径梳理和技术口径梳理。业务口径梳理需要DMP平台搭建方与业务部门协商进行，技术口径梳理需要DMP平台搭建方与技术部门协商进行。

第三节

数据处理2、流程分解（4）数据资产管理

经过数据清洗、数据脱敏、数据标签化后，DMP平台汇聚大量有效的数据，形成宝贵的数据资产，DMP平台应具备快速高效管理数据的能力。

数据资产管理通常情况下包括数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理和数据质量管理10项职能。

第四节

营销数据挖掘与营销模型1、营销数据挖掘的标准化流程流程分为以下6个步骤：商业理解、营销数据理解、营销数据准备、建模、模型评估、结果发布，其中商业理解、营销数据理解、营销数据准备是营销数据挖掘花费时间较长的3个步骤，约占1个营销数据挖掘项目进度计划的85%。

第四节

营销数据挖掘与营销模型1、营销数据挖掘的标准化流程

第四节

营销数据挖掘与营销模型2、营销数据挖掘的算法营销数据挖掘的算法

第四节

营销数据挖掘与营销模型3、营销模型（1）高价值客户挖掘模型

营销问题：金融企业客户具有典型的帕累托效应，20%的客户贡献了80%的业务收入。数据分析表明，银行移动端8%的银行理财客户拥有75%左右的资产。利用DMP平台找出这些高资产客户，分析这些高资产客户的主要特征，找到类似的高资产客户。

第四节

营销数据挖掘与营销模型3、营销模型（1）高价值客户挖掘模型

建模思路：银行在其DWP平台上，将分析出的1万名高资产用户作为种子用户，作为学习样本，以高资产用户的相关变量（包括设备聚集点、APP应用名称、设备型号、交易信息、客户信息等）作为输入变量，通过Look-alike算法，在几百万的移动设备中计算出与这些高资产设备相似的设备。利用DMP平台的ID

mapping对照表，将客户编号与设备对应，找到这批客户的联系方式。利用客户数据库CDP（Customerdataplatform，CDP）营销自动化模块中的推送功能，推送专属营销活动，激活这些客户的购买行为。

第四节

营销数据挖掘与营销模型3、营销模型（1）高价值客户挖掘模型

操作步骤：找到拥有80%资产的那20%客户；分析这些高资产客户的特征；

利用这些特征，采用Look-alike算法，找相似人群，进行定向营销，提升20%的总人数；

对这20%的高资产客户进行定向营销，提升其活跃度；将营销费用从不起作用的客群转向20%的高价值客户。

第四节

营销数据挖掘与营销模型3、营销模型（2）客户营销响应模型

营销问题：某证券公司每年都会投入巨大的营销费用，以红包激励的方式投向所有客户。但公司发现，客户利用红包购买理财产品的转化率很低，一般红包带动销售的转化率都低于1%，浪费了大量的激励红包和营销时间。

第四节

营销数据挖掘与营销模型3、营销模型（2）客户营销响应模型

建模思路：将响应红包的客户作为种子用户，在已有的