新媒体广告 课件 03 大数据时代的用户分析

第三章大数据时代的用户分析010203目录CONTENTS大数据与用户品牌用户的大数据聚合大数据时代的用户行为挖掘第三章大数据时代的用户分析先导案例——零售大数据运用零售行业大数据应用有两个层面，一个层面是零售行业可以了解客户消费喜好和趋势，进行商品的精准营销，降低营销成本。另一层面是依据客户购买产品，为客户提供可能购买的其它产品，扩大销售额，也属于精准营销范畴。另外零售行业可以通过大数据掌握未来消费趋势，有利于热销商品的进货管理和过季商品的处理。未来考验零售企业的不再只是零供关系的好坏，而是要看挖掘消费者需求，以及高效整合供应链满足其需求的能力，因此信息科技技术水平的高低成为获得竞争优势的关键要素。想象一下这样的场景，当顾客在地铁候车时，墙上有某一零售商的巨幅数字屏幕广告，根据候车时段的用户画像，自动形成与用户消费需求和兴趣爱好相匹配的广告内容，并且能够提供用户下单的通道。未来，甚至顾客都不需要有任何购买动作，利用之前购买行为产生的大数据，当你的沐浴露剩下最后一滴时，你中意的沐浴露就已送到你的手上，而虽然顾客和商家从未谋面，但已如朋友般熟识。大数据与用户大数据的概念关于大数据，一般理解是数量庞大、信息量巨大，但这只是大数据的字面含义。美国研究机构Gartner对大数据的定义是：大数据是需要新处理模式才能成为更强的决策力、洞察发现力和流程优化力的海量、高增长率和多样化的信息资产。大数据的意义不在于庞大的数据本身，而是分析、处理这些数据，挖掘出有价值的信息并加以合理的利用。大数据与用户大数据的概念大数据的特点概括为4个“V”Volume：数据体量巨大。从TB级跃升到PB级。Variety：数据类型繁多，包括了图片、视频、文本、地理位置等众多类型。Velocity：处理速度快。Value：价值密度低。VolumeVarietyVelocityValue大数据与用户消费者和用户传统市场中，广告受众一般定义为“消费者”，新媒体行业则更喜欢用“用户”来指代消费者通常指“收费类产品或服务”的使用者，如某品牌手机的消费者。用户一般指“免费类产品或服务”的使用者，如QQ的用户。这一点体现了互联网等新媒体与传统行业的区别，互联网更多的是提供免费的基础服务，在此基础上，通过增值服务、广告等增加收益，传统行业则是直接售卖产品或服务获得利益。传统行业中，消费者往往是一个更加被动的角色。在新媒体时代，用户不再显得被动，相反，权利被放大。企业不再只是向用户发布信息，还需要与用户交流互动，用户可以对产品的使用体验进行反馈，提出自己的建议，甚至还可以参与产品开发。在传统行业里，企业也会对消费者进行调研，了解消费者的使用习惯、爱好、心理等，然后有针对性地去改进产品或服务。在新媒体环境下，企业往往通过与用户的交互等数据记录，分析用户的特征，迎合他们的需求，这样做不仅成本更低，而且精准性更高、效果更好。品牌用户的大数据聚合在了解大数据和用户概念的基础上，我们将进一步熟悉大数据时代的用户分布和用户数据获取——通过哪些渠道、平台获取用户数据，以及用户类型划分。大数据时代用户数据来源丰富，用户类别多样，企业要善于获取各种数据，并识别用户类型，这是用户分析的前提。品牌用户的大数据聚合大数据时代用户数据分布线上数据线下数据品牌用户的大数据聚合大数据时代用户数据分布线下数据在线下数据中，实体店记录是用户在线下实体店铺的交易、退换货、体验、评价等数据，这些数据反映产品的受欢迎度，以及店铺运营情况，是改进产品和调整运营方案的重要参考。传感器主要有摄像头、扫描仪、交互媒体和体验式产品等，这些数据记录了用户的行为和操作，可以帮助分析用户特征、习惯、心理，提升用户体验。Wi-Fi数据是顾客连入Wi-Fi后被监测记录的数据，包括用户位置、停留时间、访问记录等。销售数据、客服数据、库存数据、产品数据、市场数据等都是相对传统的数据。除了门店数据，用户的其他线下行为可能也会对了解用户消费需求有帮助，交通数据、其他生活消费数据、亲友社交数据等。品牌用户的大数据聚合大数据时代用户数据分布线上数据对于线上数据，根据数据来源分为第一方数据和第三方数据。其中，第一方数据是企业自有平台的数据和记录，自有平台是企业自己开发的，包括企业的官网、App应用、数字报等。第三方数据是企业从第三方开放平台获得的数据和记录。第三方平台由其他产品和服务提供商开发，供企业免费和增值付费使用，包括微博、微信、电商平台、短视频平台等品牌用户的大数据聚合大数据时代用户数据分布线上数据：第一方数据第一方数据是企业自有数据，一定程度上反映了企业运营情况和营销效果，可以指导调整现行方案，如官网、App、小程序、企业社交账号等。品牌用户的大数据聚合大数据时代用户数据分布线上数据：第三方数据第三方数据主要指品牌用户在第三方社会化媒体平台上产生的数据。内容消费数据微信微博短视频知乎……服务消费数据美团饿了吗携程……电商消费数据（参考意义最大）京东淘宝拼多多……品牌用户的大数据聚合大数据时代用户数据分布获取数据的方法第一方数据依靠后台关键位置“埋点”，记录用户行为；第三方数据可以与第三方平台进行沟通采购，在数据存在商业机密和消费者个人隐私限制的情况下，完整的第三方平台数据是很难直接获得的，需要借助一些数据挖掘工具开展针对性数据的收集和清洗。品牌用户的大数据聚合大数据时代的用户类别在传统行业，消费者又称客户，企业一般会根据客户的属性特征，即社会属性、行为属性和价值属性来，对其进行有效性识别与差异化区分，也就是客户分类。最基础的客户分类包括非客户、潜在客户、目标客户、现实客户、流失客户等，在此基础上，再依据客户价值进行分级细分，可分为重要客户、主要客户、关键客户、普通客户等，对不同级别的客户应有针对性地开展不同的营销活动。大数据通过将用户信息标签化，收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或者产品特征属性进行刻画，抽象出用户的信息全貌。根据标签的不同性质，可以用两类标签对用户进行画像分类。静态标签动态标签品牌用户的大数据聚合大数据时代的用户类别用户静态标签这类标签往往是用户与生俱来的，或者是很少发生变化的，是用户的常态化属性。如根据性别，将用户划分为男性用户、女性用户；根据学历，将用户划分为高学历用户、低学历用户；根据用户所在的城市，将用户分为一线城市用户、二三线城市用户及其他城市用户等品牌用户的大数据聚合大数据时代的用户类别用户动态标签相对静态标签而言，动态标签是不稳定的、活跃变动的，包括基于用户的浏览搜索行为、购买情况等形成的标签。例如根据用户的活跃程度，将用户划分为活跃用户、边缘用户；根据用户是否开通会员等增值服务，将用户划分为会员用户、非会员用户；根据用户的操作熟练程度等，将用户划分为初级用户、普通用户、高级用户。当然，还有很多种其他的分类方式，在不同的应用场景下，设定的用户画像分类都是不同的。大数据时代的用户行为挖掘用户的网上交互行为有很多种，例如在先导案例中，用户在视频观看中的行为就有暂停、快进、重播、退出等，而每一种行为都带有隐藏的信息，即用户对视频内容的态度和观点。在大数据时代，我们的目的不仅在于获取用户的各种交互行为数据，更重要的是从数据中挖掘用户行为的信息，去指导、改进产品或服务。大数据时代的用户行为挖掘大数据时代的用户行为分析用户视觉行为用户在视觉上对内容的感知、态度和评价，可以通过第一感觉测试和眼动仪测试等方式进行，对改进广告热点内容显示等有帮助。用户操作行为分析用户在页面上的各种操作，通过这些操作，用户完成想要达到的目标。大数据时代的用户行为挖掘大数据时代的用户行为分析在大数据时代，用户行为分析主要指用户操作行为。操作行为更能代表用户的心理、想法、态度等。通过分析这些操作行为，可以推测用户的想法，更精确地给用户提供产品和信息服务。用户行为包括：登录、退出、搜索、阅读、浏览、发表、删除、分享、评论、点赞、聊天、私信、评分、加入购物车、移出购物车、比价、购买、退货、收藏、播放、暂停、快进、重播等，类型众多。据不完全统计，一个用户在做一个重要购买决策前，平均要浏览5个网站、36个页面，在社会化媒体和搜索引擎上的交互行为也多达数十次。如果把所有可以采集的数据整合并进行衍生，一个用户的购买可能会受数千个行为维度的影响。但是，正是这些购买前的行为，可以深度地反映潜在用户的购买心理和意向大数据时代的用户行为挖掘大数据时代的用户行为挖掘工具百度统计站长工具CNZZ51.LA网站统计GoStatsGoogleAnalytics大数据时代的用户行为挖掘大数据时代的用户分析和报告用户分析是根据具体的用户数据，挖掘出大数据中有价值的信息，如用户特征、产品反馈、品牌营销效果等。用户特征可以帮助企业确定目标对象，进行精准营销；产品反馈可以指导产品的改进，提升用户体验；品牌营销效果可以指出营销不足，调整、改进营销方案。由于用户分析和