电子商务：商业模式、战略与运营 课件 第7章　精准营销、广告与推系统

第七章精准营销、广告与推荐系统学习目标

电子商务精准营销的基本概念与理论基础电子商务精准营销的实现方式精准广告投放的基本原理精准广告投放的实现方式个性化推荐系统的应用场景个性化推荐系统的核心算法电子商务精准营销的机会与挑战开篇案例：阿里的“千人千面”淘宝的个性化推荐流2013年，淘宝推出了“千人千面”算法，每个人的首页推荐各不相同依托丰富的数据库，构建买家喜好模型，从细分的商品类目中找到与买家偏好相匹配的店铺/商品，最后呈现在买家的终端浏览页面，完成精准营销。具体表现包括：直接营销关系、根据营销关系推荐同类店铺/商品、根据消费者画像针对性推荐、根据概率进行相关匹配7.1电子商务中的精准营销

市场营销是一项关于如何有效引导商品或服务由生产者流转到消费者中的研究涉及到一系列的商业活动，包括消费者需求的研究与分析、市场调查、商品研发、定价、广告宣传、公关和销售等等。市场营销精准营销小众、分众市场的出现大数据技术的成熟学术界对精准营销的定义进行了许多讨论精准营销具有以下特征（1）目标人群的针对性（2）顾客让渡价值的增益性（3）营销活动的经济高效性（4）营销效果的可衡量性（5）精准过程的动态性7.1电子商务中的精准营销

顾客让渡价值理论美国西北大学教授菲利普科特勒提出核心观点是企业让渡给顾客的价值是企业的收入来源,即顾客让渡价值是顾客总价值与顾客总成本之间的差额WendellSmith在1956年提出核心在于将消费者划分为多个有差异的消费群体,并根据不同群体的需求差异设计不同的营销策略，根据营销策略展开营销活动市场营销组合的四个基本要素:即消费者(Customer)、成本(Cost)、便利(Convenience)和沟通(Communication）精准营销的的核心思路是以消费者导向作为基本原则,聚焦于如何使消费者的个性化需求得到最大的满足市场细分理论

4C理论

精准营销的理论基础7.1电子商务中的精准营销

精准营销电子商务市场竞争激烈，产品同质化严重；服务互动性较差，缺乏满足多样化、个性化需求的能力；企业的盈利能力不足等

对于电子商务来说，精准营销具有以下重要意义（1）提高了广告投放的效率（2）提高了电子商务服务的水平（3）提高交易的效率（4）提高了消费者的让渡价值7.1电子商务中的精准营销

电子商务精准营销的实现方式数据库营销网络营销推荐系统邮件营销呼叫中心手机短信息即时通讯软件门户广告关键词搜索广告移动营销平台内推荐跨平台推荐7.2面向精准营销的广告投放

广告的数字化转型多元化互动化精准化传播媒介多元化广告形式多元化精准定位广告受众、精准预测受众需求、精准控制广告投放、精准评估广告效果在电商领域中，传统广告营销方式趋于落后，为用户提供个性化服务的精准营销逐渐兴起。而传统广告也凭借着快速发展的信息技术逐步转型为多元化、互动化、精确化的面向精准营销的广告，形式上也逐渐倾向在线互联网广告。用户可以与广告进行交互广告主收集更多用户偏好信息7.2面向精准营销的广告投放

精准广告投放精准定位广告受众精准预测受众需求精准控制广告投放精准广告投放的第一步是精准定位客户，即“能准确找到目标消费者”广告主以用户的操作轨迹为依据，利用大数据技术，分析用户的消费需求；进而判断其关联需求，对其消费需求进行预测和推荐在广告投放过程中，广告交易操作的精准性与可控性还能进一步提升，结合相关的网络技术，进而发展出合约广告、竞价广告、程序化交易广告这三种在线广告产品互联网广告投放效果的基本指标主要有：点击率（ClickThroughRate，CTR）和转化率（ConversionRate，CR）精准评估广告效果7.2面向精准营销的广告投放数字媒体时代的精准广告投放的关键技术

合约广告受众定向竞价广告CPT广告CPM广告用户标签上下文标签广告标签

点击率预测查询扩展程序化交易广告交易平台ADX需求方平台DSP

供给方平台SSP

应用案例：华为与百度的精准投放著名企业华为在推广其新上市的手机Mate10时，同样也用到了百度精准广告的服务。百度精准广告首先将广告投放的目标客户定位为：有购买或更换手机需求的人群，尤其是追求时尚的年轻人群；然后，通过PC和手机端将广告投放到全国客户的家庭场景，即如果某用户最近一周在百度搜索了华为相关信息，则在匹配到的该用户家庭智能电视上投放华为广告。效果显示，广告的触达人群对华为很感兴趣（即主动搜索过与华为相关的关键词），这与目标客户高度匹配，且触达人次超过四百万；此外，广告播出后品牌的回搜率也发生了显著变化，在触达用户中搜索华为品牌的人数比非触达的高2.7倍，而且搜索次数也比非触达的高3.9倍。7.3精准营销的数据基础基于大数据的精准营销基本流程首先，收集消费者的注册数据、交互数据和来自第三方的数据。然后，对这些原始数据进行数据挖掘，即以最高效率将数据转化为信息。数据挖掘技术包括分类挖掘、Web页挖掘、聚类挖掘，其中分类和聚类挖掘是数据挖掘的主要形式。7.3精准营销的数据基础基于大数据的精准营销基本流程最后，将通过数据挖掘提取的信息运用在精准营销中。针对在线消费者的精准营销主要有以下几种方式：用户行为分析营销、个性化推荐营销以及基于运营商数据的分析营销。分析消费者在线行为大数据，能够帮助企业深入了解“每一个消费者”，通过打造针对每个消费者的“私人定制”7.3精准营销的数据基础消费者在线行为大数据的类型按数据形式分按数据来源分按消费者行为显隐性分

结构数据非结构数据注册数据交互数据第三方数据显性反馈行为隐性反馈行为7.3精准营销的数据基础消费者在线行为大数据的收集

ClickTale用户点击率分析主动收集：指消费者主动提供的数据，例如网络市场调研、客户反馈数据等。被动收集：指消费者被动提供的数据。在线平台运用Cookie技术捕捉和定位用户账号后，锁定该账号，并追踪其在其他在线平台的行为轨迹。7.3精准营销的数据基础消费者在线行为大数据的分析方法

描述性分析诊断性分析预测分析描述已有定量数据的整体情况，包括样本的年龄、收入、消费水平等，以掌握消费者特征的总体情况我们需要了解有哪些原因造成现在的消费者偏好或市场现状，即识别、量化结果与各因素之间的因果关系举例：主成分分析，还有决策树、时间序列、随机森林预测分析的主要目的是预测客户偏好以及关键节点，即预测精准营销的效果，主要的方法有回归分析和相关分析。举例：回归分析与相关分析应用案例：京东“揽客计划”京东会根据客户购物车里的商品的总体降价情况和降价的幅度来决定和是向客户集中推送购物车降价消息。当购物车营销活动创建完成时，商家就需要对活动效果进行统计分析。在活动开始后的第二天，在活动列表单击详情可以查看购物车营销的效果如何。客户营销会为店铺提供客户画像，包括性别、年龄、婚姻状况、区域、购买力、评论敏感度、会员等级和促销敏感度，共8个画像标签。京东绘制的用户画像，是基于用户的人口统计学属性（年龄、性别、居住地等）、购买能力、用户的扩大价值、用户行为特征（搜索关键词、浏览时间长短、关注的其他品牌等）以及兴趣爱好等。每个用户会有两百多个标签，京东会基于这些标签来对用户进行精准定位和设计个性化服务。精准的购物车营销精准的客户营销7.4精准营销的核心技术——推荐系统推荐系统在电子商务中的典型应用场景音乐推荐（网易云音乐）电影推荐（豆瓣）旅游推荐（携程）租房推荐（贝壳找房）7.4精准营销的核心技术——推荐系统推荐系统的核心算法（1）获取用户的人口统计学信息；（2）根据信息对用户进行分类；（3）给该用户推荐所处类别中其他用户偏好的商品基于人口统计学基于内容（1）分析用户的历史交互数据（阅读、购买、评价等），构造用户偏好文档；（2）提取物品的内容特征；（3）计算物品特征与用户偏好的相似度，向用户推荐相似度高的物品。7.4精准营销的核心技术——推荐系统推荐系统的核心算法（1）根据用户历史评分数据，找到兴趣相似的用户集合；（2）根据集合中其他用户的评分，预测目标用户对某些物品的评分；（3）最后向目标用户推荐预测分数高的物品。基于协同过滤基于上下文常见的上下文信息包括时间、地点、天气、季节、温度、活动状态、目的意图等。上下文信息会明显影响到用户的需求，例如在电子商务领域，不同的上下文（时间、季节、天气）状态下，用户对服装、食物等的需求各不相同。7.4精准营销的核心技术——推荐系统推荐系统的核心算法（1）基于邻域的社交网络推荐：找到用户的好友，将好友偏好的物品推荐给该用户。（2）基于网络结构的社交网络推荐：算法构建一个用户-商品的网络结构图，将用户、好友和物品抽象为节点，并用节点间的边来表示用户之间、用户与物品之间的关系。

基于社交网络混合推荐混合推荐算法是指按照切换、加权、特征组合等不同策略，将两种或两种以上的推荐算法结合进行推荐的过程。7.4精准营销的核心技术——推荐系统推荐系统的评估评估方式评估维度与指标离线实验用户调查在线评估用户满意度预测准确度覆盖率多样性健壮性新颖性惊喜度实时性隐私性可扩展性应用案例：携程的个性化推荐目前，携程的个性化推荐策略主要有以下方面：（1）推荐当前的热门产品：例如夏天时，海边景区的搜索量会较大，携程会重点向用户推荐热门的海边景点。（2）推荐附近的热门产品：根据用户的具体地理位置，向用户推荐周边数公里内的产品；或者是根据用户所在地，推荐当地的热门产品。（3）推荐关联的常见产品：携程从用户大量的历史行为数据中提取规律，找到相关的产品组合进行关联推荐。例如用户在预定了迪士尼门票后，会为他推荐附近的酒店等。（4）推荐用户的偏好产品：通过用户历史行为数据，分析用户的偏好，从而为用户推荐类似的产品和服务。旅游电商是一个快速增长的行业，起初携程在竞争很少的情况下，已经全面布局整个产业。同时作为服务业，携程始终关注客户，保证用户体验。经过这几年的快速发展，携程已经获得大量客户，在市场上占据重要地位。7.5电子商务精准营销的机会与挑战用户隐私问题数据质量用户的注册账户被非法盗用导致用户个人信息的泄露；电商平台对用户的个人数据进行非法售卖，严重威胁用户的个人信息安全；电商平台未经用户同意对隐私数据进行过度收集和随意开发利用，使用户感觉自身的隐私受到侵犯。用户缺乏主动提供偏好数据的动力，所提供数据的质量也普遍较差。平台只能通过被动收集的方式为精准营销服务提供数据支持，但面临上述用户隐私保护问题的制约，效果并不十分理想。现有的电商平台为了鼓励用户提供更多的有效反馈数据，这些行为反而为平台带来了大量的噪声数据，不利于精准营销的进行。7.5电子商务精准营销的机会与挑战计算复杂性智慧化要提高营销的精准性，既需要具备超大规模数据处理能力，也需要高度复杂的机器学习算法。当对计算的实时性要求较高时，就需要巨大算力的支持，要求电商平台支付巨大的硬件、空间和能源成本。机器学习技术缺乏人类的情感。如何对人类的情感进行建模和模拟，是人工智能领域的一个巨大挑战。现有机器技术大多需要从大量的样本数据中提炼一般的营销规律，还难以做到自发、主动或者基于直觉的判断。如何