电商企业想要做全局性和系统性的决策，不能仅凭大量的数据，还要加上商业分析，大数据与商业分析的结合才能称得上是大数据精准营销。在商业分析里，必须先了解市场，了解某个领域的消费者真正的需求；其次要了解行业，包括行业的特征、要求和规则；最后才是懂企业的运营，把多个模块和资源有序地整合起来，从而共同创造价值。这些具备后，用大数据进行适度辅佐，在商业的主导下，真正发挥大数据的作用。下面我们将用一个例子来说明：电商企业是如何依靠大数据进行精准营销的。
项目背景：
年中大促期间，电商平台的护肤品各类品牌竞争激烈，某护肤品品牌想借助大数据营销平台完成两款面膜的线上推广。利用大数据平台的精准定向方式，针对全国18岁以上的女性进行线上广告的推送，为活动网站引入高质量客流，促进消费者和品牌的深度互动。
投放方案
1、优选投放媒体
优选几个国内主流媒体和与产品相关性高的高质量媒体，分别采用Banner、信息流和视频贴片的广告形式进行投放。通过平台一站式 *** 作对这些媒体进行竞价广告投放。当用户点击广告后对其进行标记。
2、MOB数据定向
通过MOB大数据，智能分析移动设备拥有者的属性以及设备中的APP构成，锁定女性用户且安装有美妆类APP的移动设备，针对这对这类设备进行全媒体广告投放，对用户进行广告包围，加深用户印象，增加用户购买意向。
3、重定向
标记活动落地页到访人群，当他们浏览有可竞价广告位的媒体时，发起追踪投放，吸引对本广告内容感兴趣的访客重新返回活动落地页。
4、投放优化
通过投放反馈的数据，我们从这几方面进行优化：
1、媒体平台优化，筛选出高点击率媒体平台，排除低点击率平台；
2、投放时段优化，排除低点击率时段，集中投放在高点击率时段；
3、素材优化，筛选出高点击率素材并替换掉低点击率素材。
投放效果
在本次的线上推广中，小蜜蜂数据平台全程实时监测投放数据，其中18~24岁的女性访客量占比为50%；25~29岁的女性访客量占比为32%；30~34岁的女性访客量占比为18%。每位独立访客的付费比预期值要低20%，点击量比预期值要高25%，到站转化率超过预期值高15%。
此案例可看出电商企业借用大数据进行精准营销可大大提高电商广告的精准度和命中率，在减少交易成本的同时也提高了交易效率，大大提升了整体的电商服务水平，实现企业利益最大化。
营销策划是为了提高营销效益为目的。依据一定的原则，通过策划一些方案，来吸引消费者。那么一些电商的经典案例我们今天一起看一下。帮助我们激发营销策划的想法。
电商营销策划案例1、粉丝经：当红明星+直播互动
这种模式，是当下最为潮流的电商营销手法，既能提升品牌声量，又能带来明显的销量转化。近年来，移动视频直播大战打得如火如荼，迅速升级为全民实时互动狂欢。广告主们也不甘落后，创造出了大量直播营销案例。
在16年的戛纳电影节上，赞助商欧莱雅全程直播了巩俐、李宇春、井柏然几位代言人在电影节现场的台前幕后，尤其是化妆阶段。其中，欧莱雅的各种产品随着明星出镜，比如李宇春的水光气垫CC、井柏然的水凝保湿、巩俐的化妆包。
李宇春在专访中也“尽职”地介绍了自己“出门必备”的美妆产品。直播4小时后，李宇春同款唇膏在欧莱雅天猫旗舰店就卖光了。在直播中，粉丝甚至会主动要求，坚持让主持人即使播广告也要硬撑10分钟，为了让点赞数达到3100万，与李宇春的生日相对应。
2、技术流：炫酷画面+AR购物
互联网时代的消费者，他们可能是“最不忠诚”的消费者了，他们喜欢追求新鲜刺激，消费变化多端，不容易予以掌握。尤其是在信息大爆炸的传播环境下，唯有极致化的体验创新，才能引发消费者的关注热潮。AR、VR等技术是今年的大热门，与电商的结合，虽然目前仍处于广告效应大于实际效益阶段，但品牌商们依旧趋之若鹜。
宝洁曾与聚划算合作，做了一个“传送门”案例。来自日本、韩国、德国、澳大利亚、美国5个国家的17款宝洁新品，在聚划算平台集中上线。通过AR技术，消费者只要打开一扇任意门，就会被投影入一个国家代表性的场景中，让消费者置身逼真的异国情境中。
3、跨界秀：边看边买+电视引爆
“边看边买”的模式，前两年在阿里和优酷的造势下，概念很火，引发了一波视频网站与电商融合的潮流。不过，从实际的销售转化来看，不是太如人意。不过，这并不是说明“边看边买”模式走不通，而是需要更具特色的商品加上更具引爆性的内容和直播媒介。
《舌尖上的中国》就是这个突破口，也是“边看边买”成功案例之一。《舌尖2》就与天猫合作，打造整合传播体验平台，推出《舌尖2》特卖频道，同步首发《舌尖2》每期节目中的食材和美食菜谱，并邀请摄制组为同步上线的食材把关。
天猫公关部一位负责人表示，在开播的两个小时里，就有200万的吃货通过手机登录天猫搜索相关食材。一部极具关注度的美食电视片本身就是黄金商机，电商由此开发“主题营销”，承接直接的流量。
4、创意派：数据挖掘+场景共鸣
精准营销一直是电商广告主追求的目标，广告主都希望自己的广告能够精准地投放给所需人群。电商平台的数据资源，正是广告主们梦寐以求的金矿。不过，仅仅是精准触达目标消费者还不够，还要为用户创造一个感动人心的消费场景，才能实现更好的导流。
5、社交力：红包诱惑+分享裂变
发红包的营销手法，本质上就是价格上的促销。企业在招揽用户之时，这一招屡试不爽，红包和优惠券往往能够触动到消费者敏感的神经。不过，过去点对点的发红包方式，效率太低。当红包与社交网络的分享功能相结合，就能裂变出无穷的能量。
电商网络推广优势有哪些1、受众范围广
网络广告不受时空限制，传播范围极其广泛。通过国际互联网络24小时不间断地把广告信息传播到世界各地。电商的网络推广公司表示只要具备上网条件，任何人在任何地点都可以随时随意浏览广告信息。
2、交互性强
交互性是互联网媒体的最大优势，电商的网络推广它不同于其他媒体的信息它不同于其他媒体的信息单向传播，而是信息互动传播。在网上，当众获取他们认为有用的信息时，而厂商也可以随时得到宝贵的受众信息的反馈。
3、目标群体确定
电商的网络推广针对性明确网络广告目标群确定，由于点阅信息者即为感兴趣者，所以可以直接命中目标受众，电商的网络推广并可以为不同的受众推出不同的广告内容。
4、受众数量统计精确
在Internet上可通过权威、公正的访客流量统计系统，精确统计出每个广告的受众数，以及这些受众查阅的时间和地域分布。这样，借助分析工具，成效易体现，客户群体清晰易辩，广告行为为收益也能准确计量，有助于客商正确评估广告效果，电商的网络推广公司制定广告投放策略。
5、实时、灵活、成本低
在Internet上投放广告能按照需要及时变更广告内容，当然包括改正错误。这就使经营决策的变化可以及时地实施和推广。电商的网络推广作为新兴的媒体，网络媒体的收费也远低于传统媒体，若能直接利用网络广告进行产品销售，则可节省更多销售成本。
6、感官性强
网络广告的载体基本上是多媒体、超文本格式文件，可以使消费者能亲身体验产品、服务与品牌，这种以图、文、声、像相结合的广告形式，电商的网络推广将大大增强网络广告的实效。
7、消费群体活跃
互联网用户70.54集中在经济较为发达地区，64家庭人均收入高于1000元，85.8年龄在18岁到35岁之间，83受过大学以上教育。因此，网络广告的目标群体是目前社会上层次最高、收入最高、消费能力最高的最具活力的消费群体。电商的网络推广在这一群体的消费总额往往大于其他消费层次之和。
8、具有交互性和纵深性
交互性强是互联网媒体的最大优势，它不同于传统媒体的信息单向传播，而是信息互动传播。电商的网络推广公司认为只要通过链接，用户只需简单地点击鼠标，就可以从厂商的相关站点中得到更多、更详尽的信息。另外，电商的网络推广用户可以通过广告位直接填写并提交在线表单信息，厂商可以随时得到宝贵信息资源。
数据来源于Kaggle的电商数据集 The UCI Machine Learning Repository ，英国在线零售商在2010年12月1日到2011年12月9日的在线销售数据，该电商公司主要以销售各类礼品为主，多数客户都是批发商。
使用Oracle 对数据进行处理与清洗，通过RFM模型、复购率、消费生命周期等对用户维度进行分析，利用ABC分类、退货率等维度展开剖析，结合Excel图表进行可视化展示，为精准营销与个性化服务提供支持。
根据分析目的选择字段，数据集共8个字段，如果表格字段较多，视情根据分析目的的需要选择合适的字段。
创建备用表new_ecommerce，将旧表的数据去重添加进备用表。原有数据541909条， 去重后数据536641条，删除重复值5268条。
检查缺失值
CustomerID存在缺失值135037条，Description出现缺失值1454条。数据都很大，不可能全部删除。Description产品描述不是项目分析，不用处理。
在实际工作中，像CustomerID客户ID缺失，首先找业务部门或者数据来源部门确认信息并且补上。本项目只有单一数据，无法找到相关人员确认，暂且把NULL值替换为0。
5.1检查日期是否在范围内（2010年12月1日到2011年12月9日）
交易成功，销量不可能为负值或零值。如果销量为零或者负值情况，那么需要和业务/数据来源部门确认具体的原因。这里假设出现负值是客户退货情况。
检查发现交易销量小于0的发票编号大都是"C”开头的，有部分异常销量小于0但不是以"C"开头，这里做删除处理。
检查发现有单价为0的免费单，共计1174。暂且不分析免费单，直接删除免费单的数据。
检查发现两笔坏账，单价都是负值，故把它删除。
根据分析目的，我们处理InvoiceDate日期数据。这里只做日期分析，不分析小时分钟，故转换为日期格式。
根据分析目的，本次分析将采用RFM模型
在RFM模式中：
R：最近一次消费时间（最近一次消费到参考时间的间隔）
F：消费的频率(消费了多少次）
M：消费的金额 （总消费金额）
一般的分析型RFM强调以客户的行为来区分客户。
根据最近一次消费与客户数的分析结果显示最长的天数差是373天，最短0天；80%的客户在200天内都有交易记录，说明客户忠诚度不错。
分析显示，10次交易记录以内的客户占绝大部分，说明客户是很认可产品和服务。
在2010年12月1日到2011年12月9日期间，交易金额主要集中在 1000英镑以内和1000-3000英镑这两个范围内。
分析发现，该电商平台总交易客户数4372位。交易客户中，一般发展客户（可以说是新客户）最多，占总数的34%，其次是一般挽留客户(流失客户)29%，重要发展客户22%，重要价值客户10%，重要挽留客户5%和重要挽回客户0.16%。
每月新客数量及其占比
每月的新老客户的销售数量与销售金额
用户生命周期 = 最近一次购买时间 - 第一次购买时间
商品退货分析
结合ABC分类进行分析，选取退货率大于均值且为A级的商品（主要是综合上文提及的ABC分类和退货率计算，通过创建view的形式进行联结后筛选，创建退货率视图为view_return_rate，ABC分类视图为view_class），这里筛选出64个商品。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）