互聯網大數據營銷:客戶定位+標簽畫像+精準營銷+數據分析
曾卉
- 出版商: 清華大學
- 出版日期: 2023-03-01
- 定價: $354
- 售價: 8.5 折 $301
- 語言: 簡體中文
- ISBN: 7302623031
- ISBN-13: 9787302623038
-
相關分類:
大數據 Big-data、Data Science
下單後立即進貨 (約2週~3週)
相關主題
商品描述
目錄大綱
目錄
第1章 必然方向:大數據時代的精準營銷趨勢 1
1.1 萬物可蹤:移動互聯網帶來的閉環營銷數字化 2
1.1.1 更易滿足用戶需求 3
1.1.2 更易捕捉高價值用戶 4
1.1.3 更易減少營銷成本 4
1.2 精準營銷:依托數據為每位用戶提供個性化營銷 5
1.2.1 消費者的消費觀念發生變化 6
1.2.2 企業交易成本下降 7
1.2.3 市場競爭的必然要求 8
1.3 新的問題:數據不是問題,問題是如何用好數據 8
1.3.1 沒有明確目標 9
1.3.2 欠缺數據思維 10
1.3.3 溝通效率較低 10
1.3.4 應用手段落後 11
1.4 核心要素:相比於展示量,ROI才是根本 11
1.4.1 選好投放平臺 14
1.4.2 定位投放人群 14
1.4.3 持續跟蹤數據 15
1.4.4 做好售後工作 15
1.5 重新理解:8句話幫你重新理解互聯網大數據營銷 16
1.5.1 是完整的過程而非單獨環節 16
1.5.2 改善用戶體驗成為重中之重 17
1.5.3 用戶行為數據化是營銷關鍵 17
1.5.4 廣告投放領域創新程度提升 17
1.5.5 傳統客戶關系迎來新的改變 18
1.5.6 個性化營銷能夠帶來高增長 18
1.5.7 競爭對手所處環境日益透明 19
1.5.8 平衡數據同用戶隱私的矛盾 19
1.6 【案例】:大數據時代,能避免一半營銷預算被浪費嗎 20
1.6.1 做好市場調研工作 21
1.6.2 設定精準的營銷目標 21
1.6.3 制定完整的營銷方案 22
1.6.4 提前進行效果評估 22
1.6.5 選擇合適的傳播媒體 23
第2章 基本意識:大數據驅動營銷效率提升的方向 25
2.1 基本方向:掌握數據+處理數據+解讀數據 26
2.1.1 掌握數據 26
2.1.2 處理數據 27
2.1.3 解讀數據 29
2.2 提出問題:會提問題才是用好大數據的前提 29
2.2.1 問題要清晰明確 31
2.2.2 避免封閉式提問 31
2.2.3 要保持和諧交流 32
2.3 歸因謬誤:為了談數據而談數據將很容易“跑偏” 32
2.3.1 不要草率歸因 34
2.3.2 不要過度解讀 35
2.3.3 客觀看待自己 35
2.4 觸類旁通:營銷學中不可忽視的營銷指標與非財務指標 35
2.4.1 營銷指標 36
2.4.2 非財務指標 37
2.5 個性滿足:大數據營銷要對每位用戶說“懂”他的話 39
2.5.1 為數據賦予溫度 41
2.5.2 進行用戶細分 41
2.5.3 說的前提是聽懂 42
2.5.4 將數據串聯起來 42
2.6 【案例】:用戶因何會為淘寶時光機而感動 43
2.6.1 觸達用戶痛點 43
2.6.2 文案配合得當 44
2.6.3 具備社交屬性 46
第3章 客戶定位: 用大數據更快、更準找到目標受眾 47
3.1 痛點挖掘:市場痛點的內涵與相關數據查找、驗證 48
3.1.1 市場痛點的內涵 48
3.1.2 查找市場痛點的註意事項 50
3.2 人群定位:人口學數據與企業市場營銷間的關系 51
3.2.1 人口學概述 51
3.2.2 利用人口學數據進行人群定位時的註意事項 52
3.2.3 對人群定位影響較大的因素 53
3.3 市場調研:如何獲得一個細分市場的專屬數據 55
3.3.1 明確調研目的 56
3.3.2 鎖定調研對象 57
3.3.3 敲定調研方法 57
3.3.4 組織調研團隊 57
3.3.5 數據整理分析 58
3.3.6 撰寫調研報告 58
3.4 場景定位:怎樣找到用戶需求最旺盛的業務場景? 59
3.4.1 場景面向的用戶特徵 60
3.4.2 用戶所處的環境 61
3.4.3 觸發交互行為的條件 61
3.4.4 用戶停止行為的原因 62
3.5 行為數據:目標用戶行為偏好數據的追蹤與提煉 62
3.5.1 比較常用的用戶行為數據 62
3.5.2 追蹤用戶行為數據的註意事項 64
3.6 【案例】:58到家CEO:心智定位是靈魂, 大數據是工具 66
3.6.1 互聯網環境發生改變 67
3.6.2 快狗打車更名決策 67
3.6.3 改變消費者認知很重要 68
3.6.4 定位是靈魂 69
3.6.5 大數據推動發展 69
第4章 數據收集: 營銷大數據的採集及預處理 71
4.1 業務梳理:業務流程要素決定著數據口徑 72
4.1.1 保障部門之間的溝通 73
4.1.2 接收業務調整的信號 73
4.1.3 數據口徑名稱要清晰 74
4.1.4 重視數據口徑的驗證 74
4.2 數據源:營銷分析中應重點關註的7種數據源 75
4.2.1 聚合數據 75
4.2.2 艾瑞指數 76
4.2.3 通聯數據 76
4.2.4 百度指數 77
4.2.5 數說聚合 78
4.2.6 QuestMobile 78
4.2.7 數據觀 78
4.3 數據埋點:指定位置數據埋點的實戰技能 79
4.3.1 數據埋點的概念 79
4.3.2 數據埋點的應用方式 79
4.3.3 數據埋點的應用技巧 81
4.4 預處理:獲得數據後必要的清洗、過濾與映射工作 83
4.4.1 數據清洗 84
4.4.2 數據過濾 85
4.4.3 數據映射 85
4.5 數據監測:相關數據的監測與基本效果分析 86
4.5.1 數據監測的意義 86
4.5.2 數據監測的應用要點 87
4.5.3 數據監測效果分析的方法 88
4.6 【案例】:雲南白藥淘寶旗艦店的經典數據營銷戰 90
4.6.1 鎖定目標人群 91
4.6.2 分析用戶行為 91
4.6.3 定製營銷活動 92
4.6.4 提煉潛在用戶 93
第5章 標簽畫像: 讓正確的服務匹配到正確的人 95
5.1 核心目的:不斷細化標簽圖譜形成更精準匹配 96
5.2 標簽系統:完整標簽系統的搭建層級及常見的標簽應用場景 98
5.2.1 完整標簽系統的搭建層級 98
5.2.2 常見的標簽應用場景 100
5.3 標簽體系:標簽的歸納、分類與處理 102
5.3.1 標簽歸納 102
5.3.2 標簽分類 103
5.3.3 標簽處理 105
5.4 用戶畫像:用戶畫像與用戶標簽間的關系 105
5.4.1 選擇正確的標簽 106
5.4.2 標簽數量要適中 107
5.4.3 標簽不代表一切 107
5.5 循環優化:強化用戶與服務偏好匹配效率五步走 108
5.5.1 做好用戶細分 109
5.5.2 制定服務策略 109
5.5.3 測試服務效果 110
5.5.4 持續跟蹤數據 111
5.5.5 進行評估優化 111
5.6 【案例】:完美日記營銷中對用戶畫像的極致應用 112
5.6.1 選擇品牌代言人 113
5.6.2 IP跨界聯動營銷 114
5.6.3 多樣化營銷渠道 115
第6章 數據分析: 學會讓數據來回答你的問題 117
6.1 分析目標:用好數據分析對做好營銷的三重加持 118
6.1.1 提高營銷決策精準度 119
6.1.2 監視、預測對手動向 119
6.1.3 提供精細化用戶服務 120
6.2 基本技法:關聯規則、離群數據與知識推理 121
6.2.1 關聯規則 121
6.2.2 離群數據 122
6.2.3 知識推理 123
6.3 漏鬥模型:實現逐層監控、分析、優化 124
6.3.1 漏鬥模型監控 125
6.3.2 漏鬥模型分析 126
6.3.3 漏鬥模型優化 127
6.4 事件模型:如何針對特定事件開展各維度分析 127
6.4.1 本身特徵統計 128
6.4.2 屬性特徵統計 128
6.4.3 自定義指標運算 129
6.5 分群模型:怎樣針對特定分組用戶開展數據分析 129
6.5.1 付費情況 130
6.5.2 使用狀態 131
6.5.3 用戶偏好 131
6.6 【案例】:某游戲類App營銷優化過程中對漏鬥模型的應用 132
6.6.1 游戲投放展示 133
6.6.2 用戶下載游戲 134
6.6.3 用戶註冊賬號 134
6.6.4 玩家體驗游戲 135
6.6.5 玩家付費轉化 135
第7章 數據解讀: 時刻謹記數據背後是“人的需求” 137
7.1 丐詞魔術:千萬不能用證明想法的眼光看待數據 138
7.1.1 保持客觀態度 139
7.1.2 適當發出質疑 140
7.1.3 學會接受現實 140
7.2 數據噪聲:為何同一組數據會得出完全不同的結論 141
7.2.1 分箱法 142
7.2.2 聚類法 142
7.2.3 回歸法 143
7.3 解讀方式:正確解讀營銷大數據4步走 143
7.3.1 拒絕主觀想法影響 144
7.3.2 透過數據解讀用戶 145
7.3.3 深入接觸驗證想法 145
7.3.4 嘗試拼湊數據鏈條 146
7.4 洞察問題:異常數據中往往蘊藏著新機會 146
7.4.1 不要抵觸異常數據 148
7.4.2 不要輕易做出判斷 149
7.4.3 嘗試徵求他人意見 149
7.5 潛在需求:從營銷數據中尋找用戶潛在需求的方式 149
7.5.1 做好用戶的細分 150
7.5.2 採集充足數據 151
7.5.3 抓住關鍵數據 151
7.5.4 嘗試引導用戶 152
7.5.5 尋求專業機構的幫助 153
7.6 【案例】:克裡斯坦森:用戶需要的是“雇用” 產品去完成“任務” 153
7.6.1 抓住用戶核心需求 155
7.6.2 找到正確的創新方向 155
7.6.3 數據配合做好調查 156
7.6.4 重視用戶情感需求 156
第8章 實戰技法: 多類大數據營銷手段實戰演練 157
8.1 事件營銷:大數據與事件營銷的前、中、後期 158
8.1.1 事件營銷前期 158
8.1.2 事件營銷中期 160
8.1.3 事件營銷後期 161
8.2 關聯營銷:提升關聯成功率需在三大觸點下足功夫 161
8.2.1 關聯商品可互補 162
8.2.2 關聯同類型商品 163
8.2.3 關聯商品可互替 164
8.3 互動營銷:讓粉絲不再旁觀,而是深入參與其中 164
8.3.1 策劃有吸引力的內容 166
8.3.2 目標定位要足夠精準 166
8.3.3 對用戶進行利益驅動 167
8.3.4 互動量並不代表一切 168
8.4 病毒式營銷:社交鏈傳播數據可量化是病毒式營銷的基礎 168
8.4.1 病毒式營銷的特點及其傳播過程中的常用指標 168
8.4.2 提升K因子數值的方法 170
8.5 增長黑客:如何用更低成本、更優渠道做好業績增長 172
8.5.1 控制企業營銷成本 173
8.5.2 選擇更優營銷渠道 174
8.6 【案例】:小米的互動營銷策略 175
8.6.1 轉發抽獎 176
8.6.2 高管入駐 176
第9章 相關環節: 它們同樣決定了大數據營銷的最終效果 179
9.1 數據可視化:更明晰的動態監測、更好的匯報效果 180
9.1.1 動態監測更明晰 180
9.1.2 匯報效果更優化 181
9.1.3 多維度分析場景 182
9.1.4 更迅速看到問題 182
9.2 實效營銷:大數據在實效營銷中的作用 183
9.2.1 提高渠道效率 185
9.2.2 找到創新方向 185
9.2.3 監測營銷過程 186
9.2.4 量化營銷指標 186
9.2.5 評估合作對象 186
9.3 品牌營銷:大數據優勢在品牌營銷中的正確玩法 187
9.4 營銷預算:大數據營銷方案如何實現資源最優配置 190
9.4.1 以營銷目標為依據 191
9.4.2 總結並分析各營銷渠道 191
9.4.3 分解費用項目 192
9.4.4 部門之間高效溝通 192
9.5 數據隱私:守得住界限才能更安全 193
9.5.1 做好數據分類 195
9.5.2 進行員工培訓 195
9.5.3 文件進行加密處理 196
9.6 【案例】:百度對大數據營銷可視化設計的看法 196
9.6.1 大數據營銷的意義 197
9.6.2 數據可視化的概念 198
9.6.3 視覺可視化的元素 199
9.6.4 數據可視化的誤區 199
第10章 全盤案例: 淘寶店的大數據營銷策略 201
10.1 數據體系:對淘寶店而言的 重要數據指標 202
10.1.1 店鋪瀏覽量 203
10.1.2 店鋪訪客數 203
10.1.3 收藏量 203
10.1.4 轉化率 204
10.1.5 平均訪問深度 204
10.1.6 產品復購率 205
10.2 店鋪定位:大數據視角下的 淘寶店鋪、產品定位 205
10.2.1 確定目標消費群體 206
10.2.2 尋找有爆款潛力的產品 207
10.2.3 分析行業競爭情況 207
10.2.4 明確店鋪裝飾風格 208
10.3 店鋪流量:影響店鋪權重、 流量的那些關鍵點 208
10.3.1 店鋪點擊率 209
10.3.2 近期銷量 210
10.3.3 店鋪信譽度 210
10.3.4 DSR動態評分 210
10.4 會員體系:數據分析、會員 畫像與提升復購 212
10.4.1 提煉關鍵數據 213
10.4.2 劃分會員等級 213
10.5 口碑塑造:大數據營銷與店鋪 品牌塑造的正確思路 215
10.5.1 品牌精準定位 216
10.5.2 講好品牌故事 216
10.5.3 引導正面話題 217
10.5.4 衡量口碑效果 217
10.6 【案例】:淘寶店鋪直通車怎麽 “開”才最劃算 218
10.6.1 評估關鍵詞質量分 219
10.6.2 選擇有潛力的產品 219
10.6.3 合理優化推廣標題 220
10.6.4 適時調整關鍵詞出價 220
10.6.5 註意投放的時間節點 221