跨屏、精準、RTB、程序化購買、定向……這些詞眼熟嗎?

不斷增加的新名詞，讓廣告營銷成為了最會講概念的一個行業(yè)，從奧美、唐舒爾茨時代經(jīng)典的4P、4C理論，到后來的各種廣告營銷模型，再到當(dāng)下最熱的大數(shù)據(jù)營銷，每一個階段的產(chǎn)物都讓人容易產(chǎn)生膜拜之感，但是高大上之外，仍然會讓行外人摸不著頭腦。

而在當(dāng)下，言必稱大數(shù)據(jù)和精準，成了數(shù)據(jù)營銷最繞不過去的一個尷尬——幾乎所有的廣告營銷公司都自稱自己的特色是基于大數(shù)據(jù)，能夠做到定向投放或者精準營銷。作為一個廣告主或者開發(fā)者，你真能區(qū)分不同平臺之間的差異嗎?能保證自己沒被這些看上去高深的名詞忽悠嗎?

通過對這些巨頭的梳理，以及結(jié)合行業(yè)的發(fā)展情況，《天下網(wǎng)商》總結(jié)了四種典型模式，可以說，這四種模式也涵蓋了目前大數(shù)據(jù)營銷的關(guān)鍵點，它們也可以成為判斷一個公司是不是數(shù)據(jù)營銷公司的標(biāo)準。

一、關(guān)聯(lián)模式

模式邏輯：由A找到B，從數(shù)據(jù)中找到關(guān)聯(lián)

先從一個古老的零售故事講起， 沃爾瑪喜歡將啤酒和尿布放在一起銷售，如此神奇的組合卻讓兩種商品的銷量都有所提升。 沃爾瑪通過對超市一段時間的原始交易數(shù)據(jù)進行了詳細分析，同時發(fā)現(xiàn)很多美國爸爸經(jīng)常會在下班回家的路上為孩子買尿布，同時順手拿上自己愛喝的啤酒—— 這對組合由此誕生，也成為了傳統(tǒng)零售中關(guān)聯(lián)模式的一個最經(jīng)典案例。

到了互聯(lián)網(wǎng)時代，亞馬遜成為了關(guān)聯(lián)銷售模式的佼佼者，據(jù)稱其20%~30%的銷售是通過關(guān)聯(lián)推薦獲取的，在2013年，亞馬遜的Prime Instant Video 也因個性化推薦引擎而獲得了艾美獎。亞馬遜做關(guān)聯(lián)推薦的嘗試比較早，甚至很多人不知道的是， 當(dāng)你今天習(xí)以為常的打開一個電商網(wǎng)站，就能看到各種關(guān)聯(lián)推薦的商品，這個做法最初就來自于亞馬遜。

《大數(shù)據(jù)時代》一書很好的記錄了亞馬遜這個創(chuàng)舉的發(fā)展過程。1994年，杰夫·貝索斯(Jeff Bezos)創(chuàng)辦了亞馬遜之后，組建了一個20人規(guī)模的內(nèi)容團隊，專門寫書評和推薦新書，這對亞馬遜的書籍銷售起了非常大的作用。但隨著書籍?dāng)?shù)量和網(wǎng)站規(guī)模規(guī)模的不斷增大，這種手工生產(chǎn)的推薦方式遠遠不能滿足所有的需求，個性化的推薦系統(tǒng)由此而生。但最初的系統(tǒng)推薦是試圖找到用戶之間的關(guān)聯(lián)，但是關(guān)聯(lián)效果卻并不好，這個推薦系統(tǒng)也在當(dāng)時被書評家詹姆斯·馬庫斯(James Marcus)評價為“和一群腦殘一起逛書店”。

設(shè)計和開發(fā)了亞馬遜推薦算法的格雷格·林登(Greg Linden)，后來轉(zhuǎn)變了思路，把關(guān)聯(lián)的對象由用戶變?yōu)樯唐罚@夜就奠定了亞馬遜“從商品到商品”(Item-to-Item)的個性化推薦基調(diào)，一直沿用至今。格雷格曾寫過一篇文章詳細介紹了亞馬遜的推薦算法和系統(tǒng)，他認為這種從商品到商品的協(xié)同過濾不涉及顧客數(shù)量和特性，同時可以提前分析產(chǎn)品之間的關(guān)系，避免推薦的“冷啟動”問題，及時并實時產(chǎn)生高質(zhì)量的推薦。

這種推薦算法在電子商務(wù)領(lǐng)域的應(yīng)用尤其廣泛，也成為了比較經(jīng)典的算法，在最近幾年也被研究得很多，因此就算法本身而言，它并不難，而亞馬遜之所以能夠以相同的算法在大批電商網(wǎng)站中脫穎而出，是因為它經(jīng)過了十幾年的積累，不僅投入了大筆資金不斷搭建，也不斷在收集商品數(shù)據(jù)和用戶的行為數(shù)據(jù)，這種積淀很難在短時間內(nèi)被超越。

此時，你是不是馬上打開亞馬遜網(wǎng)站或者自己的郵箱，看看那些它為你推薦了哪些關(guān)聯(lián)的商品呢?

二、精準定向模式

模式邏輯：從A、B、C、……等一群人中找到你最想要的A，這也是幾乎市面上所有DSP(數(shù)字廣告公司)所慣用的模式

借助廣告，F(xiàn)acebook成功把粉絲和流量變現(xiàn)， 根據(jù)公開數(shù)據(jù)，它在今年三季度的營收同比增長了41%，其中社交廣告貢獻巨大，廣告營收占到了其總營收的90%以上。

之所以能夠在廣告領(lǐng)域大獲成功，F(xiàn)acebook 靠的是精準的定向：一方面把最合適的人群推送給品牌方，另一方面也讓用戶接收到他和朋友可能感興趣的內(nèi)容，這些內(nèi)容有著很明顯的社交屬性，甚至能讓用戶愛上廣告。 以它和Ben&Jerry’s的合作為例，根據(jù)Facebook發(fā)布的數(shù)據(jù)顯示，廣告的粉絲覆蓋率達到了98%，評論和受喜愛程度都十分可觀。而根據(jù)Ben&Jerrry’s市場部給出的評估，它在Facebook上所投放的這些廣告給自己帶來了3比1的投資回報率。

這種精準的背后，不僅僅是因為Facebook擁有大量的用戶，還在于其對多維社交數(shù)據(jù)的收集和深度挖掘。其創(chuàng)始人扎克伯格曾在F8 Keynote上提起過一個 Open Graph Protocol 標(biāo)準， 可以將網(wǎng)上的所有原始數(shù)據(jù)打上獨特標(biāo)簽的系統(tǒng)。當(dāng)你在Facebook上分享了亞馬遜上的一本書，這個系統(tǒng)會把相應(yīng)的目錄、作者等信息回傳給它，產(chǎn)生一系列復(fù)雜的數(shù)據(jù)關(guān)聯(lián)，今后為你推送真正感興趣的內(nèi)容和廣告的幾率由此變大。

三、動態(tài)調(diào)整模式

模式邏輯：計劃要推A，但是在實際的場景交互中，數(shù)據(jù)反饋的結(jié)果發(fā)現(xiàn)B更受歡迎，因此調(diào)整計劃改推B。

很多人喜歡用Google的原因在于，它的推薦往往更符合自己的心意，提高了搜索的效率。 不僅如此，你可以留心一個細節(jié)，當(dāng)你在Google輸入一個關(guān)鍵詞，點擊第一個搜索結(jié)果后發(fā)現(xiàn)不滿意，又迅速返回了搜索頁，點擊第二個搜索結(jié)果，然后花了很長時間瀏覽，此時它就會默認你對第二個結(jié)果更滿意，因此當(dāng)你下一次搜索同一個關(guān)鍵詞時，之前兩個結(jié)果的排位會發(fā)生互換。

這個普通的案例代表了Google在大數(shù)據(jù)領(lǐng)域最突出的特色：動態(tài)性。 Google在進行質(zhì)量優(yōu)化的同時，也把用戶的交互反應(yīng)實時加入了進來。 一位谷歌發(fā)言人曾表示：“我們始終在對搜索頁面進行調(diào)整，從而讓用戶可以更輕松地發(fā)現(xiàn)最有用的信息。”

把用戶在網(wǎng)上的行為模式加入到排名算法中，為此，Google也進行了許多的努力。 例如推廣Google工具欄，用戶在瀏覽網(wǎng)頁時的行為數(shù)據(jù)會被Google收集，它甚至曾付了不小的一筆錢給戴爾，在后者銷售的電腦上預(yù)裝好Google工具欄。而那些沒有裝Google 工具欄的用戶，當(dāng)他在Google網(wǎng)站進行搜索的時候，電腦也會被設(shè)置cookie，在這個cookie一年的有效期內(nèi)，用戶的搜索也被一一記錄。此外，買下原本需要付費的日記分析軟件，再以Google Analytics的形式免費提供給站長們等做法也讓大家紛紛猜測是出于同樣的考慮。

這種特性也從搜索排名的業(yè)務(wù)場景遷移到了大數(shù)據(jù)營銷的語境中，用戶對一個廣告的反應(yīng)會實時的反饋回來，進而供廣告主參考，適時進行營銷計劃的調(diào)整。而現(xiàn)在很多數(shù)據(jù)營銷公司依然是一種固定模式的營銷方式，天天對著一群用戶狂轟亂炸，效果可想而知。

這種動態(tài)調(diào)整的模式也適用于這樣一種情況，當(dāng)不知道哪種營銷策略最合適時，可以先準備幾個不同的方案，同時放到市場去檢驗，Google 會很快告訴你哪個廣告片更受歡迎，然后就可以主推最受歡迎的版本了。 當(dāng)然，動態(tài)調(diào)整的做法并不為Google所獨有，只不過都沒有它反應(yīng)迅速罷了。

四、粉絲爆炸器模式

模式邏輯：利用積累的大量人群數(shù)據(jù)，根據(jù)已經(jīng)擁有的A，找到一群更大的A。

找到1000個忠實的目標(biāo)消費者也許不難。如何把這個數(shù)量由1000變?yōu)?0000、1000000甚至更大呢?這100、1000又如何從好幾億的人中挑選呢? 在規(guī)模不斷擴大的同時，也能夠盡量做到精準; 阿里巴巴集團旗下的阿里媽媽為此構(gòu)建了一個Lookalike 模型，它被形象地稱為“粉絲爆炸器”，可以做到“給定一小群人，自動找到10倍、20倍規(guī)模相似人群”。

商家做生意最難的部分是如何在客戶首次購買之前建立聯(lián)系。因為一旦客戶購買了商家的商品或服務(wù)，便已經(jīng)知道客戶的情況，可以進行溝通。精明的商家深知找對潛在用戶的重要性。 而這件事情的難度不亞于大海撈針。相對于已經(jīng)成為客戶的人群規(guī)模(一家中型電商每月可能有上萬客戶)，還沒有成為客戶的人群規(guī)模(線上有幾億規(guī)模的客戶)是非常巨大的。 從上億潛在客戶中找到最有忠實的消費者人群這個過程的效率和成本就成為商家致勝的關(guān)鍵。這也是阿里媽媽提供粉絲爆炸器所解決的痛點。

通常，成為某商家客戶的人群具有一定的共性;例如都是哈韓女大學(xué)生、或者都是近期購房人群、亦或都是在意體重的人群等等。這些共性往往在商家的已有客戶中已經(jīng)有所顯現(xiàn);這些消費者的各種屬性和行為與全部消費者的差異就能突出這些共性特點。利用這些共性，通過比較全網(wǎng)消費者與已有消費者客戶之間在這些行為上的相似程度，就可以在真正的消費行為發(fā)生之前來找到目標(biāo)潛客。

與“啤酒尿布”不同的是，粉絲爆炸器更注重人的綜合行為特性，而不是把重點集中在商品/服務(wù)之間的關(guān)聯(lián)性上 。因此，粉絲爆炸器會找出新任父親為家里的嬰兒這樣的特性，而這樣的人通常會買啤酒、尿布、奶粉、嬰兒護膚品、產(chǎn)后保養(yǎng)品等等。但如果我們只考慮關(guān)聯(lián)性，則會是由于消費者購買了啤酒，所以推薦關(guān)聯(lián)性最高的紅酒、尿布、飲料等等。這種抓住人的相似性往往會有更精準的效果。

通過大數(shù)據(jù)算法在全網(wǎng)用戶上進行粉絲爆炸器，實際上更像是把全網(wǎng)消費者和商家之間的已購消費者之間的關(guān)聯(lián)可能性進行精準排序。商家給定一小部分忠實用戶人群以后，系統(tǒng)可以給出最像這群人的前1萬人、前10萬人、前100萬人、……;此時，便可根據(jù)商業(yè)目標(biāo)來選擇合適規(guī)模的人群進行營銷活動。

轉(zhuǎn)載自

關(guān)于更多大數(shù)據(jù)相關(guān)資訊>>>

2016革新之年，雙節(jié)同慶驚喜不斷！優(yōu)惠詳情點擊查看>>