-
1 # Convertlab
-
2 # 貴師兄
真正想讀懂客戶的心,其實就是要挖掘他們的痛點,痛點說白了就是煩惱。 例如 老年人三高,他們很多事物不能吃,假設你某個產品,解決了他們的問題,讓他們隨便吃,放心的吃的時候
你不就解決了他們的大難題了嗎? 具體想知道他們的心還有一個最為簡單的方法,就是查資料,透過看資料就知道,他們真正擔心的是什麼?他們需要什麼?這些都能在,百度指數 那裡看到,查詢到!
以結果為導向的推廣,才是真正有效的推廣,如果你還有哪些不會的,直接來問我吧!
精準營銷,找對魚塘,持續分享,就是王道了!
-
3 # 中知時代文化傳播
使用者畫像——“User portrait”,即使用者資訊標籤化,就是透過收集與分析消費者社會屬性、生活習慣、消費行為等主要資訊的資料之後,抽象出一個使用者的商業全貌的基本方式。有了對使用者基本情況的瞭解之後,才能算是部分的“讀懂”了使用者,在此基礎上才能對目標使用者進行精準營銷。那麼使用者畫像都包含哪些基本內容呢,一般而言包含以下必要元素:
地域
精準營銷基於LBS位置的服務,不僅僅可以定位使用者在哪裡,還可以描繪出使用者經常訪問哪些場所,比如是否是常駐寫字樓的上班族,是否是兩點一線的學生族,使用者常在哪些商圈出沒等等。更重要的是在位置資訊的支援下,為使用者提供相應的場景服務營銷,比如推送附近的咖啡店、附近的特色美食等資訊。並且在資訊推送後,跟蹤使用者的後續行為,比如是否點選關注了,是否到店消費了,對資料進行閉環修正。
性別
使用者的性別定位對於營銷非常關鍵,透過使用者對日常資訊的各種瀏覽偏好,以及平臺大資料聯網所進行的長時間篩查,可以較為清晰的判斷使用者的性別屬性。清晰的性別標籤,將會對後續的人群選擇產生重要作用,比如男性使用者對於體育、軍事、美女、汽車、歷史等等產品及衍生品的關注度、轉化效果將遠遠大於女性使用者,而美妝、電視劇、娛樂、服飾等等型別的廣告主將更加關注女性群體使用者的定位。
收入
透過大資料平臺對使用者的興趣行為的定向可以形成使用者收入水平的判定參考。比如使用者對於名錶、名包、收藏、股票等等的關注瀏覽行為,結合其消費意向、消費佔比、消費嗜好等進行全面的資料記錄,形成對使用者收入水平的畫像。
不同收入水平的人群對於產品的價格、品牌、品質等訴求點截然不同,中低收入水平人群的價格敏感度要高於高收入人群,對於打折促銷產品也表現出較高的興趣。
年齡
每個年齡段所關心的內容是不一樣的,60後在刷謠言,70後在刷雞湯,80後在刷職場,90後在刷網際網路,00後在刷二次元…
各廣告平臺進行了越來越頻繁的相互參股滲透,在此基礎之上透過自己的分析模型,可以形成對使用者精準的年齡定向。
羅振宇的跨年演講《時間的朋友》裡有提到,在大資料背景下, 將會對使用者進行更加細度的維度,不僅僅精確到年齡,甚至可以做到按天來進行切片。那一天到來的時候,對於使用者的營銷將不僅僅是千人千面,將以更加人性化、情感化的方式出現。
遠景
未來隨著人工智慧的介入,對於使用者的理解還將進一步加深加強,精準營銷廣告演算法將會有巨大的發展空間,兩種看似沒有關係的產品,在某種情況下會形成同長的銷售情況,比如經典的尿片和啤酒的銷售關聯等等。
回覆列表
利用資料分析和管理平臺進行深度的消費者洞察,才能讀懂客戶需求。具體有以下步驟:
1、最小顆粒度的洞察 - 客戶360°畫像:每一個客戶都獨一無二,如果仔細去看每一個客戶個體,人人都有不同特徵。無論是基礎的客戶檔案、多種身份、特徵標籤還是消費記錄、互動記錄,這些資訊都同等重要併合力構成一個客戶的360°畫像。
2、人群細分:基於每一個客戶個體的資料洞察並不意味營銷一定要區別對待每一個人,更實際的是區別對待每一群人,每一群“相似”的人,這要求品牌具備人群細分的能力。具有一個或多個相同特徵的人構成一個細分,細分是大部分精準營銷的目標,也是客戶特徵分析的顆粒度。具體細分能力是分析洞察和精準營銷的基礎。
3、人群特徵分析:人群特徵分析幫助品牌回答如下的問題:不同特徵維度(例如人口屬性、消費習慣、會員等級)的人群分佈和數量在一定時間段內符合特定特徵的人數變化。
4、消費行為特徵分析:消費行為是客戶用“錢”表達出來的意願,因此展現的客戶特徵更加真實可信,在資料分析中有更高的權重。透過消費行為資料,品牌可以瞭解客戶的購買力、購買習慣(可分別從時間、場所和渠道角度)、商品或服務的偏好(品牌、品類、款式風格等偏好)。結合特定的資料探勘模型,品牌還可以基於歷史消費行為,來預測未來消費的可能性。
5、非消費行為特徵分析:消費行為資料含金量很高,但量級遠低於非消費行為資料。當具備了收集和整理非消費行為資料的能力後,品牌需要對積累的大量資料進行分類、加工和分析,形成客戶洞察。這些洞察可更好的最佳化引導到消費轉化的策略,或把相同人群的消費和非消費特徵進行比較,以形成新的洞察(例如發現高潛力的潛在高消費人群)。
6、組合分析:在具備資料和不同維度的分析工具後,需進一步將不同維度的分析進行組合,以產生新的洞察。
例如:
- 分析不同人群的同維度分析結果,找出人群差異或行為表現和人群特徵的關係。
- 一定時間週期內,特徵人群的數量變化,行為或者特徵的變化趨勢
- 特定行為分析路徑中,對特定步驟或人群的資料下鑽,找到更下一層的特徵和行為原因