智子云電商行業(yè)大數(shù)據(jù)營銷分享課件

智子科技2013年12月智子云電商行業(yè)大數(shù)據(jù)營銷分享智子科技智子云電商行業(yè)大數(shù)據(jù)營銷分享中國網(wǎng)購總規(guī)模已超越美國中美網(wǎng)購規(guī)模比較中國網(wǎng)購總規(guī)模已超越美國中美網(wǎng)購規(guī)模比較中國移動購物市場發(fā)展趨勢中國移動購物市場發(fā)展趨勢中國O2O市場規(guī)模發(fā)展趨勢中國O2O市場規(guī)模發(fā)展趨勢大數(shù)據(jù)時代正在來臨TBPBZBEB大量新數(shù)據(jù)源的出現(xiàn)則導致了非結構化、半結構化數(shù)據(jù)爆發(fā)式的增長根據(jù)IDC監(jiān)測，人類產(chǎn)生的數(shù)據(jù)量正在呈指數(shù)級增長，大約每兩年翻一番，這個速度在2020年之前會繼續(xù)保持下去。這意味著人類在最近兩年產(chǎn)生的數(shù)據(jù)量相當于之前產(chǎn)生的全部數(shù)據(jù)量數(shù)據(jù)量增加數(shù)據(jù)結構日趨復雜這些由我們創(chuàng)造的信息背后產(chǎn)生的這些數(shù)據(jù)早已經(jīng)遠遠超越了目前人力所能處理的范疇大數(shù)據(jù)時代正在來臨..大數(shù)據(jù)時代正在來臨TBPBZBEB大量新數(shù)據(jù)源的出現(xiàn)則導致了中國大數(shù)據(jù)市場規(guī)模12011年-2016年中國大數(shù)據(jù)市場規(guī)模22012-2015年各行業(yè)大數(shù)據(jù)市場規(guī)模2012年政府、互聯(lián)網(wǎng)、電信、金融的大數(shù)據(jù)市場規(guī)模較大，四個行業(yè)將占據(jù)一半市場份額。由于各個行業(yè)都存在大數(shù)據(jù)應用需求，潛在市場空間非?？捎^。2011年是中國大數(shù)據(jù)市場元年，一些大數(shù)據(jù)產(chǎn)品已經(jīng)推出，部分行業(yè)也有大數(shù)據(jù)應用案例的產(chǎn)生。2012年-2016年，將迎來大數(shù)據(jù)市場的飛速發(fā)展。2012年中國大數(shù)據(jù)市場規(guī)模將達到4.7億元，2013年大數(shù)據(jù)市場將迎來增速為138.3%的飛躍，到2016年，整個市場規(guī)模逼近百億。中國大數(shù)據(jù)市場規(guī)模12011年-2016年中國大數(shù)據(jù)市場規(guī)模21互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)主要應用在社交和網(wǎng)購方面結合位置數(shù)據(jù)、消費數(shù)據(jù)進行實時營銷信息推送是電信行業(yè)大數(shù)據(jù)應用主要場景互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)應用場景電信行業(yè)大數(shù)據(jù)應用場景3金融行業(yè)大數(shù)據(jù)應用場景金融行業(yè)大數(shù)據(jù)應用場景主要集中在投資方面4制造行業(yè)大數(shù)據(jù)應用場景制造行業(yè)具有多環(huán)節(jié)、多地域特色，各個環(huán)節(jié)的優(yōu)化是制造行業(yè)最關注的大數(shù)據(jù)應用場景大數(shù)據(jù)具體應用場景示例數(shù)據(jù)來源：CCWResearch,2012/421互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)主要應用在社交和網(wǎng)購方面結合位置數(shù)據(jù)、消導航網(wǎng)站戶外門戶網(wǎng)站PR網(wǎng)站聯(lián)盟SEMSEOEDM第三方平臺僅5%訪客下單成為客戶流失流失流失流失大量流失大量流失社會化營銷成本高：媒體碎片化，目標顧客越來越分散流失率高：95%訪客初次訪問網(wǎng)站后即離開多興趣點：單一廣告創(chuàng)意難以觸動顧客電子商務企業(yè)面臨的挑戰(zhàn)導航網(wǎng)站戶外門戶網(wǎng)站PR網(wǎng)站聯(lián)盟SEMSEOEDM第三方平臺8觀點：流失訪客的價值高于陌生訪客機會原因目標大數(shù)據(jù)為電商鎖定和找回流失訪客行動客戶知道你的品牌客戶流露他的偏好客戶具有持續(xù)消費潛力二次溝通成本低

但是找回成本高點擊表示有偏好

瀏覽記錄興趣點第一次交易成本高

購買次數(shù)與營銷成本成反比讓目標受眾看到廣告讓廣告內(nèi)容更加相關讓老顧客多次購買抓住流失訪客開展廣告攻勢個性化推薦動態(tài)廣告創(chuàng)意老顧客二次營銷計劃大數(shù)據(jù)為電商帶來的機遇觀點：流失訪客的價值高于陌生訪客機會原因目標大數(shù)據(jù)為電商鎖定智子云電商大數(shù)據(jù)營銷策略4、增值服務3、智能廣告投放2、動態(tài)創(chuàng)意設計1、個性化推薦智能推薦與客戶數(shù)據(jù)庫營銷渠道整合實現(xiàn)個性化EDM大數(shù)據(jù)智能報表系統(tǒng)站內(nèi)搜索智能化升級數(shù)據(jù)定向與重定向同步媒體精選，規(guī)格、位置精選分老客和新客，與差異化營銷相結合設計動態(tài)廣告框架，確定展現(xiàn)算法，多渠道輸出A/B測試，優(yōu)選創(chuàng)意追蹤并建立行為數(shù)據(jù)倉庫用戶行為/興趣細分，建立推薦模型生成個性化推薦模塊，提升站內(nèi)轉(zhuǎn)化率智子云電商大數(shù)據(jù)營銷策略4、增值服務3、智能廣告投放2、動態(tài)個性化推薦--數(shù)據(jù)分析與建模建設步驟首先構建獨立于操作型系統(tǒng)的分析環(huán)境；然后建立以數(shù)據(jù)倉庫或數(shù)據(jù)集市，收集客戶行為和相關數(shù)據(jù)源，建立分析指標體系；在此基礎上建立各種分析模型；將模型應用到各個具體的應用環(huán)節(jié)中；再根據(jù)反饋調(diào)節(jié)和優(yōu)化模型。個性化推薦--數(shù)據(jù)分析與建模建設步驟首先構建獨立于操作型系統(tǒng)數(shù)據(jù)倉庫的邏輯體系架構數(shù)據(jù)源：外部數(shù)據(jù)源，包括網(wǎng)站訪問日志、廣告投放日志、產(chǎn)品數(shù)據(jù)、交易數(shù)據(jù)、用戶數(shù)據(jù)等，以及其他任何商業(yè)智能應用需要獲取的外部數(shù)據(jù)源。ODS（數(shù)據(jù)緩沖區(qū)）：將來自外部系統(tǒng)的增量數(shù)據(jù)臨時保存的區(qū)域。BASELINE（數(shù)據(jù)基線）：數(shù)據(jù)基線是數(shù)據(jù)倉庫的核心。DataMart(數(shù)據(jù)集市)：數(shù)據(jù)集市是面向分析，使用的邏輯單元。數(shù)據(jù)倉庫的邏輯體系架構數(shù)據(jù)源：外部數(shù)據(jù)源，包括網(wǎng)站訪問日志、個性化推薦—數(shù)據(jù)展現(xiàn)及應用OLAP分析：OLAP分析從技術上可以劃分為MOLAP（基于多維數(shù)據(jù)庫）,ROLAP（給予關系型數(shù)據(jù)庫），HOLAP（綜合MOLAP和ROLAP），和面向小型分析需求的DOLAP。OLAP分析的目標客戶是數(shù)據(jù)分析人員和部分高層管理人員。EIS：通過數(shù)據(jù)集市中的輕度匯總數(shù)據(jù)，輸出管理所需的各種分析統(tǒng)計報表，并且根據(jù)高層管理人員的思維習慣，將信息綜合集成展現(xiàn)給最終用戶。DashBoard：是一種特殊類型的EIS展現(xiàn)方式。DashBoard技術被廣泛使用與高層管理層決策之中（無論是否使用數(shù)據(jù)倉庫）。嵌入式應用：在交易型的業(yè)務應用系統(tǒng)中直接嵌入數(shù)據(jù)倉庫的分析結果，或者數(shù)據(jù)，集成到日常的業(yè)務流程之中。以及對于更加高層次的應用，例如數(shù)據(jù)挖掘，優(yōu)化，預測等，提供數(shù)據(jù)基礎。最典型的簽入式應用就是推薦引擎，將數(shù)據(jù)挖掘得到的模型結果以相關商品、猜你喜歡、Email推薦、智能廣告等形式嵌入到業(yè)務系統(tǒng)中。個性化推薦—數(shù)據(jù)展現(xiàn)及應用OLAP分析：OLAP分析從技術上個性化推薦--數(shù)據(jù)分析與建模

首頁：個性化類別頁面

相似瀏覽歷史推薦

跨類別推薦

商品頁面看了還買了

買了還買了

看了還看了

相似瀏覽歷史推薦

加入購物車推薦

組合推薦

購物車:買了還買個性化廣告著陸頁同類商品相關推薦可能感興趣商品推薦

站內(nèi)搜索

搜索了還購買了

相關搜索詞

用戶中心：猜您喜歡

站內(nèi)個性化推薦帶來站內(nèi)20%-30%的訂單推薦引擎功能模塊推薦引擎界面示例個性化推薦--數(shù)據(jù)分析與建模推薦引擎功能模塊推薦引擎界面示個性化推薦—個性化廣告著陸頁個性化廣告著陸頁1、同類商品相關推薦顯示與廣告推薦展示商品相同品類的相關推薦商品，按照購買的比率排序，類似看了還買了位置：在展示單品介紹下方作用：引導客戶關注更多與廣告推薦展示商品同類的相關商品，增加購買轉(zhuǎn)化率2、可能感興趣商品推薦顯示根據(jù)用戶行為判斷的客戶可能感興趣商品，使用猜你喜歡規(guī)則位置：在同類商品推薦下方作用：引導客戶關注更多其可能感興趣的多品類商品，增加購買轉(zhuǎn)化個性化推薦—個性化廣告著陸頁個性化廣告著陸頁1、同類商品相關個性化推薦—指標體系指標體系推薦點擊率=推薦位商品點擊次數(shù)/商品頁面總體點擊次數(shù)直接衡量用戶對推薦的認可程度（受展示位置的影響）。訂單轉(zhuǎn)化率=推薦位導致的訂單數(shù)/推薦位商品點擊次數(shù)直接衡量推薦功能對訂單的貢獻平均訂單內(nèi)產(chǎn)品數(shù)量=一天內(nèi)銷售商品數(shù)量/一天內(nèi)訂單數(shù)量衡量交叉銷售的效果提升此指標意味著我們在多大程度上利用了用戶的本次購買欲望平均用戶點擊次數(shù)=一天內(nèi)總體商品頁面點擊次數(shù)/一天內(nèi)總體商品頁面點擊人數(shù)由于目前電子商務網(wǎng)站的用戶中大多是單次點擊用戶，提升此用戶的商品展示次數(shù)將帶來更多的商品銷售機會。提升此指標意味著更多的垃圾流量轉(zhuǎn)化成了有價值流量，并且有效提升了用戶的網(wǎng)站體驗。個性化推薦—指標體系指標體系推薦點擊率個性化推薦—應用實例客戶指標體系案例（夢芭莎）推薦產(chǎn)品訂單占比

占整個銷售額的20%左右

推薦點擊率總體點擊率穩(wěn)定在8%左右，遠高于一般的站內(nèi)廣告位訂單轉(zhuǎn)化率商品詳情頁的推薦位訂單轉(zhuǎn)化率在3%以上，比同一頁面上的廣告位提升30%-50%；購物車頁的推薦位訂單轉(zhuǎn)化率在15%以上，比同一頁面上的廣告位提升100%以上；平均訂單內(nèi)產(chǎn)品數(shù)量平均有5-10%的提升平均用戶商品頁面瀏覽次數(shù)人均商品頁面瀏覽次數(shù)在15左右，遠高于全站平均水平。個性化推薦—應用實例客戶指標體系案例（夢芭莎）推薦產(chǎn)品訂單動態(tài)創(chuàng)意實時一對一普通廣告動態(tài)模板設計實時個性化重定向每個網(wǎng)民瀏覽商品的記錄為每個網(wǎng)民動態(tài)生成個性化的廣告廣告跟著人走動態(tài)創(chuàng)意實時一對一普通廣告動態(tài)模板設計實時個性化重定向每A/B測試優(yōu)選創(chuàng)意PK模板一模板二信息簡單，突出品牌產(chǎn)品價格優(yōu)勢。同樣配置投放測試一周點擊率9‰各類促銷優(yōu)惠熱門信息植入，信息多元化。猜你喜歡個性化推薦同樣配置投放測試一周點擊率7.5‰A/B測試優(yōu)選創(chuàng)意PK模板一模板二信息簡單，突出品牌產(chǎn)品價全網(wǎng)媒體RTB（RealTimeBidding）通過展示廣告實時競價平臺，在全網(wǎng)媒體僅針對目標受眾投放廣告訪客重定向與數(shù)據(jù)定向（Retargeting&DataTargeting）全程記錄訪客的瀏覽和點擊行為，建立訪客行為數(shù)據(jù)倉庫，開展定向個性化動態(tài)廣告打動顧客訪客興趣分析與個性化推薦-BI（Businessintelligence）一對一動態(tài)廣告，個性化推薦內(nèi)容成為廣告創(chuàng)意，最大化貼近訪客興趣點實時追蹤流失訪客變媒體采購為受眾購買RTB廣告投放原理全網(wǎng)媒體RTB（RealTimeBidding）通過展示通過RTB重定向廣告向目標人群投放234客戶瀏覽您的網(wǎng)站，智子云幫助建立用戶行為追蹤數(shù)據(jù)倉庫和推薦模型?？蛻綦x開您的網(wǎng)站，智子云在互聯(lián)網(wǎng)媒體進行重定向?？蛻酎c擊感興趣的內(nèi)容然后回到您網(wǎng)站的個性化著陸頁面針對目標客戶依據(jù)訪客興趣展示個性化動態(tài)廣告。1234通過RTB重定向廣告向目標人群投放234客戶瀏覽您的網(wǎng)客戶離XX網(wǎng)站RTB廣告位1海量活躍人群Cookies數(shù)據(jù)庫UserCookieID廣告位相關信息UserIP…2捕捉服裝人群人群比對識別3偏好分析CookieID:DH23CYD45屬性標簽屬性標簽屬性標簽流行時尚……4匹配廣告XX網(wǎng)站流行女裝廣告1.依據(jù)智子云人群數(shù)據(jù)庫來識別該cookie的人群屬性通過RTB數(shù)據(jù)定向廣告向目標人群投放3.全方位分析和定義目標人群感興趣的內(nèi)容需求2.判斷是否與夢芭莎的目標人群匹配4.給予投放最適合的廣告。XX網(wǎng)站RTB1海量活躍人群Cookies數(shù)據(jù)庫User媒體優(yōu)化對接國內(nèi)主流廣告交易平臺、日均曝光量超過60億PV(GoogleADX、騰訊ADX、淘寶Tanx、百度BAE、新浪SAX、網(wǎng)易、搜狐)超過1,500,000個網(wǎng)站組成的巨形網(wǎng)絡!分媒體分時段分人群分素材等全面追蹤投放效果精細化后臺數(shù)據(jù)，投放效果可追蹤媒體優(yōu)化對接國內(nèi)主流廣告交易平臺、日均曝光量超過60億PV超增值服務-大數(shù)據(jù)BI應用框架設計增值服務-大數(shù)據(jù)BI應用框架設計增值服務-智能報表系統(tǒng)網(wǎng)站分析報表、推薦引擎監(jiān)測報表、智能廣告分析報表報表系統(tǒng)實時動態(tài)更新，掌握效果營銷全局增值服務-智能報表系統(tǒng)網(wǎng)站分析報表、推薦引擎監(jiān)測報表、智能廣

個性化EDM，能實現(xiàn)每一位顧客看到的郵件標題和內(nèi)容，都與顧客的喜好高度相關，進而提升郵件的開啟率、點擊率和轉(zhuǎn)化率。除了用于營銷型EDM，還可以用在事務性EDM，增強事務性郵件的營銷價值。用戶瀏覽網(wǎng)站A商品購買網(wǎng)站B商品A網(wǎng)站B網(wǎng)站計算用戶偏好，形成郵件正文用戶交叉銷售達成增值服務-個性化EDM個性化EDM，能實現(xiàn)每一位顧客看到的郵件標題和增值服務-站內(nèi)搜索BI優(yōu)化通過BI優(yōu)化后的站內(nèi)搜索結果頁，不再是簡單的全文檢索，而是將用戶的瀏覽軌跡、喜好預測、相同用戶的搜索-點擊行為整合進來，形成了站內(nèi)搜索結果頁FashionRank索引算法。通過FashionRank索引算法，將顧客最有可能感興趣的關鍵詞匹配商品優(yōu)先進行推薦，可有效提升搜索點擊率和搜索轉(zhuǎn)化率；同時結合算法策略優(yōu)化調(diào)整，有效提升長尾商品的動銷率。增值服務-站內(nèi)搜索BI優(yōu)化通過BI優(yōu)化后的站增值服務-A/B測試引擎A/B測試廣泛應用于廣告創(chuàng)意優(yōu)化和廣告著陸頁優(yōu)化中。通過AB測試，可以持續(xù)將廣告創(chuàng)意和廣告著陸頁優(yōu)化到極致。A/B測試消除了人的主觀偏好所帶來的誤差損失，用數(shù)據(jù)幫助決策者選擇最優(yōu)方案。增值服務-A/B測試引擎A/B測試廣泛應用于廣告創(chuàng)意優(yōu)化和廣案例分享--夢芭莎BACKGROUND:夢芭莎成立于2007年，是國內(nèi)知名服裝品牌電商，旗下多個時尚服裝品牌，提供女裝、內(nèi)衣、男裝、童裝、化妝品等眾多高品質(zhì)自由品牌商品，2012年銷售額達15億，是國內(nèi)消費者首選時尚服飾類B2C網(wǎng)站。

CHALLENGE:增強用戶忠誠度，提高轉(zhuǎn)化率，提升訂單規(guī)模SLOUTION:推薦引擎：通過個性化推薦引擎部署，提升站內(nèi)流量交叉，轉(zhuǎn)化率和客單價明顯提升站內(nèi)BI：包括個性化站內(nèi)搜索、個性化EDM、A/B測試引擎等站內(nèi)商業(yè)智能項目實施RTB廣告：個性化多商品展示的廣告推薦形式吸引用戶點擊購買案例分享--夢芭莎BACKGROUND:CHALLENGE:以訪客行為數(shù)據(jù)分析為基礎，優(yōu)化推薦引擎算法和創(chuàng)意，廣告點擊率持續(xù)提升根據(jù)人群，設定差異化ROI策略，在逐步穩(wěn)定廣告ROI基礎上，放大訂單規(guī)模案例分享--夢芭莎夢芭莎智能RTB廣告ROI走勢以訪客行為數(shù)據(jù)分析為基礎，優(yōu)化推薦引擎算法和創(chuàng)意，廣告點擊率BI服務廣告服務帶來站內(nèi)20%-30%的訂單站內(nèi)數(shù)據(jù)挖掘，通過分析用戶的行為和偏好，為其推薦最適合的商品商品展示更加科學合理增加交叉/向上銷售提升用戶體驗帶來站外10%-15%的訂單站外老客動態(tài)推薦RTB廣告，重定向廣告訂單轉(zhuǎn)化率為網(wǎng)站平均水平的2倍，ROI區(qū)間[4，10]實時一對一動態(tài)創(chuàng)意呈現(xiàn)找回流程訪客，提高老客二購率，降低訂單成本站外新客廣告點擊率較常規(guī)投放提升4至8倍.數(shù)據(jù)定向分析目標用戶行為特征，降低新客廣告曝光成本優(yōu)化提升到站新客流量案例分享--夢芭莎BI廣帶來站內(nèi)20%-30%的訂單帶來站外10%-15%的訂客戶評價

我們使用了智子云推薦引擎和智能RTB廣告服務，推薦引擎提升了站內(nèi)的轉(zhuǎn)化率，RTB廣告ROI整體超越了SEM渠道，成為最有效果的營銷渠道。---夢芭莎（官網(wǎng)）客戶評價我們使用了智子云推薦引擎和智能RTB廣告

關于智子國內(nèi)首家為大型電商定制推薦引擎軟件的增值服務提供商國內(nèi)首家將推薦引擎和RTB打通，并在大型電商應用的RTB服務商國內(nèi)首家動態(tài)推薦RTB廣告服務商智子云推薦引擎分析報表智子云智能RTB廣告?zhèn)€性化營銷活動個性化搜索引擎A/B測試引擎關于智子國內(nèi)首家為大型電商定制推薦引擎軟件的增值服務提供商更多客戶更多客戶智子云電商行業(yè)大數(shù)據(jù)營銷分享

智子科技2013年12月智子云電商行業(yè)大數(shù)據(jù)營銷分享智子科技智子云電商行業(yè)大數(shù)據(jù)營銷分享中國網(wǎng)購總規(guī)模已超越美國中美網(wǎng)購規(guī)模比較中國網(wǎng)購總規(guī)模已超越美國中美網(wǎng)購規(guī)模比較中國移動購物市場發(fā)展趨勢中國移動購物市場發(fā)展趨勢中國O2O市場規(guī)模發(fā)展趨勢中國O2O市場規(guī)模發(fā)展趨勢大數(shù)據(jù)時代正在來臨TBPBZBEB大量新數(shù)據(jù)源的出現(xiàn)則導致了非結構化、半結構化數(shù)據(jù)爆發(fā)式的增長根據(jù)IDC監(jiān)測，人類產(chǎn)生的數(shù)據(jù)量正在呈指數(shù)級增長，大約每兩年翻一番，這個速度在2020年之前會繼續(xù)保持下去。這意味著人類在最近兩年產(chǎn)生的數(shù)據(jù)量相當于之前產(chǎn)生的全部數(shù)據(jù)量數(shù)據(jù)量增加數(shù)據(jù)結構日趨復雜這些由我們創(chuàng)造的信息背后產(chǎn)生的這些數(shù)據(jù)早已經(jīng)遠遠超越了目前人力所能處理的范疇大數(shù)據(jù)時代正在來臨..大數(shù)據(jù)時代正在來臨TBPBZBEB大量新數(shù)據(jù)源的出現(xiàn)則導致了中國大數(shù)據(jù)市場規(guī)模12011年-2016年中國大數(shù)據(jù)市場規(guī)模22012-2015年各行業(yè)大數(shù)據(jù)市場規(guī)模2012年政府、互聯(lián)網(wǎng)、電信、金融的大數(shù)據(jù)市場規(guī)模較大，四個行業(yè)將占據(jù)一半市場份額。由于各個行業(yè)都存在大數(shù)據(jù)應用需求，潛在市場空間非?？捎^。2011年是中國大數(shù)據(jù)市場元年，一些大數(shù)據(jù)產(chǎn)品已經(jīng)推出，部分行業(yè)也有大數(shù)據(jù)應用案例的產(chǎn)生。2012年-2016年，將迎來大數(shù)據(jù)市場的飛速發(fā)展。2012年中國大數(shù)據(jù)市場規(guī)模將達到4.7億元，2013年大數(shù)據(jù)市場將迎來增速為138.3%的飛躍，到2016年，整個市場規(guī)模逼近百億。中國大數(shù)據(jù)市場規(guī)模12011年-2016年中國大數(shù)據(jù)市場規(guī)模21互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)主要應用在社交和網(wǎng)購方面結合位置數(shù)據(jù)、消費數(shù)據(jù)進行實時營銷信息推送是電信行業(yè)大數(shù)據(jù)應用主要場景互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)應用場景電信行業(yè)大數(shù)據(jù)應用場景3金融行業(yè)大數(shù)據(jù)應用場景金融行業(yè)大數(shù)據(jù)應用場景主要集中在投資方面4制造行業(yè)大數(shù)據(jù)應用場景制造行業(yè)具有多環(huán)節(jié)、多地域特色，各個環(huán)節(jié)的優(yōu)化是制造行業(yè)最關注的大數(shù)據(jù)應用場景大數(shù)據(jù)具體應用場景示例數(shù)據(jù)來源：CCWResearch,2012/421互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)主要應用在社交和網(wǎng)購方面結合位置數(shù)據(jù)、消導航網(wǎng)站戶外門戶網(wǎng)站PR網(wǎng)站聯(lián)盟SEMSEOEDM第三方平臺僅5%訪客下單成為客戶流失流失流失流失大量流失大量流失社會化營銷成本高：媒體碎片化，目標顧客越來越分散流失率高：95%訪客初次訪問網(wǎng)站后即離開多興趣點：單一廣告創(chuàng)意難以觸動顧客電子商務企業(yè)面臨的挑戰(zhàn)導航網(wǎng)站戶外門戶網(wǎng)站PR網(wǎng)站聯(lián)盟SEMSEOEDM第三方平臺43觀點：流失訪客的價值高于陌生訪客機會原因目標大數(shù)據(jù)為電商鎖定和找回流失訪客行動客戶知道你的品牌客戶流露他的偏好客戶具有持續(xù)消費潛力二次溝通成本低

但是找回成本高點擊表示有偏好

瀏覽記錄興趣點第一次交易成本高

購買次數(shù)與營銷成本成反比讓目標受眾看到廣告讓廣告內(nèi)容更加相關讓老顧客多次購買抓住流失訪客開展廣告攻勢個性化推薦動態(tài)廣告創(chuàng)意老顧客二次營銷計劃大數(shù)據(jù)為電商帶來的機遇觀點：流失訪客的價值高于陌生訪客機會原因目標大數(shù)據(jù)為電商鎖定智子云電商大數(shù)據(jù)營銷策略4、增值服務3、智能廣告投放2、動態(tài)創(chuàng)意設計1、個性化推薦智能推薦與客戶數(shù)據(jù)庫營銷渠道整合實現(xiàn)個性化EDM大數(shù)據(jù)智能報表系統(tǒng)站內(nèi)搜索智能化升級數(shù)據(jù)定向與重定向同步媒體精選，規(guī)格、位置精選分老客和新客，與差異化營銷相結合設計動態(tài)廣告框架，確定展現(xiàn)算法，多渠道輸出A/B測試，優(yōu)選創(chuàng)意追蹤并建立行為數(shù)據(jù)倉庫用戶行為/興趣細分，建立推薦模型生成個性化推薦模塊，提升站內(nèi)轉(zhuǎn)化率智子云電商大數(shù)據(jù)營銷策略4、增值服務3、智能廣告投放2、動態(tài)個性化推薦--數(shù)據(jù)分析與建模建設步驟首先構建獨立于操作型系統(tǒng)的分析環(huán)境；然后建立以數(shù)據(jù)倉庫或數(shù)據(jù)集市，收集客戶行為和相關數(shù)據(jù)源，建立分析指標體系；在此基礎上建立各種分析模型；將模型應用到各個具體的應用環(huán)節(jié)中；再根據(jù)反饋調(diào)節(jié)和優(yōu)化模型。個性化推薦--數(shù)據(jù)分析與建模建設步驟首先構建獨立于操作型系統(tǒng)數(shù)據(jù)倉庫的邏輯體系架構數(shù)據(jù)源：外部數(shù)據(jù)源，包括網(wǎng)站訪問日志、廣告投放日志、產(chǎn)品數(shù)據(jù)、交易數(shù)據(jù)、用戶數(shù)據(jù)等，以及其他任何商業(yè)智能應用需要獲取的外部數(shù)據(jù)源。ODS（數(shù)據(jù)緩沖區(qū)）：將來自外部系統(tǒng)的增量數(shù)據(jù)臨時保存的區(qū)域。BASELINE（數(shù)據(jù)基線）：數(shù)據(jù)基線是數(shù)據(jù)倉庫的核心。DataMart(數(shù)據(jù)集市)：數(shù)據(jù)集市是面向分析，使用的邏輯單元。數(shù)據(jù)倉庫的邏輯體系架構數(shù)據(jù)源：外部數(shù)據(jù)源，包括網(wǎng)站訪問日志、個性化推薦—數(shù)據(jù)展現(xiàn)及應用OLAP分析：OLAP分析從技術上可以劃分為MOLAP（基于多維數(shù)據(jù)庫）,ROLAP（給予關系型數(shù)據(jù)庫），HOLAP（綜合MOLAP和ROLAP），和面向小型分析需求的DOLAP。OLAP分析的目標客戶是數(shù)據(jù)分析人員和部分高層管理人員。EIS：通過數(shù)據(jù)集市中的輕度匯總數(shù)據(jù)，輸出管理所需的各種分析統(tǒng)計報表，并且根據(jù)高層管理人員的思維習慣，將信息綜合集成展現(xiàn)給最終用戶。DashBoard：是一種特殊類型的EIS展現(xiàn)方式。DashBoard技術被廣泛使用與高層管理層決策之中（無論是否使用數(shù)據(jù)倉庫）。嵌入式應用：在交易型的業(yè)務應用系統(tǒng)中直接嵌入數(shù)據(jù)倉庫的分析結果，或者數(shù)據(jù)，集成到日常的業(yè)務流程之中。以及對于更加高層次的應用，例如數(shù)據(jù)挖掘，優(yōu)化，預測等，提供數(shù)據(jù)基礎。最典型的簽入式應用就是推薦引擎，將數(shù)據(jù)挖掘得到的模型結果以相關商品、猜你喜歡、Email推薦、智能廣告等形式嵌入到業(yè)務系統(tǒng)中。個性化推薦—數(shù)據(jù)展現(xiàn)及應用OLAP分析：OLAP分析從技術上個性化推薦--數(shù)據(jù)分析與建模

首頁：個性化類別頁面

相似瀏覽歷史推薦

跨類別推薦

商品頁面看了還買了

買了還買了

看了還看了

相似瀏覽歷史推薦

加入購物車推薦

組合推薦

購物車:買了還買個性化廣告著陸頁同類商品相關推薦可能感興趣商品推薦

站內(nèi)搜索

搜索了還購買了

相關搜索詞

用戶中心：猜您喜歡

站內(nèi)個性化推薦帶來站內(nèi)20%-30%的訂單推薦引擎功能模塊推薦引擎界面示例個性化推薦--數(shù)據(jù)分析與建模推薦引擎功能模塊推薦引擎界面示個性化推薦—個性化廣告著陸頁個性化廣告著陸頁1、同類商品相關推薦顯示與廣告推薦展示商品相同品類的相關推薦商品，按照購買的比率排序，類似看了還買了位置：在展示單品介紹下方作用：引導客戶關注更多與廣告推薦展示商品同類的相關商品，增加購買轉(zhuǎn)化率2、可能感興趣商品推薦顯示根據(jù)用戶行為判斷的客戶可能感興趣商品，使用猜你喜歡規(guī)則位置：在同類商品推薦下方作用：引導客戶關注更多其可能感興趣的多品類商品，增加購買轉(zhuǎn)化個性化推薦—個性化廣告著陸頁個性化廣告著陸頁1、同類商品相關個性化推薦—指標體系指標體系推薦點擊率=推薦位商品點擊次數(shù)/商品頁面總體點擊次數(shù)直接衡量用戶對推薦的認可程度（受展示位置的影響）。訂單轉(zhuǎn)化率=推薦位導致的訂單數(shù)/推薦位商品點擊次數(shù)直接衡量推薦功能對訂單的貢獻平均訂單內(nèi)產(chǎn)品數(shù)量=一天內(nèi)銷售商品數(shù)量/一天內(nèi)訂單數(shù)量衡量交叉銷售的效果提升此指標意味著我們在多大程度上利用了用戶的本次購買欲望平均用戶點擊次數(shù)=一天內(nèi)總體商品頁面點擊次數(shù)/一天內(nèi)總體商品頁面點擊人數(shù)由于目前電子商務網(wǎng)站的用戶中大多是單次點擊用戶，提升此用戶的商品展示次數(shù)將帶來更多的商品銷售機會。提升此指標意味著更多的垃圾流量轉(zhuǎn)化成了有價值流量，并且有效提升了用戶的網(wǎng)站體驗。個性化推薦—指標體系指標體系推薦點擊率個性化推薦—應用實例客戶指標體系案例（夢芭莎）推薦產(chǎn)品訂單占比

占整個銷售額的20%左右

推薦點擊率總體點擊率穩(wěn)定在8%左右，遠高于一般的站內(nèi)廣告位訂單轉(zhuǎn)化率商品詳情頁的推薦位訂單轉(zhuǎn)化率在3%以上，比同一頁面上的廣告位提升30%-50%；購物車頁的推薦位訂單轉(zhuǎn)化率在15%以上，比同一頁面上的廣告位提升100%以上；平均訂單內(nèi)產(chǎn)品數(shù)量平均有5-10%的提升平均用戶商品頁面瀏覽次數(shù)人均商品頁面瀏覽次數(shù)在15左右，遠高于全站平均水平。個性化推薦—應用實例客戶指標體系案例（夢芭莎）推薦產(chǎn)品訂單動態(tài)創(chuàng)意實時一對一普通廣告動態(tài)模板設計實時個性化重定向每個網(wǎng)民瀏覽商品的記錄為每個網(wǎng)民動態(tài)生成個性化的廣告廣告跟著人走動態(tài)創(chuàng)意實時一對一普通廣告動態(tài)模板設計實時個性化重定向每A/B測試優(yōu)選創(chuàng)意PK模板一模板二信息簡單，突出品牌產(chǎn)品價格優(yōu)勢。同樣配置投放測試一周點擊率9‰各類促銷優(yōu)惠熱門信息植入，信息多元化。猜你喜歡個性化推薦同樣配置投放測試一周點擊率7.5‰A/B測試優(yōu)選創(chuàng)意PK模板一模板二信息簡單，突出品牌產(chǎn)品價全網(wǎng)媒體RTB（RealTimeBidding）通過展示廣告實時競價平臺，在全網(wǎng)媒體僅針對目標受眾投放廣告訪客重定向與數(shù)據(jù)定向（Retargeting&DataTargeting）全程記錄訪客的瀏覽和點擊行為，建立訪客行為數(shù)據(jù)倉庫，開展定向個性化動態(tài)廣告打動顧客訪客興趣分析與個性化推薦-BI（Businessintelligence）一對一動態(tài)廣告，個性化推薦內(nèi)容成為廣告創(chuàng)意，最大化貼近訪客興趣點實時追蹤流失訪客變媒體采購為受眾購買RTB廣告投放原理全網(wǎng)媒體RTB（RealTimeBidding）通過展示通過RTB重定向廣告向目標人群投放234客戶瀏覽您的網(wǎng)站，智子云幫助建立用戶行為追蹤數(shù)據(jù)倉庫和推薦模型。客戶離開您的網(wǎng)站，智子云在互聯(lián)網(wǎng)媒體進行重定向。客戶點擊感興趣的內(nèi)容然后回到您網(wǎng)站的個性化著陸頁面針對目標客戶依據(jù)訪客興趣展示個性化動態(tài)廣告。1234通過RTB重定向廣告向目標人群投放234客戶瀏覽您的網(wǎng)客戶離XX網(wǎng)站RTB廣告位1海量活躍人群Cookies數(shù)據(jù)庫UserCookieID廣告位相關信息UserIP…2捕捉服裝人群人群比對識別3偏好分析CookieID:DH23CYD45屬性標簽屬性標簽屬性標簽流行時尚……4匹配廣告XX網(wǎng)站流行女裝廣告1.依據(jù)智子云人群數(shù)據(jù)庫來識別該cookie的人群屬性通過RTB數(shù)據(jù)定向廣告向目標人群投放3.全方位分析和定義目標人群感興趣的內(nèi)容需求2.判斷是否與夢芭莎的目標人群匹配4.給予投放最適合的廣告。XX網(wǎng)站RTB1海量活躍人群Cookies數(shù)據(jù)庫User媒體優(yōu)化對接國內(nèi)主流廣告交易平臺、日均曝光量超過60億PV(GoogleADX、騰訊ADX、淘寶Tanx、百度BAE、新浪SAX、網(wǎng)易、搜狐)超過1,500,000個網(wǎng)站組成的巨形網(wǎng)絡!分媒體分時段分人群分素材等全面追蹤投放效果精細化后臺數(shù)據(jù)，投放效果可追蹤媒體優(yōu)化對接國內(nèi)主流廣告交易平臺、日均曝光量超過60億PV超增值服務-大數(shù)據(jù)BI應用框架設計增值服務-大數(shù)據(jù)BI應用框架設計增值服務-智能報表系統(tǒng)網(wǎng)站分析報表、推薦引擎監(jiān)測報表、智能廣告分析報表報表系統(tǒng)實時動態(tài)更新，掌握效果營銷全局增值服務-智能報表系統(tǒng)網(wǎng)站分析報表、推薦引擎監(jiān)測報表、智能廣

個性化EDM，能實現(xiàn)每一位顧客看到的郵件標題和內(nèi)容，都與顧客的喜好高度相關，進而提升郵件的開啟率、點擊率和轉(zhuǎn)化率。除了用于營銷型EDM，還可以用在事務性EDM，增強事務性郵件的營銷價值。用戶瀏覽網(wǎng)站A商品購買網(wǎng)站B商品A網(wǎng)站B網(wǎng)站計算用戶偏好，形成郵件正文用戶交叉銷售達成增值服務-個性化EDM個性化EDM，能實現(xiàn)每一位顧客看到的郵件標題和增值服務-站內(nèi)搜索BI優(yōu)化通過BI優(yōu)化后的站內(nèi)搜索結果頁，不再是簡單的全文檢索，而是將用戶的瀏覽軌跡、喜好預測、相同用戶的搜索-點擊行為整合進來，形成了站內(nèi)搜索結果頁FashionRank索引算法。通過FashionRank索引算法，將顧客最有可能感興趣的關鍵詞匹配商品優(yōu)先進行推薦，