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4週~6週)
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
