互联网大数据营销 客户定位 标签画像 精准营销 数据分析 曾卉 著 经管、励志 文轩网

第1章 必然方向：大数据时代的精准营销趋势 1
1.1 万物可踪：移动互联网带来的闭环营销数字化 2
1.1.1 更易满足用户需求 3
1.1.2 更易捕捉高价值用户 4
1.1.3 更易减少营销成本 4
1.2 精准营销：依托数据为每位用户提供个性化营销 5
1.2.1 消费者的消费观念发生变化 6
1.2.2 企业交易成本下降 7
1.2.3 市场竞争的必然要求 8
1.3 新的问题：数据不是问题，问题是如何用好数据 8
1.3.1 没有明确目标 9
1.3.2 欠缺数据思维 10
1.3.3 沟通效率较低 10
1.3.4 应用手段落后 11
1.4 核心要素：相比于展示量，ROI才是根本 11
1.4.1 选好投放平台 14
1.4.2 定位投放人群 14
1.4.3 持续跟踪数据 15
1.4.4 做好售后工作 15
1.5 重新理解：8句话帮你重新理解互联网大数据营销 16
1.5.1 是完整的过程而非单独环节 16
1.5.2 改善用户体验成为重中之重 17
1.5.3 用户行为数据化是营销关键 17
1.5.4 广告投放领域创新程度提升 17
1.5.5 传统客户关系迎来新的改变 18
1.5.6 个性化营销能够带来高增长 18
1.5.7 竞争对手所处环境日益透明 19
1.5.8 平衡数据同用户隐私的矛盾 19
1.6 【案例】：大数据时代，能避免一半营销预算被浪费吗 20
1.6.1 做好市场调研工作 21
1.6.2 设定精准的营销目标 21
1.6.3 制定完整的营销方案 22
1.6.4 提前进行效果评估 22
1.6.5 选择合适的传播媒体 23
第2章 基本意识：大数据驱动营销效率提升的方向 25
2.1 基本方向：掌握数据+处理数据+解读数据 26
2.1.1 掌握数据 26
2.1.2 处理数据 27
2.1.3 解读数据 29
2.2 提出问题：会提问题才是用好大数据的前提 29
2.2.1 问题要清晰明确 31
2.2.2 避免封闭式提问 31
2.2.3 要保持和谐交流 32
2.3 归因谬误：为了谈数据而谈数据将很容易“跑偏” 32
2.3.1 不要草率归因 34
2.3.2 不要过度解读 35
2.3.3 客观看待自己 35
2.4 触类旁通：营销学中不可忽视的营销指标与非财务指标 35
2.4.1 营销指标 36
2.4.2 非财务指标 37
2.5 个性满足：大数据营销要对每位用户说“懂”他的话 39
2.5.1 为数据赋予温度 41
2.5.2 进行用户细分 41
2.5.3 说的前提是听懂 42
2.5.4 将数据串联起来 42
2.6 【案例】：用户因何会为淘宝时光机而感动 43
2.6.1 触达用户痛点 43
2.6.2 文案配合得当 44
2.6.3 具备社交属性 46
第3章 客户定位： 用大数据更快、更准找到目标受众 47
3.1 痛点挖掘：市场痛点的内涵与相关数据查找、验证 48
3.1.1 市场痛点的内涵 48
3.1.2 查找市场痛点的注意事项 50
3.2 人群定位：人口学数据与企业市场营销间的关系 51
3.2.1 人口学概述 51
3.2.2 利用人口学数据进行人群定位时的注意事项 52
3.2.3 对人群定位影响较大的因素 53
3.3 市场调研：如何获得一个细分市场的专属数据 55
3.3.1 明确调研目的 56
3.3.2 锁定调研对象 57
3.3.3 敲定调研方法 57
3.3.4 组织调研团队 57
3.3.5 数据整理分析 58
3.3.6 撰写调研报告 58
3.4 场景定位：怎样找到用户需求最旺盛的业务场景？ 59
3.4.1 场景面向的用户特征 60
3.4.2 用户所处的环境 61
3.4.3 触发交互行为的条件 61
3.4.4 用户停止行为的原因 62
3.5 行为数据：目标用户行为偏好数据的追踪与提炼 62
3.5.1 比较常用的用户行为数据 62
3.5.2 追踪用户行为数据的注意事项 64
3.6 【案例】：58到家CEO：心智定位是灵魂， 大数据是工具 66
3.6.1 互联网环境发生改变 67
3.6.2 快狗打车更名决策 67
3.6.3 改变消费者认知很重要 68
3.6.4 定位是灵魂 69
3.6.5 大数据推动发展 69
第4章 数据收集： 营销大数据的采集及预处理 71
4.1 业务梳理：业务流程要素决定着数据口径 72
4.1.1 保障部门之间的沟通 73
4.1.2 接收业务调整的信号 73
4.1.3 数据口径名称要清晰 74
4.1.4 重视数据口径的验证 74
4.2 数据源：营销分析中应重点关注的7种数据源 75
4.2.1 聚合数据 75
4.2.2 艾瑞指数 76
4.2.3 通联数据 76
4.2.4 百度指数 77
4.2.5 数说聚合 78
4.2.6 QuestMobile 78
4.2.7 数据观 78
4.3 数据埋点：指定位置数据埋点的实战技能 79
4.3.1 数据埋点的概念 79
4.3.2 数据埋点的应用方式 79
4.3.3 数据埋点的应用技巧 81
4.4 预处理：获得数据后必要的清洗、过滤与映射工作 83
4.4.1 数据清洗 84
4.4.2 数据过滤 85
4.4.3 数据映射 85
4.5 数据监测：相关数据的监测与基本效果分析 86
4.5.1 数据监测的意义 86
4.5.2 数据监测的应用要点 87
4.5.3 数据监测效果分析的方法 88
4.6 【案例】：云南白药淘宝旗舰店的经典数据营销战 90
4.6.1 锁定目标人群 91
4.6.2 分析用户行为 91
4.6.3 定制营销活动 92
4.6.4 提炼潜在用户 93
第5章 标签画像： 让正确的服务匹配到正确的人 95
5.1 核心目的：不断细化标签图谱形成更精准匹配 96
5.2 标签系统：完整标签系统的搭建层级及常见的标签应用场景 98
5.2.1 完整标签系统的搭建层级 98
5.2.2 常见的标签应用场景 100
5.3 标签体系：标签的归纳、分类与处理 102
5.3.1 标签归纳 102
5.3.2 标签分类 103
5.3.3 标签处理 105
5.4 用户画像：用户画像与用户标签间的关系 105
5.4.1 选择正确的标签 106
5.4.2 标签数量要适中 107
5.4.3 标签不代表一切 107
5.5 循环优化：强化用户与服务偏好匹配效率五步走 108
5.5.1 做好用户细分 109
5.5.2 制定服务策略 109
5.5.3 测试服务效果 110
5.5.4 持续跟踪数据 111
5.5.5 进行评估优化 111
5.6 【案例】：完美日记营销中对用户画像的很好应用 112
5.6.1 选择品牌代言人 113
5.6.2 IP跨界联动营销 114
5.6.3 多样化营销渠道 115
第6章 数据分析： 学会让数据来回答你的问题 117
6.1 分析目标：用好数据分析对做好营销的三重加持 118
6.1.1 提高营销决策精准度 119
6.1.2 监视、预测对手动向 119
6.1.3 提供精细化用户服务 120
6.2 基本技法：关联规则、离群数据与知识推理 121
6.2.1 关联规则 121
6.2.2 离群数据 122
6.2.3 知识推理 123
6.3 漏斗模型：实现逐层监控、分析、优化 124
6.3.1 漏斗模型监控 125
6.3.2 漏斗模型分析 126
6.3.3 漏斗模型优化 127
6.4 事件模型：如何针对特定事件开展各维度分析 127
6.4.1 本身特征统计 128
6.4.2 属性特征统计 128
6.4.3 自定义指标运算 129
6.5 分群模型：怎样针对特定分组用户开展数据分析 129
6.5.1 付费情况 130
6.5.2 使用状态 131
6.5.3 用户偏好 131
6.6 【案例】：某游戏类App营销优化过程中对漏斗模型的应用 132
6.6.1 游戏投放展示 133
6.6.2 用户下载游戏 134
6.6.3 用户注册账号 134
6.6.4 玩家体验游戏 135
6.6.5 玩家付费转化 135
第7章 数据解读： 时刻谨记数据背后是“人的需求” 137
7.1 丐词魔术：千万不能用证明想法的眼光看待数据 138
7.1.1 保持客观态度 139
7.1.2 适当发出质疑 140
7.1.3 学会接受现实 140
7.2 数据噪声：为何同一组数据会得出接近不同的结论 141
7.2.1 分箱法 142
7.2.2 聚类法 142
7.2.3 回归法 143
7.3 解读方式：正确解读营销大数据4步走 143
7.3.1 拒绝主观想法影响 144
7.3.2 透过数据解读用户 145
7.3.3 深入接触验证想法 145
7.3.4 尝试拼凑数据链条 146
7.4 洞察问题：异常数据中往往蕴藏着新机会 146
7.4.1 不要抵触异常数据 148
7.4.2 不要轻易做出判断 149
7.4.3 尝试征求他人意见 149
7.5 潜在需求：从营销数据中寻找用户潜在需求的方式 149
7.5.1 做好用户的细分 150
7.5.2 采集充足数据 151
7.5.3 抓住关键数据 151
7.5.4 尝试引导用户 152
7.5.5 寻求专业机构的帮助 153
7.6 【案例】：克里斯坦森：用户需要的是“雇用” 产品去完成“任务” 153
7.6.1 抓住用户核心需求 155
7.6.2 找到正确的创新方向 155
7.6.3 数据配合做好调查 156
7.6.4 重视用户情感需求 156
第8章 实战技法： 多类大数据营销手段实战演练 157
8.1 事件营销：大数据与事件营销的前、中、后期 158
8.1.1 事件营销前期 158
8.1.2 事件营销中期 160
8.1.3 事件营销后期 161
8.2 关联营销：提升关联成功率需在三大触点下足功夫 161
8.2.1 关联商品可互补 162
8.2.2 关联同类型商品 163
8.2.3 关联商品可互替 164
8.3 互动营销：让粉丝不再旁观，而是深入参与其中 164
8.3.1 策划有吸引力的内容 166
8.3.2 目标定位要足够精准 166
8.3.3 对用户进行利益驱动 167
8.3.4 互动量并不代表一切 168
8.4 病毒式营销：社交链传播数据可量化是病毒式营销的基础 168
8.4.1 病毒式营销的特点及其传播过程中的常用指标 168
8.4.2 提升K因子数值的方法 170
8.5 增长黑客：如何用更低成本、更优渠道做好业绩增长 172
8.5.1 控制企业营销成本 173
8.5.2 选择更优营销渠道 174
8.6 【案例】：小米的互动营销策略 175
8.6.1 转发抽奖 176
8.6.2 高管入驻 176
第9章 相关环节： 它们同样决定了大数据营销的最终效果 179
9.1 数据可视化：更明晰的动态监测、更好的汇报效果 180
9.1.1 动态监测更明晰 180
9.1.2 汇报效果更优化 181
9.1.3 多维度分析场景 182
9.1.4 更迅速看到问题 182
9.2 实效营销：大数据在实效营销中的作用 183
9.2.1 提高渠道效率 185
9.2.2 找到创新方向 185
9.2.3 监测营销过程 186
9.2.4 量化营销指标 186
9.2.5 评估合作对象 186
9.3 品牌营销：大数据优势在品牌营销中的正确玩法 187
9.4 营销预算：大数据营销方案如何实现资源很优配置 190
9.4.1 以营销目标为依据 191
9.4.2 总结并分析各营销渠道 191
9.4.3 分解费用项目 192
9.4.4 部门之间高效沟通 192
9.5 数据隐私：守得住界限才能更安全 193
9.5.1 做好数据分类 195
9.5.2 进行员工培训 195
9.5.3 文件进行加密处理 196
9.6 【案例】：百度对大数据营销可视化设计的看法 196
9.6.1 大数据营销的意义 197
9.6.2 数据可视化的概念 198
9.6.3 视觉可视化的元素 199
9.6.4 数据可视化的误区 199
第10章 全盘案例： 淘宝店的大数据营销策略 201
10.1 数据体系：对淘宝店而言的 重要数据指标 202
10.1.1 店铺浏览量 203
10.1.2 店铺访客数 203
10.1.3 收藏量 203
10.1.4 转化率 204
10.1.5 平均访问深度 204
10.1.6 产品复购率 205
10.2 店铺定位：大数据视角下的 淘宝店铺、产品定位 205
10.2.1 确定目标消费群体 206
10.2.2 寻找有爆款潜力的产品 207
10.2.3 分析行业竞争情况 207
10.2.4 明确店铺装饰风格 208
10.3 店铺流量：影响店铺权重、 流量的那些关键点 208
10.3.1 店铺点击率 209
10.3.2 近期销量 210
10.3.3 店铺信誉度 210
10.3.4 DSR动态评分 210
10.4 会员体系：数据分析、会员 画像与提升复购 212
10.4.1 提炼关键数据 213
10.4.2 划分会员等级 213
10.5 口碑塑造：大数据营销与店铺 品牌塑造的正确思路 215
10.5.1 品牌精准定位 216
10.5.2 讲好品牌故事 216
10.5.3 引导正面话题 217
10.5.4 衡量口碑效果 217
10.6 【案例】：淘宝店铺直通车怎么 “开”才最划算 218
10.6.1 评估关键词质量分 219
10.6.2 选择有潜力的产品 219
10.6.3 合理优化推广标题 220
10.6.4 适时调整关键词出价 220
10.6.5 注意投放的时间节点 221