小黑俠說:在未來,企業(yè)只有擁有了消費(fèi)者360°畫像才能掌握更多主動(dòng)權(quán),大數(shù)據(jù)時(shí)代,用戶的很多行為軌跡都暴露在互聯(lián)網(wǎng)上,通過技術(shù)手段分析行為數(shù)據(jù),會(huì)對(duì)消費(fèi)者有深刻的理解,實(shí)時(shí)觀察了解他們到底需要什么,基于他們的需求,不斷改革迭代自有產(chǎn)品,才有機(jī)會(huì)獲得更大的增長(zhǎng)空間。
一、打造個(gè)性化產(chǎn)品
隨著消費(fèi)升級(jí),未來所有產(chǎn)品都將更多的體現(xiàn)在滿足用戶的精神層面需求,較之已被滿足的“吃”和“喝”需求,“玩”和“樂”已成為更大的增量市場(chǎng)。信息爆炸時(shí)代,互聯(lián)網(wǎng)將每一位消費(fèi)者與世界海量信息連接起來,一個(gè)消費(fèi)者昨天可能還是一個(gè)籃球愛好者,今天看了一部滑雪主題的電影,可能就迷上滑雪了,如果此時(shí)你的產(chǎn)品邀請(qǐng)到一位滑雪明星,將有更多可能吸引到他的注意力。
總之,每個(gè)消費(fèi)者的精神升級(jí)都是因?yàn)榻佑|到各種不同的信息所演化出來的,消費(fèi)者精神層面需求的演化使產(chǎn)品分化變得更加重要。
最著名的例子就是之前由美國(guó)NETFLIX公司制作的《紙牌屋》這部劇大獲成功,在爛番茄上的平均評(píng)分高達(dá)9.1分,出品方兼播放平臺(tái)Netflix在一季度新增超300萬(wàn)流媒體用戶,第一季財(cái)報(bào)公布后股價(jià)狂飆26%。這一切,都源于《紙牌屋》的誕生是從3000萬(wàn)付費(fèi)用戶的數(shù)據(jù)中總結(jié)出收視習(xí)慣,并根據(jù)對(duì)用戶喜好的精準(zhǔn)分析進(jìn)行創(chuàng)作,由此可見,通過數(shù)據(jù)分析,營(yíng)銷變得更加高效。
二、個(gè)性化營(yíng)銷已成趨勢(shì)
未來終極的營(yíng)銷將是一對(duì)一的個(gè)性化營(yíng)銷。這種極致的個(gè)性化營(yíng)銷帶來的成本也是很大的,每家企業(yè)面對(duì)的消費(fèi)者可能有一千萬(wàn)種,我們不可能每個(gè)消費(fèi)者都提供一款產(chǎn)品,所以我們要在終極的個(gè)性化消費(fèi)和當(dāng)下的營(yíng)銷之間找到平衡:既可將消費(fèi)者細(xì)分到極致,同時(shí)還能提高效率,根據(jù)小黑俠的經(jīng)驗(yàn),企業(yè)一定要主動(dòng)采集分析數(shù)據(jù)、利用營(yíng)銷自動(dòng)化系統(tǒng)。
1、主動(dòng)采集分析數(shù)據(jù)
想要降低個(gè)性化營(yíng)銷成本,其實(shí)最核心的方法是通過數(shù)據(jù)主動(dòng)的分析洞察。我們每家中小企業(yè)都應(yīng)該去分析自己的消費(fèi)者,并有意識(shí)地在與消費(fèi)者交互過程中采集數(shù)據(jù)。
舉個(gè)例子。比如愛吃的小編辭職準(zhǔn)備開全國(guó)連鎖的包子鋪(恩~啟動(dòng)資金充足),根據(jù)之前的經(jīng)驗(yàn)和觀察,餐飲行業(yè)消費(fèi)者有這樣的特點(diǎn):10-20歲的消費(fèi)者喜歡涼、酸的食物; 20-30歲的消費(fèi)者喜歡重口味的食物;30-50歲的消費(fèi)者喜歡健康的食物,但是呢,這存在一個(gè)問題,小編的經(jīng)驗(yàn)來自北京,如果換座城市呢?消費(fèi)者的飲食習(xí)慣往往就不一樣了,只是豆腐腦都能轟轟烈烈的發(fā)起一場(chǎng)甜咸大戰(zhàn),為了更客觀快速的掌握不同地區(qū)食客的口味及需求,必須采集并分析用戶選擇菜品、進(jìn)店時(shí)間、進(jìn)店頻次、進(jìn)店人數(shù)、客單價(jià)等行為數(shù)據(jù)以及年齡、性別等屬性數(shù)據(jù),實(shí)現(xiàn)不同人群的精細(xì)化運(yùn)營(yíng)。此外,會(huì)員系統(tǒng)的構(gòu)建也是當(dāng)務(wù)之急,因?yàn)橹挥型陚涞臅?huì)員體系,才有機(jī)會(huì)讓我們與消費(fèi)者進(jìn)行一對(duì)一的互動(dòng)。
2、營(yíng)銷自動(dòng)化
未來營(yíng)銷的過程,我們稱之為營(yíng)銷自動(dòng)化的時(shí)代。營(yíng)銷自動(dòng)化時(shí)代做營(yíng)銷就不能只是靠人力了。假設(shè)有10000個(gè)消費(fèi)者,他們每個(gè)人的心理狀態(tài)和產(chǎn)品訴求都是不一樣的,這時(shí)候企業(yè)提供的服務(wù)應(yīng)該也是不一樣的。但這么多消費(fèi)者,如果一一發(fā)放問卷調(diào)查他們的心理狀態(tài)和產(chǎn)品訴求的話效率就太低了,這時(shí)候就必須借助營(yíng)銷自動(dòng)化系統(tǒng)。
很多企業(yè)都做過郵件營(yíng)銷。實(shí)際上,通過營(yíng)銷自動(dòng)化系統(tǒng),我們可以知道,營(yíng)銷郵件用哪個(gè)標(biāo)題,什么內(nèi)容,在什么時(shí)間推送給哪些人,能實(shí)現(xiàn)最好的營(yíng)銷效果。經(jīng)過數(shù)據(jù)分析和人群細(xì)分,這封郵件的轉(zhuǎn)化率可能會(huì)差10倍。所以,個(gè)性化的營(yíng)銷背后一定要有營(yíng)銷自動(dòng)化系統(tǒng)支撐。比如GrowthHK的智能觸達(dá)功能就能幫助企業(yè)實(shí)現(xiàn)“一鍵式”的自動(dòng)化營(yíng)銷。
三、精準(zhǔn)營(yíng)銷并不難
正如《大數(shù)據(jù)時(shí)代》中所言:真正的革命并不在于分析數(shù)據(jù)的機(jī)器,而在于數(shù)據(jù)本身和我們?nèi)绾芜\(yùn)用數(shù)據(jù)。未來,每家企業(yè)都需要利用數(shù)據(jù)驅(qū)動(dòng)營(yíng)銷,不論是現(xiàn)有用戶的留存維護(hù)、價(jià)值挖掘,還是新用戶的獲取轉(zhuǎn)化,提高營(yíng)銷效率和ROI都是我們最核心的訴求。
因此,我們可以通過對(duì)用戶在信息搜索、網(wǎng)站訪問、瀏覽、購(gòu)買等交互行為的數(shù)據(jù)中挖掘用戶需求和行為偏好,確定個(gè)性化營(yíng)銷策略,同時(shí)建立展示量、點(diǎn)擊量、咨詢量以及二次成交量等核心數(shù)據(jù)指標(biāo)之間轉(zhuǎn)化調(diào)優(yōu)的運(yùn)營(yíng)體系。此外,通過用戶畫像與標(biāo)簽體系,將用戶的真實(shí)行為轉(zhuǎn)化為數(shù)字描述,滿足用戶當(dāng)前需求的同時(shí),預(yù)測(cè)用戶的潛在需求,在合適的時(shí)機(jī)將用戶最需要的服務(wù)(商品/價(jià)值)傳遞給他,實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。
強(qiáng)調(diào)一點(diǎn),在分析用戶行為數(shù)據(jù)時(shí),需要拋棄原始的、既有的、經(jīng)驗(yàn)的想法,不要先入為主想象消費(fèi)者是怎么樣的,深入分析數(shù)據(jù)后,往往會(huì)改變你對(duì)消費(fèi)者的理解。從“曝光”到“付費(fèi)”,通過用戶行為數(shù)據(jù),加深對(duì)消費(fèi)者的了解,進(jìn)而實(shí)現(xiàn)個(gè)性化營(yíng)銷。說了這么多方法論,那么究竟如何才能提高數(shù)據(jù)分析能力,首先一定是要每天看,養(yǎng)成每天查看數(shù)據(jù)的習(xí)慣,關(guān)注每一次數(shù)據(jù)波動(dòng),洞察背后的原因,及時(shí)調(diào)整運(yùn)營(yíng)策略,把握最佳時(shí)機(jī)。
相關(guān)文章推薦:
《由增長(zhǎng)黑客(Growth Hacker)發(fā)展而來的首席增長(zhǎng)官》
《2016-17年全整理,通盤了解新零售的細(xì)節(jié)執(zhí)行要領(lǐng)》
《電商網(wǎng)站如何做到精細(xì)化數(shù)據(jù)分析?》
更多精彩,關(guān)注:增長(zhǎng)黑客(GrowthHK.cn)
增長(zhǎng)黑客(Growth Hacker)是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營(yíng)銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度,梳理整合產(chǎn)品發(fā)展的因素,實(shí)現(xiàn)低成本甚至零成本帶來的有效增長(zhǎng)…
本文經(jīng)授權(quán)發(fā)布,不代表增長(zhǎng)黑客立場(chǎng),如若轉(zhuǎn)載,請(qǐng)注明出處:http://gptmaths.com/cgo/product/8169.html