首 页 头条新闻 站长资讯 网络推广 网络营销 电商资讯 微信电商
网站首页 >> 微信电商 >>当前页

【友盟+】COO 叶谦:移动营销 数据先行

浏览量:19 次 发布时间:2018-12-21 11:08 编辑:傀儡 来源:中华网教育

近日,【友盟+】COO叶谦在第二届移动营销峰会上分享了题为《移动营销 数据先行》的主题演讲,他表示:数据应作为业务中非常重要的一环,是思考的起点。


(图为【友盟+】COO 叶谦)



未来公司之间的差距在数据上

近日,AlphaGo 升级版“Master”遍挫中日韩围棋高手,获胜60场。围棋界的人工智能已经悄然变得无比强大,而人工智能有两个重要的核心:数据和算法。叶谦表示:目前在算法层面各公司差距非常小,最新最好的算法都是公开的,数据则成为未来各公司差距所在。叶谦进一步引用《数据资本的兴起》报告中所提到的三个原则来说明数据对于竞争战略具有重要影响:

第一、数据来源于行为:行为数据具备独特性,理论上一个人可以伪造身份证或者学历,但想改变行为习惯或伪造行为非常困难。第二、数据会产生更多的数据:数据在业务中使用会产生飞轮效应,业务初期采集和利用数据的难度较大,但业务上正轨后产生数据的速度会呈直线上涨甚至呈几何级上涨。第三、平台是获胜的关键:BAT是目前市场上数据保有量最大的三家公司,数据资本也会出现两极分化的现象,未来类似BAT的平台将会聚集更多的数据。所以数据应放在业务的讨论和思考里,从而进一步推动业务的发展。

行为数据最大的价值即是在A场景产生的行为数据可以利用到B场景,接着叶谦通过三个场景分享了【友盟+】行为数据的研究和实践:

一、利用行为数据构建数据智能平台

目前【友盟+】的主要数据来源于三个方面:PC、APP以及线下店铺,通过采集到各个场景的行为数据,【友盟+】打造了数据智能平台——U-DIP。

 

 

区别于市场各家推出的数据管理平台,U-DIP则更强调在平台之上的数据和算法对业务起到的支撑能力。通过上图可以看出U-DIP是通过PC、APP、线下、社交、营销反馈的数据进行特征抽取,形成用户的特征库。通过分析和挖掘到的信息:例如:网页、调研、APP、机构等数据,在标准数据库条件下进而对消费者进行标签预测:例如:人口属性,兴趣爱好等方面等。除此之外还挖掘出用户的个性标签,如:是否怀孕,是否有小孩,是否正要买车等等,甚至还可以产生消费心理标签,如:用户是否喜欢打折商品、是否喜欢优惠券等,通过这些标签使行为数据可以在营销领域发挥更好的作用。

由于【友盟+】可以把全域收集到的行为数据映射到同一个体,U-DIP因而占有两大优势:一是跨屏识别唯一用户。二是在唯一用户基础上,对同一个体行为特征及偏好特征能够进行更加全面、丰富、深入的分析和挖掘,从而能够更为灵活地响应不同应用场景的数据需求。

进一步,叶谦还介绍了【友盟+】在广告营销上的一些尝试,【友盟+】与某棋牌游戏广告主合作进行分析得出,此前广告主通过自己的标签库投放广告的点击率在2.64%,而通过U-DIP的定向人群广告投放点击率在6.45%,点击率提升将近144%。

二、利用行为数据识别刷量

市场上不良竞争导致开发者不得不选择非正常手段来增加用户规模,交出更好的数据给投资人看,因而刷量业务便在国内市场上迅速发展。

针对刷量作弊行为,叶谦分析到:从2016年市场情况来看,刷量的作弊用户更加团伙化、专业化、地域集中化。【友盟+】从行为数据来看刷量作弊依旧存在三大的问题:1、无法完全模拟真实的数据发送环境:刷量用户模拟一个环境容易,但却无法将设备环境、地理位置环境、设备状况等因素都考虑进去。2、无法完全模拟真实的用户使用模式:高级的刷量用户可以模拟同一天或多天同一手机在同一款APP上的多次行为,但从真实用户的使用情况来说,行为则会更加的复杂,例如:在多个APP的行为,设备的地理位置变化、节假日带来的使用波动等,面对复杂的行为则是作弊无法模拟的。3、无法完全模拟真实的市场变化趋势:在移动互联网大环境下,市场发生的任何变动都会对APP有影响。例如:同类的APP上线会对APP产生一定影响,而这一点通过作弊模拟则是非常困难。

 

 

针对刷量行为,【友盟+】采取了相应的措施,如上图【友盟+】反作弊模型所示,首先通过特征抽取到的信息会放入规则引擎和预测模型通道,通过这两个通道得到的结果汇聚成的得分就是设备质量。而通过评估单个设备的质量还可以进一步评估渠道的质量,甚至还可评估APP的质量。【友盟+】将会与刷量作弊的行为斗争到底,坚决维护诚信的行业生态。

三、利用行为数据助力线下活动

近几年,线上线下上演“冰火两重天”。如何将线上经济反哺线下实体,传统零售和电子商务从融合走向共赢?去年马云曾提出了“新零售”的概念,即对消费者做到:可识别,可触达、可洞察、可服务。那么线下零售如何做到可触达和可感知呢?

叶谦提出了解决方案,目前通过WIFI获取消费者手机设备信息或其它的ID识别信息,基于每个独立的客流(类似线上UV指标),建立客流人数、入店顾客、停留时长、来访周期等指标体系,形成线下所需的客流分析。

通过收集到信息,可以得到一系列的指标:包括客流数、进店率、路过数、跳出率、停留时间等。通过数据进行分析后,把进入率高、停留时间长、关注率高的这一类用户圈选出来进行重点营销,从而达到事半功倍的营销效果。

 

 

如上图所示:在双11促销期间,某化妆品零售店进行促销活动,通过分析后发现在促销期入店客流增长整体不错对引流方面效果很明显。而通过进一步分析发现:化妆品店在北京有24个分店,共分四个区,两个区效果不错,另外两个区基本上没效果,这就对后面的营销策略有了定量的指导作用,从而优化促销活动的分区力度。

最后叶谦还表示:行为数据反映了人和人之间,人和事之间,人和地点之间的联结,只有通过联结才会对业务产生真正的价值。【友盟+】也将更加深挖用户行为数据,为企业提供有价值的数据服务!

本文永久链接:http://www.saudi-hi.com/u/single/26427.shtml
分享到:0

相关阅读

最新发布