CN112215630A - 一种全渠道渐进式会员精准营销方法 - Google Patents
一种全渠道渐进式会员精准营销方法 Download PDFInfo
- Publication number
- CN112215630A CN112215630A CN201910628036.7A CN201910628036A CN112215630A CN 112215630 A CN112215630 A CN 112215630A CN 201910628036 A CN201910628036 A CN 201910628036A CN 112215630 A CN112215630 A CN 112215630A
- Authority
- CN
- China
- Prior art keywords
- user
- marketing
- channel
- purchasing
- consumer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本发明公开了一种全渠道渐进式会员精准营销方法包括:一种标签式会员画像生成方法,生成易于营销人员理解和使用的标签式会员画像;一种全渠道营销方法,在实施中全程在用户购买过程中的搜索、比较、下单、体验、分享5个环节过程中收集用户在每个环节的行为数据、全面跟踪和积累消费者的购物全过程的数据、掌握消费者在购买过程中的决策变化、全线结合营销;一种多轮次渐进式营销方法,利用标签式会员画像生成方法选取大概率有参与意愿的用户,实施营销活动进一步优化用户画像和选取活动用户的准确率,形成反馈闭环。提高了营销活动转化率、提高会员粘性复购率、提高企业营销能力。
Description
技术领域
本方法涉及营销领域,信息化领域,特别提供了一种全渠道多轮次渐进式精准营销的方法。
背景技术
目前,在大数据时代下,网络平台样式和消费者购物习惯多样化,商场和超市既缺少客户也缺少开拓市场的能力和手段。很多商场和超市无法获知商品的最佳客户群,更难达具有针对性推广产品的能力。现有的营销方法和营销系统存在营销转化率低,批量发送营销信息导致客户体验降低,无发保持客户粘性、客户回购率低等问题。
发明内容
本发明针对上述问题,本发明提供了一种全渠道渐进式会员精准营销的方法,能够有效地挖掘出符合需求的商品和渠道信息,并且能够具有针对性的向其推广商品或者营销活动,从而提高营销能力。在商场、超市的商品、促销以及购买场景中,由于不同的人对于不同的商品有不同的敏感度,所有的信息推送时会导致客户捕捉到敏感信息的概率极小的问题,提供了一种全渠道多轮次渐进式会员精准营销方法,从而提高了营销活动转化率、提高会员粘性复购率、提高企业营销能力。
本发明所述精准营销方法包含一种标签式会员画像生成方法、一种全渠道营销方法和一种多轮次渐进式营销方法三个方面。
本发明所述标签式会员画像生成方法是本发明系统的基础核心之一,针对超市和商场购物场景,结合用户的购买习惯、购买记录构建用户画像。通过收集用户年龄、性别等基本属性作为构建用户画像属性最为基本的要素;结合用户购买行为发生的时间点、用户购买行为的持续时间、用户购买的类别、用户在上一次的活动中是否参与、用户购买的频率等行为数据分析用户的购买习惯以及购买偏好,生成易于营销人员理解和使用的标签式会员画像。用户画像能够帮助超市和商场划分目标人群,从而实现针对不同人群更精准的推荐不同商品促销。
本发明所述全渠道营销方法是针对超市和商场的购物场景,实施全程、全面、全线营销活动。
其中全程营销包含用户购买过程中的搜索、比较、下单、体验、分享5个环节,过程中收集用户在每个环节的行为数据,从比较中发掘消费者是偏爱于性价比还是尝新等习惯;根据消费者从接触到下单的时间长短来分析消费者对于该商品的需求程度从而达到全程参与消费者的消费过程。
其中全面营销提供了跟踪和积累消费者的购物全过程的数据、除了在整个过程中与消费者互动外,还可以掌握消费者在购买过程中的决策变化,针对用户的不同行为,系统可以在用户的一些行为比如下单成功、退款成功、新客户注册等等的行为通过发优惠券、积分翻倍关怀消费者,从而提升了购物体验。
其中全线营销包括了实体渠道、电子商务渠道、移动商务渠道的线上线下的融合。
本发明所述多轮次渐进式营销方法通过用户行为分析来推进下一轮的促销或者活动。利用标签式会员画像生成方法选取大概率有参与意愿的用户实施营销活动,又通过营销活动中的用户参与情况和用户购买记录反馈给标签式会员画像,进一步优化用户画像和选取活动用户的准确率,形成反馈闭环。通过对用户持续的、长期的正向激励提高营销成功率和用户粘性,提高利润率。
本发明的有益效果如下:
1. 本发明中的标签式会员画像生成方法可在用户购买过程中实时收集部分用户行为特征,不用等到本次购买行为结束才能分析用户的购买习惯,能够及时调整该用户的用户画像的部分输出结果,能在一定程度上降低新用户冷启动带来的问题。由于用户画像具有较强的动态性,每次购买行为都可能使得现有的用户画像丧失时效性,并且用户很容易受到周围环境,自身等因素的影响,从而改变其购物偏好,因此本发明中的标签式会员画像生成方法可以一定程度上解决上述问题。
2. 本发明中的全渠道营销方法针对于全程提供了在这些关键几点保持与消费者全程、零距离接触,提升了终端客户的购物体验,有效提高用户忠诚度。全线满足消费者任何时候、任何地点、任何方式购买的需求,采取实体渠道、电子商务渠道和移动电子商务渠道整合的方式销售商品或服务,提供给顾客无差别的购买体验。针对不同用户的行为习惯,短信和微信的精准推送及跟踪,并支持渠道优先,减少无效信息的推送,有助于提高终端客户的粘性。
本发明中的多轮次渐进式营销方法充分运用消费者的所有数据,进行大数据分析了解消费者的诉求点,然后充分利用各种新式媒体将营销信息推送到比较准确的受众群体中,保障和消费者长期个性化沟通,使营销达到可度量、可调控等精准要求,节省营销成本、能起到最大化的营销效果。
附图说明
图1 本发明提供的标签式画像生成流程示意图。
图2 标签式画像结果示例。
图3 本发明提供的全渠道营销示意图。
图4 本发明提供的渐进式营销反馈优化流程示意图。
具体实施方式
以下结合附图对本发明进行详细说明。
本发明所述精准营销方法包含一种标签式会员画像生成方法、一种全渠道营销方法和一种多轮次渐进式营销方法三个方面。
(一)一种标签式会员画像生成方法
如图1所示,本发明所述标签式会员画像生成方法。首先结合客户基本属性,如用户年龄、性别等基本属性与训练数据或者客户消费历史数据上学习得到一个基于内容推荐的数据模型;用此模型结合购物记录、搜索记录对未评分的商品生成评分,在下一阶段被基于物品的系统过滤算法所利用,最后得出Top N标签式。具体步骤如下。
1. 根据用户基本信息,以及已有的RFM评分,使用KNN算法计算并更新用户画像。
2. 根据步骤1中的画像,为用户添加基于属性的标签,该标签结果将在下一阶段中的基于物品的协同过滤中被使用。
3.根据用户行为日志,购买记录,搜索记录,购物时间段,购物时长,运动轨迹,获得用户的内容偏好模型(特征向量)和用户特征矩阵。其中特征向量用表示,其中表示商品的特征属性,比如商品折扣,商品价格区间,商品品牌,商品品类,商品产地,搜索关键字,产品规格等。
4. 根据步骤3中所有商品建立商品特征矩阵。
5. 使用余弦相似度计算得到步骤2中所获得的用户标签与每个商品特征向量间的相似度。
在上述公式中:
Uij是历史上购买过商品,搜索过商品或者商品相关促销的标签的集合;
ri,j代表标签u所含用户对商品项目i的关注度,该关注度由用户u对商品i的购买次数,用户对商品i或者商品i相关促销的搜索次数的加权平均数得来;
6. 根据相似度排序获得最高的Top K用户偏好(关注商品),如饮料关注者,美妆关注者,日常用品关注者等等。
7. 结合步骤2获得标签,学习得到最终的标签式用户画像。
用户画像并非是一成不变的,该画像生成方法具备一定程度的灵活性,可通过用户购买记录和活动参与记录的不断反馈,不断完善画像。最后生成的标签是用户画像如图2所示,能够以可视化的形式展现出来,方便非技术人员,如管理人员、营销人员进行下一步营销操作。
(二)一种全渠道营销方法
如图3所示,本发明所述全渠道营销方法。全渠道的模版包含微信、短信、语音、邮件、传单等通知的渠道模版。根据不同客户的行为习惯,之前推送的跟踪及大数据分析,减少无效信息的推送,有助于提高终端客户的粘性。同时全程提供了在关键点与消费者全程、零距离接触,提升了终端客户的购物体验,有效提高用户忠诚度。全线满足消费者任何时候、任何地点、任何方式购买的需求,采取实体渠道、电子商务渠道和移动电子商务渠道整合的方式销售商品或服务,提供给顾客无差别的购买体验。
(三)一种多轮次渐进式营销方法
如图4所示,本发明所述多轮次渐进式营销方法,在本发明标签是用户画像及全渠道营销方法的支持下,利用标签式会员画像生成方法选取大概率有参与意愿的用户实施营销活动,又通过营销活动中的用户参与情况和用户购买记录反馈给标签式会员画像,进一步优化用户画像和选取活动用户的准确率,形成反馈闭环。具体步骤如下。
1. 获取用户的信息,包含会员的性别、年龄、学历、身份证、户籍等等一系列基本信息。
2. 根据会员的信息、消费、一些搜索的行为,将会员分为多样的等级。
3. 根据本发明所示生成标签是用户画像方法,生成用户画像,并且为用户打上标签。
4. 根据营销活动的目标群体,按照标签、等级、基本信息进行混搭分组或者指定用户入组的形式筛选出营销活动的主体对象。
5. 编辑全渠道营销的消息推送模版,全渠道的模版包含微信、短信、语音等通知的渠道模版。追寻当下的流行趋势从各个方面配置通知的模版的消息。
6. 编辑多轮次的方案,多轮次的方案是保证营销可以有效并且使利益最大化的重要一步为了避免消费者对于营销手段的麻痹,针对线上线下每个轮次拥有不同的营销方案、不同的宣传渠道、不同的优惠力度、不同的福利诱惑。
7. 渐进式的筛选模式,保证多轮次能够有效的进行,渐进式的删选模式显得尤为重要。分析消费人员,为每位用户描绘出新的用户画像,运用大数据分析每轮活动的消费人员得出下一轮营销的面向群体,同时分析方案延续的必要性。
8. 设置消费者收到营销的通知时间,人在不同的时间段会不同事物的敏感度不同为了更加精准的营销设置消费者接受到营销通知的时间设置不同的营销不同的通知时间。
9. 开始首轮营销,前提工作准备好后,就开始面向标签式画像会员的全渠道多轮次渐进式精准营销。营销期间,记录上商品的销售情况,用户的购买情况,促销的实施情况,优惠券的转化情况,以及用户的活动参与情况,并将上述数据反馈给用户画像。
10. 对收集到的数据进行实时分析,优化更新用户画像,生成更为准确的、针对性更强的用户画像,配合渐进式方案筛营销的主体对象进行下一轮的营销活动。
该全渠道多轮次渐进式精准营销方法为购物中心提供了一个简单、方便管理、精准营销的平台。数据既可以直接在使用也可以导出到其它系统复用,具有强大的兼容和可塑性。
以上所述发明内容,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等应包含在本发明的保护范围之内。
Claims (7)
1.本发明所述全渠道渐进式会员精准营销方法其特征为包括:一种标签式会员画像生成方法、一种全渠道营销方法和一种多轮次渐进式营销方法三个方面。
2.权利要求1所述标签式会员画像生成方法其特征为:通过收集用户年龄、性别等基本属性,结合用户购买行为发生的时间点、用户购买行为的持续时间、用户购买的类别、用户在上一次的活动中是否参与、用户购买的频率等行为数据分析用户的购买习惯以及购买偏好,生成易于营销人员理解和使用的标签式会员画像。
3.权利要求1所述全渠道营销方法其特征为:针对超市和商场的购物场景,实施全程、全面、全线营销活动。
4.权利要求1或3所述全渠道营销方法其特征为:全程在用户购买过程中的搜索、比较、下单、体验、分享5个环节过程中收集用户在每个环节的行为数据,从比较中发掘消费者是偏爱于性价比还是尝新等习惯;根据消费者从接触到下单的时间长短来分析消费者对于该商品的需求程度。
5.权利要求1或3所述全渠道营销方法其特征为:跟踪和积累消费者的购物全过程的数据、掌握消费者在购买过程中的决策变化,针对用户的不同行为,在用户的一些行为比如下单成功、退款成功、新客户注册等等的行为通过发优惠券、积分翻倍关怀消费者。
6.权利要求1或3所述全渠道营销方法其特征为:包括了实体渠道、电子商务渠道、移动商务渠道的线上线下的融合。
7.权利要求1所述多轮次渐进式营销方法其特征为:通过用户行为分析来推进下一轮的促销或者活动,利用标签式会员画像生成方法选取大概率有参与意愿的用户实施营销活动,又通过营销活动中的用户参与情况和用户购买记录反馈给标签式员画像,进一步优化用户画像和选取活动用户的准确率,形成反馈闭环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628036.7A CN112215630A (zh) | 2019-07-12 | 2019-07-12 | 一种全渠道渐进式会员精准营销方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628036.7A CN112215630A (zh) | 2019-07-12 | 2019-07-12 | 一种全渠道渐进式会员精准营销方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215630A true CN112215630A (zh) | 2021-01-12 |
Family
ID=74047142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910628036.7A Pending CN112215630A (zh) | 2019-07-12 | 2019-07-12 | 一种全渠道渐进式会员精准营销方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215630A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219580A (zh) * | 2021-12-31 | 2022-03-22 | 江苏玖益贰信息科技有限公司 | 一种消费者画像生成装置及画像分析方法 |
CN117237024A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市诚王创硕科技有限公司 | 一种用于市场营销的推广方法及系统 |
CN117350770A (zh) * | 2023-12-05 | 2024-01-05 | 西安柚子信息科技有限公司 | 一种基于用户画像的精准营销方法及系统 |
-
2019
- 2019-07-12 CN CN201910628036.7A patent/CN112215630A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219580A (zh) * | 2021-12-31 | 2022-03-22 | 江苏玖益贰信息科技有限公司 | 一种消费者画像生成装置及画像分析方法 |
CN117237024A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市诚王创硕科技有限公司 | 一种用于市场营销的推广方法及系统 |
CN117237024B (zh) * | 2023-11-14 | 2024-02-20 | 深圳市诚王创硕科技有限公司 | 一种用于市场营销的推广方法及系统 |
CN117350770A (zh) * | 2023-12-05 | 2024-01-05 | 西安柚子信息科技有限公司 | 一种基于用户画像的精准营销方法及系统 |
CN117350770B (zh) * | 2023-12-05 | 2024-03-08 | 西安柚子信息科技有限公司 | 一种基于用户画像的精准营销方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fildes et al. | Retail forecasting: Research and practice | |
US10176494B2 (en) | System for individualized customer interaction | |
Bell et al. | Shopping behavior and consumer preference for store price format: Why “large basket” shoppers prefer EDLP | |
US8650079B2 (en) | Promotion planning system | |
US20090327308A1 (en) | Systems and methods for providing a consumption network | |
TW201203156A (en) | Online and offline advertising campaign optimization | |
CN112435067A (zh) | 跨电商平台与社交平台的智能广告投放方法及系统 | |
CN112215630A (zh) | 一种全渠道渐进式会员精准营销方法 | |
Bogomolova et al. | Exploring the incidence and antecedents of buying an FMCG brand and UPC for the first time | |
CN116645141B (zh) | 一种融合多维特征的连锁门店选址推荐方法 | |
Zheng et al. | A scalable purchase intention prediction system using extreme gradient boosting machines with browsing content entropy | |
Nam | Conversion paths of online consumers: A sequential pattern mining approach | |
Ehsani et al. | Consumer segmentation based on location and timing dimensions using big data from business-to-customer retailing marketplaces | |
US11763349B2 (en) | Methods and apparatus for automatically providing digital advertisements | |
Patil et al. | A Web Application for Customer Segment based Black Friday Sales Forecast | |
KR100403276B1 (ko) | 구매가망상품 도출시스템 및 그 방법 | |
CN107909402A (zh) | 一种基于云分析的智能商品及促销信息推荐系统 | |
Nguyen et al. | The impact of customer behavior on marketing automation in e-commerce industry | |
Zhao | Consumer Behavior Analysis and Repeat Buyer Prediction for E-commerce | |
Abdiev | THE ROLE OF DIGITAL MARKETING TOOLS IN THE ACTIVITIES OF ONLINE STORES | |
WO2011149105A1 (ja) | サーバ装置、表示制御方法、表示制御プログラム及び記録媒体 | |
Tuneu et al. | Consumer opinion on online grocery shopping in Catalonia during Covid-19 | |
Ruvio et al. | Consumer Behavior | |
CN117114769A (zh) | 基于商品二维码的广告投放管理方法及系统 | |
Tejaswi et al. | Impact of Consumer’s Decision Making Process on Purchasing of Mobile Phones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211025 Address after: 200135 C + d part of mezzanine of building 74, block F24, No. 11, Fute West 2nd Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Aisino Dudley information systems (Shanghai) Co.,Ltd. Address before: 201206 2nd floor, building 9, No. 999, ningqiao Road, Pudong New Area, Shanghai Applicant before: YINGLI DUFU INFORMATION SYSTEM (SHANGHAI) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210112 |
|
WD01 | Invention patent application deemed withdrawn after publication |