当前课程知识点:大数据技术与应用 > 王栋:美团外卖的大数据应用 > 案例分析:智能营销场景的用户画像 > 案例分析:智能营销场景的用户画像
那今天我们会集中
其中的两个点
就是绿色标红这两个点
一点智能营销
另外一点是智能交互
来展开我们今天的这个讨论
先看一下智能营销这个场景
传统的营销我想
在座的各位
我想也不是专门做营销的
所以对这一块可能没有那么了解
经管的同学可能对这一块
会有更多的认识
这个东西其实是说
按照市场营销的模式
它会有四个阶段
首先先是看要把用户
分成什么样一些类型
去做一些市场的访谈
或者是焦点用户的访谈
都是可以获得这样的一些调查
抽样的数据
然后对用户去分群
分完群以后还要去做一个定向
就是你到底对这些用户而言
你觉得最能打动他的是哪些点
然后有这个点之后
再把你的具体的这个
营销的这个主张提出来
这个叫Positioning
在用户这个心智 头脑当中
占据一个地位
那比如说王老吉
这个凉茶能够去火
虽然我们并不知道
中医去火到底有什么科学的依据
但它确实在中国老百姓当中
占据了这么一个地位
这个定位定得非常好
所以其他人想跟它打的话
就比较困难
所以这个是传统的营销的方式
然后有了这个定位
然后有了这个目标
最后就是结合到底是什么产品
我们要对目标客户
我们要做什么样的产品
我们要定什么样的价格
然后我们有什么样的渠道
去触达它以及我们要做什么样的
营销的优惠
Promotion
这四个P
其实是营销传统的一个模式
这个模式的问题在哪呢
这个问题的模式是在于它是
更多的是一个固定的硬件的一个
成型的产品为中心
而不是以用户为中心
而且通过传统的市场营销
调查的方式来做
这个周期的话非常长
可能你搜集一下用户的反馈
一周过去了
再做一个Targeting
一周又过去了
所以做一件事情
可能一个月甚至两个月
是很正常的
而且更大的一个危险在于
对你已有的这个用户
有比较好的一个洞察
但是你忽略了用户
对新的一些场景
一些品牌的一些诉求
那比如说大家都知道诺基亚
其实非常擅长做市场调查的
他们产品其实覆盖得非常全面
大型的 小型的
针对老人的 然后小孩的
各种机型覆盖得非常好
但是苹果出来之后
它其实已经完全是
新的维度一个竞争
那对于手机的智能性
它确实是不具备的
所以在这种情况下
用传统的营销的方式
未必能够达到
今天互联网企业的一个速度
这是传统营销范式的问题
那对于互联网营销呢
我们其实更多的会以用户为中心
更强调对在平台上的用户
我们能够对他提供什么样的服务
然后不断的扩展这样的服务
用美团的例子来说的话
其实也很容易理解
最早的时候美团是做团购的
对吧
这个其实是帮商家做优惠
然后吸引用户来
有了用户之后其实
很快的做了移动的平台
然后做了酒店 旅游 电影
这几个都是在这个平台上用户
他们经常去 想要去完成的行为
那我们有方便移动支付的方式
就可以去帮用户去做
以用户为中心的考虑
是导致你企业的边界会比较
不是那么容易琢磨
但是你会更容易去
沿着用户的中心去思考
去探索你的平台
能怎么样去应对用户潜在的
可能的需求
而不会像诺基亚那样
只固守在一个固定的领域
从而错失很多商业的机会
回到营销的这个模式上来说
针对以用户为中心的话
我们可以看到拉新
拉新的意思就说是去
拉动用户来到这个平台上
不断的有新用户进来
包括前些年淘宝 包括京东
其实都有会经历这么一个
不断的去拉新的一个过程
拉到了新客以后
还希望他能留下来
那就是要促活跃
让用户在平台上不断的使用
然后呢
留存其实就是让他不断的促活
促活的过程当中让老的用户
比如说有更好的方式
去触达新的用户
去带带新的用户进来
可以去推荐新的用户进来
通过这些循环的方式
让用户在平台上
有足够的留存之后
才会去考虑
究竟要不要做合适的收入
从早期呢
比如说我们一个APP开发的过程
首先是要有一个能让
用户能用的一个产品
早期对产品的设计
也是非常重要的
那有了产品之后
其实需要能够拉进来用户对吧
拉进来用户呢
怎么样让用户能留下来
其实并不光是产品设计的问题
很多时候是需要
运营的人去有一些想法
去把人留下来
再到后面通过运营和产品
已经有足够多的用户进来了
那可能我们要考虑
比较大规模用户的这个扩展
或者说服务的支持
这时候技术的重要性会凸显出来
所以不严格的说
我们可以认为
做一个互联网APP的开发
或者是一个平台的搭建
早先产品是最重要的
往后运营会越来越重要
那再到大的一定规模之后
技术或者是更多的这种互联网的
大数据的技术
或者人工智能的技术
会在第三个阶段
会有比较大的应用
那对于用户增长这件事情来说
其实是也有一些诀窍可寻的
这个诀窍在于是让用户
完成一定的
特定的动作
在这个平台上核心的动作
对于脸书来说
或者对微信这样的平台来说
是连接好友 发送消息
对于像知乎这样的平台来说
是要去关注问题 点赞 收藏
对于像点评 美团点评
这个旗下的点评平台来说
是要去浏览商户 去发出评论
去购买
对于美团外卖这样的应用
是希望用户完成第一次的购买
因为只有购买完成了
那这个才是真正的一个用户
留存下来一个用户
为了做这件事情
我们其实会需要去
考虑这么两个维度
一个维度是
我们究竟是在站内去做
我们营销的推广
还是在站外
另外一个维度是
我们是在平台来做推广
还是商户和我们一起来做推广
因为四个交叉的维度的话
如果都要去讲的话
可能会比较多
所以我今天会强调
在站内平台这块
在给定我们产品的情况下
我们如何去选择特定的用户
然后如何去做渠道
价格以及活动一个组合
这是一个营销的活动的事例
第一步
比如说我们确定我们目标
是刚才说到移动互联网当中
一个重要的一个点是要拉新
那我们会去制定一个营销的方案
我们选择哪些用户 哪些商户
哪些城市
然后在这里面有哪些商户是
对这一步用户是比较有吸引力的
他们能够做什么样的活动
这个活动呢
我们平台可以去帮他们
补贴一些钱
比如说是用户首单的这个减免
或者是对某些特定菜的一个促销
我们也可以去投一些
站内的运营位
也可以投一些站外的运营位
第三步我们就可以通过一些
配置的方式
去直接做到上线
得益于美团自己基础的这个建设
所以这块技术可以做到非常方便
让运营直接去配置就好了
而不需要每次都要去
开发一个新的系统
来进行投放
投放之后
我们就会去搜集我们线上的数据
无论是用户的访问数据
浏览数据 还是下单数据
都可以分维度 不同的维度
用户的维度 地域的维度
时间的维度
各个角度去看然后最后去衡量这次活动的效果
究竟有没有达到
这个其实跟我们在
实验室里
做实验是蛮像的
无论是这个
比如说理工科的这种工科实验
还是说我们现在计算机上
做的一些
为了写paper
要去做实验是类似的
就是我们有一个目标对吧
我们想证明一件事情
然后我们写个算法
然后我们去跑一些实验
然后对比一下我们的指标
好的话我们就可以再去迭代
不好的话
我们就要想一想什么原因
所以大致是这样一个流程
但是这个流程
需要更多人的配合
然后系统涉及到也更复杂
另外一个例子
比如说我们要做留存
其实也是类似的
我们可以去做初级用户的提升
也可以做流失用户的召回
其实也会有不同的
对应的活动的方式
包括效果的反馈
这个是一个非常通用的一个
五步的一个步骤
数据在里面能做到什么呢
大数据能帮助我们在里面
做方案的制定
我们可以去做用户的选择
我们可以用一些
比如说年龄 性别 住址
交易的频次 交易的单价等等
不同的方式来筛选用户
做用户选择之后
我们可以去猜这个效果
会有什么样的一个效果
我们甚至可以让机器去代替人
在线上做这样的投放
再到效果评估这一块
我们当然可以用数据的方法
去做活动效果的评估
然后包括实时的报表的监测
这个活动可能有问题
那么我们可能不用做到三天
我们做半天就直接把它停掉
可以节约很多损失
所以在营销里面
我们可以通过数据
来解决运营的人员
在选择目标 用户 选择预估
以及评估效果方面的一些问题
我们可以看一下用户画像 对吧
用户画像
其实大家经常会说的一个事情
在电商领域用得也比较多
可以是用户的类型
比如说他年龄
然后是属于学校的用户
还是白领用户
这个在不同的
消费的习惯其实会有很多差异的
白领不会说是
我要在篮球场边
然后点一个外卖
但是学校的用户会有这样的需求
对吧
然后会积累一些用户的偏好
比如说学校的同学
可能口味会更杂一点
被学校的食堂教育好了是吧
什么都得吃
然后呢
当然其实清华的食堂还是很好的
出去以后才意识到
还是很好的
然后在细分用户场景上
我们后面也会举一点小的例子
包括判断用户生命的周期
是刚刚来呢
还是说已经待了很长时间
没有活跃了
还是说已经流失了
我们需要再去把他拉回来
对画像的应用 我们其实
确实在美团内部总结了一下
我们是分了这么四个阶段
第一阶段是说
其实对真正的营销的人来说
他其实非常的简单
我就希望能快速提高我的ROI
我的活动的投入产出比
我花的钱很少
然后能够让
这个用户留存的目标更大
让更多的用户能够享受到活动
这个时候我们往往是会做一些
简单的画像
对用户一些非常直接的画像
不会去建一个非常庞大的
几百维 几千维
用户画像的一个体系
因为往往这块
陷入这个误区是说
很容易我们就觉得
反正我能画这么多画像
我挖掘能挖这么多数据
我就不管什么样
三七二十一我先把这个机器跑上
把这个挖出来
挖出来之后呢
其实你忽略了一点是
很多时候我们挖掘的这个结果
并不是一个很好去
校验的一个结果
我们并没有非常对用户的精细
和精深的了解
往往这个时候
你需要去结合实际的情况
根据运营的效果去调
如果你扔给运营同学
一大堆几百维的这个数
他看着就懵了
我该用哪维呢
他也不清楚
很可能最后他就说
我哪个维也不用
你这个效果不太好
那就错失了一个合作的机会
那我们是一开始的时候
先去了解他到底有什么样需求
然后觉得我们从挖掘方面
能给他提供什么样的方式
然后做比较好的互动
从这个角度
其实能够建立大家的信任
能够把业务的痛点能够解决
有了信任之后再去做一些扩展的
我们会把我们的活动营销
全部连在一起
然后把我们针对用户的画像
针对菜品 商家的画像
可以合在一起
然后第三个阶段就可以去
激发运营同学的一些想法
像刚才我们说到的
篮球场边的外卖
我们能不能专门针对这个
做一些活动
专门给在篮球场和足球场边
点外卖的同学一些优惠
这个也是有可能的
或者对比如说在家里边
周末白领不想做饭
针对这帮人是不是应该有一些
让他意识到
我们其实可以提供这样的服务
最后一个就是我们刚才说到的
自动优化的这个方式
能够通过在线的
让机器去完成营销的过程的优化
这四点其实是我们过去两年内
走过的一个路程
可以做一个简单的
稍微细一点的介绍
初期画像我们刚才说到了
是一定要精准 一定要集中
那我们有非常多的数据
美团其实因为
前期有非常多业务的积累
所以底层的数据是非常多的
我们并不是缺数据
但是从这些明细的
跟外卖没有那么多相关的数据
我们怎么能够去
跨越数据的鸿沟
最终形成一个明确的
能够对运营同学有效果的策略呢
这个确实是需要通过挖掘的方法
来去完成的
同时我们这块的目标一定是
一个画像必须要能解决一类问题
具体来说我们通过明细数据
形成画像
然后直接把画像的结果
作为一个数据的产出
交给运营同学
他们会直接放到线上去调整
然后加一些
他们自己运营的规则
然后 最后告诉我们
反馈给我们这个好不好
然后我们再去针对他的反馈
再去调整
这里面有两个案例
一个案例是对潜在新用户的预测
我们其实是有很多的用户
是有可能成为外卖用户的
且不说站外
因为美团本身之前
积累了很多的用户
他可能之前没有用过外卖
对这些用户
我们其实也可能想去触达他
希望给他提供这样的服务
但是又不能骚扰用户
天天跟每个人说你来点外卖吧
你来点外卖吧
别人很可能就把美团这个APP
直接卸载了
这肯定是不好的
所以我们要去想什么样的用户
是更有可能去用我们的外卖的
同时我们也希望能节约一些
促销的成本
这时候我们考虑人口属性
地域的属性 供给 需求各个方面
然后我们用机器学习
这个建模的方法来预测一些
高度有潜力能转化为
外卖用户的一些人
然后用了一些
经典的机器学习的算法
随机森林的方法
然后通过上百维的特征
最后做到了一个
又可以接受的一个状态
然后提供高潜名单
交给运营的同学去
针对这些有定性的做一些活动
运营的活动
也取得了比较好的效果
还有一个是针对用户流失的预测
为什么这么说要做流失预测呢
因为新客获取固然重要
但是如果来了的用户留不住
其实你做再多新客户去也没有用
首先是要保证用户能够留下来
那留下来分两种
一种是我做得很好
这个用户用得也很爽
所以他就根本不会走
另一些呢
就是可能确实我们现有的方式
和手段还没有能完美覆盖
每一种用户
这种情况下有些用户
可能是时不时的会萌生
要跑的一个念头
那再如何能够高效的挽留他
让他再持续用一段
也许过一段才会有一个新的服务
让这个用户留下来
那这个举个例子
比如说我们之前
一直外卖吸引用户
可能有些用户就是没这个习惯
但是最近美团开了打车对吧
打车这种
新的运营上来
也许之前我们留下来那些用户
维持住了
现在他就可以直接来用
那就不用我们再去重新拉一回
这个对整体的业务是有帮助的
所以按照科特勒
市场营销原理的说法
其实获得一个新客的成本
实际上维系一个老客成本的五倍
这个规则的法则大致是准确的
我们也有这样类似的
内部一些经验的总结
所以我们也是仿照刚才的方法
我们去判断哪些用户确实会流失
比如说我们看一个月
发现一个月以内他都没点过餐
我们认为他很有可能就流失了
然后我们再看一段
发现两个月以后
他确实流失了
那么这帮人就作为
我们的一个正例
拿一些持续在平台活跃的用户
作为反例
然后我们就去取
我们刚才所说的这些特征
人口 行为 供给的特征
然后去 再去预测
然后预测呢 预测了两种
一种是预测他若干天内
是不是会下单
另外一种可能看不太清楚
预测用户下次下单的概率
间隔会有多大
所以一个是预测模型
一个是生存模型
这两种模型原理上稍微有点差异
最后我们用了相似的特征
所以得到预测的效果
其实类似的
这是两个案例
那么做了这些事情之后
我们其实也赢得了
运营同学的信任
他们也会有更多的需求来找我们
说他们想做那个 想做那个
那我们就说好吧
把我们所有的用户
可能会有用的这些信息
都一块收集起来
按照优先级
按照我们的人力排个顺序
我们来建一下
我们用户画像的体系
这里面会
包括我们去用户启动时候的
这个一些信息
用户体验方面的一些信息
用户对我们营销的
以往的一个行为的响应程度
他访问 搜索 品味的偏好
这些我们都有
包括他在下单的时候
是不是犹豫
一定要货比三家
这个其实也是会
系统会去记录下来
然后我们把系统直接对接到
我们线上营销的作业系统
这样就能够非常方便的
去直接在线上
去做营销的操作
这是第二步
然后第三步
我们就来做场景的细分和挖掘
我们可以按时间 地点
订单 用户 商家
这五个维度
来去做一些筛选和组合
那比如说工作日
下午的这个下午茶
在比较困的时候
推送一个咖啡的订单
或者是水果的订单
周末在家庭聚餐的时候
推送一个类似的
比如说 西北人嘛
西贝莜面村这样的一个
订单的推送
或者是在暑期
以我自己为例
我们家有两个小孩对吧
到暑假的时候就很愁
能不能找着比较好的营养的餐
然后又是比较安全的
坦率的说
我觉得这个问题并没有解决
但是这是我们其实
会持续去做的事情
还有比如说在出差的时候
我们其实发现很有趣的一个事情
就是外卖的这个订单呢
新客的占比其实有10%左右
是在差旅中间发生的
就是在外地出差的时候
他可能觉得酒店的菜
又贵又不好吃
但是自己又忙
或者是对周围不太熟悉
那怎么办呢 就点个外卖吧
所以这是非常合理的一个场景
我们也针对这个场景
做了一些优化
做了一些新客的拉新的一个投入
包括我们也发现在医院
这个医生和患者
其实往往都有订单的需求
医生可能是因为做手术忙
或者是看病实在忙得顾不过来
患者有可能是吃腻了
容易被吐槽的菜
其实这样的一些场景
我们是往往可以通过细分的方式
去做更好的一个挖掘
取得更好的效果
总结起来的话
这个流程其实也是
有这么一个环形
首先是一个场景线索的判断
这个有可能是运营的灵感突发
也有可能是我们通过挖掘的方式
去获得一些初始的输入
然后我们再去通过用户的属性
订单的属性和商家的属性
做一些确认
然后再去用我们预测的算法
去找更多类似的用户
找更多类似的商家
然后去完成一个活动的设定
然后就重复刚才我们所说的
运营活动设定过程
所以这是一个
更高阶的一个流程的打法
这个案例也有一个
是我们用送餐地址来做场景识别
刚才我们说到了酒店 医院
这些场景识别怎么做呢
就是通过订单地址实现 识别的
这个地址呢
其实我们会需要去做它的分词
然后主干的提取
不同级别地址的定位
然后同时也考虑他订单的频度
和订单的时间
有一个比较好的一个收益
另外一点是消费升级对吧
我们说这个大的消费升级
其实在座的各位
可能很快毕业以后
也会经历一个消费升级
学校里面可能吃得
相对来说还是更单纯
更朴素一些
在毕业以后
可能会有更多的收入的增长
那可能也想更多的换换口味
甚至在其他的方面也会有需求
买房等等 对吧
这个其实是一个身份的一个切换
在美团这边的话
我们其实会有可能结合
我们的外卖的数据
和一些金融的绑卡的数据
有可能是做一些这样的
订单模式的升级
可以去发现什么样的用户
已经从校园毕业
然后进入白领阶段
包括后续的一些
运营的策略也会有所差异
这个是一个
消费模式升级的一个案例
最后一步就是说
我们怎么样去做一个
智能化的营销
有确定运营的目的
但是运营人员难以针对每个用户
去进行手动的调查
那我们就会去引入一个
智能的算法
去做在线的一个动态的优化
然后这部分是关于
营销的一个介绍
-完整讲座
--完整讲座
-李国杰:面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙:大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞:硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信:数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊:大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元:网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧,显性智慧
-人工智能:能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信:“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军:数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中:从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐:金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏:互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华:区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌:个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1:用户属性识别
-案例2:自然人识别
-案例3:WOI与社交关系识别
-陆祁:用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科:大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析:智能营销场景的用户画像
-案例分析:智能助手场景的菜品画像
-王栋:美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧:美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波:阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一:在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏:大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1:订单分配策略
-案例2:供需平衡策略
-未来展望
--未来展望
-郝井华:即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉:数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接