当前课程知识点:大数据技术与应用 > [补充] 陈辉:数据驱动营销 > 什么是数据驱动营销 > 什么是数据驱动营销
其实这个我的题目
最开始叫Data-Driven Marketing
中文就是
因为清华大学要求
必须有一个中文的一个标题
所以我就叫
开始叫大数据驱动营销
但是后来想一想
我把那个大字给去掉了
为什么把大数据的大字去掉
因为我觉得大数据这三个字
已经被用烂了
就是大数据是
为什么称之为大数据
并不是代表它的数据量很大
而是因为数据是关联的
是联通的
是能够交叉发挥作用的
所以我想了一下
为了把这个噱头给去掉
所以我把大字去掉了
只叫数据驱动营销
OK
那我现在就开始我今天的讲座
先介绍一下我自己吧
我叫陈辉 尔东陈 光军辉
然后我在阿里巴巴的花名
叫给力
就是给力的给 给力的力
就是因为这是阿里的
一个特有的文化
我们每个人都要取花名
最开始是从武侠小说中取
比如说三丰 或者是什么杨过
但是后来就是
这个花名都用光了
因为武侠小说就那么多
金庸先生他就写了那么多本
所以我们后来就是
允许大家可以从非武侠小说中
取一些名字
但后来这些名字也取光了
怎么办呢
就是集团说只要你们起一些名字
有正面意义
不要说什么屌丝
或者是这些就可以
所以我就取个名字叫给力
我是在UT Austin毕业的
然后在读Ph.D的时候
在Facebook实习
我当时的那个项目
叫HipHop for PHP
是一个编译器项目
做了三个月
然后后来到了Google
在Google工作了三年
在Los Angeles
做的工作包括自然语言处理
用户模型 广告系统
还有知识图谱
去年2月份回到了国内
然后加入了阿里巴巴
做的主要是
我今天要讲的这个话题
另外就是我的Linkedin
和Github的页面链接
是这样的
就是如果大家有一些同学
比较喜欢编程
可以看一下我写的这些程序
另外就是看到左边
我拿着一把枪
我在美国的时候
每两个星期会去一次靶场
是有执照的一个猎人
然后同时我也喜欢玩潜水
和骑自行车
今天我主要讲六个方面的内容
第一部分叫做LTV和留存分析
第二部分叫做RFM会员体系
RFM指的是Recency
Frequency和Monetary
第三部分讲的是
消费者的微群画像
第四部分讲的是
消费者渠道倾向性分析
第五部分是同行业的竞争分析
最后一部分是
机器学习潜客挖掘模型
因为我不知道
大家的背景是什么样子
我猜测了一下
如果听我讲这些东西
大家能得到什么样的收获
如果你是学CS的同学
你可以重点看一下最后一部分
就是我们会有一些
这种根据大数据
做这种潜客挖掘的
这种机器学习的模型
而且这些模型是可以
是通过工业界的
实际的验证过的
所以效果是非常好的
如果你做一些商业分析的话
你可以看一下
比如说消费者的微群画像
通过微群画像
你可以帮助你的商家
更清楚的了解
它的购买人群
或者是访问人群是什么样子的
另外还有同行业竞争分析
那我就开始
首先这个讲讲
什么是数据驱动营销
我这里把数据驱动营销
分成了六个步骤
这可能对于很多
在做学术的同学会比较陌生
第一步我称之为业务理解
就是首先你在开始做模型
做你的数据分析之前
需要对你的业务有所理解
比如说你要解决的问题
是要解决拉新的问题
还是解决维旧的问题
是要解决那个老客户的维系问题
还是要解决流失客户的
召回的问题
第二部分是叫做数据理解
就是有了这个业务上的问题
我要把它抽象成
它的数据的指标
然后我要对一些指标
进行一些可度量的一些准备
第三部分叫做数据准备
什么意思呢
就是比如说我现在有很多的
用户交易的数据 对吧
然后这些交易的数据
可能是分散在不同的地方
有些放在我的
MySQL的数据库里
而有些可能放在一些
比如说Excel的文件里
有些可能是手抄在一些本子上的
然后我需要把这些数据
放在一些统一的
通过一些统一的格式
放在一个统一的地方
方便管理
第四部分称之为建模
这个其实也是
如果是学这个算法的同学
会比较关心的
就是我通过什么样的模型
来把这些数据中的一些规律
或者一些规则能够提取出来
第五部分评估
就有了模型之后
我需要通过一些线下的实验
稍后的话我可以介绍一下
就是我们在阿里巴巴
做了哪些这个线下的评估工作
如果效果不错
我们最后是要完成这个
整个数据模型的部署
我把整个这个闭环
称之为Data-Driven Marketing
简称DDM
这里我是总结了DDM三个要素
简称为MBA
就这个MBA和
就是工商管理那个MBA不太一样
MBA分别是三个英文词的首字母
M指的是Marketing Experiment
通过实验优化投放
通过迭代实验的优化来
通过迭代实验的优化投放效果
第二个B指的是
Business Insight
是通过数据分析提供营销洞察
最后一个A指的是
Automation
大数据自动化营销
这听起来比较抽象的
就是如果大家没有做过营销的话
应该很难理解里面的含义
所以我举了一个例子
营销中有一句名言叫做
我知道营销预算有一半浪费了
但问题在于
我不知道浪费的是哪一半
为什么要做数据驱动营销呢
是因为数据驱动营销
可以减少浪费
用有限的预算达到最好的效果
从而提高你的投入产出比
我这里举个例子
这个例子什么意思呢
比如说我们现在是要打广告
对吧
广告可以是一个
比如说在百度
或者是某个平台上的
一个在线的广告
也可以说是
比如说我今天我就想推销一下
那个我生产的一款自行车
所以我拿着小传单
到五道口 对吧 发传单
这里给出了一个客户的分层
什么意思呢
就是我有很多数据
我可以来预测一下
比如说现在有1000万人
我把我的传单发给他们之后
他们的响应有多少
他们最终能够给我带来的
那个成交的金额有多少
这里有个概念叫ROI
叫Return on Investment
什么意思呢
就因为我做营销是要有成本的
对吧
比如说那个
代价就是我每一个提问的同学
我要给你们一个淘公仔 对吧
这个淘公仔假设是10块钱
对吧
但是我的得到是什么呢
得到的是大家能够更好的
听我讲课
从而提高就是我授课的
这样一个回报
而这个我怎么来衡量这个
投入产出比呢
广告里用ROI这个指数
指的是我每付出一块钱的成本
我能够得到几块钱的回报
那这个指标显示越高越好
如果我付出了一块钱
我得到了一百块钱
就是我的传单成本是一块钱
但我卖掉了100块钱的自行车
我很开心 没有人不开心
如果我卖掉了两块钱的自行车
平均
但是没有哪辆自行车是两块钱的
那我也比较开心
因为毕竟我还是赚到了钱
但是如果这个ROI的
这个数字是小于1的
什么意思呢
就是我今天发了八个淘公仔
结果只有一个同学
专心听我讲课
或者是我花了一块钱的传单
最后只有卖出了
0.5块钱的那个自行车
那我会很伤心的
因为我这个营销的行为
完全没有达到赚钱的效果
所以ROI等于1
这件事情是一个分界点
大于1是很开心的
等于1也许还可以接受
但是如果小于1话
我就难以接受
所以我通过我的数学模型
我把整个五道口的一百万人
做了一个分类
然后我把它做了分层
比如说第一层里面是有一万人的
对吧
是最优秀的自行车爱好者
他们的 我预估了一下ROI
投入产出比发现是10 很开心
然后第二层的这个人的
质量稍微 不是人的质量
就是他对自行车购买的意愿
稍微差一些
然后它的ROI可能是9.5
然后依次我就排下来
我发现这个前面都是比较好的
远远大于1的
但是到了某一层的时候
这个人群对自行车的兴趣
就下降的比较厉害
它这个ROI只有1.0
然后更可怕的是
如果再加上它的这个ROI
就变成0.9
这个有什么意义呢
大家能看得出来吗
就是说我如果要
比如说我现在我要发传单去
对吧
我要发多少传单
我是发10万个传单
20万个传单
还是100万个传单
我可以通过这个表来告诉我
我要发多少传单
而且可以告诉我
这传单要发给谁
比如说如果我只选定了第一层
一万个传单 那么很开心
我那个比如说花了一块钱
做这个传单
然后赚了十块钱
那我继续
我要再发第二层
再发第三层
直到我发到第三十层的时候
对吧
第三十层还是可以接受的
但到三十一层的时候
我发现再继续发传单
其实我的成本和我的产出
就不对称了
因此三十层是一个分界点
我的最终的传单数
应该是一万乘以30
就是我要印制30万份传单
发给头三十层这30万的人
这样我的投入产出比是最高的
-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