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 >  渠道倾向性分析及行业竞争分析 >  渠道倾向性分析及行业竞争分析

返回《大数据技术与应用》慕课在线视频课程列表

渠道倾向性分析及行业竞争分析在线视频

下一节: 机器学习潜客挖掘模型

返回《大数据技术与应用》慕课在线视频列表

渠道倾向性分析及行业竞争分析课程教案、知识点、字幕

第四部分叫渠道倾向的分析

就是还是回到发传单那个事儿

就是这个

我特别喜欢这个例子

那个例子显得比较low

就是发传单的时候

你是有很多种

不同发传单的地方

比如说你可以在五道口发

对吧

你可以在三里屯发

你可以在国贸发

对吧

那么我到底在哪儿发传单

比较合适呢

就是怎么说呢

就是现在假设我

刚根据最开始那个图表

确定十万人去发传单

但是十万个

可能出现的位置是不一样的

有些人喜欢在

比如说我们清华的同学

经常在五道口出现

有些人经常在三里屯出现

有些人经常在国贸出现

对吧

而且他在不同的地段

出现的时候

他的心情他的状态是不一样的

在有些地方

他更容易去接受传单

有些地方他从来不收传单

对吧

那么我们需要判断出

在什么样的时间地点

发我的传单

对哪些人发是最有效的

这个就是消费者的渠道

倾向性分析

这个在营销上有一个叫3P模型

好像是Project, Price, Place

就是合适的时间地点

以合适的价格

触达合适的人

有了这个

很难统计

但是有阿里的数据

其实我们可以做到这些

就是问题是什么样的渠道

触达我的消费者

不同的渠道哪个效果更好

对吧

答案是没有哪个渠道

是触达所有人最好的渠道

五道口不是

然后那个哪儿也不是

根据应该根据渠道倾向性

在不同的渠道上触达不同的人

什么叫渠道倾向性

就是在

消费者在渠道上被触达的可能

比如说我在五道口

被触达的可能是0.9

在三里屯是0.5

在国贸是

0.05和0.05

那这个时候我最好的渠道

应该是五道口

对吧

那另外一个同学

比如说小赵喜欢去三里屯

99%是在那儿出现

只有0.1%是在清华上课

所以在三里屯

小赵的渠道倾向性

就是在三里屯

所以我要有针对性的去

在不同的地点触达不同的人

然后这儿举个例子比如说

我发现我的这个潜在的消费者

最适合的

就开始看上去很丑陋

都是广告位N这样的

写了很多具体的东西

都被我们安全部的人删光了

然后我们发现

比如说不同的人

在不同的广告位上

他的人数占比

就是比如我现在出现

100万人

我发现其中有百分之

接近15%

不知道

接近16%的人是经常出现在

最容易出现在第一广告位

然后12%的人

多的人出现在第二

第三第四第五

那这个时候我怎么办

我就针对这16%的人

我要在第一广告位上打广告

针对另外12%的人

我在第二广告位上打广告

这样最有效的

如果你把

如果应该是16%的人

打到第五个广告位上

那实际上你是在浪费你的预算

因为最合适的渠道应该第一个

而你打到了第五个上

这其实也是一个

也是一个贪婪的问题

OK

这个是渠道倾向性

这里面其实没有特别多的数据

就是唯一的数据

有些预测的东西

就是我们要预测一下

他在渠道上被触达的可能

比如说还是以刚才

那个发传单为例

比如说一个人的渠道倾向性

随时间段是不一样的

比如说某个人

他白天的时间

可能经常出现在五道口

但是晚上

他会出现在三里屯

是吧

所以你发传单的时候呢

他的渠道倾向性呢

白天是在五道口

晚上你给他发传单

就应该在三里屯那个地方

所以这里边的话

根据时间根据其他的因素

这个渠道倾向性

可能是一个会变化的一个量

所以我们都需要考虑进去

第五部分叫做行业竞争分析

这里面好像只有一个图

比较简单

就简单讲一下

这里面本来也是有一百个点

每个点上有店铺的名字

后来都被删掉了

然后这里面我们是从

比如说现在

因为淘宝是一个生态圈

我们不只是有一家店铺的数据

我们有很多家店铺的数据

所以我们想研究一下

不同的店铺之间的

有哪些关系

比如说都是卖这个饮料的

对吧

他们这个之间是竞争关系

还是合作关系

还是有没有什么

一些可以互补的地方

我们用两个维度

然后把这个店铺做了区分

一个维度叫产品的相似度

就是他们卖的东西

是不是比较像的

这个怎么算呢

怎么计算呢

这个里面有一套

比较复杂的模型

就是我们有一个叫分类树的

这样一个体系

我们会把所有的商品

划分到每一个类目下面

类目的话是一个树状的去做

比如说第一层是3C数码

女装然后男鞋等等

然后再往下

比如3C数码里面是有

比如说摄像机对吧

有什么MP3等等

然后再往下就更细致了

比如说MP3下面有迷你的

有什么

什么CD播放器

有什么蓝牙的对吧

然后再往下可能是

某个具体的品牌

所以我们根据这个树状的结构呢

我们可以计算出

两个商品之间的

这个相似的程度

然后我们把两个店铺的

所有的商品的相似度

一一做对比

比如说一个店里面买一万家

一万个产品

另外一个店买两万家产品

两万个产品

我们会计算两亿个相似

然后通过某种公式

计算出这两个店铺之间的

相似关系

跟我们产品的相似关系

同时我们也有人群的相似度

这个就比较简单

就是实际上就是计算一个

叫做cosine similarity

叫余弦相似

就是一个店铺是有100万人

另外一个店铺也有100万人

当这两个100万人交集越多的时候

它的这个人群相似度

实际上是越高的

如果它100万完全重合

那么它相似度就是一

当然这是不可能的

如果他的人群只有10万人相似

那相似度可是0.1

我们根据产品相似度

和人群相似度

我们把然后每一个

比如说我们先选了一家店

比如说是红牛

当然红牛没有开店

红牛

然后我们看一下所有的

卖饮料的品牌

在这个图上是什么位置

然后把整个区间划成四份

我们认为那个产品相似度

和人群相似度都很高的

称之为强竞争店铺

就是他的人非常相似

同时卖的东西也很像

真的是死对头我觉得

就是他们针对不同的人

卖相同的东西或者是相似的东西

那这个

这两个店铺之间的竞争

是非常激烈的

如果他们的产品相似度

是比较低的

但是人群相似度是比较高的

这个什么意思呢

就是可以做联合营销

所谓联合营销就是

两个东西捆绑着卖

对吧

就是同样一群人

他可能

比如说有些人在装修阶段

他既想买电视又想买冰箱

对吧

然后两个商家

一个生产电视一个生产冰箱

它实际上是没有竞争关系的

只有互补关系

如果发现有一些人

他对你的品牌都很感兴趣

那么你绑在一起卖的时候

你的销量是可以提升的

这个其实就是互补店铺的一个

这样一个互补的一个

联合营销这样一个关系

然后看右下角

就是人群相似度比较低

但是产品相似度比较高

这个怎么办呢

就说明他卖的东西很像

对吧

但是这个人不太相似

那么其实是可以潜客来源

就是A店和B店

A店可以把B店的用户

吸引到他的店里来

成为他的新客

对吧

这两个其实有一定竞争的关系

为什么可以这样做呢

因为他卖的产品是很像的

说明这个产品的话

可能就是两个店铺的产品

都可以满足同一群人

对吧

那其实这群人

应该是两个店铺竞争的一个

争夺的一个对象

那左下角呢就是非相似店铺

就是产品相似度又不是很高

那个人群相似度也比较低

对吧

那这个两个店铺

其实是没有什么相似关系的

大数据技术与应用课程列表:

李国杰:面向大数据的数据科学

-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

吴甘沙:大数据分析师的卓越之道

-数据思维方式的改变

--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

董飞:硅谷公司的大数据实战分析

-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

杨光信:数据系统架构

-数据系统架构历史

--数据系统架构历史

-从sql到nosql

--从sql到nosql

-数据库系统实现变革

--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

时磊:大数据网络可视化

-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

--大数据带来的新挑战

-大数据网络可视化的若干案例

--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

彭元:网络安全与大数据

-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

钟义信:“人工智能与大数据”的创新研究

-人工智能系统的本质功能模型

--人工智能系统的本质功能模型

-隐性智慧,显性智慧

--隐性智慧,显性智慧

-人工智能:能与不能

--人工智能:能与不能

-人工智能的技术现状

--人工智能的技术现状

-机制主义人工智能模型

--机制主义人工智能模型

-信息转换和智能创生定律

--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

吴军:数据为王和机器智能的时代

-什么是机器智能

--什么是机器智能

-大数据的重要性及特点

--大数据的重要性及特点

-大数据中的因果关系与关键技术

--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

苏中:从大数据到认知计算

-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

王新锐:金融大数据的法律实践

-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

--金融大数据法律框架

-实际案例和业界实践

--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

刘鹏:互联网变现与计算广告

-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

杨保华:区块链与数据科学

-从记账技术到区块链

--从记账技术到区块链

-区块链确保数据真实性

--区块链确保数据真实性

-区块链确保数据安全性

--区块链确保数据安全性

-区块链衡量数据价值

--区块链衡量数据价值

-区块链的应用和总结

--区块链的应用和总结

-杨保华:区块链与数据科学——课后习题

杨紫陌:个性化内容推荐

-个性化推荐系统

--个性化推荐系统

-推荐系统的召回与排序

--推荐系统的召回与排序

-智能制作之个性化海报

--智能制作之个性化海报

-线上推荐系统其它要素

--线上推荐系统其它要素

-杨紫陌:个性化内容推荐——课后习题

陆祁:用户行为大数据

-个人介绍及用户理解背景

--个人介绍及用户理解背景

-用户理解与用户画像

--用户理解与用户画像

-案例1:用户属性识别

--案例1:用户属性识别

-案例2:自然人识别

--案例2:自然人识别

-案例3:WOI与社交关系识别

--案例3:WOI与社交关系识别

-陆祁:用户行为大数据——课后习题

阳任科:大数据与AI的内容分析

-内容智能生态——数据、算法、应用

--内容智能生态——数据、算法、应用

-大数据在内容分析的应用

--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

王栋:美团外卖的大数据应用

-外卖行业及场景简介

--外卖行业及场景简介

-餐饮及外卖行业大数据应用框架

--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:智能营销场景的用户画像

-案例分析:智能助手场景的菜品画像

--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

赵楠:商业思维与大数据技术在美团旅行业务中的结合

-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

--美团旅行业务的用户画像构建

-用户画像的应用案例

--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

陈彧:美团点评金融服务的大数据与人工智能

-互联网金融背景介绍

--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

--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

毛波:阿里全息大数据构建与应用

-数据的进化历程

--数据的进化历程

-阿里DMP平台介绍

--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

韩定一:在线营销中的竞价机制与数据价值

-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

龚笔宏:大数据在工业界中的经典案例分享

-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

[补充] 郝井华:即时配送中的人工智能

-即时配送业务的背景及挑战

--即时配送业务的背景及挑战

-案例1:订单分配策略

--案例1:订单分配策略

-案例2:供需平衡策略

--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

[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

-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

--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

[补充] 艾小缤:大数据评价体系在金融、征信领域的创新

-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

[补充] 郑宇:大数据驱动智能城市

-外部链接

--外部链接

讨论专题

-课程总结讨论单元1/2

-课程讨论总结单元2/2

渠道倾向性分析及行业竞争分析笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。