万达电商 玩大会员时代下,会员的全域营销应是如何?

奇点云 CEO 张金银:线上线下结合 + 精准大数据,实现新零售个性化全域营销-ZAKER新闻
【猎云网(微信:ilieyun)北京】10 月 13 日报道(文 / 郭倩茹)" 新零售时代的全域营销第一个是数据和工具,所以一定要以大数据为核心。"10 月 12 日,在云栖大会的数字营销专场,奇点云 CEO 张金银(花名行在)如此说。从过去采用 POS 机、条形码到嵌入 RFID、人脸识别等技术运用到电商、线下实体零售,新零售概念的背后,可谓蕴含着科技带来的巨大变革。因此,当人工智能遇上新零售,新零售商家们该如何得到用户的拥趸呢?作为新零售技术服务提供商的奇点云,在技术与认知上已开始进行实践。就此,张金银发表了《新零售时代的全域营销》的主题演讲。他认为,新零售时代的全域营销可以通过将线下人、货、场数据化,打通线上线下数据,进行用户个性化数据分析等,实现全域的个性化触达,完成精准营销,从而帮助实体商家拥有淘宝一样的数据化运营能力。用人工智能 + 大数据改变传统营销固化思维出门不带钱包,一个手机就可以搞定一切支付,这已经成为中国老百姓的日常生活方式。在移动互联网的趋势下,用户消费、支付等习惯逐步在发生着转变,过去用户们喜欢到实体店通过现金或刷卡的方式购买商品,如今用户们都习惯于通过电脑、手机等工具,登录一个账号进行 " 一站式 " 的购物操作。" 无现金时代 " 正在改变着人们的消费习惯。与此同时,随着部分技术成本的降低,新零售时代也已经来临,呈现方式越来越多:有友盒、果小美、七只考拉等服务于办公室白领的无人货架,也有缤果盒子、淘咖啡、F5 未来商店这种运用 RFID 技术的无人便利店。除了这些新型的玩家,每日优鲜、居然之家、娃哈哈等传统商家巨头也纷纷加入进来。因此,如果还是运用传统的先有货,才去接触用户的思维显然已经不适应市场的需求。在这一方面,奇点云团队早有相同的共识,那就是必须改变营销方式,运用人工智能技术做全域营销。众所周知,人工智能是研究使计算机来模拟人的某些思维过程和智能行为的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。简单总结,即大数据 + 算法 + 计算。作为先行者之一的张金银从人工智能的角度出发,认为最重要的就是大数据。其实,在 10 月 11 日的云栖大会阿里校友创业专场上,张金银就以自己从事大数据研究十多年的经历,讲述了大数据带给市场与商业的巨大变化。他觉得,面对线上线下加速融合的态势,这就要求企业必须要运用信息化的能力,但传统企业由于自身的限制,是无法自主完成的,多年研究大数据的经验,让他觉得有责任去帮助商家沉淀数据。因此,奇点云主要通过两云一端的架构为客户提供 " 数据 + 工具 + 大脑 " 三者结合的服务,让实体商家拥有淘宝一样的数据化运营,助力客户走进数据智能时代。全域营销助力新零售重构人货场三要素当下,对于商家而言,新零售业态下,通过技术驱动企业发展,通过对大数据的深度挖掘,使品牌方全面洞察消费者,从而指导商家为消费者提供更好的个性化的商品和服务,成为新零售的关键环节。而且,全球数字化营销发展到今天,已不再是传统营销的数字化展现,而是数据化的思维去做营销。那么,如何运用大数据打通全域营销呢?提到传统零售,最绕不开的三个字,就是人、货、场。如今,互联网带来了很多变化,但是人、货、场(景)没有带来改变,商业最终是要用互联网的技术和思想去重新构架人、货、场的关系。因此,新零售成功的标志在于能否重构人、货、场这三个商业元素。在这方面,张金银提出,可以将三者进行数据化,通过探针、视觉计算、在线支付等手段,重构三者的关系。比如,运用人脸识别和图像识别等视觉计算技术,通过人脸关键点的定位,准确识别人脸性别、年龄、种族、表情、饰品等 10 多种人脸属性大类,就可以得知用户的一些需求。同时,通过智能技术,还可以显示门店客流量、门店密度热力、消费者店内行动轨迹、进店频次等数据。在此基础上,张金银认为还应该打通线上线下数据。新零售是一场线上线下消费集合的无缝对接,因此要围绕消费者接触点,打造线上线下打通的大会员体系,并通过一体化的供应链体系来提供支撑。他举例,奇点云的智能技术实现的是用户的脸就是会员 ID;在线支付是关联 Face ID、手机号、会员号的枢纽。这样就可以从客户消费、消费场景体验等方面,利用大数据分析计算客户真正的需求。通过掌握大量客户的数据,实体商家就可以将客户进行基础属性、设备、标签的分类。而奇点云作为技术服务商,运用大数据就可以帮助商家完成全域的个性化触达,进行精准营销。比如,爱马仕广告的客户标签应该是:中年女人、金领阶层、喜爱奢侈品;而 iphone 8 广告的客户标签应该是青年男士、学生、果粉、热爱手游等。也就是说,全域营销是在新零售体系下以消费者运营为核心,以数据为能源,实现全链路、全媒体、全数据、全渠道的一种智能营销方式。而在提供全域营销的技术支持方面,10 月 11 日,猎云网报道过的便是奇点云实践中的一步。截止目前,StartGo 无人店已经迎来近 3000 多人体验参观,注册用户已经达 1300 多人。其中,运用奇点魔镜对 1971 人的人脸数据进行了分析,新潮欧巴达到 17.6%,可爱女生达到 15.9%,美丽女生达到 9.1% 等。同时,通过这一人工智能技术,成功推荐商品 11826 件。张金银相信,新零售结合人工智能将是未来一股浪潮,从用户、数据、支付、供应链等都可以打通,也将会出现更多实体商家转型新零售的经典案例。本文来自猎云网,如若转载,请注明出处:/archives/371995
相关标签:
原网页已经由 ZAKER 转码排版
互联网新闻8小时前
互联网新闻5小时前
互联网新闻5小时前
互联网新闻6小时前
亿欧网47分钟前
砍柴网19分钟前
亿邦动力网1小时前
36氪1小时前
品途网2小时前
亿欧网2小时前
品途网3小时前
砍柴网2小时前
亿欧网3小时前
亿邦动力网2小时前
砍柴网3小时前大数据时代下的电商营销怎么玩?
稿源:原创
当我们细细品味去年阿里双11取得571亿成绩的同时,不难发现,中国电子商务的市场份额正在向头部靠拢。不管承认与否,市场份额向寡头聚集说明电商行业的垄断风险越来越高。垄断是创新的杀手,如果中国的电子商务只有在天猫、京东这样超级平台上才能玩,这不得不说是一种悲哀。
为何大部分独立电商都面临生存危机?这个问题与产品、营销、营运等诸多因素关联。本文试图从大数据与电商营销层面去做一些思考。
大数据营销的核心
独立电商正在面临前所未有的营销挑战,这种挑战突出体现在三个方面。首先,营销成本越来越高,获客成本居高不下。成本高企的主要因素是媒体对定价权的掌握,以及电商巨头对资源的垄断;其次,随着媒体碎片化越来越严重,营销管理效率受到挑战,机会成本越来越高。电商在找到适合自己的媒体之前,需要一个不小的试错成本和时间积累;第三,促销竞争越来越激烈,用户忠诚度越来越低。一个同行的促销就轻易把用户给挖走,不动用特殊优惠难以触动沉睡的老用户。以往期望有高二购率的高举高打营销模式日渐式微。
电商营销的关键要素,在于营销渠道的选择、营销效率的管控和营销规模的可放大性。不断会有新的渠道出现,然而这个渠道是不是一个优质渠道,主要体现在是否可以达到效率与规模的平衡。
大数据正是这样一个工具,帮助电商进行管控与计算,平衡效率与规模。大数据在电商营销中的应用,核心是做数据资产的保值和增值。大体可分为CRM数据、访客数据和第三方数据三类,数据规模依次呈几何级数递增。所谓保值,是练内功,通过数据发现消费规律,并在此基础上对用户细分和聚类,用适合的工具与用户交流其关心的内容,最终实现用户的转化与再转化;所谓增值,是走出去,基于对自身用户的持续画像,以此在外网寻找&有缘人&,故增值的核心是数据个性绽放,业务需求匹配。不论保值还是增值,应注重积累和持续,而非短平快;注重价值规律由内向外发掘,不同层次的差异化和递进关系,而非一刀切。
大数据与网站优化
电商营销,转化率是关键,提升站内转化率是优化广告效果的基础。电商网站优化的核心KPI就是看转化率是否得到提高、转化成本是否可控。在这一块,美国的Amazon是行业的标杆。Amazon网站上,有超过35%的销售来自于站内推荐系统。推荐引擎是大数据的典型应用,其原理是追踪每一个访客的站内访问行为,并建立推荐模型,预测该用户可能感兴趣购买的商品,然后通过推荐模块在网站页面输出展示这些商品,从而吸引用户点击并购买。
大数据不仅可以洞察消费者的购买兴趣,还可以帮助网站开发者去做UI/UE的优化。通过大数据AB测试,可以了解页面布局和功能设计对于二跳率、转化率的影响,从而避免主观判断UI/UE的优劣,通过数据来持续优化UI/UE。在美国,有专门做AB测试的大数据公司,已经拿到了多轮融资,正在准备上市。在中国,目前电商的接受程度还非常有限,还处于方兴未艾的阶段。
大数据与会员营销
传统的电商CRM,通过RFM模型对已购买顾客进行分组和差异化的营销互动。而事实上,除了已购买顾客,还有大量的到访顾客、兴趣顾客、加入购物车未提交顾客等等,这些潜在购买顾客的数量级可能是已购买顾客的上万倍甚至更高。在大数据时代之前,我们对于这样一个庞大的潜在顾客群是无法管理和营销互动的。大数据使CRM的概念发生了升级,变为VRM(访客关系管理)。
大数据应用将所有网站的到访用户都管理起来,从访问到注册、加入购物车、支付、购买等环节,建立一个客户转化销售漏斗,这是进行广义会员营销的基础。同时,大数据的引入,使得传统的EDM、SMS变得更加智能化、高效率。VRM的思想,是以大数据为基础的数据库营销升级版,这种升级,体现在基础数据、营销内容、触达渠道、评价体系等多个方面。建立符合自身特点的VRM体系,是电商深入开展数据库营销的基础。
大数据与媒体广告
展示广告的程序化购买,是未来的媒体采购主流模式。程序化购买的发展,离不开大数据应用的普及。从媒体端的资源整合,到第一、第二、第三方数据的收集管理,再到智能竞价、动态创意、智能LP的应用,大数据是必要条件和催化剂。
最近一两年程序化购买的发展速度非常快,从单纯的公开市场竞价DSP,到私有化竞价市场PMP的出现,再到移动广告的程序化购买。如此快速的广告采购方式升级,是很多电商所不适应的。反过来看,这些新的媒体采购方式,虽然从理论上能够帮助到电商提升效率、降低成本,而事实上电商在程序化购买的实施过程中,实际效果与其期望值还有不小的距离。
电商要利用大数据做好媒体广告程序化购买,离不开以下几点:
1、要有自身的大数据营销规划和架构,具有大数据营销的技术储备和思想意识;
2、选择DSP供应商要慎重,不能偏听偏信,前期最好多选几家,是骡子是马,拉出来溜溜;
3、科学设定程序化购买的KPI,不能简单照搬其它渠道的KPI要求;
4、合理设定程序化购买项目的启动和评价周期,注重结果,更注重过程;
5、培养自己的大数据营销人才,深入进行大数据洞察,而不是简单外包,浅尝辄止。
大数据与电商营销生态圈
电商营销生态圈,可以看做是媒体、流量、用户、顾客、回头客这几个要素之间的闭环。每个要素,都涉及到一系列的产品和工具。大数据时代之前,我们也有报表,也能看到这些要素之间的递进关系。而大数据时代的来临,仿佛让我们配备了高倍显微镜,能够对这几个要素的结构和流动看的更加清晰,同时大数据又构建的新的游戏规则,使得电商能够用全新的视角和方法来开展新电商营销工作。
大数据让电商营销生态圈变得更加绚丽,对电商营销人的学习能力和执行能力提出了挑战。面对这种挑战,迎头而上是唯一的选择。
作者简介:周凯&& 上海智子信息科技有限公司() 营销副总裁 复旦大学MBA。前梦芭莎高级副总裁,2008艾瑞新营销专家奖获得者。
有好的文章希望站长之家帮助分享推广,猛戳这里
本网页浏览已超过3分钟,点击关闭或灰色背景,即可回到网页电商时代下,会员的全域营销应是如何?
在电子商务迅猛发展的今天,电商企业和会员之间的关系也正悄然发生着改变。而随着营销场景、营销手段、营销对象的变化,传统的会员管理营销方式变得效率低下,已经不能再满足电商企业日益高涨的需求,各种新的营销方式层出不穷,而其中的集大成者,就是全域营销了。
所谓的全域营销,比较官方的解释就是“整合各类可触达的消费者的渠道资源,建立全链路、精准、高效、可衡量的跨屏渠道营销体系。”
说直白点,这是一种全渠道、全触点的营销模式,会员是这种营销模式的核心关注点,而电商企业则需要整合线上线下的所有营销渠道,在人与人、人与物、人与媒体高度互联的环境下,通过影响会员、接近会员、感动会员的方式,来对会员的决策路径动进行渗透,并最终影响会员的消费决策。
这种全域营销比较成功的案例就发生在2016年的黑色星期五,某知名跨境购物网站,通过在繁华商业区打造线下海外购体验馆的方式,利用商业区人流优势覆盖了网站的目标人群,确保了体验的广泛性和传播的普及性。而体验馆的线下体验互动区使得买家能够直观生动了解网站海外购模式,并将网站需要传播的信息和价值观潜移默化的传递给了买家。这种让买家亲身体验,在现实场景中直观感受产品、服务优势和吸引力的方式,相对于硬广来说更具有说服力。
对于线上线下的联动配合,打通线上线下的渠道,实现信息的统一,在这次活动互动中也有充分体现。网站将线上的商品信息通过线下的方式展现,从而更能形成实际的客户和销售转化。
要知道,对于网购最大的诟病,就是网店中的商品都是“看得见摸不着”的,这很大程度上削弱了买家在购物时对商品的直观了解,限制了他们的购物体验。这种情况对于“海淘”用户来说更是如此。
在线下体验馆中,买家不但能够真实地看见产品,更能通过扫描二维码的方式将线上商品信息与之相联系并直接下单,使得线上购物的便捷性和线下购物的直观性得到充分融合。这种方式还是很值得各大电商公司借鉴的。
店盈易助更多零售企业更多全域营销,完全是一种以“人”为中心的营销战略,它打破了原有的线上与线下分割、新老渠道分割的现实,打破线下实体店、线上网店的单行单选的状况。
在现今互联网,特别是移动互联网高度发达的时代,这种全域覆盖的模式,使得会员消费决策变得丰富、重叠和动态。可以预见,全过程、全触点、全渠道跨平台去中心化全域营销新模式必将成为之后所有电商平台公司的必然选择!
责任编辑:
声明:本文由入驻搜狐号的作者撰写,除搜狐官方账号外,观点仅代表作者本人,不代表搜狐立场。
店盈易会员管理系统 为店铺带来更优的管理方案
店盈易 建立店铺管理软件与微信之间的桥梁
今日搜狐热点没账号?一键数据猿账号
已有账号?
已有账号?
不容错过的资讯
大数据学堂
大数据企业推荐
大家都在搜

我要回帖

更多关于 全域时代 的文章

 

随机推荐