12月18日，2018（第十六屆）中國(guó)互聯(lián)網(wǎng)經(jīng)濟(jì)論壇在京舉行，創(chuàng)略科技解決方案副總裁何喬恩在現(xiàn)場(chǎng)發(fā)表主題演講。她認(rèn)為互聯(lián)網(wǎng)是一個(gè)數(shù)字生態(tài)圈，在這個(gè)時(shí)代，從不缺數(shù)據(jù)，缺的是“智慧的數(shù)據(jù)”?！爸腔鄣臄?shù)據(jù)”指的是將大數(shù)據(jù)和人工智能進(jìn)行結(jié)合，人工智能的預(yù)測(cè)能使海量的數(shù)據(jù)變換成有用的預(yù)測(cè)性信息，未來(lái)這種預(yù)測(cè)性信息將會(huì)被越來(lái)越多的企業(yè)，應(yīng)用在不同的營(yíng)銷場(chǎng)景中。
以下為演講實(shí)錄：
大家好，我是何喬恩。感謝主辦方和大會(huì)的邀請(qǐng)，讓我來(lái)講述大數(shù)據(jù)+AI如何幫助現(xiàn)代企業(yè)走向現(xiàn)代化的營(yíng)銷之路。
互聯(lián)網(wǎng)是一個(gè)數(shù)字的生態(tài)圈，在這個(gè)時(shí)代，從來(lái)都不缺少數(shù)據(jù)，相反時(shí)時(shí)刻刻我們都再創(chuàng)造數(shù)據(jù)。比如當(dāng)我們看見(jiàn)一個(gè)廣告點(diǎn)進(jìn)去，進(jìn)入官網(wǎng)成為注冊(cè)會(huì)員，在手機(jī)收到優(yōu)惠券隨之去購(gòu)買在這一切的過(guò)程，都將被數(shù)據(jù)化記錄下來(lái)。隨之產(chǎn)生的問(wèn)題是面對(duì)那么多數(shù)據(jù)，為什么企業(yè)會(huì)覺(jué)得數(shù)據(jù)沒(méi)有用，其實(shí)不是數(shù)據(jù)沒(méi)有用，而是傳統(tǒng)的數(shù)據(jù)分析方法沒(méi)有辦法面對(duì)這樣的海量數(shù)據(jù)源，因此企業(yè)面對(duì)多融合的數(shù)據(jù)源時(shí)，就需要學(xué)會(huì)區(qū)別，做一個(gè)數(shù)據(jù)分析讓數(shù)據(jù)變的有智慧起來(lái)。
怎么樣才可以把數(shù)據(jù)變的有智慧？有價(jià)值？那就是將大數(shù)據(jù)和人工智能進(jìn)行結(jié)合。人工智能在預(yù)測(cè)方向中起著非常重要的作用，它能夠使海量的數(shù)據(jù)變化成為一個(gè)有用的信息，能夠進(jìn)一步提升數(shù)據(jù)的可讀性和信息有效性。通過(guò)預(yù)測(cè)性分析，從整個(gè)數(shù)據(jù)描述過(guò)程中，我們可以掌握整個(gè)事情發(fā)展的規(guī)律，從而進(jìn)行一個(gè)預(yù)判。我們相信這種預(yù)測(cè)性的作用將會(huì)被越來(lái)越多的企業(yè)應(yīng)用在不同的營(yíng)銷場(chǎng)景中。
營(yíng)銷的目的是什么？其本質(zhì)是贏得人的心，贏得消費(fèi)者的信任，在這里意味著以人為本是一個(gè)關(guān)鍵。這里提到的以人為本其實(shí)有兩個(gè)方面的含義。第一以人為本的數(shù)據(jù)，它意味著企業(yè)需要去打破內(nèi)部的數(shù)據(jù)孤島，建立一個(gè)以消費(fèi)者為核心的數(shù)據(jù)，也就是這兩年大家聽的特別多的CDP。在這個(gè)平臺(tái)中，它集合了顧客的所有信息、線上線下的網(wǎng)上行為以及各個(gè)觸點(diǎn)的營(yíng)銷數(shù)據(jù)，因?yàn)樵谡麄€(gè)商業(yè)運(yùn)營(yíng)中會(huì)面臨不同的數(shù)據(jù)源，集合了不同的數(shù)據(jù)源之后，我們發(fā)現(xiàn)這些數(shù)據(jù)都是不可讀的。但CDP就是這樣，可以聰明地把這些數(shù)據(jù)進(jìn)行歸檔和驗(yàn)證，在這平臺(tái)上面CDP會(huì)進(jìn)行整個(gè)用戶IP唯一識(shí)別和做標(biāo)簽化的數(shù)據(jù)化管理，這樣企業(yè)就可以用真正的根據(jù)數(shù)據(jù)來(lái)做決策，而不單純依靠感性的認(rèn)知和過(guò)往經(jīng)驗(yàn)。
第二以人為本的營(yíng)銷就是個(gè)性化營(yíng)銷?，F(xiàn)在和未來(lái)的營(yíng)銷的主要人群已經(jīng)從原來(lái)的80后、85后，逐漸演變成中年人的90后，以及正在青春期的00后，而這代人正是在經(jīng)濟(jì)快速發(fā)展、物質(zhì)非常豐富，還有移動(dòng)互聯(lián)網(wǎng)時(shí)代下生長(zhǎng)的一群人。他們的訴求其實(shí)是追求個(gè)性化，希望通過(guò)產(chǎn)品和服務(wù)表達(dá)自我，這給企業(yè)的啟示就是，如果想贏得他們的喜愛(ài)，就需要將營(yíng)銷隨之做出變化，誰(shuí)能夠把個(gè)性化的營(yíng)銷做的更細(xì)化、更精準(zhǔn)，誰(shuí)就會(huì)更快的贏得這一場(chǎng)的勝利。
總之，以人為本是基地。其實(shí)人工智能這些花哨的科技術(shù)語(yǔ)最終還是要落地到營(yíng)銷的場(chǎng)景，幫助企業(yè)實(shí)現(xiàn)各個(gè)緯度的增長(zhǎng)和實(shí)現(xiàn)營(yíng)銷的目標(biāo)。因此今天，我才會(huì)通過(guò)不同的案例讓大家感受這些聽起來(lái)很枯燥的模型理論，讓大家知道大數(shù)據(jù)和人工智能如何在整個(gè)營(yíng)銷過(guò)程中起作用。
我們現(xiàn)在做品牌推廣的時(shí)候，其實(shí)推的都是白色這一塊用戶群，因?yàn)檫@塊用戶群是T用戶，橙色的部分表示的是哪些用戶對(duì)品牌最感興趣，現(xiàn)在的方法是你沒(méi)有辦法精準(zhǔn)的去猜想出橙色的部分是哪一些，但是現(xiàn)在通過(guò)預(yù)測(cè)性的模型，我們可以把這精準(zhǔn)的一群人找出來(lái)。比如找出T濃度最高的人做出一個(gè)影像。
這里是我們幫春秋航空進(jìn)行品牌推廣的一個(gè)案例。每一個(gè)旅客對(duì)航線偏好不一樣，比如商旅北上廣深多，對(duì)于普通用戶休閑旅游則需要國(guó)內(nèi)的旅游景點(diǎn)或者出境游，這時(shí)春秋航空會(huì)給長(zhǎng)旅客發(fā)送短信信息，然而從用戶點(diǎn)擊短信跳轉(zhuǎn)到官網(wǎng)最后購(gòu)買，實(shí)際情況是1%，因而該航空公司希望把短信的轉(zhuǎn)化率能提升起來(lái)。
為此，我們和客戶挑選兩條其中的路線進(jìn)行了落地的試驗(yàn)，接入了春秋航空3千萬(wàn)的會(huì)員數(shù)據(jù)，6千多萬(wàn)的沉積信息，其中包含不同的訂單數(shù)據(jù)、信息數(shù)據(jù)和基礎(chǔ)數(shù)據(jù)。我們對(duì)整個(gè)高購(gòu)買意向的用戶進(jìn)行了一個(gè)分群和打標(biāo)簽，提取了以上客群的特征。例如他乘坐的頻次、周期、購(gòu)買時(shí)間段的長(zhǎng)短，提前購(gòu)買的信息，最終得出來(lái)航線的整個(gè)的購(gòu)買預(yù)測(cè)模型。
整個(gè)購(gòu)買的預(yù)測(cè)模型當(dāng)中，我們可以篩選出濃度最高的客群。針對(duì)這一群人做營(yíng)銷推送的結(jié)果是，在整個(gè)實(shí)踐結(jié)果下來(lái)，模型的準(zhǔn)確率能夠達(dá)到97.5%，其實(shí)更讓我們和春秋航空震驚和感到滿意的是，它整個(gè)的轉(zhuǎn)化率提升了14倍，從1%的轉(zhuǎn)化率提升到14%。因此我們現(xiàn)在將這個(gè)模型更多的運(yùn)用在不同的航線當(dāng)中，并不斷去調(diào)整個(gè)模型。在這個(gè)案例中我們可以知道只要企業(yè)找到對(duì)的人，找到濃度高的人去做營(yíng)銷推、和轉(zhuǎn)化，整個(gè)轉(zhuǎn)化率提升將是非常明顯的。
另外一個(gè)想分享的案例是關(guān)于用戶的分層。我們可以通過(guò)整個(gè)數(shù)據(jù)模型的應(yīng)用進(jìn)行精細(xì)化的分層，幫助品牌識(shí)別出高意向的用戶，以此大大提升整個(gè)資源效率的配置，讓購(gòu)買轉(zhuǎn)化率也有提升。這個(gè)案例是一個(gè)汽車品牌，它不是沒(méi)有數(shù)據(jù)它是數(shù)據(jù)太多，它有60多萬(wàn)的潛客車主的數(shù)據(jù)，但是它很難了解這60多萬(wàn)的用戶，銷售團(tuán)隊(duì)人數(shù)有限，不可能每一個(gè)人都去跟銷售線索，這就會(huì)耽誤到一些優(yōu)質(zhì)線索的轉(zhuǎn)化。因此我們根據(jù)這個(gè)營(yíng)銷場(chǎng)景，幫助品牌建立AI模型，該模型叫營(yíng)銷積分模型，在這模型當(dāng)中我們首先是整合和打通該品牌的第一方數(shù)據(jù)，同時(shí)接入第三方媒體數(shù)據(jù)，去做一個(gè)用戶洞察的破綻。接著我們將這些數(shù)據(jù)打通和關(guān)聯(lián)起來(lái)，然后根據(jù)不同的緯度來(lái)設(shè)置用戶的標(biāo)簽，建立起客戶營(yíng)銷積分模型。我們按照0到100分為每一個(gè)用戶進(jìn)行打分，為品牌打分到800分以上是屬于高分值的人群，銷售就可以將營(yíng)銷的重點(diǎn)放在這類人群中，邀約他們線下到店。而200分以下的用戶表明，是整個(gè)品牌的認(rèn)識(shí)剛接觸的階段，消費(fèi)者的決策周期是14個(gè)月，一開始和用戶保持溝通聯(lián)系關(guān)系，就不一定通過(guò)外呼。該案例系統(tǒng)模型的準(zhǔn)確率最終時(shí)間也是有97.42，根據(jù)客戶的反饋?zhàn)罱K的模型結(jié)束之后到店是提升了1倍多。
關(guān)于這個(gè)過(guò)程，首先我們會(huì)做成數(shù)據(jù)分析，然后隨之建立營(yíng)銷場(chǎng)景模型，產(chǎn)出不同的人群之后，企業(yè)會(huì)根據(jù)我們的結(jié)構(gòu)去做對(duì)應(yīng)的營(yíng)銷。這里值得一提的是，我們每一個(gè)模型會(huì)根據(jù)實(shí)時(shí)的數(shù)據(jù)進(jìn)行一個(gè)反饋，這樣子在不同的階段、不同的場(chǎng)景里面，都可以不斷的去調(diào)優(yōu)使得結(jié)果越來(lái)越精準(zhǔn)。
第三個(gè)我想分享的案例是關(guān)于家裝銷售和關(guān)聯(lián)銷售。最近我們幫助星巴克做了一個(gè)非常有趣的用戶洞察的研究，研究食品和飲品之間的關(guān)聯(lián)關(guān)系。我們研究了過(guò)去一年當(dāng)中星巴克的會(huì)員在購(gòu)買飲料和食品當(dāng)中的數(shù)據(jù)，這里的數(shù)據(jù)量已有3億多個(gè)，數(shù)據(jù)涵蓋了會(huì)員的商品信息和門店的信息。經(jīng)歷過(guò)數(shù)據(jù)處理之后，我們會(huì)考慮這個(gè)用戶在其購(gòu)買時(shí)候的時(shí)間段的不同狀態(tài)。例如在早餐時(shí)段購(gòu)買午餐、晚飯還是宵夜，購(gòu)買的地點(diǎn)是商圈，還是機(jī)場(chǎng)或獨(dú)立的門店，購(gòu)買百元以內(nèi)還是百元以上，通過(guò)不同的因素去建立一個(gè)模型。同時(shí)我們把飲品的屬性進(jìn)行了一個(gè)歸類，比如這個(gè)飲料是否是含奶，它的甜度是不甜、輕微、濃郁，是冰的還是常溫的。食品我們也會(huì)對(duì)應(yīng)劃分出7個(gè)不同的屬性去做交叉關(guān)聯(lián)。
整個(gè)關(guān)聯(lián)結(jié)果得出來(lái)就是，當(dāng)用戶現(xiàn)在每一次去光顧星巴克飲料的時(shí)候，就會(huì)發(fā)現(xiàn)個(gè)性化推薦是不一樣的。該案例整個(gè)轉(zhuǎn)化率的提升是46%的。通過(guò)和星巴克做關(guān)聯(lián)分析之后我們可以發(fā)現(xiàn)用戶的偏好，此結(jié)論除了可以做個(gè)性化營(yíng)銷外，對(duì)于食品整個(gè)的開發(fā)，我們是提供了一定的定制。這個(gè)模型也在和星巴克做不斷的深究，進(jìn)行二期和三期的開發(fā)當(dāng)中。
如同一開始我提到以人為本的營(yíng)銷，企業(yè)在做數(shù)字化轉(zhuǎn)型的時(shí)候兩手抓最好，星巴克就是這樣走在前沿的一個(gè)企業(yè)。星巴克的CDP是我們公司去幫忙建立，我們已經(jīng)幫其打通了星巴克的整個(gè)會(huì)員體系的數(shù)據(jù)源，如APP、短信、EDI等等。我們已經(jīng)可以識(shí)別出唯一的客戶群，并針對(duì)不同的客戶打上不一樣的緯度的標(biāo)簽，以方便星巴克做后續(xù)的處理以及模型的開發(fā)應(yīng)用。
整個(gè)的數(shù)據(jù)源結(jié)構(gòu)和架構(gòu)，是把數(shù)據(jù)源提出來(lái)之后，在CDP平臺(tái)做整個(gè)的關(guān)聯(lián)，打通清洗做整個(gè)數(shù)據(jù)應(yīng)用和模型的建立，最終為CM的平臺(tái)提供做營(yíng)銷決策的依據(jù)，這里就不一一展開。
以上的案例令我們對(duì)消費(fèi)者越來(lái)越理解，我們發(fā)現(xiàn)接觸前沿的科技之后，其實(shí)是可以跟消費(fèi)者去做一個(gè)關(guān)系和聯(lián)動(dòng)，以達(dá)到整個(gè)的營(yíng)銷目的和轉(zhuǎn)化。對(duì)的時(shí)間、對(duì)的人對(duì)的內(nèi)容，這一句話是很老生常談，但是真正把這樣子一個(gè)東西落到營(yíng)銷場(chǎng)景的時(shí)候，我們發(fā)現(xiàn)現(xiàn)在不是做的特別好，因此才有大數(shù)據(jù)和人工智能這樣一個(gè)預(yù)測(cè)模型的出現(xiàn)。同時(shí)我們也相信數(shù)據(jù)和智能驅(qū)動(dòng)化的個(gè)性化營(yíng)銷是未來(lái)營(yíng)銷的一種趨勢(shì)，可以AI驅(qū)動(dòng)實(shí)現(xiàn)對(duì)整個(gè)客戶生命周期的管理。例如，我剛剛提到當(dāng)你要去做一個(gè)新客獲取的時(shí)候，可以購(gòu)買春秋模型這類的預(yù)測(cè)模型，在提高整個(gè)轉(zhuǎn)化的時(shí)候，可以有營(yíng)銷積分模型。還有流失的模型和沉睡客戶識(shí)別模型，不同的模型可以提高用戶整體的價(jià)值，最終整個(gè)營(yíng)銷能力的提升也可以幫助企業(yè)更好地運(yùn)轉(zhuǎn)下去。
最后簡(jiǎn)單的介紹一下我們公司，創(chuàng)略科技是一家數(shù)據(jù)技術(shù)和AI驅(qū)動(dòng)的公司，通過(guò)數(shù)據(jù)的采集和打通，去進(jìn)行一個(gè)數(shù)據(jù)的洞察和挖掘。主要面對(duì)的客群是B2C的企業(yè)，目前已經(jīng)服務(wù)了多個(gè)不同垂直行業(yè)包括汽車、零售、時(shí)尚等等，為其提供一個(gè)營(yíng)銷解決方案。
這就是我今天的分享，謝謝大家。
