Headline(Arial Black 22pt.),Text(Arial 20),2nd level text(Arial 18),3rd level text(Arial 16),4th level text(Arial 14),电商整合营销云服务平台,智,子,科技,2013,年,12,月,智子云电商行业大数据营销分享,中国网购总规模,已,已超越美国,中美网购规模比,较,较,中国移动购物市,场,场发展趋势,中国,O2O,市场规模发展趋,势,势,大数据时代正在,来,来临,TB,PB,ZB,EB,大量新数据源的,出,出现则导致了非,结,结构化、半结构,化,化数据爆发式的,增,增长,根据,IDC,监测，人类产生的数据量正在呈指数级增长，大约每两年翻一番，这个速度在,2020,年之前会继续保持下去。这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量,数据量增加,数据结构日趋复杂,这些由我们创造的信息背后产生的这些数据早已经远远超越了目前人力所能处理的范畴,大数据时代正在来临,.,中国大数据市场,规,规模,1,2011,年,-2016,年中国大数据市,场,场规模,2,2012-2015,年各行业大数据市,场,场规模,2012,年政府、互联网,、,、电信、金融的,大,大数据市场规模,较,较大，四个行业,将,将占据一半市场,份,份额。,由于各个行业都,存,存在大数据应用,需,需求，潜在市场,空,空间非常可观。,2011,年是中国大数据,市,市场元年，一些,大,大数据产品已经,推,推出，部分行业,也,也有大数据应用,案,案例的产生。,2012,年,-2016,年，将迎来大数,据,据市场的飞速发,展,展。,2012,年中国大数据市,场,场规模将达到,4.7,亿元，,2013,年大数据市场将,迎,迎来增速为,138.3%,的飞跃，到,2016,年，整个市场规,模,模逼近百亿。,2,1,互联网行业大数,据,据主要应用在社,交,交和网购方面,结合位置数据、,消,消费数据进行实,时,时营销信息推送,是,是电信行业大数,据,据应用主要场景,互联网行业大数据应用场景,电信,行业大数据应用场景,3,金融行业大数据应用场景,金融行业大数据,应,应用场景主要集,中,中在投资方面,4,制造行业大数据应用场景,制造行业具有多,环,环节、多地域特,色,色，各个环节的,优,优化是制造行业,最,最关注的大数据,应,应用场景,大数据具体应用,场,场景示例,数据来源：,CCW Research,2012/4,导航网站,戶外,门户网站,PR,网站,联盟,SE,M,SE,O,EDM,第三方平台,仅,5%,访客,下单成为客户,流失,流失,流失,流失,大量流失,大量流失,社会化营销,成本高：媒体碎片化，目,标,标顾客越来越分,散,散,流失率高：,95%,访客初次访问网,站,站后即离开,多兴趣点：单一广告创意难,以,以触动顾客,电子商务企业面,临,临的挑战,观点：,流失,访客,的价值高于陌生,访客,机会,原因,目标,大数据为电商锁,定,定和找回流失访,客,客,行动,客户,知道,你的品牌,客户,流露,他的偏好,客户,具有持续消费潜,力,力,二次沟通成本低,但,但是找回成本,高,高,点击表示有偏好,浏览记录兴趣点,第一次交易成本,高,高购买次数与营销,成,成本成反比,让目标受众看到,广,广告,让广告内容更加,相,相关,让老顾客多次购,买,买,抓住流失访客开,展,展广告攻势,个性化推荐,动态广告创意,老顾客,二次营销,计划,大数据为电商带,来,来的机遇,智子云电商大数,据,据营销策略,4,、增值服务,3,、智能广告投放,2,、动态创意设计,1,、个性化推荐,智能推荐与客户,数,数据库营销渠道,整,整合实现个性化,EDM,大数据智能报表,系,系统,站内搜索智能化,升,升级,数据定向与重定,向,向同步,媒体精选，,规格、位置精选,分老客和新客，,与,与差异化营销相,结,结合,设计动态广告框,架,架，确定展现算,法,法，多渠道输出,A/B,测试，优选创意,追踪并建立行为,数,数据仓库,用户行为,/,兴趣细分，建立,推,推荐模型,生成个性化,推荐模块，提升站内,转,转化率,个性化推荐,-,数据分析与建模,建设步骤,首先构建独立于,操,操作型系统的分,析,析环境；,然后建立以数据,仓,仓库或数据集市,，,，收集客户行为,和,和相关数据源，,建,建立分析指标体,系,系；,在此基础上建立,各,各种分析模型；,将模型应用到各,个,个具体的应用环,节,节中；,再根据反馈调节,和,和优化模型。,数据仓库的逻辑,体,体系架构,数据源,：,外部数据源,，,包括网站访问日,志,志、广告投放日,志,志、产品数据、,交,交易数据、用户,数,数据等，以及其,他,他任何商业智能,应,应用需要获取的,外,外部数据源。,ODS,（数据缓冲区）,：,将来自外部系统,的,的增量数据临时,保,保存的区域。,BASELINE,（数据基线）,：,数据基线是数据,仓,仓库的核心,。,DataMart(,数据集市,),：,数据集市是面向,分,分析，使用的逻,辑,辑单元。,个性化推荐,数据展现及应用,OLAP,分析,：,OLAP,分析从技术上,可,可以划分为,MOLAP,（基于多维数,据,据库）,ROLAP,（给予关系型,数,数据库），,HOLAP,（综合,MOLAP,和,ROLAP,），和面向,小,小型分析需求,的,的,DOLAP,。,OLAP,分析的目标客,户,户是数据分析,人,人员和部分高,层,层管理人员。,EIS,：,通过数据集市,中,中的轻度汇总,数,数据，输出管,理,理所需的各种,分,分析统计报表,，,，并且根据高,层,层管理人员的,思,思维习惯，将,信,信息综合集成,展,展现给最终用,户,户。,Dash Board,：,是一种特殊类,型,型的,EIS,展现方式。,Dash Board,技术被广泛使,用,用与高层管理,层,层决策之中（,无,无论是否使用,数,数据仓库）。,嵌入式应用,：,在交易型的业,务,务应用系统中,直,直接嵌入数据,仓,仓库的分析结,果,果，或者数据,，,，集成到日常,的,的业务流程之,中,中。以及对于,更,更加高层次的,应,应用，例如数,据,据挖掘，优化,，,，预测等，提,供,供数据基础。,最,最典型的签入,式,式应用就是推,荐,荐引擎，将数,据,据挖掘得到的,模,模型结果以相,关,关商品、猜你,喜,喜欢、,Email,推荐、智能广,告,告等形式嵌入,到,到业务系统中,。,。,个性化推荐,-,数据分析与建,模,模,首页：个性化,类别页面,相似浏览历史,推,推荐,跨类别推荐,商品页面,看了还买了,买了还买了,看了还看了,相似浏览历史,推,推荐,加入购物车推,荐,荐,组合推荐,购物车,:,买了还买,个性化广告着,陆,陆页,同类商品相关,推,推荐,可能感兴趣商,品,品推荐,站内搜索,搜索了还购买,了,了,相关搜索词,用户中心：猜,您,您喜欢,站内个性化推荐带来站内,20%-30%,的订单,推荐引擎功能,模,模块,推荐引擎界面,示,示例,个性化推荐,个性化广告着,陆,陆页,个性化广告着,陆,陆页,1,、同类商品相,关,关推荐,显示与广告推,荐,荐展示商品相,同,同品类的相关,推,推荐商品，按,照,照购买的比率,排,排序，类似看,了,了还买了,位置：在展示,单,单品介绍下方,作用：引导客,户,户关注更多与,广,广告推荐展示,商,商品同类的相,关,关商品，增加,购,购买转化率,2,、可能感兴趣,商,商品推荐,显示根据用户,行,行为判断的客,户,户可能感兴趣,商,商品，使用猜,你,你喜欢规则,位置：在同类,商,商品推荐下方,作用：引导客,户,户关注更多其,可,可能感兴趣的,多,多品类商品，,增,增加购买转化,个性化推荐,指标体系,指标体系,推荐点击率,=,推荐位商品点,击,击次数,/,商品页面总体,点,点击次数,直接衡量用户,对,对推荐的认可,程,程度（受展示,位,位置的影响）,。,。,订单转化率,=,推荐位导致的,订,订单数,/,推荐位商品点,击,击次数,直接衡量推荐,功,功能对订单的,贡,贡献,平均订单内产,品,品数量,=,一天内销售商,品,品数量,/,一天内订单数,量,量,衡量交叉销售,的,的效果,提升此指标意,味,味着我们在多,大,大程度上利用,了,了用户的本次,购,购买欲望,平均用户点击,次,次数,=,一天内总体商,品,品页面点击次,数,数,/,一天内总体商,品,品页面点击人,数,数,由于目前电子,商,商务网站的用,户,户中大多是单,次,次点击用户，,提,提升此用户的,商,商品展示次数,将,将带来更多的,商,商品销售机会,。,。,提升此指标意,味,味着更多的垃,圾,圾流量转化成,了,了有价值流量,，,，并且有效提,升,升了用户的网,站,站体验。,个性化推荐,应用实例,客户指标体系,案,案例（梦芭莎,）,）,推荐产品订单,占,占比,占整个销售额,的,的,20%,左右,推荐点击率,总体,点,点击,率,率稳,定,定在,8%,左右,，,，远,高,高于,一,一般,的,的站,内,内广,告,告位,订单,转,转化,率,率,商品,详,详情,页,页的,推,推荐,位,位订,单,单转,化,化率,在,在,3%,以上,，,，比,同,同一,页,页面,上,上的,广,广告,位,位提,升,升,30%-50%,；,购物,车,车页,的,的推,荐,荐位,订,订单,转,转化,率,率在,15%,以上,，,，比,同,同一,页,页面,上,上的,广,广告,位,位提,升,升,100%,以上,；,；,平均,订,订单,内,内产,品,品数,量,量,平均,有,有,5-10%,的提,升,升,平均,用,用户,商,商品,页,页面,浏,浏览,次,次数,人均,商,商品,页,页面,浏,浏览,次,次数,在,在,15,左右,，,，远,高,高于,全,全站,平,平均,水,水平,。,。,动态创意,实,实时,一,一对,一,一,普通,广,广告,动态,模,模板,设,设计,实时,个,个性,化,化重,定,定向,每个网,民,民浏,览,览商,品,品的,记,记录,为每,个,个网,民,民动,态,态生,成,成个,性,性化,的,的广,告,告,广告跟,着,着人,走,走,A/B,测试,优,优,选,选创,意,意,PK,模板,一,一,模板,二,二,信息,简,简单,，,，突,出,出品,牌,牌产,品,品价,格,格优,势,势。,同样,配,配置,投,投放,测,测试,一,一周,点,点击,率,率,9,各类,促,促销,优,优,惠,惠热,门,门信,息,息植,入,入，,信,信息,多,多元,化,化。,猜,猜你,喜,喜欢,个,个性,化,化推,荐,荐,同样,配,配置,投,投放,测,测试,一,一周,点,点击,率,率,7.5,全网,媒,媒体,RTB,（,RealTimeBidding,）,通过,展,展示,广,广告,实,实时,竞,竞价,平,平台,，,，在,全,全网,媒,媒体,仅,仅针,对,对目,标,标受,众,众投,放,放广,告,告,访客,重,重定,向,向与数,据,据定,向,向（,Retargeting&DataTargeting,）,全程,记,记录,访,访客,的,的浏,览,览和,点,点击,行,行为,，,，建,立,立访,客,客行,为,为数,据,据仓,库,库，开展,定,定向,个性,化,化动,态,态广,告,告打,动,动顾,客,客,访客,兴,兴趣,分,分析,与,与个,性,性化,推,推荐,-BI,（,Businessintelligence,）,一对,一,一动,态,态广,告,告，,个,个性,化,化推,荐,荐内,容,容成,为,为广,告,告创,意,意，,最,最大,化,化贴,近,近访,客,客兴,趣,趣点,实时,追,追踪,流,流失,访,访客,变媒,体,体采,购,购为,受,受众,购,购买,RTB,广告,投,投放,原,原理,通过,RTB,重定,向,向广,告,告向,目,目标,人,人群,投,投放,2,3,4,客户浏览您的网,站，,智,智子,云,云,帮,帮,助建,立,立用,户,户行,为,为,追踪,数,数据,仓,仓库,和,和,推荐,模,模型,。,。,客