网站风格包括什么,网站制作设计哪家公司好,兰州seo公司,wordpress 大前端精准化营销一直以来都是互联网营销业务在细分市场下快速获取用户和提高转化的利器。在移动互联网爆发的今天#xff0c;数据量呈指数增长#xff0c;如何在移动和大数据场景下用数据驱动进行精准营销#xff0c;从而提高营销效能#xff0c;成为营销业务部门的主要挑战之一… 精准化营销一直以来都是互联网营销业务在细分市场下快速获取用户和提高转化的利器。在移动互联网爆发的今天数据量呈指数增长如何在移动和大数据场景下用数据驱动进行精准营销从而提高营销效能成为营销业务部门的主要挑战之一同时也是大数据应用的一个重要研究方向。本文通过数据体系架构和技术实现案例分享美团大众点评数据应用团队在这个方向上的一些尝试和实践经验。 在介绍数据体系和框架前为了方便大家理解先简单阐述一下O2O营销的基本组成O2O营销是由营销发生的渠道站内站外与营销的主题业务流量交易两个维度组成的其中产生了多种营销的形态如精准化用户营销活动、DSP的精准投放、渠道价值排名和反作弊等数据分析和挖掘在这些环节都能发挥很大的价值。本文主要阐述站内的精准化用户营销活动。 一个站内用户运营活动的生命周期大概可以归纳为确定目标、选取活动对象、设计活动方案、活动配置与上线、线上精准营销与动态优化以及效果监控与评估六个环节。如下图所示。  在这个周期中数据都有巨大的发挥空间与价值。我们在项目启动后与业务充分沟通了解其业务痛点确定一期主要尝试从数据上帮助运营和财务同事解决以下几个问题 ① 营销活动前确定目标和选取活动对象 ② 营销活动中效果监控和跟踪用户和商户端策略的输出 ③ 营销活动后效果评估和优化建议 对于①的目标确定以前更多是拍脑袋决定缺乏一套稳定的分析框架和模型。而活动对象包括用户和商户/团单选取需要业务和BI同学每次人工跑数据得出效率低下。 而对②和③更是缺乏一套公司的营销监控平台时常出现预算花超不可控的情况。活动结束后效果数据也是各个业务方自己给出口径不一致导致难以整体评估效果。 基于上述的业务场景和需求我们用分层的金字塔架构设计了一套营销数据系统和服务有效满足了业务的诉求并具有很好的平台扩展性。 最底层是我们的数据仓库和模型层这里又大致可以分为三个主题画像运营和营销流量。这三个都是运营活动必不可少的数据组成部分。 对于画像我们的做法是部分自主建设同时集成业务方如搜索、广告和风控团队开发的画像标签形成统一的画像宽表。目前我们的用户标签体系覆盖了包括基本信息、设备信息、消费浏览以及特征人群等5个大类的180多个标签。在标签的实现上我们也秉承从需求出发的原则逐步迭代从最初的以统计和基本的营销模型如RFM为主到现在在潜在用户挖掘和用户偏好上开始探索使用机器学习的挖掘方法。 在营销运营集市上我们与财务和支付系统协作开发了一套公司预算流水号系统。运营人员在配置活动时从财务申请预算流水号并在优惠后台配置与对应活动关联用户享受优惠的每一笔订单都会在业务表中进行打点做到在最细粒度上的预算监控。同时在用户、商品等维度建模后形成了营销交易评估的指标体系新用户成本新老用户分布7天、30天购买留存等。 活动评估的另一个维度就是流量活动页的点击、转化漏斗、不同渠道来源等指标是运营人员无时无刻不关心的这部分模型作为数据中心数据仓库中核心的一环。我们参考了其他公司的做法建立了自己的PV、UV、Session以及路径树转化等模型可以很好地满足运营需求。 在数据仓库之上我们建立了数据服务层。在统一使用公司高性能的RPC框架之上针对不同的应用选择了差异化的数据存储和查询引擎。比如在画像服务中需求是满足线上业务系统的实时访问需求要求毫秒级的并发和延迟因此我们选用了Redis作为存储。而相较之下分析类产品对并发和延迟要求相对较低但对数据在不同维度上的聚合操作要求较高在对比了Kylin、ElasticSearch以下简称ES、Druid后我们决定使用ES作为存储和查询引擎主要有2个理由一是我们有留存等指标需要重刷数据而对于Kylin来说无法使用其提供的自动增量cube机制重建数据代价较大同时ES在同样的维度上空间膨胀度上比Kylin少近一半二是ES整个系统设计和架构非常简洁运维方案简单也有专门的工具支持对于当时没有专职运维的开发团队来说是一个捷径。 最上层是数据产品和应用针对前面提到的运营活动的不同阶段提供数据平台和工具 * 人群分析平台Hoek用户可以通过选择画像服务提供的不同的标签组合快速创建人群包创建的人群包可以提供给其他不同业务和形态的营销工具如push促销工具等。* 智能发券引擎Cord通过配置后台和Hoek平台运营人员就可以完成定向活动受众和策略的配置而无需开发接入。具体细节在后面的案例分享中再详细介绍。* 云图/星图完成活动效果数据查询和分析的工具平台构建基于ES的查询引擎提供多维度的实时指标查询。 除了系统化的建设外在运营活动的迭代中我们与业务合作进行了大大小小20多个专题分析产出了包括闪惠预算动态分配、闪惠立减梯度优化、用户价值分以及免费吃喝玩乐选单等主题模型。帮助业务提高预算使用率30%同时更好地评估拉新带来的用户价值。 整体的架构最终是为精准化营销服务下面就结合两个案例具体介绍。 案例分享 外卖潜在用户挖掘 精准营销一个主要的方向就是潜在客户挖掘特别是在点评这个平台上目前已有包括美食、外卖、丽人、教育等近20个业务如何在平台近一亿的活跃用户中挖掘垂直频道的潜在用户就成了精准化营销的一个很现实的问题。Facebook和腾讯的广告系统都提供类似的Lookalike功能帮助客户找出和投放人群相似的用户群其广告的点击率和转化率都高于一般针对广泛受众的广告。 目前常用的潜在用户挖掘方案主要就是基于画像或者关系链的挖掘我们团队从需求出发结合点评的画像体系从关联规则、聚类和分类模型三个算法上进行了探索。对比效果如下  未来我们除了在分类和聚类上进一步优化外还计划利用点评好友关系使用Spark的GraphX建立标签传播的算法进一步深挖高质量的相似用户。 微信红包精准优惠券引擎 另外一个精准营销的案例是智能发券引擎Cord背景是点评会在微信群/朋友圈中用红包发各种优惠券当好友来领券时如何决定发哪个业务什么面值的券更容易转化。本质上是一个简化的推荐问题我们也参照广告系统的架构设计了Cord引擎。主要包含分流模块用于灰度发布和AB测试、召回模块负责从画像服务和优惠配置系统获取人和券的物料信息、过滤模块负责进行两者的匹配、推荐模块可以根据业务规则或者我们挖掘的策略对结果进行排序返回給活动系统最合适的优惠券进行发放。整个系统实现完全服务化和可配置化外部的活动系统可以根据配置的开关启用或者在特殊场景下禁用Cord服务而Cord内部也可以根据配置中心的设置动态调整推荐策略。在数据挖掘上目前除了业务配置规则外我们针对公司主流的运营方式基于画像中的用户偏好和优惠敏感等标签进行综合打分抽象了以GMV为目的和以拉新用户为目的的推荐策略。 精准营销是目前大数据落地的一个公认的场景但随着移动互联网和O2O的发展这一领域也会有新的问题和挑战出现。结合我们这一年多的实践经验团队也归纳了一套数据系统架构的设计原则 * 在数据架构和建设上从需求出发建立准确和易用的数据底层模型统一指标体系和口径。 * 在数据服务上通过分层和SOA的思想解耦与业务系统的逻辑。同时针对不同需求和场景选择适合的技术组件。 展望未来在数据上如何快速地进行挖掘模型的开发在架构和产品上满足更多场景让数据在营销上发挥更大的价值是下一步的重点方向。
