基于“用户画像”的精准营销策略研究.doc

基于“用户画像”的精准营销策略研究
摘要:随着互联网信息技术的飞速发展,各类数据量激增,人们进入了大数据时代。为了在营销过程中追求竞争优势,电子商务企业开始出现了同类竞争和过度的广告趋势,这导致了营销成本上升和营销绩效下降等一或者其他属性,一般通过用户的注册就可直接获得。这类信息,自成标签,更多的是数据清洗工作。

用户行为数据即用户动态数据,是建立用户画像最重要的基础。用户行为数据需要在获取网站流量的基本数据下,确定不同场景下用户的不同访问轨迹,并对相关数据进行分析。 它主要包括场景、媒体、路径和购物行为的四个维度。场景主要包括访问平台,访问时间和访问频率。媒体是指用户在一定时间段内专门访问的媒体,以及浏览时间和频率。路径是用户进入和离开媒体的路径,主要是用户的站点和站点外部的行为;购物行为包括交易时间、数量、类别、评价反馈等,如图1所示。这些不断变化的用户行为数据,可以看作用户动态信息的主要来源。
“用户画像”模型构建
当收集到用户行为标签之后,就可以对该用户画像进行模型构建。用户画像不是将所有标签一一罗列,而是需要根据数据源统计汇总以及分类,根据用户行为构建相应的数据模型产出标签和权重。每一次的用户行为,可以详细记录为什么用户在何时、何地、发生了什么事。权重表征指数,即用户的兴趣、偏好指数。在用户行为中,一般将用户近期发生的行为反映用户当下的特征,过往行为表现在标签权重上的衰减,即标签权重=时间衰减因子×行为权重×网址权重。通过数据算法,企业可以有效地覆盖到的用户打上标签,一种是基于用户的协同过滤算法,主要目的是找到和目标用户兴趣相似的用户集合,计算两个用户的兴趣相似度。如表1所示,用户A和C属于类似用户,因为用户C喜欢产品1/2/3,所以向用戶A推荐产品3。
另一种是基于物品的协同过滤算法,该算法是利用用户的历史行为给推荐结果提供推荐,是根据购买物品的相似度和用户的历史行为给用户生成推荐列表。如表2所示,产品1和3是属于类似的产品,产品1被ABC所喜爱,产品3是用户AB偏好的产品,此时可以预测用户C也喜欢这个产品,故将产品3推荐给用户C。但是在营销实践中,确定目标用户是首要任务,在构建“用户画像”过程中,数据挖掘分析会产生较大的干扰,因此“用户画像精准模型”是建立精准用户画像的前提,需要保证数据的丰富性、多样性、科学性。
“用户画像”的电子商务企业精准营销对策

建立精准的电子商务营销体系需要依靠现代信息技术,以“用户画像”为基础的精准数据为核心,以“消费需求”为导向,为消费提供个性化服务,更准确的产品和更快的物流配送以提高忠诚度吸引新的消费者。另外,通过招募优秀的精准营销人才,吸取成功经验,培养精准营销人才。

用户画像是企业目标用户的真实写照,它在企业的不同决策过程中都发挥了作用。电子商务企业在实际运营中对内要完善产品运营,优化用户体验,提高服务质量。通过研究用户需求和消费者行为数据,能更准确地找到目标用户,在用户偏爱的渠道上进行内容投放,并及时进行交互以促进购买行为,实现精准获客。同时要设计制造更加适合用户的产品,提高企业的知名度和名誉度,培养