大数据时代如何提高产品营销成功率

摘要： 本文主要介绍在移动互联网产品销售过程中，电信运营商如何利用管道优势采集数据，通过结合大数据技术为用户提供量身定做的个性化信息服务，在提升客户满意度的同时提高生产经营的效率，实现用户和运营双赢的效果。

Abstract： This paper mainly introduces the ways to collect data with pipeline advantage for telecom operators in the sales process of mobile internet products， combines big data technology to provide personalized information service for users to improve customer satisfaction and the efficiency of production and operation， and realize win-win situation of users and operators.

关键词： 个性化；大数据；手机阅读

Key words： personalized；big data；mobile reading

中图分类号：F274 文献标识码：A 文章编号：1006-4311（2013）22-0211-02

1 大数据时代引入个性化营销的必要性

1.1 互联网产品的长尾效应，使得传统营销手段失效

与传统零售市场相比，互联网时代的产品长尾变得越来越长，尾部带来的销售额比例也越来越高。这个趋势在全球的畅销书The Long Tail： Why the Future of Business Is Selling Less of More中得到了详尽的阐述。相比2000年，亚马逊销售额排名在14949以后的商品，销量都有所增加，而在此以前的商品，销量却有所下降。研究还发现，随着销售向尾部商品延伸带来了更多的销售额（2008年，亚马逊长尾商品的销售额占了总销售额的36.7%）[1]。

如何进一步提高日趋变长的长尾商品的销量，传统的营销方式和手段显然已不能完成这个任务。因此，我们提出了个性化营销理念，即需要利用管道优势采集海量的数据信息、并利用特定的数据技术挖掘用户消费偏好、最终实现在合适的时间、合适的地点向合适的用户推荐合适的内容，即营销推荐方式和内容是完全个性化的为用户量身定做。

1.2 大数据为个性化营销提供了技术可行性 在个性化营销中，对长尾市场和用户消费偏好的海量数据进行采集和挖掘，是这种新业务推广模式的关键所在，而正是大数据技术使其成为可能。大数据概念[2]的重点包含以下内容：①数据来源复杂。②数据实时性高。③数据量大：满足以上两个特点的数据，在用户数众多的应用上，随着时间的推移，自然就会产生海量的数据。④传统工具难以满足。

根据麦肯锡的一份报告[3]，大数据的关键技术包括：

A/B测试，关联规则学习分类，聚类分析，数据聚合，合成学习，基因算法，机器学习，自然语言处理，模式识别，异常探测，预测性建模，情感分析，仿真以及数据可视化等等。正是这些技术实现了海量数据挖掘分析，并基于此实现了实时的、个性化的营销推荐。

2 如何开展个性化营销

我们以中国移动手机阅读业务的推广为例，来阐释个性化营销的理念和具体实现方式。之所以选择手机阅读业务切入的原因有4个：①手机阅读近年快速发展，截至12年3月月访问用户突破8000万；②手机阅读属于典型的内容型业务，长尾效应显著，如平台上点击量超过1000万次的书有2180本；③有完善的使用清单数据记录；④传统的推荐方式（如向全量用户推荐当前的热门图书，或者简单的根据用户偏好来推荐同类书籍）面临着推荐成功率下滑、乃至引起用户厌烦的困境。

在手机阅读的业务推广中引入个性化营销，具体来说就是对用户访问和消费的详单数据进行抓取和采集，并将详单数据进行分析整理，导入推荐引擎，由推荐引擎针对每个用户生成个性化的推荐内容，进而来刺激用户产生更多的访问需求。

这个营销方式和传统的营销手段相比，多了一个内容生成环节，即推广的内容完全来自于推荐引擎的计算结果，而不是人工选择的内容。通过应用先进的推荐引擎，我们就可以实现营销内容的个性化，大幅度提升推送短信的反馈率。与此同时，由于内容生成工作是由推荐引擎完成，这种大幅提升的工作效果并不要求更多的人员投入。

同时为了确保营销的信息对于客户有价值，而不是骚扰，还需要在以下几个方面建立更加深入的个性化筛选机制：①营销时段个性化：在用户日常习惯使用该业务的时段进行推送，用户产生反馈的概率会增加。②营销地点个性化：部分与地点有关的业务，例如商户优惠券，需要和用户所处的位置结合起来，才能引起客户的兴趣。③营销方式个性化：用户对什么样的促销手段会产生反应，这个也往往因人而异。在积累了长期的营销反馈数据的基础上，可以选择对某个用户最有效的促销手段，从而提高促销资源的利用率，提高用户满意度。

3 个性化营销的效果及评价

基于上述个性化营销的理念，我们首先对手机阅读的营销推荐内容进行个性化的生成，将业务推荐流程重新设计如图1。

我们选择了杭州A地区用户进行了对照实验，实验的目的为评估营销内容个性化对营销效果（定义为用户点击率和营销成功用户阅读量提升）的影响。为了保证实验结果的有效性，我们将目标用户进行了随机分组。实验结果如表1。实验结果总结如下：①首日反馈率，实验组是对照组的9.36倍。②推荐成功用户首日推荐书籍PV量，实验组是对照组的10.21倍。③推荐成功用户中，实验组的四周推荐书籍PV量约为对照组的35.39倍，而人均是对照组的3.78倍。其中，实验组指的是推送信息个性化的用户组，对照组指的是推送信息使用当前最热门书籍的用户组。这里值得指出的是，为了避免选择偏好（Selective Bias），我们使用了最简单的筛选条件：即所有在过去三个月中至少有一本书的PV数超过5的用户，即进入目标用户列表。因此，上述指标是在对用户几乎不经过任何筛选的条件下取得的。为了进一步分析两种方法所激发的用户特征，我们对实验数据作了如图2比较。

分析结果表明，实验组（个性化内容）推送成功的用户群体，推送前的人均PV比对照组（热门内容）低70%，而其最终带来的人均PV的提升则远远超过对照组。

因此，我们在手机阅读上的实验结果证明了，通过将推送内容个性化，可以更好地激发相对不活跃的用户，更大幅度地提高用户的活跃度。此外，我们也进行了营销时段个性化及营销人群个性化的实验研究，结果都证明个性化活动的推荐成功率均高于统一发送。

4 结语

通过以上营销实践，我们发现，个性化营销能大幅度提高营销信息的成功率。同时，个性化营销的手段也是多种多样，包括营销内容个性化、营销时段个性化、营销人群个性化等等，这些手段的关联组合，使得原本海量的数据更以指数级方式扩展，唯有在大数据时代的各类技术的支持下，才能进行更为深入的数据挖掘和分析。在这方面，我们所做的工作还只是开始。

参考文献：

[1]Anderson， Chris （2006）. The Long Tail： Why the Future of Business is Selling Less of More. New York， NY： Hyperion. ISBN 1-4013-0237-8.

[2]Wikipedia， http：///wiki/Big_data.

[3]Manyika， James； Chui， Michael； Bughin， Jaques； Brown， Brad； Dobbs， Richard； Roxburgh， Charles； Byers， Angela Hung （May 2011）. Big Data： The next frontier for innovation， competition， and productivity. McKinsey Global Institute.