徐小磊-数据驱动的实时客户营销体系.pdf

1、数字化实时营销探索研究主讲人：磊叔领域驱动设计启发下的AI视觉分析引擎构建主讲人：戴 昊演讲嘉宾介绍徐小磊 数字化运营专家著作：运营之路：数据分析+数据运营+用户增长15年数据分析和数据运营经验/前阿里巴巴数据专家微软认证 PowerBI 数据分析专家数据挖掘与人工智能硕士CDA 智库 特聘行业专家知乎 Lv.08 级互联网领域创作者2019年个推人人都是增长官/特邀嘉宾2020年流量负增长-重构营销新增长蓝图峰会/特邀嘉宾2023年CDA 心中有数峰会/特邀嘉宾目录CONTENTS存量时代的用户行为特征1234基于时序模型的用户画像基于前序项集的交叉营销基于频繁项集的主动营销存量时代的用户行

2、为特征11存量时代用户的特征沉默召回和活跃留存需求预判和提前触达提升使用频次和时长存量用户的数据营销全景图基于时序模型的用户画像22用户行为是连续和动态的频繁项集用户行为是连续和动态的频繁项集用户行为的频繁项集模型：邻接表无向图带权无向图有向图123412341234011010111101011001000010110001100100001011000110adj=adj=adj=36521用户行为的频繁项集模型：加权短期行为a0-1-1-1-1P2P3P5P4a0-1-1P1-1P3P4P6P5a0-1-1P2P1P4P5P4P6a0-1P1P3P2P5P6-1P4P2P3P4a0P1P

3、6P4-1-1P1P2P3P4P5sidprevious4previous3previous2previous1pagenext1next3next4next2用户行为的频繁项集模型：重复项处理不去重页面承载工作能力/服务较多经营粒度：功能/服务计算量大，模型复杂去重页面承载工作能力/服务单一经营粒度：页面计算量小，模型简单用户行为的频繁项集模型：剪枝策略流量阈值剪枝孤立节点剪枝用户行为的频繁项集模型适合分布式计算环境忽略用户旅程中时间序列的影响高效的频繁项挖掘算法适合静态用户兴趣的用户行为分析充分考虑了用户旅程各个节点权重充分考虑用户旅程中时间序列的次序适合小规模的频繁项序列适合动态用户兴趣

4、的用户行为分析基于前序项集的交叉营销33交叉营销交叉营销（Cross Marketing），从用户的各种行为中发现用户的多样性需求，并根据用户多样性的需求为其营销相关的的产品或服务。用户需求的多样性|场景化营销的需要|用户兴趣的稳定性交叉营销的典型形态场景交叉上下游交叉SKU交叉客群交叉场景关联，即将多种相关性较强的场景互相做交叉营销，买完机票会推荐酒店、以及外卖点单中常见的搭配服务，主食+小食+饮料。上下游交叉，即在使用流程的前后来交叉多个场景，定完酒店推送飞机票、火车票、或酒店和出行专车券，买房后的装修家居服务，买车后的保险服务等。套餐交叉，即根据用户画像发现某几个场景或服务用户通常会在短

5、期内一起购买或使用。最常见的就是买手机后推荐手机壳、钢化膜和充电宝，去水上世界推荐泳衣、水枪玩具。客群交叉，即在2个完全不同的场景内相互为对方引流，其核心逻辑是这2个场景的客群特征一致。交叉营销的应用场景交叉营销的应用场景m3-03jc_Dxcunt23m3-03jc_Coupon21m3-03kpz03m3-htjc_answerm3-02fq48m3_xjfq_01m3-02fq24m3-02fq12m3-02fq36m3-event_signin_08m3-xffqyx01m3-02wdCrdtMgt05绑卡查账还款饭票分期基础功能理财签到权益商城搜索透现支付场景分类39种业务类型训练数

6、据清洗后约1980万条留存&商城&深度浏览,留存&积分&浏览,留存&商城&初步浏览传播&早起打卡&参与,传播&签到&参与留存&饭票&初步浏览,留存&饭票&深度浏览基础&支付工具&使用,留存&饭票&转化,留存&饭票&深度浏览留存&商城&深度浏览,留存&积分&浏览,留存&商城&初步浏览留存&商城&深度浏览,拉新&活动&初步行为,拉新&活动&参与,传播&签到&参与拉新&活动&初步行为,拉新&活动&参与留存&饭票&深度浏览,留存&饭票&初步浏览,留存&饭票&深度浏览,留存&饭票&初步浏览,留存&饭票&初步浏览留存&积分&浏