1.大数据营销知识点总结
2.“Shopee数据化运营”，20位Shopee大卖爆单的秘籍
大数据营销知识点总结
一、走进大数据世界
大数据的特征（4V）：
1.? 数据的规模性
2. 数据结构多样性
3. 数据传播高速性
4. 大数据的真实性、价值性、易变性；
结构化数据、半结构化数据、非结构化数据
大数据处理的基本流程图
大数据关键技术：
1.? 大数据采集
2. 大数据预处理
3.? 大数据存储及管理
4. 大数据安全技术
5.? 大数据分析与挖掘
6. 大数据展现与应用
二、大数据营销概论
Target 百货客户怀孕预测案例
大数据营销的特点：
1. 多样化、平台化数据采集： 多平台包括互联网、移动互联网、广电网、智能电视等
2. 强调时效性： 在网民需求点最高时及时进行营销
3. 个性化营销： 广告理念已从媒体导向转为受众导向
4. 性价比高： 让广告可根据时效性的效果反馈，进行调整
5. 关联性： 网民关注的广告与广告之间的关联性
大数据运营方式：
1. 基础运营方式
2. 数据租赁运营方式
3. 数据购买运营方式
大数据营销的应用
1. 价格策略和优化定价
2. 客户分析
3. 提升客户关系管理
4. 客户相应能力和洞察力
5. 智能嵌入的情景营销
6. 长期的营销战略
三、产品预测与规划
整体产品概念与整体产品五层次
整体产品概念： 狭义的产品： 具有某种特定物质形态和用途的物体。
产品整体概念（广义）：向市场提供的能够满足人们某种需要的
一切物品和服务。
整体产品包含：有形产品和无形的服务 ?
整体产品五层次：潜在产品、延伸产品、期望产品、形式产品、核心产品
?
大数据新产品开发模型：
1. 需求信息收集及新产品立项阶段
2.? 新产品设计及生产调试阶段
3.? 小规模试销及反馈修改阶段
4. 新产品量产上市及评估阶段
产品生命周期模型
传统产品生命周期划分法：
（1）销售增长率分析法
? 销售增长率=（当年销售额-上年销售额）/上年销售额×100%
销售增长率小于10%且不稳定时为导入期；
销售增长率大于10%时为成长期；
销售增长率小于10%且稳定时为成熟期；
销售增长率小于0时为衰退期。
（2）产品普及率分析法
? 产品普及率小于5%时为投入期；
? 普及率在5%—50%时为成长期；
? 普及率在50%—90%时为成熟期；
? 普及率在90%以上时为衰退期。
大数据对产品组合进行动态优化
产品组合
销售对象、销售渠道等方面比较接近的一系列产品项目被称为产品线。产品组合是指一个企业所经营的不同产品线和产品项目的组合方式，它可以通过宽度、长度、深度和关联度四个维度反映出来
四、产品定价与策略
大数据定价的基本步骤：
1. 获取大数据
2. 选择定价方法
3. 分析影响定价因素的主要指标
4.? 建立指标体系表
5. 构建定价模型
6.? 选择定价策略
定价的3C模式：成本导向法、竞争导向法、需求导向法
影响定价的主要指标与指标体系表的建立
影响定价因素的主要指标：
1.? 个人统计信息：家庭出生、教育背景、所在地区、年龄、感情状况、家庭关系等。
2. 工作状况：行业、岗位、收入水平、发展空间等
3.? 兴趣：健身与养生、运动和户外活动、娱乐、科技、购物和时尚等
4. 消费行为：消费心理、购买动机等。
定价策略：
精算定价： 保险、期货等对风险计算要求很高的行业
差异定价： 平台利用大数据对客户建立标签，分析对产品的使用习惯、需求判断客户的忠诚度，对不同客户进行差别定价
动态定价： 即根据顾客认可的产品、服务的价值或者根据供需状况动态调整服务价格，通过价格控制供需关系。动态定价在提高消费者价格感知和企业盈利能力方面起着至关重要的作用。
价格自动化 ：根据商品成本、市场供需情况、竞争产品价格变动、促销活动、市场调查投票、网上协商、预订周期长短等因素决定自身产品价格
用户感知定价 ：顾客所能感知到的利益与其在获取产品或服务中所付出的成本进行权衡后对产品或服务效用所做出的整体评价。
协同定价： 是大数据时代企业双边平台多边协同定价策略
价格歧视：
一级 ：就是每一单位产品都有不同的价格，即商家完全掌握消费者的消费意愿，对每个消费者将商品价格定为其能够承受的最高出价；
二级 ：商家按照客户的购买数量，对相同场景提供的、同质商品进行差别定价；
三级 ：可视为市场细分后的定价结果，根据客户所处的地域、会员等级等个人属性进行差别定价，但是对于同一细分市场的客户定价一致。
五、销售促进与管理
? 促销组合设计概念
大数据促销组合设计流程
精准广告设计与投放
[if !supportLists]l [endif] 广告设计5M：任务（Mission），预算（Money），信息（Message），媒体（Media），测量（Measurement）。
通过用户画像的进一步挖掘分析，企业可以找出其目标消费群体的广告偏好，如平面广告的配色偏好，构图偏好，视频广告的情节偏好，配乐偏好，人物偏好等，企业可以根据这些偏好设计出符合目标消费群体审美的广告创意，选择消费者喜欢的广告代言人，做出能在目标消费群体中迅速传播开来的广告。
在媒体决策方面，利用大数据综合考虑其广告目的、目标受众覆盖率、广告信息传播要求、购买决策的时间和地点、媒体成本等因素后，有重点地采用媒体工具。企业可以在确定前述影响变量后，通过大数据的决策模型，确定相对最优的媒体组合。
六、客户管理
? 大数据在客户管理中的作用
1. 增强客户粘性
2. 挖掘潜在客户
3. 建立客户分类
客户管理中数据的分类、收集及清洗数据分类：
描述性数据： 这类数据是客户的基本信息。
如果是个人客户，涵盖了客户的姓名、年龄、地域分布、婚姻状况、学历、所在行业、职业角色、职位层级、收入水平、住房情况、购车情况等；
如果是企业客户，则包含了企业的名称、规模、联系人和法人代表等。
促销性数据： 企业曾经为客户提供的产品和服务的历史数据。
包括：用户产品使用情况调查的数据、促销活动记录数据、客服人员的建议数据和广告数据等
交易性数据： 这类数据是反映客户对企业做出的回馈的数据。
包括历史购买记录数据、投诉数据、请求提供咨询及其他服务的相关数据、客户建议数据等。
收集：
清洗：
首先，数据营销人需要凭借经验对收集的客户质量进行评估
其次，通过相关字段的对比了解数据真实度
最后，通过测试工具对已经确认格式和逻辑正确数据进行测试
客户分层模型
客户分层模型 是大数据在客户管理中最常见的分析模型之一，客户分层与大数据运营的本质是密切相关的。在客户管理中，出于一对一的精准营销要求针对不同层级的客户进行区别对待，而客户分层则是区别对待的基础。
RFM客户价值分析模型
时间（Rencency）：
客户离现在上一次的购买时间。
频率（Frequency）：
客户在一定时间段内的消费次数。
货币价值（MonetaryValue）：
? 客户在一定的时间内购买企业产品的金额。
七、 跨界营销
利用大数据跨界营销成功的关键点
1. 价值落地
2.? 杠杠传播
3. 深度融合
4. 数据打通
八、精准营销
? 精准营销的四大特点
1. 可量化
2. 可调控
3.? 保持企业和客户的互动沟通
4.? 简化过程
精准营销的步骤
1.? 确定目标
2.? 搜集数据
3. 分析与建模
4.? 制定战略
九、商品关联营销
商品关联营销的概念及应用
关联营销：
关联营销是一种建立在双方互利互益的基础上的营销，在交叉营销的基础上，将事物、产品、品牌等所要营销的东西上寻找关联性，来实现深层次的多面引导。
关联营销也是一种新的、低成本的、企业在网站上用来提高收入的营销方法。
关联分析的概念与定义
最早的关联分析概念： 是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顾客购买行为的规律，发现连带购买商品，为制定合理的方便顾客选取的货架摆放方案提供依据。该分析称为购物篮分析。
电子商务领域： 关联分析可帮助经营者发现顾客的消费偏好，定位顾客消费需求，制定合理的交叉销售方案， 实现商品的精准推荐 ；
保险公司业务： 关联分析可帮助企业分析保险索赔的原因，及时甄别欺诈行为；
电信行业： 关联分析可帮助企业发现不同增值业务间的关联性及对客户流失的影响等
简单关联规则及其表达式
事务：简单关联分析的分析对象
项目：事务中涉及的对象
项集：若干个项目的集合
简单关联规则 的一般表示形式是：前项→后项（支持度＝s％，置信度＝c％）
或表达为：X→Y（S＝s％，C＝c％）
例如：面包->牛奶(S=85%,C=90%)
? 性别（女）∩收入（＞5000元）→品牌（A）（S＝80％，C＝85％）
支持度、置信度、频繁项集、强关联规则、购物篮分析模型
置信度和支持度
support(X→Y)= P(X∩Y)
confidence(X→Y)= P(Y|X)
十、评论文本数据的情感分析
商品品论文本数据挖掘目标
电商平台激烈竞争的大背景下，除了提高商品质量、压低商品价格外，了解更多消费者的心声对于电商平台来说也变得越来越有必要，其中非常重要的方式就是对消费者的文本评论数据进行内在信息的数据挖掘分析。评论信息中蕴含着消费者对特定产品和服务的主观感受，反映了人们的态度、立场和意见，具有非常宝贵的研究价值。
针对电子商务平台上的商品评论进行文本数据挖掘的目标一般如下：
分析商品的用户情感倾向，了解用户的需求、意见、购买原因；
从评论文本中挖掘商品的优点与不足，提出改善产品的建议；
提炼不同品牌的商品卖点。
商品评论文本分析的步骤和流程
商品评论文本的数据采集、预处理与模型构建
数据采集：
1、“易用型”：八爪鱼、火车采集器
2、利用R语言、Python语言的强大程序编写来抓取数据
预处理：
1文本去重
检查是否是默认文本
是否是评论人重复复制黏贴的内容
是否引用了其他人的评论
2机械压缩去词
例如： “好好好好好好好好好好”->“好”
3短句删除
原本过短的评论文本? 例如：很“好好好好好好好好好好”->“好”
机械压缩去词后过短的评论文本 例如：“好好好好好好好好好好”->“好”
4评论分词
文本模型构建包括三方面：情感倾向分析、语义网络分析、基于LDA模型的主体分析
?
情感倾向分析：
基于情感词进行情感匹配
对情感词的倾向进行修正
对情感分析结果进行检验
语义网络分析：
基于LDA模型的主体分析
十一、大数据营销中的伦理与责任
大数据的安全与隐私保护
数据安全：一是保证用户的数据不损坏、不丢失；二是要保证数据不会被泄露或者盗用
?
大数据营销中的伦理风险：用户隐私、信息不对称下的消费者弱势群体、大数据“杀熟”
大数据伦理困境的成因：
用户隐私意识淡薄
用户未能清晰认知数据价值
企业利益驱使
] 管理机制不够完善
大数据伦理构建的必要性：企业社会责任、用户与社会群体的维系
这些是我按照老师讲的课本上的内容结合PPT总结出来的《大数据营销》的重点。
“Shopee数据化运营”，20位Shopee大卖爆单的秘籍
各个行业正在向数字化、智能化、场景化转型，金融企业走在了各行业的前列。金融行业的数字化体现在创新技术融合、数据化运营、精准营销、运营场景化等多方面。金融企业的用户经营模式由“以产品为导向”的精准营销经营模式向“以用户为中心”的精准营销经营模式转型。用户经营的最终目的是为金融企业创造更高价值，带来更多的盈利。用户生命周期价值分层策略可以帮助金融企业梳理用户层级结构，并针对每个层级用户进行差异化经营，围绕用户进行数字化改造升级，实现用户价值最大化提升，提升企业的运营效率，打造数据驱动的营销闭环。用户生命周期价值分层策略是什么？应该如何进行规划以及分析？用户生命周期价值分层定义：用户生命周期：是指从一个用户开始对企业进行了解或企业欲对某一用户进行开发开始，直到用户与企业的业务关系完全终止且与之相关的事宜完全处理完毕的这段时间；在业界广泛应用认可的用户生命周期方法论是AAARRR，是运营体系的经典的框架，贯穿用户感知、获取、激活、留存、交易、传播。用户生命周期价值（CustomerLifetimeValue，CLV）：即用户具有的价值和生命周期，每个用户在生命周期中在历史、当前、未来为企业带来的收益总和。它由三部分构成：历史价值、当前价值和潜在价值。用户生命周期价值分层是围绕用户价值与生命周期视角对用户进行细分。用户生命周期价值分层意义：用户价值是企业发展在各个生命周期阶段都需始终关注重要内容。不管是在初创阶段的大量新客，还是成熟阶段的存量用户，企业的战略目标还是希望用户贡献更多的价值，为企业带来盈利。通过用户生命周期价值的分层，促使“以产品为中心”的经营理念转为聚焦到“以用户为中心”（用户价值、用户需求、用户体验为中心）进行细分洞察。以产品为中心的时代，分析策略是通过产品找用户；而随着技术的创新，多维数据支撑更为广泛的用户洞察维度，经营的模式也逐渐改为通过用户找产品。用户生命周期价值分层策略，让企业运营人员清晰了解用户价值和价值指标；通过对每层人群进行筛选定义，制定差异化运营手段，促进用户在生命周期每个阶段产生最大化的价值，实现层到层之间价值的飞跃，并延长整个用户生命周期，完成运营的各个阶段的KPI指标以及企业的战略目标。用户生命周期价值分层方法：按照AAARRR方法论中用户生命周期的各个阶段节点，结合各阶段的业务场景、业态、战略方向等情况确定各阶段用户价值，进行交叉组合分层。但因各个行业不同、场景不同、用户价值不同、用户生命周期价值分层策略也会有所不同。已布局生活场景生态服务的银行信用卡，会通过用户活跃、用户粘性价值进行分层；证券公司的生命周期分层按照交易价值进行分层；中小银行生命周期价值分层策略按照投资价值进行分层。举个例子，某金融机构移动APP用户生命周期价值分层：市场用户（目前不是企业的人群）新增用户（首次触发APP的人群）留存用户（某段时间内在APP依旧还有交互行为的人群）价值用户（某段时间内在APP有交易行为的人群）高价值用户（某段时间内在APP有交易行为，并且交易金额大于30万或交易频次大于3次或交易产品种类大于2种的人群）鲸鱼用户（在高价值用户中通过任何触达手段为APP带来新增用户的人群）用户生命周期价值分层是以用户生命周期为分层转化漏斗，将每个阶段的用户价值往下一阶段的用户价值转化引导，而每一层转化场景、分析维度、评估指标都是不同，需要制定差异化的运营手段分析每层转化，对不同阶段采取不同的策略，最终提升用户各个阶段的价值（如图所示）。我们需要分析一下每各阶段是如何进行分析？每阶段精细化运营手段是什么？关注哪些指标？最终完成每阶段用户价值的飞跃。感知层→获取层的转化随着移动互联网流量红利结束，企业市场部门、渠道部门如在全渠道广撒网投放广告吸引新客，所带来的将是大量的非目标用户、导致企业耗费大量成本。企业在这样的市场环境下需要打破以往的思维模式，调整策略，将投放费用聚焦到目标用户上，通过精准投放来帮企业找到目标人群，提升转化率，降低成本。制定精准投放策略，对投放渠道进行合理分配，找到转化率高的渠道，成为本层转化的关键。本层转化的运营手段：精准投放每天用户通过线上（各类终端设备）与企业移动APP进行交互，用户呈现时间碎片化、服务场景化等特征。企业将如何抢占用户时间，成为企业关注核心问题。企业对将要投放的用户情况一无所知，精准投放从何开展呢？通过外部数据来洞察用户如用户的兴趣偏好、地理位置信息、线下消费偏好、金融偏好、媒体偏好等等，可以帮助企业找到精准目标人群、结合精准触达时间和产品，设计投放策略，将大大提升投放人群的质量以及转化率，帮助企业降低投放成本，提升ROI。本层转化关注核心指标：ROI，即投资回报率本层转化分析维度：分析各个渠道的用户质量，除了分析各渠道交易数据如：转化率、转化金额、多次转化率、转化周期频率等指标外，还需洞察分析各渠道用户行为数据，如查看的产品、停留的时长、查看的频率等指标，这类行为数据虽不是直接的交易数据，但也表明用户是否有潜在的购买转化的意向。多维数据分析帮助企业找到质量好转化率高的渠道，并对各渠道投放的占比进行合理调整，从而促进ROI提升，完成本层用户价值提升。获取层→活跃层的转化在用户获取后，就需考虑如何对用户进行促活。据统计，新用户的营销成本要比老用户经营成本高出4倍，老用户的经营比新用户的获取要重要的多。尤其在企业已经获得大量用户后，如不及时运营老用户，会导致大量用户流失或沉睡。企业需要在此时进行运营干预，通过运营手段可减少流失人群、延长用户的生命周期以及活跃时长，并促使用户在更长的时间内创造更多的价值，提升用户的CLV。本层转化的运营手段：新手引导、营销激励用户引流进入企业后，对新用户来说，平台、产品、流程都比较陌生，如果用户体验不好，不能及时适应平台，会导致用户流向其他同类型并满足用户需求的平台，故在这个节点需要建立新手引导，让用户对平台、对产品、对流程慢慢熟悉起来，养成用户操作习惯。但是仍将面对用户流失的风险，需及时对用户进行营销激励，如发放优惠政策、触发用户感兴趣的内容等从而激励用户活跃起来。本层转化关注的核心的指标：日活DAU、月活MAU本层分析维度：本层关注的指标为活跃指标，如日活、月活，但在分析的过程中还需关注用户流失情况、留存情况。如在一段时间内，用户日活持续增加，需分析用户活跃类型占比，找到活跃增加的归因，是由于新增用户活跃，是老用户活跃；来自于哪些渠道的用户活跃，是由于新增的渠道质量较好，还是由于用户激励的方式。不仅要关注日活、月活，还需要拉长整个用户生命周期来看用户活跃、流失、留存等情况，分析在一段时间内新增的这些用户的流失情况以及留存情况，否则会被表面的日活增高的表象所蒙蔽。活跃层→留存层的转化用户持续留存代表此用户具有留下的意向以及潜在转化的可能，用户留存指标是监测用户流失的一个重要指标。实现用户留存的关键是需找到留存率较高的关键事件，并通过关键事件的引导提升客户的黏性。本层转化的运营手段：促留存策略本层转化的核心关注的指标：留存率（即次日留存、7日留存、14日留存、30日留存）本层转化分析维度：需要关注的用户留存指标为次日留存、7日留存、14日留存、30留存。分析时通常有两个维度：1、以时间为维度：看不同时间的次日留存率、7日留存率、14日留存率、30留存率的指标情况，当观察到某一天的留存率比较高时，可详细洞察这在一天是否有“其它动作”，比如：新增某个渠道、做了某场活动、页面进行某部分改版、触达客户营销激励内容等，深入分析导致留存变化的“动作”对客户留存深层的数据影响。如新增加了某个渠道投放，可能是因为这个渠道的质量较好，用户比较活跃，潜在的目标人群较多，通过渠道的维度看这个渠道的行为数据指标表现情况，可适当调整投放的策略，增加此渠道的投放量。2、以事件为维度：看执行了不同事件的人群次日留存率、7日留存率、14日留存率、30留存率的指标情况，如给某用户做留存分析时，发现执行登录事件的人群的留存率比执行其他事件的人群留存率明显高一些，分析得出登录与客户留存成正比关系，建议企业推出登录签到送积分活动，来提升用户留存率，效果会比较显著。留存层→交易层的转化运营的最终目标就是促使用户进行交易，给企业带来商业收入，体现产品变现能力。交易额＝流量＊交易转化率＊客单价，从公式可以看出，增加流量、提升交易转化率将提升交易额，流量在感知层→获客层已经有详细讲解，客单价是受到产品定位、市场行情、产品内容等多方面的影响，需要重点聚焦到交易转化率的提升。本层转化运营手段：精准营销、聚类算法促转化、搭建MOT营销规则本层转化关注核心指标：交易转化率本层分析方法维度：精准营销精准营销的本质就是通过数据洞察找到目标人群、分析出用户特征偏好和产品偏好，在合适的时间以用户最容易转化的渠道进行触达。企业需要搭建营销闭环来解决营销效率问题，提升用户的交易转化以及收入的增长。精准营销闭环可分为四个步骤，人群洞察、消费者互动、监测效果量化、分析优化，并且不断优化形成营销闭环。1、人群洞察这是精准营销必不可少的关键环节，通过人群洞察来分析用户的行为特征、兴趣偏好、产品偏好等特征，利用全维度数据分析找到不同特征人群对应喜好的产品偏好，将洞察结果与营销建立关联，为后期营销触达做数据支撑。2、消费者互动人群洞察后，需对本层人群触达的手段进行分析，即用户交互方式的偏好（用户习惯、喜好的渠道和时间段），渠道是与用户交流的载体，帮助企业与用户搭建沟通的桥梁，需要找到用户喜欢的渠道以及转化高的触达方式，在合适的时间提供用户喜欢的内容，提升用户转化率。3、监测效果量化通过数据回传，对每次精准营销的数据进行记录，为后期数据分析、建模等工作积累数据，进行营销工作的优化。4、分析优化针对营销效果数据，分析每次精准营销转化人数、转化金额、转化后的行为数据、转化时间等，通过数据分析结果确定本次精准营销存在的问题，提出后期优化策略，不断迭代优化方案。将优化后的策略在下次营销中进行应用，形成营销闭环，提升用户交易转化率以及用户价值。聚类算法在每层用户分析中，对本层人群进行人群细分和数据交叉分析，找到细分人群的特征，制定精准营销策略，提升用户转化率。聚类算法可科学有效地帮助企业完成人群细分。数据分析师对数据进行整理，确定人群细分的数量，聚类算法可将相似的人群聚为一类，最终输出几类人群。对细分人群进行特征提取，洞察每类人群偏好特征，从而针对不同人群制定差异化的营销策略，提升用户价值。营销规则搭建营销规则，建立MOT逻辑规则，实现自动化运营，促进用户提升交易转化率。用户的交易数据、行为数据、公开市场数据等多元化数据都可以作为基础分析数据，挖掘数据价值，结合业务场景设计营销规则。当用户触发某规则时，进行实时触达，利用营销活动对用户进行转化。例如用户频繁查看某个产品，停留时间较长但未进行交易，但此类数据分析也能说明用户对此产品具有潜在需求，可以依据此场景建立规则（在三天内，查看产品A3次以上，可以定义为产品A的意向用户，符合此规则后，MOT将自动触发有关产品A的营销内容，刺激用户进行交易转化）。交易层－高价值层的转化本层人群是企业最核心用户，参考二八法则，20%的核心用户给企业贡献80%的价值，这类高价值的核心用户是企业关注的重点。如何引导、刺激用户向更高的价值转变是本层的关键。本层转化关注最核心指标：交易频次、交易金额、交易产品类型本层转化人群的运营手段：交叉销售、Lookalike算法挖掘潜在高值人群本层转化分析维度交叉销售通过多样化的运营手段，将提升交易频次、交易金额、交易产品类型的提升作为本层目标。通过交叉销售分析、找到用户购买产品A与产品X的关联，将强关联产品X在相应产品A的购买流程或页面进行展示，通过相互导流实现对产品X的销售，给企业创造更大价值。根据产品购买频率、产品到期的时间建立营销规则，提前引导用户进行复购操作，防止用户流失，提升用户价值。Lookalike算法挖掘潜在高价值用户潜在高价值用户挖掘可借助模型算法预测潜在高价值的人群，并实施精准营销策略。Lookalike算法是机器学习的一种模型算法，TalkingData利用移动APP行为数据对其进行优化，使其适合利用APP行为数据进行学习，相对其他算法具有较高对效率和准确率。在本层中，将企业交易层用户中挑选出的高价值人群（如多次交易、交易金额较大、交易频次高、交易产品种类多等）作为机器学习的种子人群，通过Lookalike算法找到潜在高价值用户。全面洞察分析潜在高价值人群的兴趣偏好、产品偏好、渠道偏好等，输出精准营销策略并触达用户，通过基于效果反馈的营销闭环提升用户交易转化。案例某银行运营目标：提升存款用户价值，实现存款用户活跃并挖掘潜在用户的价值。某银行聚焦到银行存款存量用户经营，为了提升存款用户价值，通过用户价值分层方法将某银行存款用户进行了分层（如图所示），将每层的用户聚焦到特定的场景进行分析，提升存款用户分析的效率，洞察每层用户的特征，找到每层之间的漏损人群、潜在人群，更加科学、有效制定差异化的运营方案。建立用户价值分层体系方法论，将用户分层、用户洞察、制定方案、执行落地、效果评估及迭代优化整套运营方法论闭环跑通，并广泛应用到其它项目中，帮助某银行通过数据化思维驱动业务决策，推动在数字化、智能化的转型。存款脱落人群是存量用户整体到存款有效用户之间的存款脱落人群。这层人群分析研究时，主要目标是洞察分析人群特征，制定有针对性的营销激励策略，将此人群通过激励转变为有效用户。营销激励策略围绕如何使脱落用户再次进行存款业务的场景而制定。存款流失用户存款流失用户，搭建流失用户预警机制、流失用户挽回策略。分析流失与哪些关键因子关联，针对流失人群进行划分，确定流失人群的类型，对不同类型的流失用户策划具有针对性的挽回机制，并制定不同的触达方式对流失用户进行挽回。如下图所示，在某银行数据分析用户流失与登录、资产情况、提现行为有强相关，故将登录、资产情况以及提现作为分群关键因子，并进行设定不同策略机制。潜在价值用户潜在价值用户是存款活跃用户，虽然在近半年未投资，但此人群在企业APP有交互的行为，通过此交互数据分析挖掘潜在的需求及动机，将APP上的交互行为、之前的历史交易数据、外部数据作为模型输入的因子，输出客户潜在需求，实施精准营销。潜在高价值用户挖掘潜在高价值用户为企业创造价值，需要通过运营手段激发更大的价值，有几个增加价值的维度：1、金额维度：刺激用户提升购买的金额，创造更大的价值；2、时间维度：建立策略延长用户购买时长，提升用户生命周期；3、种类维度：购买多类型产品，提升用户价值。进行用户价值分层需注重用户需求、用户价值。制定场景化、差异化、定制化的策略，提升在整个价值链路上的转化漏斗，实现从数据驱动战略目标到用户经营的精细化运营闭环，实现层到层之间价值最大化提升，帮助企业有效延长用户生命周期，激发用户创造更大的价值。
Shopee新手如何通过数据化运营，做到大卖爆单，我们通过线上线下和20位电霸Shopee的会员交流，得出以下几条经验，可供刚开始做或即将做跨境Shopee的卖家借鉴思考。
1、做足选品的功课。 做电商铺货平台重要的在测品，提高测品成功率和效率，是提升店铺销售额的关键。
深圳的Shopee新手卖家，Steven，是从做Amazon和Wish开始，去年6月份开始做Shopee，现在专门负责Shopee的团队已经有6人，其中负责选品的有2人。“我们由于以前做过跨境电商，了解测品思维，所以团队提升效率的重点放到了选品优化环节。”Steven说。“去年8月份，我们选择了电霸Shopee,利用电霸的产品数据快速精准选品。选品这块，我们常看的角度有几个：当下热卖产品，热销店铺的热卖产品。但要注意区分本土店和海外店，我们做海外店的要评估下类目的风险，找适合我们的产品。”Steven说：“Shopee选品跟Wish和Amazon不一样，主要是东南亚风格，独具地域色彩，像我们开的第二批店开了印尼站点，选品方向上重点突破宗教类目，其次彩妆，因为印尼，泰国这些本地女孩子都有化妆需求，所以选好适合她们价位和质感的彩妆也是我们的方向。第三个选品突破方向是想尝试下高单价产品。”
编辑搜图
请点击输入描述（最多18字）
Steven表示：“做电商要测款，一个个上架测试，周期长，而且有积压库存的风险，占资金。库存看似‘资产’，其实对电商来说最大可能最后就是卖不出去的坏账。所以选品很重要，用电霸Shopee的数据选品法，我们现在的店铺动销率在60%-85%，基本比站内平均水平高20%-30%. 选品准确出单快，加上敏捷售后，店铺运营状况良好”。
Steven表示，后续的发展方向会重点放在用电霸Shopee的数据开发新爆品，开始领先市场。
2、重选品，更重店铺。 Shopee的店铺概念不容忽视，店铺策略直接影响流量的转化。
做一年拼多多转做Shopee的王先生，第一次接触跨境平台。
“我们起步的时候，最大的问题是对平台和市场的不了解。不像拼多多针对国内消费者。去年打算做Shopee的时候，问了一些跨境的朋友也给普及了一些知识。但毕竟不可能把人家当百度，然后朋友推荐了电霸Shopee版的数据，在申请店铺的时候我先买了电霸分析了下东南亚市场行情，发现产品跟我们有一定的相似性，可以突破。然后筹备供应链，洽谈了一些电霸的爆款类目供应商。店铺下来以后我让运营团队研究平台特点，不清楚查不到的就问电霸导师，这个是我从电霸得到的增值，省去我不少学习成本。因为我们是新手新店铺，我们主要用电霸Shopee的店铺详细部分，尤其是类目分析，店铺新品和上新时段这些关键数据，运营人员快速直接的掌握了优秀店铺的科学策略。
请点击输入描述（最多18字）
其实从分析热卖店铺中可以分析出主营类目和辅助类目策略，还有就是热卖品新品的销量和销售价格，可以分析出产品策略。这个是我们Shopee运营团队必须掌握的技能。不得不说通过店铺的详细分析数据我们找到了打造店铺的方向，起步没有浪费时间。然后产品结合我们原有的产品和补充类目，迅速的把店铺做起来了。”
3、有产品还要做好引流。 引流是店铺有转化的前提，是Shopee运营的重中之重。Shopee的流量来源主要有：主图+标题+关键词+粉丝+站外等。
同样是内贸转战Shopee的Mike专门研究了产品引流这部分，并且在他的团队里有人专门研究站内站外引流。
“我们先是研究了电霸Shopee里引流相关的模块，还有热卖产品和店铺，最后我们制定了一个引流基本法和叠加法。基本法里包含了通过类目查询店铺和产品后，研究热卖款的主图，标题和标签的使用。我们发现做的优秀的店铺都有突出的特点，就是他们已经形成的策略，我们运用到自己的产品打造上。主要是关键词引流法，还有主图标题打造法等，这些都是我们从电霸Shopee分析得出的经验。然后加上我们自己的品牌特性，制定我们产品的引流方案。现在5个月的大类目店铺基本可以日均百单。第二批店铺我们开了小语种站点，电霸的热搜词和标签词都有中文翻译，基本应用没有问题。
请点击输入描述（最多18字）
选引流词我们自己比较喜欢选最新的词。但有时候也特别时期特别对待，例如节假日和庆典，也要注意及时更新引流词。”Mike一边给我们介绍一边帮我们打开电霸Shopee分析Shopee引流的方法。
4、重视用户体验，做好售后和粉丝营销。 Shopee的社交属性比较重，平台规则可以看出偏向保护买家体验。售后和粉丝营销是必做的功课。
Mike跟我们分享了一个Shopee运营技巧，那就是粉丝营销。“每次店铺有促销活动或者上新的时候，我都会让工作人员给店铺粉丝发一句日常的问候，告知我们的动态。粉丝质量好的店铺回复咨询的比例比较高，尤其是新店时期，往往是我们店铺第一个单的来源。我们有自己的粉丝优化策略，提高店铺粉丝质量，然后再营销，提高转化。电霸Shopee的粉丝工具这个帮我大大提升了效率，店铺粉丝增多后，我们不再采用人工给粉丝发信息，而是使用工具批量发送，省时省力。还有在店购买过的用户，也可以做二次营销，促进再次下单。”Mike说，这是他处理用电霸Shopee选品外，得到的一个增值服务。
5、保持良好的心态。没有任何一个生意可以让所有人都爆发，但找到适合自己的方法都可以有回报。不少新手喜欢在群里问“干货”，问“什么类目好做”，还有问平台基本规则的。大家要找到自己的发展路线才是王道。别人没有义务做“百科全书”，更不可能希望大家都卖一样的产品。但电霸Shopee的数据是全盘的，其实比“听朋友说”更靠谱。另外，这次的20个访谈中有6个孵化期还没结束的新手卖家，他们的知识获取除了虾皮大学外，就是靠电霸导师服务，有问必答。其中刚开店不到2个月的王小利说：“最重要的是电霸有卖家群，可以找到同伴一起交流。在群里我找到了能帮我解决物流问题的朋友，是意外的收获。虽然我只开了一个店铺，大部分操作是手工，只用电霸做了选品和引流优化部分，新店现在每天都有出单。不出意外孵化期后我可以再申请一个店铺了。一步步做，相信店铺不会太差的。”
电霸Shopee，现在基本是Shopee新手卖家人手一套。到底是怎样的一款软件？我们邀请了一位大卖做了测评，总结以下几个要点供大家参考。
电霸，专注于电商行业数据分析的软件品牌，共有电霸拼多多，电霸Shopee和电霸抖音三款产品。电霸——是一款深度洞察电商运营的数据智能分析软件，通过运用大数据和算法、全链条数据分析技术，以精准营销为中心，集成和整合海量数据，为用户提供全面、精准、高效的数据分析和预测分析，为电商运营决策提供可靠的依据。在快速迭代和不断变化的市场环境，电霸凭借夯实的技术能力和丰厚的运营经验，与时俱进，专注于电商领域数据分析，用精准的数据和信息，为电商运营发展赋能，为用户创造价值。
电霸Shopee的功能和服务。电霸的特色服务是在线导师服务，会员可在线随时咨询Shopee运营和Shopee数据解读的问题。电霸Shopee的核心功能主要有：
产品数据： 热销，新上热销品的销量，价格，点赞评论热度等关键数据指标。可区分本土和海外产品。精准热卖产品分析，帮助卖家快速掌握市场行情。
店铺数据： 图表呈现店铺销售趋势，动销率，销量排名，热度排名等关键指标。可区分本土店铺和海外店。店铺的详细数据指标可以分析店铺类目分析，热卖和上新产品以及店铺上新时段情况等。
行业类目分析： 通过行业情况了解成交转化和市场规模数据，了解市场趋势。可快速查看行业类目销量增长数据，动销率，产品均价等关键指标。
标签词分析： 分析标签词的销量，增长率，动销率，售价，产品排名，点赞评论等关键数据，监测热词搜索量变化以及市场竞争力度，帮助产品优化，提升订单转化。
热搜词的深度分析： 分析热搜词的产品销量，浏览人气，动销率，点赞评论等关键指标。大数据分析热词排名和行业类目分布。
Shopee平台总和分析： 图表呈现全站和分站的大盘数据。可追踪销售趋势，店铺和产品数据，行业类目发展趋势等，帮助卖家发现市场机会。
竞品监控功能： 可监控店铺和产品的经营数据，可追踪对标学习的店铺和产品的运营状态。
工具类： 提供Shopee运费藏价计算工具，Shopee粉丝群发工具和Shopee类目ID查询工具。方便卖家做好运营工作。
资料类： 电霸Shopee的帮助中心收集了Shopee周报和最新资讯，以及Shopee运营必备资料。
资源分享： 电霸会员有专有的会员交流圈，可分享和咨询行业资源。帮助卖家实现自己的Shopee运营策略。
