上海2021年5月18日 /美通社/ -- 以往的營銷效果洞察，往往滯后且營銷人員很難判斷到底哪里出了問題？為什么消費(fèi)者會(huì)反應(yīng)消極？只有在當(dāng)消費(fèi)者抱怨品牌在線消費(fèi)體驗(yàn)，跟品牌做售后投訴或提交低滿意度調(diào)研的時(shí)候，品牌主才明白營銷過程中出現(xiàn)了問題。
網(wǎng)頁日志會(huì)記錄每一個(gè)鼠標(biāo)的移動(dòng)和點(diǎn)擊，并快速顯示用戶不滿或網(wǎng)站出錯(cuò)的地方。有很多網(wǎng)絡(luò)工具能捕捉并分析記錄網(wǎng)站的訪問，用熱力圖和漏斗報(bào)告來揭露這些問題區(qū)域，得出本來由人工分析的結(jié)果。
隨著消費(fèi)者全圖景的數(shù)據(jù)成為可能，數(shù)據(jù)提供給營銷人員更多依據(jù)去了解營銷到底哪個(gè)部分出現(xiàn)了問題，告訴營銷人員如何采取進(jìn)一步的動(dòng)作，營銷也從數(shù)字化走向自動(dòng)化和智能化。
本文通過分析消費(fèi)者在消費(fèi)旅程中會(huì)遇到的一些場景，以及Convertlab品牌客戶的智慧營銷解決方案經(jīng)驗(yàn)，解讀大數(shù)據(jù)下，AI 技術(shù)如何幫助品牌方實(shí)現(xiàn)增長、為消費(fèi)者提供更優(yōu)質(zhì)服務(wù)體驗(yàn)。
1. 全生命周期智能化營銷 -- 凈增ROI百倍增長
Convertlab PRE商品推薦系統(tǒng)(Product Recommendation Engine)的場景應(yīng)用
很多大型電子商務(wù)平臺已經(jīng)廣泛使用在線推薦系統(tǒng)，并且消費(fèi)者已經(jīng)習(xí)慣了一鍵式按鈕的線上平臺。一鍵越過放入購物車、付款、填寫發(fā)貨地址等所有步驟的功能，給消費(fèi)者帶來突破性的便捷。
推薦1.0 是通過簡單直接的追蹤實(shí)現(xiàn)的，例如：
這種協(xié)作性的交叉銷售/升級銷售對品牌電商是很有幫助的。以Convertlab PRE商品推薦系統(tǒng)(Product Recommendation Engine)為例，在已經(jīng)實(shí)踐的某全球著名快餐品牌的消費(fèi)場景中。以PRE系統(tǒng)為基礎(chǔ)，為消費(fèi)者推薦基于搜索某一商品數(shù)據(jù)的同一類或相關(guān)類產(chǎn)品，對產(chǎn)品的銷售有積極的作用。
一旦消費(fèi)者選擇或者在一款“漢堡”頁面停留或篩選時(shí)間過長，甚至輸入了喜歡的“漢堡”的某一細(xì)節(jié)，比如“雞肉”。PRE系統(tǒng)是不會(huì)建議，在這個(gè)消費(fèi)者商品頁面的顯要位置，放置過多例如牛肉漢堡或者豬肉漢堡的商品信息。
與此對應(yīng)的是，PRE系統(tǒng)會(huì)在商品物料池中，通過多策略初篩、物品過濾、模型排序、規(guī)則調(diào)整（規(guī)則干預(yù)、多樣性穿插、新穎性等）等策略篩選出三款相關(guān)的“雞肉漢堡套餐”。并通過協(xié)作性的交叉銷售/升級銷售的推薦方式，展示更多相關(guān)的產(chǎn)品，例如雞肉類小食、佐餐飲料等產(chǎn)品。
另外，人們在購物車?yán)锓帕耸裁?？什么商品?huì)被一起加購？不同的購物車?yán)铮唐肥前凑帐裁错樞虮灰灰毁徺I的？哪些商品被移出了購物車？哪些商品在最后一刻被放棄了？
在一個(gè)或多個(gè)場景中構(gòu)建模型，對于那些在購物車中還有未購買的商品就離開在線商店的消費(fèi)者，通過相關(guān)數(shù)據(jù)的分析可以用來計(jì)算他們最終返回購買這些商品的概率。
基于這種計(jì)算，商家可以設(shè)定不同的廣告片段，這些廣告片段對應(yīng)著不同的營銷策略。這使得利用模型針對后續(xù)客戶的營銷活動(dòng)的效果是可控的。
A/B測試顯示，Convertlab 的PRE商品推薦系統(tǒng)給某全球著名快餐品牌的客單價(jià)帶來了將近20%的提升。另外，Convertlab利用在品牌客戶生命周期旅程，以及電商觸發(fā)重定向旅程（包含：搜索未下單、新產(chǎn)品推廣、下單未支付、下次購買推薦等執(zhí)行策略）的營銷，為某服飾品牌的ROI帶來了將近百倍的增長。
2．個(gè)性化溝通 -- 推送轉(zhuǎn)化率提升2.5倍
Convertlab AI圈群（客戶畫像標(biāo)簽和人群聚類）的場景應(yīng)用
在營銷中，品牌若是想要進(jìn)行高回報(bào)率的營銷活動(dòng)，便需要對營銷受眾進(jìn)行針對性活動(dòng)投放，節(jié)約不必要的成本投入。受眾分群，即把具有相似屬性的受眾集中到一起，是進(jìn)行精準(zhǔn)營銷重要的一步操作。
營銷人員很清楚如果品牌想要擴(kuò)大受眾群體，可以基于現(xiàn)有的人群，通過數(shù)據(jù)分析，找到類似于現(xiàn)有人群的并且最有可能轉(zhuǎn)換的人群，去擴(kuò)大投放范圍。通常的做法是在DMP平臺提供一套算法，將一方數(shù)據(jù)輸入，通過DMP的算法規(guī)則，輸出制定類型的相關(guān)數(shù)據(jù)。盡管從理論上講，機(jī)器算法的維度有利于提高圈群的準(zhǔn)確性，但現(xiàn)實(shí)生活中人群的某些特征有時(shí)是主動(dòng)選擇的結(jié)果，有時(shí)是由于客觀條件而被動(dòng)選擇的結(jié)果。因此需要預(yù)先或者通過效果反饋手動(dòng)調(diào)整算法，以此達(dá)到更準(zhǔn)確地圈群效果。
智慧營銷，或者具體說AI圈群的能力，源于人工智能、大數(shù)據(jù)分析等新技術(shù)。憑“機(jī)器學(xué)習(xí)的基礎(chǔ)算法”對用戶進(jìn)行分類，程序編程對用戶進(jìn)行精確分層，根據(jù)圈群的效果自動(dòng)反饋，甚至“自我調(diào)整”。
Convertlab AI機(jī)器學(xué)習(xí)的回歸模型和聚類模型,將決定哪些變量最能預(yù)測銷售轉(zhuǎn)化，并自動(dòng)剔除、修正客戶檔案中的干擾數(shù)據(jù)，產(chǎn)出客戶回復(fù)消息或參與活動(dòng)的概率，將數(shù)據(jù)洞察帶入秒級甚至微妙級的地步。通過目標(biāo)人群與受眾管理系統(tǒng)整合讓客戶可以根據(jù)分析模型來形成人群包，以及根據(jù)特征權(quán)重來制定畫像標(biāo)簽，在意想不到的方向精準(zhǔn)區(qū)分不同的消費(fèi)人群。
在Convertlab客戶畫像標(biāo)簽和人群聚類分析的AI模型實(shí)踐中，AI圈群的推送轉(zhuǎn)化率，比人工篩選、手動(dòng)圈群高2.5倍。該功能系統(tǒng)在“短信喚醒沉睡客戶”的場景中同樣表現(xiàn)優(yōu)秀。Convertlab 的某智能電器品牌客戶，對60天以上未訪問過小程序的會(huì)員，推送新權(quán)益上線通知短信的點(diǎn)擊率提升將近80%。
3. “推銷” -- 達(dá)標(biāo)率提高20倍
Convertlab NBA行為觸發(fā)(Next Best Action)的場景應(yīng)用
在約翰.沃納梅克的時(shí)代之前，就開始有人研究如何將商店里的商品銷售出去，而今在線推銷任務(wù)則交給了算法。根據(jù)近期行為和往期溝通，提供下一步溝通策略。
Convertlab AI NBA行為觸發(fā)能力所做的就是：當(dāng)“輸入”客戶屬性、行為數(shù)據(jù)、溝通歷史、訂單記錄等數(shù)據(jù)，通過生命周期模型來判斷客戶處于什么狀態(tài)，通過“時(shí)機(jī)預(yù)測分類模型”來預(yù)測客戶下一個(gè)旅程的時(shí)間點(diǎn)，最后通過“溝通策略回歸模型”推薦消息文章庫中的“商品推薦、活動(dòng)引流、戰(zhàn)敗挽回……”等行為策略。
在某零售銀行代發(fā)的場景中，Convertlab AI 行為觸發(fā)通過“做活動(dòng)、贏權(quán)益”來刺激代發(fā)客戶資產(chǎn)留存。以往人工設(shè)計(jì)活動(dòng)任務(wù)、運(yùn)營權(quán)益投放，被AI助力“實(shí)時(shí)感知+實(shí)時(shí)營銷”技術(shù)，讓點(diǎn)擊率提高16倍，達(dá)標(biāo)率提高20倍。
AI行為觸發(fā)能力判斷不同的消費(fèi)者的登錄頁面上應(yīng)該有哪些內(nèi)容？它們應(yīng)該如何展示出來？首先應(yīng)該出現(xiàn)哪個(gè)顏色選擇？什么時(shí)候應(yīng)該給予獎(jiǎng)勵(lì)刺激？AI Marketing采用動(dòng)態(tài)展示，為每一個(gè)消費(fèi)者定制，所以它更接近于一對一的說服。
AI Marketing所有的能力讓有足夠多的人會(huì)因?yàn)檫@些營銷而購買產(chǎn)品，這使得品牌主實(shí)現(xiàn)超級增長。同時(shí)，通過AI Marketing消費(fèi)者也往往能獲得良好的購物體驗(yàn)以及拿到欲購商品的折扣。
Convertlab認(rèn)為智慧營銷中的AI技術(shù)不存在單點(diǎn)突破，AI技術(shù)能力應(yīng)該集中在一個(gè)平臺，是一種依賴營銷大數(shù)據(jù)、貫穿營銷全鏈路的能力。智慧營銷能夠?qū)崿F(xiàn)品牌方和顧客的雙贏：品牌方達(dá)到了降本增效的營銷業(yè)績，而顧客也獲得了去偽存真的愉悅體驗(yàn)。Convertlab AI Hub項(xiàng)目的落地，將賦能營銷讓更多企業(yè)用好智慧營銷，讓更多消費(fèi)者享受智慧營銷帶來了便利。
智慧營銷圖景下的幾個(gè)其他場景展望
廣告投放
經(jīng)典的轉(zhuǎn)化漏斗模型想象漏斗頂端站著很多人，這些人顯示出對產(chǎn)品的興趣，當(dāng)他們向下進(jìn)入漏斗，就越來越被吸引至漏斗底部，直到成為商品的消費(fèi)者。
市場營銷人員必須決定如何進(jìn)行營銷資源分配。當(dāng)漏斗中部（說服）或漏斗的底部（購買）很明顯地需要改進(jìn)的時(shí)候，營銷部門還一味增加廣告的投入，就顯得不那么明智了。 智能營銷需要做的就是使用機(jī)器學(xué)習(xí)來分析和篩這些分散在互聯(lián)網(wǎng)中的消費(fèi)者“營銷大數(shù)據(jù)”，以確定哪些數(shù)據(jù)最有可能創(chuàng)造銷售轉(zhuǎn)化。這信息都賦予一個(gè)價(jià)值，高價(jià)值的信息將被翻譯成“潛在客戶”的有效數(shù)據(jù)。
通過消費(fèi)者的搜索和其他行為分析，只要消費(fèi)者“表達(dá)了購買意圖”，AI Marketing能力會(huì)通過廣告的形式，用熱情的攻勢影響消費(fèi)者。這種廣告會(huì)在互聯(lián)網(wǎng)上緊緊跟隨消費(fèi)者，它會(huì)在手機(jī)上新聞推送上看到商品的目錄，直到消費(fèi)者再次進(jìn)入營銷的世界。AI Marketing 某種角度證明了廣告是有價(jià)值的。
聯(lián)邦建模
對所有消費(fèi)者一對一精準(zhǔn)營銷一直可望而不可即。如果消費(fèi)者注冊成為品牌的客戶，品牌會(huì)記住消費(fèi)者所有的基礎(chǔ)屬性，甚至，更豐富的數(shù)據(jù)。但對匿名訪問者提供個(gè)性化服務(wù)，則有點(diǎn)棘手。 智慧營銷下的AI技術(shù)可以從經(jīng)典的人群分類開始，并通過關(guān)系數(shù)據(jù)庫的嘗試進(jìn)行實(shí)現(xiàn)。傳統(tǒng)的人群分類是有用的，但是對于精準(zhǔn)營銷來說，關(guān)系數(shù)據(jù)庫的數(shù)據(jù)顆粒度還不夠。即使功能強(qiáng)大，但它的擴(kuò)展性并不好。
在智能營銷背景下，品牌主需要亞秒級的反應(yīng)實(shí)踐。Convertlab 未來基于與騰訊以及其他平臺的合作關(guān)系，通過AI“聯(lián)邦建?！睂?shí)現(xiàn)“橫跨集團(tuán)間品牌客戶，品牌間打通公私域”，解決“匿名訪問者”個(gè)性化溝通問題。人工智能在這里發(fā)揮了它的優(yōu)勢：尋找最具預(yù)測性的屬性，而忽略其余部分；基于實(shí)際數(shù)據(jù)而非人類猜想做決定并不斷更新對消費(fèi)者的“洞察”……
Convertlab 智能營銷中的客戶畫像標(biāo)簽和人群聚類分析，匯集了品牌客戶“活躍人群”和“非活躍人”的用戶數(shù)據(jù)，其中包括可抓取的屬性、行為數(shù)據(jù)以及“聯(lián)邦”數(shù)據(jù)組成“訓(xùn)練集”，一定程度上將解決“匿名訪問者”個(gè)性化溝通問題。
風(fēng)控以及定價(jià)
風(fēng)控也是未來AI營銷提供的應(yīng)用場景。如何判斷當(dāng)前的APP是否被劫持？APP運(yùn)行環(huán)境是否為真？當(dāng)前設(shè)備是否有 VPN/代理？APP是否在被非法調(diào)試？用戶是否存在“薅羊毛”的嫌疑？通過機(jī)器人控制腳本批量執(zhí)行掃號、登錄、刷流量等操作。AI能力提供了很好的解決方案，這些場景都是可以通過AI功能的DVID設(shè)備指紋、規(guī)則引擎以及相關(guān)的聚類算法邏輯來實(shí)現(xiàn)。
另外一個(gè)常見的應(yīng)用場景便是輔助商家定價(jià)。雖然某旅游網(wǎng)站曾經(jīng)因?yàn)榻o使用蘋果ios系統(tǒng)和安卓系統(tǒng)的訪問用戶顯示不同的酒店價(jià)格而陷入了麻煩，某購物平臺也被曝出給先后購買同一個(gè)產(chǎn)品的用戶報(bào)不同的價(jià)格，而陷入品牌危機(jī)。商家動(dòng)態(tài)定價(jià)的嘗試讓消費(fèi)者感到不安，運(yùn)用不當(dāng)也會(huì)給品牌帶來危機(jī)，但也有積極的一面。
在幾個(gè)獨(dú)立的市場嘗試制定不同的價(jià)格，這可能是一個(gè)非常復(fù)雜的任務(wù)。當(dāng)涉及單個(gè)產(chǎn)品時(shí)，動(dòng)態(tài)價(jià)格優(yōu)化是極其苛刻的，因?yàn)楫a(chǎn)品的價(jià)格彈性不同。品牌采用的算法是一種自我學(xué)習(xí)的方法，它根據(jù)不同產(chǎn)品的歷史購買來改變當(dāng)前的報(bào)價(jià)，采用最先進(jìn)的數(shù)據(jù)挖掘方法，以價(jià)格彈性為基礎(chǔ)設(shè)定定價(jià)策。
通過價(jià)格優(yōu)化，完全可能出現(xiàn)在某個(gè)品類銷售總量下降的情況下總利潤仍然增長的情況。價(jià)格規(guī)劃和優(yōu)化解決方案的使用，將這些策略中定價(jià)的元素可以映射到特定的定價(jià)方法并自動(dòng)應(yīng)用。玩弄人們對產(chǎn)品價(jià)值的認(rèn)知是不可取的，但使用今天的技術(shù)來幫助設(shè)定價(jià)格是明智的。
