自助取數按常規理解(RMDBS,關係資料庫)下的技術體系下,常規的做法是:

1.        指標自助選取

2.        目標人群自助選取

這2類自助應用分別面向企業管理層以及一線營銷人員.指標選取這裡不討論.這裡主要討論針對一線營銷人員,目標人群自助選取的場景.

假設一線營銷人員需要通過資訊系統查詢潛力客戶群的時候,往往需要結合自身對業務的理解或在由資深業務專家(資深業務科學家)提供對應潛力客戶群的特徵資訊,而這些特徵資訊在資訊量爆發和快速變革的今天及具時效性.很容易失效\變形從而失去指導意義.只有從不斷變化的使用者需求中(及資料分析中)實時歸納,才能相對準確的畫出潛力客戶群特徵.

通過對海量資料的特定建模,能使得一線營銷人員能夠將自己選取的待營銷人員能和參照人員進行相關維度的對比(自然屬性\業務屬性\畫像屬性).從而不斷調整選取人員的屬性達到優化選取人群,提高命中率,降低營銷成本,減少客戶反感度的目的.

這類的相似應用一是阿里的”黃金冊” ,另外是”淘寶指數”.”黃金冊”應資料難以獲取暫不在本文說明,本文以”淘寶指數”為參照物件來說明

“淘寶指數”是以淘寶的會員資料結合消費行為資料相結合的一款線上資料分析應用,通過搜尋商品的關鍵字,找到對應人群進行分析,也可以輸入2~3個商品關鍵字,來對比分析相應人群的特徵資訊..

輸入關鍵字後 我們可以先看到2種商品的在淘寶的關注程度以及銷售情況
以市場趨勢為角度分析一下特徵:

我們一看便得知小米的關注度遠遠高出note2

那麼哪些地方的人更關注小米呢?

那麼關注小米和關注note2的人群特徵又是什麼?

接著我們還可以以市場細分領域角度繼續分析

關注小米的人還關注哪些產品呢?

偏好小米的人他們還偏好哪些品牌

淘寶指數並沒做太多方向性的分析,比如名單下載\針對買賣家的相關應用等(比如某家店鋪購買者的等級分佈,綜合商品評價等等).目前應該還只是實驗性質的專案,通過網際網路來驗證淘寶指數技術架構的可行性和穩定性.

通過以上了解.聯想到電信業務,如果在選取某一業務待發展目標客戶人群后,我們能和已是該業務的客戶人群進行對比,那麼也能使得一般的營銷人員通過資料起到指導和發散思維的作用,來不斷調整選取條件提高命中率.