精準(zhǔn)化營(yíng)銷(xiāo)一直以來(lái)都是互聯(lián)網(wǎng)營(yíng)銷(xiāo)業(yè)務(wù)在細(xì)分市場(chǎng)下快速獲取用戶和提高轉(zhuǎn)化的利器。在移動(dòng)互聯(lián)網(wǎng)爆發(fā)的今天，數(shù)據(jù)量呈指數(shù)增長(zhǎng)，如何在移動(dòng)和大數(shù)據(jù)場(chǎng)景下用數(shù)據(jù)驅(qū)動(dòng)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)，從而提高營(yíng)銷(xiāo)效能，成為營(yíng)銷(xiāo)業(yè)務(wù)部門(mén)的主要挑戰(zhàn)之一，同時(shí)也是大數(shù)據(jù)應(yīng)用的一個(gè)重要研究方向。本文通過(guò)數(shù)據(jù)體系架構(gòu)和技術(shù)實(shí)現(xiàn)案例，分享美團(tuán)大眾點(diǎn)評(píng)數(shù)據(jù)應(yīng)用團(tuán)隊(duì)在這個(gè)方向上的一些嘗試和實(shí)踐經(jīng)驗(yàn)。

在介紹數(shù)據(jù)體系和框架前，為了方便大家理解，先簡(jiǎn)單闡述一下O2O營(yíng)銷(xiāo)的基本組成：O2O營(yíng)銷(xiāo)是由營(yíng)銷(xiāo)發(fā)生的渠道（站內(nèi)，站外）與營(yíng)銷(xiāo)的主題業(yè)務(wù)（流量，交易）兩個(gè)維度組成的，其中產(chǎn)生了多種營(yíng)銷(xiāo)的形態(tài)，如精準(zhǔn)化用戶營(yíng)銷(xiāo)活動(dòng)、DSP的精準(zhǔn)投放、渠道價(jià)值排名和反作弊等，數(shù)據(jù)分析和挖掘在這些環(huán)節(jié)都能發(fā)揮很大的價(jià)值。本文主要闡述站內(nèi)的精準(zhǔn)化用戶營(yíng)銷(xiāo)活動(dòng)。

一個(gè)站內(nèi)用戶運(yùn)營(yíng)活動(dòng)的生命周期大概可以歸納為：確定目標(biāo)、選取活動(dòng)對(duì)象、設(shè)計(jì)活動(dòng)方案、活動(dòng)配置與上線、線上精準(zhǔn)營(yíng)銷(xiāo)與動(dòng)態(tài)優(yōu)化以及效果監(jiān)控與評(píng)估六個(gè)環(huán)節(jié)。如下圖所示。


在這個(gè)周期中，數(shù)據(jù)都有巨大的發(fā)揮空間與價(jià)值。我們?cè)陧?xiàng)目啟動(dòng)后與業(yè)務(wù)充分溝通，了解其業(yè)務(wù)痛點(diǎn)，確定一期主要嘗試從數(shù)據(jù)上幫助運(yùn)營(yíng)和財(cái)務(wù)同事解決以下幾個(gè)問(wèn)題： ① 營(yíng)銷(xiāo)活動(dòng)前：確定目標(biāo)和選取活動(dòng)對(duì)象 ② 營(yíng)銷(xiāo)活動(dòng)中：效果監(jiān)控和跟蹤；用戶和商戶端策略的輸出 ③ 營(yíng)銷(xiāo)活動(dòng)后：效果評(píng)估和優(yōu)化建議

對(duì)于①的目標(biāo)確定，以前更多是拍腦袋決定，缺乏一套穩(wěn)定的分析框架和模型。而活動(dòng)對(duì)象，包括用戶和商戶/團(tuán)單選取，需要業(yè)務(wù)和BI同學(xué)每次人工跑數(shù)據(jù)得出，效率低下。 而對(duì)②和③，更是缺乏一套公司的營(yíng)銷(xiāo)監(jiān)控平臺(tái)，時(shí)常出現(xiàn)預(yù)算花超不可控的情況。活動(dòng)結(jié)束后，效果數(shù)據(jù)也是各個(gè)業(yè)務(wù)方自己給出，口徑不一致導(dǎo)致難以整體評(píng)估效果。

基于上述的業(yè)務(wù)場(chǎng)景和需求，我們用分層的金字塔架構(gòu)設(shè)計(jì)了一套營(yíng)銷(xiāo)數(shù)據(jù)系統(tǒng)和服務(wù)，有效滿足了業(yè)務(wù)的訴求并具有很好的平臺(tái)擴(kuò)展性。

最底層是我們的數(shù)據(jù)倉(cāng)庫(kù)和模型層，這里又大致可以分為三個(gè)主題：畫(huà)像，運(yùn)營(yíng)和營(yíng)銷(xiāo)，流量。這三個(gè)都是運(yùn)營(yíng)活動(dòng)必不可少的數(shù)據(jù)組成部分。 對(duì)于畫(huà)像，我們的做法是部分自主建設(shè)，同時(shí)集成業(yè)務(wù)方如搜索、廣告和風(fēng)控團(tuán)隊(duì)開(kāi)發(fā)的畫(huà)像標(biāo)簽，形成統(tǒng)一的畫(huà)像寬表。目前我們的用戶標(biāo)簽體系覆蓋了包括：基本信息、設(shè)備信息、消費(fèi)瀏覽以及特征人群等5個(gè)大類的180多個(gè)標(biāo)簽。在標(biāo)簽的實(shí)現(xiàn)上，我們也秉承從需求出發(fā)的原則逐步迭代，從最初的以統(tǒng)計(jì)和基本的營(yíng)銷(xiāo)模型如RFM為主，到現(xiàn)在在潛在用戶挖掘和用戶偏好上開(kāi)始探索使用機(jī)器學(xué)習(xí)的挖掘方法。

在營(yíng)銷(xiāo)運(yùn)營(yíng)集市上，我們與財(cái)務(wù)和支付系統(tǒng)協(xié)作，開(kāi)發(fā)了一套公司預(yù)算流水號(hào)系統(tǒng)。運(yùn)營(yíng)人員在配置活動(dòng)時(shí)，從財(cái)務(wù)申請(qǐng)預(yù)算流水號(hào)，并在優(yōu)惠后臺(tái)配置與對(duì)應(yīng)活動(dòng)關(guān)聯(lián)，用戶享受優(yōu)惠的每一筆訂單都會(huì)在業(yè)務(wù)表中進(jìn)行打點(diǎn)，做到在最細(xì)粒度上的預(yù)算監(jiān)控。同時(shí)在用戶、商品等維度建模后，形成了營(yíng)銷(xiāo)交易評(píng)估的指標(biāo)體系：新用戶成本，新老用戶分布，7天、30天購(gòu)買(mǎi)留存等。

活動(dòng)評(píng)估的另一個(gè)維度就是流量：活動(dòng)頁(yè)的點(diǎn)擊、轉(zhuǎn)化漏斗、不同渠道來(lái)源等指標(biāo)是運(yùn)營(yíng)人員無(wú)時(shí)無(wú)刻不關(guān)心的，這部分模型作為數(shù)據(jù)中心數(shù)據(jù)倉(cāng)庫(kù)中核心的一環(huán)。我們參考了其他公司的做法，建立了自己的PV、UV、Session以及路徑樹(shù)轉(zhuǎn)化等模型，可以很好地滿足運(yùn)營(yíng)需求。

在數(shù)據(jù)倉(cāng)庫(kù)之上，我們建立了數(shù)據(jù)服務(wù)層。在統(tǒng)一使用公司高性能的RPC框架之上，針對(duì)不同的應(yīng)用選擇了差異化的數(shù)據(jù)存儲(chǔ)和查詢引擎。比如在畫(huà)像服務(wù)中，需求是滿足線上業(yè)務(wù)系統(tǒng)的實(shí)時(shí)訪問(wèn)需求，要求毫秒級(jí)的并發(fā)和延遲，因此我們選用了Redis作為存儲(chǔ)。而相較之下，分析類產(chǎn)品對(duì)并發(fā)和延遲要求相對(duì)較低，但對(duì)數(shù)據(jù)在不同維度上的聚合操作要求較高，在對(duì)比了Kylin、ElasticSearch（以下簡(jiǎn)稱ES）、Druid后，我們決定使用ES作為存儲(chǔ)和查詢引擎，主要有2個(gè)理由：一是我們有留存等指標(biāo)，需要重刷數(shù)據(jù)，而對(duì)于Kylin來(lái)說(shuō)，無(wú)法使用其提供的自動(dòng)增量cube機(jī)制，重建數(shù)據(jù)代價(jià)較大，同時(shí)ES在同樣的維度上，空間膨脹度上比Kylin少近一半；二是ES整個(gè)系統(tǒng)設(shè)計(jì)和架構(gòu)非常簡(jiǎn)潔，運(yùn)維方案簡(jiǎn)單，也有專門(mén)的工具支持，對(duì)于當(dāng)時(shí)沒(méi)有專職運(yùn)維的開(kāi)發(fā)團(tuán)隊(duì)來(lái)說(shuō)是一個(gè)捷徑。

最上層是數(shù)據(jù)產(chǎn)品和應(yīng)用，針對(duì)前面提到的運(yùn)營(yíng)活動(dòng)的不同階段提供數(shù)據(jù)平臺(tái)和工具： * 人群分析平臺(tái)（Hoek）：用戶可以通過(guò)選擇畫(huà)像服務(wù)提供的不同的標(biāo)簽組合快速創(chuàng)建人群包，創(chuàng)建的人群包可以提供給其他不同業(yè)務(wù)和形態(tài)的營(yíng)銷(xiāo)工具，如push，促銷(xiāo)工具等。* 智能發(fā)券引擎（Cord）：通過(guò)配置后臺(tái)和Hoek平臺(tái)，運(yùn)營(yíng)人員就可以完成定向活動(dòng)受眾和策略的配置，而無(wú)需開(kāi)發(fā)接入。具體細(xì)節(jié)在后面的案例分享中再詳細(xì)介紹。* 云圖/星圖：完成活動(dòng)效果數(shù)據(jù)查詢和分析的工具平臺(tái)，構(gòu)建基于ES的查詢引擎，提供多維度的實(shí)時(shí)指標(biāo)查詢。

除了系統(tǒng)化的建設(shè)外，在運(yùn)營(yíng)活動(dòng)的迭代中，我們與業(yè)務(wù)合作，進(jìn)行了大大小小20多個(gè)專題分析，產(chǎn)出了包括閃惠預(yù)算動(dòng)態(tài)分配、閃惠立減梯度優(yōu)化、用戶價(jià)值分以及免費(fèi)吃喝玩樂(lè)選單等主題模型。幫助業(yè)務(wù)提高預(yù)算使用率30%，同時(shí)更好地評(píng)估拉新帶來(lái)的用戶價(jià)值。

整體的架構(gòu)最終是為精準(zhǔn)化營(yíng)銷(xiāo)服務(wù)，下面就結(jié)合兩個(gè)案例具體介紹。

案例分享

外賣(mài)潛在用戶挖掘

精準(zhǔn)營(yíng)銷(xiāo)一個(gè)主要的方向就是潛在客戶挖掘，特別是在點(diǎn)評(píng)這個(gè)平臺(tái)上，目前已有包括美食、外賣(mài)、麗人、教育等近20個(gè)業(yè)務(wù)，如何在平臺(tái)近一億的活躍用戶中挖掘垂直頻道的潛在用戶就成了精準(zhǔn)化營(yíng)銷(xiāo)的一個(gè)很現(xiàn)實(shí)的問(wèn)題。Facebook和騰訊的廣告系統(tǒng)都提供類似的Lookalike功能，幫助客戶找出和投放人群相似的用戶群，其廣告的點(diǎn)擊率和轉(zhuǎn)化率都高于一般針對(duì)廣泛受眾的廣告。

目前常用的潛在用戶挖掘方案主要就是基于畫(huà)像或者關(guān)系鏈的挖掘，我們團(tuán)隊(duì)從需求出發(fā)，結(jié)合點(diǎn)評(píng)的畫(huà)像體系從關(guān)聯(lián)規(guī)則、聚類和分類模型三個(gè)算法上進(jìn)行了探索。對(duì)比效果如下：


未來(lái)我們除了在分類和聚類上進(jìn)一步優(yōu)化外，還計(jì)劃利用點(diǎn)評(píng)好友關(guān)系，使用Spark的GraphX建立標(biāo)簽傳播的算法進(jìn)一步深挖高質(zhì)量的相似用戶。

微信紅包精準(zhǔn)優(yōu)惠券引擎

另外一個(gè)精準(zhǔn)營(yíng)銷(xiāo)的案例是智能發(fā)券引擎Cord，背景是點(diǎn)評(píng)會(huì)在微信群/朋友圈中用紅包發(fā)各種優(yōu)惠券，當(dāng)好友來(lái)領(lǐng)券時(shí)，如何決定發(fā)哪個(gè)業(yè)務(wù)什么面值的券更容易轉(zhuǎn)化。本質(zhì)上是一個(gè)簡(jiǎn)化的推薦問(wèn)題，我們也參照廣告系統(tǒng)的架構(gòu)設(shè)計(jì)了Cord引擎。主要包含分流模塊（用于灰度發(fā)布和AB測(cè)試）、召回模塊（負(fù)責(zé)從畫(huà)像服務(wù)和優(yōu)惠配置系統(tǒng)獲取人和券的物料信息）、過(guò)濾模塊（負(fù)責(zé)進(jìn)行兩者的匹配）、推薦模塊（可以根據(jù)業(yè)務(wù)規(guī)則或者我們挖掘的策略對(duì)結(jié)果進(jìn)行排序，返回給活動(dòng)系統(tǒng)最合適的優(yōu)惠券進(jìn)行發(fā)放）。整個(gè)系統(tǒng)實(shí)現(xiàn)完全服務(wù)化和可配置化，外部的活動(dòng)系統(tǒng)可以根據(jù)配置的開(kāi)關(guān)啟用或者在特殊場(chǎng)景下禁用Cord服務(wù)；而Cord內(nèi)部，也可以根據(jù)配置中心的設(shè)置，動(dòng)態(tài)調(diào)整推薦策略。在數(shù)據(jù)挖掘上，目前除了業(yè)務(wù)配置規(guī)則外，我們針對(duì)公司主流的運(yùn)營(yíng)方式，基于畫(huà)像中的用戶偏好和優(yōu)惠敏感等標(biāo)簽進(jìn)行綜合打分，抽象了以GMV為目的和以拉新用戶為目的的推薦策略。

精準(zhǔn)營(yíng)銷(xiāo)是目前大數(shù)據(jù)落地的一個(gè)公認(rèn)的場(chǎng)景，但隨著移動(dòng)互聯(lián)網(wǎng)和O2O的發(fā)展，這一領(lǐng)域也會(huì)有新的問(wèn)題和挑戰(zhàn)出現(xiàn)。結(jié)合我們這一年多的實(shí)踐經(jīng)驗(yàn)，團(tuán)隊(duì)也歸納了一套數(shù)據(jù)系統(tǒng)架構(gòu)的設(shè)計(jì)原則： * 在數(shù)據(jù)架構(gòu)和建設(shè)上，從需求出發(fā)，建立準(zhǔn)確和易用的數(shù)據(jù)底層模型，統(tǒng)一指標(biāo)體系和口徑。 * 在數(shù)據(jù)服務(wù)上，通過(guò)分層和SOA的思想，解耦與業(yè)務(wù)系統(tǒng)的邏輯。同時(shí)針對(duì)不同需求和場(chǎng)景選擇適合的技術(shù)組件。

展望未來(lái)，在數(shù)據(jù)上如何快速地進(jìn)行挖掘模型的開(kāi)發(fā)，在架構(gòu)和產(chǎn)品上滿足更多場(chǎng)景，讓數(shù)據(jù)在營(yíng)銷(xiāo)上發(fā)揮更大的價(jià)值，是下一步的重點(diǎn)方向。

總結(jié)

以上是生活随笔為你收集整理的数据驱动精准化营销在大众点评的实践的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。