More Related Content
Similar to Online office martech
Similar to Online office martech (20)
More from FEG
More from FEG (20)
Online office martech
- 1. 客戶動向預測 X 自動化行銷應用 X AI科技幫忙企業實現數據驅動 2019-12 Orozco Hsu (徐凡耘)
- 2. 微風之夜 ➢ 線上線下整合，利用 FB 結合 AI 圖片辨識技術的行銷活動 推薦 名單 傳送 FBX FB 拍照 兌換 券 客戶資料平台 渠道整合 AI 技術 行銷活動
- 3. 新問題的挑戰 ➢ 客戶更即時的需求 ⚫ 透過數據資料解讀客戶的數位行為軌跡 ➢ 結合社群網路(開放資料) ⚫ 客戶討論什麼樣的議題、喜好偏好、打卡地點 ➢ 整合線上線下銷售資料 ⚫ 客戶購買什麼樣的產品、銷售時間、金額、店點 ⚫ 客戶畫像 ➢ 多渠道客戶接觸渠道 ⚫ 傳統型、社群媒體
- 4. 整合線上線下 分析平台 1. 數據採集 2. 數據整合 3. 數據標籤 4. 客戶資料平台 5. 應用場景
- 5. 科技為行銷效能加分 客戶資料採集是缺一不可的技術 ➢ MarTech 之父 Scott Brinker ⚫ 結合行銷、科技、管理的 MarTech (行銷科技)將是未來行銷的主流趨勢！ ➢ 借力AI科技深化顧客足跡洞察、實現自動化行銷 ⚫ 行銷人贏下了時間，進而尋求持續成長的突破口
- 6. Google 不僅存儲了搜索關鍵字，也儲存了客戶點選的結果 ➢ Google 精準地記錄下客戶進行搜索行為的時間、內容和方式 ➢ 所有網路行為都會留下痕跡路徑，Google 占領了一個絕佳的位 來捕捉和分析
- 7. Google 數據 + 演算法 ➢ 輸入 ⚫ 使用者輸入搜尋關鍵字 ➢ 網頁查詢 ⚫ 每個網頁有一個 PageRank 值 ➢ 輸出 ⚫ 排序每個網頁的 PageRank 值，並且輸出 ⚫ 針對使用者 (Cookie) 行為貼標 參考: https://zh.wikipedia.org/zh-tw/PageRank
- 8. Amazon 各個業務環節都離不開「數據驅動」的身影 ➢ 從每個客戶的瀏覽、購買行為中獲得資料 ⚫ 頁面停留時間 ⚫ 客戶是否查看評論 ⚫ 每個搜索的關鍵詞 ⚫ 瀏覽的商品 ➢ 在亞馬遜上買過東西的朋友可能對它的推薦功能都很熟悉 ⚫ 買過X商品的人，也同時買過Y商品的推薦功能看上去很簡單，卻非常有效
- 9. Amazon Also buy + Also view ➢ 當購買啤酒也同時買冰桶的 機率，數值越大越好 ➢ 購買啤酒的前提下，也購買 冰桶的機率，數值越大越好 ➢ 單獨購買冰桶的機率與前的 比值，數值越大越好
- 10. 數據採集 全埋點策略 ➢ Web 埋碼 ➢ APP 埋碼 ⚫ Android SDK ⚫ iPhone SDK
- 11. 數據採集 Web 資料樣貌 ➢ 數位訪客 Cookie ➢ 甚麼時候來 ➢ 從甚麼地方來 (UTM) ➢ 從哪裡來 (IP) ➢ 用甚麼裝置 (行動裝置、電腦、瀏覽器) ➢ 訪問網頁 (URL) 參考: https://www.awoo.com.tw/blog/utm/
- 12. 數據採集 APP 資料樣貌 ➢ 客戶的設備 ⚫ 型號 ⚫ 運營商 ⚫ OS 版本 ⚫ 語言 ⚫ 地理位置 ⚫ 安裝什麼APP ⚫ 上網方式 (4G or Wifi） ➢ 開啟自有APP的次數、時間、開啟多久、在哪裡打開 參考: https://apps.apple.com/tw/app/%E9%81%A0%E6%9D%B1%E5%B7%A8%E5%9F%8E/id1303474643?l=en
- 13. 數據採集 小結 1 2 3 4 5 Web 資料特性: 以瀏覽器行為為主、透過 Web-View 與 APP 互動 APP 資料特性: 上下架較 Web 麻煩 (耗時、安全性檢查) 大小網結合: 透過登入系統 (Member ID) 整合 客戶會員資料回溯: 一旦登入後，要回溯 Unknown 的行為資料 會員客戶與數位訪客差別: 各有不同的策略
- 14. 整合線上線下 分析平台 1. 數據採集 2. 數據整合 3. 數據標籤 4. 客戶資料平台 5. 應用場景
- 15. 數據整合 系統架構 客戶資料平台 (CDP) 數位訪客資料庫 (DMP) Web APP 線上行為數據 線下銷售數據 客戶識別對應表 開放數據 參考: https://en.wikipedia.org/wiki/Data_management_platform 參考: https://en.wikipedia.org/wiki/Customer_data_platform
- 16. 數據整合 整合不同ID、擴大資料Base ERP 系統 (企業統一ID) • User-ID 自家 Cookie • Cookie-ID 第三方埋碼 Cookie • Cookie-ID CRM 系統 • Email、地址、手機 Facebook 平台 • FB-ID Line 平台 • Line-ID 移動裝置 (手機) • Device-ID
- 17. 數據整合 小結 1 2 3 4 5 明確底層數據儲存方式: 本地端、雲端 性能與擴展性: 資料流量大小決定集中式或分散式系統 資料結構設計 (schema) 須符合實際業務需求 重用性高: 不會因為新資料的引入而疊床架屋 數據控管性高: 數據規則可以在數據載入與轉換，確保數據控管 參考: https://en.wikipedia.org/wiki/Star_schema 參考: https://zh.wikipedia.org/wiki/ETL
- 18. 整合線上線下 分析平台 1. 數據採集 2. 數據整合 3. 數據標籤 4. 客戶資料平台 5. 應用場景
- 20. 數據標籤 基礎標籤 (該公司主要幫 EC 進行埋碼進行合法之數據採集 (cookie-base)，不同於自家網站埋碼) 自家網站 (全埋點) A網站 B網站 C網站 第三方數據公司(開放數據) Cookie Cookie Cookie Cookie 標籤1 標籤2 標籤3 標籤4 標籤5 標籤6 標籤1、標籤2、標籤3、標籤4、標籤5、標籤6 個資的採集: 客戶同意下，有限度的收集與明確告知該資料用範圍
- 22. 數據標籤 基礎標籤 (AI/ML/DL影像辨識x自然語言處理) 更了解客戶的 Life style，Know Your Customer (KYC) 生子 買車/買房 畢業/入學 結婚 轉職/升遷 疾病/健康 太子油飯 保險需求 … 貸款需求 露營需求 … 補習需求 夏令營需求 … 蜜月旅行 結婚送禮 … 喜慶餐宴 結婚送禮 … 保險理賠 醫院健檢 …
- 23. 數據標籤 模型標籤 (RFM模型) ➢ 在已知數據情況下，透過數據模型產生出更多的行為標籤 客戶標籤 參考: https://en.wikipedia.org/wiki/RFM_(customer_value) 最近一次消費(Recency) 消費頻率(Frequency) 消費金額(Monetary)
- 24. 數據標籤 模型標籤 (BG-NBD模型) ➢ 模型產出 ⚫ 個別客戶活耀機率(切級距，高中低) ⚫ 個別客戶未來 t 期的購買次數趨勢 (未來趨勢) ➢ 個別客戶活耀機率 vs. 總購買金額分析 ⚫ 當某客戶重複購買次數高、最後一次購買時間點近、消費金額高，但客 戶活耀程度相對其他人低 參考: https://ir.nctu.edu.tw/bitstream/11536/43052/1/752501.pdf 行銷人員透過 persona 分析了解該客群，並制定客製化的行銷計畫， 以維持長久交易關係 利用 80/20 法則檢視高活耀機率客戶的貢獻度是否合乎 80% 的總貢 獻度客戶價值區隔，好好維繫這類客戶，並設計客製化行銷計畫
- 27. 數據標籤 小結 1 2 3 4 5 標籤體系為專業理論與行銷特性於一身，基於客戶出發點的 SIVA 模式 應用大數據要先開槍，後瞄準。讓數據找到機會! 參考: https://www.cw.com.tw/article/article.action?id=5065230 大數據標籤進行生命周期和動態管理 大數據標籤透過行為數據採集、數據模型等進行維度篩選和閥值設定 大數據標籤輔助傳統標籤: 大數據標籤從客戶出發，更多 Life style 參考: https://kknews.cc/zh-tw/career/aljev4j.html
- 28. 整合線上線下 分析平台 1. 數據採集 2. 數據整合 3. 數據標籤 4. 客戶資料平台 5. 應用場景
- 29. 客戶資料平台 自有數據、客戶取數 購買3C 台北市 ➢ 名單條件 ⚫ 一群住在台北市的客戶 ⚫ 且 11/11~11/17 日曾經於實 體店面購買3C ⚫ 且 11/11~11/17 日曾經參加 過線上APP抽獎遊戲至少 3 次 以上 ⚫ 且 11/11~11/17 日曾經到官 網瀏覽並且加入商品至購物車
- 30. 客戶資料平台 進行該客群畫像 (Persona) 分析 分布於 20 ~ 40 居多 青年居多 男性居多
- 31. 客戶資料平台 個別客戶畫像 (Persona) 分析 性別: 女性 星座: 金牛座 年齡: 20~30 歲 學歷: 大學以上 居住地: 北部 Chatbot: 三個月內，曾抱怨APP使用不佳1次以內
- 33. 客戶資料平台 多渠道的接觸選擇 (社群媒體為例) 客戶取數 ➢ 利用客戶資料平台，進行客戶取數產生名單 ➢ 名單挑選考量多層次、多步驟混合方式進行 透過Digital ID用戶， FB Massager 的唯一值 須擁有以下資料任一 • 電子郵件 • 行動電話 透過Digital ID用戶，官方 帳號的唯一值 須擁有以下資料任一 • 電子郵件 • 行動電話 • 住址 • 行動裝置 Mobile Device ID 客戶可訂閱機器人服務 透過活動自動化行銷識別用戶溝通 • 指定粉絲團粉絲 • 受眾關係鏈 (look-alike) • 興趣/地點/語言/年齡/感情 狀況等類別 • 利用 AI 智慧型投遞 • 透過LINE後台可做基礎，男女年 齡等分眾篩選投遞訊息 • 也可購買LINE LAP廣告，做加入 官方帳號的廣告或LINE Today與 貼文串廣告 • Youtube • Google聯播網 • Gmail • Google 搜尋 • Google購物 參考: https://www.linebiz.com/tw/service/line-ads-platform/
- 34. 客戶資料平台 小結 1 2 3 4 5 完整記錄客戶相關資料、並提供快速查詢功能，以提高工作效率 善用企業保貴的數據資產，提供多渠道 API 接口以利其他系統串接 提供簡單系統操作與自助服務以降低門檻，如: 名單一鍵匯出至 CRM 快速整合結構非結構化資料，從月批次到近即時的數據採集 提供客戶畫像服務，針對不同客戶族群量身訂做不同行銷策略 參考: https://www.finereport.com/tw/knowledge/acquire/what-is-data-middle-platform.html
- 35. 整合線上線下 分析平台 1. 數據採集 2. 數據整合 3. 數據標籤 4. 客戶資料平台 5. 應用場景
- 37. 應用場景 市場營銷部 ➢ 透過客戶取數、客戶畫像，細分人群並且制定合理的營銷策略 ➢結合線上線下資料 ⚫ 透過行銷名單進行目標客群接觸 ⚫ 結合開放數據，擴大客戶資料base ➢ 透過 Web、APP 埋碼，利用網頁、APP互動手法提高轉化率 ➢ 統一分析、調整與優化，進行追蹤、再行銷策略
- 38. 應用場景 客戶資料平台產生客戶接觸名單 官網埋碼 APP埋碼 開放數據 營銷活動 數位訪客 Digital ID Mapping 客戶 資料平台 CDP 數位訪客行為記錄 客戶人群 (畫像分析) 排序與過濾 評估 客戶名單 銷售 系統 訂單 接觸記錄 提 升 精 準 度 營銷數據描述 營銷數據 會員等級 居住地 瀏覽商品 常貴客 … 1 2 3 4 5 6 搭配客戶評分 模型建模
- 39. 應用場景 擬定客戶資料平台進行持續追蹤、再行銷策略 官網埋碼 APP埋碼 開放數據 營銷活動 1. 傳統型 (簡訊、email、郵寄…) 2. 多渠道API 調用 (社群媒體、廣告、chatbot) 數位訪客 Digital ID Mapping 客戶 資料平台 未回應 名單 CDP 數位訪客行為記錄 營銷記錄註記 (已讀未回) 1 2 4 渠道 選擇 3 客戶偏好渠道與成本計算 會員等級 (高中低) …. 持 續 追 蹤 ， 再 行 銷
- 40. 應用場景 再次廣告曝光，牢牢抓住客戶眼球 ➢ 即時互動 web ⚫ 針對站內特定廣告版位 ⚫ 特定客戶(目標客戶)看推薦的廣告 再次推銷化妝品商品一般數位訪客