标签如何帮助B2B营销服务客户.docx

上传人:hs****ma 文档编号:547987926 上传时间:2023-06-13 格式:DOCX 页数:6 大小:95.53KB
返回 下载 相关 举报
标签如何帮助B2B营销服务客户.docx_第1页
第1页 / 共6页
标签如何帮助B2B营销服务客户.docx_第2页
第2页 / 共6页
标签如何帮助B2B营销服务客户.docx_第3页
第3页 / 共6页
标签如何帮助B2B营销服务客户.docx_第4页
第4页 / 共6页
标签如何帮助B2B营销服务客户.docx_第5页
第5页 / 共6页
点击查看更多>>
资源描述

《标签如何帮助B2B营销服务客户.docx》由会员分享,可在线阅读,更多相关《标签如何帮助B2B营销服务客户.docx(6页珍藏版)》请在金锄头文库上搜索。

1、标签如何帮助B2B营销服务客户为了提升营销效率,我们需要更清晰地认识到我彳门服务的客户对方,他们是谁及 他们的意图。这个时候,用户标签就排上了用场,通过从用户信息中抽取出用于说明用户特征 的结构化数据,通常是认为规定的特征标识,用于高度精炼的特征进行描述,是 对线索的定性分析数据O主要作用体现在第一,标签可以使原本无法描述、搜索和定位的数据也可以被描 述、搜索和定位;第二,不同的标签有不同的权重,有助于后续的线索打分,且 能满足个性化需求;第三,通过标签可以将信息之间建立某种联系,最终为海量 信息建立起相互关联的信息网。针对标签的不同类型:事实型标签、分析型标签、预测型标签,其中事实型标签、

2、分析性标签是客观存在的,属于统计型画像,而预测型画像更强调预测的准确度。_、事实型标签事实型标签,即根据用户的事实型行为打标签可以通过4W着手即who(谁X when (什么时候) where (在哪里) what (做了什么)。1- who (谁)who (谁),即用户识别,其目的是为了区分用户。互联网主要的用户识别方式包括Cookie、注册ID、微信微博、手机号等,获取 方式由易到难,不同企业的用户信息数据化程度有所不同,用户识别的方式也可 按需选取。对于高客单价企业,进入到线索阶段后,一般已经具有了基本人口统计、公司信 息、BANT信息,用户识别相对简单。2. when (时间)when

3、 (时间),这里的时间包含了时间跨度和时间长度两个方面。时间跨度”一般指以天为单位计算的时长,指某行为自发生到现在间隔了多长 时间;时间长度贝为了标识用户在某一页面的停留时间长短。在用户行为中,普遍认为近期发生的行为更能反映用户当下的特征,因此过往行 为将表现为在标签权重上的衰减,即所谓的时间衰减因子,如图所示。在哪儿做了什么活动直播权垂3. where (在哪里)where (在哪里),就是指用户发生行为的接触点,里面包含内容和网址。内容是指用户所作用对象标签;网址则指用户行为发生的具体地点。内容决定标签,网址决定权重。4. what (做了什么)what (做了什么),就是指用户发生了怎样

4、的行为,即用户的行为类型,例如 线上搜索、微信阅读、观看直播、参加线下活动、下载电子书、产品试用等,根 据行为的深入程度添加权重。4W着手,可以简单勾画出一个用户行为的标签权重公式:标签权重=时间衰减 (何时)X网址权重(何地)X行为权重(做什么)。举个直观的例子,B用户今天在产品页面试用了产品”反映出的用户标签可能 是”获客;而A用户一周前在微信收藏了内容营销类文章”反映出的标签可 能只是内容营销0.448”,如图所示,这些不同用户的标签及相应的权重将在 后续的营销决策中发挥指导作用011:标签、: :一周前1微信图文收藏了:内容营销:1 ft, 一21 r1:0.8 x1110.8 x0.

5、7 =;:0.448 :1 , 111.:今天产品页面试用厂获客111:1X1X1 =1111 : : !二分析型标签分析型标签,是对于线索数据的进一步加工。最典型的方式是RFM模型,即从最近一次消费R ( recency)、消费频率F(frequency)、消费金额M ( monetary)这三个维度分析某一个潜在用户的价值。1.最近一次消费R即用户最近一次的购买时间。消费时间最近的用户是最有可能对提供的商品或服 务有反应的群体。离上一次购买很近的用户,人数如增加,则表示该公司是个稳健成长的公司;反之则要有所预警。2.消费频率F即用户在限定期间内所购买的次数。最常购买的用户,也是满意度最高的

6、用户。如果相信品牌及商店忠诚度的话,最常购买的用户,忠诚度也最高。增加用户购买的次数意味着从竞争对手处偷取市场占有率。3.消费金额M即用户的购买金额,可分为累积购买及平均每次购买。消费金额是所有数据库报 告的支柱,也可以验证帕累托法则”一公司80%的收入来自20%的用户3个变量可以用三维坐标系进行展示,x轴表示recency , y轴表示frequency , z轴表示monetary ,坐标系的8个象限分别表示8类用户/可以用图4-6进行 描述。三、预测型标签预测型标签需要基于事实型标签和分析型标签做出预测。预测型标签的生产流程:特征抽取一监督学习一样本数据一评估一标签产出,是经典的机器学习

7、流程,在设计标签时要注意以下几点:尽量窄化范围,减少某个标签可能的意义范围。标签要统一:风格一致,如活泼的或严肃的;版面样式一致,字体、字号、颜色、 空白、分组方式一致,视觉上强化标签群组的系统性本质;语法一致,名词餐 厨”,动词做饭等同一层级不要混用。易理解:标签所指示的系统范围应该能够让人充分理解,有助于用户快速扫描, 推论出应用所提供的内容。在打标签的过程中,可以用简单的方法快速走通整个流程,然后再进行每个环节 的优化。同时,在进行线索定性过程中,要及时通过头脑风暴进行优化。相关利益者(市场部和销售部)闭门会议,展开头脑风暴。深入以下问题:目标市场是什么样的?销售人员觉得获得的销售线索数量是多了 还是少了 ?数据库现有线索的质量?转化好的线索有什么特征?什么样的线索 不受欢迎?确定好是多好:设置基准级别。确定好线索的标准,并定期审查,不断迭代培育机制。

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 商业/管理/HR > 商业计划书

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号