大數據之“用戶行為分析”(2)_數據分析師

我們看看其中的一兩個團購郵件，來分析里面的問題：

1，美食的推薦不分地域：一封郵件中，從五道口到王府井，從蘇州橋到簋街，可能有人會因為一個3折或者更低的團購感興趣，但是真的會從東五環開車去西四環嗎？

2，娛樂的推薦也有類似的問題，絲毫沒有考慮用戶的地理位置，價格等因素

3，更有甚者，不分收信人的性別，有沒有考慮可能帶來的尷尬。

其實，所有這一切現象都表明現在的團購網站在EDM的思路上，基本上還是粗曠式的，把所有客戶當作一人，徹底把電商的優勢放棄了，回到了傳統零售門店和郵寄銷售模式的階段去了。不僅如此，其實在電商的環境中這樣的EDM有時候比沒有還糟糕，因為它們恰恰帶給這些可能成為他們客戶的人們一個非常負面的用戶體驗，用長期不相關的占用大量篇幅的郵件占領用戶的郵箱，長此以往，他們離“討人嫌”只一步之遙了……，而對他們的懲罰可能是既簡單而又殘酷的，鼠標輕輕一點，他們的郵箱地址送到垃圾郵箱，從而再也無法給這個潛在的客戶推送促銷信息。

如果看看你的用戶們的垃圾郵箱，當你看到你辛辛苦苦設計的促銷直郵，規律地，全部地，在垃圾郵箱中按時報到的話，你做何感想？據專業人士分析，對一個500萬會員的電商來說，每次0.5%的退訂或者放進垃圾郵箱，意味著近100萬元的營銷費用打了水漂。

那么，團購網站應當如何做呢？個性化是最基本也是很有效的方法：

1， 對客戶進行多維度地分析：以用戶的地域、性別、年齡等人文屬性建立分析維度，把所有的團購信息進行篩選，這樣可以簡單地把EDM的相關性大幅提高，起碼用戶收到的郵件是基本在住宅、工作場所附近，和自己的普通屬性相關的，可能有一些興趣的商品。

2， 對客戶過去是否有點擊，是否有購買，購買的產品價值，購買的頻率，最近一次什么時候購買等屬性進行量化，產生客戶價值的評分，把客戶分出價值的高低，對推薦的接受難易程度作出評估，依據這些評分來決定多頻繁對該客戶進行EDM操作，以及推薦的商品的細類，以提高反饋率。

3， 對購買過商品客戶的購買記錄，以及點擊過的商品記錄進行分析，對團購的折扣比例，商品原價，折扣金額，團購時間長短，能否退款，是否單人使用，口味（餐飲類），風格等等分別打分、統計、歸類，以對客戶的可能興趣點進行“預測”，這是一個相對高級、相對復雜的過程，但是運用得好的話會收到非常良好的效果。

4， 考慮在所有推薦的商品旁邊增加一個“不喜歡”的按鈕，收集客戶不喜歡的東西對個性化推薦來說具有幾乎和喜歡的商品一樣重要的價值，假設一個客戶告訴你他不喜歡一款49元的西餐廳的雙人午餐，可能比他點擊甚至購買另外一個99元日餐雙人套餐給你透露的信息還要多。

比如我觀察到的一個比較成功的案例：一個旅游網站對客戶之前的瀏覽、搜索行為進行了跟蹤，并以此進行了有效的推薦，注意：該推薦中體現了客戶的目的地、價位、旅游訴求等多方面的需求。按照這些方法，業界專門從事EDM優化的公司可以把EDM的點擊率從傳統意義上的1%左右提高到近10%的點擊率，5000封EDM產生370個人，510個點擊，最終共產生800個訂單。

因此無論從什么角度來說，電子商務和團購都還有大量的優化空間，我相信以大數據為核心的個性化營銷則是幫助電商在這場紅海大戰中贏得戰役的利劍。