- 教育培訓行業精準化營銷智能解決方案（連載一）
- 教育培訓行業精準化營銷智能解決方案（連載三）
三、解決方案詳述
3.1用戶畫像
建立用戶信息的統一視圖數據庫，按照教育培訓行業特征建立行業用戶重點關注維度和各維度內的深度數據，同時從實際應用場景出發對用戶數據進行分析，建立針對不同應用場景的三類標簽：事實、模型、預測。從而使得一個用戶在不同應用場景下能夠以所標簽的信息被形象展示。
3.2用戶統一畫像模型建設及步驟
3.2.1基于企業現有數據整合和完善，通過6個維度的事實信息來描述用戶，建立用戶的基礎維度和各維度的不同層級的信息：
- 用戶基本屬性
- 用戶關聯關系
- 用戶興趣偏好
- 用戶價值信息
- 用戶風險信息
- 用戶營銷信息
如下圖所示：
（圖3-2）
3.2.2 基于用戶信息建立6個維度的服務目標和基于事實用戶信息的目標維度標簽，更準確描述客戶在各個目標維度的定位和狀態。
- 營銷增強
- 客戶洞察
- 渠道優化
- 產品創新
- 風險防范
- 運營提升
通過大數據處理分析工具來分類客戶的事實標簽，實現客戶畫像的第一步分析，初步實現用戶畫像。
- 基于用戶的基本事實，結合企業業務及教育行業的獨有的特征，對于用戶做合并分類，形成客戶畫像與客戶群體屬性，如下圖所示：
（圖3-3）
3.2.3基于客戶的瀏覽興趣與購買數據，結合模型如LTV、RFM等通過分析工具計算客戶的模型標簽，實現客戶畫像的第二步分析，實現用戶商業價值畫像。
- 新客戶的獲得成本
- 存量客戶生命周期價值
- 存量客戶的交叉銷售價值
- 存量客戶的再激活價值
- ……
（圖3-4）
3.2.4 基于用戶基本畫像與模型畫像，通過大數據機器學習算法(如貝爾斯、邏輯回歸等)來進行用戶預測與完善反饋，實現更精準的推廣分配，提高運營效率，如下圖所示：
- 推廣的到校試課概率評估
- 新客戶的生命周期價值評估
- ……
（圖3-5）
3.3統一畫像標簽完整過程
基于企業現有數據，定期通過工具從數據庫與Web日志采集原始數據，然后生成標簽模型并持續優化。
（圖3-6）
- 基本畫像標簽：從數據庫一次性導入。同時制定定期采集規則，當客戶信息通過CRM更新時，將更新記錄直接復制到基本畫像標簽的更新，以便預測優化。
- 營銷畫像標簽：
- 需求標簽：從數據庫一次性導入。同時制定定期采集規則，當座席采集客戶需求并通過CRM更新時，將更新記錄直接復制到需求畫像標簽的更新，以便預測優化。
- 營銷活動標簽：從數據庫一次性導入。同時制定定期采集規則，當推廣采集客戶名單并通過CRM更新時，將更新記錄直接復制到營銷畫像標簽的更新，以便預測優化。
- 價值畫像標簽：從數據庫一次性導入。同時制定定期采集規則，當成單信息通過CRM更新時，將更新記錄每晚進行計算新商業價值統計，將新變量更新到價值標簽以便預測優化。
- 興趣畫像標簽：興趣畫像原數據的瀏覽日志解析處理比較復雜，需要進行URL的識別、IP的識別、User Agent的識別、Referrer搜索關鍵詞的識別等。處理流程的設計采用了流水化的串行和并行設計，內部解析采用組件化流水化處理，不同組件之間的數據采用共享大內存的方式，避免在不同的處理組件之間進行數據落地，重復的進行數據寫出和讀入，提高數據處理的效率。同時使用統一的數據模型，統一的數據存儲。如下圖所示，使用ExceedData平臺模塊化的集成、處理、分析、以及應用機器智能算法可以大大節省存儲資源，提供解析的效率。
（圖3-7）
3.4用戶數據在業務環節中的共享
通過一套開放的應用之間采用開放的應用接口（API）實現用戶信息在市場、客服、門店營銷、培訓中心等各系統中的共享互通。API為統一標準，為各個應用數據系統，設置未來外部數據接入，提供統一的數據接收（get）與采集（post）接口，如下圖所示。
- 支持主流的接口協議，如REST；
- 支持直接采集主流數據庫數據，支持的數據庫包括：oracle、mysql、sqlserver等，直接使用jdbc客戶端命令方式從數據庫獲取數據。
- 支持分布式數據源調度，支持多數據源間的訪問連接。
- 采用參數驅動的設計思想，在API中，凡是不能確定的因素做到參數化，以達到通過對參數的設置就可適應不同的情況及不同時期的應用要求。
（圖3-8）
通過API對數據流通的支持與一致化視角，提供全面、整合的分析能力幫助企業英語提升復雜流程下的高性能分析，快速建立專注于客戶的凝聚力，借助大數據分析改善運營效益。
（未完，請待下期連載，意向者可搜索匡衡軟件咨詢）
