移動(dòng)互聯(lián)網(wǎng)時(shí)代中，越來(lái)越多的傳統(tǒng)行業(yè)開(kāi)始搭乘“大數(shù)據(jù)”的便車(chē)完成華麗轉(zhuǎn)身，車(chē)企就是其中典型代表。多數(shù)車(chē)企雖已建立了完善的用戶(hù)數(shù)據(jù)庫(kù)，但數(shù)據(jù)只是躺在服務(wù)器里無(wú)人問(wèn)津。而在人工智能和機(jī)器學(xué)習(xí)大行其道的今天，可以對(duì)海量用戶(hù)數(shù)據(jù)快速智能分析，對(duì)多維度用戶(hù)數(shù)據(jù)“貼標(biāo)簽”，用高效模型準(zhǔn)確計(jì)算，讓車(chē)企告別大海撈針的傳統(tǒng)營(yíng)銷(xiāo)模式。
為了探究大數(shù)據(jù)和機(jī)器學(xué)習(xí)結(jié)合的成果如何，我們此次探訪(fǎng)了一家專(zhuān)注大數(shù)據(jù)流量變現(xiàn)與智能分析的科技公司——北京比鄰弘科科技有限公司，其推出的“量江湖”大數(shù)據(jù)汽車(chē)行業(yè)解決方案正是直擊用戶(hù)痛點(diǎn)的利器。
大數(shù)據(jù)助力精準(zhǔn)營(yíng)銷(xiāo)轉(zhuǎn)化效率是以往3倍
對(duì)于車(chē)企來(lái)說(shuō)，具備“大數(shù)據(jù)”量級(jí)的用戶(hù)數(shù)據(jù)，可以說(shuō)具有一定大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)的基礎(chǔ)。但現(xiàn)實(shí)卻是另一幅場(chǎng)景。大部分車(chē)企不擅長(zhǎng)用戶(hù)篩選，只會(huì)采取傳統(tǒng)的電話(huà)推廣、郵件推廣、地推等方式粗獷地接觸客戶(hù)，對(duì)客戶(hù)的真實(shí)需求和購(gòu)買(mǎi)能力等因素缺乏準(zhǔn)確評(píng)估，很多工作都是“無(wú)用功”。
另外，采用媒體投放方式的效果同樣不理想。雖然包括了行業(yè)垂直媒體和大眾媒體，覆蓋很多受眾，但轉(zhuǎn)化率一直不高。這主要原因還是“精準(zhǔn)度”不夠，對(duì)媒體受眾缺乏了解和分析。
針對(duì)痛點(diǎn)，“量江湖”為車(chē)企提供的大數(shù)據(jù)解決方案則是利用機(jī)器學(xué)習(xí)算法對(duì)用戶(hù)數(shù)據(jù)深度挖掘，對(duì)以消費(fèi)者為中心的數(shù)據(jù)關(guān)聯(lián)體系進(jìn)行深度學(xué)習(xí)，發(fā)現(xiàn)消費(fèi)者價(jià)值，促使數(shù)據(jù)資產(chǎn)轉(zhuǎn)換數(shù)據(jù)資本，實(shí)現(xiàn)數(shù)據(jù)資本變現(xiàn)。
據(jù)市場(chǎng)總監(jiān)萬(wàn)智華介紹，以車(chē)企現(xiàn)有用戶(hù)數(shù)據(jù)為基礎(chǔ)，從中可以構(gòu)建計(jì)算模型尋找目標(biāo)客戶(hù)。以往印象中的瀏覽某些網(wǎng)頁(yè)、訂閱某個(gè)公眾號(hào)的簡(jiǎn)單行為并不足以準(zhǔn)確識(shí)別用戶(hù)是否具有購(gòu)買(mǎi)需求，而是要結(jié)合多個(gè)維度的用戶(hù)畫(huà)像數(shù)據(jù)，包括收入、消費(fèi)能力、社會(huì)地位、個(gè)人偏好等，這些數(shù)據(jù)從不同維度為用戶(hù)“貼標(biāo)簽”，匯總標(biāo)簽后利用模型進(jìn)行分析，就可以快速找到具有購(gòu)買(mǎi)能力和需求的用戶(hù)。
以汽車(chē)大數(shù)據(jù)分析購(gòu)買(mǎi)習(xí)慣為例，“量江湖”針對(duì)樣本用戶(hù)在電商類(lèi)網(wǎng)站的購(gòu)買(mǎi)三大周期：前（瀏覽，搜索），中（瀏覽、比價(jià)、提問(wèn)），后（比價(jià)、下單），通過(guò)機(jī)器學(xué)習(xí)得到的特征對(duì)購(gòu)買(mǎi)習(xí)慣數(shù)據(jù)有更本質(zhì)的刻畫(huà)，從而建立相應(yīng)的購(gòu)買(mǎi)習(xí)慣預(yù)測(cè)模型。模型建立后，通過(guò)公司擁有專(zhuān)利的算法進(jìn)行訓(xùn)練模型，比如品牌關(guān)注、瀏覽至購(gòu)買(mǎi)時(shí)長(zhǎng)、比價(jià)權(quán)重、頻次、優(yōu)惠權(quán)重、購(gòu)買(mǎi)額度、退貨頻次等等這些分類(lèi)對(duì)模型進(jìn)行調(diào)整，最終預(yù)測(cè)出用戶(hù)是理性消費(fèi)、沖動(dòng)性消費(fèi)、習(xí)慣性消費(fèi)、經(jīng)濟(jì)性消費(fèi)中的哪一種。
機(jī)器學(xué)習(xí)的神奇之處遠(yuǎn)不止如此，它還能幫助車(chē)企預(yù)測(cè)用戶(hù)需求，挖掘用戶(hù)潛在價(jià)值。當(dāng)用戶(hù)經(jīng)過(guò)預(yù)先設(shè)定的各類(lèi)分析模型：社會(huì)階層分類(lèi)模型、生活態(tài)度分析模型、車(chē)型偏好判別模型、消費(fèi)觀預(yù)測(cè)模型、購(gòu)車(chē)階段預(yù)測(cè)模型等輸出解析結(jié)果后，還可以準(zhǔn)確預(yù)測(cè)消費(fèi)者計(jì)劃購(gòu)車(chē)時(shí)間并給出線(xiàn)索級(jí)別，形成兩類(lèi)用戶(hù)：一類(lèi)是無(wú)購(gòu)車(chē)意向的用戶(hù)，屬于低級(jí)別線(xiàn)索數(shù)據(jù)，可以帶著豐富的標(biāo)簽直接回流大數(shù)據(jù)中心，實(shí)現(xiàn)對(duì)企業(yè)內(nèi)部數(shù)據(jù)的補(bǔ)充；另一類(lèi)是有明確購(gòu)車(chē)意向的人，稱(chēng)為高級(jí)別線(xiàn)索，交由精準(zhǔn)營(yíng)銷(xiāo)環(huán)節(jié)進(jìn)行觸達(dá)，帶來(lái)源源不斷的現(xiàn)金回報(bào)。
口說(shuō)無(wú)憑，真實(shí)轉(zhuǎn)化率則是最好證明。萬(wàn)智華介紹到，利用此套解決方案確定的目標(biāo)用戶(hù)中，其購(gòu)買(mǎi)轉(zhuǎn)化率可以達(dá)到6%-7%，是“海投”方式中2%的轉(zhuǎn)化率的3倍。具體來(lái)說(shuō)，在利用機(jī)器學(xué)習(xí)算法篩選后的用戶(hù)中，確實(shí)有85%的用戶(hù)是真正具有需求的，其中會(huì)有25%的用戶(hù)到店看車(chē)、試駕等，最后會(huì)有6%左右用戶(hù)最終購(gòu)買(mǎi)，成功轉(zhuǎn)化。
在這里，用戶(hù)數(shù)據(jù)安全和隱私保護(hù)是始終的熱點(diǎn)問(wèn)題。據(jù)市場(chǎng)總監(jiān)萬(wàn)智華介紹，用戶(hù)數(shù)據(jù)獲取后，首先會(huì)對(duì)涉及隱私的部分進(jìn)行“脫敏”處理，刪除相關(guān)內(nèi)容，之后在傳輸中會(huì)采取多層加密，即使不法分子獲取數(shù)據(jù)也無(wú)能為力。
不同類(lèi)別數(shù)據(jù)各顯神通
用戶(hù)數(shù)據(jù)涉及多個(gè)維度，比如消費(fèi)數(shù)據(jù)、個(gè)人喜好、個(gè)人信息數(shù)據(jù)等等，浩如煙海的數(shù)據(jù)是否都是推廣所需？推廣中是否需要對(duì)同一數(shù)據(jù)的細(xì)分內(nèi)容再次挖掘？哪些數(shù)據(jù)會(huì)在生產(chǎn)環(huán)節(jié)中體現(xiàn)更大價(jià)值？
面對(duì)這些疑問(wèn)，市場(chǎng)總監(jiān)萬(wàn)智華作了回答。他說(shuō)，用戶(hù)數(shù)據(jù)對(duì)產(chǎn)品生產(chǎn)、營(yíng)銷(xiāo)推廣、售后服務(wù)的整個(gè)環(huán)節(jié)都有很大幫助。在產(chǎn)品生產(chǎn)階段，利用用戶(hù)畫(huà)像得出目標(biāo)用戶(hù)的需求特點(diǎn)和群體喜好，就可以在產(chǎn)品生產(chǎn)階段提前把握用戶(hù)心理，贏在起跑線(xiàn)。在推廣營(yíng)銷(xiāo)階段，將每種推廣渠道的受眾特征與目標(biāo)客戶(hù)相對(duì)比，基本匹配的推廣渠道才是適合車(chē)企的推廣策略的，這樣既可節(jié)省成本開(kāi)支，還能收獲高比例的用戶(hù)轉(zhuǎn)化率。
未來(lái)加大運(yùn)營(yíng)數(shù)據(jù)服務(wù)打通全產(chǎn)業(yè)鏈
在談及公司未來(lái)發(fā)展時(shí)，創(chuàng)始人趙曄說(shuō)到，公司目前已經(jīng)在推廣前提供精準(zhǔn)營(yíng)銷(xiāo)服務(wù)、推廣中提供“反數(shù)據(jù)作弊”服務(wù)，未來(lái)更希望在推廣后期的用戶(hù)運(yùn)營(yíng)上提供大數(shù)據(jù)服務(wù)。這樣就可以“前、中、后”打通全產(chǎn)業(yè)鏈，讓大數(shù)據(jù)服務(wù)走進(jìn)移動(dòng)化推廣的每個(gè)環(huán)節(jié)，同時(shí)讓每個(gè)環(huán)節(jié)規(guī)范操作，為行業(yè)凈化市場(chǎng)，創(chuàng)造推廣者和渠道商都認(rèn)可的“統(tǒng)一標(biāo)尺”和良好生態(tài)。
在具體業(yè)務(wù)布局上，未來(lái)希望進(jìn)入現(xiàn)已較為成熟的行業(yè)，比如金融業(yè)等，利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法提升行業(yè)推廣能力，有時(shí)大數(shù)據(jù)看似只能為傳統(tǒng)行業(yè)提升一小步，但這微小的優(yōu)勢(shì)足以讓傳統(tǒng)企業(yè)穩(wěn)穩(wěn)立足，占據(jù)互聯(lián)網(wǎng)時(shí)代的一席之地。
據(jù)了解，公司正在與“百合網(wǎng)”洽談大數(shù)據(jù)服務(wù)合作，今后也許談戀愛(ài)也可以精準(zhǔn)匹配了，再也不用奔波于一場(chǎng)場(chǎng)的相親會(huì)。機(jī)器學(xué)習(xí)算法掐指一算就能幫人們找到自己的“命中注定”。我們相信，到那時(shí)大數(shù)據(jù)會(huì)真正走入尋常百姓的社會(huì)生活，惠及大眾。