申请试用
登录
cc
EN
解决方案-预测营销云
新零售/电商
解决传统零售业寻求转型及新零售行业运营效果最大化问题,提供线下向线上转型、传统行业智能化及线下业务的智能用户运营方案。
申请试用
产品介绍
某连锁零食品牌
(全渠道智能版)
某知名珠宝品牌
(线下智能版)
某食品快消品牌
(线上智能版)
行业背景
线上零售业发展迅猛,占比增大
年复合增长率超100%,市场空间巨大
传统零售线下转线上
全渠道数字化
智能用户运营
目前新零售与传统零售业普遍利润呈下降趋势,传统零售业流量被线上堵截,实体和人工成本居高不下,营收陷入瓶颈:用户运营低效、用户粘性低、复购率低、转化率低,急需数字化运营意识。在“人工智能+大数据”的时代背景下,新零售行业未来发展趋向以实体门店、电子商务、移动互联网为核心,通过“AI与优化”实现多终端数据源的共融互通,线上线下全渠道的智能用户运营。
未来AI方向的科技赋能,将会促进新零售O2O购物场景的深度融合,实现预测性营销和精细化运营,助力新零售企业打造“高效率”的一体化无缝购物体验。
展开行业图表
新零售用户运营流程及痛点
面临问题
解决方案
智能用户运营解决方案
数据中心
分析中心
画像中心
AI算法中心
自动化营销中心
?
过去
新零售品牌有线上线下各种数据源,来源于全渠道的数据源身份并未打通,多个终端数据分散在不同系统,拉取和整合耗时长,效率低。
现在
全渠道打通,多终端数据整合、清洗。埋点采集互联网各终端行为数据,对接已有系统数据,搭建统一管理的大数据中台。
?
运营面临的问题
数据整理和分析依赖于人工,需数据团队手动分析,给出运营指导和运营结果分析,没有智能系统支持,效率较低。
Datatist解决方案
多维度的顾客分析与营销活动分析​,通过营销要素分析等灵活的 BI分析,实时智能洞察,从数据中快速发现并解决核心问题,指导运营优化,加快效率。
?
运营面临的问题
顾客画像不精准,只有简单的基础信息类标签,缺失高级标签,导致运营活动顾客分群定位不精准,运营成本巨大。
Datatist解决方案
顾客数据整合与标签化管理,补充数据统计画像和AI预测高级画像,完善标签体系。精准筛选人群,协助运营中心定位最优对象,以降本增效、提升转化。
?
运营面临的问题
运营决策基于经验为主,运营的对象凭经验或者随机标签筛选,决策不智能,缺乏优化理论、缺乏科学的方法论指导。
Datatist解决方案
数百个AI 机器学习算法与科学的方法论相辅相成,提供智能决策,找出最佳运营对象(渠道/时间/策略/人群等),实现预测性营销,并针对用户运营过程中的各个关键步骤环节,提升核心运营指标。
用AI复购预测模型,帮助该零食品牌下单率提升20.57
?
运营面临的问题
营销不能自动化,多为手工操作,效率低下,没有形成自动化的解决方案。
Datatist解决方案
触发式营销,运营活动发送和管理更自动化,只要符合条件即会触动活动发送,形成自动化的解决方案。
如:会员优惠券到账通知、收藏商品降价通知、商品促销活动通知等自动化的营销沟通。
A/B 测试
?
运营面临的问题
对活动影响因素不做定量预估,无AB测试思路
Datatist解决方案
对运营活动的影响因素(内容、策略、人群、渠道、产品等)进行A/B测试、分析和反复优化。结合实际的业务目标,优化出最佳活动运营效果
十一期间,通过A/B测试分析,对比抽奖 vs满减 vs 积分;不同支付平台;不同内容设计;不同发送时间及不同推送渠道的效果
转化率从0.3%提高到3%,提高10倍创造价值
创造价值
1000万用户x2.7%x100元=2700万元
闭环优化
?
运营面临的问题
数据是数据,运营是运营,数据不能智能驱动运营优化,数据到运营无法形成闭环,不能系统化的取得稳定有效的运用效果,运营效果不能循环优化
Datatist解决方案
将数据和运营打通,数据自动驱动运营,运营结果自动反馈,持续优化运营效果,形成闭环一站式运营解决方案
数据驱动运营·智能优化运营效果
一体化
?
运营面临的问题
数据平台和运营平台不在同一个平台,数据的来回拉取效率低,采集困难,且存在安全隐患;多个终端的用户行为无法同时追踪;缺少AI赋能,数据不能智能驱动用户运营;没有可以一站式、闭环、循环优化的智能用户运营平台
Datatist解决方案
全平台一站式便捷管理,集全渠道数据采集、多终端用户行为跟踪和分析、云服务大数据中台搭建、全生命周期管理、A/B测试、AI智能运营最优决策、运营效果追踪以及循环优化等为一体
成功案例
新零售/电商
查看案例
银行
查看案例
保险
查看案例
《国内某知名珠宝门店.案例》
国内某知名珠宝门店是由家族珠宝批发业务发展而来,连续七年荣获“中国500最具价值品牌”,目前在全国开设了500多家店面及商场专柜。
随着业务的不断增长,该珠宝门店的市场占有率,尤其是山东地区的市场占有率不断扩大,但是对于会员的运营仍然采用较为传统的方式。除了后台系统生成的一些统计报表供营销人员参考之外,既没有专业的团队、也缺乏专业的工具对会员数据进行深入的分析挖掘,每次开展活动,除了短信、公众号群发以外,都是由门店导购自行筛选客户,再通过微信、电话等线下形式进行邀约。
面对会员的快速增长累积,如何采用更加高效精准的方式对会员进行活动推送,进一步维持现有会员的留存,提升会员的价值贡献,成为该珠宝门店的一项重要课题。
在山东经信委的介绍下,该珠宝门店与Datatist(上海画龙)开始了会员智能营销方向的合作。Datatist大数据团队经过对其现有会员体系、营销战略、产品系列、门店管理以及后台数据系统的深入调研,制定了数据管理、分析建模、会员画像分类、活动目标人群定位、活动策略优化、活动效果分析等一系列完整的解决方案。
复购转化率提升 9
建立营销大数据中台
定位最具价值人群
将会员信息、产品信息、交易信息以会员为中心进行整合,通过数据中台可以快速调用查看会员的历史购买记录、购买产品的主要特征、每次交易带来的积分与等级变化等。
利用历史数据分析会员的消费频次、价格敏感度、商品倾向等,根据会员的这些特征对会员的生命周期状态、价值度以及消费特征进行划分,定位出最需要重点维护,或者需要重点开发价值的会员人群。
建立完整的会员画像系统
将该珠宝门店所有的会员数据、交易数据、商品数据、店面数据等进行综合分析和特征提取,以会员标签的形式进行标记存储,作为会员画像的基本元素,挖掘其历史数据趋势特点及会员特征,建立完整的会员画像系统。
针对不同业务场景需求
开发AI预测模型
针对该珠宝门店的不同营销业务场景,开发预测模型,并根据模型预测结果对会员进行筛选,精准定位到最容易通过活动进行转化的目标群体,帮助减少门店导购人员需要邀约的会员数量,以最少的时间成本投入取得最大的转化效果。
个性化推荐模型
增加转化的成功率
丰富的个性化推荐模型,会计算会员与会员、会员与商品、商品与商品之间的关联度,根据每个会员的历史购买记录,生成推荐的商品列表,从而推送更加个性化的文案内容,增加转化的成功率。
如:统计2018年期间,会员购买商品的情况,综合不同地区的销售情况、交易会员人数、平均贡献额、商品偏好等进行不同的商品推荐。
先进的数据分析方法与技术
提升复购转化率
Datatist实现对历史数据的分析挖掘的同时,建立营销活动的分析方法与流程,辅助营销活动的策略优化,实现自动化与智能化的营销分析体系。
如:我们统计了该珠宝门店在30天内再次购买的会员的交易记录并进行分析,数据显示其中有一定比例会员在购买截止之后,会在30天内再次购买项链、吊坠、手链、耳环等其他配饰。
通过模型将最可能再次购买的人群进行分组,发送有一定期限(如30天)的某类商品(如手链、吊坠等)的优惠,提高了门店会员的复购机率以及未来的自然复购率。
全流程自动化
运营效果循环优化
建立数据采集、导入、机器学习、分析、反馈、优化、再学习的自动化全流程,并及时对活动结果进行追踪复盘,利用该珠宝门店现有的导购管理系统,追踪电话邀约的结果,统计最终的活动转化情况,进而对活动策略、人群筛选等进行循环优化。
案例实施效果
复购转化率提升9倍
2018年十一国庆期间的活动,是该珠宝门店与Datatist的首次活动合作。在活动开始前,Datatist通过搭建好的复购预测模型,向门店导购提供了一批需重点电话邀约的会员名单,大幅减少每名导购的邀约工作量。活动结束后,跟踪模型筛选出的会员对于电话邀约的反馈,并根据全部会员在活动期间的购买结果,对模型效果和活动效果进行了分析。
2018年十一活动期间,模型筛选出的复购老会员的人均消费是整体人均消费的1.17倍;模型筛选出的复购老会员的人均消费积分是全体老会员人均消费积分的85%。
统计结果显示,通过模型筛选出来的会员,在活动期间到店购买商品的转化率,远高于传统做法,同时人均购买种类、数量及金额亦远高于传统做法。
更多案例
客单价从不到100元/单
提升至180元/单
GMV增长1倍
人均GMV提升3倍以上
6个月留存达到20%
行业背景
中国已经发展为全球规模最大、发展最快的电子商务市场,拥有世界上最大的在线零售市场,在中国一线城市中,约有90%的互联网用户和70%-80%的消费者进行在线购物。
信息化时代背景下,对于电商而言,数字化消费者、产品库存量单位(SKUs)、价格变动、促销业绩以及购买习惯的相关数据呈现指数式增长,数据成为电商相互较量的战略性资产,部分电商领袖开始通过机器学习了解产品线及促销活动的效率,利用先进的数据分析方法,建立相关模型,以发展自身业务、提升客户保持率和消费额。
行业痛点
缺乏数据运营经验,没有自己的大数据系统
对用户行为数据缺乏追踪记录,缺乏专业的分析及有效应用
不了解用户的生命周期变化、状态迁移及原因
需要对用户按照行为特征分群,实施精准营销,进一步挖掘用户价值
《国内某一流B2C生鲜服务商.案例》
国内某一流B2C生鲜服务商,是一家提供来自世界各地的水果及各类生鲜食材的电商平台,目标中高端消费用户,该生鲜电商PC端流量占10%,移动端流量占 90%,APP端用户数据丰富,为主要营销渠道。
客户的需求是:①拥有自己的大数据系统;②从数据到运营得到一站式的解决方案;③获取专业的数据运营培训及科学的运营方法论辅导。
我们在数百种机器学习模型的基础上,为客户搭建了智能用户运营平台,平台包括大数据中台、画像中心、分析中心、AI算法中心以及营销自动化中心,提供了数据驱动运营的一站式解决方案,数据可以智能驱动运营,运营结果自动反馈。
我们通过对该生鲜电商自营平台(PC、APP)进行埋点,抓取用户网站路径,分析用户行为。对比高转化用户与流失用户的行为特征,找到了用户获取、激活、留存、转化、复购等全生命周期的关键因素。
根据用户行为画出用户画像,自定义用户分组并得出分组画像,建立复购模型、交叉推荐模型和个性化推荐模型等多样化的AI模型,找出最有可能产生价值转化的客户,再通过A/B测试,选择最优的营销方案进行推送,提升短信和APP push的转化率。
激励访客成为用户
提高注册率
APP上对老访客进行访客欢迎和注册引导,根据老访客的浏览行为,进行更精确的页面个性化推荐,将访客引导至其感兴趣的页面,APP push激活老访客。
AI预测性模型
不断唤醒买家增长
激活已沉睡的用户的同时,不断唤醒买家数增长。用AI模型预防买家沉睡,特别是对于新买家和预测到即将流失的买家,需提前对其可能的沉睡进行预防。
数据分析与洞察,活跃买家量上升
以网站、APP等月活跃买家数量提升为目标,利用用户生命周期线上行为转化类AI不断刺激买家量的上升,并循环优化效果。
优化运营效果,人均GMV提升3倍以上
该生鲜电商使用我们的产品后,预测性营销活动效果良好 客单价从不到100元/单提升至180元/单,GMV 增长1倍 人均GMV提升3倍以上,6个月留存达到20%
运营效果的具体呈现:
用户运营转化为买家策略表现良好,“用户”至“买家”占比,转化情况稳定
新注册用户+唤醒用户与流失用户量级相近,总体趋势平稳
除2018年2月,新买家+唤醒买家总体呈上升趋势,买家运营策略表现良好
唤醒买家数不断增长,唤醒买家的运营策略实施效果良好
客户美誉
某B2C生鲜服务商
CIO
全面数据运营优化方案,使业绩增长数倍
目前用到的性能效果俱佳的产品,我们的业绩已经增长了数倍,提供的数据运营培训对我们帮助也很大,服务态度好,专业程度高,需求可以及时跟进并且快速解决。
产品介绍
人均GMV
增长3倍
用户留存率
提高2.8倍
更多案例
申请试用
产品介绍
关注我们
微信订阅号
微信服务号
微信客服
总部地址:上海市徐汇区宜山路333号汇鑫国际一号楼8层
分部地址:北京/广州/美国硅谷/加拿大
联系电话:400-800-1355 周一至周五 9:00-18:00
版权所有©上海画龙信息科技有限公司 Copyright©Datatist,Inc
沪ICP备16034885号-2