资源描述：
《电子商务特征及精准营销模式的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、电子商务特征及精准营销模式的研究.freel提出的六度分隔理论指出:只要能够有效确定传播者,你可以通过最多6个人认识任何一个陌生人。基于这个理论当我们确定“病原体”(企业营销活动内容)后只要通过适当的传播途径,就可以利用SNS平台将信息传播给任何一个受众。因此企业可以抓住这一特点利用SNS平台进行口碑营销,同时充分利用“意见领袖”这一具有高影响力和导向力人群作为信息源的一级传播者,扩大有效接触人群面。④连接O2O的桥梁:O2O的运营模式一方面解决了B2C、C2C网上购物退换率高的问题,另一方面也促进了实体
2、店面经济的发展。而SNS具有很强的性,可以借助SNS平台进行线上活动推广,线下实体消费。由麦当劳发起的“见面吧”活动是SNS营销与O2O深度而全面融合的典型案例,活动上线后其广告CTR高于其他活动200%,根据NeilsenOnline的数据监测短短1天内得到60万人发送见面邀请,活动结束后2000万人人网用户知道或参与活动,有将近50%的用户到麦当劳消费。SNS平台作为企业连接线上线下业务的一座桥梁能够引导线下消费,助力企业实现有效销售的增长。2当前企业社交网络营销存在的问题①“大数据”储备不足,数据获
3、取能力差:社交网络精准营销的基础在于“大数据”,在互联网背景下可以说“得数据者得天下”,数据作为企业软实力表征之一具有较强的现实意义。然而,当前企业往往借助第三方平台进行电子商务活动而未建立企业自有电商平台,平台商掌握了客户的各种交易数据,而电商企业在客户交易数据获取中处于弱势地位,客户是“大众”客户而非企业“独有”客户。此外,企业对数据收集能力及沉淀的意识仍较为薄弱,甚至基于企业内部的交易数据也未能充分收集与备份。②数据分析能力弱,缺乏个性化推荐能力:数据挖掘技术具有强大的数据分析能力,其能从海量数据中
4、高效、迅速地挖掘潜在价值并转化为企业决策依据,因而被广泛应用于客户分析中。中小型电商企业往往因数据挖掘人才的欠缺,在数据分析工作中显得力不从心,特别是SNS营销中所体现的大数据4V特征(Volume大量、Velocity高速、Variety多样、Value价值)使得企业数据分析雪上加霜。数据分析能力的薄弱进一步加剧了以“数据驱动销售”的个性化推荐能力的不足,从而导致客户对企业SNS营销的“零存在感”。③低互动,频发文,少软文,多硬植:当前,企业SNS账号存在的主要通病是低互动,频发文,少软文,多硬植,以客
5、户为中心的服务理念并未能在SNS账号经营中体现。企业因人员投入或对SNS企业主账号重视的不足往往忽略与客户的积极互动,未能对于客户的评价、咨询进行一一回复与关注,且回复内容千篇一律不具有针对性,与用户的交流并未形成双向互动链。此外,企业发文内容单一且频繁发布,内容以产品营销为核心如介绍产品的优惠方案,夸张的产品功能描述,在介绍产品的内容中未能巧妙运用“软文”手法进行隐射,容易造成关注用户的反感与选择性退出关注。3社交网络精准营销模式研究SNS精准营销的关键是企业能够针对消费者的偏好推荐相关的产品或服务信息
6、进行个性化营销,个性化营销要求企业综合考虑用户特性与推送资源的匹配程度。如何借助SNS平台进行有效、精准营销,这就需要企业认知精准营销模式,根据用户特征进行个性化服务,图1描述了基于SNS平台进行电商精准营销的一般过程。SNS精准营销模式的实质是以数据为中心,围绕数据的获取、处理、挖掘展开营销,主要核心流程包括数据储备、用户群体细分及潜在用户挖掘、个性化信息推送以及最终的营销实施。3.1数据储备在进行数据挖掘与分析时,如果输入的数据是“问题”数据,那么输出的结果也必定是不正确的,因此保证数据源的高可靠性、
7、数据的完整性至关重要,基于SNS平台进行电商精准营销时涉及到三要素即用户、产品、关联,关联的发现是基于用户、产品的准确分析。其中,用户数据涵盖:①SNS显式信息如用户的基本注册信息、人口统计学特征;②用户关系网络:粉丝、关注信息;③用户行为信息,包括参与话题、评论、分享、互动等行为;④实时情境,描述用户的动态需求,如通过搜索引擎、RFM模型可分析用户对某类产品近期是否有购买需求。产品数据来源于:①企业通过明确产品定位及目标人群的确定,结合以往已购用户对产品的评价,抽取出描述产品的特征词形成产品标签库。②对
8、推送信息进行归档标记,判别消息属性确定是属于产品推送、企业文化、娱乐新闻还是隐式广告。收集到相关数据后需要采用ETL工具对数据进行清洗、加工,同质化异构数据源,将数据整合成符合模型要求的输入格式。3.2用户群体细分及潜在用户挖掘精准营销的基础是对用户的充分定位与分析,依托SNS平台的强互动特性,建立个性化客户服务机制。而如何科学合理的定位客户、区分客户则需要借助数据挖掘技术来实现。数据挖掘中的聚类与分类算法常被用于客户聚类与分
