面向手机和社交客户的营销

韩国基于行为分析的客户体验管理营销

撰文:Soonsung Bae,GS家庭购物平台业务高级经理

GGS家庭购物是韩国领先的多媒体零售商,也是世界上最大的电视家庭购物公司之一。公司通过电视、互联网、商品目录和包括数字电视、IPTV(网络协议电视)、智能手机和平板电脑等在内的新媒体平台提供购物服务。1995年,它成为首家为韩国消费者引入家庭购物的公司,其在线购物网站每天访问人数达到80万人。此外,公司的邮购目录每月邮寄给200万个家庭。

使用渠道数据、客户数据和逻辑,我们创建了商品推荐服务,对销售额产生了积极的影响。而且,我们十分确信,客户体验越好,客户响应率就会越高。

零售业发展趋势

GS家庭购物一直在分析所有渠道的客户行为。2013年,它发现在网络和手机渠道中,客户行为发生了显著的改变。特别是,客户正在快速地转向手机和社交购物。

社交购物是一种随手机而生的优化业务模式,其特点是一小部分商品呈现高销量。与其它购物渠道相比,客户在手机购物时不会对比太多的商品,使得商品更容易实现“精准营销”。社交销售通过高销量和可预测的销售额,能够进行更有竞争力的商品定价。

同时,手机购物越来越个性化,而且它的销售窗口也变得越来越小。还有,大量的手机购物者会使用手机应用程序来进行购物。

客户体验管理

由于手机使用和客户特点的改变,使得客户使用模式也变得十分复杂。看起来似乎客户首选购物渠道正在远离PC,而且,分析显示使用模式正在向通过手机而不是PC来进行购物。

利用这些正在发生的客户体验变化,GS家庭购物正在实施一些活动,例如:

  • 以手机为中心整合客户体验。
  • 加强个性化推荐和更科学的店铺管理。
  • 基于客户细分推动整合渠道营销。

客户行为分析平台

GS家庭购物现有的客户行为分析平台由数据仓库(存储订单历史数据)和带有客户信息和产品信息的Web日志数据构成。

传统上GS家庭购物使用这些数据来制定营销活动,如特定渠道客户细分和以产品访问、购买体验为中心的精准营销,以及特定渠道营销。然而,这种类型的营销相对简单,是一种为客户体验使用个人和专门渠道的针对性营销技术。

推式营销(push marketing)现在正承受着多种问题的困扰,包括加载合并所有客户体验数据、细化客户定位和优化通信渠道等。要确定是哪些渠道导致的客户响应,例如手机、推送短信或电子邮件,需要在一个分离的系统中进行处理。客户响应需要通过对客户最优的营销渠道来传送。

在过去,针对PC和手机的拉式营销(pull marketing)是独立操作的。而且,店铺以小销量售卖出大量商品,客户体验数据绝大部分依赖于商品展示这些因素。但是从现在开始,手机和PC端客户体验将被整合在一起。现在强调提供小量产品,给出个性化推荐并进行A/B测试。

为了支持这种改变,GS家庭购物建立了一个大数据平台,尽可能多的利用了现有的平台结构,但是现在的中心是围绕着客户活动日志。平台支持大数据、推荐系统和实时分析。

基于这个平台,我们为推式营销细分了整合渠道客户,优化了特定客户的首选渠道,个性化内容、产品和服务。在拉式营销方面,我们为了实时整合客户体验,细分个性化推荐和科学运营店铺建立起基础。

大数据平台和推荐引擎

大数据平台的构成:

  • 从各种各样的设备如PC和手机上收集客户数据。
  • 存储所收集的数据到Hadoop中。
  • 分析如何最好地安排和利用数据。
  • 实时数据处理以提高客户体验。
  • 创建推荐算法。存储在Hadoop中的数据被加载到数据库中用来支持推荐服务。

客户在PC首页和其它页面收到产品推荐。最近,这项服务被扩展到手机购物甚至是除了手机和PC的其它渠道访问中,客户数据被整合到一起,所以可以确定访问者是否同一个客户。使用渠道数据、客户数据和逻辑,我们创建了建议服务,对销售额产生了积极的影响。而且,我们十分确信,客户体验越好,客户响应率就会越高。

使用 SAS®

GS家庭购物需要管理同一客户的整个购买之旅,以便能够了解其客户体验,对客户行为及其改变趋势立即做出响应。

为此,他们引入了SAS,设计并实施全面的营销架构,针对市场感知、客户洞察提高和新的营销机会提供内存可视化功能。

此外,我们还通过以Hadoop为基础的推荐引擎运行了一个推荐模型和一个内部产品推荐方法。为了在此基础上有所提高,GS家庭购物已经使用SAS测试了多种推荐模型进行数据挖掘。在不需要在Hadoop中创建SAS数据子集(或数据集市)的情况下,可以通过SAS直接访问Hadoop(Impala)模块。

GS家庭购物将继续实行实时的整合客户体验,同时为个性化推荐开发拓展算法,利用大数据和推荐服务优化基础设施。

GS-home-shopping-girl-cell

阅读更多

获得更多洞察

iPad

想要从SAS获取更多洞察? 订阅我们的洞察时讯。或常常回顾获得更多您所关心的主题的洞察,包括 分析大数据数据管理营销风险欺诈

Back to Top