本系列文章分享笔者所在的团队,在从事 SAP Marketing Cloud 系统集成项目中积累的一些经验以及对这个 SaaS 软件的理解,希望广大同行不吝赐教。
SAP Marketing Cloud主要解决的问题,个人理解就是实现与客户一对一的精准智能营销。
(1) 精准:准确识别目标用户。
(2) 营销:提供了多种预设定的营销模式,同时支持用户自定义。
(4) Contacts联系人
作为一个营销人员,该怎么使用SAP Marketing Cloud来推动收入和业务增长呢?
本系列的文章,会从下列六个方法来分享 Marketing Cloud 的业务功能。
(1) Contacts & Profiles
(2) Segmentation & Target Group
(3) Content & Campaign
(4) Recommendation
(5) Lead
(6) Plan
Contacts & Profiles
首先明确一些基本概念:
Contacts:联系人。
Contact Profiles:联系人参数文件,包括个人数据、交互和许可。
Corporate Accounts:公司客户,信息包含客户联系人、客户团队成员、交互等详细信息。
Followers of Digital Accounts:社交账号关注者。SAP Marketing Cloud 支持我们查看社交账号关注者,生成对于关注者获取和关注者交互的分析报表。
Sentiment Engagement:情绪互动。
在与客户进行交互的过程中,我们在不断地进行数据的收集,逐渐完善用户画像。SAP Marketing Cloud对收集的数据进行了统计和分析,营销人员可以利用这些信息,来指导营销活动的进行。
(1) Contacts and Profiles Overview宏观数据统计和图形化展示
(2) Profiles Dashboard
抬头:不同级别的交互的各项指标的变化,如公司数、活跃程度、评分、交互升级数目等。
下图中间显示区域根据左侧时间和过滤器设定进行显示:客户兴趣图形化显示(鼠标放上去可以查看交互数和打分)、按渠道对交互数目进行统计、Contact列表。
选中某部分可以直接在Target Audience处创建Segmentation model或者Target group:
按渠道对交互数目进行统计:
Contact列表,选择某Contact可以查看其详细信息。
(3) Profiles 联系人参数文件
按时间进行排序显示,可以根据需求查看Profiles。
展示信息包括个人数据、交互和许可。
Contacts列表展示了每个联系人的关键信息。您可以通过点击列表中的名称来访问单个联系人的详细参数文件(Profiles).
页面根据用户需求来显示contacts信息,用户可以直接以数据表的形式输出页面显示的contacts信息。
在这个页面我们可以通过勾选contact直接创建Target Group:
通过筛选查看相应的contacts:
支持多种筛选条件来帮助负责营销的工作人员查看contacts信息:
点击某contact查看明细信息。
Interaction标签页:显示与该客户的交互信息,用户兴趣等。
Personal Data:用户个人信息,包括联系方式、Marketing Areas和Attributes等。
Origin Data:显示信息源,并且链接Inspect contact可以查看更多信息。
Scores:分析用户信息,从多角度为该客户打分,衡量该Contact.
Permission Marketing:用户许可和订阅情况。
可以看到下图中该用户的联系方式给出了3个许可,订阅内容为0项。
Commerce:可以看到商品推荐、浏览偏好、购买记录。
(5) Profile Streaming
以3D/2D形式展示,某天与多少客户进行了多少次交互。
此处能够显示与每个渠道相关的详细信息,是Profile Dashboard的补充。
(6) Corporate Accounts 公司客户
进行My Accounts和All Accounts的查看, 可以直接通过勾选设立Target Group。
点击某Account查看详情,进入Spotlighting Accounts应用。
这一部分信息与2C场景的Contacts模块大致相似,只不过一个Corporate Account可以维护多个联系人,并设置主要联系人。
了解了 SAP Marketing Cloud里的Contacts和Profiles,下面我们继续介绍SAP Marketing Cloud里围绕Target Group这个概念的一些相关场景和功能。
(1) 根据标签细分用户:Segmentation Modeling
在Segmentation Modeling中支持以各种标签细分用户群,如商品ID、交互方式、地区、性别、生日、姓名等。数据经过统计以图形化等形式呈现。进行用户细分的方式简单方便,通过勾选或者点击等操作可以轻松实现。
(2) 预测工作室 Predictive Studio
借助Predictive Studio,业务分析师可以创建预测模型。预测模型使用算法和历史数据计算提供客户未来行为分析的评分。
场景示例:负责产品A营销的业务人员Emma想要通过一个手机营销活动,达成该产品200单的销量。
创建和使用预测模型的流程概览:
(1) 在Predictive Studio中,创建预测模型、选择预测场景,以及定义场景所需的详细信息。
(2) 为预测模型创建一个或多个模型拟合。
(3) 使用历史数据训练模型。
(4) 检查模型拟合的质量,选择最佳模型拟合并激活预测模型。
(5) 最佳模型拟合可用于计算预测评分。
(6) 在Segmentation中,基于活动的预测模型创建目标组。
(7) 在Campaigns中,针对target group运行营销活动。
(8) 在Predictive Studio中,度量营销活动的成功情况以查看未来优化活动模型的方法。
下面是具体步骤介绍。
创建预测模型
Predictive Studio页面中展示当前已有的预测模型,我们可以选择重新创建一个。
在前面提到的场景下,预测场景Scenario应该选择Consumer Buying Propensity.
进行以下设定:
- Training Set: 训练集的目标组(不能超过100万成员)
- Target Object: 产品A
- Target Variable: 购买
- Time Frame for Analysis: 指定对训练集的分析期间
- Number of Responses: 训练集中购买产品A的成员数(训练集中一定要有部分人购买了产品A)
- Number of Members: 训练集中成员数
- Applicable Scope: 指定训练集有效的区域
设定完毕后选择save.