大数据应用电子商务之精准推广

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

作者:张子良

版权所有,转载请注明出处

1.1 引子:来自亚马逊的邮件

  经常网购的朋友最近是否注意到,上一次京东,浏览过什么产品,当你打开其他的有京东推荐链接的网页时,总是能够看到来自京东的推荐呢?而推荐的产品恰恰是你最近在关注的。我前一段时间在京东看过移动硬盘,这不当我浏览开源社区的时候,推荐信息就来了:

 

  当然这还不是唯一的,我的邮箱中也经常能够收到类似下面的邮件:

 

  需要说明的是我之前在亚马逊上面浏览过空调。感觉怎么样,面对这样的链接你还想直接Delete吗?是不是感觉很奇怪,他们怎么知道我最近在看空调呢?这就是今天我们要讨论的话题:电子商务之精准推广。

1.2 传统营销推广之殇-简单、粗暴、高价、低效

  平面广告有没有?铺天盖地的电视广告有没有?狂轰滥炸的网络营销有没有?海量群发的电子邮件有没有?百度竞价排名有没有?传统的营销推广方式用可以用四个字来概括:简单、粗暴。而真实效果呢,评价起来也可以提炼出四个字:高价、低效。不考虑目标对象的感受的结果就是垃圾箱、回收站和永久屏蔽的网络站点。这就好比高射炮打蚊子,不仅仅是方向有问题,打出去的炮弹也是成本呢?

1.3 传统营销面临的问题-Target的成功

  讲这个之前,先看一个经典案例:在美国有一家Target超市,曾经销售业绩增长非常缓慢。虽然从2004年开始这家超市已经开始做B2C业务,但它的增长速度仍旧很缓慢,幸而后来它发现了一个可利用空间很大的群体——孕妇。Target注意到,孕妇买的东西很多,而且利润很高。在前期,顾客分析部的人会思考如何确认孕妇群,他们想到通过用户的前期消费数据来辨认,预测的准确率高达95%以上。确认之后,怎么把这些产品推荐给相应的客户呢?在后期他们把孕妇相关产品以及优惠广告放在与孕妇相关的优惠广告里,投送给用户。这点与中国的推广市场不一样,美国更多是通过DM单投送过去。所以我们在投放信息的时候,首先要考虑的是这些信息会不会对我们的客户造成骚扰。所以,传统营销的死穴在于我们如何精准找到我们目标用户,如何找出让消费者满意的东西,并把消息准确的传递到特定用户手里。

1.4 大数据的应用价值

  以京东为例,我们记录每一个登录用户的历史访问信息,优先选择出最近或者最多浏览的产品信息,从而形成针对该用户的推荐产品信息。当该用户访问推广信息时,从用户推荐信息库中检索出推荐信息并显示,这就做到了信息的精准投递。当然,背后的辛苦则是海量数据分析的结果,京东的访问量,我们可以看一下来自alex的统计:

 

如此众多的数据应用非大数据莫属啊。京东只是一个例子,利用大数据,我们可以做的不止包括大数据精准推广、此外商业数据分析、商业模式转化方面亦可以达到不错的效果。

1.5 典型案例-不止亚马逊

  仔细看了一下,发现天猫、淘宝、京东、亚马逊都已经推出了自己的精准推广服务。看来,精准推广必定成为电商行业未来市场营销的主要手段之一了。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
3月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
192 1
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
2月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
3月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
81 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
ly~
|
3月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
252 2
ly~
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
170 3
ly~
|
3月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
561 2
ly~
|
3月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
824 2
|
4月前
|
存储 数据可视化 大数据
大数据管理与应用
大数据管理与应用是一门融合数学、统计学和计算机科学的新兴专业,涵盖数据采集、存储、处理、分析及应用,旨在帮助企业高效决策和提升竞争力。核心课程包括数据库原理、数据挖掘、大数据分析技术等,覆盖数据处理全流程。毕业生可从事数据分析、大数据开发、数据管理等岗位,广泛应用于企业、金融及互联网领域。随着数字化转型加速,该专业需求旺盛,前景广阔。
200 5
|
4月前
|
存储 搜索推荐 大数据
大数据在医疗领域的应用
大数据在医疗领域有广泛应用,包括电子病历的数字化管理和共享,提升医疗服务效率与协同性;通过数据分析支持医疗决策,制定个性化治疗方案;预测疾病风险并提供预防措施;在精准医疗中深度分析患者基因组信息,实现高效治疗;在药物研发中,加速疗效和副作用发现,提高临床试验效率。此外,在金融领域,大数据的“4V”特性助力业务决策前瞻性,被广泛应用于银行、证券和保险的风险评估、市场分析及个性化服务中,提升运营效率和客户满意度。
428 6