阿里如何导出产品数据包 阿里天池数据集( 二 )


如下图 , 阿里品牌数据银行主要包含融合沉淀、分析诊断、数据激活、应用定制4大模块 。
接下来 , 我们来揭开数据银行各个模块神秘的面纱 。
02 Aggregation融合
01 消费者资产
为了帮助品牌持续沉淀消费者数据 , 还原消费者旅程 , 洞察品牌与消费者的亲疏关系 , 并持续深化与消费者关系 , 品牌数据银行提供了AIPL方法 , 来划分消费者分层 。
消费者资产模块 , 包含消费者分析、全链路分析、链路流转分析 。
消费者分析:划分了活跃消费者、消费者资产、活跃消费者对标、消费者周增长率、潜客-顾客比、关系周加深率 。
全链路分析:划分A认知-I兴趣-P购买-L忠诚 , 看不同阶段的消费者人群整体变化趋势 。
链路流转分析:划分认知、兴趣、购买、忠诚用户 , 在初始和结束阶段的人群流转 。
草帽小子:消费者资产模块是品牌数据银行早期就有的能力 , 其核心在于AIPL模型 。选择合适的用户分层 , 并围绕分层制定一定的转化策略 , 对于消费者资产平台而言至关重要 。例如阿里有AIPL用户分层模型、京东有4A模型、字节有O-5A模型 , 这些模型本身比较浅显易懂 , 其背后对应的营销转化策略会更为复杂、重要 。感兴趣的朋友可以加数据交流群一起探讨 。
02 数据融合
品牌在发展过程中 , 会积累多方会员数据等 , 这些数据可以通过数据融合模块进行处理 。数据融合模块包含上传人群、上传标签、一方人群、一方标签等 。
草帽小子:该模块主要能更好地帮助商家用好自有数据 。
03 Analysis分析
分析诊断模块 , 从粉丝会员、到商品分析 , 再到场景运营、活动沉淀分析、品牌增长分析等多视角进行深度分析 。
01 场景运营
场景运营划分了新客拓展、高潜人群促转化、老客运营促复购、会员招募与运营、活动人群再营销、新品运营策略等 。将一些核心的运营方式场景化 , 可以十分直观地给运营人员赋能 。
草帽小子:场景运营是上新的能力 , 在分析的基础上 , 加入了更多运营策略模板 , 提升产品的易用性 , 这对我们做画像的人群推荐具有较大借鉴意义 。
02 粉丝会员分析
粉丝会员分析 , 主要包含品牌会员、店铺会员 , 分析活跃会员、不活跃会员、购买会员、活跃未购会员 。
03 商品分析
商品分析 , 构建人-商品之间的关系 , 分析单品上消费者行为 。并进一步分析该单品的总互动人数、新增品牌认知、兴趣、购买、忠诚人数 。
草帽小子:在用户分群过程中 , 我们划分的群体越多 , 运营人员反而越不知道怎么用 , 难以形成比较体系化的策略 。而品牌数据银行做的比较好的是 , 使用了AIPL模型 , 将其贯穿至整个产品体系、分析体系、运营体系 , 从而发挥出数据产品的最大价值 。
04 活动沉淀分析
活动沉淀分析 , 沉淀了消费者的活动数据 , 分析活动前1天和活动结束当天 , 消费者总量、品类购买力、消费者转化力数据 , 以及活动的拉新和留存效果分析 。
草帽小子:营销活动在各大品牌促销应用上十分广泛 , 要统计好活动带来的效果 , 则需做好活动数据的回流、渠道数据归因等 。这是重点也是难点 , 后续文章进一步研究 。
05 自定义人群分析
还有比较基础的模块就是自定义人群分析 , 这主要是人群圈选模块 , 划分了以场圈人、以货圈人、属性圈人、IP粉丝圈人几种方式 。这跟《 阿里达摩盘:圈选人群、渠道沉淀人群、智能迭代人群... 》构建方式类似 。
草帽小子:通常属性圈人是人群圈选中较为常用的模块 , 需要结合一定的业务场景 , 例如在电商场景下 , 基于人-货-场的模型 , 可拓展成以货圈人、以场圈人等 。在长租场景下 , 基于房-客模型 , 则为以房圈人 。
04 Activation激活
数据激活主要是数据应用 , 根据品牌需求 , 将目标人群推送至钻展等多渠道 。
这里的对接 , 分了很多渠道 , 包括阿里妈妈、CRM、策略中心、天猫营销平台、高德、支付宝、本地生活等等 。


推荐阅读