何乔恩：大数据+AI，走向现代营销之路

　　2018年12月18日，2018（第十六届）中国互联网经济论坛在京举行，创略科技解决方案副总裁何乔恩在现场发表主题演讲。她认为互联网是一个数字生态圈，在这个时代，从不缺数据，缺的是“智慧的数据”。“智慧的数据”指的是将大数据和人工智能进行结合，人工智能的预测能使海量的数据变换成有用的预测性信息，未来这种预测性信息将会被越来越多的企业，应用在不同的营销场景中。=

　　以下为演讲实录：

　　大家好，我是何乔恩。感谢主办方和大会的邀请，让我来讲述大数据+AI如何帮助现代企业走向现代化的营销之路。

　　互联网是一个数字的生态圈，在这个时代，从来都不缺少数据，相反时时刻刻我们都再创造数据。比如当我们看见一个广告点进去，进入官网成为注册会员，在手机收到优惠券随之去购买在这一切的过程，都将被数据化记录下来。随之产生的问题是面对那么多数据，为什么企业会觉得数据没有用，其实不是数据没有用，而是传统的数据分析方法没有办法面对这样的海量数据源，因此企业面对多融合的数据源时，就需要学会区别，做一个数据分析让数据变的有智慧起来。

　　怎么样才可以把数据变的有智慧？有价值？那就是将大数据和人工智能进行结合。人工智能在预测方向中起着非常重要的作用，它能够使海量的数据变化成为一个有用的信息，能够进一步提升数据的可读性和信息有效性。通过预测性分析，从整个数据描述过程中，我们可以掌握整个事情发展的规律，从而进行一个预判。我们相信这种预测性的作用将会被越来越多的企业应用在不同的营销场景中。

　　营销的目的是什么？其本质是赢得人的心，赢得消费者的信任，在这里意味着以人为本是一个关键。这里提到的以人为本其实有两个方面的含义。第一以人为本的数据，它意味着企业需要去打破内部的数据孤岛，建立一个以消费者为核心的数据，也就是这两年大家听的特别多的CDP。在这个平台中，它集合了顾客的所有信息、线上线下的网上行为以及各个触点的营销数据，因为在整个商业运营中会面临不同的数据源，集合了不同的数据源之后，我们发现这些数据都是不可读的。但CDP就是这样，可以聪明地把这些数据进行归档和验证，在这平台上面CDP会进行整个用户IP唯一识别和做标签化的数据化管理，这样企业就可以用真正的根据数据来做决策，而不单纯依靠感性的认知和过往经验。

　　第二以人为本的营销就是个性化营销。现在和未来的营销的主要人群已经从原来的80后、85后，逐渐演变成中年人的90后，以及正在青春期的00后，而这代人正是在经济快速发展、物质非常丰富，还有移动互联网时代下生长的一群人。他们的诉求其实是追求个性化，希望通过产品和服务表达自我，这给企业的启示就是，如果想赢得他们的喜爱，就需要将营销随之做出变化，谁能够把个性化的营销做的更细化、更精准，谁就会更快的赢得这一场的胜利。

　　总之，以人为本是基地。其实人工智能这些花哨的科技术语最终还是要落地到营销的场景，帮助企业实现各个纬度的增长和实现营销的目标。因此今天，我才会通过不同的案例让大家感受这些听起来很枯燥的模型理论，让大家知道大数据和人工智能如何在整个营销过程中起作用。

　　我们现在做品牌推广的时候，其实推的都是白色这一块用户群，因为这块用户群是T用户，橙色的部分表示的是哪些用户对品牌最感兴趣，现在的方法是你没有办法精准的去猜想出橙色的部分是哪一些，但是现在通过预测性的模型，我们可以把这精准的一群人找出来。比如找出T浓度最高的人做出一个影像。

　　这里是我们帮春秋航空进行品牌推广的一个案例。每一个旅客对航线偏好不一样，比如商旅北上广深多，对于普通用户休闲旅游则需要国内的旅游景点或者出境游，这时春秋航空会给长旅客发送短信信息，然而从用户点击短信跳转到官网最后购买，实际情况是1%，因而该航空公司希望把短信的转化率能提升起来。

　　为此，我们和客户挑选两条其中的路线进行了落地的试验，接入了春秋航空3千万的会员数据，6千多万的沉积信息，其中包含不同的订单数据、信息数据和基础数据。我们对整个高购买意向的用户进行了一个分群和打标签，提取了以上客群的特征。例如他乘坐的频次、周期、购买时间段的长短，提前购买的信息，最终得出来航线的整个的购买预测模型。

　　整个购买的预测模型当中，我们可以筛选出浓度最高的客群。针对这一群人做营销推送的结果是，在整个实践结果下来，模型的准确率能够达到97.5%，其实更让我们和春秋航空震惊和感到满意的是，它整个的转化率提升了14倍，从1%的转化率提升到14%。因此我们现在将这个模型更多的运用在不同的航线当中，并不断去调整个模型。在这个案例中我们可以知道只要企业找到对的人，找到浓度高的人去做营销推、和转化，整个转化率提升将是非常明显的。

　　另外一个想分享的案例是关于用户的分层。我们可以通过整个数据模型的应用进行精细化的分层，帮助品牌识别出高意向的用户，以此大大提升整个资源效率的配置，让购买转化率也有提升。这个案例是一个汽车品牌，它不是没有数据它是数据太多，它有60多万的潜客车主的数据，但是它很难了解这60多万的用户，销售团队人数有限，不可能每一个人都去跟销售线索，这就会耽误到一些优质线索的转化。因此我们根据这个营销场景，帮助品牌建立AI模型，该模型叫营销积分模型，在这模型当中我们首先是整合和打通该品牌的第一方数据，同时接入第三方媒体数据，去做一个用户洞察的破绽。接着我们将这些数据打通和关联起来，然后根据不同的纬度来设置用户的标签，建立起客户营销积分模型。我们按照0到100分为每一个用户进行打分，为品牌打分到800分以上是属于高分值的人群，销售就可以将营销的重点放在这类人群中，邀约他们线下到店。而200分以下的用户表明，是整个品牌的认识刚接触的阶段，消费者的决策周期是14个月，一开始和用户保持沟通联系关系，就不一定通过外呼。该案例系统模型的准确率最终时间也是有97.42，根据客户的反馈最终的模型结束之后到店是提升了1倍多。

　　关于这个过程，首先我们会做成数据分析，然后随之建立营销场景模型，产出不同的人群之后，企业会根据我们的结构去做对应的营销。这里值得一提的是，我们每一个模型会根据实时的数据进行一个反馈，这样子在不同的阶段、不同的场景里面，都可以不断的去调优使得结果越来越精准。

　　第三个我想分享的案例是关于家装销售和关联销售。最近我们帮助星巴克做了一个非常有趣的用户洞察的研究，研究食品和饮品之间的关联关系。我们研究了过去一年当中星巴克的会员在购买饮料和食品当中的数据，这里的数据量已有3亿多个，数据涵盖了会员的商品信息和门店的信息。经历过数据处理之后，我们会考虑这个用户在其购买时候的时间段的不同状态。例如在早餐时段购买午餐、晚饭还是宵夜，购买的地点是商圈，还是机场或独立的门店，购买百元以内还是百元以上，通过不同的因素去建立一个模型。同时我们把饮品的属性进行了一个归类，比如这个饮料是否是含奶，它的甜度是不甜、轻微、浓郁，是冰的还是常温的。食品我们也会对应划分出7个不同的属性去做交叉关联。

　　整个关联结果得出来就是，当用户现在每一次去光顾星巴克饮料的时候，就会发现个性化推荐是不一样的。该案例整个转化率的提升是46%的。通过和星巴克做关联分析之后我们可以发现用户的偏好，此结论除了可以做个性化营销外，对于食品整个的开发，我们是提供了一定的定制。这个模型也在和星巴克做不断的深究，进行二期和三期的开发当中。

　　如同一开始我提到以人为本的营销，企业在做数字化转型的时候两手抓最好，星巴克就是这样走在前沿的一个企业。星巴克的CDP是我们公司去帮忙建立，我们已经帮其打通了星巴克的整个会员体系的数据源，如APP、短信、EDI等等。我们已经可以识别出唯一的客户群，并针对不同的客户打上不一样的纬度的标签，以方便星巴克做后续的处理以及模型的开发应用。

　　整个的数据源结构和架构，是把数据源提出来之后，在CDP平台做整个的关联，打通清洗做整个数据应用和模型的建立，最终为CM的平台提供做营销决策的依据，这里就不一一展开。

　　以上的案例令我们对消费者越来越理解，我们发现接触前沿的科技之后，其实是可以跟消费者去做一个关系和联动，以达到整个的营销目的和转化。对的时间、对的人对的内容，这一句话是很老生常谈，但是真正把这样子一个东西落到营销场景的时候，我们发现现在不是做的特别好，因此才有大数据和人工智能这样一个预测模型的出现。同时我们也相信数据和智能驱动化的个性化营销是未来营销的一种趋势，可以AI驱动实现对整个客户生命周期的管理。例如，我刚刚提到当你要去做一个新客获取的时候，可以购买春秋模型这类的预测模型，在提高整个转化的时候，可以有营销积分模型。还有流失的模型和沉睡客户识别模型，不同的模型可以提高用户整体的价值，最终整个营销能力的提升也可以帮助企业更好地运转下去。