大数据分析及应用案例-精准营销
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
商品标准名称 Nikon D90 12.3MP DXFormat CMOS Digital SLR Camera Canon EOS Rebel T31 Harry Potter Half Blood Prince PS2 品类 camera 品牌 Nikon 产品名 D90 格式 DSLR 系列 _ 子系列 _
锁定客户
通过个性化购物体验来增加销售量及客户购 物金额
智慧的零售
解决方案的组件
• • • •
IBM® WebSphere® Commerce Enterprise IBM中国研究院 IBM业务伙伴SAP IBM业务伙伴西安筋斗云科技有限责任公司(Xi’an Smartcloud Technology Co., Ltd.)
DSM Model
Named Entity Recognition model Product-Aspect Categorization model Sentiment Association model
案例四：零售行业销售预测
实际上线部署分析
• •
将社交媒体数据及情感分析结果用以销售预测
情感分析对于预测精度有很大的提升
看看都是谁买了这款产品？
买家画像
技术宅 乐活族 小清新 > Ta们的评价 外观漂亮 屏幕大 > Ta们的评价 系统流畅 分辨率高 功能丰富 > Ta们还购买 了 34.4% 67.1% 51.2% 手感舒适 > Ta们还购买 了 78.2% 60.3%
都市小白领
41.5%
8
案例三： 产品服务细粒度对比
• 对竞争对手间关于产品及服务方面用户的多维度反馈比较 • 利用深度情感挖掘技术给出每个维度用户的满意度及关键点 • 给出不同时间段不同地域的对比图
TDBank
BMO
Debit Cards
Service Fees/Charges
Service Refunds
9
个性化推荐案例场景三：细粒度的产品分析来改善个性化推荐的精确度
基于隐含要素分析的 推荐 基于边际效应的推荐
– 利用各种异构数据（交易、行为、社交、内容等 ），提高推荐精度 – 基于边际效应的推荐 – 基于用户上下文信息的推荐
5
案例二： 个性化私信营销互动
6
个性化推荐案例场景二：产品经理查看推荐用户的画像
7
支撑技术：基于心理学模型的个性化建模
•根据人的性格定位推销相应产品并互动 •海外银行及国内银行案例
• 产品销量预测
• 库存优化 • 促销管理
• 基础架构
• 构建商品及用户的词库管理系统
2
案例一： 一家中国零售商通过洞悉客户情绪及潮流趋势得以创建效果更好的产品组 合并且更加有效地销售它们
节省90%
将面向交叉销售的全套服饰搭配时间缩短90% ，消除了数小时的手动工作
发现趋势
通过洞悉消费者情绪以及提高经销和库存管 理水平来发现趋势 业务挑战：这家零售商希望提高对流行趋势、消费者需求及其对服装销量影响的感知力—以便提 高营销活动的个性化水平、产品推广活动的智慧性以及库存规划水平。
Hale Waihona Puke Baidu
Original Review Sentences
10
支撑技术：基于机器学习的深度情感挖掘
DSM Engine 1. Tokenization & POS tagging 2. Named Entity Recognition 3. Product Aspect Categorization 4. Aspect-oriented Sentiment Association 5. Personalized Sentiment Scoring 6. Aspect-oriented Summarization
现在，客户的市场影响力比以往任何时候都更加强大 — 不仅包括他们所说的内容，而且还包括 他们的行为方式与所购商品。为了取得成功，零售商必须要聆听客户心声，并且使用客户心声来 指导业务决策。
3
个性化推荐案例场景一：服装搭配
点击获取 商品信息
服务器端功能
推荐搭配 列表
个性化搭配系统
– 个性化模板库 – 个性化模板建立及标签模块 – 组合规则库及自学习模块
智慧的解决方案：公司扩展了产品视图以便指导他们开展推销与营销活动。全新的分析引擎能够 从种类繁多的数据中发现模式 — 销售事务、网站分析、客户资料、产品评论和社交媒体内容 — 从而了解公司服装的购买方式、地点和人群；客户喜欢或者不喜欢某个产品的哪些地方；市场中 的最新流行趋势是什么。这个全面的产品视图还能帮助零售商通过调整产品线和库存来响应需 求变化并且开发出个性化营销方案，从而增加销量。
用户消费行为受到所处的各种社会关系网络的影响 ，基于朋友关系，组织成员关系、信任关系等进行 个性化推荐
商品和用户偏好有很多隐含要素组成，通过隐含要 素分析，预测用户对商品的偏好程度 技术优势 利用经济学原理，挖掘出不同商品的边际效应程度 ，区分频繁购买商品和非频繁购买商品，使系统更 好的符合真实世界用户的购物行为，提供精准的商 品推荐及营销
46周的销售数据加上15周的社交媒体数据用以训练， 来预测未来的销售额 某款相机: 预测精度，MAPE（平均绝对百分比误差）从31%降到了16%
在预测模型中加入社交媒 体中相关品牌产品的数据 量信息及情感挖掘信息很 大提升了预测精度
12
支撑技术： 将社交媒体分析加入销售预测模型
社交媒体数据
“Bought a Nikon Coolpix S6300 + waterproof case. Can't wait to play with it.”
-基于用户行为分析的产品推荐及销量预测
信息分析研究部
大数据分析及应用案例
1
大数据分析上苏宁目前现在遇到的技术问题
• 大数据分析应用上需求
• 基于用户行为分析的产品推荐
访谈对象： 张侦 苏宁商业智能中心技术团队
• 如何更好地控制用户行为数据中的由于促销等活动所引起的数据短时突变。 • 面向用户的个性化推荐如何控制计算代价 • 如何平衡推荐效果和推荐的丰富度
个性化推荐
– 商品搭配 – 添加/删除商品 – 社交媒体分享
4
支撑技术：基于用户行为分析的个性化推荐
• 利用各种异构数据（交易、行为、社交、内容等），为不同的商业 场景提供相应的个性化推荐
技术方案
基于用户行为的推荐
应用场景
根据用户的历史交易及行为，对用户偏好进行建模 ，进行个性化推荐
基于社会关系的推荐
锁定客户
通过个性化购物体验来增加销售量及客户购 物金额
智慧的零售
解决方案的组件
• • • •
IBM® WebSphere® Commerce Enterprise IBM中国研究院 IBM业务伙伴SAP IBM业务伙伴西安筋斗云科技有限责任公司(Xi’an Smartcloud Technology Co., Ltd.)
DSM Model
Named Entity Recognition model Product-Aspect Categorization model Sentiment Association model
案例四：零售行业销售预测
实际上线部署分析
• •
将社交媒体数据及情感分析结果用以销售预测
情感分析对于预测精度有很大的提升
看看都是谁买了这款产品？
买家画像
技术宅 乐活族 小清新 > Ta们的评价 外观漂亮 屏幕大 > Ta们的评价 系统流畅 分辨率高 功能丰富 > Ta们还购买 了 34.4% 67.1% 51.2% 手感舒适 > Ta们还购买 了 78.2% 60.3%
都市小白领
41.5%
8
案例三： 产品服务细粒度对比
• 对竞争对手间关于产品及服务方面用户的多维度反馈比较 • 利用深度情感挖掘技术给出每个维度用户的满意度及关键点 • 给出不同时间段不同地域的对比图
TDBank
BMO
Debit Cards
Service Fees/Charges
Service Refunds
9
个性化推荐案例场景三：细粒度的产品分析来改善个性化推荐的精确度
基于隐含要素分析的 推荐 基于边际效应的推荐
– 利用各种异构数据（交易、行为、社交、内容等 ），提高推荐精度 – 基于边际效应的推荐 – 基于用户上下文信息的推荐
5
案例二： 个性化私信营销互动
6
个性化推荐案例场景二：产品经理查看推荐用户的画像
7
支撑技术：基于心理学模型的个性化建模
•根据人的性格定位推销相应产品并互动 •海外银行及国内银行案例
• 产品销量预测
• 库存优化 • 促销管理
• 基础架构
• 构建商品及用户的词库管理系统
2
案例一： 一家中国零售商通过洞悉客户情绪及潮流趋势得以创建效果更好的产品组 合并且更加有效地销售它们
节省90%
将面向交叉销售的全套服饰搭配时间缩短90% ，消除了数小时的手动工作
发现趋势
通过洞悉消费者情绪以及提高经销和库存管 理水平来发现趋势 业务挑战：这家零售商希望提高对流行趋势、消费者需求及其对服装销量影响的感知力—以便提 高营销活动的个性化水平、产品推广活动的智慧性以及库存规划水平。
Hale Waihona Puke Baidu
Original Review Sentences
10
支撑技术：基于机器学习的深度情感挖掘
DSM Engine 1. Tokenization & POS tagging 2. Named Entity Recognition 3. Product Aspect Categorization 4. Aspect-oriented Sentiment Association 5. Personalized Sentiment Scoring 6. Aspect-oriented Summarization
现在，客户的市场影响力比以往任何时候都更加强大 — 不仅包括他们所说的内容，而且还包括 他们的行为方式与所购商品。为了取得成功，零售商必须要聆听客户心声，并且使用客户心声来 指导业务决策。
3
个性化推荐案例场景一：服装搭配
点击获取 商品信息
服务器端功能
推荐搭配 列表
个性化搭配系统
– 个性化模板库 – 个性化模板建立及标签模块 – 组合规则库及自学习模块
智慧的解决方案：公司扩展了产品视图以便指导他们开展推销与营销活动。全新的分析引擎能够 从种类繁多的数据中发现模式 — 销售事务、网站分析、客户资料、产品评论和社交媒体内容 — 从而了解公司服装的购买方式、地点和人群；客户喜欢或者不喜欢某个产品的哪些地方；市场中 的最新流行趋势是什么。这个全面的产品视图还能帮助零售商通过调整产品线和库存来响应需 求变化并且开发出个性化营销方案，从而增加销量。
用户消费行为受到所处的各种社会关系网络的影响 ，基于朋友关系，组织成员关系、信任关系等进行 个性化推荐
商品和用户偏好有很多隐含要素组成，通过隐含要 素分析，预测用户对商品的偏好程度 技术优势 利用经济学原理，挖掘出不同商品的边际效应程度 ，区分频繁购买商品和非频繁购买商品，使系统更 好的符合真实世界用户的购物行为，提供精准的商 品推荐及营销
46周的销售数据加上15周的社交媒体数据用以训练， 来预测未来的销售额 某款相机: 预测精度，MAPE（平均绝对百分比误差）从31%降到了16%
在预测模型中加入社交媒 体中相关品牌产品的数据 量信息及情感挖掘信息很 大提升了预测精度
12
支撑技术： 将社交媒体分析加入销售预测模型
社交媒体数据
“Bought a Nikon Coolpix S6300 + waterproof case. Can't wait to play with it.”
-基于用户行为分析的产品推荐及销量预测
信息分析研究部
大数据分析及应用案例
1
大数据分析上苏宁目前现在遇到的技术问题
• 大数据分析应用上需求
• 基于用户行为分析的产品推荐
访谈对象： 张侦 苏宁商业智能中心技术团队
• 如何更好地控制用户行为数据中的由于促销等活动所引起的数据短时突变。 • 面向用户的个性化推荐如何控制计算代价 • 如何平衡推荐效果和推荐的丰富度
个性化推荐
– 商品搭配 – 添加/删除商品 – 社交媒体分享
4
支撑技术：基于用户行为分析的个性化推荐
• 利用各种异构数据（交易、行为、社交、内容等），为不同的商业 场景提供相应的个性化推荐
技术方案
基于用户行为的推荐
应用场景
根据用户的历史交易及行为，对用户偏好进行建模 ，进行个性化推荐
基于社会关系的推荐