大家都知道現(xiàn)在就是大數(shù)據(jù)時(shí)代，不管大家是在哪個(gè)電商平臺(tái)上開(kāi)店運(yùn)營(yíng)都有必要了解一些大數(shù)據(jù)的相關(guān)內(nèi)容，對(duì)于在亞馬遜平臺(tái)上開(kāi)店的賣(mài)家朋友，有必要學(xué)習(xí)一下亞馬遜大數(shù)據(jù)營(yíng)銷(xiāo)的玩法！
1.分析顧客各類(lèi)信息與數(shù)據(jù)
顧客在網(wǎng)站上產(chǎn)生四種數(shù)據(jù)：即時(shí)數(shù)據(jù)、行為數(shù)據(jù)、社交數(shù)據(jù)以及屬性數(shù)據(jù)。即時(shí)數(shù)據(jù)包括顧客搜索的關(guān)鍵詞、訪問(wèn)的商品頁(yè)面等；行為數(shù)據(jù)包括顧客購(gòu)買(mǎi)的商品數(shù)據(jù)、顧客關(guān)注或收藏的商品數(shù)據(jù)以及顧客的瀏覽行為偏好等；社交數(shù)據(jù)包括顧客的興趣愛(ài)好、觀點(diǎn)態(tài)度等；屬性數(shù)據(jù)則包括顧客的性別、年齡、職業(yè)以及地域分布等數(shù)據(jù)。
亞馬遜對(duì)于顧客產(chǎn)生的上述數(shù)據(jù)從多個(gè)方面開(kāi)展分析。
一是重點(diǎn)對(duì)顧客在網(wǎng)站上從搜索關(guān)鍵詞開(kāi)始、到訪問(wèn)頁(yè)面、到關(guān)注商品、最后到完成購(gòu)買(mǎi)全流程的數(shù)據(jù)進(jìn)行采集與分析；
二是重點(diǎn)對(duì)客戶(hù)偏好信息進(jìn)行采集與分析，包括顧客的觀點(diǎn)態(tài)度、瀏覽傾向偏好以及興趣愛(ài)好等數(shù)據(jù)。
2.細(xì)分顧客群體進(jìn)行群體商品推薦
提高銷(xiāo)售率的一個(gè)手段是對(duì)每一類(lèi)消費(fèi)者推送他們可能感興趣的商品廣告。為了實(shí)現(xiàn)對(duì)特定顧客群體獨(dú)特又精準(zhǔn)的營(yíng)銷(xiāo)，有必要對(duì)顧客群體進(jìn)行細(xì)分。大數(shù)據(jù)分析技術(shù)幫助亞馬遜實(shí)現(xiàn)了這一個(gè)需求。
在對(duì)每一位顧客行為數(shù)據(jù)分析的基礎(chǔ)上，為了把相似購(gòu)買(mǎi)群體的顧客分類(lèi)，亞馬遜基于大數(shù)據(jù)開(kāi)發(fā)了聚類(lèi)模型對(duì)顧客群體進(jìn)行細(xì)分。
顧客細(xì)分的目標(biāo)是把具體一個(gè)顧客分配到與他最為相似的已有顧客細(xì)分群中，算法分析該群體的購(gòu)買(mǎi)歷史與商品評(píng)價(jià)，從而生成商品推薦列表，推送給該名顧客。
3.分析商品屬性進(jìn)行商品匹配組合推薦
在利用細(xì)分顧客群推薦商品的同時(shí)，考慮到相同屬性的顧客可能還不是最相似的顧客，產(chǎn)生的推薦相關(guān)性還有待提高。
于是，亞馬遜又開(kāi)發(fā)了商品到商品的協(xié)同過(guò)濾。對(duì)于某一給定的商品，亞馬遜通過(guò)分析商品的各種屬性，通過(guò)基于大數(shù)據(jù)技術(shù)的算法找出與之最為匹配，也即顧客傾向于一起購(gòu)買(mǎi)的商品，從而建立起一個(gè)匹配的商品表。
4. .基于購(gòu)買(mǎi)歷史打造個(gè)性化網(wǎng)上商店
亞馬遜使用大數(shù)據(jù)技術(shù)，使得每一位顧客有個(gè)性化的網(wǎng)上商店，這種徹底的創(chuàng)新基于用戶(hù)的興趣。
登錄個(gè)人賬戶(hù)后的亞馬遜主頁(yè)上，設(shè)置了“為我推薦”鏈接，點(diǎn)擊鏈接，會(huì)把顧客引入一個(gè)區(qū)域，亞馬遜根據(jù)顧客以往的購(gòu)買(mǎi)歷史和商品領(lǐng)域，利用算法尋找相似商品，生成顧客可能感興趣的商品推薦列表，顧客可以對(duì)這些被推薦商品進(jìn)行評(píng)級(jí)，還可以查看為什么這些商品被推薦。
其實(shí)做亞馬遜選品的話，大家參考的大方向和維度都差不多，主要看在處理數(shù)據(jù)過(guò)程中你能有什么洞察出來(lái)，是否能發(fā)現(xiàn)一些新的機(jī)會(huì)。