看今日頭條如何玩轉(zhuǎn)精準(zhǔn)營(yíng)銷(xiāo)

梁棟

摘 要：隨著大數(shù)據(jù)時(shí)代的到來(lái)以及消費(fèi)者需求的迅速變化，如何利用大數(shù)據(jù)從而對(duì)消費(fèi)者展開(kāi)精準(zhǔn)的營(yíng)銷(xiāo)活動(dòng)是目前每個(gè)企業(yè)面臨的問(wèn)題。從今日頭條的企業(yè)實(shí)踐中剖析其基于大數(shù)據(jù)的精準(zhǔn)營(yíng)銷(xiāo)策略，分別從今日頭條的算法、用戶(hù)畫(huà)像、個(gè)性化推薦這三個(gè)方面進(jìn)行闡述，歸納總結(jié)了今日頭條的精準(zhǔn)營(yíng)銷(xiāo)策略，從而為其他企業(yè)如何利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)提供了依據(jù)。

關(guān)鍵詞：精準(zhǔn)營(yíng)銷(xiāo)；大數(shù)據(jù)

中圖分類(lèi)號(hào)：F49

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/j.cnki.1672-3198.2017.19.029

自2013年世界大數(shù)據(jù)元年的開(kāi)啟，各類(lèi)信息實(shí)現(xiàn)爆炸式增長(zhǎng)，并且隨著人們生活水平的提高，目前消費(fèi)者的需求呈現(xiàn)出多樣化、碎片化的特點(diǎn)，在這樣的時(shí)代特點(diǎn)下，各個(gè)企業(yè)都面臨著如何對(duì)龐大的數(shù)據(jù)加以利用，從而滿(mǎn)足消費(fèi)者需求的嚴(yán)峻挑戰(zhàn)。今日頭條是基于數(shù)據(jù)挖掘的推薦引擎產(chǎn)品，主要推薦對(duì)客戶(hù)有價(jià)值的新聞、電影、購(gòu)物等信息，于2016年末完成D輪融資，投后估值110億美元，成為移動(dòng)互聯(lián)網(wǎng)領(lǐng)域的獨(dú)角獸。

精準(zhǔn)營(yíng)銷(xiāo)是今日頭條迅速成為移動(dòng)互聯(lián)新貴的重要原因之一，菲利普科特勒指出“精準(zhǔn)營(yíng)銷(xiāo)”（precision marketing）是使得營(yíng)銷(xiāo)溝通更加精確、可衡量以及較高的投資回報(bào)，菲利普科特勒重點(diǎn)強(qiáng)調(diào)了精準(zhǔn)營(yíng)銷(xiāo)需要借助信息技術(shù)，對(duì)顧客采取有針對(duì)性的信息傳遞。而今日頭條就是基于數(shù)據(jù)挖掘技術(shù)，對(duì)用戶(hù)的興趣愛(ài)好進(jìn)行分析，最終將那些與消費(fèi)者興趣相匹配的信息推薦給相應(yīng)的用戶(hù)，因此本文從數(shù)據(jù)挖掘、用戶(hù)畫(huà)像、個(gè)性化推薦這三方面剖析今日頭條是如何玩轉(zhuǎn)精準(zhǔn)營(yíng)銷(xiāo)的。

1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是今日頭條玩轉(zhuǎn)精準(zhǔn)營(yíng)銷(xiāo)的基礎(chǔ)。之所以說(shuō)數(shù)據(jù)挖掘是今日頭條進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)的基礎(chǔ)，是因?yàn)橥ㄟ^(guò)數(shù)據(jù)挖掘獲取用戶(hù)特征的第一步。今日頭條刻意的允許用戶(hù)可以通過(guò)QQ、微信、微博等社交賬號(hào)登錄今日頭條（當(dāng)然也可以注冊(cè)新的今日頭條賬號(hào)登錄），其目的就是通過(guò)分析用戶(hù)的基本資料如年齡、性別、職業(yè)等以及社交行為來(lái)分析用戶(hù)的行為習(xí)慣、愛(ài)好、興趣等。所以即使是用戶(hù)第一次用社交賬號(hào)登錄今日頭條，今日頭條也會(huì)通過(guò)其強(qiáng)大的數(shù)據(jù)挖掘技術(shù)給用戶(hù)提供與其相匹配的信息，當(dāng)用戶(hù)綁定社交賬號(hào)之后，今日頭條就會(huì)在幾秒鐘內(nèi)解讀用戶(hù)的興趣，并且每隔10秒更新用戶(hù)模型，用戶(hù)使用今日頭條的時(shí)間越長(zhǎng)，今日頭條就會(huì)越了解用戶(hù)。

但是正是由于這些用戶(hù)信息量很龐大，傳統(tǒng)的數(shù)據(jù)分析技術(shù)難以高效的處理這些海量的數(shù)據(jù)，因此數(shù)據(jù)挖掘技術(shù)在今日頭條分析用戶(hù)行為的過(guò)程中得到了廣泛的應(yīng)用。今日頭條的數(shù)據(jù)挖掘技術(shù)主要包括用戶(hù)海量數(shù)據(jù)的抓取、用戶(hù)興趣發(fā)現(xiàn)算法、將用戶(hù)進(jìn)行分類(lèi)、個(gè)性化推薦算法的實(shí)現(xiàn)等等，通過(guò)這種處理海量數(shù)據(jù)的技術(shù)可以讓今日頭條更“懂”用戶(hù)，利用一切可以獲取的用戶(hù)信息去了解用戶(hù)，并最終實(shí)現(xiàn)對(duì)用戶(hù)的精準(zhǔn)信息推薦。

2 用戶(hù)畫(huà)像

用戶(hù)畫(huà)像是今日頭條玩轉(zhuǎn)精準(zhǔn)營(yíng)銷(xiāo)的關(guān)鍵。在營(yíng)銷(xiāo)學(xué)中的一個(gè)重要概念就是以消費(fèi)者為核心，了解并且滿(mǎn)足客戶(hù)需求使得客戶(hù)滿(mǎn)意才會(huì)為企業(yè)創(chuàng)造收益，所以把握住每類(lèi)用戶(hù)的特點(diǎn)就變得尤為重要。在大數(shù)據(jù)的時(shí)代背景下，“用戶(hù)畫(huà)像”這一概念應(yīng)運(yùn)而生，用戶(hù)畫(huà)像正是幫助企業(yè)了解消費(fèi)者需求的一個(gè)渠道。

今日頭條通過(guò)數(shù)據(jù)挖掘技術(shù)不僅收集到了用戶(hù)的人口統(tǒng)計(jì)信息（例如性別、年齡等）還挖掘出了更多與用戶(hù)相關(guān)的興趣偏好等信息，通過(guò)對(duì)用戶(hù)的信息進(jìn)行分類(lèi)整理，給用戶(hù)貼上標(biāo)簽，為以后實(shí)行精準(zhǔn)營(yíng)銷(xiāo)做足了準(zhǔn)備，這就是我們常說(shuō)的用戶(hù)畫(huà)像，用戶(hù)畫(huà)像這個(gè)概念自提出以來(lái)，還沒(méi)有明確的定義，Michael等（2016）認(rèn)為用戶(hù)畫(huà)像是通過(guò)用戶(hù)在互聯(lián)網(wǎng)上的活動(dòng)來(lái)總結(jié)用戶(hù)的偏好和興趣；Xiong等（2016）學(xué)者認(rèn)為用戶(hù)畫(huà)像包含著用戶(hù)的年齡、住址、家鄉(xiāng)、愛(ài)好以及不同用戶(hù)之間的互動(dòng)行為，通過(guò)以往學(xué)者對(duì)于用戶(hù)畫(huà)像的界定我們可以發(fā)現(xiàn)，用戶(hù)畫(huà)像是一個(gè)形象的比喻，通過(guò)對(duì)用戶(hù)貼標(biāo)簽使得用戶(hù)的形象逐漸豐滿(mǎn)起來(lái)。

但是用戶(hù)畫(huà)像并不是對(duì)每一位用戶(hù)都去進(jìn)行“貼標(biāo)簽”，因?yàn)檫@需要很龐大的數(shù)據(jù)量以及復(fù)雜的計(jì)算過(guò)程，而是將用戶(hù)分類(lèi)，對(duì)每一類(lèi)用戶(hù)描繪其用戶(hù)畫(huà)像，分類(lèi)標(biāo)準(zhǔn)有很多，例如劉海（2015）等學(xué)者認(rèn)為用戶(hù)畫(huà)像的構(gòu)建可以分為兩個(gè)部分：第一部分是性別、年齡等基本信息；第二部分是消費(fèi)行為信息，包括消費(fèi)者的瀏覽記錄以及購(gòu)買(mǎi)記錄，瀏覽記錄有消費(fèi)者對(duì)購(gòu)買(mǎi)商品的瀏覽時(shí)間、點(diǎn)擊次數(shù)等，購(gòu)買(mǎi)記錄有消費(fèi)者的支付方式、購(gòu)買(mǎi)時(shí)間等。

舉個(gè)例子，用戶(hù)在今日頭條上看新聞時(shí)，服務(wù)器就可以記錄用戶(hù)對(duì)每個(gè)新聞的瀏覽時(shí)間、瀏覽字?jǐn)?shù)，那么服務(wù)器就會(huì)知道用戶(hù)對(duì)哪類(lèi)新聞感興趣，例如通過(guò)分析可以得出90后的女孩更喜歡看娛樂(lè)類(lèi)的新聞等諸如此類(lèi)的信息，那么這類(lèi)用戶(hù)就可以歸為一類(lèi)，這樣就可以將每一類(lèi)用戶(hù)的用戶(hù)畫(huà)像描繪出來(lái)之后，有針對(duì)性的進(jìn)行個(gè)性化信息推薦了。

3 個(gè)性化推薦

個(gè)性化推薦是今日頭條玩轉(zhuǎn)精準(zhǔn)營(yíng)銷(xiāo)的結(jié)果。數(shù)據(jù)挖掘技術(shù)可以幫助今日頭條獲取用戶(hù)的信息，分析用戶(hù)的興趣愛(ài)好等，用戶(hù)畫(huà)像是對(duì)每一位用戶(hù)進(jìn)行分類(lèi)、貼標(biāo)簽的過(guò)程，這兩個(gè)步驟使得今日頭條越來(lái)越了解用戶(hù)，最后一步就是結(jié)合每類(lèi)用戶(hù)的特點(diǎn)進(jìn)行信息的精準(zhǔn)推薦了。

傳統(tǒng)的新聞?lì)^條是指比較重大、有轟動(dòng)性的新聞事件，但是今日頭條這款A(yù)PP所倡導(dǎo)的主題確是“你所關(guān)心的，才是頭條”，由此我們可以看出今日頭條將重點(diǎn)放在了推薦與客戶(hù)的興趣愛(ài)好相匹配的信息上，也就是對(duì)每個(gè)客戶(hù)實(shí)行個(gè)性化信息推薦。今日頭條會(huì)通過(guò)機(jī)器學(xué)習(xí)將客戶(hù)的特征、（新聞、電影等）信息特征、環(huán)境特征（如節(jié)日、工作日等）這三者相互匹配起來(lái)，然后對(duì)用戶(hù)進(jìn)行個(gè)性化推薦。針對(duì)不同類(lèi)別客戶(hù)的特點(diǎn)，今日頭條會(huì)使用不同的營(yíng)銷(xiāo)策略推薦給用戶(hù)不同的信息內(nèi)容，使得每位用戶(hù)獲得自己感興趣的內(nèi)容。其中，今日頭條為每位用戶(hù)推薦的信息不僅包括新聞，而且還包括電影、音樂(lè)、購(gòu)物等信息，這樣就會(huì)使得每位用戶(hù)得到的信息不局限于新聞，而是比較全面、豐富的信息。

當(dāng)然，今日頭條作為一個(gè)以盈利為目的的企業(yè)不單單只為用戶(hù)推薦令其感興趣的新聞內(nèi)容，同時(shí)今日頭條還是一個(gè)廣告投放平臺(tái)。今日頭條依托其龐大的用戶(hù)群體以及精準(zhǔn)的個(gè)性推薦算法，還對(duì)用戶(hù)進(jìn)行廣告的精準(zhǔn)投放。例如某位今日頭條的用戶(hù)一直很關(guān)注各大手機(jī)發(fā)布會(huì)的新聞，那么今日頭條就會(huì)通過(guò)該用戶(hù)所瀏覽過(guò)的發(fā)布會(huì)上的各個(gè)手機(jī)品牌、性能、價(jià)格等屬性，估測(cè)出該用戶(hù)偏好什么品牌、什么性能的手機(jī)，然后將這類(lèi)手機(jī)的廣告推薦給消費(fèi)者。今日頭條的這一策略可謂“一箭三雕”，既使得用戶(hù)愉悅的看了自己所關(guān)注的產(chǎn)品的廣告，又使得讓廣告商將廣告投放到了想投放的目標(biāo)客戶(hù)中，減少了營(yíng)銷(xiāo)成本，并且今日頭條公司也會(huì)專(zhuān)賺取較高的利潤(rùn)。

利用大數(shù)據(jù)進(jìn)行相應(yīng)的營(yíng)銷(xiāo)活動(dòng)已經(jīng)越來(lái)越受到企業(yè)的青睞，今日頭條這個(gè)公司就是利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)最成功的案例之一。首先，獲取消費(fèi)者的基本信息、社交行為等信息，通過(guò)數(shù)據(jù)挖掘技術(shù)尋找出消費(fèi)者的興趣愛(ài)好；然后將基本信息、興趣愛(ài)好相似的那些消費(fèi)者歸為一類(lèi)，總結(jié)出每類(lèi)消費(fèi)者的特點(diǎn)，為這些用戶(hù)繪制“畫(huà)像”；最后結(jié)合每類(lèi)用戶(hù)的特點(diǎn)以及興趣愛(ài)好為這些用戶(hù)進(jìn)行新聞、購(gòu)物等信息以及廣告的精準(zhǔn)推薦。在這個(gè)數(shù)據(jù)為王的時(shí)代，企業(yè)應(yīng)該對(duì)海量的數(shù)據(jù)合理加以利用，精準(zhǔn)把握消費(fèi)者的需求特點(diǎn)，將產(chǎn)品精準(zhǔn)地投放給每一位消費(fèi)者，從而為消費(fèi)者創(chuàng)造更多的福利，也為企業(yè)謀取更多的利潤(rùn)。

參考文獻(xiàn)

[1]陳會(huì)軍.UM辦公家具在上海市場(chǎng)的精準(zhǔn)營(yíng)銷(xiāo)策略研究[D].上海：華東理工大學(xué)，2017：1-35.

[2]加里·阿姆斯特朗，菲利普·科特勒.科特勒市場(chǎng)營(yíng)銷(xiāo)教程（第6版）[M].俞利軍譯.北京：華夏出版社，2006.

[3]Michael Trusov， Liye Ma Zainab Jamal.Crumbs of the cookie： User profiling in customer-base analysis and behavioral targeting [J].Marketing Science，2016，35（3）：1-22.

[4]Liyan Xiong ， Yin Lei ， Weichun Huang ， Xiaohui Huang，Maosheng Zhong.An estimation model for social relationship strength based on users'profiles，co-occurrence and interaction activities [J].Neurocomputing， 2016，214：927-934.

[5]劉海，盧慧，阮金花，田丙強(qiáng)，胡守忠. 基于“用戶(hù)畫(huà)像”挖掘的精準(zhǔn)營(yíng)銷(xiāo)細(xì)分模型研究[J]. 絲綢， 2015，52（12）：37-42.