大數據

猜一猜?消費者購買意圖:DCIU模型
每一個點擊,都在透露消費者的購買意圖。DCIU模型從網站的用戶歷程做分析,在消費者還沒真正結帳之前,就能預測到他的購買意圖。
到底這個月的業績是多少?「數據治理」是數據應用的基礎 Why Data Governance matters?
數據治理 (Data Governance)是數據應用的根本。一個品牌的會員資料?業績是多少?沒有好的數據治理,甚至這些根本的數據都是錯的,永遠看不到對報表,看不清楚自己公司的經營全貌。
OMO的顧客旅程:Show-rooming展廳現象與Web-rooming反展廳現象
門市通路很不喜歡Show-rooming(展聽現象),透過重建OMO顧客旅程,可以讓Show-rooming的消費者的線上消費,可以歸因回某門市的服務,並讓門市認列到業績,就可以把Show-rooming的現象,變成推動OMO的助力。
廣告成效是怎麼計算的?認識成效歸因-Attribution
每一筆線上訂單的產生,成效到底歸屬於哪一個來源媒體,其中的歸因邏輯與歸因模型,就是「Attribution」的議題。
廣告追蹤碼到底在追蹤什麼?—重建「顧客旅程」(Customer Journey)
追蹤並儲存網站的每一個點擊,把這些消費者的網站行為,轉換成有意義的零售業數據,依據時序重建顧客旅程(Customer Journey),透過顧客旅程,可以理解消費者意圖,並重新檢視媒體佈局的策略。
DMP 與 CDP - 網路廣告的數據基石
當第三方追蹤碼被淘汰,零售品牌因應網路廣告的巨變,要透過CDP掌握自己的數據,並串連DMP來提升廣告成效。網路廣告運作的基礎靠數據,而CDP是DMP是數位行銷重要的數據基石。
藏在數學裡的OMO秘密
OMO帶動業績成長的結果,來自於OMO佔比的提高。OMO佔比的基礎,來自於拉高eCom的佔比。
為什麼要做會員分級制度?
會員分級制度是零售業常用的會員經營方法,可以有效提高會員貢獻度。其實運作的原理,是利用RFM的M - 會員貢獻度 來分群,也是一種利用零售業大數據分群操作的常用方法。
LTV(顧客終身價值)- 每段關係都有一個期限
LTV 顧客終身價值,是透過大數據分析,了解會員的流失情形,會員的生命週期的平均時間長度,以及平均一個會員的長期累積貢獻。透過LTV,可以協助零售業知道熟客經營的投報情形,調整會員經營策略。
NAPL模型 - 零售業數據教我們的人生哲理
NAPL模型 - 是一個零售業的會員分群模型,透過大數據分析,協助零售品牌了解會員分布的樣貌,追蹤會員經營的成效,並針對不同分群的會員,設計會員行銷活動。