搜索
网络销售的人性化百分点科技对人性的理解加上2%的产品知识。(Sellingis98percentunderstandinghumanbeingsand2percentproductknowledge)——本·菲尔德曼美国史上最伟大的人寿保险经纪人议程理解客户心理与购物行为百分点个性化精准营销平台个性化精准营销案例分析附录：推荐算法简介团队介绍柏林森－首席执行官，创始人教育背景：美国伊利诺伊大学香槟分校：物理学和电子及计算机工程学双硕士中国科技大学少年班：物理学学士美国注册金融分析师（CFA）、美国精算协会准精算师（ASA）工作经历：在美国加州硅谷和纽约等地工作多年，历任高级金融软件工程师，金融分析师及资深金融保险咨询师专长于资本市场、金融产品创新、海量数据处理、数学建模、时间序列预测、人工智能及其系统实现为花旗银行、纽约人寿、德意志银行、日本三菱银行等全球顶级金融机构提供咨询服务。张韶峰－COO兼技术副总裁教育背景：清华大学：电气工程自动化硕士清华大学：电气工程自动化学士工作经历：法国电力公司巴黎研发中心天涯网络：数据挖掘部门总监研发了用户行为定向广告系统、内容推荐系统、舆情分析系统、商业智能系统两项专利（个性化推荐引擎、网络舆情分析）的第一作者IBM中国软件研发中心：亚太区智能分析方案Evangelist天才博通：创始人，执行副总裁研发了国内第一个SaaS模式的数据挖掘软件（Geni-sageDataMining）GDM时间序列预测效果超过欧洲人工智能大赛第一名的效果ESS：大中华区兼亚太区技术售前与解决方案经理Oracle：商业智能与数据挖掘顾问Oracle大中华区个人优秀绩效奖张一帆－营销副总裁工作经历：作为中国最早的互联网从业者，曾于ZDNetChina(aCBSInteractivewebsite)任销售总监曾任CBSInteractive企业群组媒体业务总监，负责兼管ZDNetChina、《每周电脑报-CWEEK》及C-Direct的营销，并着力于Online/Offline/DirectMarketing的整合营销曾带领网上车市(aCBSInteractivewebsite)市场研究部，为宝马中国提供咨询服务，并兼任网上车市广告总监曾作为销售副总裁加入About.comChina(a《纽约时报》website)曾作为恒动广告的执行董事，带领团队为Motorola及Oracle提供互联网广告及活动策划、执行等专业服务曾作为INNOFINGER的营销副总裁，带领团队为宝马及万科提供商业展示移动客户端的设计近十五年的媒体行业从业经验，包括九年互联网行业运营管理经验熟悉互联网和纸媒体的业务模式，尤其擅长营销以及市场资源整合周涛教授－首席科学顾问教育背景：瑞士弗里堡大学博士学术成就：全球在第一位在PNAS《美国科学院院刊》上发表个性化推荐技术的学者，PNAS与Science、Nature并称为全球3大顶级学术期刊。在全球各一级期刊上发表100多篇关于推荐的论文年仅27岁即获得电子科技大学正教授职位，任电子科技大学互联网信息中心主任，带领80多人的技术团队主要研究领域：Web2.0理论与应用数据挖掘个性化推荐苏萌教授－首席商业顾问，创始人教育背景：美国康奈尔大学：约翰逊管理学院，管理学博士，市场营销专业美国伊利诺伊大学香槟分校：商学院博士生，管理科学专业美国佛罗里达大西洋大学：商学院，MBA沈阳工业大学：经贸学院，经济学学士工作经历：北京大学光华管理学院：副教授、博士生导师专长于营销模型、数据挖掘、推荐系统、商业智能、个性化营销目前在光华管理学院讲授的课程包括市场学模型(博士生课程)；营销数据分析（MBA课程）；市场营销研究（本科与MBA课程）长期为美国通用汽车公司、日本夏普公司、新华信等提供咨询与顾问IDG与名力联合投资顾客实际购物行为REPLAY案例1－购买男式手表（购买意图明确）Step1：聚焦－浏览男式表Step1：聚焦－搜索男式表Step1：聚焦－放入购物车Step2：发散－浏览女式手表Step3：临门一脚－购买前的抉择顾客实际购物行为REPLAY案例2－购买女式包（购买意图模糊）Step1：发散－首先查看百分点的“个性化热销榜”Step2：聚焦－点击查看“个性化热销榜”中的一款“蕾丝包”Step2：聚焦－如果对当前包不满意，还会继续寻找其他“蕾丝包”Step3：发散－找到满意的“蕾丝包”后，可能会浏览并购买其他类型包总结：顾客在不同的阶段有不同的需求一次购物周期内先聚焦，再发散，再聚焦（有明确购买意图时）先发散，再聚焦，再发散（无明确购买意图时）整个客户生命周期内与客户Demographic无关的周期性需求与客户Demographic有关的缓慢变化需求目前国内的电商网站理解顾客心理与购物行为了吗？推荐系统兴趣小组的一封邮件购买被子时的推荐购买iPad时的推荐购买茶几时的推荐购买白酒时的推荐推荐≠广告与个人兴趣不相关的“推荐”会辜负用户的信任，是对用户体验的伤害。这种推荐与其叫“推荐”，不如叫“广告”，而且在很多用户看来是“垃圾广告”移动用户更需要推荐由于屏幕的尺寸受限，用户在移动设备上浏览商品远远不如PC上方便，因此“个性化推荐”（系统主动Push）相对于“浏览”和“搜索”（用户主动Pull）的重要性就更加突出百分点个性化精准营销平台基于云计算的个性化精准营销平台——打通各个网站基于云计算的个性化精准营销平台——打通各个网站与GoogleAdSense模式的广告类似的网络联盟平台，目前该云平台上已经有了近百家公司，7,000多万用户的行为数据，电商：麦包包、红孩子、果皮网、活力达等等非电商：亿邦动力、天极网、魔时社区、瑞尔齿科、伊美尔等等打通顾客在多个网站的行为数据，形成顾客商业行为数据平台。为每一家电商服务时，百分点会利用用户的全网行为数据，这样比仅仅利用它自身的数据全面和精准很多。百分点每增加一家客户，所有的原有客户都会受益。举例如下：用户A在佑一良品看过/买过女士斜挎包，百分点推荐引擎知道A的偏好后，如果A第一次去麦包包，麦包包从自身数据无法判断A的偏好。但百分点推荐引擎会根据A过去的偏好为其在麦包包上进行个性化推荐女士斜挎包用户A在红孩子买过X类型的商品，在后玛特网上超市买过Y类型的商品，在一号店买过Z类型的商品，但是X、Y、Z是类型完全不同。用户B第一次上一号店，一号店从自身数据无法判断A的偏好。但百分点推荐引擎知道B在红孩子买过X，在后玛特网上超市买过Y，从而认为B与A类似。由于A在一号店上买过类型Z的商品，百分点个性化精准营销平台追踪顾客在电商网站外和网站内的行为轨迹，在每一点上为顾客提供个性化服务百分点推荐引擎-流量转化共10多项个性化推荐百分点推荐引擎能够学习顾客的购物偏好，智能地为顾客推荐其需要的商品商品列表的个性化排序基于顾客浏览历史的个性化推荐浏览过本商品的顾客最终购买了基于顾客收藏夹与购物车的个性化推荐基于顾客购买历史的个性化推荐经常与本商品一起购买的商品个性化商品搜索智能学习与实时更新顾客在电子商务网站上所有行为都会被跟踪分析，实时反馈到推荐引擎中，实时改变给用户推荐的内容添加一项女性胶原蛋白在购物车里的时候推荐栏立即刷新推荐出了相关补充商品当顾客在购物车里有添加一个男士营养包的时推荐栏立即刷新，推荐商品发生实时变化百分点个性化商品推荐类型一览为顾客在购物流程中展现多种商品推荐，包括替代商品，关联商品等根据顾客浏览历史的商品推荐根据顾客购买历史的商品推荐根据顾客购物车的商品推荐根据顾客收藏夹的商品推荐根据顾客站内搜索结果的商品推荐商品列表的个性化排序和本商品经常一起购买的商品浏览了本商品的顾客最终购买了那些商品根据类目的商品推荐浏览过本商品的顾客还浏览过浏览过本商品的顾客还浏览过那些商品购买过本商品的顾客还购买过那些商品百分点推荐栏展示个性化邮件推荐个性化EDM卓越亚马逊的例子爱速客乐的例子一号店的例子个性化邮件推荐-卓越亚马逊个性化邮件推荐-爱速客乐您可能会感兴趣的商品(基于用户购买历史的推荐）：不同用户购买历史不同，推荐的商品也不同个性化邮件推荐-1号店个性化精准营销案例分析百分点客户举例24券。链接（单品右侧1个推荐栏）；链接（“我的订单”页面中部1个推荐栏）秀团网。链接（单品右侧1个推荐栏）；链接（帮助页面右侧1个推荐栏）；还有购物车中有一个推荐栏走秀网。链接（首页左下侧1个推荐栏）；链接（列表页左侧2个推荐栏）；链接（单品页右侧1个推荐栏）红孩子。链接（左侧2个推荐栏，中部和底部2个推荐栏）；链接（底部1个推荐栏）耀点100。链接（单品页中部1个推荐栏以及将商品加入到购物车后购物车中的猜您喜欢）天极网。链接（产品信息库页面右侧1个推荐栏）蓓利斯形象设计链接（新闻页面底部1个推荐栏）活力达。链接（右侧4个推荐栏以及将商品加入到购物车后购物车中的猜您喜欢）果皮网。链接（中部2个推荐栏）麦包包（流量前10大电商之一）。链接（左侧2个推荐栏）;链接（左侧1个推荐栏）蝶邦网。链接（底部的1个推荐栏）呼哈网。链接（右侧1个推荐栏）爱速客乐（Askul，全日本第二大电商）。链接拍鞋网。链接（右侧与底部2个推荐栏）聚美网。链接（下侧2个推荐栏）珂兰钻石。链接（右侧2个推荐栏）某服装B2C的效果统计报表截屏推荐引擎的效果一览注：这里所有的“增长率”都是用A/BTest的方法做出的，即比较同期受推荐影响的客户的客单价与未受推荐影响的客户的客单价：平均客单价增长率=(受推荐影响的客单价–未受推荐影响的客单价)/未受推荐影响的客单价上述公式刨除了整体价格上涨、整体客单价上涨的因素，体现的纯粹是个性化商品推荐带来的价值。客单价的增长来自于两个方面：让刚刚来网站，本无明确购物意图的浏览者从购买0件商品变为购买1件以上的商品让有一定购物意图的浏览者从购买1件变为购买2件以上的商品即是说：推荐引擎有两个作用，同时提高新客转化率与老客价值平均客单价增长率平均购买商品种类数(UniqueSKU)增长率平均购买件数(ItemNumber)增长率红孩子27.85%59.45%61.27%李宁37.65%73.37%67.14%2011年03月效果比较：推荐引擎的效果一览注：这里所有的“增长率”都是用A/BTest的方法做出的，即比较同期受推荐影响的客户的客单价与未受推荐影响的客户的客单价：平均客单价增长率=(受推荐影响的客单价–未受推荐影响的客单价)/未受推荐影响的客单价上述公式刨除了整体价格上涨、整体客单价上涨的因素，体现的纯粹是个性化商品推荐带来的价值。客单价的增长来自于两个方面：让刚刚来网站，本无明确购物意图的浏览者从购买0件商品变为购买1件以上的商品让有一定购物意图的浏览者从购买1件变为购买2件以上的商品即是说：推荐引擎有两个作用，同时提高新客转化率与老客价值2011年3月效果比较：平均客单价增长率平均购买商品种类数(UniqueSKU)增长率平均购买件数(ItemNumber)增长率果皮网31.51%35.93%31.34%麦包包26.72%25.13%20.53%麦包包详细增长数字时间平均客单价增长率平均购买商品种类数增长率平均购买件数增长率12.15-12.3112.31%12.27%13.04%01.01-01.3118.55%11.26%12.34%02.01-02.2323.81%17.35%17.09%02.17-02.2341.50%19.39%18.50%麦包包自身增长趋势：0.00%10.00%20.00%30.00%40.00%50.00%1234平均客单价增长率平均购买商品种类数(UniqueSKU)增长率平均购买件数(ItemNumber)