使用行为数据：跟踪用户与您的应用程序或网站的互动，例如查看过的页面、点击的链接和购买的产品。使用这些数据来向用户发送基于其兴趣和行为的针对性通知。

在当今以客户为中心的数字世界中，个性化体验对于企业来说至关重要。行为数据在个性化用户体验方面发挥着至关重要的作用。

什么是行为数据？

行为数据是指跟踪用户与您的应用程序或网站的互动的数据。它包括但不限于以下信息：

• 查看过的页面
• 点击的链接
• 购买的产品
• 搜索的关键词
• 花费的时间
• 使用的设备

如何利用行为数据？

行为数据可以用来创建高度个性化的用户体验。以下是利用行为数据的一些方法：

1. 发送针对性的通知

可以通过分析用户的行为数据来了解他们的兴趣和偏好。例如，如果您注意到用户经常浏览特定类型的产品，您可以向他们发送关于该类型产品的推荐通知。

2. 提供个性化的内容

根据用户的行为数据，您可以向他们提供量身定制的内容。例如，您可以向经常阅读博客的用户推荐与他们感兴趣的主题相关的文章。

3. 改善产品体验

行为数据可以帮助您识别用户在使用您的产品或网站时遇到的问题。通过分析用户与特定功能的交互，您可以确定需要改进或重新设计的领域。

4. 优化营销活动

行为数据可以帮助您优化营销活动，使其更具有针对性和有效性。例如，您可以根据用户的行为数据创建细分受众并向他们发送有针对性的广告。

行为数据收集的最佳实践

在收集和使用行为数据时，遵循最佳实践很重要。以下是一些建议：

• 明确告知用户您正在收集他们的数据以及如何使用这些数据。
• 仅收集必要的行为数据。
• 安全存储和保护用户数据。
• 定期清理不再使用的数据。

结论

利用行为数据是提升用户体验、增加参与度和提高转化率的强大工具。通过遵循最佳实践并明智地利用行为数据，企业可以创建更个性化和有意义的用户体验。

数据精准营销的七个关键要素

数据精准营销的七个关键要素说到大数据精准营销，不得不先提个性化的用户画像，我们针对每一类数据实体，进一步分解可落地的数据维度，刻画TA的每一个特征，在聚集起来形成人群画像。 01用户画像用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。 具体包含以下几个维度：用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。 1.采集和清理数据：用已知预测未知首先得掌握繁杂的数据源。 包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。 这个是累积数据库；这里面最基础的就是如何收集网站／APP用户行为数据。 比如当你登陆某网站，其Cookie就一直驻留在浏览器中，当用户触及的动作，点击的位置，按钮，点赞，评论，粉丝，还有访问的路径，可以识别并记录他／她的所有浏览行为，然后持续分析浏览过的关键词和页面，分析出他的短期需求和长期兴趣。 还可以通过分析朋友圈，获得非常清晰获得对方的工作，爱好，教育等方面，这比个人填写的表单，还要更全面和真实。 我们用已知的数据寻找线索，不断挖掘素材，不但可以巩固老会员，也可以分析出未知的顾客与需求，进一步开发市场。 2.用户分群：分门别类贴标签描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计。 数据描述：用来对数据进行基本情况的刻画，包括数据总数，范围，数据来源。 指标统计：把分布，对比，预测指标进行建模。 这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值。 在分析阶段，数据会转换为影响指数，进而可以做一对一的精准营销。 举个例子，一个80后客户喜欢在生鲜网站上早上10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理，经过搜集与转换，就会产生一些标签，包括80后生鲜做饭日本料理等等，贴在消费者身上。 3.制定策略：优化再调整有了用户画像之后，便能清楚了解需求，在实际操作上，能深度经营顾客关系，甚至找到扩散口碑的机会。 例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；针对不同产品发送推荐信息，同时也不断通过满意度调查，跟踪码确认等方式，掌握顾客各方面的行为与偏好。 除了顾客分群之外，营销人员也在不同时间阶段观察成长率和成功率，前后期对照，确认整体经营策略与方向是否正确；若效果不佳，又该用什么策略应对。 反复试错并调整模型，做到循环优化。 这个阶段的目的是提炼价值，再根据客户需求精准营销，最后追踪客户反馈的信息，完成闭环优化。 我们从数据整合导入开始，聚合数据，在进行数据的分析挖掘。 数据分析和挖掘还是有一些区别。 数据分析重点是观察数据，单纯的统计，看KPI的升降原因。 而数据挖掘从细微和模型角度去研究数据，从学习集、训练集发现知识规则，除了一些比较商业化的软件SAS，WEKA功能强大的数据分析挖掘软件，这边还是更推荐使用R，Python，因为SAS，SPSS本身比较昂贵，也很难做页面和服务级别的API，而Python和R有丰富的库，可以类似WEKA的模块，无缝交互其他API和程序，这里还需要熟悉数据库，Hadoop等。 02数据细分受众“颠覆营销”书中提到一个例子，可以引述一下，大家思考一个问题：如果你打算搜集200份有效问卷，依照以往的经验，你需要发多少份问卷，才能达到这个目标？预计用多少预算和时间来执行？以往的方法是这样的：评估网络问卷大约是5%的回收率，想要保证收到200份的问卷，就必须有20倍的发送量，也就是发出4000份问卷，一个月内如果可以回收，就是不错的表现。 但现在不一样了，在执行大数据分析的3小时内，就可以轻松完成以下的目标：精准挑选出1%的VIP顾客发送390份问卷，全部回收问卷寄出3小时内回收35%的问卷5天内就回收了超过目标数86%的问卷数所需时间和预算都在以往的10%以下这是怎么做到在问卷发送后的3个小时就回收35%？那是因为数据做到了发送时间的一对一定制化，利用数据得出，A先生最可能在什么时间打开邮件就在那个时间点发送问卷。 举例来说，有的人在上班路上会打开邮件，但如果是开车族，并没有时间填写答案，而搭乘公共交通工具的人，上班路上的时间会玩手机，填写答案的概率就高，这些都是数据细分受众的好处。 03预 测“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。 当我们采集和分析用户画像时，可以实现精准营销。 这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户，这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。 我们再说一说营销时代的变迁，传统的企业大多还停留在“营销1.0”时代，以产品为中心，满足传统的消费者需求，而进入“营销2.0”，以社会价值与品牌为使命，也不能完全精准对接个性化需求。 进入营销3.0的数据时代，我们要对每个消费者进行个性化匹配，一对一营销，甚至精确算清楚成交转化率，提高投资回报比。 大数据下的营销颠覆经典的营销4P理论，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。 在大数据时代，线下地理的竞争边界早就不存在，比的是早一步的先知能力，利用大数据，从顾客真实交易数据中，预测下一次的购买时间。 营销3.0时代关键词就是“预测”。 预测营销能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。 以上图为例，你可以将营销活动的目标受众锁定为20万潜在客户或现有客户，其中包括特定产品的大多数买家（4万人）。 你还可以拨出部分预算用于吸引更小的客户群（比如20% 的客户），而不是整个客户群，进而优化你的支出。 过去我们看数据可能是被动的方式，但预测营销强调是决策价值，比如购买时间，你该看的不是她最后的购买日期，而是下次购买的时间，看未来的存活概率，最后生成客户终身价值（CLV）。 预测营销催生了一种新的数据驱动营销方式，就是以客户为中心，核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。 04精准推荐大数据最大的价值不是事后分析，而是预测和推荐，我就拿电商举例，精准推荐成为大数据改变零售业的核心功能。 譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式，Stitch Fix不一样的地方在于它还结合了机器算法推荐。 这些顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。 数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。 未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。 05技术工具关于预测营销的技术能力，有几种选择方案：1、使用预测分析工作平台，然后以某种方法将模型输入活动管理工具；2、以分析为动力的预测性活动外包给市场服务提供商；3、评估并购买一个预测营销的解决方案，比如预测性营销云和多渠道的活动管理工具。 但无论哪条路，都要确定三项基本能力：1）连接不同来源的客户数据，包括线上，线下，为预测分析准备好数据 ；2）分析客户数据，使用系统和定制预测模型，做高级分析 ；3）在正确时间，正确客户，正确的场景出发正确行为，可能做交叉销售，跨不同营销系统。 06预测模型预测客户购买可能性的行业标准是RFM模型（最近一次消费R，消费频率F，消费金额M），但模型应用有限，本质是一个试探性方案，没有统计和预测依据。 “过去的成绩不能保证未来的表现”，RFM只关注过去，不去将客户当前行为和其他客户当前行为做对比。 这样就无法在购买产品之前识别高价值客户。 我们聚焦的预测模型，就是为了在最短时间内对客户价值产生最大影响。 这里列举一些其他模型参考：参与倾向模型，预测客户参与一个品牌的可能性，参与定义可以多元，比如参加一个活动，打开电子邮件，点击，访问某页面。 可以通过模型来确定EDM的发送频率。 并对趋势做预测，是增加还是减少活动。 钱包模型，就是为每个客户预测最大可能的支出，定义为单个客户购买产品的最大年度支出。 然后看增长模型，如果当前的总目标市场比较小，但未来可能很大，就需要去发现这些市场。 价格优化模型，就是能够去最大限度提升销售，销量或利润的架构，通过价格优化模型为每个客户来定价，这里需要对你想要的产品开发不同的模型，或者开发通用，可预测的客户价格敏感度的模型，确定哪一块报价时对客户有最大的影响。 关键字推荐模型，关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度，预测客户对什么热点，爆款感兴趣，营销者使用这种预测结果为特定客户决定内容营销主题。 预测聚集模型，预测聚集模型就是预测客户会归为哪一类。 07AI在营销领域的应用去年人工智能特别火，特别是深度学习在机器视觉，语言识别，游戏AI上的突飞猛进，以至于人们开始恐慌人工智能是不是已经可以接管人类工作，我个人是对新技术有着强烈的兴趣，也非常看好新科技，数据与现实的关联。 我以前在国外零售店买单的时候经常被询问“你有没有购物卡”，当我说没有收银员会赶紧劝我免费开通，有打折优惠，只需要填个手机号和邮箱，后面就可以针对我的购买记录做营销活动，而当我下次进来，他们就让我报出电话号码做消费者识别，当时我想如果做到人脸识别，岂不是更方便，刷脸就可以买单。 而这个场景在去年也有了实验，蚂蚁金服研发出了一个生物识别机器人，叫蚂可Mark，据说其认脸能力已经超越了人类肉眼的能力。 还有VR购物，Amazon推出的无收银员商店Amazon Go，通过手势识别，物联网和后续数据挖掘等技术实现购物体验。 针对营销领域，主要有以下三种预测营销技术：1、无监督的学习技术无监督学习技术能识别数据中的隐藏模式，也无须明确预测一种结果。 比如在一群客户中发现兴趣小组，也许是滑雪，也许是长跑，一般是放在聚类算法，揭示数据集合中 真实的潜在客户。 所谓聚类，就是自动发现重要的客户属性，并据此做分类。 2、 有监督的学习技术通过案例训练机器，学习并识别数据，得到目标结果，这个一般是给定输入数据情况下预测，比如预测客户生命周期价值，客户与品牌互动的可能性，未来购买的可能性。 3、强化学习技术这种是利用数据中的潜质模式，精准预测最佳的选择结果，比如对某用户做促销应该提供哪些产品。 这个跟监督学习不同，强化学习算法无须仅需输入和输出训练，学习过程通过试错完成。 从技术角度看，推荐模型应用了协同过滤，贝叶斯网络等算法模型。 强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。 最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。 按团队的话来说，叫做“学会学习”的能力，或者叫做能解决类似相关问题的归纳能力。 除了强化学习，还在迁移学习。 迁移学习就是把一个通用模型迁移到一个小数据上，使它个性化，在新的领域也能产生效果，类似于人的举一反三、触类旁通。 强化学习加上迁移学习，能够把小数据也用起来，我认为是很激动人心的，通过AI来创造AI，数据科学家的部分工作也可以让机器来实现了。

手机是怎样知道我们想要什么的

当你使用手机时，手机会收集这些数据并分析它们，以了解你的喜好和偏好。 首先，手机通过分析你的搜索历史和浏览记录来了解你感兴趣的内容。 当你在搜索引擎上查询特定的话题或浏览特定类型的网页时，手机会将这些信息纳入考量，并根据它们为你提供相关的内容推荐。 例如，如果你经常搜索健身和健康饮食，手机可能会推荐健身应用程序或提供有关健康生活方式的文章。 其次，手机还会根据你的应用程序使用情况来了解你的兴趣。 当你使用社交媒体应用、音乐应用、新闻应用或购物应用时，手机会记录你的行为并分析你的喜好。 它会注意你常用的应用程序、你点击的内容以及你与其他用户的互动。 这些信息帮助手机了解你的爱好，并通过向你推荐相关内容来提供更好的用户体验。 此外，手机还会考虑你的地理位置信息。 通过全球定位系统（GPS）和其他定位技术，手机可以追踪你的位置，并将其纳入喜好分析的因素之一。 例如，如果你经常去健身房、咖啡店或博物馆，手机可能会推荐相关的应用程序、特别优惠或活动信息。 手机知道你喜欢什么并不是出于隐私侵犯的目的，而是为了提供更好的用户体验。 它使用大数据分析来了解你的喜好和需求，以便个性化地满足你的期望。 然而，随之而来的是对个人隐私的关注。 手机公司必须遵守相关的隐私法规，并采取措施保护用户数据的安全性和私密性。 总之，手机知道你喜欢什么是因为大数据的应用。 通过分析你的搜索历史、应用程序使用情况和地理位置信息，手机能够洞察你的兴趣和偏好。 这样的个性化推荐使得手机成为了我们生活中不可或缺的伙伴，提供了与我们兴趣相关的新闻、音乐、视频、购物和社交等内容。

如何创建智能手机网站

当在有争论的情况下，做一个友好的移动网站，有大量的证据呈现给企业主，例如：Pew Research研究显示56%的美国成年人随身携带便携式智能手机。 然而，一般统计显示移动设计的价值是有用的，他们不提供如何准确理解用户在他们的移动手机上与特定品牌的互动的必要指导。 下面我为大家整理了创建智能手机网站的建议，一起看看吧!

如何创建智能手机网站

通常情况下，设计和开发团队将被要求重新设计一个过时的网站是有求必应。 纵观现有的数据均把提供如何最好的呈现信息给移动用户作为至关重要的洞察力。 谷歌Analytics(分析)提供了大量的免费功能，为移动行为提供令人难以置信的详细分析，和桌面访问行为相比变得更容易。

如果你还没有安装谷歌Analytics(分析)，设置它很容易。 只要创建一个免费帐户，然后谷歌将引导你完成整个过程。 开始收集数据之前，你需要放置一个跟踪代码在你的页面，我们将在本文中详细介绍。

通过报告分析移动访问

人们在谷歌Analytics(分析)浏览最多的是标准报告。 让我们来看下最重要的移动活动。

1.概述

本报告(在“受众”→“移动”→“概述”)分解了由移动，台式机和平板电脑带来的站点访问。 对快速查看高级别的统计是很有帮助的，比如：要看移动设备访问的比例。

当客户质疑做一个静态响应式网站的价值时，我觉得只要简单的展示有多少移动访客访问她们，他们得到的往往有助于说服这些客户。 如果重要部分用户经验不是最理想的，那么站主应该意识到是时候该严肃对待访客的需求了。 依据我的经验，桌面活动的仅占访问总数的50至60%，移动设备和平板占剩余的部分(接近一半)。

然而，开发和设计团队应该深挖而不仅仅限于概述。 这时“设备”报告就派上用场了。

2.设备

本报告(“受众”→“移动”→“设备”)分解统计人们使用的特定设备来访问你的网站。 这里的详情可以帮助你找出特定手机，平板或移动操作系统的问题及可用性。 例如，如果Galaxy S III显示跳出率明显高于iPhone,那么你应该比较你的网站如何在这些设备上展示了。

当查看以本地服务为基础的业务报告时，该网站专注于潜在客户挖掘，我在表单里发现来自ipad的转换率明显高于其他任何移动电话设备。 只是临时抱佛脚的桌面网站用于智能手机浏览在引导访客提交过程，不能给客户积极的体验。 然而，在平板大小的尺寸下，该网站仍然足够大，访客使用的形式更轻松了。

正如某人在管理在线营销活动，我发现正好相反，平板电脑的转换率低于移动手机。 这些统计数据，强化了需要提高移动设备的体验，使移动设备的转换达到标准。 一个负责的页面布局，应满足用户需求，不让用户通过“扩大或收缩”来让页面适应用户的手机浏览器，这样才更有表现力。

但这份报告并没有在设备列表这停下。 您也可以选择不同的维度，通过顶部的标签，例如分辨率和操作系统。 检查访客使用最常见的屏幕分辨率，将帮助您规划重新设计一个快速响应的 breakpoints(突破口)。 您还可以在特定的分辨率下标记出由于屏幕尺寸过小内容被截断而导致跳出率过高或者停留时间短暂的站点页面。

3.设备&操作系统

本报告(“受众”→“技术”→“浏览器和操作系统”)显示用于访问你的网站的主要浏览器，而且它的凸显的趋势 – 例如，是否默认的浏览器或Firefox比Android手机使用更多。 此外，您还可以通过操作系统查看统计数据，甚至增加列来查看的操作系统版本(点击“次级维度”下拉菜单，并选择“操作系统版本”)。

该报告还可以揭示你应该付出多少努力在满足你网站的兼容性上。 例如，当查看一个工程公司网站的统计数据时，我们的开发团队发现大多数的访客仍然实用IE8浏览器(可能是在办公室，其IT部门仍在争论是否从CRT升级到LCD显示器!)，只有一小部分比例来自移动设备的访问。 这些结果帮助我们要保证网站在老系统上的易用性。

创建高级细分

当主报告提供了大量有用的信息，高级细分让你更深入了解移动访客的有用数据。 你可以设置细分以区别手机，平板电脑和台式机的访问，甚至可以细分到屏幕尺寸和设备。

要查看高级细分，确保你在谷歌Analytics(分析)帐户下的“报告”选项卡中。 靠近屏幕的顶部(在图形和菜单栏之间)，单击旁边的下拉箭头的“所有访问”，将出现一个菜单，允许你查看现有细分和创建一个新的细分。 在“现有”细分里，你应该可以选择一个默认细分为“移动流量”和“平板流量。 ”

但是你要创建一个仅为台式机流量的细分(因为现有的细分是台式机和平板流量在一起的)。

选择“创建新的细分”而且出现在新菜单里，选择左侧边栏的“技术”。 向下滑动到“设备类别”并进入“桌面”。 然后，保存细分，以便你可以在账户中使用它。

你也可以通过谷歌Analytics(分析)界面应用高级细分报告。 一般查看这些数据，我常常用这些高级细分报告，因为平板和桌面用户的访问行为和在移动上访问行为相差很多。 另外，当排除高跳出率或其他一些问题时，我经常用这些细分来确定是不是特定设备类型的问题。 这些细分，以确定问题是否在特定设备类型上。 下面是一些有用的报告用来查看过滤后的移动流量。

1.页面

在这里(“行为”→“网站内容”→“所有页面”)，你可以确定被移动用户查看最多的页面。 这些信息对规划的导航要素，包括移动和识别移动用户还没有找到任何重要的网页很有价值。 此外，对比桌面和移动访问最多的页面将分析得出每个用户类型的不同目标。 例如，一个桌面用户可能会很大程度浏览您的产品库存，而智能手机用户可能只是试图找到一个离你最近地址。

2.退出页面

本报告(“行为”→“网站内容”→“退出页”)显示访客离开你网站之前浏览的最后一个页面。 当你已经覆盖到移动业务，查看退出率最高的页面，并确定是否有任何有关移动特有的问题阻碍访客完成预期目标。

例如，我们发现，很多用户，尤其是移动用户，在讨访问了讨论特殊服务的页面离开了我们公司的网站。 为了解决这个问题，我们把标题与简短的“联系我们”的消息放在这些页面顶部。

3.访问者流

本报告(“观众”→“访问者流”)显示访客访问你站点最多的路径。 再者，对比移动和桌面用户访问行为，应该能帮助你决定在每一个尺寸哪个页面表现最突出。

在一个网站上，我发现“About”页面是桌面用户访问最常见的页面之一。 然而，在移动设备上，这个页面的访问量在列表的下端，因为这个链接是个导航条，在手机上几乎看不到。

本报告(“受众”→“所有流量”)显示到达网站最多的来源途径。 对比移动用户和桌面用户访问，显示是否有任何特定的来源倾斜移动用户。 我经常发现来自FB上的移动流量比例远高于桌面流量，因为很多的用户通过智能手机应用程序访问FB。 这种察觉可以帮助你定制你的信息在手机上尺寸的大小，以及谁通过社交媒体发现了你的品牌。 例如，如果它是一个博客，确保社交共享按钮在移动设备上是可见的和功能可用。

此外，这份报告可以帮助你诊断移动搜索引擎索引问题。 在2013年，谷歌宣布了更严厉的规定和处罚针对用户体验差移动网站。 如果你的桌面自然流量稳定，但移动流量很低，那么你可能要寻找谷歌惩罚你的因素是哪些，如Flash视频或错误重定向，把用户从一个子页面转到主页。

数据驱动抉择

如果你可以访问正在重建网站的谷歌Analytics帐户，那么你就会有大量的数据物料来决定设计和开发的决策。花时间来查看这些数据!

如果您想做一个有价值响应式网站，从寻找手机和平板最近访问的百分比开始。 移动到设备，浏览器和屏幕尺寸来决定手机导航中包含哪些要素。 并使用访问最多网页，访问者流量及流量来源报告，以确定哪些内容最突出，以及如何通过网站在每个尺寸来引导用户。

最危险的决定，当规划你网站时忽略了你受众的数据。 任何业务忽略为移动用户提供一个友好的网络平台， 就会被竞争对手打败。 设计，开发和市场团队有责任使用这些数据指导决策者做决定，让他们的站点迎合移动受众。