淘宝卖家的苦恼
移动互联网时代，许多创业者纷纷扎进了网络零售的世界。但电商世界重新洗牌，淘宝店家越来越多，分到的流量越来越少，无法招揽顾客，连带广告投资回报率逐渐降低，连阿里巴巴都在问，这是怎么了？
这是网络卖家的集体焦虑，更是中国最大电商阿里巴巴的痛点。阿里巴巴握有全中国80%以上的在线交易流量，流量数已达到顶峰，向上提升的成长空间有限，同时网络卖家成长速度越来越快，瓜分着有限的流量。对阿里巴巴来说，这是个危险的信号，代表着卖流量这项生意开始出现危机。
以淘宝网为例，开始产生僧多粥少、流量不均状况。短短一年的时间，网络卖家的感受更是深刻，花同样的营销预算买流量，成效却远不及一年前的一半。其中，出现两个问题，第一是流量成长有限，第二是导流的对象不够精准。
于是，大数据营销有了发力点。网络流量不足不是问题，不精准才是大问题，流量不是“患寡而患不均”，而是“患不精准”，解决流量不精准的问题，才能有效提高广告的投资回报率。
电商成功获利的关键在招揽顾客，网络广告仍是招揽顾客最有效的方法，投放广告有四个考虑要素：选人、选广告、选预算、选产品。具体来说，品牌商第一要考虑的是，我要接触哪个对象，第二是选择商品，第三是我愿意花多少预算来接触这些人，第四是我要用什么样的广告创意来接触他们。
面对庞大而陌生的消费者，没有逻辑与策略地投放广告，就像一场单凭运气的赌注。因此，选对人是有效投放广告的关键。
那么，我们该如何选对人说话？以淘宝商家为例，在广告投放上，除了选择位置外，也能选择标签人群名单投放，但深入了解后，发现一般标签名单是传统人口统计分类：性别、年龄、居住地、职业、消费偏好等特征。这些硬邦邦的人口统计标签，背后的意义其实是一批不变动的固定死名单，这些名单在大量曝光、打造品牌知名度，或是其他特别需求时适合使用，但是精准营销中，就显得过于庞大失准。
说穿了，广告营销无效，是因为数据库的名单失效。想象一下，某位顾客是公务员，喜欢团购美食，之后离职换工作到美妆产业，转而开始热衷于购买各类新奇美妆小物品，但却因为起初的职业设定，让彩妆销售员误判“这不是我的广告投放目标”而错失机会；人天天在变，店铺的运营状况也不断在改变，传统标签的定义方式显然跟不上“快营销”的电商脚步。
而这些人口统计标签更因为店家的不同需求，急速扩充到近1000种，使得营销人员难以驾驭，只能凭经验推测这次应该使用哪几个标签名单投放广告；庞大的名单数量，也使得营销人不得不花大笔预算，广告效果却并不理想。
看到痛苦的淘宝商家，我们认为，应锁定三个目标：精准、动态、简化，借助数据演算的动力，活化名单。
精准计算顾客DNA
在过去，淘宝商家要针对新产品——钢铁侠的T恤投放广告，就只能以操作经验来判断，从一般标签中选择“男性、20-30岁、购物偏好英雄动漫、曾买过T恤”这几项标签，锁定这些标签所产生的名单投放广告，借此找到钢铁侠T恤的爱好者。
但仅仅这些标签加起来，人数可能就高达数百万人，因为阿里巴巴数据库有上亿个会员，店主若要全部投放，所需耗费的广告成本将非常高昂，对小店来说，可能根本无力负担。而就算店主真的砸重金投放广告，广告效益如何呢？这些人购买钢铁侠T恤的概率有多高呢？答案是：不确定，也不知道。
其实，找不到答案的最大的盲点在于，忽略了最珍贵、有效的数据就在身边，也就是本店曾经交易的会员的数据。虽然不如阿里巴巴的总体会员是大数据，但却能精准勾勒出会购买你家商品的会员样貌。广告要精准，不在于接触的人很多，而是在于接触到广告的人都会买。
另外，我们再将时间这个变量加入演算，便能清楚了解你的会员中哪些人第一次消费(新会员)、哪些人会在固定时间回来消费(主力会员)、哪些人消费后，很久没有再回来购物(流失会员)。有了这些数据，营销上便能有凭有据地灵活运用，对主力会员投放活动信息，持续提高贡献；对于流失会员投放回流方案广告，提醒这群人别忘了回来购物。
而对于潜在顾客的招募，通过分析“新会员”“主力会员”的数据，再到阿里巴巴大数据库“淘金”，挖掘出拥有相似DNA的潜在顾客投放广告，更能运用“标签智库”选择DNA序列相似的程度来进行不同策略的广告投放；如选择DNA相似程度仅放大5倍的淘宝会员，就像是近亲种子名单，消费行为非常相似，投递广告最精准；反之，若选择DNA相似程度放大30倍的淘宝会员，就如同远亲，人群较多但消费行为相对较有差异，因此投递广告精准度稍微下降，但好处是曝光度较高。
阿里巴巴的数据，与电商店铺数据建立互补关系，前者提供整体市场特征，后者精准掌握个别商家潜在顾客轮廓，让我们告别“猜”的不确定性，而名单精准收敛，更使投入的广告成本大幅降低，投资回报率自然攀升。
实际使用精准标签(标签智库)以投放广告的淘宝商家，平均投资回报率比原本用经验挑选的标签成效提升3-5倍，这就是精准数据营销的强大力量，用自己的数据，算自己的生意。
动态“标签智库”从店铺观点出发，通过消费者DNA算法，算出各店铺的消费者图像，并可依等比例放大范围。比如现有5000名曾经购买某产品的种子顾客，以他们为基准演算出DNA标签，根据DNA标签放大5倍，这25000名就是极有可能购买该产品的潜在顾客。店铺可依广告投放预算决定倍数，但准确率与放大倍数成反比。
建立消费者动态标签
一共2亿人次的淘宝会员天天在变，只靠一两个营销人员，绝对赶不上市场变化的速度，因此我们创造了“活的”标签，快速反应顾客需求。
什么是活的标签呢？
第一，所产生的种子名单在投放广告期间，将不断自动更新。昨天A会员还是潜在顾客，会收到吸引新客上门的广告，今天他上门购物，消费者动态标签就直接将他排除在“吸引新客”的广告名单之外，并转到“吸引二次购物”的广告名单内，这样一来，不但节省了广告费用，会员收到的广告也是相对有用的信息。
第二，一旦A会员购买了B商家产品后，他的消费数据DNA也同步开始被自动分析，B商家的顾客轮廓将多一个样本值。可以想见，当越多人购买你的商品，你将越来越了解什么样的人容易成为你的顾客，而且这次是扎扎实实地用数据计算出来的活标签，不只是经验之谈。
第三，依据这些“活”的动态数据，就可以计算出7天后最有可能购买B商家产品的名单并投放广告，为营销人找到最可能花钱购物的顾客。
上千标签简化成19个
阿里巴巴每天产生的庞大数据量，一方面是庞大的数据金库，产出许多有价值的数据，但高达1000种的人群标签，也同时让营销人看花了眼，与其花费大把时间一一选择标签，营销结果还不一定准确，不如把时间还给策略思考和创意营销，所以数据越大，营销人越需要用统计和科技简化决策流程。
多达1000种的人口特征标签，通过3个演算模型NES、LRFM(Length，顾客开始购买你家产品至今的时间长度。Recency，顾客最近一次来购物的时间。Frequency，顾客购物频繁程度，Monetary，顾客平均购物金额)及NPT。
将上千种标签改为简单清楚的6组动态及19种标签，6组动态包括“顾客动态”“入店资历”“购物情境”“购物频率”“购物金额”“购物概率预测”。
如需了解更多阿里巴巴，请登陆广州汇学教育
http://www.soxue.org
