写点什么

严选用户全渠道触达实践

  • 2020-12-17
  • 本文字数:3494 字

    阅读完需:约 11 分钟

严选用户全渠道触达实践

互联网的下半场流量越来越分散,作为品牌电商的严选也有了多种流量来源和销售渠道。包含主站的 App、Web 和 Wap 三端,微信小程序,天猫、淘宝、京东等外渠店铺,还有抖音、快手等新兴直播销售渠道,以及旗舰店和园区店等线下渠道。如何在全渠道范围运营好严选的用户流量,相比于平台电商来说是一个全新的命题。本文分享严选在全渠道用户运营上的思考和智能化触达的项目实践。


什么是全渠道?


回顾整个商业社会,很大一个争夺其实就是流量之争。线下店注重地段,争夺的是客流量;而有了互联网之后,线上争夺的更是网络流量。在互联网的下半场流量越来越分散,对于严选这样的品牌电商来说也有了多种流量来源和销售渠道。首先有自己的主站(含 App、Web 和 Wap 三端),也有微信小程序,其次入驻了天猫、淘宝、京东等大的电商平台店铺,再次有抖音、快手等新兴直播销售渠道,当然严选也有 DSP 接入了广大媒体流量,最后严选还有商场旗舰店和园区店等线下渠道。如何在以上的全渠道范围运营好严选的用户流量,相对于平台电商或工具类产品的用户运营,是一个全新的命题。  



严选为什么要建全渠道触达系统?


1.全渠道策略是品牌电商的自然选择


“全渠道策略是继今年严选明确品牌化发展方向后的非常自然的战略选择。对于消费品牌来说,每一个能够触达我们目标消费群体的渠道,都是非常重要的基础设施。严选也将利用好包括主站、淘系、京东、B 端、线下零售等在内的全渠道通道,将我们的商品渗透到更广泛的消费群体。”   -- 严选事业部


2.大的电商平台不能做


电商平台巨头之间往往是竞争关系,阿里不可能拿到京东的数据,京东也拿不了阿里的数据。因此阿里系、腾讯系、京东系等大公司或其投资的子公司,是没办法帮品牌商家整合全渠道数据的,只有第三方中立的公司能做到。


3.其他第三方公司做不好


市面上还有很多小的第三方公司,他们在帮助品牌商搭建全渠道能力,但是存在一些问题。首先,是数据保密问题,严选不可能把用户数据给到其他第三方公司。其次、是技术能力问题,这些公司具备软件开发能力,但是一般没有完善的算法研发团队,缺乏智能化的创新能力。再次,是缺乏业务实操经验,第三方公司没有自己的电商业务,对于电商运营中遇到的问题来自需求方,很难真正理解业务痛点,因此他们可以做基础通用的功能,但无法长期持续地创新和解决业务问题。


综合以上三个原因,严选自己建设全渠道触达能力是最佳选择。


严选全渠道触达的业务场景


整体的业务目标:


  1. 实现全渠道用户的统一管理

  2. 实现用户全生命周期管理的 ROI 全局最优

  3. 实现用户触达提效减量,提升用户体验



主要动作:


  1. 根据业务目标确定触达用户

  2. 自动计算成本最低的动作

  3. 定位最及时的触点

  4. 选择效率最高的时间

  5. 匹配个性化的内容


总的来说,就是在给定的业务目标和预算成本约束下,系统能智能化决策,圈定用户群体,并根据每个用户状态个性化地安排何时、何地、以何种形式、发送何种内容、设置多少花费,把 ROI 做到最大化。



需要解决的问题


全渠道触达项目启动前,在用户触达方面存在四方面的问题,下面来一一梳理:



1.干预措施互相脱节


在严选用户运营工作中存在大量触达场景,比如对于新注册还未下单的用户,要做新客的转化触达;对于老用户但算法判断流失概率较高时,要做用户促活的触达;对于已经流失的老用户,要做流失召回的触达;算法判断用户对某个商品购买概率高时,要做实时的转化触达;对潜在超会用户,要做超会开卡触达。以上只是主站的部分场景,再加上各个渠道的用户触达场景,不同场景一般属于不同团队人员负责,因此触达任务之间往往是不能互相感知的,会造成干预措施脱节。


我们要做到打通主站和外渠之间的用户流动,感知用户所处的生命周期,能及时给到适合的干预措施,并且对于每个用户不会过多或过少干预,最大化营销经费的 ROI。严选的数据产品团队研发的 DMP 和用户数据总线,用来存储和查询用户的属性和状态数据,打通了主站和各个外部渠道之间用户映射关系,并且能存储用户的生命周期和实时状态。算法团队主导的 AI 智能调度服务,根据用户所处生命周期,利用意图识别模型判断转化或流失概率,决策是否干预;在给定的整体预算约束下,通过运筹优化选择干预措施,生成匹配的权益(红包等);最后系统根据用户最可能的活跃时间进行消息推送;整体达到 ROI 最大化。


2.最佳营销时间错失


传统的用户运营是给人群打标签,根据标签圈定人群,再设计权益进行触达。这往往需要大量的人工投入,因此绝大部分是 T+1 操作,甚至每周每月一次操作。等用户满足了某个标签才能进行相应的群体干预,而不能实时进行干预。比如流失召回的场景,原来是定义两个月无访问为流失,因此当用户被定义为流失状态时,已经有两个月没来访问了。现在我们可以根据所有流失用户的历史行为和正常用户进行训练,得到一个意图识别模型,实时判断用户接下来即将流失的概率,当概率达到一定数值,系统立刻进行干预,真正做到对每个用户的及时干预。


3.多次触达打扰用户


由于多渠道多场景对用户进行触达,且干预措施互相无感知,原来常常发生一天给同一个发送多条短信或 Push 的情况,在双十一等大促期间尤其严重,收到了很多用户反馈。因此我们要做两点:一是减少投放打扰,二是开辟新的引流路径。首先数据产品团队搭建了用户疲劳度管理系统,防止给用户过多触达。其次算法团队自建的 DSP 广告投放系统,接入了网易域媒体和广大外部媒体的流量,相比与短信,广告在长期的引流效果和减少用户打扰等方面都有优势。短信、Push 更适合大促时短期集中触达,几个能力形成了良好的互补,也减少了用户打扰。


4.触达内容缺个性化


传统的基于人群标签的流量运营模式,往往是针对人群进行投放,做到了人群的个性化,而无法做到千人千面的个性化,打开率、转化率等指标还有很大提升空间。在当前的投放中,利用个性化算法匹配用户最感兴趣的商品,同时利用 NLP 技术生成商品的卖点文案,以及通过智能合图能力合成广告素材。



方案架构


整体方案架构基于严选的 CRM 系统和 DSP 系统整合重组,自底向上系统四层结构分别是:


第一层:数据产品和平台层


包含了存储用户实时状态和当下权益的用户数据总线服务,管理触达次数限制的用户疲劳度服务,管理用户画像和商品画像的 DMP,管理营销活动和商品优惠信息的营销中台,以及管理投放素材的创意平台。


第二层:算法服务层


包含管理用户生命周期和干预措施调度的 AI 调度服务,统筹预算全局最优化分配的预算分配实时服务,千人千面匹配商品、文案、时间等的个性化服务,自动合成高质量素材图的智能合图服务,实时判断用户转化或流失等概率的意图识别服务,以及自动化生成用户权益的动态权益服务。


第三层:应用系统层


包含了严选自建的 DSP 广告投放系统,接入了网易域内、腾讯系、头条系和广大中腰部媒体,也通过 MarketingAPI 接入了抖音投放和京东渠道。在云音乐算法能力的加持下,实现了音视频的自动合成,做到了抖音广告的自动化投放,目前只需要做好选品和基本素材,每日可自动生成广告计划数百个。还有严选主站的 CRM 服务,接入了严选 App 和微信小程序,同时数据上打通了线下店。


第四层:业务层


包含了拉新、促活、超会开卡和销售转化四大营销业务。



该方案有三个优势,第一是精准定向的个性化投放,利用了集团/严选/外渠的数据支撑,做到千人千面的个性化素材、文案和权益。第二是全渠道覆盖,并根据用户生命周期智能化调度,做到全局最优。第三是实时优化预算分配,根据不同渠道、素材和权益的转化效果,模型实时调整预算,实现 ROI 最大化。



当前成果和后续工作


目前系统还在持续建设中,自动化任务的比率达到了 60%,其中非规则的智能化任务占比 34%,转化效果整体增长 113%。当然,也存在一些问题需要优化。比如还有部分场景可迁移到智能化触达提升效果,需要做整体梳理和逐个迁移。目前算法可用的创意集数量偏少,一是需要运营人员提供更多素材和文案,二是加大自动化合成素材和文案的能力进行投放。


根据福格用户行为模型,要促成某种行为,触发、动机和能力三者缺一不可,动机要合乎常理,行为要易于实施,触发要显而易见。全渠道用户触达属于用户的外部触发能力,还有更多工作需要不断去研究优化:如何培养用户内部触发(心智和习惯养成),如何降低用户购物门槛(时间、金钱、体力、脑力),如何刺激用户购物动机(稀缺效应--库存有限;环境效应--环境影响认知;锚定效应--打折;赠券效应--先给一个好的开头)。


作者简介


AJ,网易严选人工智能部技术总监。2016 年组建严选算法团队,负责搭建电商领域营销、仓配、预测、NLP 四大场景的算法体系。




头图:Unsplash

原文严选用户全渠道触达实践

来源:严选技术产品团队 - 微信公众号 [ID:YanxuanTechProd]

转载:著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


2020-12-17 23:363042

评论

发布
暂无评论
发现更多内容

手撸二叉树之二叉搜索树中的众数

HelloWorld杰少

9月日更

阿里巴巴开源数据库--OceanBase从使用聊到架构剖析

hanaper

这可能是最细的HashMap详解了!

程序员阿杜

Java JVM ArrayList

这可能是最细的ArrayList详解了!

程序员阿杜

Java ArrayList

Golang 中的好代码 VS 烂代码

baiyutang

编码 Go 语言 9月日更

网络攻防学习笔记 Day133

穿过生命散发芬芳

网络基础 9月日更

分享 4 个前端开发必备的 Chrome 扩展

devpoint

SVG chrome扩展 9月日更

Python代码阅读(第27篇):将变量名转换成驼峰形式

Felix

Python 编程 Code Programing 阅读代码

通过编程训练题来讲讲链表操作

Regan Yue

算法 链表 9月日更

【VueRouter 源码学习】第九篇 - router-view 组件的实现

Brave

源码 vue-router 9月日更

灯塔之上:vivo X70背后的影像进化史

脑极体

redis主从实践(一)

风翱

redis 9月日更

Context 和 struct

Rayjun

struct Context Go 语言

详解css中清除浮动的四种方式,float浮动怎么用更为合理

你好bk

最佳实践 方法论 大前端 html/css 语言 & 开发

全方位解读服务网格(Service Mesh)的背景和概念

xcbeyond

Service Mesh 服务网格 引航计划

linux之chsh命令

入门小站

Linux

为何数据类大项目都会先做盘点??

奔向架构师

数据仓库 数据治理 9月日更

【网络安全】Spring框架漏洞总结(二)

网络安全学海

黑客 网络安全 信息安全 WEB安全 漏洞挖掘

数据结构和算法应用

Albert

算法 9月日更

【Flutter 专题】49 图解 Flutter 与 Android 原生交互

阿策小和尚

Flutter 小菜 0 基础学习 Flutter Android 小菜鸟 9月日更

HTML进阶(三)

Augus

html 9月日更

5 个网站将您的前端技能从 1 倍提升到 100 倍

云原生

学习 大前端 全栈

深入理解rtmp(三)之手把手实现握手协议

轻口味

音视频 RTMP 9月日更

redis--zset解析

en

redis Zset 引航计划

Python——函数正确调用

在即

9月日更

常用特殊符号大全

入门小站

工具

Parted 创建 GPT 分区

耳东@Erdong

Linux 9月日更 parted 磁盘分区

【墨天轮专访第四期】华为云GaussDB:发挥生态优势,培养应用型DBA

华为云数据库小助手

GaussDB 交流 华为云数据库 人物访谈

将JSON中对于集合的数据,如何解析成对象集合

卢卡多多

集合 Stream<T> 9月日更

模块七作业

seawolflin

架构实战营

翻转未来!钢铁之城重添色彩

白洞计划

严选用户全渠道触达实践_文化 & 方法_严选技术产品团队_InfoQ精选文章