惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

D
Docker
博客园 - 【当耐特】
S
SegmentFault 最新的问题
阮一峰的网络日志
阮一峰的网络日志
大猫的无限游戏
大猫的无限游戏
WordPress大学
WordPress大学
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
The Cloudflare Blog
Apple Machine Learning Research
Apple Machine Learning Research
小众软件
小众软件
博客园 - 三生石上(FineUI控件)
Martin Fowler
Martin Fowler
云风的 BLOG
云风的 BLOG
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
F
Fortinet All Blogs
Y
Y Combinator Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
J
Java Code Geeks
Engineering at Meta
Engineering at Meta
MyScale Blog
MyScale Blog
B
Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
人人都是产品经理
人人都是产品经理

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)
草帽小子 · 2024-04-24 · via 人人都是产品经理

品牌数据银行作为消费者资产平台,有效融合了全域渠道消费者数据,为品牌精细化分层运营提供了有力支持。本文将深入探讨阿里品牌数据银行的能力与运用,从初识品牌数据银行开始,逐步揭示其融合、分析、激活与应用四大模块的功能与特点。

上个系列篇《 阿里达摩盘:一文掌握阿里达摩盘的6大能力!》,我们介绍了达摩盘DMP,接下来我们一起来探究阿里的品牌数据银行的能力。

一、初识品牌数据银行

品牌数据银行是阿里推出的消费者资产平台,融合了阿里全域渠道消费者数据以及品牌自有数据,助力品牌进行精细化分层运营。

品牌数据银行的数据包含阿里系消费者数据,如支付宝、阿里妈妈、天猫、菜鸟驿站、饿了么等;以及品牌自有的消费者数据,如站外媒体曝光、品牌的粉丝会员等。

如下图,看阿里系商家工具的对比,包含品牌数据银行、达摩盘、客户运营平台、生意参谋。从整体来看品牌数据银行,是从品牌的维度来看消费者的数据,而达摩盘等主要是从店铺维度;另外数据银行能力包含品牌全网消费者数据回流,数据范围和应用范围比达摩盘、生意参谋更广。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

品牌数据银行由4A模型发展而来,即Aggregation融合、Analysis分析、Activation激活、Application应用,提供链路流转分析、自定义分析、会员粉丝分析等功能模块,帮助品牌快速、便捷地进行消费者运营,沉淀品牌消费者资产。

如下图,阿里品牌数据银行主要包含融合沉淀、分析诊断、数据激活、应用定制4大模块。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

接下来,我们来揭开数据银行各个模块神秘的面纱。

二、Aggregation融合

1、消费者资产

为了帮助品牌持续沉淀消费者数据,还原消费者旅程,洞察品牌与消费者的亲疏关系,并持续深化与消费者关系,品牌数据银行提供了AIPL方法,来划分消费者分层。

消费者资产模块,包含消费者分析、全链路分析、链路流转分析。

消费者分析:划分了活跃消费者、消费者资产、活跃消费者对标、消费者周增长率、潜客-顾客比、关系周加深率。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

全链路分析:划分A认知-I兴趣-P购买-L忠诚,看不同阶段的消费者人群整体变化趋势。

链路流转分析:划分认知、兴趣、购买、忠诚用户,在初始和结束阶段的人群流转。

消费者资产模块是品牌数据银行早期就有的能力,其核心在于AIPL模型。选择合适的用户分层,并围绕分层制定一定的转化策略,对于消费者资产平台而言至关重要。例如阿里有AIPL用户分层模型、京东有4A模型、字节有O-5A模型,这些模型本身比较浅显易懂,其背后对应的营销转化策略会更为复杂、重要。感兴趣的朋友可以加数据交流群一起探讨。

2、数据融合

品牌在发展过程中,会积累多方会员数据等,这些数据可以通过数据融合模块进行处理。数据融合模块包含上传人群、上传标签、一方人群、一方标签等。

该模块主要能更好地帮助商家用好自有数据。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

三、Analysis分析

分析诊断模块,从粉丝会员、到商品分析,再到场景运营、活动沉淀分析、品牌增长分析等多视角进行深度分析。

1、场景运营

场景运营划分了新客拓展、高潜人群促转化、老客运营促复购、会员招募与运营、活动人群再营销、新品运营策略等。将一些核心的运营方式场景化,可以十分直观地给运营人员赋能。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

场景运营是上新的能力,在分析的基础上,加入了更多运营策略模板,提升产品的易用性,这对我们做画像的人群推荐具有较大借鉴意义。

2、粉丝会员分析

粉丝会员分析,主要包含品牌会员、店铺会员,分析活跃会员、不活跃会员、购买会员、活跃未购会员。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

3、商品分析

商品分析,构建人-商品之间的关系,分析单品上消费者行为。并进一步分析该单品的总互动人数、新增品牌认知、兴趣、购买、忠诚人数。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

在用户分群过程中,我们划分的群体越多,运营人员反而越不知道怎么用,难以形成比较体系化的策略。而品牌数据银行做的比较好的是,使用了AIPL模型,将其贯穿至整个产品体系、分析体系、运营体系,从而发挥出数据产品的最大价值。

4、活动沉淀分析

活动沉淀分析,沉淀了消费者的活动数据,分析活动前1天和活动结束当天,消费者总量、品类购买力、消费者转化力数据,以及活动的拉新和留存效果分析。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

营销活动在各大品牌促销应用上十分广泛,要统计好活动带来的效果,则需做好活动数据的回流、渠道数据归因等。这是重点也是难点,后续文章进一步研究。

5、自定义人群分析

还有比较基础的模块就是自定义人群分析,这主要是人群圈选模块,划分了以场圈人、以货圈人、属性圈人、IP粉丝圈人几种方式。这跟《阿里达摩盘:圈选人群、渠道沉淀人群、智能迭代人群…》构建方式类似。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

通常属性圈人是人群圈选中较为常用的模块,需要结合一定的业务场景,例如在电商场景下,基于人-货-场的模型,可拓展成以货圈人、以场圈人等。在长租场景下,基于房-客模型,则为以房圈人。

四、Activation激活

数据激活主要是数据应用,根据品牌需求,将目标人群推送至钻展等多渠道。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

这里的对接,分了很多渠道,包括阿里妈妈、CRM、策略中心、天猫营销平台、高德、支付宝、本地生活等等。

五、Application应用

应用模块主要包含应用市场和数据工厂。例如在应用市场能力上,品牌方可根据不同营销场景,订购服务商已打包好的完整解决方案。

阿里品牌数据银行:全网最全数据银行介绍!(附海量截图)

场景运营策略需要一定的数据分析和营销经验才能得出,服务商可将其进行售卖,进行商业变现。由此也可看出消费者资产平台中,营销策略的重要性。

专栏作家

草帽小子,公众号:一个数据人的自留地,人人都是产品经理专栏作家。《大数据实践之路:数据中台+数据分析+产品应用》书籍作者,专注用户画像领域。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。