一、什么是营销自动化
营销自动化,就是现代营销中解决这个问题的利器,它好像是营销系统的血液循环系统一样,奠定了现代营销的基础,从而不断捕捉和加深对客户的了解,基于对客户的正确了解来设计与客户沟通的路径,并且根据客户的反应不断调优客户的体验, 进而成功培育出客户的商机。
营销自动化指的是基于大数据的用于执行、管理和自动完成营销任务和流程的云端的一种软件。在于通过设计、执行和评估市场营销行动和相关活动的全面框架,赋予市场营销人员更强的工作能力,使其能够直接对市场营销活动的有效性加以计划、执行、监视和分析,并可以应用工程流技术,优化营销流程,使一些共同的任务和过程自动化。
营销是一种现代经营思想,其核心是以消费者需求为导向,消费者或客户需求什么就生产销售什么。这是一种由外向内的思维方式。 销售主要是以固有产品或服务来吸引、寻找顾客,与营销相比,恰恰相反是一种由内向外的思维方式。 自动化只是一种技术手段,区别不大
营销自动化就是建立在精准的人群画像策略和营销数据分析的基础上,利用自动化工作流执行的客户全生命周期营销互动。以Convertlab的营销自动化为例,客户的全生命周期自动化营销体现在几个方面:
抓住关键时刻-客户在和品牌了解、沟通、购买产品和接受服务的整个生命周期过程中,有一些“关键时刻”(Moment of Truth,简称MOT)。例如客户关注品牌微信公众号的最初几分钟、客户网上购买商品迟迟未付款的时间段、会员即将进入不活跃期等。这些关键时刻是营销的最佳时机,往往稍纵即逝。准确捕捉并良好运用将产生巨大效果。
Always On Engagement 全时沟通-当客户生命周期每一个关键时刻MOT已被梳理清晰,企业需要为每一个MOT制定一个沟通策略,在特定时间及时沟通。自然,这样的沟通策略一定是自动化的,当品牌一个个自动化沟通策略部署完毕,就形成了always on engagement全时沟通机制。
Campaign营销活动触达-除了伴随着客户生命周期的MOT和Always On沟通策略之外,企业也需要不时的针对特定目标客群进行主动式营销, 即大家所熟悉Campaign。具备数据洞察能力之后,Campaign也升级为Data-driven Campaign,在一个大的活动主题之下,针对不同特征的人群、内容沟通要点、渠道沟通、沟通时机都需要区别对待,以达到活动最大化。
规模化与个性化的结合-在营销和沟通领域,单纯的规模化沟通不难,广告、群发等手段很多,非规模化的个性化沟通也不难,甚至可对少量VVIP客户提供一对一服务,难的是对所有的大规模客户进行个性化沟通。很多企业客户规模已达千万级,实现大规模客户的个性化沟通需要清晰的人群分层策略、对应的内容策略及强有力的工具支撑。
符合行业特征的策略模型-上述规模化个性化沟通策略的方法适用于各个行业,但每个行业的具体执行策略会有细节上的不同。 Convertlab建议每个行业需总结出行业通用的最佳实践,企业可以借鉴行业经验在优化为符合自身情况的策略来尝试。
营销自动化就是建立在精准的人群画像策略和营销数据分析的基础上,利用自动化工作流执行的客户全生命周期营销互动。
以Convertlab的营销自动化为例,客户的全生命周期自动化营销体现在几个方面
抓住关键时刻
客户在和品牌了解、沟通、购买产品和接受服务的整个生命周期过程中,有一些“关键时刻”(Moment of Truth,简称MOT)。例如客户关注品牌微信公众号的最初几分钟、客户网上购买商品迟迟未付款的时间段、会员即将进入不活跃期等。
这些关键时刻是营销的最佳时机,往往稍纵即逝。准确捕捉并良好运用将产生巨大效果。
Always On Engagement 全时沟通
当客户生命周期每一个关键时刻MOT已被梳理清晰,企业需要为每一个MOT制定一个沟通策略,在特定时间及时沟通。自然,这样的沟通策略一定是自动化的,当品牌一个个自动化沟通策略部署完毕,就形成了always on engagement全时沟通机制。
Campaign营销活动触达
除了伴随着客户生命周期的MOT和Always On沟通策略之外,企业也需要不时的针对特定目标客群进行主动式营销, 即大家所熟悉Campaign。具备数据洞察能力之后,Campaign也升级为Data-driven Campaign,在一个大的活动主题之下,针对不同特征的人群、内容沟通要点、渠道沟通、沟通时机都需要区别对待,以达到活动最大化。
规模化与个性化的结合
在营销和沟通领域,单纯的规模化沟通不难,广告、群发等手段很多,非规模化的个性化沟通也不难,甚至可对少量VVIP客户提供一对一服务,难的是对所有的大规模客户进行个性化沟通。很多企业客户规模已达千万级,实现大规模客户的个性化沟通需要清晰的人群分层策略、对应的内容策略及强有力的工具支撑。
符合行业特征的策略模型
上述规模化个性化沟通策略的方法适用于各个行业,但每个行业的具体执行策略会有细节上的不同。 Convertlab建议每个行业需总结出行业通用的最佳实践,企业可以借鉴行业经验在优化为符合自身情况的策略来尝试。
建立精准高效的营销自动化管理流程
1,建立精准的CDP客户数据平台
灵活可扩展的客户数据结构
Convertlab的CDP平台的核心目的是对“客户”充分的研究,巧妙的定义了“客户”数据模型,可直接支持各种主流的客户数据来源,包括线下交易、平台电商、自建电商、微信、会员、网站、App、小程序等。并且数据结构具有高度的灵活性和可扩展性,可通过免开发的方式自由扩展数据结构,满足企业实际情况。
全渠道数据自动汇总
同一个客户在不同渠道留下的数据有很大不同,无论是数据内容、数据量还是数据中包含的身份信息都存在很大差异。Convertlab的DM Hub营销云产品内建身份信息自动识别和自动化合并功能,可以有效把同一客户的全渠道数据自动汇总到客户全域档案,过程中无需人工步骤。
生命周期模型
DM Hub内建客户生命周期管理模块,可以便捷的对理想客户的生命周期进行可视化建模,包括对于不同阶段的定义和自动化判断,以及不同阶段间自动迁移;同时提供有效的分析洞察工具,包括客户在生命周期各个阶段的分布,不同时期各阶段人群变化的趋势等。
标签管理
“标签”是客户画像最核心的部分,DM Hub具备完整的标签管理模块,包括多层次标签结构的定义、标签逻辑定义、多种标签生成方式等。DM Hub支持手工批量打标签、自动化流程标签、自动化规则标签、模型计算标签和自定义逻辑标签等不同的生成方式。
此外,DM Hub还提供各个行业的标签模板库,有效缩短从头建立整体标签库的时间。
人群细分
在完成每个客户的个体画像之后,就可以进行客群的分层分群(Segmentation),人群细分是所有分析洞察和精准营销的重要基础工作之一。
DM Hub的人群细分能力极其强大和灵活,可以选择任意筛选进行多级组合,刷新维度包括所有在DM Hub管理的数据,包括客户基础属性、画像数据、行为数据、交易记录、会员档案、营销数据等。
开放接口
Convertlab的DM Hub营销云产品具备成熟完备的开放接口,既可以接收来自外部的原始数据,又可以把加工过的画像数据输出到外部系统,还可以灵活的将人群包和其他系统进行数据交换。通过开放的数据接口和灵活的扩展性,CDP可作为企业客户数据管理的中台,进行不断的数据汇集和交换,产生最大化的数据价值。
2,建立全流程的客户互动管理平台
全渠道是必要选项
今天的客户会在全渠道和企业进行接触和互动,如果企业只是孤立的看待不同渠道,例如把电商平台和微信作为两个无关的渠道,那么同一个客户可能会在不同渠道收到不一致的沟通信息,极大的破坏客户体验。
营销自动化的客户互动管理,应该包括微信、定向广告、邮件、短信、APP消息推送、支付宝生活号等丰富的渠道。
3,建立精准的营销数据分析中心
客户分析
客户分析是根据客户的特征进行统计和分析,可以用来进行群体画像,回答品牌关注的客群具备哪些群体特征,也可以支持营销策略有效性的判断,例如:什么渠道带来了最大获客?客户目前都集中在哪个阶段?什么事件带来了最大新客流量?
行为分析
统计每个行为发生的人数、人次和变化趋势。 行为分析可以了解如下类似信息:
– 用户访问某个页面的频率
– 近期下单量和成交额
– 哪个来源的客群下单量最多
– 过去一段时间关注公众号和取关的人数对比
时间分布分析
时间分布分析可以帮助品牌了解指定时间窗口期的客户行为,数据看板可按照星期和24小时分布热力图来呈现,以直观了解客户的不同行为在时间分布上的特征。
漏斗分析
漏斗分析可帮助品牌衡量某个业务过程中每一步的客户转化和流失情况,然后通过分析各步骤的转化数据,来优化营销策略中客户体验过程的设计,提升客户体验和转化率。
路径分析
路径分析可帮助品牌了解客户各个行为的发生次序,以清楚的了解客户在某个特定行为(例如下单)的前后会发生哪些关联行为。
转化间隔分析
转化间隔分析可被用来找出两个有潜在关联的行为具有何种关联时间间隔特征并进行相关分析。例如微信新粉丝一般会在多久完成会员注册;客户加购物车后多久会完成下单。
订单分析
Convertlab的DM Hub营销云产品提供一整套针对订单数据的分析工具,可以帮助企业有效的分析出客户交易行为的特征,具体包括:
– 订单分析
– 退单分析
– RFM分析
– 复购分析
可自由组装的数据看板
数据看板可聚合管理所有分析项目,并集中展示分析结果,上述所有分析都可作为数据看板的分析组件之一,在此聚合展示。
Convertlab认为营销自动化是一个可以形成闭环的营销自动流,通过精准的分析和营销策略,实现可测试比对、可分析调整、可效果衡量。
二、什么是自动化营销
营销自动化是一对一 销售的补充。营销自动化是通过营销计划的编制、执行和结果分析、清单的产生和管理、预算和预测、资料管理、建立产品定价和竞争等信息的知识库、提供营销的百科书、进行客户跟踪、分销管理,以达到营销活动设计目的。
营销是一种现代经营思想,其核心是以消费者需求为导向,消费者或客户需求什么就生产销售什么。这是一种由外向内的思维方式。 销售主要是以固有产品或服务来吸引、寻找顾客,与营销相比,恰恰相反是一种由内向外的思维方式。 自动化只是一种技术手段,区别不大
自动化营销他是有一个软件,通过电脑管理来进行的。
三、python自动化运维是做什么的
随着技术的进步、业务需求的快速增长,一个运维人员通常要管理上百、上千台服务器,运维工作也变的重复、繁杂。把运维工作自动化,能够把运维人员从服务器的管理中解放出来,让运维工作变得简单、快速、准确;运维自动化是一组将静态的设备结构转化为根据IT服务需求动态弹性响应的策略,目的就是实现IT运维的质量,降低成本。
相关推荐:《Python入门教程》
运维自动化设计思想:
管理体系化
工作流程化
人员专业化
任务自动化
任务自动化
环境定义自动化
部署自动化
监控自动化
为什么选python做自动化运维
自动化运维关心问题:
自动化
易实现
跨平台
轻量级
适合自动化运维编程语言特点:
丰富的第三方库
学习成本低
跨平台
轻量级
1、linux系统基础,这个不用说了,是基础中的基础,连这个都不会就别干了,参考书籍,可以看鸟哥linux基础篇,至少要掌握这书60%内容,没必须全部掌握,但基本命令总得会吧 2、网络服务,服务有很多种,每间公司都会用到不同的,但基础的服务肯定要掌握,如ftp, dns,samba, 邮件, 这几个大概学一下就行,lamp和lnmp是必须要熟练,我所指的不是光光会搭建,而是要很熟悉里面的相当配置才行,因为公司最关键的绝对是web服务器,所以nginx和apache要熟悉,特别是nginx一定要很熟悉才行,至少有些公司还会用tomcat,这个也最好学一下。其实网络服务方面不用太担心,一般公司的环境都已经搭建好,就算有新服务器或让你整改,公司会有相应的文档让你参照来弄,不会让你乱来的,但至少相关的配置一定要学熟,而且肯定是编译安装多,那些模块要熟悉一下他的作用,特别是php那些模块。 这面2点只是基础,也是必要条件,不能说是工具,下以才是真正的要掌握的工具。 3、shell脚本和另一个脚本语言,shell是运维人员必须具备的,不懂这个连入职都不行,至少也要写出一些系统管理脚本,最简单也得写个监控cpu,内存比率的脚本吧,这是最最最基本了,别以为会写那些猜数字和计算什么数的,这些没什么作用,只作学习意义,写系统脚本才是最有意义,而另一个脚本语言是可选的,一般是3p,即python, perl和php,php就不需要考虑了,除非你要做开发,我个人建议学python会比较好,难实现自动化运维,perl是文本处理很强大,反正这两个学一个就行了。 4、sed和awk工具,必须要掌握,在掌握这两个工具同时,还要掌握正则表达式,这个就痛苦了,正则是最难学的表达式,但结合到sed和awk中会很强大,在处理文本内容和过滤web内容时十分有用,不过在学shell的同时一般会经常结合用到的,所以学第3点就会顺便学第4点。 5、文本处理命令,sort , tr , cut, paste, uniq, tee等,必学,也是结合第3点时一并学习的。 6、数据库,首选mysql,别问我为什么不学sqlserver和oracle,因为linux用得最多绝对是mysql,增删改查必学,特别要学熟查,其它方面可能不太需要,因为运维人员使用最多还是查,哪些优化和开发语句不会让你弄的。 7、防火墙,不学不行,防火墙也算是个难点,说难不难,说易不易,最重要弄懂规则,如果学过ccna的朋友可能会比较好学,因为iptables也有nat表,原理是一样的,而filter表用得最多,反正不学就肯定不合格。 8、监控工具,十分十分重要,我个人建议,最好学这3个,cacti,nagios,zibbix,企业用得最多应该是nagios和 zibbix,反正都学吧,但nagios会有点难,因为会涉及到用脚本写自动监控,那个地方很难。
网站所收集到的公开内容均来自于互联网或用户投稿,并不代表本站认同其观点,也不对网站内容的真实性负责,如有侵权行为请及时联系删除!