原来,这就是行为定向(3)
作者: 天岸 | 归档:Behavior Targeting, 网站分析(web analytics)
先讲个笑话,当引子吧:几天前,在LVMH总部检验网站的圣诞节展示模块的数据收集情况,他们中的一位给我讲了一个研讨会上的趣事。当时主持人正在解释网站分析中cookie的使用问题,这时候一位中年女士竟然问到,
“在网络上cookie多少钱一斤啊”
“Google一定从cookie中赚了不少钱吧?”
“那简直是一定的!”(还是鲁迅先生的话精彩,呵呵,拿来当翻译了)。
如果你已经读了“原来,这就是行为定向(1)”(关于什么是行为定向和一些简单的解析) 和“(2)”(关于行为定向广告的分类和原理)的话,那么希望你还有兴趣继续和我一起来简单看一下行为定向中的数据来源和分析;-)
行为定向大部分数据来自网络,来自多个网站,这些数据一般包括:
- 搜索关键字
- 访问的网站:数量,类别,停留时间
- 访问的特定的专栏
- 查看的特定的产品信息
- 点击关键的按钮,访问关键的页面
- 把产品放入购物篮;放弃购买过程
- 点击一个广告
- 打开,点击,分享一份促销邮件
- 和网站的其他互动
成熟的行为定向系统的数据经常来自多个渠道,比如:
- Callcenter的数据
- 通过会员卡收集的离线的购买数据
- 通过用户返回的数据:比如积分卡
- 通过其他电子网络传输的数据:比如互动广告牌,RFID码
- 其他CRM数据
离线的渠道的数据通常保存在CRM系统中,然后定期和行为定向数据库进行同步,用于对可以被“识别”的访问者进行定向。
对于不被识别的在线访问者也可以在其他渠道进行定向。比如Netmining的解决方案,原理很简单,就是在商家自家网站上对访问者进行定位,通过最基本的一些数据,比如访问时间,访问页面,不同的栏目之间的更迭等信息,对用户进行定向,然后确定用户对商家的价值和粘着度。商家可以然后选择对不同的访问者采取不同的策略,比如,针对对某一个特定商品非常感兴趣的客户可以推出一个Callcenter的Banner,用户点击之后可以得到Callcenter的免费呼叫,这个时候,如果用户点击的话,那么所有的访问数据都会即时推送到Callcenter的推销员面前,让他们可以有的放矢。而Unica提供的类似的解决方案可以追踪更多的渠道,追踪的更远,但是目前还局限在可以识别的,也即是注册的用户(注:Unica把自己定位在互动营销上,而不是行为定向上)。
对于收集数据的存储,有两个方面:存储在数据库中和存储在cookie中。显然,大部分数据时存储在数据库中的,而cookie仅仅保存一下部分数据,起到连接数据库和浏览器的作用。既然使用的cookie,那么和网站分析一样,就有着使用cookie的种种限制,比如说cookie的排斥和删除,家庭和工作电脑等等,不再重复。
在(1)中我多次强调行为定向并不神秘,现在到这里,我还是这个观点。当然,把任何一件事情做好都很困难,做好行为定向也需要专门的技能和对所涉及业务的精确仔细的认识。不过对行为定向进行大致的理解还是不难的,上面我们看了一些基本数据的手机,并不比网站分析收集的数据复杂,反而更简单了,那么下边就是数据的处理,也就是规则的制定了。
因为行为定向对信息收集的非常广泛,并且有相当一些案例需要对信息进行即时处理,即时得出结果(比如对网站的个性化显示,对广告的推送),所以对后台的存储和运算能力要求很高;而决定定位效果的,则取决于信息处理模型的建立,这需要符合公司营销策略,需要很多的行业经验和对历史数据的调查分析。但是,如果需要的话,我们也可以设计开发一些非常简单的模型来满足一些实验性的或者小的需求。比如在“原来,这就是行为定向(1)”中所提到的BTBuckets,就是非常简单和实用的一个例子。另外,为了便于理解,我们可以设计如下简单的模型,来解释一下行为定向的原理:
比如说,一个行为定向系统,可以根据对历史数据的分析,得出电脑的使用者有20%的可能性是以为爱好体育的男士,有80%的可能性是一位年轻的妈妈,有90%的可能性这个家庭有一位婴儿等等。然后,在广告系统中,对于广告位的分配,和对于同一个广告的内容的选择,便会结合这些概率;而如果在同一次访问中,系统发现在很短的时间内,电脑的使用者对世界杯和体育有浓厚的兴趣,通过计算,有80%的概率说这位访问者是一位男性体育爱好者,那么广告系统便会做相应的调整。
–也就是说,尽管受cookie的限制,但是现在一些先进的系统能够在一定程度上分别出同一台电脑的多个用户。
一点点儿杂谈:
行为定向是在更广的范围内,收集有限的信息的网站分析–前提是如果你把整个互联网看做一个大网站的话。
在行为定向广告中,大部分数据来源于网络。我们可以把行为定向广告和网站分析做一下类比。
- 二者的相同点是都是通过网页中的JS代码来收集一个访问者的浏览,点击,互动等等信息,储存在cookie中和数据库中。原理是一样的。二者都是通过cookie来确定一个“unique visitor”(虽然SiteCatalyst有点儿例外);后台都有系统自动对所收集的信息进行处理和分析。我自己经常喜欢把网站分析广义化,把行为定向看成其一个子集(没有根据,自己的喜好而已,不要模仿,呵呵),正是因为这些方面的一些相通处和对商业目的的服务功能。
- 而同时二者的区别也是很明显的,网站分析往往只收集一个特定网站(多数)或者同一个商业单位的网站群(少数)的信息,而行为定向可以在一个(少数)或者一系列不同类别(多数)的网站上跟踪网络用户,这些网站通常是一个松散的网络,相互之间没有必然联系,是通过第三方搭起的弱连接。这样,一个必然的需要,就是行为定向很多时候使用第三方cookie(third party cookie),而网站分析更倾向于使用第一方cookie(first party cookie)。网站分析的结果通常只是做一些简单的处理,得出各种基本的参数,然后以报告的形式展现给使用者,当然理想的情况是网站分析能够给出“见解”(insight),不过现在还没有哪个网站分析工具能够达到这个要求;而行为定向会根据各种已经编写好的模式对数据进行处理,得出特定的结果后和广告数据库进行匹配,把符合条件的广告展现给访问者看。网站分析的分析单位经常是一个整体的人群,给出一幅总括的构图;而行为定向都是针对“unique visitor”的,逐个分析,逐个匹配。而最终要的一点:网站分析可以帮助我们检验行为定向广告的效果。
为了揭开行为定向的面纱,我总是说行为定向简单,并且举一些简单的例子。可是不得不承认,行为定向设计到很多领域,从IT到Datamining到Marketing,需要很多技能。在营销中的使用也肯定会有各种需要注意的事项,尤其是对个人隐私的保护和对相关法律的遵守。以后需要的话,一定会有“原来,这就是行为定向(4)(5)(6)(7)” 的。
loading...
4 Responses to “原来,这就是行为定向(3)”
发表评论:
最近发表
- Forrester Q4 2011 网站分析服务商比较
- 团购网站如何进行网站分析-1
- Google Analytics 网页详情分析
- 小主意大用途 – Kméléo
- Engagement Index-4:数据准备和参数创建
- Engagement Index-3:计算方法和案例初探
- Engagement Index-2:构成参与度指数的参数选择,分类和数据收集办法
- Engagement Index-1:参与度指数的含义
- SiteCatalyst参数解析-1: Instance vs Visit
- Engagement Score
最近评论
- JueFan_C on 原来,这就是行为定向(3)
- 三十七度 on 团购网站如何进行网站分析-1
- 三十七度 on Google Analytics 网页详情分析
- 陈刚 on 关于作者
- 网站分析者 on 丢失的链接标签 – 营销活动监测标签(Campaign Tag)相关的一些要点 (2)
按类别查看
- 免费下载 (7)
- 未分类 (9)
- 杂谈 (4)
- Behavior Targeting (7)
- 电子邮件营销 (2)
- 社交网站分析 (6)
- 网站分析(web analytics) (29)
- SEM-SEO-SEA (4)
- Social Media Measurement (3)
按标签查看
按照日期查看
| M | T | W | T | F | S | S |
|---|---|---|---|---|---|---|
| « Oct | ||||||
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 | |||


网站分析, 网络营销,客户关系管理和杂谈
December 17th, 2009 at 1:37 am
[...] 罗嗦了这么多,还没有谈到行为定向的信息来源和分析原理,留在“原来,这就是行为定向(3)”了。 [...]
April 19th, 2010 at 12:33 am
[...] 对于分析一个营销活动的效果,有时候仅仅通过网站分析工具是不够的,因为网站分析工具还是侧重于分析综合的结果,除了Unica NetInsight本身便是基于和CRM,SI系统连通所设计的之外,其他的工具往往缺乏对个体数据的入口,大多数只是根据需求提供原始数据而已,而GA则完全不能收集任何个体的数据。不过在一对一营销和行为定向营销中,对于个体的数据确实十分必要的。用户注册来源作为信息的一部分,丢失了十分可惜。这个时候,可以通过适当的开发工作,把标签存储到数据库中,以备以后对用户的profiling的应用,同时也可以根据注册用户以后的活动情况来深入分析营销活动的效果。比如说同样是通过条幅广告带来的注册用户,是网易财经带来的注册用户的活动性强还是新浪新闻带来的注册用户的活动性强? [...]
February 3rd, 2011 at 1:47 pm
直接想办法告诉你TA是男是女,是否有孩子,是否对体育有兴趣不就行了嘛,广告没那么复杂
loading...
December 20th, 2011 at 8:43 am
正如文中所说,行为定向确实不难,难的是模型的设计等,如果避免海量数据挖掘带来的高要求运算能力才是重点吧
loading...