多屏程序化购买之品牌营销实战

2014-10-18 10:53 来源: www.top-sales.com.cn  作者: 推销员门户  点击:

  每位做电商的人都会有一个期望,就是消费者能够尽快进入“购物车”那一步,但促成尽快购买是有多重原因,那么这决定性的关键因素究竟有哪些呢。2014年8月28日,小编在梅花开放日电商专场有幸听到来自悠易互通的副总裁刘顺的演讲,特别整理了干货,希望能在品牌方面分享一些观点,给电商朋友们一些启迪和帮助。

  无品牌,无信任

  众所周知,品牌的重要性,但建立品牌,做一个好品牌通常需要N多年的时间积累,如何在同类品牌中走的更快些,做的更好一些,那么通过大数据来建立品牌,不但会快,而且会更好。

  大家会看到各种各样的品牌,我个人比较尊重可口可乐这个品牌,走了一百多年,品牌做得好,产品卖的也好。可口可乐在同一个时期,将销售产品变得完全不同,且每个产品之间也不同,这一切行为的底气都来自于品牌的力量,不管是品位,还是品味。一方面,每一个层级的消费者觉得你有品位,第二是消费者也希望品牌里面所诉求的这个点是对他的口味的,所以品牌的作用是非常重要的。

  品牌的建立是非常难的,相信有各种各样的营销模式都在诉说如何做品牌,从知道你、喜欢你、到考虑决定购买,到使用,到建立关系。如果只是停留在这一页,很多电商真的没有时间等待。那么如何做得更快一些。

  多屏程序化购买,迅速打造品牌力

  我们今天谈到的都是站外的营销,而不是基于站内的。在站外可以做什么呢?我们可能需要跳出来看一下,在流量层面来说,真正电商在整个互联网生态里面比重实在太小了。那如何广开财源?需要站外的流量,它占的量比一个电商所能承载的量大很多,而且它是真正价值的蓝海。我尊重门户自己的流量,但光是门户的流量毕竟是有限的,所以真正的蓝海不是几家门户之间挖掘,而是站在整个互联网领域去看。

  怎样帮助大家挖掘蓝海?用什么方式挖掘蓝海?假如门户是一把勺,它可以帮你一网打尽很多东西的话,相对来说它是比较粗糙的。垂直网站,它可以更精准一些,但如何又准又多的叉到人?应该是连勺带叉一起,使用叉勺更快的帮助电商节省时间,建立品牌,那就是程序化购买。

  如何精准投放呢?通过人群、创意、媒介、设备、时间、地域等各种方式维度定向你的人群。包括在人群维度里面,也不光是自己的cookie为数据,兴趣数据,也需要吸纳更多好的数据,通过这样的数据定位会更加准确。更加有意思的是说,它是不断优化的过程,准是把你的人群分成多个不同的维度,看到每一个流量过来,是不是真的能帮到你销售。也许我们在上一秒钟发现这样的人群对我们有帮助,但下一秒钟可能就不会,这一切都需要靠机器,而人手工是做不到的,我们不可能不吃不喝不睡觉看效果。

  但DSP很公开,很包容的接受中国所有的互联网流量。未来的流量会变得更广不足为奇,反而更难的是帮助大家找到好的流量同时,让流量价值更好,能够帮助到电商的销售。那么快的平台就能够迅速集聚流量的平台,同时要有好的效果,这个好来自于多屏的整合。

  大数据,大促销

  如何帮助大家把品牌做得更好一些,其实用的最多的是数据了。为什么以前做的都不太偏品牌,不太偏数据呢?相信很多广告主和电商企业在吸纳新的目标群的时候,用的是投广告,往电商平台上引流,这是最惯用的一种方式。

  但今天我想说是希望大家隔一层,这一层是数据银行。这个数据银行并不属于悠易互通,而是属于你自己的银行,包含你线下的以及线上的数据,只有通过这一步跳转再进入平台效果会更好的。建立起来的数据银行,帮你做了很好的清洗,同样一百个人,可能只留下五十个人,你再做深度的诉求,可能五十个人其中有一半人会被导流。看似中间做了跳转,但如果你把数据银行做扎实的话,并不会吃亏。

  真正到店购物的人群,到底要看几个页面,最有可能来买商品?其实真正到店看8-20次网页的时候,真正的后续产生转化的可能性更高。而不是来1-7次,或者21次以上。所以多跳转一层,从数据银行再过来,有一个非常好的好处,就是你不会让1-7个页面的人跑掉。所以数据银行的目的不是给大家建立一个屏障,多滤一层剩下人更好,而是你可以多逮住更多的。

  如果刚才那种行为更多是来你官网人群以后,或者来了电商平台以后的老客户,我们会把老客户做画像,画像之后更重要一点是找到更多的新客户。如何从左边一小堆老人变成右边一大堆的新人,中间就需要第三方数据进行人群画像。

  这个数据银行的概念并不是给大家形成一个累赘,而是当有人看你的广告,也许他就跑掉了,并没有真正实现销售,我们可以把他召回,所以数据银行是帮助你的人群增值,更多的在你的官网上形成好的根据地。

  电商营销做一个今天的总结,第一点希望大家多考虑站外的品牌建设,因为只有好处没有坏处;第二点,如果做品牌要找到非常好的工具;第三点,要留存好的数据, 流量和数据同等重要。

投稿
反馈
返回
顶部