如今，營(yíng)銷人員可以獲得比以往任何時(shí)候都多且呈指數(shù)級(jí)增長(zhǎng)的數(shù)據(jù)。新冠疫情所驅(qū)動(dòng)的數(shù)字化加速締造了一個(gè)圍繞消費(fèi)者、產(chǎn)品和購買行為的海量數(shù)據(jù)庫。

　　據(jù)Statista預(yù)計(jì)，至2025年全球數(shù)據(jù)創(chuàng)建量——即創(chuàng)建、捕獲、復(fù)制和使用的數(shù)據(jù)總量，將增長(zhǎng)至180多ZB。

　　挑戰(zhàn)在于如何篩選數(shù)據(jù)并辨別出能夠產(chǎn)生有價(jià)值洞察的趨勢(shì)和模式。作為一個(gè)龐大的數(shù)據(jù)洪流，如果沒有上下文情景和相關(guān)性，它對(duì)營(yíng)銷人員則幾乎毫無價(jià)值。營(yíng)銷人員如何轉(zhuǎn)換信息并使數(shù)據(jù)更有意義和用處呢?

Neo4j亞太區(qū)市場(chǎng)副總裁伍長(zhǎng)輝

　　知識(shí)圖譜的力量

　　在當(dāng)今數(shù)據(jù)豐富的世界中，營(yíng)銷人員可以通過知識(shí)圖譜將數(shù)據(jù)轉(zhuǎn)化為更大的營(yíng)銷智能。與擁有數(shù)據(jù)行和列的傳統(tǒng)表格數(shù)據(jù)庫截然不同，知識(shí)圖譜將數(shù)據(jù)及其之間的關(guān)系存儲(chǔ)為連接節(jié)點(diǎn)，然后以顏色和形狀的方式直觀地展示，從而輕松檢測(cè)模式和異常情況。

　　例如，在Excel電子表格中，登陸一個(gè)客戶數(shù)據(jù)集與他們的購買歷史數(shù)據(jù)集非常容易。但是，嘗試添加額外的上下文情景，例如人口統(tǒng)計(jì)信息、購買路徑、購買時(shí)間和日期、當(dāng)?shù)氐臍夂蚰Ｊ骄惋@得既困難又笨重，也無法在一張表格內(nèi)完成。然而，這種上下文情景對(duì)于確認(rèn)是誰、在何時(shí)、購買什么以及怎樣購買至關(guān)重要。

　　知識(shí)圖譜旨在洞察客戶需求、產(chǎn)品和市場(chǎng)趨勢(shì)，減緩持續(xù)增長(zhǎng)、高度互連的數(shù)據(jù)集帶來的挑戰(zhàn)。他們擅長(zhǎng)關(guān)聯(lián)和管理大量買家和產(chǎn)品數(shù)據(jù)以應(yīng)對(duì)復(fù)雜的查詢。

　　分析營(yíng)銷效果

　　例如要分析網(wǎng)站活動(dòng)并跟蹤人們?nèi)绾卧诰W(wǎng)站上找到不同的頁面：例如通過點(diǎn)擊廣告、搜索引擎、社交媒體或電子郵件鏈接。這將有助于了解當(dāng)前的營(yíng)銷活動(dòng)是否有效，還可深入洞察可能成為客戶的網(wǎng)站訪問者的行為。

　　在知識(shí)圖譜中，所有頁面和營(yíng)銷渠道都作為節(jié)點(diǎn)相互連接。通過向連接(關(guān)系)添加上下文情景，便可開始進(jìn)行復(fù)雜的查詢。如果獲得訪問時(shí)間的數(shù)據(jù)，則可以分析個(gè)別營(yíng)銷渠道績(jī)效的進(jìn)展和對(duì)特定頁面的興趣。通過添加相關(guān)訪問者的位置數(shù)據(jù)，可以分析某些渠道是否更適合特定的區(qū)域市場(chǎng)。

　　實(shí)時(shí)推薦

　　實(shí)時(shí)推薦引擎對(duì)于在線零售商至關(guān)重要，其目的是推送相關(guān)產(chǎn)品建議，并邀請(qǐng)購物者將最后一分鐘選定的心儀產(chǎn)品添加到在線購物車中。這能實(shí)現(xiàn)雙贏：供應(yīng)商可以出售高利潤(rùn)商品、積壓商品及提供促銷活動(dòng)，而購買者可以發(fā)現(xiàn)有用且相關(guān)的商品，從而改善客戶體驗(yàn)。

　　生成相關(guān)推薦需要即時(shí)關(guān)聯(lián)產(chǎn)品、客戶、庫存、供應(yīng)商、物流甚至社會(huì)情緒指數(shù)等數(shù)據(jù)，并即時(shí)捕捉客戶當(dāng)前訪問顯示的新興趣。實(shí)時(shí)篩選所有這些數(shù)據(jù)的能力是傳統(tǒng)關(guān)系數(shù)據(jù)庫所不具備的。

　　對(duì)于知識(shí)圖譜來說，匹配歷史數(shù)據(jù)和會(huì)話數(shù)據(jù)并不重要。知識(shí)圖譜可以使用多種推薦方法并對(duì)其進(jìn)行加權(quán)，例如基于相似用戶或產(chǎn)品、用戶歷史和個(gè)人資料或業(yè)務(wù)策略(促銷、利潤(rùn)、庫存)做推薦。

　　了解客戶

　　在后Cookie時(shí)代，知識(shí)圖譜提供了一種關(guān)聯(lián)海量買家和產(chǎn)品數(shù)據(jù)的方法，以生成對(duì)產(chǎn)品趨勢(shì)和客戶需求的洞察。

　　在這一領(lǐng)域，知識(shí)圖譜的速度遠(yuǎn)遠(yuǎn)超過傳統(tǒng)方法。它們可用于分析網(wǎng)絡(luò)流量和點(diǎn)擊流數(shù)據(jù)并建立獨(dú)特的客戶檔案。

　　美國媒體集團(tuán)Meredith Corporation使用圖算法將數(shù)十億的頁面瀏覽量轉(zhuǎn)換為具有豐富瀏覽配置文件的數(shù)百萬個(gè)假名標(biāo)識(shí)符。然后，將3.5億個(gè)被視為具有不同興趣和模式特征的個(gè)人資料整合為1.63億個(gè)更豐富、更準(zhǔn)確的個(gè)體資料。這能幫助集團(tuán)更好地了解客戶并開展高效營(yíng)銷。

　　根據(jù)2020 Neo4j Pulse調(diào)查顯示，近90%的CXO認(rèn)為知識(shí)圖譜將顯著提升企業(yè)利潤(rùn)。Gartner預(yù)測(cè)，到2025年，圖技術(shù)將用于80%的數(shù)據(jù)和分析創(chuàng)新，遠(yuǎn)遠(yuǎn)高于今年的10%。最終，知識(shí)圖譜將協(xié)助營(yíng)銷人員實(shí)現(xiàn)目標(biāo)，并增強(qiáng)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)，實(shí)現(xiàn)業(yè)務(wù)的全面成功。

（轉(zhuǎn)載）