当我们进行百度凤巢系统进行精准营销的时候(注意这里是精准匹配,而非广泛匹配),我们所匹配到的关键词大部分都是同义词,如我们确立的核心关键词是酒店,这个时候我们匹配出的关键词有:XXX酒店,酒店XXX,XXX酒店预订等相近的词语,那么,如果我们在进行精准营销的时候,关键词挖掘会出现一定的瓶颈,我们需要怎么做来解决这类问题从而尽可能的挖掘能够引发用户痛点的关键词呢?
这个时候,我们可以尝试着从用户需求的初始阶段,来延伸用户可能的基础需求,通过这些基础需求,来拓展我们的关键词聚类。
我们以SEO培训行业为例,如果需要查找对于有SEO需求的客户,我们可以对于客户来源做一个分类,在购买SEO培训产品的用户中,刚毕业有工作需求,或者工作不满半年的从事SEO行业的占据70%的业务量,而且报名的客户咨询转化率非常高,所以我们就把这部分客户作为我们的核心用户群体。
为了了解我们的客户群体,实现一个精准的搜索定位,我们做了一定的调查以及得到了一个绝对性的结论:
1、 大学中专业课成绩不好,谋求一个与专业挂钩,却没那么专业的工作,而与SEO专业相关的恰恰是计算机专业,这个时候我们可以把人群定位进一步缩小到一些大学院校的计算机专业(需求)
2、 应届生和往届生的比例达到5比5
3、 喜欢玩电脑,在寝室中大部分时间都在电脑旁度过(兴趣)
通过这样的分析我们不难看出大部分的客户都是被学业所迫或大学毕业不甘心就这样回老家,不得不找得这样的工作。下面展开具体分析,那些整体打游戏,泡妹子的大学生们,想要找到他们真的比登天还难,而少数能够主动联系我们做培训的简直少之又少,那么他们经常会去的场所有哪些呢:答案是Inetnet。只要他们泡在网络上,而如今对于BAT这么强大的数据分析能力,肯定是跑不掉的。
既然如此那就好办了,下面我们制定具体的计划争取一举拿下这块市场。
为了保证用较低的成本获取较高的产出,简称ROI,我们避免了高成本的百度竞价而选择了成本较低的网盟作为实验场所,其次,我们采取针对性的广告创意,对于着陆的页面进行统计追踪。
一周后的效果显示:平均转化成本,即CPA为8元每个人,而之前的CPA达到了35每人。
既然有效果,那我们可以放心的尽可能的铺开,竞价端也不能放松,竞价毕竟不同于网盟,网盟面对的是整个互联网系统的网页,而竞价只是针对的搜索引擎,对于这帮喜欢打游戏的孩子会主动使用搜索引擎么,这里我们几乎可以不用考虑这个问题,因为我们所能操作的,只要能留住这部分停留在搜索引擎上的客户就可以了,所以,广泛匹配发挥了很大的作用,举个例子,我们可以将LOL SEO培训,作为广泛匹配的词进行投放,最终的效果,也在控制之中。
快速复制这种低成本的用户需求方法,我们迅速扩大了战果,获得了一个很好的收益。
结构方程模型(Structural equation modeling,SEM)是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内,SEM大量的应用于社会科学及行为科学的领域里,并在近几年开始逐渐应用于市场研究中。图中的Xn是待构建的测量指标,λ值表示各指标对上级指标的影响大小,ζn和δn表示误差,是受模型外因素影响的部分,如价格满意度等其他因素。由上图可以看出,服务方面的感知满意度对总体满意度的影响远高于产品满意度,再结合服务满意度的得分情况,可以得出结论,该通信分公司应着重改善服务满意度。
顾客满意度就是顾客认为产品或服务是否达到或超过他的预期的一种感受。结构方程模型(SEM)就是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系,并将这种关系用因果模型、路径图等形式加以表述。
SEM模型的基本框架图册在模型中包括两类变量:一类为观测变量,是可以通过访谈或其他方式调查得到的,用长方形表示一类为结构变量,是无法直接观察的变量,又称为潜变量,用椭圆形表示。
各变量之间均存在一定的关系,这种关系是可以计算的。计算出来的值就叫参数,参数值的大小,意味着该指标对满意度的影响的大小,都是直接决定顾客购买
与否的重要因素。如果能科学地测算出参数值,就可以找出影响顾客满意度的关键绩效因素,引导企业进行完善或者改进,达到快速提升顾客满意度的目的。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)