从京东白皮书看AI在拉新场景实践
3个月前,云积天赫受邀参与编撰《京东消息类产品场景应用白皮书》。报告发布后收到大量良性反馈,不同行业的商家基于各自的应用场景,快速找到短信营销、智能增长的方法。
同时,随着营销环境的不断变化以及商家对短信投放的深入推进,也出现了新的思考与疑惑:
- 看似简单的短信投放后,是否需要做复盘、怎么做复盘?
- AI热潮下,如何将AI应用于短信营销领域?
- 品牌重点投入的会员运营体系中,短信如何发挥效能?
为进一步帮商家解决关于短信营销的困惑,京东再次联合云积天赫,于近日发布《京东消息类产品应用白皮书Ⅱ》,围绕短信投放复盘指导、短信智能应用及会员运营赋能等方面,持续推动商家提升品牌营销与运营效能。
扫描二维码 添加客服
获取完整白皮书
云积天赫在报告中详细阐述如何将AI应用在短信营销领域的成功实践经验,详见下文:
短信智能应用-AI应用
近两年,AIGC的星火,点燃了各行各业对人工智能技术的开发和应用。各个垂直领域都在找寻AI技术与自己所在场域的生意链接点。而在营销场域,AI 凭借其创造性的内容生成能力、颠覆性的数据处理能力、智能化的模型构建能力等,激起了品牌方对“AI驱动营销”的畅想和热情,那如何将AI应用在短信营销领域?我们的答案是DataLab。
DataLab是什么?
DataLab是数坊提供的定制化数据应用能力,能提供高自由度的自助式特征配置和可灵活使用的内置算法模型及代码编写工具;DataLab可以帮助品牌洞察消费者,采集超1000+的人群特征维度,其中包含品牌行为洞察、用户特征洞察以及京东全站跨类目行为等;通过AI建模之后人群特征更加立体化,从而实现找到更加精准的客群,最大化数据效能,实现精准营销。
DataLab的优势
1定时更新模型:原数坊采用人工圈选的方式,而 DataLab 则通过定时更新模型,能够捕捉人群行为变化,实现更精准的用户特征和定位。
2商品推荐个性化匹配:原数坊基于平台交并差人群圈选逻辑,而 DataLab 可以实现商品推荐的个性化匹配提高用户购买意愿和满意度。
3海量人群购买意识识别:原数坊依赖专家的历史经验和主观判断,而 DataLab 可以通过海量数据实现人群购买意识的识别,实现精准营销和推荐。
4个性化、灵活性更高:原数坊的数据处理效率较低,而 DataLab 具有更高的个性化和灵活性,能够更快速地处理数据、分析用户行为,提高营销效果和用户体验。
DataLab的应用
- 赋能数坊短信营销链路:
DataLab作为智能大脑,助力品牌输出人群策略→将人群策略整理成可执行的活动计划→在京东系站内投放平台中落地配置自动营销画布→短信投放之后的营销店铺数据返回到数据中心,形成数坊短信营销链路闭环;
- DataLab基于消费者全生命周期的AI全场景覆盖:
DataLab满足消费者全生命周期的不同场景运营需求,包含“种草期、引流期、成长期、成熟期、衰退期以及流失期”;以引流期为例,DataLab可以将人群剥离为上千的维度,判断这些人群哪些适合吸引进店或入会或加购的,为每个更细化的运营场景精准匹配人群策略;
DataLab建模流程
DataLab建模流程一共分为以下6步:
案例展示
- DataLab赋能公域触达,助力某家电品牌大促增长运营具体需求:
- DataLab的AI模型策略:
- 人群策略:
建模预测优选人群率先考虑高关联的品类人群,比如:同品类商品人群、数码人群、医疗保健人群、个人护理人群、电脑办公人群、家用电器人群、美妆护肤人群等;以上人群策略并集后可覆盖该家电品牌新客购买人数的 85%+,在这个人群策略基础上进行向下训练,除了基础属性特征,再挖掘更多兴趣偏好、近期消费行为、触点行为等特征,使得人群特征更加立体化,从而协助该家电品牌输出更精准的人群策略;
- 项目效果:
在京东公域筛选了较匹配的2亿人群池并用模型圈选了990w投放人群,顺利完成了京东11.11期间的5次投放。
转化率提升显著:相较人工圈选的人群,DataLab生成的人群,付款转化率都是最高的。
人群重合率低:AI生成的人群与人工能圈选的人群,重合率低,绝大部分在20%以下,说明AI找到了传统圈选逻辑之外的高转化人群,见证了DataLab在拉新场景下的破圈能力。
对最新AI营销技术、产品和方案感兴趣的伙伴,可以扫描下方二维码,添加云小智,共同交流。
日期:2024年07月05日
关键词:AI短信 AI营销 DataLab