如今，營(yíng)銷(xiāo)人員可以獲得比以往任何時(shí)候都多且呈指數級增長(cháng)的數據。新冠疫情所驅動(dòng)的數字化加速締造了一個(gè)圍繞消費者、產(chǎn)品和購買(mǎi)行為的海量數據庫。
據Statista預計，至2025年全球數據創(chuàng )建量--即創(chuàng )建、捕獲、復制和使用的數據總量，將增長(cháng)至180多ZB。
挑戰在于如何篩選數據并辨別出能夠產(chǎn)生有價(jià)值洞察的趨勢和模式。作為一個(gè)龐大的數據洪流，如果沒(méi)有上下文情景和相關(guān)性，它對營(yíng)銷(xiāo)人員則幾乎毫無(wú)價(jià)值。營(yíng)銷(xiāo)人員如何轉換信息并使數據更有意義和用處呢？
Neo4j亞太區市場(chǎng)副總裁伍長(cháng)輝
知識圖譜的力量
在當今數據豐富的世界中，營(yíng)銷(xiāo)人員可以通過(guò)知識圖譜將數據轉化為更大的營(yíng)銷(xiāo)智能。與擁有數據行和列的傳統表格數據庫截然不同，知識圖譜將數據及其之間的關(guān)系存儲為連接節點(diǎn)，然后以顏色和形狀的方式直觀(guān)地展示，從而輕松檢測模式和異常情況。
例如，在Excel電子表格中，登陸一個(gè)客戶(hù)數據集與他們的購買(mǎi)歷史數據集非常容易。但是，嘗試添加額外的上下文情景，例如人口統計信息、購買(mǎi)路徑、購買(mǎi)時(shí)間和日期、當地的氣候模式就顯得既困難又笨重，也無(wú)法在一張表格內完成。然而，這種上下文情景對于確認是誰(shuí)、在何時(shí)、購買(mǎi)什么以及怎樣購買(mǎi)至關(guān)重要。
知識圖譜旨在洞察客戶(hù)需求、產(chǎn)品和市場(chǎng)趨勢，減緩持續增長(cháng)、高度互連的數據集帶來(lái)的挑戰。他們擅長(cháng)關(guān)聯(lián)和管理大量買(mǎi)家和產(chǎn)品數據以應對復雜的查詢(xún)。
分析營(yíng)銷(xiāo)效果
例如要分析網(wǎng)站活動(dòng)并跟蹤人們如何在網(wǎng)站上找到不同的頁(yè)面：例如通過(guò)點(diǎn)擊廣告、搜索引擎、社交媒體或電子郵件鏈接。這將有助于了解當前的營(yíng)銷(xiāo)活動(dòng)是否有效，還可深入洞察可能成為客戶(hù)的網(wǎng)站訪(fǎng)問(wèn)者的行為。
在知識圖譜中，所有頁(yè)面和營(yíng)銷(xiāo)渠道都作為節點(diǎn)相互連接。通過(guò)向連接（關(guān)系）添加上下文情景，便可開(kāi)始進(jìn)行復雜的查詢(xún)。如果獲得訪(fǎng)問(wèn)時(shí)間的數據，則可以分析個(gè)別營(yíng)銷(xiāo)渠道績(jì)效的進(jìn)展和對特定頁(yè)面的興趣。通過(guò)添加相關(guān)訪(fǎng)問(wèn)者的位置數據，可以分析某些渠道是否更適合特定的區域市場(chǎng)。
實(shí)時(shí)推薦
實(shí)時(shí)推薦引擎對于在線(xiàn)零售商至關(guān)重要，其目的是推送相關(guān)產(chǎn)品建議，并邀請購物者將最后一分鐘選定的心儀產(chǎn)品添加到在線(xiàn)購物車(chē)中。這能實(shí)現雙贏(yíng)：供應商可以出售高利潤商品、積壓商品及提供促銷(xiāo)活動(dòng)，而購買(mǎi)者可以發(fā)現有用且相關(guān)的商品，從而改善客戶(hù)體驗。
生成相關(guān)推薦需要即時(shí)關(guān)聯(lián)產(chǎn)品、客戶(hù)、庫存、供應商、物流甚至社會(huì )情緒指數等數據，并即時(shí)捕捉客戶(hù)當前訪(fǎng)問(wèn)顯示的新興趣。實(shí)時(shí)篩選所有這些數據的能力是傳統關(guān)系數據庫所不具備的。
對于知識圖譜來(lái)說(shuō)，匹配歷史數據和會(huì )話(huà)數據并不重要。知識圖譜可以使用多種推薦方法并對其進(jìn)行加權，例如基于相似用戶(hù)或產(chǎn)品、用戶(hù)歷史和個(gè)人資料或業(yè)務(wù)策略（促銷(xiāo)、利潤、庫存）做推薦。
了解客戶(hù)
在后Cookie時(shí)代，知識圖譜提供了一種關(guān)聯(lián)海量買(mǎi)家和產(chǎn)品數據的方法，以生成對產(chǎn)品趨勢和客戶(hù)需求的洞察。
在這一領(lǐng)域，知識圖譜的速度遠遠超過(guò)傳統方法。它們可用于分析網(wǎng)絡(luò )流量和點(diǎn)擊流數據并建立獨特的客戶(hù)檔案。
美國媒體集團Meredith Corporation使用圖算法將數十億的頁(yè)面瀏覽量轉換為具有豐富瀏覽配置文件的數百萬(wàn)個(gè)假名標識符。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、更準確的個(gè)體資料。這能幫助集團更好地了解客戶(hù)并開(kāi)展高效營(yíng)銷(xiāo)。
根據2020Neo4jPulse調查顯示，近90%的CXO認為知識圖譜將顯著(zhù)提升企業(yè)利潤。Gartner預測，到2025年，圖技術(shù)將用于80%的數據和分析創(chuàng )新，遠遠高于今年的10%。最終，知識圖譜將協(xié)助營(yíng)銷(xiāo)人員實(shí)現目標，并增強企業(yè)的競爭優(yōu)勢，實(shí)現業(yè)務(wù)的全面成功。
