一、精准营销实际问题
充分利用各种技术手段，将营销信息推送到比较准确的受众群体中，从而既节省营销成本，又能起到最大化的营销效果。精准营销的本质是找到自己的目标客户并对其进行营销。
精准营销可以解决如下的问题：
实现 | 解决方案 |
|---|---|
扩大市场占有率 | 找出潜在客户，扩大市场份额 |
活动响应预警 | 1、在预算范围内最大化收益 |
2、对响应概率低的客户制定响应的市场活动 | |
客户流失预警 | 1、确认流失概率高的客户，制定流失防范措施 |
2、对赢回概率高的客户指定优惠的市场活动 | |
向上、向下交叉销售 | 1、最优化现有客户的价值 |
2、增加客户的黏性即忠诚度 |
————————————————————————————————————————————
二、精准营销解决方案
1、预测性方案——线性回归模型
预测性建模基于用户的历史信息去预测其将来的行为；预测性模型是帮助提高营销活动的一个工具，能针对用户实现精准营销。
2、案例一：高价值目标用户挖掘
需要做到两个方面：客户响应情况（对每一位客户，预测其在30天内购买的概率，logistics模型）、客户消费金融大小（对响应的人，预测其会消费的金额，OLS线性回归）
客户响应情况难点1：时间窗口的选择
精准营销中需要主要两个时间窗口：建模所需要的时间窗口、营销之后成功的响应时间窗口。
响应时间窗口是指广告营销之后，消费者多少天来买算营销成功，这个日期的选择需要根据不同产品来弹性选择，一般需要与业务公司沟通、协商获取具体的日期期限。
数据建模时间窗口是指建模时根据多长时间的数据来推测未来值，可以选择一周、一月、一年的数据，具体还得看情况。
建模难点2：建模时需要什么指标（解释变量）
不同的解释变量会早晨不同程度的影响，会存在相关性极强的变量，如何选择这些指标，对建模至关重要。
选取指标的方式可以有决策树、逐步回归、时间维度上用lasso比较常见。
而且在选择指标中，降低维度也是十分重要的问题，常见的有PCA主成分分析，但是其主成分在高纬度上很难获得统一、有效的认知；相比之下聚类下的R型聚类，比较易懂。
3、结果的评价
获得建模之后，根据模型分数的高低，为客户挑选一定预算条件下的最优质用户，从而帮助其实现商业目标。可以将两方面的预测呈现在一张列联表上。
横轴代表消费金额的预估排名、纵轴代表是否购买概率的排名。可以依次进行分类。
————————————————————————————————————————————
三、营销组合优化
估测在多种市场因素同时干预的情况下，各个广告营销行为对销售的不同程度的影响。不同广告营销综合影响下，分解出来，不同营销行为的效果如何。
1、营销组合优化面对的问题
营销组合要解决的问题：
哪个媒体的转化率最高？
从支出上看，这样的转化率是不是高效率的？
如何调整媒体组合从而最大化每一份支出的收益？
各个媒体是如何相互影响并促进销售的？
我们选择的广告投放时机是不是最佳的？
如果我们同时进行两个广告营销活动，如何判断其中一个是否比另一个更有效？
2、营销绩效评估
两个比较关键的指标：市场营销开支、ROI（关联性 (Relevance)、原创性Originality)、震撼力(Impact)）。
投资回报率（ROI）=年利润或年均利润/投资总额×100%
两个比较关键的曲线：衰退曲线 – 测量一个消费者从开始接触营销活动到产生购买行为的延滞时间；饱和效应 – 媒体的边际效益会随着投入的增加而递减
可以用线性回归建立模型：销售量=营销变量（电视台、微营销、搜索、报纸等） 价格促销变量 外部影响变量（季节、趋势、竞争、政策）
3、结果评价
3.1 主要媒体贡献量
主要媒体贡献量，是一个日期-销售量的图表。代表着不同营销手段下，不同日期销售量的情况。
从媒体贡献量可以探查出以下几种商业逻辑：
1、基础销售量越大，说明名气越大，很多销售量来源并不依靠营销手段，就能自然产生，基础销售量的占比可以反映公司实力；
2、不同时间下，不同营销手段的优劣。从图中，该公司的线上推广营销效果要好很多。
3.2 媒体效果曲线——ROI曲线
媒体效果曲线解释了广告营销支出和净增销量之间的关系
ROI曲线代表，随着投资额加大，销售量的增长情况。通过ROI曲线可以找出营销最佳组合，优化配置资金，让每一个营销手段都分配在最优位置。
3.3 平均ROI和边际ROI
平均ROI==已支出的广告投资的平均收益； 边际ROI==追加部分的广告投资的收益； 为追加的广告投资找到效益最高的平台并据此重新优化广告投资的分配
图中的第一列代表不同的营销手段，第二列代表营销预算；第三列代表平均ROI；第四列代表边际ROI；第五列代表ROI水平等级。
