文档

基本概念(V4)

更新时间:

本文介绍Quick Audience V4版本涉及的基本概念,便于您理解功能。

名词

描述

工作空间

简称为空间。Quick Audience可以创建多个空间,空间之间数据隔离,通常属于不同细分品牌或部门。

使用者需要加入空间,成为空间成员,才能在空间中进行与该品牌或部门相关的用户洞察、用户营销等业务操作。

计算源

计算源是存储分析对象底层数据表的数据库,并由计算源进行ID Mapping,完成用户身份识别和全渠道数据整合。

同一个MaxCompute数据库可以添加到不同的空间作为计算源。

分析源

原始数据在计算源中完成ID Mapping后,将被导入分析源,用于后续的分析圈选和营销投放。

同一个Hologres、AnalyticDB MySQL 3.0数据库可以添加到不同的空间作为分析源。

数据源

数据源是计算源分析源的统称。

用户ID

简称为ID。ID可以表示一个用户的身份,要导入的用户数据表至少需要包含一个ID字段,ID字段要求请参见Quick Audience数据表样例。ID可用于营销、推送等。

用户ID分为四类:

  • 用户标识:本质上能够代表一个用户,在用户注册三方平台、企业一方账号时可能需要填写,例如:手机号码、电子邮箱等。

  • 设备ID:电子设备自带的ID,通常通过App埋点收集,例如:IMEI、IDFA、IMSI、OAID、MAC地址等,并非与人本身绑定。

  • 企业一方ID:由企业一方的业务系统为用户生成的ID,例如:企业一方CRM的会员ID。

  • 三方平台ID:用户在三方平台里的ID,例如:UnionID、OpenID、淘宝ID、淘宝昵称、支付宝ID、微博ID等。

用户ID进入Quick Audience后,将通过ID Mapping生成唯一身份标识QAID,实现跨来源渠道、跨ID类型的用户身份识别、数据拉通。

QAID

QAID是Quick Audience内部专有的ID类型,是系统为每个用户赋予的唯一身份标识。

在将数据表从计算源导入Quick Audience,或者Quick Audience收到上报的事件数据时,系统将进行ID Mapping,基于ID进行用户身份识别(将同一个ID识别为同一个用户,进行去重),然后为每个用户赋予一个QAID。

在后续的用户分析、人群筛选、营销发送等操作中,QAID将作为用户的唯一身份标识。在需要使用、推送其他ID类型、标签等数据时,将根据QAID匹配出该用户的所有ID字段、数据。

标签

标签分为以下几类:

  • 导入的标签:用户标签表记录用户的一系列维度特征。导入Quick Audience时,通过为字段配置标签别名的方式给用户打标签,后续使用标签时,实质上是在使用对应的字段。

  • 自定义标签:基于已导入的各类数据,自行定义标签规则,从而对满足规则的用户打标签。

    支持自定义以下标签:

    • 偏好类标签:基于用户行为表订单明细表数据,将用户出现次数最多或数值最大的维度特征作为标签值。例如:用户偏好的购物时段/价格区间/渠道/主题/品类、用户购买的最高单品价格。

    • 忠诚度标签:基于用户行为表订单明细表数据,将用户最后一次或首次行为的时间等维度特征或距今天数,或者累计行为天数作为标签值。例如:最近一次购买/访问时间或距今天数、累计消费/活跃天数。

    • 购买力标签:基于用户行为表订单明细表数据,将用户的订单金额/次数/互动行为的统计值作为标签值。例如:近一年的累计购买金额/购买件数/订单数、平均/最高/最低订单金额。

    • 用户阶段标签:按照您需要的用户分层逻辑对用户进行筛选,类似于人群筛选,筛选出满足不同条件的用户,给他们打上不同的分层标签。例如:筛选出购买总金额≥1000且爱好美食的用户,打上营销优先级1的标签;筛选出购买总金额在100~999且属于人群A的用户,打上营销优先级2的标签。

  • 标签列表还包含用户属性,以及社交互动零售CRM模块的用户标签。

用户属性

用户属性规定了用户的基础信息体系,实际取值来源于导入的用户标签表,当表字段映射了用户属性时,用户属性值采用该字段的值。后续使用时,仅展示映射的用户属性,不再展示原始标签。

用户属性与ID Mapping配合使用,帮助您构建跨来源渠道的用户基础信息体系,为用户画像提供依据。

用户画像

用户画像是指根据用户的属性、标签、偏好、行为记录、购买记录、营销记录等信息抽象出来的标签化用户模型。在用户360页面,我们将经过ID Mapping进行身份识别后的用户的相关信息集中展示,并提供便捷的打标签功能,便于您进行线索追踪和售后跟进。

RFM模型

RFM模型是一种通过用户的R消费间隔(Recency)、F消费频率(Frequency)、M消费金额(Monetary)三项指标来衡量用户价值的手段。

Quick Audience的RFM模型是基于订单明细表订单汇总表创建的,可以用于RFM分析、人群筛选等。

AIPL模型

AIPL模型是一种将用户与品牌相关的行为划分亲密度阶段的手段,以此来衡量用户的价值。其中:A品牌认知(Awareness)、I品牌兴趣(Interest)、P品牌购买(Purchase)、L品牌忠诚度(Loyalty)。且在不同的时间段,用户的相关行为不同,亲密度阶段可能发生转化。

Quick Audience的AIPL模型是基于用户行为表创建的,可以用于AIPL用户分析、AIPL流转分析、人群筛选等。

人群

Quick Audience中的人群是多个用户的QAID集合。

与全量用户不同,人群可以是为实现特定目的,或为满足特定条件,从全量用户中筛选后产生的。人群的创建方式包括:从导入的数据表筛选满足指定条件的用户(即人群筛选),上传用户ID列表,利用已有人群进行交、并、差计算生成新人群,从用户分析、短信、邮件、push营销的结果中以及分析报表中筛选需要的用户等。

人群可用于洞察分析、营销发送、推送到数据银行、达摩盘或Kafka等。

推送

将某些数据发送到其他渠道,用于在其他渠道存储、使用。

自动化营销

自动化营销是通过可拖拽的画布式配置工具,制定差异化营销策略后,由系统自动执行的智能化产品。

行为事件

简称为事件。将用户在指定渠道的某些操作定义为事件,由渠道按指定格式上报实时事件数据,用于自动化营销。其中包括一类订单事件,聚焦于用户购买商品的相关行为。

支持将事件数据存储在分析源,一般行为事件保存为用户行为表,订单事件保存为订单明细表,用于人群筛选、生成RFM/AIPL模型、自定义标签等等。

  • 本页导读 (0)