1 / 17
文档名称:

案例十三 易趣的电子邮件营销策略.doc

格式:doc   页数:17页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

案例十三 易趣的电子邮件营销策略.doc

上传人:中国课件站 2011/9/6 文件大小:0 KB

下载得到文件列表

案例十三 易趣的电子邮件营销策略.doc

文档介绍

文档介绍:易趣网()于 1999 年 8 月在上海成立,数年间成为中国首屈一指的 C2C 电子
商务网站。其登记会员达 350 万,每天每 12 秒便为会员达成一宗网上交易。2002 年 3 月,
易趣与美国电子商务公司 eBay()结成战略合作伙伴关系,以该公司 33%股份换取
eBay 的 3 千万美元注资。易趣的目标是在全球主要国家开设最大的网上交易市场及搭建网
上交易平台让客户可随时进行任何买卖活动。为此易趣网的市场部特别设立一个独立的组别
来处理每月向用户发出数以千万计的市场推广电邮。易趣于 2002 年 2 月开始使用 DARTmail
( 公司提供)系统以吸纳新用户、保留现有用户及激发他们继续活动以及传递
易趣网内的最新信息。
d 在恰当的时间将恰当的内容传送给恰当的用户
电邮主题是电子邮件营销成功的关键要素,易趣利用 DARTmail 的 A/B 分类功能来测
试用户对不同电邮主题的反应,再根据反应率及透过 DARTmail 先进的报表功能来获取每个
电邮活动的最大效益。
电邮的外观设计也必须具有吸引力。利用 DARTmail 的可视化报表,易趣网便容易得知
那些外观最具有吸引力和最受欢迎。
d 个性化的内容
利用 DARTmail,可根据用户过去购物的资料来将他们分类,并了解他们的兴趣;透过
DARTmail 追踪,可识别最有价值的用户;根据用户浏览易趣网的次数,再结合他们的购物
及浏览记录,易趣便能按用户需要推出有效的活动,提高投资回报效益。
d 时间地点都在掌握之内
易趣利用 DARTmail 来调节发放电邮的频率使用户不会产生厌烦。经多次测试及利用
DARTmail 的报表数据,易趣网便能分析什么时间是最适当的发送电子邮件时间。易趣网发
现在中国由于大多数用户是在工作地方才使用电邮,所以在周五及周末发放电邮宣传活动,
效果并不理想,例如星期一投放的邮件点击率达 47%,而星期五只有 34%。易趣网明白目
标对象的生活模式及****惯后便可决定什么时候发放电邮予他们才会达到最佳的效果。
针对性的电子邮件使得电邮的总点击增加 167%,新用户登记总数也增加了 60%;个性
化内容服务使易趣的点击率增加超过 200%;易趣针对不同类别的用户安排不同的优惠,如
根据性别确定优惠程度使点击率增加了 15%以上。
思考题:
(1)易趣在利用电子邮件推广时使用了哪些策略?
(2)进入 网站并查阅其他文献,分析 DART 是如何跟踪用户的。
(3)查阅文献,解释什么是内容过滤?什么是协同过滤?
(4)什么是 WEB 挖掘?WEB 挖掘包括哪几类任务?WEB 使用挖掘在网络营销中能帮助
电子商务企业做哪些事?
(5)你还知道哪些用户跟踪技术?
NEXT PAGE
一、基于营销数据库的个性化推荐
营销数据库是电子商务网站的重要组成部分,存储着消费者的个人特征、定制信息、购
买记录以及相应的产品特征等信息,这些信息是进行个性化推荐的重要依据。基于营销数据
库的个性化推荐就是利用上述信息,通过人机交互获得或者用聚类、分类和关联规则挖掘等
方法挖掘消费者兴趣和偏好,进而产生个性化的推荐方案。这种应用已经得到了广泛应用。
根据推荐策略和所利用的信息不同,基于营销数据库的个性化推荐系统一般可以分为基
于内容的推荐系统、基于协同过滤的推荐系统、基于产品分类的推荐系统、基于效用的推荐
系统、基于知识的推荐系统以及各种组合推荐系统等。这里主要对基于协同过滤、基于内容
和基于产品分类这三类个性化推荐系统做一个简单介绍。
(一)协同过滤推荐技术
协同过滤推荐技术是推荐系统中应用最早和最为成功的技术之一。协同过滤是基于这样
的假设:要为目标消费者找到其真正感兴趣的产品,应该首先找到与目标消费者有相似兴趣
的其他消费者,然后将他们感兴趣的内容推荐给目标消费者。这一思想非常易于理解,在日
常生活中,我们往往会根据朋友的推荐对产品进行选择。协同过滤正是把这一思想运用到电
子商务推荐系统中来,基于其他消费者对某一产品的购买记录来向目标消费者进行推荐。基
于协同过滤的推荐主要包括基于消费者的推荐系统和基于产品的推荐系统两种。
1、基于消费者的协同过滤
基于消费者的协同过滤推荐系统一般采用最近邻技术,利用消费者的历史购买信息计算
消费者之间的距离,然后利用目标消费者的最近邻居对商品的某种加权值来预测目标消费者
对特定商品的偏好程度,系统从而根据这一偏好程度来对目标消费者进行推荐。协同过滤方
法的基本过程可以用图 3-1 表示。
“数据表示”的任务是将消费者的购买记录用一定的数据形式来表示,以方便后续的协
同分析;“识别邻居”阶段主要解决的问题是如何为目标消费