-응?
I. 배경 및 정의
전체 온라인 쇼핑 시장의 성장은 이미 안정되어 유량 배당이 점차 사라지고 있다. 핸드 투어, 짧은 비디오 등 다양한 앱은 사용자들의 많은 시간을 차지하며, 사용자의 주의력은 끊임없이 분산되고, 점도는 낮아진다. 이런 맥락에서, 장면화된 마케팅에 대한 생각은 아마도 그 중 하나일 것이다.
장면 마케팅이란 사용자의 사용 시나리오에 따라 적절한 기능과 활동을 트리거하여 사용자의 요구를 충족시키는 것을 말합니다. 이 글에서 논의한 전자 상거래 장면 마케팅은 장면 마케팅의 사고를 전자 상거래 프로모션의 조직에 통합하여 활동의 효과를 촉진하는 것이다. (윌리엄 셰익스피어, 전자 상거래, 마케팅, 마케팅, 마케팅, 마케팅, 마케팅, 마케팅, 마케팅, 마케팅)
둘째, 전자 상거래 플랫폼에 대한 장면 마케팅의 중요성
1, 사용자에게 가깝고, 사용자에게 연상을 주고, 활동 유지를 강화하고, 추가 수요를 쉽게 자극합니다.
쇼핑 프로세스의 Lenovo 및 의사 결정 절차와 일치하는 사용자의 활동을 시각적으로 구성하고 포장합니다. 사용자의 사고 방식에 접근하면 사용자가 인식 지점을 기억하고 간접적으로 활동에 대한 사용자의 유지를 향상시킬 수 있습니다. 동시에, 범주 간 조직 모델은 사용자에게 관련 범주에 접근할 수 있도록 하여 추가 수요를 자극할 수 있다.
20 19 년 상품 축제 기간 동안 JD.COM 과 알리가 조직한 설 명절 행사에서 설날 노드로부터 사용자의 실제 쇼핑 장면을 충분히 발굴했다. 설맞이 상품, 사재기 설품, 선물, 외국 상품 구매, JD.COM 설화 축제, 현지 상품 처리 친척과 친구들을 방문하고, 섣달 그믐날 저녁 식사, 파티 카니발, 여행 설, 아리의 설맞이에 새해를 맞이하다. 설맞이 기간 동안 전자상 플랫폼은 핵심 유량 자원을 장면 활동에 도입하고 장면 마케팅의 의미를 충분히 설명했다.
쇼핑 가이드 효율성을 향상시키고 의사 결정 비용을 줄입니다.
장면 마케팅의 본질은 사용자의 실제 장면 호소를 결합하여 해당 활동을 유도하고 트리거하여 사용자의 요구를 충족시켜야 하기 때문입니다. 이 논리에서 장면화 마케팅은 마케팅의 정확성을 높이고 구매 효율을 크게 높일 수 있다.
범주, 브랜드, 상품이 전체 활동의 서로 다른 단위라면 선반 구매보다 장면 마케팅 활동 조직이 더 유연하여 범주 간 침투 효과를 높일 수 있습니다.
셋째, 전자 상거래 플랫폼이 장면 마케팅을 수행하는 방법
1. 기획된 마케팅 장면은 시간의 리듬에 주의하여 사용자의 보편적인 인식에 부합해야 한다.
발렌타인데이, 설날과 같은 사용자는 보편적인 인식과 실제 장면 수요가 있는 노드입니다. 이 노드에서의 사용자 결정은 6 18 및 이중 1 1
2. 운영은 인파 특성을 중심으로 세밀하게 해야 하며, 개인화된 장면 분위기와 활동도 고려해 볼 수 있다.
한 장면을 둘러싼 가이드가 개인화될수록 사용자를 집중시킬 수 있다. 따라서 사용자의 연령 수준, 성별 구성, 지리적 분포, 소득 등 사용자 초상화를 중심으로 정투하는 것을 고려해 볼 수 있으며, 한편으로는 사용자를 보다 효과적으로 식별하는 데 도움이 되고 소비 수요를 더욱 자극할 수 있습니다.
예를 들어, 우리는 20 세 이하의 관람객에게 아기를 배달하는 안내 층을 추천할 필요가 없습니다. 지리적 분포와 함께 현지 슈퍼마켓의 쇼핑 카드를 정확하게 추천할 수 있는 것도 무한 소매의 구현이다.
3. 장면 행사와 구매의 조직방식은 진열대의' 사람 찾기' 에서' 상품 찾기' 에 이르기까지 더욱 스마트해야 한다
상품 정보가 폭발한 경우 사용자는 검색, 사고, 비교를 게을리하지만, 사용자는 친우들이 추천 (그룹화) 하고 지능추천 (정보 흐름) 하는 방식을 선호한다. 장면 활동에서도 지능형 폭포수 권장 방법을 사용하여 장면 계획을 시도할 수 있습니다.
타오바오 홈페이지의 개편, 나는 네가 2 화면으로 승진하는 것을 좋아하고, 좀 더 세밀하고 지능적인 것을 추천한다. 생활 단계, 소비 수요, 관심 선호도 등의 요소를 포괄하는 추천을 통해' 소비 행동' 이라는 단일 판단 차원을 개인 소비 장면으로 확장함으로써 더욱 정확하고 인간적이고 효율적으로, 타오바오가' 인위적' 을 실현할 수 있을 것이다. 현재' 네가 좋아하는 것 같다' 는 추천 메커니즘은 이미 초고 10000 의 정교한 소비 장면을 형성했다.