基于小程序的营销闭环方法、系统、介质及设备技术方案

本发明专利技术提供了一种基于小程序的营销闭环方法、系统、介质及设备，包括：步骤1：根据商品的属性信息，建立商品元数据；步骤2：根据销售数据及商品指标数据分析建立营销活动；步骤3：将包含商品元数据、营销活动及客服信息的小程序呈现给目标客户，供客户对关注的商品进行浏览、搜索、在线咨询、推荐分享和自主询价；步骤4：通过小程序埋点获取客户的行为数据并进行多维度分析，推荐商品及营销活动供客户查看和询价；步骤5：根据客户的行为及历史操作，对询价客户进行报价或主动根据客户要求进行报价，在报价经客户确认后完成营销闭环，实现营销目标。本发明专利技术从营销的各个环节进行业务适配并优化，提升了闭环营销的效率和绩效。提升了闭环营销的效率和绩效。提升了闭环营销的效率和绩效。

【技术实现步骤摘要】
基于小程序的营销闭环方法、系统、介质及设备


[0001]本专利技术涉及营销闭环
，具体地，涉及一种基于小程序的营销闭环方法、系统、介质及设备。

技术介绍

[0002]目前众多小程序均对商品元数据进行了分类、属性设置和搜索或筛选条件设置，搜索或筛选条件仅限多关键字及部分精准搜索，这将增加客户查找商品的时间成本。众多小程序在对客户报价时只能根据历史报价及目前市场行情制定，无法结合客户自身情况制定适合的报价，导致报价达成一致的速度慢或者利润较低。
[0003]每个行业均有自身的行业特性，而且每个细分行业也存在较大差异，行业所面临的政治及经济等国内外市场环境、行业发展趋势及所需的专业知识和技能等都存在不同。受众存在企业规模、发展阶段、组织架构、决策依据及公司文化等差异，从业的采购人员存在年龄段、教育程度、个人喜好、渠道认知及辨识能力等不同。
[0004]由于存在业务领域及受众属性的差异，活动因子及权重需要根据不同时期、不同市场环境频繁变动，仅通过活动因子及权重变更难以形成每个行业及细分行业的算法。
[0005]专利文献CN109493109A(申请号：CN201811130015.4)公开了一种基于小程序的营销管理方法、装置、计算机设备及存储介质，其中的方法包括：获取业务员的业绩信息；根据预设规则确定所述业务员的业绩信息在业绩排行榜中的业绩排行；向所述业务员展示所述业绩排行。
[0006]众多商品营销活动通过对市场热销商品的基本情况及个人的经验制定，缺少对定价模式及营销数量的智能分析，营销效果会大打折扣。众多商品营销活动对象采取广撒网，未对可能的目标客户群体展开，其结果时有营销对象数量，营销成功几率低。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种基于小程序的营销闭环方法、系统、介质及设备。
[0008]根据本专利技术提供的基于小程序的营销闭环方法，包括：
[0009]步骤1：根据商品的属性信息，建立商品元数据并支持多条件组合检索；
[0010]步骤2：根据销售数据及商品指标数据分析建立营销活动；
[0011]步骤3：通过用户自主搜索或他人推荐分享的方式将包含商品元数据、营销活动及客服信息的小程序呈现给目标客户，供客户对关注的商品进行浏览、搜索、在线咨询、推荐分享和自主询价；
[0012]步骤4：通过小程序埋点获取客户的行为数据并进行多维度分析，推荐商品及营销活动供客户查看和询价；
[0013]步骤5：根据客户的行为及历史操作，参考商品不同时期采购价格及数量，结合量大从优、推荐有奖的原则，由系统提供参考价，营销人员根据参考价结合个人经验对询价客
户进行报价或主动根据客户要求进行报价，在报价经客户确认后完成营销闭环，实现营销目标。
[0014]优选的，将商品按照本质特征及用途归口到品类节点，按照行业和客户习惯自定义标签，根据属性检索习惯和值类型按需设置精确搜索和范围搜索，其中精确搜索用于有检索需求的字符型属性，范围搜索用于数值型属性。
[0015]优选的，通过爬虫技术不断获取行业相关的最新市场环境、景气度及发展趋势，持续更新行业特性和分析数据，通过系统学习和人工结合完成各行业聚类和打标签；
[0016]通过爬虫技术不断获取各个企业相关从业人员的年龄层次、教育程度、喜好变化和专业技能，同时通过埋点获取用户使用系统的习惯及用户偏好，持续更新行业从业人员的特性和分析数据，通过系统学习和人工结合完成企业及从业人员的聚类和打标签；
[0017]通过爬虫技术不断获取各个产品的需求预测、实际销量、产品定位、价格变化、量价关联度及搜索热词，持续更新行业产品的特性和分析数据，通过系统学习和人工结合完成产品的聚类和打标签。
[0018]优选的，在后台系统根据商品的品类、品牌、标签、属性信息建立商品元数据，以公司历史销售数据为基础，结合公司当前阶段的销售目标，选择有营销需求且有市场潜力的商品，对目标客户制定限时限量限价并含有其他销售规则的营销活动；所述目标客户包括但不限于下游产业的生产商及代理商，需要以商品作为原料或工具用途、已经联络但尚未建立商务合作的企业或个人；
[0019]通过小程序埋点自动获取的访问某个节点的客户、访问时间、上一节点、下一节点、进入时间和跳出时间，按照不同维度进行数据统计和分析，获取客户关注的商品及热度，定向推荐关联商品和营销活动信息；
[0020]将小程序结合用户在平台的操作习惯，埋点获取用户行为数据，通过聚类的方式将平台用户进行分类，进一步根据用户的群体特征对特定用户推送营销活动；
[0021]所述小程序采用K
‑
MEANS聚类方法，先通过实验的方式找到合适的K值，分别令K等于2、3、4
…
10，计算总平方和SST，当K值越大时SST值越小，最合适的K值不是SST值最小的，而是效率最高的，然后根据用户数据进行聚类分析，当完成用户分类后，根据用户数据进行用户群的画像分析，并根据业务经验为最终得到的用户群赋能，匹配合适的营销活动；
[0022]通过K
‑
MEANS聚类方法对顾客需求划分为基本型需求、期望型需求和兴奋型需求，将产品和服务的质量特性分为：必备属性M，当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；期望属性O，当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；魅力属性A，用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；无差异属性I，无论提供或不提供此需求，用户满意度都不会有改变；加入Better
‑
Worse系数计算(Better/SI＝(A+O)/(A+O+M+I)，Worse/DSI＝
‑
1*(M+O)/(A+O+M+I))，通过满意影响力SI和不满意影响力DSI组成四象限对比优先级，将多需求的SI和DSI平均值作为横轴同属性优先考虑Better值高的需求，其中，Better为增加后的满意系数，Worse为消除后的不满意系数。
[0023]根据本专利技术提供的基于小程序的营销闭环方法，包括：
[0024]模块M1：根据商品的属性信息，建立商品元数据并支持多条件组合检索；
[0025]模块M2：根据销售数据及商品指标数据分析建立营销活动；
[0026]模块M3：通过用户自主搜索或他人推荐分享的方式将包含商品元数据、营销活动及客服信息的小程序呈现给目标客户，供客户对关注的商品进行浏览、搜索、在线咨询、推荐分享和自主询价；
[0027]模块M4：通过小程序埋点获取客户的行为数据并进行多维度分析，推荐商品及营销活动供客户查看和询价；
[0028]模块M5：根据客户的行为及历史操作，参考商品不同时期采购价格及数量，结合量大从优、推荐有奖的原则，由系统提供参考价，营销人员根据参考价结合个人经验对询价客户进行报价或主动根据客户要求进行报价，在报本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小程序的营销闭环方法，其特征在于，包括：步骤1：根据商品的属性信息，建立商品元数据并支持多条件组合检索；步骤2：根据销售数据及商品指标数据分析建立营销活动；步骤3：通过用户自主搜索或他人推荐分享的方式将包含商品元数据、营销活动及客服信息的小程序呈现给目标客户，供客户对关注的商品进行浏览、搜索、在线咨询、推荐分享和自主询价；步骤4：通过小程序埋点获取客户的行为数据并进行多维度分析，推荐商品及营销活动供客户查看和询价；步骤5：根据客户的行为及历史操作，参考商品不同时期采购价格及数量，结合量大从优、推荐有奖的原则，由系统提供参考价，营销人员根据参考价结合个人经验对询价客户进行报价或主动根据客户要求进行报价，在报价经客户确认后完成营销闭环，实现营销目标。2.根据权利要求1所述的基于小程序的营销闭环方法，其特征在于，将商品按照本质特征及用途归口到品类节点，按照行业和客户习惯自定义标签，根据属性检索习惯和值类型按需设置精确搜索和范围搜索，其中精确搜索用于有检索需求的字符型属性，范围搜索用于数值型属性。3.根据权利要求1所述的基于小程序的营销闭环方法，其特征在于，通过爬虫技术不断获取行业相关的最新市场环境、景气度及发展趋势，持续更新行业特性和分析数据，通过系统学习和人工结合完成各行业聚类和打标签；通过爬虫技术不断获取各个企业相关从业人员的年龄层次、教育程度、喜好变化和专业技能，同时通过埋点获取用户使用系统的习惯及用户偏好，持续更新行业从业人员的特性和分析数据，通过系统学习和人工结合完成企业及从业人员的聚类和打标签；通过爬虫技术不断获取各个产品的需求预测、实际销量、产品定位、价格变化、量价关联度及搜索热词，持续更新行业产品的特性和分析数据，通过系统学习和人工结合完成产品的聚类和打标签。4.根据权利要求1所述的基于小程序的营销闭环方法，其特征在于，在后台系统根据商品的品类、品牌、标签、属性信息建立商品元数据，以公司历史销售数据为基础，结合公司当前阶段的销售目标，选择有营销需求且有市场潜力的商品，对目标客户制定限时限量限价并含有其他销售规则的营销活动；所述目标客户包括但不限于下游产业的生产商及代理商，需要以商品作为原料或工具用途、已经联络但尚未建立商务合作的企业或个人；通过小程序埋点自动获取的访问某个节点的客户、访问时间、上一节点、下一节点、进入时间和跳出时间，按照不同维度进行数据统计和分析，获取客户关注的商品及热度，定向推荐关联商品和营销活动信息；将小程序结合用户在平台的操作习惯，埋点获取用户行为数据，通过聚类的方式将平台用户进行分类，进一步根据用户的群体特征对特定用户推送营销活动；所述小程序采用K
‑
MEANS聚类方法，先通过实验的方式找到合适的K值，分别令K等于2、3、4
…
10，计算总平方和SST，当K值越大时SST值越小，最合适的K值不是SST值最小的，而是效率最高的，然后根据用户数据进行聚类分析，当完成用户分类后，根据用户数据进行用户群的画像分析，并根据业务经验为最终得到的用户群赋能，匹配合适的营销活动；通过K
‑
MEANS聚类方法对顾客需求划分为基本型需求、期望型需求和兴奋型需求，将产
品和服务的质量特性分为：必备属性M，当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低；期望属性O，当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低；魅力属性A，用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升；无差异属性I，无论提供或不提供此需求，用户满意度都不会有改变；加入Better
‑
Worse系数计算(Better/SI＝(A+O)/(A+O+M+I)，Worse/DSI＝
‑
1*(M+O)/(A+O+M+I))，通过满意影响力SI和不满意影响力DSI组成四象限对比优先级，将多需求的SI和DSI平均值作为横轴同属性优先考虑Better值高的需求，其中，Better为增加后的满意系数，Worse为消除后的不满意系数。5.一种基于小程序的营销闭环系统，其特征在于，包括：模块M1：根据商品的属性信息，建立商品元数据并支持多条件组合检索；模块M2：根据销售数据及商品指标数据分析建立营销活动；模块M3：通过...

【专利技术属性】
技术研发人员：刘铠，王力，顾珏辉，李青，钟佳晨，
申请(专利权)人：欧冶工业品股份有限公司，
类型：发明
国别省市：