3.1 分析用户的行为特征

企业通过收集数据，可以分析用户的行为特征，例如电商可以清楚了解用户进入过的网站、购买过的产品、浏览过的痕迹等。企业能够通过分析用户的行为特征，为其推荐合适的产品，从而激发用户的购买欲望，增加产品销量，达到获利的目的。

3.1.1 用户搜索惯性

用户在网上搜索信息时，首先会在搜索引擎中输入关键词，如果搜索结果中出现了自己想要的信息，那么以后用户想要寻找类似信息时，依然会输入同样的关键词，这就是搜索惯性。

在搜索过程中，用户首先需要提交关键词给搜索引擎，然后才能浏览相关信息。如果用户没有搜索到目标信息，那么则会改变关键词再次进行搜索，直到找到为止。如此一来，搜索引擎不断收到用户反馈，与用户进行信息交互，直到用户搜索到目标信息。

通常，用户是带着某种意图进行搜索。这种意图被称为搜索意图，主要分为3类，如图3-1所示。

图3-1 3类搜索意图

1.导航型搜索

导航型搜索的目的是进入某个具体的网站，比如“北京大学”的网站。它的特点是用户想要进入某个具体的网站，但却不知道网站的网址，只能通过搜索引擎来寻找。

2.信息型搜索

信息型搜索的目的是获取某种信息，例如获取“中国最杰出的十大人才”“古往今来最为杰出的文学家”“李白的诗歌”等信息。它的特点是用户想要获取信息来进行学习。

信息型搜索又可以被划分为以下几类。

（1）直接型

用户想要知道某个方面的具体内容，比如“今天的天气”“北京的时间”等。

（2）间接型

用户想要了解某个方面的关联信息，比如动漫爱好者搜索“火影”“海贼王”等。

（3）建议型

用户想要得到某方面的建议或指点，比如“如何减肥”“如何避免陷入存款危机”等。

（4）定位型

用户想要确定地理位置，例如“北京朝阳区建设银行的位置”“苹果手机专卖店的位置”等。

（5）列表型

用户想要找到满足需求的多个信息，例如“故宫附近的饭店”“洗手间”等。

3.事务型搜索

事务型搜索的目的是从网上获取某些资源，比如下载一部电影、某个电视剧、一首歌曲等，它的特点是为了完成某个目的而进行的搜索。

基于以上三种用户搜索意图，企业可以通过两种策略精准定位用户搜索的关键词。

1.根据用户思维定位关键词

用户在搜索的过程中，核心词通常不会发生改变。例如用户在搜索“3D游戏”有关内容时，无论搜索关键词如何变化，核心词“3D游戏”始终不会改变。因此，企业可以根据用户访问和搜索情况整理出核心词，以便用户能够在企业网站中快速找到目标产品。

以“3D游戏”为例。搜索此类话题的群体多为学生，从学生爱玩游戏的心理出发，网站可以编辑“最炫酷3D游戏”“最火爆3D游戏”等搜索关键词来吸引用户。

2.根据热门搜索定位关键词

企业一般把3种热门词语作为网站关键词。

（1）热门指数词语

热门指数词语具有固定的点击量，企业通常会选择排名第3～6名的热门指数词语作为关键词，因为这些关键词的排名有上升空间，竞争压力小。

（2）未来热门词语

只有当事件即将发生或真正发生后，未来热门词语才会获得高点击量。比如当苹果公司宣布即将发布iPhoneX时，iPhoneX就会迅速成为热门词语，获得高度关注。

（3）热门竞争度词语

热门竞争度词语是指数个网站同时使用同一个关键词，那么这个词语就具有竞争性。此类词语通常为搜索引擎类企业使用。

3.1.2 用户浏览轨迹

如今，我们进行浏览网站、登录页面、发送邮件、观看视频等操作都会产生大量的数据。同时，我们在上网时总会收到一些广告信息，而且每一位用户获得的广告内容都不相同。这就是大数据营销，通过分析大数据，企业能够实现精准营销，推送给用户合适的产品信息。

例如，亚马逊作为全球知名的电子商务公司，利用大数据分析用户行为特征实现了精准营销。1995年，亚马逊首创线上购买书籍的业务，通过互联网获取了大量的用户浏览轨迹，用以了解用户的购买需求，并不断对这些数据进行分析与整理，挖掘用户的潜在需求。亚马逊打破了传统图书行业的营销模式，成为图书行业的销量冠军。

如果一本经济类书籍上市，亚马逊对其进行邮件推广的流程如下。

首先，亚马逊会收集购买过该经济类书籍的用户数据，明确目标用户。同时亚马逊还会举办“该经济类书籍是否得到你的青睐”等网上投票活动来确定潜在用户。

然后亚马逊需要分析目标用户群体的行为特征，为他们制订适合的促销方式。例如，浏览轨迹显示用户更倾向于选择低价格的配送方式，这说明用户希望减少配送费。因此邮件推广的主题可以命名为“购买该书籍免运费”。

最后，亚马逊记录目标用户的反馈信息，比如目标用户是否收到邮件，是否打开了邮件，是否进入该书籍的销售界面等信息。对用户进行持续追踪有助于为以后的推广活动提供历史数据。

用户浏览轨迹为亚马逊提供了大量有用的数据，使其能够通过分析数据为用户提供个性化服务，让用户获得更为满意的服务体验。企业在分析数据时也要掌握一些技巧，如图3-2所示。

图3-2 数据分析技巧

1.多维度分析数据

将用户的地域、性别、年龄等数据作为分析维度，策划符合不同维度的营销活动，实施精准营销。例如，如果目标群体是住在北京西城的用户，那么营销活动就要在西城展开。如果活动在东城展开，不管优惠力度多大，西城用户也通常不会前往东城参加营销活动的。

2.将数据量化

需要量化的数据包括用户的浏览历史、产生的购买行为、购买产品的价值、购买次数、最近一次购买的时间等。将数据量化能够使企业对用户价值的高低做出排名，对用户接受信息的难易程度做出排名以及对用户喜爱产品的高低程度做出排名，从而决定营销活动的规模和推广产品的种类。制订正确的营销计划能够有效提高用户的转化率与购买率。

3.添加“不喜欢”功能

企业应该在活动页面中添加“不喜欢”功能，因为这一功能在个性化推荐中具有极其重要的作用。它能分辨出用户喜欢的产品和不喜欢的产品，从而避免许多无效推广，节约人力物力资源，减少市场调研的费用。

如今，越来越多的企业将精力集中在大数据营销上。大数据营销能够为用户提供精准服务，从而帮助企业获得更多的流量群体，大大增强企业的市场竞争力。

3.1.3 用户的点评数据

如今，各行各业都具有评价机制，其中服务行业更加重视评价机制。企业只有收集用户的反馈信息，才能了解用户的真实需求，进而改进产品与服务的质量以满足其需求，最终推动企业的发展壮大。对于企业而言，用户点评能够帮助企业实现对用户的精准定位。

至2015年10月，周末酒店成立不到两年。但是与其合作的酒店已经有3，000多家，累计用户量超过20万。

周末酒店做营销的成功之处在于以用户点评数据为基础，实现了用户的转化。周末酒店通过收集海量的用户点评数据，然后对点评数据进行优化与整理，通过整合后的数据调整酒店运营，最终打造出有特色、好口碑、高性价比的酒店，为用户提供了可信赖的服务。

周末酒店的创始人崔继蓉说：“在线酒店预订的发展趋势是大数据+自然语言处理技术+推荐算法。”周末酒店通过大数据的算法对用户点评数据进行分析，为用户提供个性化服务。

如今，收集用户的点评数据成为各大企业的重点工作之一。企业不断参考用户点评数据，了解用户真实的需求和想法，帮助企业不断完善经营管理，创造更多的收益。

用户点评数据主要有以下两方面作用。

1.发现企业自身优点与缺点

企业在发展过程中，经营管理难免会出现一些差错。管理层决策失误或员工问题可能会导致用户没有获得满意的服务或产品，降低了企业的口碑。

而用户的点评体现了用户对于企业产品与服务的看法，企业通过分析用户的点评数据，发现用户满意或不满意的地方，从而改进自身的产品与服务。例如，淘宝电商在用户确认收货后会要求用户填写评价，此举一方面可以帮助店铺增加人气，另一方面可以帮助卖家发现自家产品和服务的优势与劣势。

2.了解用户的需求

企业通过整理和分析用户的点评数据能够了解用户的需求。例如，淘宝电商收集用户的点评数据后发现用户对于快递服务不满意，这时淘宝电商就可以根据用户需求，选用服务好的快递公司。