maketting

#webMarktting

1. 目标：用户成为粉丝，疯狂买买买
   1. 采集文章
   2. 采集明星数据
2. 粉丝：用户追逐自己的明星、品牌、定位
3. 互动：用户希望与用户互动
4. 互动：教育+文章+点赞（所有可收集的数据）
5. 数据：用户有画像（数据化）
6. facebook+google算法：looklike+品牌+数据
7. email+广告+算法：转化率
   1. 放量策略：通过产品的广告数据模型，做二级算法
   2. 暂停策略：如果数据指标低于xxx值，暂停投放
   3. LookLike策略：由放量策略算法
   4. Google策略：fb数据表现价值好了，上google
8. 素材：权重算法
   1. 产品用户画像后找最好的品牌页面
   2. 用小米的模式去维护客户，形成风格化模式。
   3. 发布于用户高粘性的文章截取用户的媒体资源。
9. 权重：数据化画像
   1. 风格分类：按照产品用户画像做产品分类，然后上到不同的产品店
   2. 收集用户的画像数据
10. 产品：淘宝爆款
    1. 自动化广告
    2. 产品用户画像
       1. 文案
       2. 图片
       3. 排版
       4. 收集用户的画像数据
       5. ab对比
    3. 产品类型
       1. 分类
       2. 风格
       3. 定位数据
    4. Growth Hacker
    5. 入门书籍：(产品经理+ANKI+认知心理学)
11. 爆款数据：淘宝、京东、1688、百度
    1. 获取产品
       1. 爬虫
       2. 人工
       3. 分类
    2. 录入数据库
       1. 姑娘录入数据库
       2. 处理图片
       3. 定价
       4. 上传图片
12. 发货流程 13.fb广告策略分析
    1. 热力图
       1. 数据正确，用户重复点击也会记录（重复数据需要去除）
       2. 还没有测looklike
    2. 数据
       1. 卢威投放方式对。然后需要调整价格
       2. 年龄
       3. 点击率、转化率、加购率
       4. 兴趣爱好切分
       5. 按照数据再做广告拆分
       6. 考虑重复覆盖问题
    3. looklike
       1. 概率论模型推延出来的算法，按照用户的历史购物数据推算。
       2. 精准性（fb自己调整的数据结果）
       3. 得测试，看转化点击成本
       4. 按我们的投放策略做对比
    4. 校准广告
    5. 广告规则
       1. 总数据加购物车低于xxx 预警
       2. 跳失率大于xxx预警
    6. 广告投放用户画像
       1. 投放目的
       2. （深度学习后得到的用户爱好画像）例：我喜欢什么？，流量价值拆分卖，需双盲测试）
          1. 品牌意识
          2. 到达
          3. 交通
          4. 订婚
          5. 应用
          6. 视频观看
          7. 领先一代
          8. 转化
          9. 产品销售目录
          10. 商店访问
       3. 广告集
          1. 自定义观看群（用户画像）
             1. 从调整自定义观众画像，推演：用户画像数据是固定的。（可能是looklike）
             2. looklike(用户数据参数比较精准)
             3. 黑科技：如何获得她们的fb和账户？
          2. 城市：（无关紧要）
          3. 语言：（考虑英文和台湾）
          4. 年龄：（考虑切分）
          5. 详细定位（爱好）：也得切
          6. 投放时间。
    7. 用户时间轴画像
       1. 收集成交用户的数据
       2. 成交用户的账户数据
       3. 成交用户looklik
       4. 成交用户的关注人数据抓取
       5. 成交用户的媒体抓取
       6. 成交用户喜好的明星与新闻
    8. 上广告规则
       1. 按淘宝的用户画像生成用户画像
       2. 性格切分