Panduan lengkap semua konsep fundamental - Quick Audience

Topik ini menjelaskan konsep dasar dari versi Quick Audience V4.

Istilah	Deskripsi
Ruang kerja tempat penyebaran milik.	Disebut juga Workspace. Quick Audience memungkinkan Anda membuat beberapa ruang kerja. Data diisolasi antar ruang, yang biasanya termasuk dalam segmen merek atau departemen yang berbeda. Pengguna harus bergabung dengan ruang kerja dan menjadi Anggota Workspace untuk melakukan operasi bisnis terkait merek atau departemen.
Mesin komputasi	Sumber Komputasi adalah database yang menyimpan tabel data dasar objek analisis dan merupakan Pemetaan ID oleh sumber komputasi untuk menyelesaikan identifikasi pengguna dan integrasi data lintas saluran. Database MaxCompute yang sama dapat ditambahkan ke ruang kerja yang berbeda sebagai sumber komputasi.
Sumber analisis	Setelah pemetaan ID selesai di sumber komputasi, data mentah diimpor ke Sumber Analisis untuk analisis dan pemasaran selanjutnya. Anda dapat menambahkan database Hologres, database AnalyticDB for MySQL, database Hologres 3.0, atau database AnalyticDB for MySQL.
Sumber Data	Sumber data adalah istilah umum untuk Sumber Komputasi dan Sumber Analisis.
ID Pengguna	Disebut juga ID. ID dapat menunjukkan identitas pengguna. Tabel pengguna yang akan diimpor harus berisi setidaknya satu bidang ID. Untuk informasi lebih lanjut tentang bidang ID, lihat Persyaratan Tabel Data Impor Quick Audience. ID dapat digunakan untuk pemasaran, push, dan lainnya. ID pengguna dibagi menjadi empat kategori: ID Pengguna: pada dasarnya mewakili pengguna. Anda mungkin perlu memasukkan ID pengguna saat mendaftarkan platform pihak ketiga atau akun perusahaan, seperti nomor telepon atau alamat email. ID Perangkat: ID perangkat elektronik. Biasanya dikumpulkan melalui pelacakan aplikasi, seperti IMEI, IDFA, IMSI, OAID, dan alamat MAC. Tidak terikat pada pengguna. ID Perusahaan: ID yang dihasilkan oleh sistem bisnis perusahaan untuk pengguna, misalnya ID keanggotaan CRM perusahaan. ID Platform Pihak Ketiga: ID pengguna di platform pihak ketiga, seperti UnionID, OpenID, Taobao ID, nama panggilan Taobao, Alipay ID, dan Weibo ID. Setelah ID pengguna ditambahkan ke Quick Audience, pengenal unik (QAID) dihasilkan oleh Pemetaan ID. Dengan cara ini, identifikasi pengguna dan tarik data dapat dilakukan di seluruh saluran sumber dan jenis ID.
QAID	QAID adalah ID unik yang disediakan oleh Quick Audience. Sistem memberikan ID unik kepada setiap pengguna. Saat tabel data diimpor dari sumber komputasi ke Quick Audience, atau saat Quick Audience menerima data acara yang dilaporkan, sistem melakukan Pemetaan ID, mengidentifikasi pengguna berdasarkan ID mereka (mengidentifikasi ID yang sama sebagai pengguna yang sama dan melakukan deduplikasi), lalu memberikan QAID kepada setiap pengguna. Dalam operasi selanjutnya seperti analisis pengguna, penyaringan audiens, dan pengiriman pemasaran, QAID akan digunakan sebagai pengenal unik pengguna. Jika Anda perlu menggunakan atau mendorong data dari jenis ID lain dan tag, semua bidang ID dan data pengguna dicocokkan berdasarkan QAID.
Informasi tag	Tag diklasifikasikan ke dalam kategori berikut: Tag impor: Tag Pengguna mencatat serangkaian dimensi karakteristik pengguna. Saat Anda mengimpor Quick Audience ke Quick Audience, Anda dapat mengonfigurasi alias tag untuk bidang untuk melabeli pengguna. Saat Anda menggunakan tag nanti, bidang yang sesuai pada dasarnya digunakan. Tag kustom: Anda dapat menyesuaikan aturan tag berdasarkan data impor. Dengan cara ini, Anda dapat menandai pengguna yang memenuhi aturan tag. Anda dapat menyesuaikan tag berikut: Tag Preferensi: Dimensi fitur dengan jumlah pengguna terbesar atau jumlah pengguna terbesar digunakan sebagai nilai label berdasarkan data di Persyaratan Data Tabel Perilaku Pengguna dan Persyaratan Data Rincian Pesanan. Misalnya, jendela belanja favorit pengguna, rentang harga, saluran, tema, dan kategori, serta harga tertinggi item tunggal yang dibeli oleh pengguna. Tag Loyalitas: Nilai tag didasarkan pada data di Persyaratan Data Tabel Perilaku Pengguna dan Persyaratan Data Rincian. Nilai tag didasarkan pada waktu perilaku pengguna terakhir atau pertama, jumlah hari hingga hari saat ini, atau jumlah hari kumulatif. Misalnya, waktu pembelian/akses terakhir atau jumlah hari sejak hari saat ini, dan konsumsi kumulatif/hari aktif. Tag Daya Beli: Nilai label didasarkan pada Persyaratan Data Tabel Perilaku Pengguna dan Persyaratan Data Rincian. Misalnya, Anda dapat memasukkan nilai berikut: Jumlah Pembelian Kumulatif/Jumlah Pembelian/Jumlah Pesanan, Rata-rata/Maksimum/Minimum Jumlah Pesanan dalam setahun terakhir. Tag Tahap Pengguna: Menyaring pengguna berdasarkan logika hierarki pengguna yang Anda butuhkan. Metode ini mirip dengan penyaringan Audiens. Pengguna yang memenuhi kondisi berbeda disaring dan diberi label hierarki yang berbeda. Misalnya, pengguna yang total pembeliannya lebih besar dari atau sama dengan 1000 dan suka makanan lezat disaring dan diberi label prioritas pemasaran 1. Pengguna yang total pembeliannya antara 100 dan 999 dan termasuk dalam kelompok A disaring dan diberi label prioritas pemasaran 2. Daftar Tag juga mencakup Atribut Pengguna.
Atribut pengguna	Atribut Pengguna menentukan sistem informasi dasar pengguna. Nilai aktual diperoleh dari tabel tag pengguna yang diimpor. Jika bidang tabel dipetakan ke atribut pengguna, nilai atribut pengguna digunakan. Saat digunakan nanti, hanya atribut pengguna yang dipetakan yang ditampilkan, dan label asli tidak lagi ditampilkan. Atribut pengguna dan Pemetaan ID digunakan bersama untuk membantu Anda membangun sistem informasi dasar pengguna lintas saluran sumber dan menyediakan dasar untuk profil pengguna.
Profil pengguna	Profil pengguna adalah model pengguna bertanda yang diabstraksi dari informasi seperti atribut pengguna, tag, preferensi, catatan perilaku, catatan pembelian, dan catatan pemasaran. Di halaman User 360, informasi tentang pengguna yang telah diidentifikasi oleh Pemetaan ID ditampilkan secara terpusat, dan fungsi pelabelan yang nyaman disediakan untuk memudahkan analisis petunjuk dan tindak lanjut purna jual.
Model RFM	Model RFM mengukur nilai pengguna dengan menggunakan metrik berikut: R interval konsumsi (Recency), F frekuensi konsumsi (Frequency), dan M jumlah konsumsi (Monetary). Quick Audience menyediakan model RFM berdasarkan Persyaratan Data Rincian Pesanan dan Persyaratan Data Ringkasan Pesanan. Anda dapat menggunakan model ini untuk menganalisis data RFM dan menyaring orang.
Model AIPL	Model AIPL adalah sarana membagi perilaku pengguna terkait merek menjadi tahap kedekatan untuk mengukur nilai pengguna. Di antaranya: A kesadaran merek (Awareness), I minat merek (Interest), P pembelian merek (Purchase), L loyalitas merek (Loyalty). Dan dalam periode waktu yang berbeda, perilaku terkait pengguna berbeda, fase kedekatan dapat berubah. Model AIPL Quick Audience dibuat berdasarkan Persyaratan Tabel Data Impor Quick Audience. Ini dapat digunakan untuk analisis pengguna AIPL, analisis aliran AIPL, dan penyaringan audiens.
Orang	Audiens di Quick Audience adalah kumpulan QAID dari beberapa pengguna. Berbeda dengan pengguna penuh, audiens dapat dihasilkan setelah disaring dari pengguna penuh untuk mencapai tujuan tertentu atau memenuhi kondisi tertentu. Metode pembuatan audiens meliputi: menyaring pengguna yang memenuhi kondisi tertentu dari tabel data impor (yaitu, penyaringan audiens), mengunggah daftar ID pengguna, menggunakan grup yang ada untuk menghitung irisan, kombinasi, dan perbedaan untuk menghasilkan grup baru, dan menyaring pengguna yang diperlukan dari analisis pengguna, pesan teks, email, hasil pemasaran push, dan laporan analisis. Audiens dapat digunakan untuk analisis wawasan, pengiriman pemasaran, dan dorongan ke Data Bank, Dharma Disk, atau Kafka.
Dorong	Mengirimkan data tertentu ke saluran lain untuk penyimpanan dan penggunaan di saluran lain. Dorongan Audiens: Anda dapat mendorong data ke Brand Data Bank, Damengpan, Alibaba Cloud Kafka, atau Kafka open-source. Anda juga dapat mendorong data ke modul interaksi sosial, CRM ritel, dan pengiriman media. Dorongan Model AIPL: Model dapat didorong ke bank data merek.
Pemasaran Otomatis	Pemasaran Otomatis adalah produk cerdas yang dieksekusi otomatis oleh sistem setelah strategi pemasaran diferensiasi dirumuskan menggunakan alat konfigurasi kanvas drag-and-drop.
Peristiwa Perilaku	Acara singkat. Mendefinisikan tindakan tertentu pengguna di saluran tertentu sebagai acara. Saluran melaporkan data acara real-time dalam format tertentu untuk pemasaran otomatis. Ini termasuk kelas acara pesanan yang berfokus pada perilaku pengguna terkait pembelian barang. Data acara dapat disimpan di Sumber Analisis. Acara perilaku umum dapat disimpan sebagai tabel perilaku pengguna, dan acara pesanan dapat disimpan sebagai tabel rincian pesanan. Tabel ini dapat digunakan untuk menyaring orang, menghasilkan model RFM/AIPL, dan menyesuaikan tag.