備戰雙十一，大數據鉆展新玩法

一、因時而異的人群產出思路

熟悉鉆石展位的朋友們都知道，鉆石展位在雙十一的推廣大致可以分為預熱期、雙十一當天、余熱期。具體的時間跨度因店而異，在此不做詳細解說。單說各個時期的大數據人群產出思路吧！

1、雙十一預熱期

 預熱期主要是活動前的那段時間，此時正是搶流量、拉新客戶、積累流量的蓄勢期，預熱期效果的好壞能夠直接影響活動當天的效果，因此，預熱期往往是鉆石展位推廣的關鍵期。

這個時期的前期主要是拉新，后期則主要是將拉新得到的認知客戶再匯攏。在大數據人群的產出思路上，筆者建議拉新人群以競品為主，我們的新客戶必然是競爭對手的老客戶，因此，針對競品客戶制定大數據人群是最直接有效的進攻手段。認知人群的制定用于匯攏拉新人群，不讓其再被對手搶走。這樣一出一進，兜住有效客戶，對我們完成預熱期流量積累的目標是很有效的。

2、雙十一當天

雙十一當天必然是全網流量的高峰期，有不少的中小店主想在這段時間再次擴大流量，這種想法有較大的難度，受預算的限制，中下賣家們不可能向那些大商家一樣投入巨額預算搶流量，所以，有些鉆石展位玩法會建議我們這段時期主要目標就是要將預熱的流量給消化掉。筆者認為這是非?？茖W的。

對于中小賣家，其規模、預算都無法與大企業相比，在實力差距明顯的情況下，我們不建議中小賣家再花大成本殺進去搶流量，相反，我們要學會主動放棄這些流量，轉而將預算投入到預熱期匯攏的認知客戶、老客戶們身上，完成他們的轉化。因此，這個時期的大數據人群產出思路就是將近期（預熱期）的客戶給圈住，不論其是否有過購買行為。同時，對自己的老客戶（預熱期召回的那部分）進行圈定和投放。這種有目的的圈人，用最小的成本，再次兜住有效的認知客戶、老客戶，實現轉化的最大化。

3、余熱期

這段時期比較特殊，我們的客戶群體主要是那些錯過雙十一當天活動的消費者，相信很多中小賣家們會在此時進行各種獨具特色的活動，以期完成雙十一的完美收官之戰。

這時期的大數據人群產出我們可以針對雙十一未購買的那部分認知客戶進行圈定，配合中小賣家們的收官之戰，做到雙十一大戰的余熱小高潮。這種有目的的圈人，將真正有需要的客戶選定，成功實現活動后期再轉化。

二、雙十一專享模型的構建

結合大數據鉆石展位人群產出的思路，制定有效的人群，模型的不可或缺的。針對即將到來的雙十一，樣本的選擇和模型的構建都有著特殊的要求，接下來筆者就要給大家分享下雙十一的專享模型構建思路。

模型無論哪種算法，最終的目的都是要讓人群更精準，因此，算法的選擇上，我們不做過多的評述。我們只從樣本和變量的選擇上進行說明。

1、樣本集的選擇

樣本是我們模型構建的數據基礎，通常分為正樣本和負樣本。在雙十一活動中，正樣本的選擇可以嘗試圈定歷次大型活動（年中大促、99大促、聚劃算、掏搶購等）中成交的客戶，這部分客戶大多數對活動有著某種特別的期待和依賴，因此，選擇這部分客戶作為正樣本對我們的預測精度是有很大提高的，因為，通過模型我們就能在全網篩選出對活動熱愛的且對我們產品有偏好的那部分人，這部分人正是我們需要圈定并投放鉆石展位的對象。再來說說負樣本，經過筆者團隊的數次測試，發現負樣本由系統隨機給出的效果同樣很穩定，因此，在我們不知道那種負樣本和正樣本匹配最優的情況下，隨機負樣本往往是最優選。

2、變量的選擇

變量是表征模型特征的一些指標變量，變量的選擇能夠決定模型的屬性。因此，針對不同時期的模型，我們在選擇變量的時候，往往會有不同的變化。

雙十一的客戶特征中，對活動的偏好，消費者的消費習慣，淘寶信用等級等等變量都是顯著性變量，與模型的匹配都呈現正相關，因此，我們在變量的選擇上記住一條原則：變量要能夠反應客戶在當時的消費行為特征。因為，雙十一的變量選擇上，我們建議可選用一些與活動因素相關的變量作為模型的預測特征量。

綜上可知：雙十一活動專享模型中，樣本和變量的選擇是及其具有針對性的，都是針對雙十一中客戶的行為特征和行為習慣來選擇特定的樣本集和變量。這種思路下所構建的模型，能夠幫助我們在雙十一的人群制定上，做到更加精準。

距離雙十一越來越近了，電商行業的各個賣家開始逐漸進入了戰術部署的階段，大數據鉆石展位的新玩法是在結合了雙十一鉆石展位推廣各階段的投放策略，而制定的具有針對性地人群產出思路。這一思路的誕生是依據各個推廣時期的要求和目標，在鉆石展位推廣上提供了不局限于DMP的新玩法，也讓更多的賣家們有更多合適自己的選擇。

總之，在雙十一投放上大數據鉆石展位新玩法告訴大家：

1、適合自己店鋪鉆石展位玩法才是最優的玩法，任何玩法都離不開店鋪和行業實際，千萬不要盲目跟風；

2、大數據鉆石展位新玩法是基于成熟的雙十一投放理論而誕生的人群產出新思路，針對不同階段的要求，產出不同的人群，對癥下藥；

3、本次大數據模型的構建思路是特別針對雙十一活動而提出的，在日常推廣中效果并不顯著，因此，在日?；謴屯茝V后，模型的構建依舊采用常規思路即可。