京东商城的邮件系统又是怎样做到这一点的呢？
?“我在新浪微博上就回复了一个关于无花果的信息，于是微博的右侧就天天出现推荐无花果的商业讯息！”“我一次在淘宝页面上误点了一个冰箱，现在满屏幕都是那个牌子的冰箱广告，无论打开哪个网页都是，真是郁闷……”“一个多月前，我在淘宝上买了台电视，接下来的连续一个月，网页上都出现给我推荐电视的广告。如果我只是看看，还没有购买，淘宝上的商家再给我推荐的话，还可以理解，可是我都已经购买完了，这些广告还一直不断，难道让我再买一台不成？”“前段时间，我在天猫上买了件亚麻衫，这些天上网时，到处都给我推荐亚麻衫，微博、优酷、腾讯到处都是。这还不算可恶，可恶的是，我点进去了，却发现没有一款能适合我穿的。”在实际生活中，类似上面的营销尴尬局面还有很多，我们暂不一一列举。这些普遍存在的、不够精准的营销现象，几乎涉及所有的大小电商。这再次告诉我们，大数据营销中，精准营销的重要性。如果大数据营销不能够有效地提升精准性，那么，就可能降低用户的满意度体验。对于商家而言，强行向顾客推荐商品，往往会导致顾客的厌烦情绪和后悔情绪。因此，大数据时代的营销推广，不仅要划分受众，还需要划分单体受众的心理层次。在上面的案例中，顾客在电商网站上产生购买行为后，电商网站在没有收集到顾客足够的行为数据时，就盲目推荐，所以在一定程度上误判了顾客的需求，从而未能做到向顾客进行精准推送信息。如果电商网站希望更好地了解顾客的行为数据，可以适当地对顾客的纵向数据进行建模分析，比如，电商网站可以将买过牛肉干的人在近期（如1年内）购买过的商品全部排列出来，找出共性较多的商品予以推荐。在进行数据分析的时候，可以有这样几种方向：一、分析单一用户的购买频率，对用户的购买频率进行调整，在预期的下一次购买时段内推荐；二、结合购买力及品牌偏好，做关联产品展示；三、推荐给有相同爱好的购买者，增加产品销售的机会。通过上述方法，电商网站在收集到了顾客足够的行为数据后，有助于减少给顾客进行的盲目推荐，并规避以往“根据关键词投放广告”的弊端。然而，鉴于消费者行为的表现是多元化的、动态的、可延续的，所以从“根据关键词投放广告”提升到“根据人的行为投放广告”，也是我们努力的一个重要方向。图3大数据有助于促进精准化营销当然，大数据营销在精准性以外，还有一个重要的特点是营销的相关性。这是因为，大数据技术有一个重要的运用，便是关于某种趋势的预测。比如，在对顾客以往行为数据分析的基础上，我们是否可以做出一种判断，即顾客还可能对另一些商品存在需求的渴望？实际上，这也正是在上述案例中，顾客购买了几袋牛肉干和鱿鱼丝后，引发的网友关于大数据营销的讨论中，一个重要的方面。对于顾客来说，最理想的网购和推荐是什么样呢？一些顾客在网上纷纷表达了这样的意见：“买牛肉干，推荐牙签，或者山楂片，有助于消化。”“买了一件泳衣，你可以推荐防晒霜；买了一个冰箱，你可以推荐保鲜盒；买了一双皮鞋，你可以推荐鞋油……”“我在‘去哪儿’网上浏览了内蒙古的景点，你就可以推荐当地的牛肉干等特产。”其实，顾客的上述建议，已经表达出了一种相关性推荐的含义。关于这点，同“啤酒与尿布”的推销理论有些相似，当然，我们会在后面对“啤酒与尿布”的推销理论中进行深入阐述，这里暂且不展开讨论。我们通过顾客对于大数据营销中精准性和相关性的讨论，在一定程度上厘清了大数据营销的一些方向。此外，我们不妨再有一个思路，那就是，我们绕开给顾客“推荐什么”的思路，转向考虑给顾客“不推荐什么”的思路，从而在一定程度上避免厌烦性推荐，从而避免顾客的反感。举例来说，一位男性顾客在网上购买了服装、化妆品之类的女性消费品，那么，我们的大数据平台是否能够根据顾客的消费痕迹和数据，判断出顾客的消费能力，消费类型（如是奢侈型还是勤俭持家型），根据这些判断，在这位顾客的网页上调整商品的推荐频率，甚至对有些商品进行屏蔽，从而避免此类消息可能刺激他异性朋友的奢侈浪费性购物，并使这位顾客陷入尴尬局面？其实，这些人性化的营销关怀，也是我们在运用大数据营销过程中需要考虑的问题。最后，我们要说的是，大数据营销的精准性是基本方向，相关性与预测性则在不同程度上巩固了精准性。大数据营销方兴未艾，很多有益的营销方向和策略均在不断探索与实践中，我们相信，只要我们对大数据有足够的关注度，就一定能够持续提升大数据营销的质量，提升顾客的满意度。 顾客看了伊妹尔就想买李女士是京东商城的一个新会员，她最近学习了一些厨艺后，便想当一个家庭主妇，于是她打算到京东商城上去买些厨具。结果，她发现自己选中的那款商品没有货，在失望之余，她看到京东商城上还有“到货提醒”的功能，于是她选择了该功能，并填上了自己常用的邮箱地址。几天后，这个商品有货了，李女士及时收到了一封E-mail（音译“伊妹尔”）邮件，里面大致意思是“您上次想买的东西有货了”，此外，这封邮件里还给她推荐了几款相关的厨具商品。在比较了这几款推荐的厨具后，李女士不再坚持自己原先要买的那一款，而是购买了邮件中推荐的一款厨具。于是，通过电子邮件，李女士完成了自己在京东商城上的第一次购物。又过了一段时间，李女士又迷恋上了摄影，便想在京东商城上买一款单反相机。她在京东商城上搜索浏览了很长时间，仍不知该选择哪一款相机，便没有选择购买。没想到有一天，李女士打开邮箱时，发现里面已经躺着一封邮件“京东告诉您如何挑选单反相机”，这正是李女士要找的信息，于是，她立即打开邮件，通过邮件链接到专题页面，参照页面里的内容，李女士果然找到了自己满意的相机，她也果断地下单购买了一款自己中意的相机。不久，李女士的爸爸要过生日了，她打算送给爸爸一部手机。李女士在京东商城上看到一部手机，感觉不错，只是价格有些贵，这让李女士有些犹豫，便先放到了“购物车”里，打算再看看有没有其他便宜一些的；李女士搜索浏览了一会儿，也没有找到更合适的，便结束了这次的购买之旅，去忙别的事情了。结果，3天后，她收到一封“您购物车里的商品降价啦”的邮件，打开邮件一看，里面正是她想买的那部手机，此刻降价500元。这款手机降价后，李女士觉得可以接受，就果断购买了这部手机，以送给爸爸做生日礼物。通过上述的若干次购买经历，李女士逐渐喜欢上了京东商城的邮件。这是因为，那些邮件总能带给她惊喜，帮助她购物，好像能够读懂她的心思。正是这一点，也让她对京东商城产生了好感，时常到京东商城上购物。在上述的案例中，京东商城的邮件在很大程度上提升了用户的满意度体验，甚至直接促发顾客的购买行为。那么，京东商城的邮件系统又是怎样做到这一点的呢？我们知道，一个好的邮件营销方案，要能够完美解决一个“3W”的问题，即在什么时间（When），把什么内容（What），发给什么人（Who）。如果要解决这个问题，就要很清楚地了解用户的情况，个人喜好，需要什么等。邮件营销要完美地解决上述3W的问题，就需要大数据挖掘技术的支持，需要基于用户在京东商城的一切行为（伴随这些行为的是一系列数据），包括搜索、浏览、点击、咨询、加关注、放购物车、下单、居住地址、电子邮件地址等一系列数据，然后在这些数据的基础上进行建模，从而得出每个用户的情况，例如性别，年龄，婚否，是否有孩子，孩子的性别，是否有房子，是否有车，喜欢什么品牌等。当我们了解上述信息后，就能够比较容易地定位到每个用户的喜好。接着，我们再抽象出各种场景，基于每个场景制定不同的邮件策略，例如，放进购物车却
