喻国庆：《图书数字化场景营销》

【课程名称】《图书数字化场景营销》

【课程性质】内训

【课程学员】营销人员

【教学时长】一天

【课程收益】

课程简介：图书作为一种特殊的商品，蕴含着本身的文化属性，它具有多终端的产品销售渠道，但是又有它独特的场景。在数字化时代的到来，数字的营销场景化更能促进销量。数字化营销之所以越来越受到重视，是因为企业可以利用这一手段结合大数据分析分析方式可以将信息准确的推送到客户。 

教学目标：通过学习掌握精准开发客户的技巧、提升员工的综合素质，掌握客户的资信，减少公司的投入，增加客户满意度，提高成交率。

【教学要求】

教学要求：采用课堂讲授与课堂讨论相结合的方式进行，课堂讲授要求理论结合实际，运用大量案例和教学实例，深入浅出、同时配备课堂练习，现场互动以消化老师的课程内容。

【课程大纲】

第一章 数字化场景的解读

第一节 数字场景的DTC

1.   高速反馈数据，

2.   高度场景价值，

3.   高效用户触达。

第二节 场景的DTC有如下特点，

1.   以场景数据为核心，

2.   直击场景痛点

3.   场景体验优先

4.   设计场景比数据营销更重要，

5.   基于场景解决方案的产品更新，

6.   从透明供应链到透明生态链，

7.   输出新观念，创造新生活方式。

第三节 数字化场景的“人货场”

1. 人：有趣的人，场景身份
2. 货：有纪律的货，算法效率
3. 场：有内容的场，体验细节。

案例：故宫文昌

案例：海尔，产品会被场景替代

第四节 书籍场景化营销

1.   多元化的阅读空间：一店千面

2.   数字化图书体验

3.   文化沙龙-书味相伴

4.   读书分享会-精神家园

5.   新书推荐会-思想布道

6.   名家签名-粉丝聚会会

第二章 数字化在图书销售渠道运用

第一节 主要渠道数字化提升销售效率

1.   图书销售主要

2.   政企订阅渠道

3.   书商分销渠道

4.   院校销售渠道

5.   书店、图书馆

6.   网络销售

7.   书吧、咖啡店

第二节 大数据时代的客户分析

1.   客户身份数据

2.   洞察客户的喜好

3.   预测客户的购买倾向

4.   其他形式的数据

5.   增加互动的技巧

6.   增加客户忠诚度的技巧

7.   互联网数字化营销关键词

1. 粉丝思维
2. 转化率
3. 用户体验
4. 参与感
5. 曝光率           

第一节客户画像的的智能终端

第二节 客户画像的方法

1. 购买金额
2. 购买频次
3. 购买价位
4. 购买习惯
5. 年龄
6. 性别
7. 身份

第三节客户画像后的RFM分析法

第四节 客户画像后常数据分析图表

第五节 建立客户连接点

案例：海底捞的科目三

案例：日本国民偶像团体AKB48

第三章 图书行业新零售的运营

1.   图书发展新零售就成为必然与必须。

2.   图书新零售“数据驱动”的赋能手段

3.   图书零售的基本逻辑是：人、货、场，

4.   图书行业新零售存在问题

1. 没有数据驱动，缺少数据赋能
2. 短板（缺少数据）与弱项（不善分析应用）

第一节 图书新零售的操作

(一) 由”数““见”人“

1.   新零售首先必须是数据终端，

2.   采集消费者数据，

3.   然后分析和应用消费者数据为终端赋能。

4.   这里的“人”主要指消费者，

5.   要搞清楚“他们是谁，他们在怎样购买”

(二) 由“数“选”货“

1.   新零售则关注数据中的货

2.   以及货与人的连接，

3.   可以有三个维度，

1. 动销率分析，
2. 贡献率分析，
3. 损耗率分析，

(三) 由“数”定“场”

1.   要通过对坪效

1. 日均坪效
2. 月均坪效
3. 年均坪效

2.   平效数据的应用场景

3.   建立选址模型

4.   评估店址是否合适，

5.   针对性改善单店的经营策略，

6.   打通零售通路的空间与时间。

7.   优化多渠道场景布局等总之，

工具：IBCD工具帮助场景取舍

第四章 图书数据采集、分析及应用

第一节  采集消费者数据，

1、 消费者基础数据

ü    性别/年龄/职业/收入/学历/常住区域

2、 购买行为数据，

ü    什么人/在什么时间/什么地点/以什么方式/购买了多少

ü    购买了什么品牌。

第二节 分析消费者数据，

1.   总体/区域/单店三个层次，

2.   单项指标/两项指标/三项指标

3.   主要采用描述性分析，

4.   总体单向交叉，形成对消费者分布特征的精准认识，

5.   以行为为核心，聚类分析

6.   多因素方差分析

7.   预测性分析等方法挖掘，

8.   目的:消费动机/消费能力/消费偏好/消费习惯/消费趋势。

第三节 用户画像解读

1.   什么是用户画像

1. 用户信息标签化，
2. 是对用户数据的建模。

2.   案例：京东女性用户画像

3.   案例：今日头条的“算法”

4.   最常见画像：

1. 基本属性
2. 消费购物
3. 交际圈

案例：大众点评网的精准推送

第四节 应用消费者数据，

1.   实现精准人群定位

2.   开展针对性商品组合

3.   开展导购性商品陈列

4.   开展个性化商品推荐

第五节 应用商品数据，

1.   商品数据的应用场景

2.   优化商品组合

3.   最优产品铺货与动销，

4.   评估单品价值，改善单品经营策略，

5.   改善库存管理，减少商品损耗，

案例：樊登读书，文化人-书商-数字化书商

案例：优布劳的1990模式-深度营销到深度粉销