顧客看了伊妹爾就想買

李女士是京東商城的一個新會員，她最近學習了一些廚藝后，便想當一個家庭主婦，于是她打算到京東商城上去買些廚具。結果，她發現自己選中的那款商品沒有貨，在失望之余，她看到京東商城上還有“到貨提醒”的功能，于是她選擇了該功能，并填上了自己常用的郵箱地址。

幾天后，這個商品有貨了，李女士及時收到了一封E-mail（音譯“伊妹爾”）郵件，里面大致意思是“您上次想買的東西有貨了”，此外，這封郵件里還給她推薦了幾款相關的廚具商品。在比較了這幾款推薦的廚具后，李女士不再堅持自己原先要買的那一款，而是購買了郵件中推薦的一款廚具。于是，通過電子郵件，李女士完成了自己在京東商城上的第一次購物。

又過了一段時間，李女士又迷戀上了攝影，便想在京東商城上買一款單反相機。她在京東商城上搜索瀏覽了很長時間，仍不知該選擇哪一款相機，便沒有選擇購買。

沒想到有一天，李女士打開郵箱時，發現里面已經躺著一封郵件“京東告訴您如何挑選單反相機”，這正是李女士要找的信息，于是，她立即打開郵件，通過郵件鏈接到專題頁面，參照頁面里的內容，李女士果然找到了自己滿意的相機，她也果斷地下單購買了一款自己中意的相機。

不久，李女士的爸爸要過生日了，她打算送給爸爸一部手機。李女士在京東商城上看到一部手機，感覺不錯，只是價格有些貴，這讓李女士有些猶豫，便先放到了“購物車”里，打算再看看有沒有其他便宜一些的；李女士搜索瀏覽了一會兒，也沒有找到更合適的，便結束了這次的購買之旅，去忙別的事情了。結果，3天后，她收到一封“您購物車里的商品降價啦”的郵件，打開郵件一看，里面正是她想買的那部手機，此刻降價500元。這款手機降價后，李女士覺得可以接受，就果斷購買了這部手機，以送給爸爸做生日禮物。

通過上述的若干次購買經歷，李女士逐漸喜歡上了京東商城的郵件。這是因為，那些郵件總能帶給她驚喜，幫助她購物，好像能夠讀懂她的心思。正是這一點，也讓她對京東商城產生了好感，時常到京東商城上購物。

在上述的案例中，京東商城的郵件在很大程度上提升了用戶的滿意度體驗，甚至直接促發顧客的購買行為。那么，京東商城的郵件系統又是怎樣做到這一點的呢？

我們知道，一個好的郵件營銷方案，要能夠完美解決一個“3W”的問題，即在什么時間（When），把什么內容（What），發給什么人（Who）。如果要解決這個問題，就要很清楚地了解用戶的情況，個人喜好，需要什么等。

郵件營銷要完美地解決上述3W的問題，就需要大數據挖掘技術的支持，需要基于用戶在京東商城的一切行為（伴隨這些行為的是一系列數據），包括搜索、瀏覽、點擊、咨詢、加關注、放購物車、下單、居住地址、電子郵件地址等一系列數據，然后在這些數據的基礎上進行建模，從而得出每個用戶的情況，例如性別，年齡，婚否，是否有孩子，孩子的性別，是否有房子，是否有車，喜歡什么品牌等。

當我們了解上述信息后，就能夠比較容易地定位到每個用戶的喜好。接著，我們再抽象出各種場景，基于每個場景制定不同的郵件策略，例如，放進購物車卻沒有購買是一個場景，瀏覽了一種商品卻沒有購買也是一個場景等。基于這些場景，我們可以設置不同的郵件內容，并在合適的時間，比如放進購物車后、該商品發生了降價行為的時候，就把降價信息的郵件發送給這個用戶等。

我們下面提供了京東商城基于大數據技術所搭建的精準營銷架構圖，以供參考：

在上圖中，架構的底層是各種明細數據，包括用戶產生的各種日志數據、用戶交易數據和其他相關數據，在用戶數據的基礎上，我們對用戶的行為進行建模，包括用戶屬性的識別、用戶興趣模型、用戶關系模型、用戶信用模型等；在用戶建模之上，我們再抽象出用戶畫像，作為底層數據供應給各營銷系統使用，這些營銷系統有EDM（Email Direct Marketing，電子郵件營銷）、SMS（Short Message Service，短信服務）、APP PUSH（即服務器端推送消息給APP客戶端）等。

在京東商城的郵件系統引入大數據之前，過去只是每周發兩次郵件給全網站的用戶，或者僅是對用戶進行簡單的級別劃分，這種情況下，郵件營銷不夠精準，在提升用戶的滿意度方面，總是捉襟見肘。如今，在有了大數據的參與后，京東商城可以把大數據建模出的用戶畫像抽象成篩選出來的條件供郵件系統使用；這樣的話，郵件運營人員也可以很方便地篩選出精準的目標用戶，使得郵件內容在設置上也更加多樣化，使用戶體驗得到極大的提升。在基于大數據做了很多場景的自動觸發郵件策略之后，京東商城的郵件也開始變得智能起來。

可見，大數據在很多營銷方式中有著廣泛的運用。在大數據時代，或許我們仍然采取原有的營銷方式，但由于有了大數據的參與，營銷質量便有了質的提升。在這一方面，正如上述案例所示，京東商城的郵件精準營銷，就為我們提供了一個生動的參考。