전통문화대전망 - 전통 미덕 - 마케팅 면접 질문
마케팅 면접 질문
1) 브랜드 인지도는 브랜드 자산의 중요한 구성 요소이며, 브랜드 인지도는 브랜드 내포 및 가치에 대한 소비자의 인식과 이해를 측정하는 척도이자 회사 경쟁력의 한 가지 표현이다. (
2) 브랜드 이미지는 브랜드가 대중의 마음 속에 나타내는 개성적 특징으로, 대중, 특히 소비자들의 브랜드 평가와 인식, 브랜드에 대한 모든 연상을 반영한다. 브랜드 이미지는 제품 또는 서비스 자체의 이미지, 사용자의 이미지, 제품 또는 공급자의 이미지의 세 가지 수준으로 나뉩니다. (
3) 브랜드 만족도는 소비자가 한 브랜드 제품이나 서비스에 대한 인식 효과와 대비 기대치를 비교한 후 형성한 기쁨이나 실망의 상태로 불만족, 만족, 만족, 즐거움 등 네 가지 감정, 만족도가 높은 브랜드, 고객의 구매율 및 반복 구매율도 그에 따라 높아지고 있어 브랜드 만족도 연구도 중요하다. < P > 전통적인 시장 연구에서 브랜드 인식, 브랜드 이미지 및 브랜드 만족도 연구는 시장 조사 수단을 통해 이뤄졌다. 빅 데이터 시대에는 인터넷 빅 데이터 지원 브랜드 인지도, 브랜드 이미지 및 브랜드 만족도 연구를 이용할 수 있습니다. 우리는 웹 크롤러 기술을 통해 뉴스 미디어, 소셜 미디어 등 사이트에 대한 실시간 전체 네트워크 모니터링을 통해 브랜드 및 경쟁 제품에 대한 네티즌의 브랜드 언급, 제품 언급 및 언급량 추세를 실시간으로 파악할 수 있으며, 자체 브랜드 및 경쟁 브랜드 이미지 평가를 파악할 수 있습니다. 브랜드와 제품에 대한 긍정적이고 부정적인 논평의 모니터링을 통해 브랜드에 대한 브랜드 소비자의 만족도를 적시에 파악하고 문제를 적시에 찾아낼 수 있습니다. 과거에는 브랜드 인지도, 브랜드 이미지, 브랜드 만족도에 대한 시장 조사를 실시했는데, 조사 시작부터 보고까지 최소 반달 ~ 한 달이 걸렸으며, 비용과 조작성의 제한으로 대표적 인파와 장소를 선정해 대표적 샘플을 만드는 것만으로는 포괄적이지 못했다. 대용량 데이터 수단을 통해 보다 빠르고 포괄적이며 현실적인 통계를 얻을 수 있습니다. 이는 브랜드 인지도, 브랜드 이미지, 브랜드 만족도의 현황과 추세를 적시에 이해하는 데 도움이 됩니다. < P > 칼럼: 기업이 대규모 자료를 구현하는 5 가지 주요 < P > 칼럼: 기업 운영 < P > 대형 자료를 통신업계에 적용하는 애플리케이션 < P > 2, 대형 자료 충성도 연구 < P > 순 추천가치 연구 방법은 고객 충성도 연구에서 중요한 방법이다. 순 추천가치 (NPS) 연구방법은 국제 유명 컨설팅 회사인 베인이 고객 충성도 업무를 상담한 설립자 프레드 라이크호드 (Fred Reichheld) 가 23 년 하버드대 상업평론 문장' 성장에 전념해야 할 숫자' 에서 처음으로 언급했다. 이 방법은 고객 문제를 조사함으로써 "친구나 동료에게 우리 회사의 제품이나 서비스를 추천할 가능성이 얼마나 됩니까? (-1 점) "을 받아 고객의 답변 점수에 따라 < P > 첫 번째 그룹이 회사 9 점 또는 1 점, 이를' 추천자' 라고 합니다. 이들은 회사 제품이나 서비스에 대한 만족도와 충성도가 매우 높은 고객입니다. 오늘날의 소셜 미디어 마케팅 시대에는 회사 제품이나 서비스 무료 마케팅 담당자로 친구와 친척을 추천하여 구매합니다. < P > 두 번째 그룹은' 수동적 만족자' 로 회사에 7 점이나 8 점을 준다. 그들은 회사의 제품이나 서비스에 만족하지 않고 만족스럽지 않은 고객이 있어 다른 경쟁자들에게 쉽게 끌린다.
세 번째 그룹은 ~ 6 점을 주고' 비하자' 다. 그들은 회사의 제품이나 서비스 구입을 중단할 뿐만 아니라 주변 사람들에게 사지 말라고 권하고 다른 경쟁자로 전향하는 등 회사의 제품이나 서비스에 대해 매우 불만을 품고 있다.
NPS 값은 아래 그림과 같이 추천자가 차지하는 백분율과 비하자가 차지하는 백분율의 차이입니다. NPS 의 비즈니스 논리는 추천자가 계속 구매하여 다른 사람에게 추천하여 성장을 가속화하는 반면, 비하자는 당신의 명성을 망칠 수 있습니다. 구매를 중단할 뿐만 아니라 주변 친구들에게 구매를 설득하여 부정적인 입소문에서 성장을 막을 수 있도록 하는 것입니다. NPS 는 이 두 가지 힘겨루기의 결과를 반영한 것입니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), Northern Exposure Fred Reichheld 실증 연구에 따르면 NPS 와 장기 이익 성장 사이에는 긍정적인 상관관계가 있으며, NPS 성과가 높을수록 향후 기업 이익의 성장이 좋아질 것으로 나타났습니다.
그림: NPS 계산 방법
NPS 점수가 다소 이상적인 상태인지 물어볼 수 있습니다. 실증연구에 따르면 NPS 점수는 NPS 점수의 5% 이상이 실적이 좋은 것으로 간주되고, 점수값이 7 ~ 8% 사이인 것은 충성도가 높은 고객 (예: 애플, 구글 등 인터넷 회사의 NPS 가 7% 이상) 을 보유하고 있으며, 대부분의 회사의 NPS 값은 5 ~ 1% 로 나타났다. 물론, NPS 만으로는 충분하지 않습니다. NPS 자체는 구체적인 개선 의견을 제공할 수 없습니다. 또한 만족도에 영향을 미치는 원인, 특히 비하자 지표에 대한 심도 있는 만족도 연구를 통해' 비하' 뒤의 원인을 파헤쳐야 합니다.
빅 데이터 기술은 전통적인 NPS 연구 방식을 혁신합니다. 대부분의 NPS 연구는 데이터 수집 방식이 설문조사 방식을 채택하고 있는데, 이는 샘플링 방식, 고객 심리, 심지어 행사 선물 등 다양한 측면에 쉽게 영향을 받아 자료가 왜곡된다. 빅 데이터 시대에 NPS 의 자료는 고객 서비스 시스템의 음성 및 평가 텍스트 자료, 전자 상거래 플랫폼 쇼핑 사용자의 점수 및 사용자 댓글 텍스트 자료, 소셜 미디어 (예: 마이크로블로그, 포럼 등) 의 댓글 텍스트 자료에서 비롯될 수 있습니다. 이를' 사용자 피드백 자료' 라고 합니다. 음성 분석 기술, 텍스트 분석 기술을 활용하여 이러한 비정형 "사용자 피드백 자료" 를 구조화하여 데이터 마이닝 향상, "비하자" 및 "추천자" 식별, NPS 포괄적이고 신속한 컴퓨팅, 이러한 큰 자료를 활용하여 "비하자" 의 "비하자" 를 이해할 수 있습니다 비즈니스 시스템과 운영 시스템의' 사용자 행동 자료' 상관 관계를 통합할 수 있다면' 사용자 피드백 자료' 를 통해 사용자' 비하' 의 원인뿐만 아니라' 비하자' 의 역사적' 사용자 행동 자료' 도 이해할 수 있어 사용자를 더 잘 통찰하고 보다 종합적이고 시기 적절하게 최적화할 수 있다 또한 추천자에게 더 많은 혜택 프로모션이나 부가 가치 서비스를 전개할 수 있습니다. 대용량 데이터 수단을 통해 NPS 를 실시간으로 더 잘 파악할 수 있으며, NPS' 추천' 또는' 비하' 의 원인을 통찰할 수 있어 마케팅, 고객 서비스, 업무 운영 등의 주요 애플리케이션 시나리오에 대한 의사 결정 지원을 제공하여 사용자 친밀도와 충성도를 더욱 높일 수 있습니다. < P > 3. 세그먼트 세분화에 큰 자료 사용 < P > 세그먼트는 소비자의 시장 수요, 구매 동기, 구매 행동 및 구매 능력 차이에 따라 전체 시장, 즉 전체 고객과 잠재 고객을 여러 소비자 그룹 (하위 시장) 으로 나누어 자신의 목표 시장을 결정할 수 있도록 하는 시스템 접근 방식을 사용합니다. 시장 세분화의 기초는 구매자의 제품 수요에 대한 차이이다. 그러나 이러한 차이는 일반적으로 직접 측정하기가 어렵기 때문에 다른 비교적 쉽게 측정할 수 있는 변수와 수요와 밀접한 관련이 있는 변수를 사용하여 시장을 세분화하는 것이 일반적입니다. 이러한 변수에는 지리, 인구통계학 속성, 행동, 소비 심리 등의 변수가 포함됩니다. 지리 세분화는 시장을 별도의 지역 시장으로 나누는 것입니다. 예를 들어, 행정 구역, 도시 규모, 자원 상태, 기후 등의 지리적 특징에 따라 시장을 세분화할 수 있습니다. 인구통계학은 인구통계변수를 세분화하여 시장을 세분화하는데, 일반적으로 시장을 세분화하는 데 사용되는 인구학 변수는 연령, 성별, 민족, 거주지, 가족 규모, 생명주기 등이다. 행동과 태도 세분화는 소비자의 제품 구매 동기, 구매 행위 및 사용에 따라 세분화됩니다. 심리적 세분화는 소비자의 사회계층, 생활방식, 인격적 특징에 따라 다른 그룹으로 나뉜다. 세그먼트는 위의 단일 차원에 따라 세분화될 수도 있고, 위의 차원을 결합하여 여러 기준을 세분화할 수도 있으며, 동시에 여러 기준에 따라 소비자를 비교적 작고 동질성이 높은 그룹으로 나눌 수 있습니다. < P > 기존 세그먼트와 달리, 대용량 데이터를 세그먼트에 적용하는 것은
1) 데이터 수집의 차원이 더욱 포괄적이고, 데이터 수집은 더욱 실시간적입니다. 특히 행동 데이터 수집은 시기적절하고 섬세하며 포괄적입니다.
2) 더 큰 데이터 알고리즘으로 세분화 모델을 모델링하면 더 많은 세분화 차원을 흡수하여 더 작고 동질성이 높은 세분화 그룹을 세분화할 수 있습니다.
3) 데이터 업데이트 속도 향상, 계산 속도 향상, 세그먼트 모델 업데이트 속도 향상, 사용자 요구 사항 변경 사항 반영 등을 통해 보다 정확하고 시기 적절하게 세분화할 수 있습니다.
4) 세그먼트는 마케팅 채널, 마케팅 활동과 실시간으로 연계되고 조정될 수 있으며, 빅 데이터 알고리즘으로 결정된 세분화 그룹은 실시간으로 가장 효과적인 마케팅 활동 추천을 할 수 있으며, 빅 데이터 계산으로 가장 효과적인 마케팅 채널로 이러한 세분화 그룹에 접근할 수 있습니다. < P > 4. 제품 테스트 < P > 제품 테스트는 기업이 전문 기술 수단과 연구 방법을 사용하여 대상 소비자 (또는 사용자) 의 관련 제품에 대한 인식이나 평가를 얻어 신제품의 수용도를 테스트하거나 기존 제품을 개선하는 것을 말합니다. 제품 테스트는 제품의 수명 주기 전반에 걸쳐 적용됩니다. < P > 제품 개발 기간 동안 제품은 R&D 및 개념 단계에 있으며, 기존 제품을 테스트하여 소비자가 개선해야 한다고 생각하는 영역을 파악할 수 있습니다. 또는 아직 형성되지 않은 제품에 대한 개념적 테스트를 수행하여 제품 관리자에게 열려 있는 제품에 대한 조정 및 개선을 안내합니다. < P > 제품 소개 기간 동안 제품 출시 준비 및 출시 직후 기업은 제품 테스트를 통해 가장 효과적인 판매 채널 및 판촉 방법을 이해하고 제품 포장 및 가격을 테스트할 수 있습니다. < P > 제품의 성장기와 성숙기에 기업들은 자사 제품과 경쟁 제품을 비교 테스트하여 소비자 (또는 사용자) 가 제품에 대한 평가와 태도를 적시에 파악할 수 있습니다. < P > 제품의 쇠퇴기에 기업들은 제품 수명 연장을 위해 제품 개선이나 새로운 제품 방향 테스트를 실시합니다.
이 (가) 위와 같은 여러 단계의 제품 테스트를 수행하는 기존 구축 방법은 일반적으로 시장 조사 방식을 통해 이루어지며, 일반적으로 소비자 (또는 사용자) 를 조사하거나 방문하여 다양한 액세스 또는 조사 도구를 사용하여 달성됩니다. 빅 데이터와 인터넷 시대에는 제품 테스트를 더 빠르고 정확하게 수행할 수 있습니다. < P > 제품 개발 기간 동안 전자상거래 플랫폼 또는 웨이보, 포럼 등 소셜 미디어를 통해 기존 제품에 대한 온라인 리뷰를 수집하고 자연어 처리와 데이터 마이닝 수단을 통해 소비자의 불만과 제품 개선 방향을 파악할 수 있습니다. 또는 그레이스케일 테스트를 통해 새 버전의 효과를 알 수 있습니다. 즉, 일부 사용자는 이전 버전을 계속 사용하고, 일부 사용자는 새 버전을 사용하기 시작하며, 사용자가 새 버전에 이의가 없을 경우 점진적으로 범위를 넓혀 모든 사용자를 새 버전으로 마이그레이션합니다. 그레이스케일 테스트와 방출은 전체 제품 시스템의 안정성을 보장하며, 초기 그레이스케일에서 문제를 발견하고 조정할 수 있습니다. < P > 제품 소개 기간 동안 제품의 포장, 외관 디자인, 가격 등도 그레이스케일 테스트와 석방을 통해 소비자의 피드백을 파악하여 관련 조정을 할 수 있습니다. < P > 제품의 성장기와 성숙기에 우리도 대자료 수단을 통해 전자상거래 플랫폼과 사회화 미디어에 대한 소비자의 자신의 제품과 경쟁 제품에 대한 논평을 수집하고 자연어 처리와 자료 탐사를 통해 소비자의 제품에 대한 불만을 파악하여 우리 자신의 제품을 개선할 수 있다. 프록터 앤 갬블 (Procter & Gamble) 과 같은 전통적인 시장 조사에 큰 관심을 기울이는 기업은 점차 제품 테스트를 위해 큰 데이터 방식을 사용하기 시작했습니다. 특히 전자 상거래 플랫폼을 통해 각 제품에 대한 평가와 피드백을 수집하여 제품 개선과 혁신을 도울 수 있습니다. < P > 5, 대자료와 상권 연구 및 공간상업지능 < P > 상권은 상점이 해당 위치를 중심으로 일정한 방향과 거리를 따라 확장 키트를 확장해 고객을 끌어들일 수 있는 범위를 말한다. 상점으로부터의 거리에 따라 상권은 핵심 상권, 2 차 상권, 변두리 상권을 포함한 3 층으로 나뉜다. 핵심 상권은 상점에서 가장 가깝고 고객 밀도가 가장 높아 상점 고객의 약 55 ~ 7% 를 차지한다. 2 차 상권은 핵심 상권 외곽에 위치한 상권을 가리키며 고객 분포가 비교적 분산되어 상점 고객의 약 15 ~ 2% 를 차지한다. 변두리상권은 상권의 최외곽으로 상권의 나머지 고객을 포함해 가장 분산되어 있고 수량이 가장 적다. < P > 상권의 성격에 따라 상권은
(1) 상업구, 상업집중지역 등 6 가지 범주로 나눌 수 있습니다.
(2) 주택구, 주택구 가구 수는 최소 1 가구 이상이다.
(3) 근처에 하나 이상의 학교가 있는 문교구
(4) 사무실 공간, 사무실 건물이 많은 지역;
(5) 공업 지대, 즉 공장이 많은 지역;
(6) 혼합 구역, 위의 5 가지 혼합 유형 (예: 주상혼합, 주교혼합, 공상혼합 등).
상권에 영향을 미치는 요소는 내부 요소와 외부 요소로 나눌 수 있습니다. 내부 원인