你不可不知的社会化营销战略矩阵10字法则

标签: 社会化营销 产品运营 | 发表时间:2011-07-24 17:25 | 作者:P迪 瑾
出处:http://www.alibuybuy.com

第一部分:引语,题外话


最近明显的感觉派代上关于微博营销的帖子多了,虽然自己也发了些关于微博营销的帖子,知道很多人对微博的重视,之前也写过《不懂社会化媒体营销,传统电商已失败一半》,总有一种难受的感觉,许多人对于微博,对于社会化营销就产生以下疑问:

1、微博就是社会化营销的全部,难道其他渠道都不用了吗?

2、社会化营销这么厉害,是电商的救命稻草,那服务和产品算什么?

3、社会化营销很虚,谁能够告诉我怎么做?

很多人重视用一种偏激的观点来看待这些新事物,微博也好,社会化营销也罢,要么将所有的希望寄托于它们,要么根本就不接受这些新的营销方式,一律否定。那么我们究竟该如何看待微博,看待社会化营销呢,我以为作为一个营销人我们应该站在新的高度来看待它们。

1.微博很重要,但它不是社会化营销的全部,它只是一个重要的桥头堡。

2.社会化营销的厉害是因为它是一种相对低投入高转化率,重口碑的营销方式,基于社会化(社交)口碑营销,它能够迅速建立品牌,也可以迅速摧毁品牌。所以社会化营销的前提是好的产品和优质的服务,否则,请君莫入。

3.社会化营销很虚吗,一点也不虚,之所以觉得虚是因为很多人觉得无法跟踪他产生的效果,所以那些懂得社会化媒体监测,舆情口碑监测的营销人员深知它的威力。喝光王老吉、彪悍的小Y、犀利哥、凤姐等网络红人都是归于社会化营销的产物。说它虚,是因为你根本不了解它。
——————————————————————————————————————————————
第二部分:切入话题,社会化营销矩阵10字法则

社会化营销你懂吗,社会化媒体包含哪些你又懂吗?社会化媒体营销战略矩阵你听过吗,社会化媒体你又了解多少呢,如果你都不知道,请先好好地了解它吧。

国内最常见的实用的社会化媒体包括博客和微博、维基、播客、论坛、社交网络(SNS)和内容社区这几大类。目前比较热门的有新浪微博(博客)、腾讯微博、维基百科、百度百科、百度知道、贴吧、天涯、猫扑、开心网、人人网、优酷、土豆、Flickr等。面对这些不同的站点,企业社会化营销策略如何布局,核心定是构建社会化营销矩阵,十字法则:布点、连线、成面、引爆、监测


* 第一步:布点

社会化营销的核心是基于用户社会化属性,而用户总是以爱好、兴趣为纽带形成群体社区,所以企业要锁定用户群,根据他们经常聚集的地方筛选最适合自己的社会化媒体,这称之为选点,而不叫布点,布点是具有确定性的,对选好的点进行了解,让自己的团队了解熟悉这类平台的特点、规律和用户的习惯。例如微博,就要了解微博人群的职业、性别、年龄、玩微博的时间、目的等资料,摸清微博平台有哪些工具可以用,如何能最有效的方式在该平台上传播。再例如百度知道,如何提问,如何选择关键词,如何优化,如何监控等等。又如天涯社区,哪里都是些什么人,有什么习惯,什么时间段人多,什么样的帖子易火,等等。所以布点很重要,必须要明确受众,选择最有效的平台加以维护,这是社会化媒体营销第一步。

第二步:连线
连线是将之前选好的平台有机的结合起来,例如微博的外部推广就包括BBS、博客、贴吧等。微博上的活动又可以在社区中落脚,毕竟微博字数有限,无法深度合作。例如凡客挺住体就将微薄、视频、社区、百度百科很好的结合起来形成全方位的传播。笔者之前做一个活动,在社区中发起,在微博上传播,随着活动的深入,又在知道上提问引导用户了解,之后又建立词条,还在视频和图片分享网站发布信息。这样“全套服务”就是为了利用各个媒体点连接起来形成线,更好的传递给用户。所以连线是社会化媒体营销第二步。

第二步:成面
基于前面的布点连线之后,成面是水到渠成,只是这张成面的网,网口是大是小这就与该过程的执行力相关了。在每一个点上做得越细致,连线越多,网就越密集,这样也可以最大限度的网住用户。让你的用户在网络的世界里无法逃出你的网,这就是最终形成了面。

第二步:引爆
引爆是企业最后要做的事情,引爆的目的是让企业的品牌或服务能够迅速的传播。当你把一群人聚集在一个圈子里,人多就会发酵,发酵就会有讨论,讨论就会有话题,所以企业要做的就让自己的产品或服务以好的形象包装起来扔给他们,让你的用户去讨论,并在适当的时候“煽风点火”,适当时候降温加水。引爆需要创意,需要懂得他们的方式,需要结合他们的心理来策划来引导,社会化营销的魅力也在于此,基于信任、意见领袖的几何式裂变口碑传播。

第五步:监测
社会化营销不可或缺的一部分舆情监测,因为这些社会化媒体上自由同时也不易控制,容易成就一个品牌也容易引发一场危机。所以我们需要时刻知道用户在讨论什么,谈论什么,他们在埋怨还是在高兴,我们就需要通过舆情监测工具来分析,及时的捕捉最新的舆情信息。

社会化营销的核心就是利用口碑在社会化群组内口口相传。我们的社会化营销矩阵就是要让用户时刻在你的视野之内,当你拥有过硬的产品和服务,那么你就应该通过布点、连线、成面、引爆、监测5步来建立营销矩阵,让他们知道你的存在。未来的电子商务谁网住了用户就成功了一半,谁再能引导这些用户,那他必胜无疑。

本文为三寿原创,任何转载请务必注明作者和出处,谢谢!欢迎交流1621922050@qq.com

来源:http://bbs.paidai.com/topic/55103


© 推荐 for 互联网的那点事, 2011. | Permalink | One comment | Add to del.icio.us
Post tags:

你可能也喜欢:

微博:企业社会化媒体营销的桥头堡

从社会化营销到实时社会化营销

浅谈国内社会化媒体营销

手把手教你社会化媒体营销

社会化媒体时代:运营第一 营销第二
无觅

Feed enhanced by Better Feed from Ozh

相关 [社会化 营销战略 矩阵] 推荐:

你不可不知的社会化营销战略矩阵10字法则

- 瑾 - 互联网的那点事...
最近明显的感觉派代上关于微博营销的帖子多了,虽然自己也发了些关于微博营销的帖子,知道很多人对微博的重视,之前也写过《不懂社会化媒体营销,传统电商已失败一半》,总有一种难受的感觉,许多人对于微博,对于社会化营销就产生以下疑问:. 1、微博就是社会化营销的全部,难道其他渠道都不用了吗. 2、社会化营销这么厉害,是电商的救命稻草,那服务和产品算什么.

Google矩阵

- - 四火的唠叨
文章系本人原创,转载请保持完整性并注明出自 《四火的唠叨》. 使用一款搜索引擎,我们希望搜索结果能够拥有最佳的排序,Google为它最核心的排序算法PageRank申请了专利. 在PageRank以前,排序大多依靠对搜索关键字和目标页的匹配度来进行的,这种排序方式弊端明显,尤其对于善于堆砌关键字舞弊的页面,很容易就跳到了搜索结果的首页.

矩阵分解的Jungle

- SuperLucky - 增强视觉 | 计算机视觉 增强现实
美帝的法国貌似是美法混血的有心人士(此有心人士长期从事航天飞机研究. )收集了市面上的矩阵分解的几乎所有算法和应用,由于源地址在某神秘物质之外,特转载过来,源地址. Matrix Decompositions has a long history and generally centers around a set of known factorizations such as LU, QR, SVD and eigendecompositions.

Google的社会化梦想

- lszhao - 月光博客
  作为曾经的规则创立者,Google深刻了解创造并引领互联网新趋势的重要性,而社会化被广泛认为将会是彻底改变我们生活的下一个新趋势,这一概念的革命性远远超过我们之前了解的博客、视频、LBS.尽管目前Facebook、Twitter已经足够红火,但个人并不认为他们就是社会化概念的终极体验,相反还存在着着巨大的空间能够去想象与探索.

Google+的社会化之路

- Darth Noctis - cnBeta.COM
毫无疑问,Google+绝对是最近最火爆的话题. 尽管仍然需要邀请才能注册,但是在我几乎没有主动出击过的情况下,已经有超过5000人圈了我, 即使是对于特别擅长于病毒式营销的Google而言,能够让用户持续的保持这样的积极性,甚至到现在为止,仍然保持着评论的回复速度以秒计算的奇 迹,Google+无论从任何角度来看,都已经足够算是成功了.

社会化推荐算法

- - CSDN博客云计算推荐文章
本文是论文《一种结合推荐对象间关联关系的社会化推荐算法》(以下简称论文)的笔记(下). 该论文提出的算法是以PMF为框架基础的. 因而若对PMF不太了解的话,可以参考我的 上一篇文章脑补一下,当然,那篇文章只是概述,详细了解PMF还需要阅读初始论文,但读完那篇文章后,对本文的理解应该没有问题. 所谓社会化推荐算法,是将社交网络的特性加入到推荐系统中来.

Geek的生日聚会游戏:藏在矩阵中的年龄

- 夲 - 果壳网 guokr.com - 果壳网
在生日聚会上玩什么游戏最好呢. 不过 Geek 们有自己的选择. 设想《生活大爆炸》里的 Leonard、Sheldon、Howard、Rajesh 聚在一起,庆祝其中一人 25 岁的生日. Sheldon 在一张纸上写下了下面这个 4×4 的数字方阵:. 然后从 Leonard 开始,每个人从中任选一个数字画上圈,同时把这个数字所在的那一行和那一列的其它数字都划掉.

矩阵分解在推荐系统中的应用(转)

- -
本文将简单介绍下最近学习到的矩阵分解方法. 开始觉得这种方法很神奇很数学,而且在实际使用的时候也非常好用. 但最近读了Yehuda大神的paper之后,觉得这种方法比较猥琐. 其实,矩阵分解的核心是将一个非常稀疏的评分矩阵分解为两个矩阵,一个表示user的特性,一个表示item的特性,将两个矩阵中各取一行和一列向量做内积就可以得到对应评分.

基于矩阵分解的推荐算法,简单入门 - kobeshow

- - 博客园_首页
       本文将要讨论基于矩阵分解的推荐算法,这一类型的算法通常会有很高的预测精度,也活跃于各大推荐系统竞赛上面,前段时间的百度电影推荐最终结果的前10名貌似都是把矩阵分解作为一个单模型,最后各种ensemble,不知道正在进行的阿里推荐比赛( http://102.alibaba.com/competition/addDiscovery/index.htm),会不会惊喜出现.