数据来源：用户的移动偏好（是否安装出行类APP，如航空APP、酒店APP、OTA APP等）。

　　筛选策略：筛选TalkingData标签中带有商旅出行标签的用户。

　　尝试效果：筛选后的用户，单客获客成本为28元，降低为未筛选前的1/3。

　　此次尝试使用的仅是TalkingData的用户标签数据。在实际运作中，也可以通过酒店现有的会员入住行为数据进行用户筛选。例如，筛选不同入住次数的用户进行分批次推送：第一轮推送历史入住次数超过20次的用户；第二轮推送历史入住次数在5-19次的用户；最后推送历史入住次数低于5次的用户。从理论上来说，因为入住需求的不同，每一轮推送的相应效果应该是从高到低分批次递减，单客获客成本也会逐步升高。

　　第三轮尝试：找到合适的转化场景

　　哪些用户有出行计划？哪些用户有转化为APP用户的首要动力？

　　举个例子，同样是宝妈，如果在周六考虑要带宝宝去什么地方玩的时候收到宝宝爬爬赛的活动推送，宝妈参加活动的可能性很高，但是如果宝妈在上班开会的时候收到短信，这条短信基本就会石沉大海了。酒店会员也一样，当会员在酒店入住时收到酒店的红包代金券会比其他时候更愿意点击领取。找到适合转化营销活动的用户场景进行用户推送可以提高响应效率。

　　数据来源：酒店数据（会员是否是入住状态）。

　　筛选策略：筛选酒店当前处于已入住未离店状态的用户。

　　尝试效果：针对会员转化为APP用户的短信推送，进行筛选后转化率为0.3%，获客成本是6.7元，成本降低为未筛选前的1/13。

　　对于用户是否有酒店预订需求的预判，也可以利用用户的商旅APP活跃情况（用户在近三天是否启动过任意一款指定商旅APP）进行筛选。有出行计划的用户在收到酒店优惠券、红包、折扣等活动时，由于有酒店入住需求，相应的转化可能性会大很多。

　　第四轮尝试：

　　同时寻找“需求用户+场景用户”进行转化

　　数据来源：酒店数据（会员是否是入住状态）+用户的移动偏好（是否安装有出行类APP，如航空APP、酒店APP、OTA APP等）。

　　筛选策略：酒店入住中+高频商旅标签。

　　尝试效果：使用短信推送红包的形式，响应率为0.6%~1%，单客获客成本为2-3元。

　　试验结果对比

　　可见，利用大数据，在场景结合标签的基础上进行精准营销是最优获客方案。

　　除了此次降低获客成本的尝试之外，还有更多基于大数据的用户筛选方式可用于实际的用户分层营销。比如，做一次APP营销活动，如果使用短信对不同用户进行投送，响应率效果一定是活跃用户远高于非活跃用户，实际的尝试效果是两类用户数据的响应率差了22倍。背后的理由是，以往的高频入住会员可能由于工作变化不再有出差需求，因此找到活跃的、有需求的用户，去除沉睡用户的影响，专向对于活跃用户进行转化营销才可以提升活动的响应效率。

上篇：

下篇：