AISAS模型拆解营销,抓住用户决策的每一步

AISAS模型是一种用户决策分析模型,由电通公司提出。这个模型是基于AIDMA模型,是消费者行为学领域很成熟的理论模型之一。

这个模型的理论认为消费者从接触到信息到最后达成购买会经历Attention(引起注意)、Interest (引起兴趣)、Desire(唤起欲望)、Memory(留下记忆)、Action(购买行动)这五个阶段。这个理论可以很好的解释在实体经济中的购买行为。

但是在互联网兴起的时代,这个理论逐渐的失去了作用,2005年,日本的电通集团推出AISAS模型(Attention 注意、Interest 兴趣、Search 搜索、Action 行动、Share 分享),更加的适用于互联网时代的消费者购物决策分析历程。在新的AISAS模型当中,有两个"S",即搜索(search)与分享(share),是现代互联网对营销模式的一个突破。凸显出现代互联网中搜索和分享对用户决策的重要性,也标志着互联网对用户购买决策行为的改变。

Attention—注意

AISAS的前两个阶段和AIDMA模型相同,都是吸引用户的注意和兴趣,但是相较于传统的实体经济购买行为中通过花哨的名片、提包上绣着广告词等被经常采用的引起注意的方法。互联网上吸引用户注意的渠道要多得多,也要精准得多。

从渠道来看,各种公众号、自媒体、短视频等内容媒体;信息流、竞价、DSP等效果广告等等,从多个渠道触达消费者,吸引消费者的注意力。会比起传统的品牌广告、纸媒的传播范围要更广,针对的目标人群也会更准一些,当然,即便是更精准一些,其实也还是在广撒网,真正的精准用户还得通过第二阶段来进一步筛选。

Interest—兴趣

这一个阶段依旧与AIDMA模型相同,在传统的方法中,一般使用的方法是精制的彩色目录、有关商品的新闻简报来吸引消费者的兴趣。但是在互联网时代当中,消费者被各种粗制滥造的硬广告砸得失去了兴趣,对于一般的广告有了疲劳感。所以软植入型的广告的转化效果会好得多。

所以即便是信息流广告,也越来越接近原生广告,以融入用户的阅读体验为主。在这一方面,就应该依靠一个成熟的内容运营团队,通过强有力的内容,去输出企业的价值和产品。例如抖音、快手等短视频平台,近期的转化率就蛮高的。

Search—搜索

在经过前两个阶段后,目标人群对我们的产品有一定的兴趣后就会产生搜索行为。他们会通过线上或者线下渠道来收集产品的相关信息。当然,现在来说,线上搜索信息效果会比较便捷一些。他们会通过搜索引擎等等方式去搜索产品的口碑和评价。

所以在这个阶段的话,企业应当要做好搜索引擎优化,保证自己的品牌词和产品词没有什么负面舆论。同时可以引导用户进一步的了解产品的特性,影响用户的购买决策。

Action—行动

这个阶段是AIDMA模型的最后一个环节,也就是行动。换成消费者的行为来说就是购买,消费者在收集了足够的信息之后,如果对公司的产品比较的满意的话,就开始付诸行动了。消费者不像以前一样只能到店进行消费。新零售中有个全渠道的概念,让消费者无论何时、何地通过任何的渠道和何种的支付手段都能够进行购买。这个也无疑是降低了消费者购买的决策门槛。

在传统的实体店购买行为当中,这个促成订单成交的环节,对销售员的个人要求有着较高的要求。但是在现代的话,这一步销售员的作用有一定的程度被削弱了,因为客户已经收集了足够的信息。很多时候倾向于自助购物,当然,也有一些还在犹豫的客户需要销售员帮他们下决心。

Share—分享

在传统的购物当中,行动完后就已经结束了,但是在AISAS模型当中。在购买结束后还有一个分享的环节,传统的营销中用户受限于分享的渠道和分享的成本。而现在的互联网,使得分享的欲望得到释放。由用户向身边的人去推荐产品,会比用营销活动去展现产品,效果要好得多,这个也就是口碑传播。

分享这个步骤是现代营销区别去传统营销的重要环节。用户在进行决策分析的每一个环节,都可能会产生分享的冲动,所以需要做好用户的分享路径,同时有意识的去引导用户去分享。

当然了,AISAS模型也有他适用的局限,这个模型一般适用于价格高、需要小心决策的商品,对于价格低的商品,一般来说不需要那么复杂的决策过程。而商家也应该尽可能短的缩短用户的决策路径,因为用户可能在每一个环节流失。

AISAS模型拆解营销,抓住用户决策的每一步相关推荐

  1. 消费者行为分析模型,用AISAS模型拆解营销方式

    AISAS模式是由电通公司针对互联网与无线应用时代消费者生活形态的变化,而提出的一种全新的消费者行为分析模型.强调各个环节的切入,紧扣用户体验. 营销方式正从传统的AIDMA营销法则(Attentio ...

  2. 网络营销推广技巧和方法,如何抓住用户的眼球?

    TOM网络营销团队建议采用口碑营销策略,做品牌推广和搜索引擎优化. 随着内容开发平台.短视频平台的发展,出现了一种新的互联网方式--UGC.UGC模式改变了用户传统的信息采集方式.媒体的内容不再是官方 ...

  3. 数字时代,医疗健康企业如何通过数字营销创造用户价值

    前言:数字化时代,数字营销为企业深入洞察用户需求.把握用户画像.与用户建立有效互动提供了可能性,从而帮助企业实现降本增效的精细化营销,大大提升企业的经营效率.对医疗健康企业来说,因其行业和需求的特殊性 ...

  4. 数据分析36计(21):Uber、Netflix 常用倍差法模型量化营销活动、产品改版影响效果...

    1 案例背景 目前 Uber.Netflix 在商业分析中的因果推断常用模型主要是倍差法(Difference in Difference)和匹配(Matching),目前已在其平台中建立相关方法的自 ...

  5. java/php/net/python化妆品营销管理与决策支持系统设计

    本系统带文档lw万字以上+答辩PPT+查重 如果这个题目不合适,可以去我上传的资源里面找题目,找不到的话,评论留下题目,或者站内私信我, 有时间看到机会给您发 系统体系结构 化妆品营销管理与决策支持系 ...

  6. 产品经理必须知道的概念-什么是前景效应分析?用户决策背后的影响因子有哪些?

    前景效应是有 Kahneman和Tversky在1979年提出的一个用于解释用户决策的模型,模型很好的解释了用户决策背后看不见的影响因子. 产品是产品经理用来解决用户问题的工具,在帮用户解决问题之前, ...

  7. 诺曼门的十个产品_用户决策与产品设计

    编辑导语:在进行产品设计之前,首先要清楚用户需要什么,确定影响用户决策的是什么,再根据用户的决策进行设计,最后在对应实际情况进行调整:本文是作者关于用户决策和产品设计之间的关系,我们一起来了解一下. ...

  8. 上可以替代mobaxterm_电能替代 | 基于逻辑回归模型的电能替代用户辨识研究

    [抢先看]<浙江电力>2020年第1期目录及重点关注文章 [抢先看]<浙江电力>2020年第2期目录及重点关注文章 征文 |"储能技术规模化应用技术"专题征 ...

  9. 武汉星起航:“短视频+电商”如何抓住用户“关键时刻”?

    回顾过去,自 2005 年起短视频在国内商场逐渐兴起,我国短视频商场进入了探究时期.以马铃薯.优酷等媒体网站大力推动拍客共享方法,带动了 UGC 短视频的出产.2006 年<一个馒头引发的血案& ...

最新文章

  1. iOS多线程全套:线程生命周期,多线程的四种解决方案,线程安全问题,GCD的使用,NSOperation的使用(下)
  2. 子站间 携带cookie_JavaScript cookie 不同子域名之间共享
  3. MySQL事务autocommit自动提交
  4. 专访:Vmware眼中的虚拟化
  5. Build 2017 | 一文看懂微软 Build 2017 大会:让 AI 走向边缘
  6. centos 7 网络设置与图像化界面下载
  7. Java8特性解决空指针问题
  8. 数据分析师免费课程网址
  9. 字符串 读取西门子_【必学技能】自己动手——基于C#实现手机APP远程访问西门子PLC...
  10. linux nginx添加php版本号,linux伪装隐藏Nginx,PHP版本号提升服务器安全性
  11. AS开发者转LAYA一周心得
  12. form表单的get和post传值问题
  13. 【剑指Offer速刷与技巧笔记】剑指Offer重点面试刷题
  14. 多个数求最小公倍数详解!
  15. 为什么普通人就应该买基金?
  16. keras之权重初始化
  17. java 如何实现多条件筛选,JAVA-日常工作解决的bug2-多选条件筛选
  18. 通过python修改cmd路径_cmd中如何更改文件路径 - 卡饭网
  19. 期中总结【操作系统】
  20. 普元eos使用svn_普元DevOps介绍

热门文章

  1. 信朋友圈居然还有这波神操作?不仅可以编辑图片,而且还能剪辑视频
  2. Centos7启动Eclipse Ditto项目
  3. r5 3600配什么主板
  4. android回收动画,Android动画回收视图
  5. 【数据结构】你了解无间道吗?单链表之单向无头非循环链表
  6. 粉丝向电台女主持求爱 11年兑现挣100万承诺
  7. embed标签属性及用法
  8. Part 12(1) 广义积分(无穷积分和瑕积分)
  9. 什么牌子的耳机好?国产TWS耳机推荐
  10. pandas进阶--Dataframe的drop_duplicates方法(数据去重)