抖音号交易出售资讯对维系老客户和促进二次转化，发挥更多价值

这时系统显示一位叫阿莲的女士的预计成交率在85%,她留言询问某款SUV是否有更紧凑的型号,小王立马进行回复。5分钟后,他的手机铃声响起,来电显示正是阿莲。短短5分钟，一笔20万以上的业务就被敲定了。

此外，用户画像除了在沟通和识别客户方面有帮助外，还能对维系老客户和促进二次转化，发挥更多价值。

例如，我们还可以在AI-UTAUT后台选取一批用户的某些属性，做一些预测功能，例如预测用户是否会流失;或者预测用户是否会对新上线的功能感兴趣。对应的，预测出很可能会流失的用户，针对性进行挽留的营销活动，比如发红包、发优惠券等。针对会对新功能感兴趣的用户，可以给其推送新功能，来增加用户的粘性。

我所搭建的AI-UTAUT模型在所投资的这家正好解决了原来商家的优惠券使用率低、用户粘性低的问题。

综合来看AI-UTAUT模型不仅仅帮我所投资的这家企业的销售额提升，同时这套模型算法也为周边的商家进行了赋能。例如上文中所举的例子赋能4S点销售人员更好的服务客户的例子。

三、AI-UTAUT模型深度解析

1. 模型中的绩效期望因素

绩效期望正向影响消费者接受企业大数据精准推荐意愿是因为消费者接受企业大数据精准推荐的信息有可能提高其信息搜索的效率。企业要推送切实满足消费者需求的信息，企业就必须做好消费者画像的识别工作，完善数据分析推荐模型，及时根据消费者多元、动态、不可持续的需求进行数据推荐模型的完善和修正，做好消费者画像特征分析工作，保证向消费者推送的信息是消费者需求的，真真正正地提高消费者信息搜索的效率。

2. 模型中的基于消费者需求和期望的信息方面

基于消费者需求和期望的信息正向影响消费者接受企业大数据精准推荐意愿是因为基于消费者需求和期望的信息是适当的、准确的、有质量的信息。企业要根据消费者经浏览、访问、购买形成的各式大数据进行细致分析，洞察消费者的显性需求和潜在需求，做好消费者产品喜好、心理接受价位、产品品牌等信息的预测，及时地以合适的方式，在合适的时间，将合适的产品信息推送给消费者，提高消费者和产品的匹配度，提高消费者转化率。