大数据营销论文

大数据营销论文（精选8篇）

大数据营销论文篇1

现代科技的发展给人们的生活带来了许多新变化，消费者越来越强调自我，追求个性，企业在捕捉消费者越来越多样化的需求上面临更多挑战。以IT应用技术、智能通信技术为基础的精准营销应运而生。正如现代营销之父菲利普科特勒所认为，市场营销是企业需要更精确的有效通信和市场营销策略的实施过程，同时交流通信的结果是必须能够计算出来，并且市场营销可利用高效的通讯得到较大利润。在智能数据挖掘分析时代，我们可以通过对数据的AI+挖掘的管理、准确程度与精密程度、选择客户与市场定位等多方位来展现精准营销的价值。

一、引言

大数据应用于精准营销就是在大数据的支撑下，尽可能多地获取消费者的信息，从中分析挖掘他们的潜在需求，并利用数据技术进行精准的广告投放，使营销更具针对性。首先，大数据为精准营销提供了海量的数据信息[1]。在互联网中，用户的信息行为都能转化为数据，企业通过分析这些数据，挖掘消费者的潜在需求，运用信息技术进行精确的、个性化的广告投放，实现精准的营销。同时，在营销过程中，每一个用户的Cookies数据是可记录和查询的，即与目标用户的每一次接触都会留下痕迹，利用这些“痕迹”可以建立一个消费者数据库，实现客户的信息管理。大数据使更高效的精准营销得以实现，精准营销又为大数据提供更多信息积累。

二、大数据下的`精准营销模式

1.受众精准。大数据技术为营销找到更能满足业务需求的受众。通过对数据的整合分析，我们可以得出清晰的用户画像，了解用户的个性与需求，从而实现一对一的精准投放和服务。如拥有强大的数据管理平台(DMP)的TalkingData，能对超过20亿移动受众人群的数据进行汇聚、清洗、萃取，结合一系列算法模型，输出人群分类标签数据体系和目标受众分析工具。由此，企业可以更加精准地找出目标受众，进行针对性的广告投放。2.成本精准。大数据技术使广告投放更加精准，提升了广告的转化率和回报率，大大节约了成本。在大数据的支持下，我们能挖掘大量与消费者相关的数据信息，从中分析出消费者的基本属性、兴趣爱好、消费习惯、消费需求等，更加准确地定位目标受众并进行细分。再运用人群定向技术，精准地向受众投放针对性的广告。这样的精准投放，改变了以往大范围无目的的广泛投放模式，大大节约广告投放成本，避免浪费。同时，精准的广告信息往往能主动迎合消费者的需求，更容易使其对产品和服务产生好感，从而大大提高了广告的转化率和回报率。企业通过大数据进行精准营销，可最大程度降低营销成本，提升品牌价值。3.效果精准。运用大数据对消费者的需求进行筛选跟聚合，使精准营销的层次得到进一步提高。在大数据技术的支撑下，我们可以得到清晰的目标受众定位，有效细分人群，提供针对性较强的个性化聚合服务。改变了以往精准营销提供综合化服务的局面，大大提高了营销的效果。如，网舟科技通过对用户线上线下的数据进行只能筛选，为不同的使用情境建构了不同的推荐机制，使推荐引擎从以往的综合化服务转向个性化聚合服务。由此，商品导购更加智能化，消费者好感度增强，有效提高产品和服务的销量，增强了营销的效果。

三、大数据在精准营销中的应用

1.用户数据的挖掘。互联网时代下，用户的任何行为都会留下痕迹，利用系统日志数据、访问社交网络信息等，我们通过用户反馈信息，识别分析出用户的基本属性、兴趣爱好、消费行为、潜在需求等。以Facebook为例，超过12亿的用户量为其提供了海量数据。Facebook可以从Cookies追踪它的用户，如用户在使用Face-book的同时浏览网页，便可以追踪到用户所访问页面的网址。用户在Facebook里添加的标签，点过的赞等等也都可以成为Facebook识别和分析用户的基本属性、个性取向、情感状态、消费水平、政治倾向等各方面信息的数据依据。企业可以通过访问Facebook主题数据对消费者进行研究，进一步了解消费者，绘制品牌受众地图，进行品牌内容评估，从而准确地投放广告、开发客户，实现精准营销。2.定向广告的推送。精准营销成功的一个重要条件是精准的营销信息推送，即将相关的产品广告、促销活动等信息向目标受众推送，引发其关注并产生点击、阅读等行为，从而进一步吸引其购买产品。它包含两方面，一是目标受众，即营销信息应该推给谁;二是信息内容，即向其推送怎样的信息。以前，企业难以获取足够的用户信息，因此无法采取有针对性的传播内容，造成大量的广告资源浪费。在大数据时代，我们可以搜集大量的用户信息并进行分析，从而判断出我们的目标受众，进行个性化的定向广告推送，大大提升了广告效率，节约广告成本。3.主题数据的开发。主题数据的开发，将数据信息预处理，通过预处理后进行识别，根据不同的管理需求及其相应的信息，将工作定义为不同的分类，再针对各个主题数据库进行主题定义。它可以为营销者带来一个清晰的用户视图，从而实现更精准的营销。如企业可以访问Facebook主题数据，识别提取用户信息，再从信息的不同利用角度出发进行分类，整理形成各个主题的数据库。根据这些主题数据选择性地改变他们在平台和其他渠道的营销方式，使广告投放更加精准。

四、精准营销的大数据技术应用

1.大数据分布式存储管理技术。大数据是涉及整个软硬件系统的各个层面上诸多计算技术的融合。当大数据处理平台搭建后，将要考虑数据存储问题。在集群环境下，需要大数据的储存并发访问，主要采用分布存储系统[2]。分布式存储对大数据才存储通过可扩展的方式高效可靠的管理，但无法对结构化、半结构化数据进行访问和管理[3]。因此，面向结构化和半结构化数据存储管理和查询分析系统营运而生：例如HBase和Hive等系统[4]。2.大数据并行计算及系统平台。大数据并行计算系统平台框架主要是Hadoop、MapRe-duce。近年来人们研究实现了更多种大数据并行计算模型与框架，以提高大数据的处理效率。其中，集多种计算模式为一体的Apache、Spark发展迅猛，成为新一代主流大数据并行计算系统，受到了工业界和学术界的广泛关注和使用。3.数据分析。金融征信、互联网舆情、商业用户画像、电信精准营销及智能交通管理等领域的大数据分析应用层出不穷。大数据以应用系统需要有相关专业及知识结构的应用行业专家对领域应用的具体案例和问题构建行业具体应用的逻辑业务模型，并采用分析软件进行分析归纳数据，计算机专业人员通过以上分析，再进行设计和开发相关大数据应用系统。通过其存储、计算、分析等技术层面的运用，能够构建针对不同行业领域的大数据分析或解决方案[4]。

五、结论

大数据时代下，我们可以在不同媒介不同领域中挖掘、提取各种数据资源，通过对这些数据的整合与分析，我们可以得到用户的基本属性、兴趣爱好、消费需求等，绘制出精准的用户画像，明确他们的潜在需求，并针对这些差异化需求进行精准的个性的广告传播。这大大提高了广告主寻找目标消费者的效率和精准性，极大地节约了广告投放成本，提高了广告投放效率。我们要时刻关注技术的发展，抓住大数据带来的机遇，同时也不能盲目迷信大数据，要积极应对它对广告业的挑战与冲击。

参考文献：

[1]李洁,应昌成.大数据发展趋势[J].电子技术与软件工程,(22).

大数据营销论文篇2

关键词：海量数据,数据库营销,市场营销管理

0 引言

据CSDN对2011年中国云计算的调研显示,超过50%的企业目前每日生成的数据量在1T以上,超过10T的有10%,有5%的企业每日生成的数据量已经达到了50T以上!可见,海量数据已成为发展趋势。海量数据正在改变我们的世界,很多行业尤其是在电信、金融等行业,几乎已经到了“数据就是业务本身”的地步。数据成为大至一个国家,小至一个企业甚至个人的战略资源。

对企业而言,可从公共来源、专门渠道和通过购买获得客户数据,以及从网络社区和智能设施收集各种新的信息,获取和分析信息的技术唾手可得,价格也不断降低,因此企业对数据的使用可以进一步深化。而且许多企业正将数据应用提升到新的水平,从而推动在市场营销领域实现根本性的变革。在企业整个营销活动中,信息的获取、存储、处理分析与应用在营销决策中起决定性的作用,而数据库营销就是经过数据采集、存储、处理等系统的顾客数据库资料的建立,准确进行市场的细分和定位,进而实施创造性、个性化的营销策略。因此,海量数据时代如何有效利用海量数据与企业数据库营销的思想不谋而合,这就促使数据库营销成为海量数据时代企业市场营销变革的一种主流方式。

1 海量数据的定义

对海量数据目前还没有一个统一的定义。Joy(2009)指出,令单个计算节点无法完成存储和处理的数据,即可称为海量数据,可见“海量”是一个动态的概率,它随着单机计算能力的提升和算法的改进而改变。罗爱宝等(2011)认为海量数据具有以下特性:(1)数据量大:通常达到TB级的数据;(2)数据类型复杂:面对的海量数据常常不是单一类型的数据———字符数据、文本数据、多媒体数据,甚至是源源不断的数据流等;(3)多模态数据:对于一个事物,得到的数据可能是通过不同的方式或角度收集到的,如多模态的视频数据,包括字幕、音频和图像等模态。因此,对海量数据的获取、存储、处理与分析需要更高的软硬件支持,需要更新的技术出现。

2 海量数据引发的社会变革

虽然对海量数据的界定还未统一,但海量数据对世界的影响已经显现,海量数据已广泛应用于政府、企业与个人的决策支持中。很多企业已开始争夺海量数据产生的商机。

2.1 海量数据的广泛应用

随着现代社会竞争日趋激烈,企业、政府、个人都需要更多的数据支持来帮助其规划、分析、决策、管理。随着计算机性能的迅速提升和云计算模式的推广,高性能的数据分析计算已广泛应用于到企业、政府和个人,其应用范围见表1。

资料来源:国泰君安证券整理.

2.2 海量数据产业链的形成

管理数据爆炸性、海量数据存储、从海量数据中提取知识、归纳数据使得人类易于理解和反应是目前人们面对海量数据时需要解决的几大问题,由此形成了以解决上述问题的产业链,如图1所示。

3 数据库营销:海量数据引发的企业市场营销变革

“深刻洞察和理解用户需求”是每一个企业生存和发展的基础,而要达到“洞察”和“理解”就离不开对海量用户进行数据发掘与行为分析。企业市场营销是一个管理决策过程,通过市场调查、细分与定位等建立营销战略组合;通过产品、价格、分销、促销的相互结合,形成企业的战术组合;采取有效措施确保营销计划的执行。而上述活动都建立在对市场信息的获取、处理分析与应用的基础上。海量数据时代,使得企业进行市场营销决策所依赖的市场信息在数据量、数据结构和数据模态上发生了根本性的变化,如何降低营销成本,提高营销效果,就需要企业进行有针对性地精准营销,数据库营销不失为一种最好的选择。

3.1 海量数据对企业市场营销的影响

海量数据对企业市场营销的影响主要体现在以下几个方面:

3.1.1 市场信息数据的获取

由于海量数据具有数据量大、数据结构复杂和数据模态多样化的特点,使得企业在市场信息获取上面临着更大的挑战。一是企业面临的外部宏观和微观环境的市场信息可能以文本、视频等多种类型存在;二是信息量随着互联网的普及和电子商务的发展正在迅速递增;三是传统市场调研方式可能已经过时,需要借助新技术采用基于互联网的新调研方式;四是消费者消费理念和偏好在网站浏览、微博等以不同的方式展现出来。这使得市场信息的准确定位和获取,犹如大海捞针,从而催生了企业数据库的建立和完善,为数据库营销奠定了基础。此外,并非所有数据都对企业有用,这就需要对信息进行甄别,否则就容易出现“信息超载”现象。

3.1.2 数据存储

由于企业内部业务每天生成大量的数据,加之外部的海量二手数据和互联网上海量用户的数据和信息的不断爆炸,对海量数据进行存储成为企业面临的一个难题。是基于自身购置硬件设备开发软件来支持,还是借助外部力量?这就涉及到数据的安全性、可靠性问题。这对企业市场营销信息系统的软件和硬件都提出了更高的要求。

另一方面,长期以来由于企业内部职能分工、组织架构等原因,导致在机构之间、部门之间存在着大量的信息孤岛,这会出现研发项目未能产生预期的市场效益、选择应用技术时出现判断失误、新产品开发受阻、对市场经销渠道和客户关系没有进行充分管理等问题。这些问题在海量数据存储时都应纳入考虑的范围。

3.1.3 数据处理与分析

及时准确地从海量数据中提取信息和知识,为企业的营销决策提供支持,是企业各个部门对营销信息系统的要求,这就需要对海量数据进行处理和分析。数据仓库、数据挖掘技术等成为当前的热门技术。而当前对海量数据的处理大多利用机器集群和并行化技术,并出现了高性能计算、网格计算、云计算等方法,这些对企业信息和数据的安全性提出了严峻的挑战,同时,这对企业信息系统的软件提出了更高的要求。此外,企业也可利用掌握的海量数据进行实验,从而提高新产品研发的成功率,如一些基于互联网的企业(如亚马逊、e Bay和谷歌)已经开始利用海量数据进行实验,以确定哪些因素会提高销售量和用户参与度;Capital On公司的金融分析师、IT专家和营销人员多功能团队每年都要进行超过6.5万次测试,对细分市场与新产品的各种组合进行实验等。如何对海量数据进行挖掘和分析成为一个永无止境的话题。

3.1.4 数据应用

通过上述几个环节,企业可以将分析得到的数据用于企业市场营销管理的过程,从而把握市场机会、确定目标市场、进行新产品开发、拟定企业的营销战略和营销组合策略,并保证整个营销活动得到有效的计划、组织、执行和控制。

海量数据对企业市场营销的影响见表2所示。

3.2 海量数据与数据库营销

由表2可以看出,海量数据管理直接影响到企业市场营销管理的整个过程,而实现两者有机结合的营销方式就是数据库营销。这是因为数据库营销是建立在对数据进行采集、存储、处理与共享和应用的基础上;而对海量用户数据的获取、存储、处理分析与应用就形成了企业的营销数据库,借助数据库的建立和分析准确了解用户信息,确定细分市场,进行有针对性的营销组合策略,这正是数据库营销的核心。因此,数据库营销成为适应现代信息社会和海量数据的独特营销方式,随着信息技术的迅速发展而不断得到广泛应用。

所谓数据库营销,就是企业通过收集和积累消费者的大量信息,经过处理后预测消费者购买某种产品的概率,借助这些信息给产品以精确定位,有针对性地传播营销信息,以达到说服消费者购买产品的目的。数据库营销包括数据库的建设和与之相适应的营销模式的结合,通过对数据的收集和分析,可以制定出“最易打动的顾客及潜在顾客;与顾客建立起长期、高品质的良好关系;做到在适当时机以适当方式将必要的信息传达给适当的顾客、有效地赢得顾客的欢心、让营销支持更加有效益、建立忠诚度、增加利润”的营销方式,为精准营销和建立良好的客户关系打下坚实的基础。

一般而言,数据库营销可以分为数据采集、数据存储、数据处理和共享、寻找理想消费者、使用数据、对数据进行分析评价和完善数据等七个基本过程。而这七个基本过程与海量数据管理的过程是一致的。因此,数据库营销是海量数据时代市场营销的主流方式。(图2)

在数据库营销运行过程中,营销数据的收集、数据库的建立与维护、数据库的分析与建模是三个核心的问题。目前我国企业实施数据库营销主要存在:(1)数据库过于单一,数据源过于狭窄;(2)数据库资料不健全;(3)难以提供有价值的数据分析;(4)客户信息缺乏有效性等问题。而这些问题随着海量数据时代的到来,数据源的不断多元化、数据类型的不断丰富、数据挖掘和处理技术的不断完善和提高都将得到有效的解决。但与此同时,利用海量数据和数据库营销作为营销决策的重要组成部分,需要具有新的能力,以及进行组织上和文化上的变革。大多数企业还远远没有充分利用所有的可用数据。有一些企业甚至还没有掌握获取和分析它们能够获得的有价值信息的技术。更常见的情况是,它们没有合适的人才和流程去设计实验,从海量数据中获取业务价值。因此在海量数据时代,企业还需要从人才、流程、组织机构等方面去不断改进和完善,才能适应海量数据下数据库营销的要求。

总之,企业能够在海量数据上得到以前没有得到的智慧,能够在数据库影响中想出更新更好的办法,所以越来越多的数据,越来越多不同的来源,从数据变成智慧,构建企业的数据库,采用数据库营销,实现从海量数据中获取价值,从而为企业创造竞争优势。

参考文献

[1]郭国庆,钱明辉.市场营销学通论(第四版).北京:中国人民大学出版社,2011.

[2]计算机行业在大数据时代中探寻变革,http://news.watchstor.com/industry-135492.htm

[3]周玲.信息超载综述[J].图书情报工作,2001(11).

[4]本刊评论员.信息爆炸颠覆了什么?[J].高科技与产业化,2006(4).

[5]罗爱宝,陈光鹏,商琳.海量数据处理[J].中国人工智能学会通讯,2011(2).

[6]Joy K I.Massive data visualization:a survey[C]//Moeller T,Hamann B,Russeleds R D.Mathematical Foundations of ScientificVisualization,Computer Graphics,and Massive Data Exploration.Heidelberg:Springer Verlag,2009.

大数据关联营销篇3

然而，大数据分析的基础是什么？当然是数据。随之而来的问题是：数据从哪里来？营销者自然而然会想到IT企业。诚然，进入Web2.0时代，网络就不仅仅是企业的舞台，每个人都可以通过一根网线在网络上留下自己的痕迹。因此，互联网企业拥有海量的数据，拥有大数据分析的天然基础。此外，使用芯片的各类设备制造企业也有大数据，它们通过植入机器中的小小芯片，记录用户的各种操作行为，为用户行为分析积累了大量的数据。以及大型连锁超市、金融服务中心等，它们掌握了具体的消费信息，同样积累了大量的数据。所以，在各类介绍大数据营销的书籍中，其援引的案例大多出于以上行业。那么，是不是这些行业之外的企业就与大数据营销隔绝开了呢？

社会化媒体数据

企业积累的数据通常可以分为以下几个类型：一是网络数据，通过互联网加载代码记录用户的浏览及点击行为，也就是海量的网络浏览点击痕迹数据；二是通过芯片记录的产品使用痕迹数据；三是消费行为痕迹数据，涉及少数几个特定的行业，并且其数据跨越了多类产品、多个行业，比如超市的每笔消费数据、淘宝的店主销售信息等。这三类数据主要集中于互联网行业、设备制造行业和零售行业。

此外，这三类数据的特点是“人们在无意识下自然产生的”，因为它难以与消费、使用的“人”建立联系而显得“生硬、不够鲜活”。因此，对这些海量数据进行分析，可以发现信息之间的关联，却难以解释为什么会形成这样的关联；可以发现消费特点，却难以在精准营销的执行层面进行转化，因为无法确切知道产生这些行为的是什么样的人。当然，还有一类数据可以在一定程度上弥补这样的缺陷，比如企业内部的销售、客服部门往往记录了更多的信息，对“人”进行补充描摹，但是这一类数据时效性比较弱，如果不对数据库及时更新致使信息错误率较高。

然而，社会化媒体时代出现了第五类数据，这就是自媒体爆发带来的海量数据。由于粉丝的出现，让企业得以区分社会化媒体中个人与企业的远近关系。粉丝的“自发”特性保证了信息的准确性，而“自媒体”的特性则为企业了解目标群体提供了一个近乎免费的通道，且不受特定的行业限制，这就为不同行业的企业进行大数据营销提供了数据基础。

数据彼此之间的关联

然而，当企业想要挖掘数据的商业价值时，面对庞杂的数据，企业却无从下手：数据量大，杂乱，不规则，一些数据缺失，一些数据模糊。比如，有的企业内部各个部门积累了几万条、十几万条甚至数百万条销售数据和客户信息，然而这些销售数据只涉及产品的销售时间、价格、销售店面信息，或者只是简单记录客户的姓名、性别、年龄、联系方式等，而客户购买产品方面的记录很少。换而言之，企业掌握的是一些彼此割裂的数据。由于中国大多数企业内部各自为战，不同的部门没有建立数据共享的通道，各个渠道的数据彼此之间难以关联。

《大数据时代》一书的作者维克托指出，大数据时代要放弃对因果关系的渴求，转而关注相关关系。美国沃尔玛将尿布与啤酒摆在一起，使尿布和啤酒的销量大幅增加。美国妇女通常在家照顾孩子，她们经常嘱咐丈夫下班回家时为孩子买尿布，而丈夫则顺手购买了啤酒。于是，尿片与啤酒形成了关联。因此，大数据挖掘的基础是数据之间的关联，单独的、片段化的数据再多，在大数据环境中也无法实现其价值。所以，中国企业要对原有的数据进行深度分析，首先要建立数据之间的联系，或以“人”的信息（姓名、手机号、身份证号、住址），或以产品信息（如产品的唯一编码），把各个渠道的数据打通，找到“数据的相关关系”。

数据关联可以是虚拟的

但由此带来一个技术性的问题，因为不是所有的数据都能建立真实的对应联系。某些行业，比如运动服饰，其消费是大众化的，企业没有建立完备的用户信息数据库。那么，在这种情况下，企业如何利用大数据获取增值信息呢？

事实上，企业可以利用社会化媒体进行模糊匹配的方式，更好地理解目标群体——即便现有的数据不能全面反映人群的特质，但可以通过社会化媒体实现“信息转化”，在社会化媒体中找到具有类似特质的“网络虚拟人”，并通过这一特质人群在各类社交媒体的全面信息，从而间接“实现”对目标人群的全面描摹。

事实上，社会化媒体为众多没有“先天数据条件”的企业提供了大数据营销的机会，大数据将跳出“痕迹数据关联分析”的处理模式，从“行为”的相关与预测发展到在Web3.0的360度分析与定位。而基于社会化媒体海量数据的“虚拟关联”模式，则为更多的数据关联提供了可能。

基于大数据的网络营销探究篇4

摘要：信息时代到来，“信息战”成为商业竞争的一种主要方式，面对日益变化的消费者需求，企业掌握的数据也越来越多，大数据技术因此产生，在网络营销中产生良好效果。本文首先对大数据精准营销定义，其次指出传统营销存在的问题，然后分析大数据在网络营销中的作用，最后提出营销策略。

关键词：大数据；精准营销；策略

1.大数据精准营销定义

大数据精准营销就是通过网络信息技术手段，收集消费者的各项数据信息，以此为基础分析消费者的消费行为走向，优化企业的营销策略。具体而言分为三个步骤：第一，数据收集阶段。企业通过自身销售网站、官微及论坛收集用户的消费倾向和需求。第二，数据整理阶段。将前期收集到的庞大信息源运用大数据技术进行整合分析，提炼出消费者的有效性为特征。第三，策略制定阶段。根据前两个阶段获得的消费者行为特征信息，进而制定出有针对性的策略。

2.传统网络营销存在的问题

2.1遍地撒网，无针对性

企业传统的推送方式就是消费者常用的社交软件（QQ、微信、微博等）、浏览的网页以及手机短信等，不分年龄段和群体的无差别推送，使得企业不仅浪费了时间和金钱，还让部分人员产生反感。不能在合适的时间点向正确的用户群体推送正确的营销信息，成为企业进一步发展的掣肘。

2.2主观臆测，缺乏依据

企业的决策者都拥有丰富的市场经验，他们通常依据自身的经验来制定营销策略，具有一定的主观性和盲目性。例如，在制定一个新产品营销策略时，往往会参考与其相似的产品的营销策略。实际上，两种产品本身存在差异，采用相同的营销策略未必会取得相同的营销效果，反而会影响企业的营销效果。

2.3缺乏分析，流失客户

企业通过多年的营销积累了大量的用户信息，这是一个庞大的宝库，但是即便有如此庞大的信息源，大多数企业也缺乏对其进行有效分析的科学技术，空守宝山而不得其用。因此，企业只能通过大量推送信息的方式来保证营销效果。

3.大数据精准营销的作用

3.1提高营销的准确性

精准营销的实现得益于大数据技术的进步，企业依靠科学技术，能够从庞大的消费者行为信息中分析出消费者的行为习惯以及偏好等特征，提前制定相应的网络营销策略，更好地满足用户需求。而对于一些技术水平较低、信息渠道较窄的企业，也可以通过用户的历史消费以及浏览产品的记录等进行分析，掌握客户对企业可能存在的建议，进一步优化营销策略，实现精准营销。

3.2提高决策的科学性

大数据的分析不仅能针对客户个人，还能对整个市场的情况进行综合考量，反映出市场的变化趋势为决策者的决策提供科学的依据，很大程度上避免了传统营销中决策者依靠自身经验出现的决策失误，提高了决策的科学性。

3.3提高用户的体验性

社会经济发展越来越迅速，生产力水平有了极大的提高，生产者的创造力也越来越丰富，使得各种新型商品以令人惊艳的姿态不断进入消费者的视线，而“快”节奏的生活方式又让部分消费者渴望用最短的时间选到最合心意的产品，大数据技术就是实现的基础。通过用户数据的分析了解消费者的行为习惯，当消费者进入企业购物网站时，通过推荐板块为其推送符合消费习惯的产品，一定程度上节约消费者时间，又能给消费者愉快的购物体验。

4.基于大数据的网络营销策略

4.1建立客户信息数据库

第一，信息收集。根据企业自身需要，通过各种渠道收集客户信息并存储，从中筛选出最有价值的信息。第二，数据挖掘系统。每一位消费者的行为习惯都不一样，根据之前收集到的消费者信息，提炼出最接近消费者行为习惯的信息，并采用相对应的方法进行分析，从中得到对自身最有价值的数据。在数据挖掘中，最重要的是要有“一针见血”直指核心的能力。第三，数据应用。根据之前通过信息收集和数据挖掘得出的有效信息，制定出最适合企业发展的相关策略并加以实施，以确保企业在当下竞争日益激烈的市场环境中实现精准营销。

4.2精准有效的市场定位

任何一个企业的成功营销都离不开精准有效的市场定位，不同的年龄段，不同的文化水平抑或者不同的性别，每一个层面的消费者对于产品的需求都是不同的。针对消费者的需求差异进行市场划分，找到企业有效的市场、品牌定位。大数据系统的使用，让企业更好地掌握市场以及消费者的信息，为企业的市场定位提供了极大的便利。

4.3个性化推荐营销

大数据时代，用户网上购物或者浏览网页都会产生带有自身价值符号的“痕迹”，企业通过大数据系统，对用户的“痕迹”加以合理化的分析，就能针对每一位顾客实现一对一的个性化服务，开展针对性的营销活动，提升大众对服务的满意程度。可以说个性化服务营销是网络营销的重要内容，通过利用大数据推动个性化营销必然会在很大程度上推动网络营销发展。

4.4体现用户价值的服务体系

对于企业来说，我们需要的不仅仅是新用户的增加，同时也需要老顾客的再次光临。俗话说：“一回生，二回熟”。优质的产品质量以及售后服务体系能为企业赢得良好的形象，而定期向用户?问产品使用情况，提供部分免费的售后体验，接受用户的意见反馈，能够提高用户忠诚度，并以此展开口碑营销，吸引更多的新顾客到来，实现链式反应。

结论

大数据时代的到来，让信息成了最有价值的“产品”，网络营销也势必会发生翻天覆地的变化。大数据与网络营销的结合让企业能够更加准确的把握市场变动，了解消费者需求变动，节约人力物力的同时也必然会引起企业自身的变革。在大数据技术的推动下，网络营销的前景将不可限量。

参考文献：

[1]张冠凤.基于大数据时代下的网络营销模式分析[J].现代商业，2014（32）

[2]王克富.论大数据视角下零售业精准营销的应用实现[J].商业经济研究，2015（06）

作者简介：

赵梦佳（1994-），男，汉族，山东临沂人，本科，长春建筑学院电子商务专业，研究方向：电子商务网络营销；

精准营销下的大数据分析利用篇5

于大部份营销者来说，网站再定向(onsite retargeting)是其中一个最重要的营销手段，所谓网站再定向的意思是对曾访问您网站的用户进行宣传，在他们浏览网络时向其展示广告。此手段之所以重要是因为在第一次接触中真正转化为购买的只占2%，而没有产生购买就离开网站的人群体高达98%。网站再定向的威力在于它能够帮助你吸引很多的潜在客户，由于这些用户之前已经访问了您的网站一次，这意味着他们确实对您的产品和服务感兴趣。当你不断向这些用户显示相关的广告，将能够吸引他们回访并完成购买。理论上，网站再定向技术听起来完美，但执行起来，却可能让很多广告主走入死胡同，因为它只能够覆盖到旧有的访客，而无法接触新访客。对于广告主来说，网站再定向是一把双刃刀，它虽然能带来绝佳的ROI，却由于覆盖度不足，会在无形中扼杀销售机会。

其实无论是广告数据或购买行为数据，网络都能记录下来，而网络的实时记录特性，让它成为当下广告主实现定位营销的不二之选。随着技术不断革新，广告主精细化定位的需求也不断得到满足。在随后的篇幅中，我们会简单地对比几大定位技术，并通过电商案例分析来讨论如何让这些数据技术协同起来，促成客户从浏览广告到掏钱购买的转化，实现广告主的收益最大化。

网络营销的精细化定位潜力只有在大数据的支持下才能完全发挥出来。图中的数据金字塔划分出了数据的四个层级。最底层是广告表现数据，是关于广告位置和其表现的信息。具体而言，就是广告位的尺寸、在网页的位置、以往的点击率、可见曝光(viewable impression)等指标。

再上一层就是受众分类数据。如今，市场上的数据提供商可以通过用户的线上和线下的行为，来收集到广告受众的兴趣、需求等数据。这些不会涉及个人真实身份的信息会被分析，并划分为不同的群組，例如性价比追求者、网购达人等。有了受众分类数据，广告主可以在互联网上按自己的需求和品牌的特性来投放。受众分类数据的针对性更强，也能带来比单纯依赖广告表现数据更好的点击率与转换率，因为它提供了消费者行为和偏好等宝贵信息。

第三层是搜索动机数据。搜索再定向是个用于发掘新客户的技术。它的出现让我们能够发掘出那些很可能会购物的用户，因为他们已经开始搜索与广告主产品相关的信息了。那些具有高商业价值的数据可以进一步被筛选出来，广告主可以将具有高购买意愿的人们再定向到自己的产品信息上来。

而位居数据金字塔顶端的是站内客户数据，这指的是用户在广告主网站上的用户行为数据，包括了用户浏览的页面，下载的信息，以及加入购物车的商品等数据。网站用户通常是那些已经了解过品牌并且对公司也熟悉的一群人。

对于广告主来说，金字塔四层的数据都独具价值。举例而言，广告表现数据是每个广告主都首先会关注的信息，因为这些信息在大多数广告管理平台和广告交易平台都能轻易获得的。同时，那些与用户需求和偏好相关的数据，能够助力广告主更好地实现精细化营销。因此，要想针对性地影响消费者购买路径的每个过程，我们就需要把这四层的数据分析整合，才能制定一个更全面的营销方案。

以下，我们将分享一个真实的案例，让广告主明白应当如何打通各层数据，制定覆盖消费者购买路径的精准定位的营销方案。

案例分享

背景：爱点击的客户，国内最知名的电子商务网站之一，希望能提高ROI(投资回报率)和线上交易数量

挑战：客户已经使用了网站再定向技术来实现一个较好的ROI，但是，从再站内定向所带动的交易数量开始有下降的趋势。

优化策略︰利用多重数据的整合，提升转化漏斗每一阶段的人群数目，以提升总转化量

第一步：网站再定向

广告主会发现网站内再定向带来的购买转化量有限，这是因为大部份广告主只会再定向曾经将商品加入购物车的访客。要想提升网站再定向的效果，最优的方法是根据用户浏览过的页面进行属性分类，并呈现具有针对性的内容。具体参考下图：

有了全面的追踪和分类，再定向受众数量的基数大幅增加。在短短两个星期内，交易数量显着提升，尤其是来自老访客的成交量更是大幅提升44%。

第二步：搜索再定向(search retargeting)及购买第三方受众分类数据

一方面，再定向可以有效地召回老访客，增大重复进入网站及购买的可能性。但同时，广告主还应该考虑怎么能增加新访客，以保证转化漏斗有足够的新增流量。

首先，我们利用搜索关键词捕捉有兴趣的用户，然后储存有关的用户数据，最后，在交易平台上将合适的广告呈现给该用户。此外，我们还会关注第三方受众分类数据中那些有着同样行为特征的用户信息，整合在一起进行精准投放。

在进行搜索再定向及购买受众数据后，新客户所带来的成交大幅度上升254%，广告效果花费CPA下降29%，同时增加该网站整体的浏览量。

第三步：利用机器学习(Machine Learning)进一步扩大客户的数量

用户来进行定位广告投放。XMO的算法可以对比客户的CRM消费者数据与第三方受众数据，并预测出哪些网络用户会有特定的购买倾向。在这个案例中，XMO能通过机器学习来不断产生新的受众，平均每周能够细分出一个有着230万样本的人群。通过将广告投放到我们已有的目标受众群和由机器学习锁定的新目标受众，我们可以看到非常喜人的广告效果，虽然CPA轻微上升14%，但新客户成交量大幅增长26%说明了机器学习能有效地为广告主发掘新客户。

什么是机器学习(Machine Learning)?(摘自维基百科Wikipedia)机器学习是人工智能的核心，根据数据或以往的经验，通过设计算法来模拟背后机制和预测行为，并获取新的数据。这是一个重新组织已有的知识结构使之不断改善自身性能的过程。研究者可以

通过机器学习来抓取现有数据的特征来预测未知的概率分布，找到新的具有相同特征的数据并加入库中。机器学习中最关键的就是开发出能智能识别复杂模式并能智能化决策的算法。

观点总结

多渠道数据的整合可以在两方面帮助广告主提高广告表现。

大数据营销论文篇6

以大数据资源为依托，建立以数据分析为驱动的、包括方案策划、目标客户选取、营销事件捕捉、商机把握、营销匹配、多波次营销、渠道执行与效果评估等环节在内的微营销框架等，图1为相应的应用基础架构图。

2.2客户事件感知

构建事件处理域，通过对数据源采集，及时的规则库匹配，内存数据库及流计算技术的引入等，以实时模式，识别客户事件，保障及时准确的触发营销活动。事件处理中心以实时与非实时两种方式对事件源数据进行采集，通过预先预定义的事件规则，从事件数据源获取数据后，进行事件标准化处理，并反馈给营销管理模块的事件策略解析引擎进行解析，从而支撑事件营销工作，支持业务办理、业务使用、自助系统接触、周期性事件、互联网使用、位置行踪、电子渠道、社会事件、热线接触事件、周期性事件等10大类50个小类的事件采集处理能力：（1）业务办理：指用户进行公司业务办理以及办理之后的衍生信息所触发的一系列事件，如终端换机、捆绑到期、流量套餐升级、用户缴费等；（2）业务使用：指用户对于公司提供业务服务的使用（不包括互联网内容）所触发的一系列事件，如语音通话、短彩信发送、流量消耗以及由此带来的相应费用波动等；（3）自助系统接触：指用户对于非网厅的自助业务系统的访问使用，包括营业厅叫号机、自助终端的使用等；（4）周期业务事件：指公司周期性固化进行，非用户主动发起的业务操作，如日月帐出账、管理性质的停机操作等；（5）互联网使用：指用户进行互联网访问，由其访问内容所触发的一系列事件，自有内容如手机游戏、手机视频、门户网站的访问和使用，公共内容如各类内容网站的搜索及访问、各类内容应用程序的使用等；（6）位置行踪：指用户的行踪轨迹涉足城市乡镇的各种生活行为区域，或者公司业务区域所触发的事件，如进入生活区、进入医疗区、进入营业厅等；（7）社会事件：指具有广泛社会性质的，较为普遍的共性事件，如节假日、演唱会或流行节目演出等。（8）用户事件：指用户终端行为所产生的事件，如用户开/关机、用户拒接、用户被叫无法接通、用户被叫无人接听、用户正在通话中等。（9）电子渠道访问：指用户访问电子渠道（网厅、手机营业厅APP、掌厅WAP等）所产生的行为，如登陆、访问URL，搜索关键词等。（10）实体渠道接触事件：指用户当到达自营厅、社会渠道等实体渠道进行缴费、业务办理等。

2.3客户标签体系

客户标签以客户的资料、行为、偏好分析结果为基础，直观描述客户的基本特征其偏好情况，为4G发展、家宽营销、存量经营、流量经营等重点应用提供客户层面的信息支撑。为方便对客户标签进行检索和应用，客户标签库对标签进行分类管理。标签体系中包括两级分类：一级分类从基础属性、业务特征、消费价值特征、营销活动偏好、终端偏好、渠道偏好、互联网内容偏好、增值业务数字内容偏好、服务偏好等方面考虑，一级分类下设二级或更多级的分类。有效掌握和利用客户标签，不仅能够全面掌握客户移动生活特征，感知客户的行为变化，实时或非实时地执行运营动作和营销生产动作，以支持市场工作开展，还能支撑商业模式的拓展，面向未来探索和开辟新市场。

2.4渠道运营位集中管理

营销渠道是最终向客户展示营销内容的媒介载体，包括手机营业厅、APP类渠道（包括自建和他建APP）、公众号、10086外呼、CRM、短厅、电话经理、网厅、飞信、WAPpush等沟通渠道，不同渠道还需要细化具体运营位。手机营业厅：对手机营业厅用户提供个性化推荐功能，并在手机营业厅上完成业务办理操作。具体展位可包括首页条幅、首页楼层、热销页等运营位。APP类渠道：对APP用户提供个性化推荐功能，并提供业务办理的.跳转功能。具体展位可包括首页条幅、首页楼层、热销页等运营位。微信：对中国移动官方公众号用户提供个性化推荐功能，自建的公众号还需要提供业务办理功能，他建的公众号提供业务办理的跳转功能。具体展位可包括消息推送、菜单页面等运营位。10086外呼：对10086外呼用户提供个性化推荐功能，记录并返回用户接通、推荐反馈、业务办理等信息。

2.5线上营销多维度的营销评估能力

营销一方面需要优化推荐方式，另一方面也要对推荐的过程和后期的效果进行跟踪，以便对推荐策略进行优化，提高推荐的成功率。微营销平台通过建立端到端的用户体验分析系统，整合渠道插码数据和CRM、BOSS数据，实现全渠道营销效果分析，通过对用户端到端体验的分析和最终销售结果的监控跟踪，准确获取推荐的效果，分析推荐过程的不足，起到推荐策略优化的作用。在全方位多维度营销效果评估方面，营销效果评估通过从产品、渠道、地域、人员等维度对营销活动进行分析，综合插码技术获得的数据及BOSS、CRM业务订购、话单、账单数据，对各渠道开展的实时和非实时营销的活动效果进行评估。评估内容包含营销活动总体情况评估、营销接触评估、转化率评估、活动效益评估、参与客户群跟踪评估等内容。活动总体评估：从多个维度（渠道类型、流量来源、地域、运营位以及客户属性等维度）对营活动的总体执行情况进行评估。如：营销用户数、响应客户数、响应率、目标达成率、活动渗透率、活动情况对比等指标。活动效益评估：从活动投入的营销资源成本（话费补贴成本、终端补贴成本、广告宣传费、电子券、积分等）与活动收益进行评估。参与客户群跟踪评估：对目标客户群进行营销前后关键指标的跟踪，通过对比分析营销效果情况。如：营销目标（业务KPI）完成对比分析、传统推荐营销方式和互联网主动推荐营销方式效果对比分析等。营销反馈信息包括：是否接触、是否响应、是否办理等。是否接触：营销信息是否发送给客户。是否响应：用户是否回复短信或者点击推荐链接。是否办理：是否订购推荐产品。各省可根据需求丰富反馈信息数据源，如是否感兴趣、建议和意见等。

3结语

基于大数据分析的市场营销运营体系，在实际的应用中，提高了互联网背景下企业服务营销管理的主动性，精确性和互动性，有效地促进了整体市场目标的达成。同时，在微营销体系的建设和应用过程中，公司注重从理念、平台、机制、运营等各方面进行创新，提升了企业创新能力、团队合作能力、资源整合能力及企业员工的职业素养，营造了良好的市场营销氛围。接下来，将面向全省的所有地市分公司，推广与应用该市场营销体系。

参考文献：

[1]廖娅妮.华为公司市场营销战略研究[D].西南交通大学,.

[2]官思发,孟玺,李宗洁,刘扬.大数据分析研究现状、问题与对策[J].情报杂志,(5).

浅谈大数据与精准营销篇7

目前,大数据还没有普遍认可的定义。一般认为大数据是一种通过信息处理观察世界的新方法,数据量已进入到ZB( 1TB = 1024GB,1PB = 1024TB,1EB = 1024PB,1ZB = 1024EB) 时代,海量的数据将对各个产业产生巨大的影响。大数据中的“大”是其标志,是对总体进行分析,并不是抽样调查,通过海量数据的追踪分析,从宏观的环境去观察微小的个体,正是这种精确定位,提高了企业的生产效率,为人类创造更高价值。

Netapp公司指出大数据应该包括三个方面,即分析( Analytic) 、内容( Content) 和带宽( Bandwidth) 。大分析是指通过对大数据的宏观分析带来新的商业视角,为企业提供新的客户信息,从而提高生产效率; 大内容一方面指总体海量的数据,另一方面指处理数据的信息技术高,能轻松实现数据的使用和安全管理; 高带宽指能准确高效地追踪处理海量的数据。

Google公司指出大数据具备四个特征,简称“4V”,即数据体量大( volume) 、类型复杂( variety) 、价值密度低( value) 、速度快且时效高( velocity) 。数据体量大是指数据量达到10TB以上,互联网的普及,智能工具的推广,通讯工具的使用,通过数据把人们的行为记录下来,海量数据中含有大量的信息,企业可以从中提取有用信息。类型复杂: 海量数据只包括结构化和半结构化数据,而大数据还包括非结构化和交互数据。价值密度低: 庞大的数据量中,隐藏的有用信息却不多,需要提高分析数据的能力。速度快及时效高: 人的行为在变,数据也是动态变化的,这是大数据的一个重要特征。

二、大数据时代的营销变革

处在信息爆炸的时代,流式数据呈指数增长,庞大的数据可以分析消费者的行为,提供了一种新的营销思维,带来了营销的变革。

( 一) 营销理念的变革

大数据是一个镜像世界,它与现实世界相连,不仅记录人们的行为轨迹,还包括人们的情感与生活习惯。以前的营销理念是根据顾客的基本属性,如顾客的性别、年龄、职业和收入等来判断顾客的购买力和产品需求,从而进行市场细分,制定相应的产品营销策略,是一种静态的营销方式。大数据时代的到来,企业通过数据挖掘消费者的兴趣爱好和行为习惯,能够精准预测顾客的需求,从而实现以客户生命周期为基准的精准化营销,这是一个动态的营销过程。这种营销理念的转变为企业创造巨大利益的同时也方便了消费者。如,在以有线数字电视互动双向网络为支撑、以数字电视终端为介质的家庭信息平台建设中,记录用户行为和反馈信息的数据通过数字电视终端传达给企业,企业可以深入分析数据得出有价值的信息,针对性地进行广告投放、媒体宣传,实现精准化营销,结合物联网以及物流配送体系,形成一个高效、方便和完整的营销过程。

( 二) 营销方式的变革

大数据是营销活动中的“显微镜”和“导航仪”,帮助企业筛选重点客户,开发新领域,挖掘用户的潜在需求。大数据带来营销方法的变革,主要表现为: 1. 以客户生命周期为依据对顾客进行动态细分,确定重点客户。如酒店行业存在“二八定律”,即80% 的企业利润由20% 的客户创造,20% 的利润由剩下的大多数客户创造。大数据可以帮助企业在众多用户群中筛选出重点客户,利用某种规则关联,确定企业的目标客户。2. 开发新领域,挖掘需求潜力。大数据的一个巨大创新就是可以通过对海量数据的处理,了解客户的消费习惯,发现关联规则,开发新市场,进行产品创新甚至是定制化营销。3. 动态的数据追踪可以改善用户体验。企业可以追踪了解用户使用产品的状况,做出适时的提醒,比如食品是否快到保质期; 汽车使用磨损情况,是否需要保养维护。流式数据使产品“活”起来,企业可以随时根据反馈的数据做出方案,精准预测顾客的需求,提高顾客生活质量。4. 检测营销环境。企业可以通过本行业数据确定自身在行业中的竞争力,监测竞争对手的行为,提前预测行业走向。对大数据分析可以监测品牌传播效率,找准营销方向。如《小时代》电影预告片投放后,通过大数据分析得知其主要观众群为“90后”女性,因此后续的营销活动主要针对这些人群展开。分析大数据还可以预知品牌危机,找准传播途径,遏制危机源头和关键节点,及时高效解决问题。

三、大数据时代下的精准营销

( 一) 精准营销的涵义及特点

精准营销理论最初由菲利普·科特勒提出,是营销理论发展的必然产物。在4Cs理论、市场细分理论和顾客让渡价值理论的基础之上,提出精准营销就是利用信息技术和数据处理技术对客户进行精准的细分,实行一对一的准确营销,提高顾客让渡价值,充分满足客户的个性需求。著名学者徐海亮提出精准营销包括五个体系的内容: 精准的市场定位体系、适合一对一的集成销售组织、与顾客建立个性传播沟通体系、顾客增殖服务体系和提供更适合顾客的产品。只有这五个体系相辅相成,企业才会实现个性化精准营销,利于企业低成本扩张,实现可持续发展。

精准营销最大的优点在于“精准”,在市场细分的基础上,对不同消费者进行细致分析,确定目标对象。第一,精准的客户定位是营销策略的基础; 第二,高效、投资高回报的个性化沟通是精准营销的又一大特点,过去营销活动面对的是大众,目标不够明确,沟通效果不明显,精准营销是在确定目标对象后,划分客户生命周期的各个阶段,抓住消费者的心理,进行细致、有效的沟通; 第三,精准营销为客户提供增值服务,为客户细致分析,量身定做,不必进行商品的挑选,节约了客户的时间成本和精力,同时满足客户的个性化需求,增加了顾客让渡价值; 第四,发达的信息技术有益于企业实现精准化营销,“大数据”和“互联网 + ”时代的到来,意味着人们可以利用数字中镜像世界映射出现实世界的个性特征。这些技术的提高降低了企业进行目标定位的成本,同时也提高了对目标分析的准确度。

( 二) 大数据下的精准营销

1. 互联网广告颠覆性创新———实时竞价( RTB)

在淘宝上搜索过连衣裙,无论在哪里登陆都会看到连衣裙广告,这种精准的广告投放大大提高了市场接受率。RTB智能投放系统的操作过程简单地说就是用户浏览网页时会发出访问请求,该请求信息会在数据库进行比对,推测出来访者的身份和偏好,然后发送到后方需求平台,有广告商竞价,出价最高的企业可以把自己的广告瞬间投放到用户的页面上。整个过程只需0. 1秒就可以完成。RTB运用Cookie技术能够记录用户的网络浏览痕迹和IP,运用大数据技术对海量数据进行甄别分析,得出用户需求信息,向用户展现相应的推广内容。这种智能广告投放能精准地确定目标客户,显著提高广告接受率。在美国接近90% 的广告投放采用RTB,其具有巨大的商业价值和广阔的应用前景。

2. 利用大数据挖掘的新方向———交叉销售

“啤酒与尿布”是数据挖掘的经典案例,在海量数据中含有大量的信息,企业建立一个完善的信息管理系统,通过对数据的有效分析,可以发现客户的其他需求,制定套餐服务,可以通过互补型产品的促销,为客户提供更多更好的服务。如银行和保险公司的业务合作、通信行业制定手机上网和短信包月的套餐等。

3. 运用大数据分析的成功案例———视觉雅虎

进入雅虎网站,映入眼帘的是最上方目前正在浏览的用户数量,从跳动的数字感受到雅虎实时动态监测,左侧栏是性别和年龄的选择,右侧栏是新闻、娱乐、时尚和金融等分类。选择不同的年龄和性别,都会出现这个群体普遍感兴趣的内容,雅虎利用了大数据处理技术,为每个用户量身打造“首页推荐”,提高了用户忠诚度。雅虎透露它的核心业务大多数与大数据分析相关,从搜索、购物到广告投放。雅虎找出隐藏在海量数据中的用户的兴趣和需求,进行精准定位,实行智慧化服务,达到事半功倍的效果。

“大数据”和“互联网 + ”时代的到来,给企业开辟了一个新天地,激发企业的创新能力,可以让企业更准确地了解客户兴趣,更有效地挖掘客户需求,提高企业价值。同时,企业面临着新的挑战,还需要解决提高数据处理技术和辨别数据真伪等难题,企业既要努力创新,跟随时代潮流,又要不断加强协作,增强挖掘数据的能力。

摘要：随着“大数据”和“互联网+”时代的到来,为企业营销提供了一种全新的思维方式,大数据具有体量大、类型复杂、价值密度低、速度快和时效高等特点,促进了营销理念和方式的变革,企业通过现代信息技术挖掘隐藏在海量数据中的消费者信息,更准确地了解客户兴趣,有效地挖掘客户需求,实现了实时竞价(RTB)、交叉销售等精准营销。

关键词：大数据,精准营销,数据价值

参考文献

[1]万红玲.大数据时代下的精准营销[J].新闻传播,2014(1).

[2]徐云.大数据时代烟草精准营销方法研究[J].企业研究,2014(2).

[3]李巍,席小涛.大数据时代营销创新研究的价值、基础与方向[J].科技管理研究,2014(6).

大数据颠覆传统营销篇8

那么，大数据是否已经在颠覆传统的营销模式？企业走向大数据营销有哪些关键的课题和挑战？我们听一下《大数据营销》作者丽莎·亚瑟的观点。

记者：在您看来，传统营销范式是否正在被颠覆？

丽莎·亚瑟：是的，我认为大数据、数据分析、整合营销正在并将继续颠覆传统的市场营销理念。在向数据驱动型企业转型过程中，营销部门首当其冲，毋庸置疑，大数据将颠覆传统营销模式。

其中，客户体验的变化最大，因为打造客户体验的营销方式更加精细、合理。依托当前技术，营销人员可推送真正个性化的营销信息，并基于数据驱动型市场洞察力，了解消费者的真实需求，以及时发出具高度相关性的有效提案。

而且，数据质量越高，就能从中获取更多的数据，无论是企业内部还是外部，更多数据不断从各种渠道汇聚而来；现在，数据已经不再仅仅属于营销部门。借助企业级大数据分析能力，结合整合营销解决方案，通过整合营销云可在全球范围内实时制定、管理、广泛部署数字化多渠道营销活动，并监测活动效果。

虽然直寄邮件广告、呼叫中心和电视广告等传统营销方式仍是营销方案的重要组成部分，但这些方式也在不断完善，且更具个性化。例如，电视节目可以实时互动；呼叫中心的工作人员也可以实时查看某一客户关系的历史记录；而直寄邮件广告也可像网站广告一样，实现精准投放。从根本上讲，这些重大转变都要归功于不断激增的数据，以及能充分发挥数据作用的强大数据分析能力。为提升客户关系价值，利用数据分析及应用了解数据，是未来市场营销的大势所趋。

记者：展望未来，您认为营销生态圈的演进变化有哪些趋势值得关注？

丽莎·亚瑟：我认为，WPP集团和OMNICOM这类跨国营销服务公司依旧具有举足轻重的地位和深远的影响力。一直以来，它们不仅通过并购，还紧随最新技术趋势，来提升自己的服务能力。我认为大数据时代也不会例外。全球企业仍将需要并重视客观的意见和咨询服务，并将大部分营销工作外包给可信的第三方机构。

专业互联网公司和数字营销服务供应商如雨后春笋般涌现，反映出我称为“数据驱动型经济”的发展趋势。数字营销应用在不断完善；数据及数据分析能够帮助我们不断加深对市场的了解；而数据可视化则是艺术与科技的完美结合。我希望所有这些数据技术不断向前发展，但是消费者对个性化和透明度的期待，才是推动市场变革及促成强强联合的原因所在。有一点我们都要牢记于心：经济的繁荣应以人为本，而非数据、系统或机器。时尚潮流和技术趋势一样总是变化多端的。但万变不离其宗，市场营销的意义总在于帮助企业更好地服务客户。

记者：大数据营销对于B2B企业和对于B2C企业的意义有哪些异同？

丽莎·亚瑟：就大数据和数据驱动型业务整体而言，B2B和B2C公司之间的传统界限越来越模糊，其中的相似点多于不同点。B2C公司过去的客户数据全部来自营销部门。但现在“客户数据”的定义更加宽泛，是指来自财务、销售、IT、客服、支持等所有部门的客户数据。B2C公司可利用所有数据建立“客户模型”，帮助他们更好地服务每位客户。而B2B公司同样采集分析各部门数据，用以提升与公司客户的关系。B2B企业和B2C企业不同之处只是表象，其内部软件和系统大致相同——将数据存储于数据仓库中，并通过分析解决方案了解数据，再通过整合营销应用系统与客户进行沟通交流，并了解客户取得成功的原因。

记者：对于有意向利用大数据升级自己的营销体系的企业，要做好哪些方面的准备，如何逐步实施变革？

丽莎·亚瑟：真正成为数据驱动型企业，首先应从市场营销入手。在我编写的《大数据营销》一书中，列出了转型为数据驱动型市场营销需要实行的5个步骤：

第一步：智慧化，讲战略

（Get Smart， Get Strategic）

市场营销、销售、IT部门及全体高管应统一战略。这一战略必须围绕核心业务目标，并且面面俱到，以下五大方面缺一不可：客户互动、分析、数据、组织变化和技术。

第二步：打破隔阂

（Tear Down the Silos）

Teradata公司近期调研显示，在超过2200位受访营销人员中，大多数人认为内部和外部的营销隔阂是他们高效营销活动的绊脚石。《福布斯观察》相关研究报告也证明了这一点。营销人员比任何时候都更需要与IT部门进行跨部门合作。

第三步：解开数据毛球

（Untangle the Data Hairball）

若公司未准备好处理多个信息源的信息，将会导致互动、应用、数据和流程的堆积，形成杂乱的数据环境，我将其称之为“数据毛球”。我们的调查显示，混乱的数据环境导致仅有18%的营销人员会使用单一视图查看客户互动。营销人员需要在企业各部门开展小型试点项目，以便解开每一条线上的绳结。

第四步：指标至上