大数据营销策略优化

1.大数据营销的定义

随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。基于这个趋势，大数据、云计算等新概念和新范式广泛兴起，大数据营销引领着新一轮的互联网风潮。

大数据营销是指在通过互联网采集大量的行为数据的基础上，描绘、预测、分析和指引消费者行为，从而帮助企业制定有针对性的商业策略。

大数据营销依托多平台的大数据采集以及大数据技术的分析与预测能力，能够使营销更加精准有效，给企业带来更高的投资回报。大数据营销的核心在于让营销信息在合适的时间，通过合适的载体，以合适的方式，投给合适的人。

2.大数据营销的特点

1）多平台化数据采集

大数据的数据来源通常是多样化的，多平台化数据采集能使对网民行为的刻画更加全面而准确。多平台采集的数据可包含互联网、移动互联网、广电网、智能电视，未来还有户外智能屏等载体的数据。

2）强调时效性

在网络时代，网民的消费行为和购买方式极易在短时间内发生变化，因此在网民需求欲望最高时及时进行营销非常重要。全球领先的大数据营销企业Ad Time对此提出了时间营销策略，它通过技术手段充分了解网民需求并及时响应每一个网民的当前需求，让网民在决定购买的黄金时间内及时接收到商品信息。

3）个性化营销

在网络时代，企业营销理念已从“媒体导向”向“受众导向”转变。以往的营销信息须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，企业以受众为导向进行营销，因为大数据技术可让企业知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同。大数据营销实现了对网民的个性化营销。

4）强调关联性

大数据营销的一个重要特点在于网民关注的内容与营销内容之间的关联性。由于大数据在采集过程中可快速得知目标受众关注的内容以及可知晓网民身在何处，这些有价值信息便于企业编辑高度关联信息进行传播。

3.大数据营销的优点

1）营销结果的可衡量性与可测试性

运用数据库，企业可以测试产品、沟通媒介、目标市场等方面的有效性。由于测试可以快速进行，所以企业可以根据测试结果采取及时的行动。另外，消费者对于某项营销活动的反应也是可衡量的，这使得企业可以比较不同营销方法的有效性。

2）目标市场的选择性与营销活动的针对性

运用数据库，企业可以为某项营销活动选择精确的目标客户。同时，选择在恰当的时间，策划针对性的营销活动，从而增强活动效果及客户的反馈率。

3）目标市场的细分与客户信息分析

运用数据库，可以细分不同产品的目标市场，并能够更加了解自己与竞争者的经营状况。同时，利用目标客户信息（客户特征、消费行为、客户满意度等）的分析与研究定位传播渠道、策划营销方案及发展策略。

4）客户沟通的个性化与老客户的关系维护

企业可以针对每个消费者采取个性化的沟通形式和内容，提高客户满意度，增加反应率，同时建立品牌忠诚度。

5）企业营销支出更有效益

运用数据库，针对精确的目标客户进行营销活动，改变了传统大众营销的营销模式，以精确营销为手段，降低成本支出，提升营销效益。

4.大数据营销的缺点

（1）大数据营销中所依赖的数据，往往是基于Hadoop架构分类的静态人群属性和兴趣爱好常量，这导致了大数据营销在本质上很难以去控制和捕获用户的需求。

（2）信息无底线地泄露。不法公司利用Cookie跟踪采集用户个人信息，并转卖给网络广告商，形成了一条窃取用户信息的灰色产业链。

（3）云计算安全有待提高。云计算存在以下安全威胁：

①黑客威胁。用户数据存放在云盘中，如果黑客破解了用户存放路径，将会在用户毫不知情的情况下下载用户数据。

②云服务商威胁。如果云服务商窃取用户数据该如何防范？如果银行利用云计算计算客户账户，如何防范银行员工偷窥银行数据？(www.xing528.com)

以上威胁目前尚无真正解决办法，这也是限制云计算发展的重要瓶颈。

5.大数据营销的基本过程

大数据营销过程与过去的数据分析过程基本没有差别。但在定义商业问题之后，在采集和处理数据、建模分析数据、解读数据三个层面的具体做法却与传统不一样。

1）数据层：采集和处理数据

传统采集数据的过程一般是有限地、有意识地、结构化地进行数据采集，例如问卷调研形式采集到的数据一般与预期相一致，数据的结构化较好，一般的数据库MySQL甚至Excel就能满足数据处理需求。而互联网时代，大数据的采集过程基本是无限的、无意识的、非结构化的，各种纷繁复杂的行为数据以行为日志的形式上传到服务器，需要采用如Mapreduce等专属工具。

2）业务层：建模分析数据

关于使用的数据分析模型，例如基本统计、机器学习、数据挖掘的分类、聚类、关联与预测等算法，传统数据和大数据的做法差别不大。例如银行、通信运营商、零售商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。但是由于数据量的极大扩增，算法获得极大优化提升的空间。

3）应用层：解读数据

数据指导营销最重要的是解读。传统上一般是定义营销问题之后，采集数据、构建模型或分析框架、分析数据、验证假设、进行解读，解读的空间是有限的。而大数据提供了一种可能性：既可以根据营销问题，封闭性地去挖掘对应数据进行验证，也可以开放性地探索，得出一些可能与常识或经验判断完全相异的结论出来，数据可解读点变得非常丰富。

6.大数据营销的主要价值

1）用户行为与特征分析

只有积累足够的用户数据，才能分析出用户的喜好与购买习惯，甚至做到“比用户更了解用户自己”。这一点才是许多大数据营销的前提与出发点。

2）精准营销信息推送支撑

“精准营销”总在被提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据的支撑及详细准确的分析。相对而言，例如现在的实时竞价（Real Time Bidding，RTB）广告等应用则展示了比以前更好的精准性，而其背后即是大数据的支撑。

3）引导产品及营销活动投用户所好

如果企业能在产品生产之前就了解潜在用户的主要特征以及他们对产品的期待，那么产品生产即可投其所好。

4）重点客户筛选

令许多企业家纠结的是：在企业的用户、好友与粉丝中，哪些是最有价值的客户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与本企业相关；从用户在社交媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。

5）客户分级管理支持

面对日新月异的新媒体，许多企业通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像的各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。

6）市场预测与决策分析支持

对于数据对市场预测及决策分析的支持，早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是大数据对数据分析与数据挖掘提出了新要求。更全面、更及时的大数据必然对市场预测及决策分析迈上新台阶提供更好的支撑。

7）品牌危机监测及管理支持

新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。

大数据营销应用例子之一就是电视剧《纸牌屋》。一部《纸牌屋》凸显了大数据的力量和价值。《纸牌屋》的数据库包含了3 000万用户的选择、400万条评价、300万次的主题搜索。最终，拍什么、谁来拍、谁来演、怎么播都由数千万观众的喜好统计分析结果决定。从受众洞察、受众定位、受众接触、受众转化到受众反馈，每一步都是由大数据指导完成，从而实现大众创造的C2B，即由用户需求决定生产。

【注释】

[1]在中国大陆地区，当前Google暂不能登录。

[2]截止时间：2015年9月22日。