大数据时代的消费者洞察

大数据时代的消费者洞察

孙予加（柳莺）

阿里巴巴集团，产品经理

负责数据产品“淘宝指数”和“全景洞察”

摘要：随着互联网和移动设备的普及，用户留下的痕迹越来越完整，越来越丰富，互联网就像是一个巨大的模子把每一个人完整的印在上面，从吃穿住行到心情状态，从社交娱乐到日常工作，事无巨细的保留在网上。如果把一个人遗留在各种网站和APP上的点点滴滴串起来，就能还原这个完整的人。本文探讨了大数据时代消费者研究和社会研究领域将面临的变革，并通过数据产品“淘宝指数”和“全景洞察”向研究者阐述已经发生的未来。

关键词：大数据、社会学研究、消费者研究、数据挖掘、算法模型、淘宝指数、全景洞察

1.消费者研究领域的新纪元

这个时代是研究“人”最好的时代。传统的线下用户调研模式将面临巨大的冲击，因为传统问卷调研面临成本高、周期长、样本量小、难以迭代等问题，在大数据时代自然化解了。利用线上数据进行消费者研究将取代传统的传统问卷调研，并成为主要趋势。社会学研究和商业研究将会迎来一个新的时代。

如何从海量的繁杂无序的原始数据中提取出有价值的信息，数据挖掘技术是至关重要的角色。例如，网购收货地址结合登录IP地址的场所识别（学校、医院、写字楼、小区、政府机构、工厂、商场等），再结合上网时间地点（白天还是晚上、工作日还是周末）；通过算法模型就可以判断出一个人的工作地点、住宅小区、身份职业等信息。另外，结合消费特征、APP偏好，以及社交网站的言论、关注点和公开的身份信息，通过算法模型基本可以判断出每个人的性别、年龄、身高体型、消费能力、学历学校、兴趣爱好（摄影、户外、园艺、钓鱼、打牌、运动，甚至细化到旅游的地点和运动的类型，如跑步、足球、篮球、游泳、舞蹈、瑜伽、骑马等）、风格品味（偏好的品牌和格调）、影视偏好（喜欢的电影、电视剧和音乐风格，追的明星和导演）、生活习惯和状态（单身、热恋还是已婚；是否有孩子、孩子的年龄段；是否有宠物、宠物的类型和品种；是否有房有车、小区档次和车的品牌型号；是否和父母同住、一家几口住在一起）。这些数据只是冰山一角，百度的搜索行为数据结合地图定位信息，以及腾讯完整的社会关系网数据，大数据时代的未来充满想象。

很多人可能开始担心数据安全的问题，据我所知BAT对数据安全的措施是极其严格的，阿里云的数据安全级别超过欧洲最高标准。另外，所有和人有关的数据是经过严格加密的，只有机器才能识别；而个人只能看到一串无法识别毫无意义的代码。想要得到个人的隐私数据是根本不可能的。

2．大数据洞察全景

大数据时代的特点是数据的全面、丰富、深度和联接。不仅可以看到各个行业各种维度的数据，数据之间还能打通和联接，能够去发现事物背后的关联。真正的“大数据时代”是从全景到洞察，再到行动，是一整套体系的建立。

基于此信念，创造了一款数据产品命名为“全景洞察”，用于帮助品牌商进行商业决策的高级研究工具。其特点在于，数据的深度和宽度，可从各种角度切入，深入的研究消费者特征和行为，对现象背后的原因进行深度分析。作为“全景洞察”的产品经理，相信它将会对研究领域产生颠覆性的影响。

“全景洞察”有丰富的数据源、非常细的数据颗粒度（可无限交叉细分）、可视化的数据展现和自由灵活的数据分析方法，可进行深度的分析和数据挖掘。数据分析的结论可落地到行动上，不仅仅是为了研究而研究。在“全景洞察”中可自由选择需要的数据分析方法（如下图），以及任意的数据维度进行对比、交叉和关联分析，上亿条数据瞬间计算完成，在0.1秒内以可视化的方式呈现，呈现后可继续细分进

行深度的分析。

2.1用“全景洞察”建Persona

背景：某轻奢侈品女包品牌希望用互联网的数据做品牌定位，绘制目标人群完整的肖像，制定营销策略。（该案例为真实案例，已隐去品牌名称。）

第一步：绘制购买该品牌包初步的消费者画像（人口特征），确定目标人群。

人口特征维度交叉组合，看哪类人对该品牌包有明显的倾向，通常有1-3类人。（如果没有明显的人群倾向，说明该品牌定位不准，需要明确品牌定位）

第二步：细化目标人群，对目标人群进行深度分析，挖掘消费者需求，绘制完整画像。

可以通过该人群在各个行业下偏好的品类、品牌、价位段、属性、商品特征来绘制完整的人群画像，从吃穿住行到社交娱乐，深度了解目标人群才能把握其核心需求。

第三步：如果该品牌有多个细分人群，针对每个人群设计定制化的营销方案。

对最合适的人群推最合适的商品/服务，说最打动他们的话，用最合适的营销方式，在恰当的时间和地点。

首先，挖掘该女包品牌消费者特征。将各种人口特征维度交叉组合反复尝试，找到特征最显著的组合维度，然后圈出偏好度最高的几类人群，如下图所示。

如下图，该女包品牌主要有三类目标人群。高消费的女性（白富美）、高消费的男性（高富帅）和偏高消费的一二线城市25-40岁女性（大城市轻熟女）。

其中“白富美”对该女包品牌的偏好度最高，是该品牌的核心目标人群。

通过“全景洞察”看这三类目标人群的消费偏好（品类、品牌、产品属性、价位段、搜索词等）和生活形态（上网时间、网站、关注点、视频等）。抽象人群特征建立这三类目标人群的角色模型（Persona）如下图所示，他们代表了真实的人群。通过描述人物角色的行为模式、生活习惯和品味、所处状态和环境等信息，来还原这些鲜活的真实的目标人群，让团队中的每一个人都能直观的感受到他们，针对性的设计最优营销策略，提供最好的服务。

角色一（喜欢买该品牌女包的白富美画像）

角色二（喜欢买该品牌女包的高富帅画像）

角色三（喜欢买该品牌女包的大城市轻熟女画像）

目标人群的完整肖像绘制完成后，针对目标人群进行品牌包装和设计一整套的市场营销策划（找对人，说对话，做对产品和服务）。

“全景洞察”从消费者洞察到品牌定位，再到营销创意和行动，提供一整套的解决方案。

2.2用“全景洞察”做深度的消费者研究

2.2.1消费者认知和需求

“全景洞察”可以帮助品牌商了解某品类在消费

者心中的认知和需求，以及本品牌和竞争品牌在消费

者心中的认知差异。

搜索行为是消费者的主动行为，可以反映大量

有价值的信息。右图为“巧克力”品类的来源搜索词，

通过消费者的搜索关键词可以基本判断出，消费者对

“巧克力”的认知和需求。

从图中可以解读出如下信息。

·消费者喜欢“进口”巧克力

·“费列罗”的品牌知名度最高，其次是“德芙”

和“好时”

·巧克力在消费者心中的定位是“零食”

·“巧克力礼盒”的搜索量很大，消费者有旺盛的

送礼需求

·消费者对巧克力口味的需求依次是“燕麦”“松露”

“酒心”

下图为消费者在购买品牌巧克力时的来源搜索

词，反映了消费者对各个品牌的认知和需求。

·消费者喜欢买“好时”作喜糖，买“费列罗”当礼品。

·“士力架”在消费者心中较廉价，消费者喜欢“包邮/批发/散装”的“士力架”。

·“德芙”的“礼盒装”和“散装”都很收欢迎；说明消费者即有送礼，也有自己吃。

2.2.2消费者行为分析

“全景洞察”中的“竞争网络”可以帮助品牌商了解自己的直接竞争对手是哪些品牌，进行战败分析。下图为巧克力品牌的竞争格局，是通过消费者的对比行为来发现品牌之间的关联。

根据消费者的点击对比行为，将巧克力

主要品牌聚成以下三大类。

·德芙、费列罗、乐天、好时

（中心品牌：德芙）

·巧罗、卡可天、诺梵、德菲丝

（中心品牌：巧罗）

·麦德好、糖客、雅伯

（中心品牌：麦德好）

市场格局分析：

·“德芙”和“费列罗”是强竞争关系，经

常被消费者同时对比，对比后更可能去买德

芙。

·“乐天”销量特别高，但很少被对比，说

明“乐天”在消费者心中有独特的地位，可

替代性弱，属于不战而胜。

右图为搜索“德芙”的消费者最终购买的其他

竞争品牌的巧克力，通过数据发现“费列罗”抢走

了“德芙”大量消费者。“费列罗”是“德芙”最

强劲地直接竞争对手。

*出于数据安全原因，本章节数据为虚拟数据。

2.2.3消费者偏好分析

“全景洞察”可以帮助品牌商了解本品牌的目标人群和竞争品牌的人群差异，用于品牌的市场定位。通过“交叉分析”来发现消费者特征和商品属性偏好之间的关联。

2.2.

3.1巧克力品牌的地域偏好（可细分到城市、区县和小区）

?北京人喜欢大颗的“费列罗”，广东人喜欢香醇的“德芙”。

?精致小资的“好时”最吸引上海人。

2.2.

3.2

不同巧克力品牌的消费者差异

·男生喜欢“德芙”，女生喜欢“费列罗”。·“好时”更吸引女生。

·18-24岁的消费者喜欢“德芙”，30岁以上的消费

者喜欢“费列罗”

。

·学历越高越喜欢“费列罗”。·学生喜欢“德芙”

，公务员喜欢“费列罗”

·网购新手喜欢“德芙”·

资深网购者喜欢“费列罗”

·“低消费层级”的人喜欢“德芙”·“高消费层级”的人喜欢“费列罗”

2.2.

3.3

不同特点巧克力的人群差异。

·“男性”喜欢“200元以上”的巧克力

·“女性”喜欢“10

元以下”的巧克力

·“25-29岁”喜欢“200元以上”的巧克力

·“18-24岁”喜欢“10-20元”的巧克力·“30-40岁”喜欢“10元以下”的巧克力

*出于数据安全原因，本章节数据为虚拟数据。

2.3“全景洞察”中的分析方法

“全景洞察”的“自定义板块”中有很多数据分析工具，可以自由灵活的做各种类型的数据分析；像一个自带大数据的SPSS，上亿条数据的毫秒级运算,并且以可视化的方式展现数据。用户先选择需要的数据分析方法，再选择各种数据维度，分析结果以可视化的方式自动呈现。“全景洞察”中的数据分析方法，如下图所示。

“全景洞察”除了上面的六种数据分析方法，还有一些数据分析方法正在开发中，分别是“多重对应分析”、“联合分析”、“决策树”、“聚类分析”、“因子分析”、“矩阵分析”等。这里主要讲“全景洞察”即将上线的“多重对应分析”和“联合分析”，及其在消费者研究领域的应用。

2.3.1多重对应分析

“多重对应分析”擅长分析多维度特征之间的关联，并以图形化的方式呈现，清晰直观的展现消费者偏好。主要用在“市场细分”和“目标市场定位”。

1）市场细分

选择主要的人口属性和商品属性后，自动呈现所有属性值之间的关联，关联强的则靠近，反之亦然。手机的市场细分格局如下图所示，一线城市25-30岁的消费者偏好4000元以上的手机，四五线城市的消费者偏好1000元以下的手机，18-25岁的女性偏好3.5寸1000-2000元的手机等。通过市场细分了解市场上各类消费者的偏好，来找自己的市场空间。

2）目标市场定位

输入品牌或产品型号后，自动呈现几类典型目标人群，如下图所示。你可以尝试各种人口维度，找出关联

性最强、聚类最明显的维度。

*出于数据安全原因，本章节数据为虚拟数据。

2.3.2联合分析

“联合分析”用于研究消费者特征和商品属性之间的关联，什么特点的消费者喜欢什么特点的商品；在这些特性之中，不同特性的重要程度如何；通过定量的方式来精确的展示不同特性间的关联度。

“联合分析”的主要用途:

1)产品研发时，针对目标用户来设计最优产品特性组合。

（输入目标人群的特征后，输出该类人群对不同产品属性组合的偏好度）

2)产品上市前，做该产品的消费者画像预测。

（输入该产品的属性后，输出偏好该类产品的人群特征）

3)产品上市后，做该产品的目标市场定位。

（输入该产品型号后，输出购买该产品的人群特征，案例如下）

该产品的目标人群如下图所示，数据可解读为“18-25岁的中档消费层级VIP等级为4的女性”。

*出于数据安全原因，本章节数据为虚拟数据。

3．人人都是社会学家

随着免费的数据产品“百度指数”和“淘宝指数”的相继问世，任何人都能通过数据来了解这个世界，做出最优的判断，“数据”正在发挥着越来越大的价值。

我负责的数据产品“淘宝指数”（https://www.sodocs.net/doc/6016018875.html,）是大数据在消费者研究领域的尝试。通过关键词和人口特征来圈定人群，研究人群的特征和差异。很多学者在用“淘宝指数”做社会学研究，经济学家许小年也经常用“淘宝指数”来研究社会现象和趋势。淘宝数据能够很敏锐的反映社会事件，比如2012年底的“切糕”事件，事发当天“切糕”的淘宝搜索次数直线飙升，如下图。

通过“淘宝指数”可以研究不同人群对同一事物的认知和需求差异。

通过数据发现，在圣诞节前夕，年轻人喜欢买圣诞帽开圣诞party，少妇喜欢买温馨的圣诞树点缀房间，有孩子的年轻夫妇喜欢买圣诞袜给孩子创造惊喜。

通过“淘宝指数”的“地域分析”发现地方差异非常

明显，例如，相同的东西在不同地方有截然不同的名称。

左图就是很好的例证，“秋裤”、“线裤”、“棉毛裤”是

同一件东西，但搜索人群的集中度差异明显。搜索“棉毛

裤”的人集中在江浙一带，而“线裤”则集中在东北。

通过数据可以对民俗和地域差异有深刻的理解。下图为“结婚”的风俗差异。

淘宝上某些商品的销量趋势和地域变化可以敏锐

的反映某些事件的爆发和蔓延。如，流感、暴乱和雨

季等。对一些特定的关键词进行监控预警，当这些搜

索词飙升时，即可及时发现问题采取防范措施。

地域分析结合时序分析可以深度的研究社会事件

的传播和传染病的蔓延。

通过淘宝数据可以了解很多社会现象，并且可以从各种角度来挖掘现象背后的原因。下图为搜索“女用自慰”和“男用自慰”的人群对比截图。

数据发现，罩杯越大消费能力越强，这可能是一个普遍的社会现象。下图为“文胸大小”和“消费能力”的相关性。

搜索词反映了人的特征和需求，通过搜索词来圈出想要研究的人群，用交叉对比和细分等手段，从各种角度对其进行深度分析。

通过“淘宝指数”可以了解不同人群的偏好差异。在左侧“人群选择器”中筛选人群，即可知道这群人偏好的品牌和商品特点。

“白富美”偏好购买的手机品牌，如下图所示。除了主流品牌以外还喜欢购买“美图”这类自拍专用手机。

数据发现“低消费层级的男性”很孝顺，偏好“几米”这类老年手机。

下图为“淘宝指数”中的“消费者研究”模块的截图，可查看任意关键词的人群画像。

“淘宝指数”打开了用互联网数据做消费者研究的领域，虽然不够完美，但承担了前期教育市场的使命。对于用户而言，“淘宝指数”是消费者研究的入门级产品。今年上线的“全景洞察”是“淘宝指数”的升级版，相信这两款数据产品将会对研究领域产生颠覆性的影响。

致谢

非常感谢戴力农导师把我领进用户研领域究的大门，这五年来从UPA大赛的获奖学生到淘宝的交互设计师，再到阿里巴巴集团的产品经理，一直都在用户研究的路上。作为一个研究者深刻的了解现有研究过程中的问题和痛点，一直怀有个心愿希望可以为研究者们创造一款基于大数据的分析工具，帮助研究者们有原料可用，把收集数据上的精力节省出来放在真正的研究上，创造最大的价值。

“淘宝指数”和“全景洞察”这两个数据产品的设计、开发和迭代历时3年，这一路走来特别想感谢为产品迭代而熬夜奋战的工程湿们（袁锋、孙放、闻啸、江栋科、朱洪波、戴汶倬、田永强、叶宽余、忻程烨等）以及崔岸雍、贾超、齐福长、罗佳佳、必达、赖河靖、阮磊、黯灭、田瑜等相关同事，你们为大数据时代的消费者研究领域做了巨大的贡献。大数据时代因你们而更有魅力！

大数据与精准营销研究综述

大数据与精准营销研究综述 摘要：随着互联网的日益普及，人们对互联网技术的利用率越来越高，由此而来的大数据对社会的各行各业都带来很大变化，人们正步入大数据时代。在企业营销中，大数据的应用可以大大促进精准营销的发展，为其带来前所未有的发展机遇。本文首先分别对大数据与精准营销的研究进行综述，然后提出大数据时代下精准营销模式的问题，最后针对该问题提出一些思考与建议。 关键词：大数据；精准营销；精准营销模式 一、大数据研究现状 1.大数据起源与兴起 1980年，著名未来学家托夫勒在其《第三次浪潮》提出了“大数据”的概念，并热情地将其称颂为“第三次浪潮的华彩乐章”，但是之后很长一段时期内，由于技术发展制约，“大数据”的概念并没有得到人们的重视。 2008年开始，移动计算、物联网、云计算等一系列新兴技术相继兴起，这些技术的发展及其在社交媒体、协同创造、虚拟服务等新型模式中的广泛应用，使得全球数据量呈现出前所未有的爆发式增长态势，数据复杂性也急剧增长，客观上要求新的分析方法和技术来挖掘数据价值，大数据技术应运而生，并得到迅速发展和应用，如此，“大数据”时代真正到来。 2008 年末，三位信息领域资深科学家卡内基梅隆大学的R.E.Bryant、加利福尼亚大学伯克利分校的R.H.Katz、华盛顿大学的https://www.sodocs.net/doc/6016018875.html,zowska联合业界组织计算社区联盟（Computing Community Consortium）发表了非常有影响力的白皮书《大数据计算：商务、科学和社会领域的革命性突破》，使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解，而非数据本身。随后，包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合，实施其大数据战略；国内外咨询机构也相继发布与大数据相关的研究报告，积极跟进大数据领域的研发与应用。2011 年5 月，EMC 公司在主题为“云计算相遇大数据”的World 2011 大会中阐述了云计算与大数据的理念和技术趋势。同年10 月，Gartner 将大数据列入2012 年十大战略新兴技术；11 月，由CSDN 举办的中国大数据技术大会在北京成功举行。大数据在产业界逐渐形成燎原之势。 目前，大数据研究和应用已经成为信息科技领域中的热点。世界各国均高度重视大数据领域的研究探索，并从国家战略层面推出研究规划以应对其带来的挑战。2012 年3 月，

浅谈大数据时代的精准营销

龙源期刊网 https://www.sodocs.net/doc/6016018875.html, 浅谈大数据时代的精准营销 作者：陈稳 来源：《商情》2016年第43期 【摘要】随着大数据时代的到来，精准营销对于持续有效提高商业银行效益尤为重要。为了促进商业银行的不断发展，提升银行效益，需要采取精准营销管理，推动银行的建设与发展。对于当前商业银行精准营销管理进行分析，挖掘大数据下的顾客需求与商业银行营销之间的关系，为推动银行的发展提出建议与意见。 【关键词】大数据；精准营销；意见建议 一、精准营销的概念 精准营销是指在可量化的数据基础上分析消费者个体的消费模式和特点，并以此来划分顾客群体，精准地找到目标顾客，以及精准地开展营销活动，以提高营销成本效益率的过程。 精准营销核心是“精准”。依托强大的数据库资源，通过现代信息技术手段实现个性营销活动，以现代信息技术、市场定量分析为手段，对客户进行精确衡量和分析，做到合适的时间、合适的地点、以合适的价格、通过合适的营销渠道，向合适的顾客提供合适的产品，商业银行实现效益最大化。 二、精准营销的作用 （一）精准营销降低营销成本 随着精准营销的发展，借助于数据挖掘技术、用户定位技术、云计算等现代信息技术，实现了精准营销信息推送以及线上与线下营销的连接，商业银行的营销更加有的放矢，有效地降低了营销成本。 （二）精准营销缩短销售周期 精准营销与传统营销的显著区别在于更加注重细分客户和精确定位，同时精准营销更侧重于顾客便利，通过细化社会分工，把销售渠道缩到最短。第三方物流的兴起，也使得当前商品流通更加快速，从而有效缩短了销售周期。 （三）精准营销实现可持续发展 先进科技手段的运用实现了商业银行与顾客之间的直接沟通，也使商业银行和客户的个性化互动成为可能，从而不断满足客户的需求，为商业银行建立稳定的顾客群，从而实现商业银行长期稳定的发展需求。

大数据时代下的精准营销精编版

大数据时代下的精准营 销精编版 MQS system office room 【MQS16H-TTMS2A-MQSS8Q8-MQSH16898】

2012年以后，大数据（bigdata）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”本文总结一下：利用海量数据和先进的数据挖掘技术，研究客户行为特征，进行精准营销。 数据库营销 关于数据库营销，美国全国数据库营销中心是这样定义的：“数据库营销是一个动态的数据库管理系统，该数据库的内容涵盖现有顾客和潜在顾客，并可以随时扩充、更新。就其功能而言，要能实现以下目标：确认最佳目标顾客及潜在顾客，然后与顾客建立起长期的、牢固的、融洽的关系，同时根据数据库建立先期模型，进行针对性营销。”? 拉克萨根据数据库营销的产生和演进，把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段，所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。? 数据挖掘 通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中，提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具，用以在海量数据中发现模型和数据间关系的过程，然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为，帮助人们作出前瞻的、基于知识的决策。? CRISP-DM（跨行业数据挖掘标准流程）是世界公认的方法论之一，也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现，也不仅仅表现为对数据的分析和统计建模，其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。? CRISP-DM将整个挖掘过程分成了以下六个步骤：商业理解，数据理解，数据准备，建立模型，模型评估，模型发布。? 通常来说，把模型的结果转化成一段数据库存储过程的代码，并与数据处理代码进行整合，就可以在数据库存储过程中实现

大数据时代下的精准营销

Marketing | 市场营销 MODERN BUSINESS 现代商业22 大数据时代下的精准营销 叶涛涛 刘碧池　河海大学企业管理学院　江苏常州 213000 摘要:近些年来互联网的不断成熟也促进了大数据的发展，而大数据也为精准营销的进一步发展提供了必要条件。本文通过对大数据与精准营销的概述来进一步论述大数据给精准营销的发展带来的优势，同时也揭示可能带来的问题及其解决方案，以期对企业在进行精准营销时提供一定的理论支持。关键词:大数据；企业；精准营销；策略 随着时代的进步与发展，科学技术的发展也呈现出日新月异的面貌，由互联网催生出的大数据的概念也逐渐进入大众的视野，在大数据时代的背景下，企业可以将所有的现象与事实都进行数据化分析。由此给企业的市场营销工作带来了新的机遇与挑战，企业只有及早形成用大数据思维思考问题的习惯，才能轻松应对新挑战，抓住机遇，实现企业长远的发展。 一、大数据与精准营销的概述 (一)大数据 大数据最早由维克托·迈尔·舍恩伯格和肯尼斯·库克耶在《大数据时代》提出，指的是不采用随机分析法即抽样调查法，而是采用所有数据进行分析与预测，大数据的“大”只是相对意义，指所有数据，强调数据的完整性。 大数据的特征是数据量大、数据种类多、时效性强、蕴藏价值大，在人手一个手机的今天，几乎每个软件都会在你不知情的情况下就搜集你的信息，现在互联网公司每天能搜集到的数据是没有互联网以前我们完全无法想象的。企业可以通过搜集到的大量的各种类型的以上信息的数据化和数字化，通过电脑的分析来得出用户的需求和喜好以及市场的主体偏好，进而制定有效的营销策略，进行精准的广告投放和市场定位。 (二)精准营销 精准营销的理论是由市场营销的基础上发展而来。市场营销观念随着社会的发展发生了一系列的演变与发展，随着社会环境由供小于求逐渐向供大于求的客观现实发展，市场营销的理论也得到不断完善，从最初的生产观念发展到今天的全营销观念，企业也意识到企业体系要紧密围绕营销进行组织，企业从研发、生产、定价、战略等方面都要以客户为中心、以客户需求为导向展开。精准营销的概念也由此发展而来，即建立以准确定位为基础的、依托现代信息技术手段的个性化客户通信服务系统，通过数据来研究消费者的所需所想，实现精准的广告投放和直接销售，其基本目标有两个：开源和节流。“二八法则”提到企业80%的利润来自20%的顾客，“开源”即通过信息化工具来发现企业的这20%的“重要客户”，通过个性化的营销手段开发其中的新顾客并同时留住忠诚顾客。“节流”指的是减少成本，提高效率，比如广告的精准投放。在大数据背景下的精准营销通过“开源”与“节流”来增加企业利润，提高企业的整体竞争力。 二、大数据时代下的精准营销现状 (一)用大数据为客户“画像” 客户“画像”指的是企业通过将自己的运营系统以及客户维护系统收集到的数据进行分析，为客户信息贴上标签，以形成客户信息的完整图像。依托大数据的海量数据对顾客的消费习惯、消费偏好等有利于企业进行针对性营销策略的制定的方面进行分析，切实把握住消费者的核心需求，以此为基础进行产品的创新与改进，提高用户群体对公司产品的黏度，培养忠诚的顾客，有利于企业在激烈的市场竞争环境中抓住发展的机遇和企业的长远发展。 (二) 广告的精准投放 广告的作用是什么？提高品牌和产品在消费者心中的知名度和赞誉度。当潜在顾客对企业的产品产生需求时，广告就会引导消费者选购企业的相关产品。所以，当企业运用搜集到的数据通过相关性等算法进行分析时，就能将消费者可能有消费欲望的产品推送给他，很大可能性就满足了顾客的刚需，直接刺激了消费者的消费欲望，实现了将潜在客户转化为客户的目标，以此做到精准投放。同时通过顾客是否消费推送产品的反馈数据收集，扩充数据库，以此又提升了算法结果的精准性，也提升了顾客的满意度。因为精准投放面对的是小范围的特定用户，因此也能降低企业的营销成本，提高广告的反馈率。 (三)实现交叉销售 交叉销售的成功开展也要借助大数据来实现。交叉销售是借助C R M ，在销售人员完成了已有目标之后，主动进行市场拓展，发掘更多的潜在客户需求，以此来销售更多的产品或服务的营销模式。具体来说，企业通过对客户的消费数据进行分析来研究其消费习惯，对那些消费关联性较大的产品可以进行捆绑销售或者将他们的摆放区域进行统一，方便顾客的联动购买，以此带来更多的购买量。在大数据的支持下，只要企业对客户数据进行深度研究从而挖掘其中的大众消费习惯，借此进行商品的优化组合，就能轻易实现由一个顾客向多名顾客拓展的目标。 (四)满足顾客个性化需求 日本社会学家三浦展曾提出“四个消费时代”的理论，这其中第三时代是趋向于个性化的消费；第四时代是重视“共享”的时代。中国正处于从第三消费时代向第四消费时代转变的过程，消费者一方面要求个性化需求得到满足，另一方面追求简约、环保和共享，追求人与自我和所处环境的联系。因为这个时代的大部分消费者是愿意用高价来换取个性化的定制服务的，那么企业就可以在营销活动中通过收集消费者的数据，针对消费者的个性化需求以及消费习惯，制定针对性的、科学性的营销方案，以获得更多的利润。 (五)改善营销途径 营销信息的传播渠道各种各样，针对不同类型的产品或服务其市场推广效果也有可能有较大差别，运用一些公司的成熟的归因模型，营销人员能够评估他们在市场营销中投入了大量成本的活动的成效，以此找出对收益有较大贡献的那些途径。然

大数据时代下的精准营销

2012年以后，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”本文总结一下：利用海量数据和先进的数据挖掘技术，研究客户行为特征，进行精准营销。 数据库营销 关于数据库营销，美国全国数据库营销中心是这样定义的：“数据库营销是一个动态的数据库管理系统，该数据库的内容涵盖现有顾客和潜在顾客，并可以随时扩充、更新。就其功能而言，要能实现以下目标：确认最佳目标顾客及潜在顾客，然后与顾客建立起长期的、牢固的、融洽的关系，同时根据数据库建立先期模型，进行针对性营销。” 拉克萨根据数据库营销的产生和演进，把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段，所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。 数据挖掘

通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中，提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具，用以在海量数据中发现模型和数据间关系的过程，然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为，帮助人们作出前瞻的、基于知识的决策。 CRISP-DM（跨行业数据挖掘标准流程）是世界公认的方法论之一，也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现，也不仅仅表现为对数据的分析和统计建模，其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。 CRISP-DM将整个挖掘过程分成了以下六个步骤：商业理解，数据理解，数据准备，建立模型，模型评估，模型发布。 通常来说，把模型的结果转化成一段数据库存储过程的代码，并与数据处理代码进行整合，就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中（BOSS系统、经分系统、大客户管理系统、客服系统等）嵌入相应的模块。

互联网精准营销优选稿

互联网精准营销 集团文件版本号：（M928-T898-M248-WU2669-I2896-DQ586-M1988）

互联网时代下的精准营销 【项目背景】 微信营销和电子商务只是互联网营销的一个角落，互联网营销的概念远比我们想象的宽泛的多。对于刚刚涉足互联网营销领域的传统行业企业家而言，一定要深入学习网站建设、网站推广、论坛营销、博客营销、视频营销、百科营销、问答营销、文库营销、软文营销、电商平台建设、O2O平台搭建、社会化媒体营销等诸多方面的内容，掌握全面而系统化的互联网营销技能，让自己的企业在这场变革和洗礼中焕发出新的生机，用学习到的互联网思维和全网营销技能，打造强有力的市场竞争优势。 2014年是跨界与颠覆的大年，所有人都可以去跨界，所有人都可能被颠覆。在2014年，无论是互联网人，还是传统行业经营者，一定要经常反问自己这样的问题：我们正在被谁颠覆着而我们又可能去颠覆谁 【目标学员】 ☆企业董事长、总经理、CEO等企业决策层 ☆市场总监、企划总监、营销总监等企业中高层管理者 ☆对移动互联网营销感兴趣的机构经营者及个人 ☆互联网与移动互联网创业者 【培训课时】 两天（12小时） 【授课形式】 讲师授课＋案例分析＋分组研讨

【课程模块】 第一讲：趋势篇： 1、互联网与社会化媒体的发展历程 2、C2C模式、B2B模式、B2C模式、C2B模式深度分析 3、全网整合营销的四大趋势 4、网络营销实战兵器谱 5、85后、90后人群的典型特征定义 6、粉丝经济时代：创新为本，内容为王 7、互联网思维的核心与精髓 8、解读互联网大趋势：打车软件大战烧了十几个亿的背后秘密第二讲：实战篇： 1、闪电学会SEO－如何让网站在百度谷歌上获得优质排名 2、系统化建站攻略－1小时学会打造高流量网站 3、SEM系统－百度竞价排名与百度网盟广告的实操技巧 4、QQ营销－QQ群与QQ空间的深度运营策略 5、百科营销 6、文库营销 7、问答营销 8、软文营销 9、论坛营销 10、博客营销 11、微博营销

大数据技术在精准营销中的应用

大数据技术在精准营销中的应用 大数据时代，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。对于海量数据数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。回顾近两年对大数据的探索历程，某基础运营商一方面顺应大势，牢牢把握大数据技术快速发展的机遇，另一方面应势而动，充分释放前期IT集中化、一体化的红利，鉴定推进数据集中。先后经历了数据集中采集的积淀、初试大数据平台、传统数据库与sefve(四方传媒)获客云混搭架构的大数据平台创建，以及目前朝开放式大数据服务平台迈进四个阶段。 sefve获客云拥有着精准化营销与维系系统，依托大数据精准定位支撑端到端多维度系体系，构建在大数据平台之上，面向客户、面向服务、面向管理，深化数据分析、数据挖掘能力、洞察客户、透视企业，是将大数据转化为实际生产力的重要云化应用之一。

大数据技术架构 MPP数据库 MPP（Massively Parallel Processing，大规模并行处理系统）由多个SMP （SymmetricMultiProcessing，对称多处理系统）服务器通过一定的节点互联网络进行连接，协同工作，完成相同的任务，从用户的角度看它是一个服务器系统。其基本特征是由多个SMP服务器（每个SMP服务器称为一个节点）通过节点互联网络连接而成，每个节点只访问自己的本地资源（内存、存储等），节点之间的信息交互是通过节点互联网络实现的。目前的技术可实现512个节点互联。MMP 数据库有以下特点。 ①一般存储为结构化数据，有明显的星型或雪花型结构，适用于大数据分析的应用； ②每个服务器都有自己独立的存储、内存和CPU，允许动态地增加或删除节点； ③数据分区划分到不同的物理节点上，通过分布式查询优化来提高系统整体性能； ④主要用在数据仓库和大规模的分析处理应用中。 ETL技术 ETL是指将数据从源端经过抽取（Extract）、转换（Transform）、加载（Load）至目的端的过程，该部分在数据挖掘和分析过程中为最基础的一部分。一个良好的ETL系统应该有以下几个功能。 ①消除数据错误并纠正缺失数据； ②对于数据可信度的评估提供文档化衡量；