第一篇：大數據與精準營銷研究綜述[精選]

大數據與精準營銷研究綜述

摘要：隨著互聯網的日益普及，人們對互聯網技術的利用率越來越高，由此而來的大數據對社會的各行各業都帶來很大變化，人們正步入大數據時代。在企業營銷中，大數據的應用可以大大促進精準營銷的發展，為其帶來前所未有的發展機遇。本文首先分別對大數據與精準營銷的研究進行綜述，然后提出大數據時代下精準營銷模式的問題，最后針對該問題提出一些思考與建議。

關鍵詞： 大數據； 精準營銷； 精準營銷模式

一、大數據研究現狀

1.大數據起源與興起

1980年，著名未來學家托夫勒在其《第三次浪潮》提出了“大數據”的概念，并熱情地將其稱頌為“第三次浪潮的華彩樂章”，但是之后很長一段時期內，由于技術發展制約，“大數據”的概念并沒有得到人們的重視。

2008年開始，移動計算、物聯網、云計算等一系列新興技術相繼興起，這些技術的發展及其在社交媒體、協同創造、虛擬服務等新型模式中的廣泛應用，使得全球數據量呈現出前所未有的爆發式增長態勢，數據復雜性也急劇增長，客觀上要求新的分析方法和技術來挖掘數據價值，大數據技術應運而生，并得到迅速發展和應用，如此，“大數據”時代真正到來。

2008 年末，三位信息領域資深科學家卡內基梅隆大學的R.E.Bryant、加利福尼亞大學伯克利分校的R.H.Katz、華盛頓大學的E.D.Lazowska聯合業界組織計算社區聯盟（Computing Community Consortium）發表了非常有影響力的白皮書《大數據計算： 商務、科學和社會領域的革命性突破》，使得研究者和業界高管意識到大數據真正重要的是其新用途和帶來的新見解，而非數據本身。隨后，包括EMC、IBM、惠普、微軟在內的全球知名企業紛紛通過收購大數據相關廠商來實現技術整合，實施其大數據戰略； 國內外咨詢機構也相繼發布與大數據相關的研究報告，積極跟進大數據領域的研發與應用。2011 年5 月，EMC 公司在主題為“云計算相遇大數據”的World 2011 大會中闡述了云計算與大數據的理念和技術趨勢。同年10 月，Gartner 將大數據列入2012 年十大戰略新興技術； 11 月，由CSDN 舉辦的中國大數據技術大會在北京成功舉行。大數據在產業界逐漸形成燎原之勢。

目前，大數據研究和應用已經成為信息科技領域中的熱點。世界各國均高度重視大數據領域的研究探索，并從國家戰略層面推出研究規劃以應對其帶來的挑戰。2012 年3 月，美國奧巴馬政府投資兩億美元啟動“大數據研究和發展計劃”，致力于提高從大型復雜數據集中提取知識和觀點的能力，并服務于能源、健康、金融和信息技術等領域的高科技企業； 2012年4 月，英國、美國、德國、芬蘭和澳大利亞研究者聯合推出“世界大數據周”活動，旨在促使政府制定戰略性的大數據措施； 7 月，日本推出“新ICT 戰略研究計劃”，其中重點關注“大數據應用”同時，大數據也已引起學術界的廣泛研究興趣。2008 年和2011 年，《Nature》與《Science》雜志分別出版專刊《Big Data： Science in the Petabyte Era》和《Dealing with Data》，從互聯網技術、互聯網經濟學、超級計算、環境科學、生物醫藥等多個方面討論大數據處理和應用專題。

2．大數據的定義與特征

對于大數據的概念，企業和學術界目前尚未形成公認的準確定義。維基百科將大數據定義為“無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合”； 權威IT 研究與顧問咨詢公司Gartner 將大數據定義為“在一個或多個維度上超出傳統信息技術的處理能力的極端信息管理和處理問題”； 美國國家科學基金會（NSF）則將大數據定義為“由科學儀器、傳感設備、互聯網交易、電子郵件、音視頻軟件、網絡點擊流等多種數據源生成的大規模、多元化、復雜、長期的分布式數據集”。盡管存在不同的表述，但一個普遍的觀點是，大數據與“海量數據”和“大規模數據”的概念一脈相承，但其在數據體量、數據復雜性和產生速度三個方面均大大超出了傳統的數據形態，也超出了現有技術手段的處理能力，并帶來了巨大的產業創新的機遇。

IBM公司把大數據的特征概括成三個“V”：規模（Volume）、快速（Velocity）和多樣（Variety），但是更多的人則將其概括為四個“V”，即規模（volume）、快速（Velocity）、多樣（Variety）和價值（value）。

（1）規模（Volume）。大數據首先是必須具有海量數據，但是究竟多大體量才叫海量，人們并沒有一個確定的數字。有人認為應該達到TB數量級，一般在10TB規模左右。但在實際應用中，很多用戶把多個數據集放在一起，已經形成了PB級的數據量。

（2）多樣性（Variety）。這是大數據概念區別于從前有關數據管理的一個重要特征，傳統的數據管理主要是針對結構化數據分析利用，其應用技術而大數據則更加強調對于半結構化和非結構化數據的分析和應用。

（3）快速（Velocity）。在當前常規的信息安全產品中，特別是具有代表性的檢測響應類產品技術中，大量采用實時監測，而“實時”就意味著快速。在當前帶寬越來越大、系統越來越復雜采集的數據越來越多的同時，安全檢測對于事件響應的及時性要求并沒有減

弱。另外，“實時”還包含著一種內在的含義：主要根據當前的數據做出分析判斷。

（4）價值（Value）。數據是物理世界的數字反映，價值上數據不同于數字，數據背后是有對象的，而這些對象是有屬主的、有立場的、有價值歸屬的、主觀的。大數據的體量很大，所蘊含的價值總量也會是客觀的，但是平均到單條信息的價值卻很低，即價值密度很低。

3．大數據的關鍵技術

傳統的數據采集來源單一，且存儲、管理和分析數據量也相對較小，大多采用關系型數據庫和并行數據倉庫即可處理。而大數據環境下，數據來源非常豐富且數據類型多樣，存儲和分析挖掘的數據量龐大，對數據展現的要求較高，并且很看重數據處理的高效性和可用性，需要依靠并行計算提升數據處理速度。而傳統的并行數據庫技術追求高度一致性和容錯性，難以保證其可用性和擴展性。

另一方面，傳統的數據處理方法是以處理器為中心，而大數據環境下，需要采取以數據為中心的模式，減少數據移動帶來的開銷。因此，傳統的數據處理方法，已經不能適應大數據的需求，需要一種新的技術理論和方法。

3.1數據挖掘

數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的，但又是潛在有用信息和知識的過程。目前廣為接受的一種處理模型是Fayyad 等人設計的多處理階段模型。

3.2數據分析

在相關技術中，比較具有代表性的是Apache 軟件基金會開發的Hadoop，以MapReduce 和Hadoop 為代表的非關系數據分析技術，憑借其適合非結構處理、大規模并行處理和簡單易用等優勢，在互聯網搜索和其他大數據分析技術領域取得重大進展，成為主流技術。

4．大數據相關產業發展

按照信息處理環節，大數據可以分為數據采集、數據清理、數據存儲及管理、數據分析、數據顯化及產業應用等六個環節，由于尚屬發展初期，其中的每個產業環節都包含著不少的企業，其市場發展情況如下。

（l）數據采集。Google、CISCO這些傳統的IT公司早已經開始部署數據收集的工作。在中國，淘寶、騰訊、百度等公司已經收集并存儲大量的用戶習慣及用戶消費行為數據。德勤預計，在未來，會有更為專業的數據收集公司針對各行業的特定需求，專門設計行業數據收集系統。

（2）數據清理。當大量龐雜無序的數據收集之后，如何將有用的數據篩選出來，完成數據的清理工作并傳遞到下一環節，這是隨著大數據產業分工的不斷細化而需求越來越高的環節。除了Intel等老牌IT企業，Teradata、Informatica等專業的數據處理公司呈現了更大的活力。在中國，華傲數據等類似廠商也開始不斷涌現。德勤預計，在未來，將會有大量的公司專注于數據清理。

（3）數據存儲及管理。數據的存儲、管理是數據處理的兩個細分環節。這兩個細分環節之間的關系極為緊密。數據管理的方式決定了數據的存儲格式，而數據如何存儲又限制了數據分析的深度和廣度。由于相關性極高，通常由一個廠商統籌設計這兩個細分環節將更為有效。從廠商占位角度來分析，IBM、Oracle等老牌的數據存儲提供商有明顯的既有優勢，他們在原有的存儲業務之上進行相應的深度拓展，輕松占據了較大的市場份額。而Apache Software Foundation等新生公司，以開源的戰略匯集了行業專精的智慧，成為大數據發展的領軍企業。

（4）數據分析。傳統的數據處理公司SAS及SPSS在數據分析方面有明顯的優勢。然而，基于開源軟件基礎構架Hadoop的數據分析公司最近幾年呈現爆發性增長。例如，成立于2008年的Cloudera公司，幫助企業管理和分析基于開源Hadoop產品的數據。由于能夠幫助客戶完成定制化的數據分析需求，Cloudera擁有了如ExPedia、摩根大通等大批的知名企業用戶，僅僅五年時間，其市值估值已達到7億美元。

（5）解讀。將大數據的分析結果還原為具體的行業問題。SAP、SAS等數據分析公司在其已有的業務之上加人行業知識，成為此環節競爭的佼佼者。同時，因大數據的發展而應運而生的wibidata等專業的數據還原公司也開始蓬勃發展。

（6）展示。這一環節中，大數據真正開始幫助管理實踐。通過對數據的分析和具象化，將大數據能夠推導出的結論量化計算，同時應用到行業中去。這一環節需要行業專精人員，通過大數據給出的推論，結合行業的具體實踐制定出真正能夠改變行業現狀的計劃。

不僅僅是大數據技術行業的發展，大數據的應用也已經在醫療服務、零售業、金融業、制造業、物流、電信等行業廣泛展開，并產生了巨大的社會價值和產業空間。麥肯錫評估西方產業數據為例，大數據的有效利用將能使歐洲發達國家政府節省至少1000 億歐元（約1 490 億美元）的運作成本； 使美國醫療保健行業降低8%的成本（約每年3000 多億美元）； 并使得大多數零售商的營業利潤率提高60%以上。據市場調研機構IDC 預測，大數據技術與服務市場將從2010 年的32 億美元攀升到2015 年的169 億美元，實現40%的年增長率（IT與通信產業增長率的7 倍）近兩年來，國內外知名企業（如Ebay、AmazonWal-Mart、淘寶、中國移動和凡客等）相繼推出相應的大數據產品和平臺，開展了多種深度商務分析和應用。例如：通過分析結構化和非結構化數據促進其業務創新和利潤增長； 基于機器學習和數據挖掘方法來管理和優化其庫存與供應鏈，并量化評估其定價策略與營銷效果； 通過市場分析、競爭分析、客戶分析和產品分析以優化經營決策等。

5．大數據的發展與挑戰

在大數據時代，我們仍然要面對大數據的各種技術挑戰，包括大數據的去冗降噪技術、大數據的新型表示方法、高效率低成本的大數據存儲、大數據的有效融合、非結構化和半結構化數據的高效處理、適合不同行業的大數據挖掘分析工具和開發環境、大幅度降低數據處理、存儲和通信能耗的新技術等等。但我們相信技術能夠解決的問題終將不會成為問題，真正制約或者成為大數據發展和應用瓶頸的有三個環節。

5.1數據收集和提取的合法性，數據隱私的保護和數據隱私應用之間的權衡

任何企業或機構從人群中提取私人數據，用戶都有知情權，將用戶的隱私數據用于商業行為時，都需要得到用戶的認可。然而，目前，中國乃至全世界對于用戶隱私應當如何保護、商業規則應當如何制定、觸犯用戶的隱私權應當如何懲治、法律規范應當如何制定等一系列管理問題都大大滯后于大數據的發展速度。未來很多大數據業務在最初發展階段將會游走在灰色地帶，當商業運作初具規模并開始對大批消費者和公司都產生影響之后，相關的法律法規以及市場規范才會被迫加速制定出來。可以預計的是，盡管大數據技術層面的應用可以無限廣闊，但是由于受到數據采集的限制，能夠用于商業應用、服務于人們的數據要遠遠小于理論上大數據能夠采集和處理的數據。數據源頭的采集受限將大大限制大數據的商業應用。

5.2.大數據發揮協同效應需要產業鏈各個環節的企業達成競爭與合作的平衡

大數據對基于其生態圈中的企業提出了更多的合作要求。如果沒有對整體產業鏈的宏觀把握，單個企業僅僅基于自己掌握的獨立數據，無法了解產業鏈各個環節數據之間的關系，對消費者做出的判斷和影響也十分有限。在一些信息不對稱比較明顯的行業，例如銀行業以及保險業，企業之間數據共享的需求更為迫切。例如，銀行業和保險業通常都需要建立一個行業共享的數據庫，讓其成員能夠了解到單個用戶的信用記錄，消除擔保方和消費者之間的信息不對稱，讓交易進行得更為順利。然而，在很多情況下，這些需要共享信息的企業之間競爭和合作的關系同時存在，企業在共享數據之前，需要權衡利弊，避免在共享數據的同時喪失了其競爭優勢。此外，當很多商家合作起來，很容易形成賣家同盟而導致消費者利益受到損失，影響到競爭的公平性。大數據最具有想象力的發展方向是將不

同行業的數據整合起來，提供全方位立體的數據繪圖，力圖從系統的角度了解并重塑用戶需求。然而，交叉行業數據共享需要平衡太多企業的利益關系，如果沒有中立的第三方機構出面，協調所有參與企業之間的關系、制定數據共性及應用的規則，將大大限制大數據的用武之地。權威第三方中立機構的缺乏，將制約大數據發揮出其最大的潛力。5.3大數據結論的解讀和應用

大數據可以從數據分析的層面上揭示各個變量之間可能的關聯，但是數據層面上的關聯如何具象到行業實踐中如何制定可執行方案應用大數據的結論這些問題要求執行者不但能夠解讀大數據，同時還需深諳行業發展各個要素之間的關聯。這一環節基于大數據技術的發展，但又涉及管理和執行等各方面因素。在這一環節中，人的因素成為制勝關鍵。從技術角度看，執行人需要理解大數據技術，能夠解讀大數據分析的結論；從行業角度看，執行人要非常了解行業各個生產環節的流程及關系、各要素之間的可能關聯，并且將大數據得到的結論和行業的具體執行環節一一對應起來；從管理的角度看，執行人需要制定出可執行的解決問題的方案，并且確保這一方案和管理流程沒有沖突，在解決問題的同時，沒有制造出新的問題。這些需求，不但要求執行人深諳技術，同時應當是一個卓越的管理者，有系統論的思維，能夠從復雜系統的角度關聯地看待大數據與行業的關系。此類人才的稀缺性將制約大數據的發展。

6．大數據的研究不足

綜觀國內外大數據領域的研究和應用發展現狀可見： 1）大數據相關的研究與應用目前仍然處于起步階段，學術研究大多局限于宏觀層面；2）基于互聯網和社會媒體的企業大數據研究與應用亟需進一步的深入開展； 3）現有的大數據研究大多立足于信息科學，側重于大數據的獲取、存儲、處理、挖掘和信息安全等方面，鮮有從管理學的角度探討大數據對于現代企業生產管理和商務運營決策等方面帶來的變革與沖擊的研究。

二、精準營銷研究現狀

1.精準營銷的定義

1999 年，美國的萊斯特·偉門提出了精準營銷的概念。Zabin和Brebach（2004）提出了精準營銷的4R法則，亦即正確的顧客（right customer），正確的信息（right message），正確的管道（right channel）以及正確的時刻（Right time），通過將正確的信息在正確的時刻通過正確的管道傳遞到正確的顧客手中，以此真正對目標客戶的購買決策構成影響，促進營銷目標的有效達成。

菲利普.科特勒Philip Kotler（2005）在其全球巡回演講論壇上宣布了一個營銷傳播的新趨勢——精準營銷（Precision Marketing），并對其進行闡述：“具體來說，就是公司需要更精準、可衡量和高投資回報的營銷溝通，需要更注重結果和行動的營銷傳播計劃，還有越來越注重對直接銷售溝通的投資。科特勒（2006）在暢銷書《Principles of Marketing》中，首次將基于互聯網的精準營銷理論融入其中，他認為日新月異的科技，使一些公司勇于從傳統的大眾傳媒溝通方式轉移到更加有針對性目標市場的互動模式，以此來不斷提高溝通的效果和效率。并提出“對于營銷來說，將溝通個性化，并在正確的時間，對正確的人，表達而且做出正確的事情，是至關重要的。”

Paul.W.Farris與Neil.T.Bendle等人（2006）在《Marketing Metries：50+MetriesEvery Executive Should Master》一書中專門研究了解決營銷活動科學量化的問題，幫助精準營銷活動取得良好效果。營銷量化指標的歸納和運用，為經理人在實踐中有效利用信息進行科學決策，提供了指導原則、方法以及注意事項。營銷量化指標衡量方法，綜合了營銷和財務兩個方面的視角，是關于公司營銷業績的科學而全面的評價。

Lisa D Spiller與Martin Baier（2006）合著的《當代直復營銷》中提到了直復營銷是對傳統營銷的發展，是精準營銷的理論基礎之一，強調以市場細分為基礎進行數據庫驅動的直復營銷。在互聯網的基礎上實現精準營銷，完成與顧客之間的直復營銷關系。

國內的齊淵博（2005）將精準營銷理解為“精確營銷”，即包含了“標準”和“確定”兩個意思，“標準”就是可以復制、可以推廣、可以提升，沒有“標準”的理念只是偶然現象，而“確定”就是對市場極致的了解和把握。

學者許瑾（2006）在科特勒精準營銷理論的基礎上，從實踐的角度對精準營銷進行了補充：“精準營銷是以客戶為中心，運用各種可利用的方式，在恰當的時間，以恰當的價格，通過恰當的渠道，向恰當的顧客提供恰當的產品。”并指出精準營銷的幾種傳播新模式，提倡從傳播受眾切入，研究受眾的行為、生活形態，從而理解用戶需求，最終傳遞給受眾最精準的廣告內容。

伍青生、余穎、鄭興山（2006）在《精準營銷的思想和方法》一文中提出了精準營銷是通過定量和定性相結合的方法對目標市場的不同消費者進行細致分析，根據他們不同的消費心理和行為特征，企業采用有針對性的現代技術、方法和指向明確的策略，實現對目標市場不同消費者群體強有效性、高投資回報的營銷溝通。

郵政營銷專家徐海亮教授（2006）創立了精準營銷理論體系，提出了較為完整的精準營銷的概念——精準營銷就是在精準定位的基礎上，依托現代信息技術手段建立個性化的

顧客溝通服務體系，實現企業可度量的低成本擴張之路。并指出了精準營銷的三個層面的含義：第一、精準的營銷思想。營銷的終極追求就是無營銷的營銷，到達終極思想的過度就是逐步精準。第二是實施精準的體系保證和手段，而這種手段是可衡量的。第三就是達到低成本可持續發展的企業目標。并對傳統廣告體系與精準傳播體系進行了對比，提出來精準傳播的三種方式：網絡媒體的傳播，傳統廣告的改良與創新及口碑傳播。劉征宇（2007）在《精準營銷方法研究》一文中也把精準營銷的方法歸為基于數據庫營銷的方法、基于互聯網的方法、借助他人渠道的方法等三大類。

姜何（2008）用精細化營銷來形容精準營銷，他認為所謂精細化的管理是相對于粗放式管理而言的，面對于營銷的精細化管理，意味著基于客戶細分戰略的一對一營銷，即要與企業選定的最有價值的客戶群一對一，了解個性化需求，提供個性化渠道，實現個性化營銷手段。而曹彩杰（2010）也分析到：以網絡和信息技術為核心的精準營銷體系，在一定程度上將取代傳統的營銷方式，逐步成為現代企業營銷發展的新趨勢。

綜合上述各種觀點可以看出，目前學者對精準營銷研究熱情也頗為高漲，相關文獻數量較多，但對于什么是精準營銷業界還沒有給出一個公認的定義，但精準營銷的特性是顯而易見的：一是對市場準確定位，二是依賴科技手段，三是個性化服務，四是提高營銷的正確性。盡管精準營銷的定義尚無定論，但這并不妨礙精準營銷思想及方法的發展傳播，由于互聯網的普及化，網絡營銷方興未艾，基于互聯網的精準營銷是目前網絡營銷的一個熱點領域并且還會不斷涌現新的研究成果。精準營銷將在互聯網上的新興行業里得到廣泛推廣，并逐步應用到傳統產業中去。

2．精準營銷的理論基礎及意義

精準營銷并不是一個全新的營銷思想，隨著信息技術的飛速發展，市場的形態有人們的消費行為、消費觀念都產生了巨大的變化，隨之產生的新營銷環境促使營銷方式和營銷途徑在傳統營銷理論的基礎上不斷演變發展。

2.1從4P理論到4C理論

美國營銷學學者麥卡錫教授于1960年在《基礎營銷》（Basic Marketing）中提出產品（product）、價格（price）、渠道（place）、促銷（promotion）大營銷組合策略，他認為一次成功和完整的市場營銷活動，意味著以適當的產品、適當的價格、適當的渠道和適當的傳播促銷推廣手段，將適當的產品和服務投放到特定市場的行為。4P理論是營銷策略的基礎，科特勒（1967）在其暢銷書《營銷管理：分析、規劃與控制》第一版中進一步確認了以4P為核心的營銷組合方法。4P營銷理論遵循的是由上而下的運行原則，它使市場營銷

理論有開始有了體系，又使復雜的現象和理論簡單化“這種理念的出發點是追求企業利潤，重視產品導向而非消費者導向，沒有將客戶的需求放到同等重要的地位上來，這也正好體現了了在無細分市場（mass market）里推（push）的概念。在4P理論的基礎上勞特朋（Robert.F.Lauterbon）教授（1990）在其《4P退休4C登場》專文中，提出了以顧客為中心的一個新的營銷模式，這個4C理論它包含4個要素：四個基本要素：即消費者（Consumer）、成本（Cost）、便利（convenience）和溝通（communication）。4C理論的核心：強調購買一方在市場營銷活動中的主動性與積極參與，強調顧客購買的便利性”精準營銷為買賣雙方創造了得以即時交流的小環境，符合消費者導向、成本低廉、購買的便利以及充分溝通的4C要求，是4C理論的實際應用。精準營銷是迎合市場內外環境的變化，在4P的理論基礎上，融合了4C營銷組合理論來適應新環境的發展：

（1）精準營銷真正貫徹了消費者導向的基本原則。4C理論的核心思想，便是企業的全部行為都要以消費者需求和欲望為基本導向，精準營銷作為這一大背景下的產物，強調的仍然是比競爭對手更及時、更有效地了解并傳遞目標市場所期待的滿足。這樣，企業要迅速而準確地掌握市場需求，就必須離消費者越近越好。這是由于，一方面，信息經過多個環節的傳播、過濾，必然帶來自然失真，這是由知覺的選擇性注意、選擇性理解、選擇性記憶、選擇性反饋和選擇性接受所決定的；另一方面，由于各環節主體利益的不同，他們往往出于自身利益的需要而過分夸大或縮小信息，從而帶來信息的人為失真。精準營銷繞過復雜的中間環節，直接面對消費者，通過各種現代化信息傳播工具與消費者進行直接溝通，從而避免了信息的失真，可以比較準確地了解和掌握他們的需求和欲望。

（2）精準營銷降低了消費者的滿足成本。精準營銷是渠道最短的一種營銷方式，由于減少了流轉環節，節省了昂貴的店鋪租金，使營銷成本大為降低，又由于其完善的訂貨!配送服務系統，使購買的其它成本也相應減少，因而降低了滿足成本。

（3）精準營銷方便了顧客購買。精準營銷商經常向顧客提供大量的商品和服務信息，顧客不出家門就能購得所需物品，減少了顧客購物的麻煩，增進了購物的便利性。精準營銷實現了與顧客的雙向互動溝通，這是精準營銷與傳統營銷最明顯的區別之一。

2.2讓渡價值理論

“讓渡價值”這個新概念是科特勒（1994）提出的，是對市場營銷理論的又一進步。顧客總價值與顧客總成本之間的差額是“讓客價值”的中心。其中顧客總價值是指顧客購買某個產品或者得到服務所期望獲得的某些利益，其中包括產品的價值、服務的價值和形象的價值等；顧客總成本的意思是指顧客為購買某一產品或服務而支付的貨幣及所耗費的

精力、時間，包括貨幣的成本、時間的成本及精力的成本。

由于顧客選擇購買商品或者服務時，總是希望把相關的成本降至最低，同時又希望從中獲得到更多的實際利益，因此，顧客總是傾向于選擇“讓渡價值”最大化的方式。而企業為在競爭中想要努力的戰勝對手，就需要吸引更多的潛在顧客，同時必須向顧客提供比競爭對手更多的“讓渡價值”，才可以滿足顧客的實際利益最大化的期望。

首先，精準營銷能夠大幅度的提高顧客總價值。因為精準營銷實現了“一對一”的營銷，在這種新型觀念指導下，其產品設計、開發、銷售充分考慮了消費者需求的個性特征，同時增強了產品價值的適應性，從而為顧客創造了更大的產品價值。在提供優良產品的同時，精準營銷更加注重服務價值的開發和創造，努力的向消費者提供合理、周密、完善的銷售服務，同時方便廣大顧客的購買。另外，精準營銷還通過一系列的優質的營銷活動，努力提升自身的形象，逐步的培養消費者對企業的偏好與忠誠。

其次，精準營銷大大的降低了顧客總成本。在顧客購買商品，不僅要考慮銷售商品的價格，同時必須確切的知道有關商品的信息，并對銷售商品各方面進行深層次的比較，還必須考慮顧客購物環境是否便利等多種因素。精準營銷可能大幅的縮短了營銷渠道，通過直接手段和直接媒體及時向顧客傳遞商品信息，降低了顧客搜尋信息的精力成本與時間成本，因而減少了交易費用，擴大了企業商品銷售，成為眾多企業廣泛采用的營銷方式。

2.3直接溝通理論

1973年，領導行為理論代表人物，美國行為科學家明茨伯格H.Mintzberg指出“管理工作有10種作用，而人際關系和溝通占3成”。明茨伯格首先創立了經理角色理論，指出“重視同外界和下屬的信息聯系”和“愛用口頭交談方式”為經理角色六個特點中非常重要的兩個特點，直接強化了直接溝通。從泰勒科學管理初始探索下行溝通開始，管理溝通理論的發展歷程主要經歷了從研究“行政溝通”，向研究“人際溝通”發展、接著以“縱向溝通”研究為主，向以“橫向溝通”研究為主，進而向以“網絡化溝通”研究為主發展、從以研究“單一的任務溝通”為主，向“全方位的知識共享溝通”研究發展等一系列過程。

20世紀80年代以來隨著世界經濟政治的變化，管理思想發生了重大的轉變，管理溝通理論的研究也遭遇到新的挑戰，主要表現在溝通中的信息網絡技術的應用，知識型企業及學習型組織的建立等。伴隨著現代管理理論呈現出的管理理念更加知識化、管理組織虛擬化、人性化、管理手段和設施網絡化、組織結構扁平化、管理文化全球化等總體趨勢，管理溝通理論也出現了企業流程再造溝通趨勢、知識管理溝通趨勢、管理更加柔性化的文化管理溝通趨勢、網絡經濟和全球經濟一體化的管理溝通的國際化趨勢。精準營銷的直接

溝通，使溝通的距離達到了最短，強化了溝通的效果。

四、對大數據環境下精準營銷模式的思考

“營銷管理是藝術與科學的結合——選擇目標市場，并通過創造、交付和傳播優質的顧客價值來獲得顧客、挽留顧客和提升顧客的科學與藝術。”其中，“科學”的部分有賴于數據搜集與分析和各種營銷數據庫的建立。可以說，數據的使用貫穿在整個營銷過程的始末，對于營銷的效果起著至關重要的影響性作用。而在大數據時代，大數據的日益興起和全方位的發展，如GPS定位一般，使企業對市場的理解和洞察需求正在日益地走向實時化和精準化，為企業實現精準營銷帶來前所未有的發展機遇。

而通過以上對大數據、精準營銷的分析與總結我們可以看出，國內外學者對大數據、精準營銷等理論研究成果很多，但對于如何利用大數據及大數據技術，研究客戶行為特征，建立大數據時代顧客洞察與精準營銷體系策略，這方面的研究則很少。“許多人感覺到大數據時代正在到來，但往往只是一種朦朧的感覺，對于其真正對營銷帶來的威力可以用一個時髦的詞來形容——不明覺厲”。下面提出自己的一些思考。

首先，科技在營銷中的運用一直存在，然而大數據在營銷中的運用是科技與營銷的結合的一座新的里程碑，它使技術在營銷中不再僅僅是錦上添花的工具，則是會帶來企業營銷的戰略性轉型，起到革命性的作用。

其次，我們可以從市場營銷的一般過程來分析大數據技術在精準營銷中的應用。（1）客戶信息收集與處理。客戶數據管理是一個數據準備的過程，是數據分析和挖掘的基礎，是搞好精準營銷的關鍵和基礎，否則會造成盲目推介、過度營銷等錯誤，比如因為某些產品的購買，在一定時段里是不會重復的，強行推薦，只會導致厭煩情緒和后悔情緒。傳統的客戶關系管理一般關注兩方面的客戶數據：客戶的描述性數據和行為數據。描述性數據類似于一個人的簡歷，比如姓名、性別、年齡、學歷等；行為數據則復雜一些，比如消費者購買數量、購買頻次、退貨行為、付款方式等。在大數據時代，結構性數據僅占15%，更多的是類似于購物過程、社交評論等這樣的非結構性數據，并且數據十分復雜，符合4V特征。只有通過大數據技術收集和整理數據，才有可能形成關于客戶的360度式數據庫，不錯過每一次營銷機會，“啤酒與尿布”的推銷理論就是一個很好的例子。

（2）客戶細分與定位。只有區分出了不同的客戶群，企業才有可能對不同客戶群展開有效的管理并采取差異化的營銷手段，提供滿足這個客戶群特征要求的產品或服務。在實際操作中，傳統的市場細分變量，如人口因素、地理因素、心理因素等由于只能提供較為

模糊的客戶輪廓，已經難以為精準營銷的決策提供可靠的依據。大數據時代，利用大數據技術能在收集的海量非結構信息中快速篩選出對公司有價值的信息，對客戶行為模式與客戶價值進行準確判斷與分析，深度細分，使我們有可能甚至深入了解“每一個人”，而不止“目標人群”來進行客戶洞察和提供營銷策略。

（3）營銷戰略制定。在得到基于現有數據的不同客戶群特征后，市場人員需要結合企業戰略、企業能力、市場環境等因素，在不同的客戶群體中尋找可能的商業機會，最終為每個群制定個性化的營銷戰略，每個營銷戰略都有特定的目標。如獲取相似的客戶、交叉銷售或提升銷售，或采取措施防止客戶流失等。

（4）營銷方案設計。大數據時代，一個好的營銷方案可以聚焦到某個目標客戶群，甚至精準地根據每一位消費者不同的興趣與偏好為他們提供專屬性的市場營銷組合方案 包括針對性的產品組合方案、產品價格方案、渠道設計方案、一對一的溝通促銷方案。比如O2O渠道設計，網絡廣告的受眾購買的方式（DSP）和實時競價技術（RTB），基于位置（LBS）的促銷方式。

（5）營銷結果反饋。大數據時代，營銷活動結束后，應對營銷活動執行過程中收集到的各種數據進行綜合分析，從海量數據中發掘出最有效的企業市場績效度量，并與企業傳統的市場績效度量方法展開比較以確立基于新型數據的度量的優越性和價值．以對營銷活動的執行、渠道、產品和廣告的有效性進行評估，為下一階段的營銷活動打下良好的基礎。

五、結語

大數據時代已經到來，而且將成為全世界下一個創新、競爭和生產率提高的前沿。“營銷本質上就是效率提高的過程，而技術是在幫助這個過程轉變”。大數據在提高效率、精準營銷上大有作為，它正在幫助企業深入了解“每一個人”，而不止是“目標人群”，它真正努力讓客戶變成“首席執行客戶”，試圖打造針對每個客戶的“全接觸”體系。這在增進企業效益的同時，也能給消費者帶來全新的私人定制似的體驗從而增加消費者福利。因此，研究揭示大數據在精準營銷中的價值產生機理，探索大數據時代下的精準營銷模式就變得很有意義和價值，我們期待越來愈多的學者在這方面做出貢獻。

參考文獻 中國企業評價協會、中色金銀貿易中心，大數據的基本概念及相關問題，中國電子商務企業發展報告2013。2 黃升民，劉珊，“大數據”背景下營銷體系的解構與重構，現代傳播，2012年第11期。3 4 5 6 7 8 9 王波，大數據時代精準營銷模式研究，經濟師，2013年第5期。

任廣見，基于大數據的商業模式創新及啟示，現代商貿工業，2013年20期。郭虹，大數據時代-實體店與網商營銷，中國出版傳媒商報，2013年第9期。賈利軍，許鑫，談“大數據”的本質及其營銷意蘊，南京社會科學，2013年第7期。秦雯，大數據驅動營銷革命，觀察家，2013年第7期。

劉征宇，精準營銷方法研究，上海交通大學學報，2007年第4期。吳海環，基于精準營銷的顧客溝通研究，武漢理工大學碩士論文，2008年。馮芷艷，郭迅華，曾大軍，陳煜波，陳國青，大數據背景下商務管理研究若干前沿課題，管理科學學報，2013年第1期 李芬，朱志祥，劉盛輝，大數據發展現狀及面臨的問題，西安郵電大學學報，2013年第5期。錢心緣，國內外大數據研究進展之從文獻計量學角度分析，中國科技信息，2013年第19期。周再宇，價值鏈重塑:大數據洞察與精準營銷，新營銷，2012年第11期。14 趙國棟，大數據時代的歷史機遇：產業變革與數據科學，清華大學出版社，2013年。張小平，一塊牛肉干引發的大討論——說說大數據時代的精準營銷，企業觀察家，2013年第07期。李文蓮，夏健明，基于“大數據” 的商業模式創新，中國工業經濟，2013第5期。郭濤，掌握大數據之“芯”實現精準營銷，中國計算機報，2012年第15期。17 Lynch C.Big data: How do your data grow[J].Nature,2008,455(7209): 28-29． Hilbert M，Lopez P．The world’s technological capacity to store，communicate，and compute information[J].Science，2011，332(6025): 60-65． Bughin J,Chui M,Manyika J.Clouds,big data,and smart assets: Ten tech-enabled business

trends to watch[J].McKinsey Quarterly，2010(8): 1-14． Anderson C.The end of theory: The data deluge makes the scientific method obsolete［J］Wired Magazine,2008,16(7):1-3． Frankel F, Reid R.Big data: Distilling meaning from data [J].Nature,2008,455(7209): 30． 22 Lavalle S, Lesser E, Shockley R，et al.Big data，analytics and the path from insights to value[J].MIT Sloan Management Review，2011． Manyika J, Chui M, Brown B，et al.Big Data: The Next Frontier for Innovation, Competition, and Productivity [M].New York: McKinsey Company,2011． Hui SK, Fader PS, Path data in marketing: An integrative framework and prospectus for model building [J].Marketing Science,2009,28 : 320-335． Borgatti SP, Mehra A，Brass D J，et al． Network analysis in the social sciences[J].Science，2009，892-895． Ghose A,HanSP.An empirical analysis of user content generation and usage behavior on the mobile internet [J].Management Science,2011,57(9): 1671-1691． Aral S,Walker D, Identifying influential and susceptible members of social networks Science,2012,337(6092):337-341． Robert LP，Dennis AR.Social capital and knowledge integration in digitally enabled teams[J].Information Systems Research,2008,19(3): 314-334． Ghose A, IpeirotisPG.Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content[J].Marketing Science，2012, 493-520． 30 Dabenport TH.Competing on analytics [J].Harvard Business Review，2006(1): 1 － 9． 31 AralS, WalkeD.Creating social contagion through viral product design: A randomized trial of peer influence in networks[J].Management Science,2011,57(9): 1623-1639．

Dabenport TH, Barth P, Bean R． How“Big Data”is different［J］． MIT Sloan Management Review, 2012, 53.33 Archak N, Ghose A, Ipeirotis PG.Deriving the pricing power of product features by mining consumer reviews [J].Management Science,2011,57(8): 1485-1509.

第二篇：大數據精準營銷的價值與方法

大數據精準營銷的價值和方法

網舟科技數據分析課題組

大數據營銷價值：

隨著全球的信息總量呈 現爆炸式增長，移動互聯網、可選渠道和設備增加以及不斷變化的消費者特征，同時大數據技術的更新日益。大數據營銷依托多平臺的數據采集及大數據技術的分析及預測能力，使企業的營銷更加精準，為企業帶來更高的投資回報率。無論是線上還是線下大數據營銷的核心在于在合適的時間，基于你對用戶的了解，把你希望推送的東西通過合適的載體，以合適的方式，推送給合適的人。

大數據營銷關鍵問題：

問題1：怎么才能準確知道Who？Where？Do What? How Do? 大數據營銷首先要解決的是數據匯聚的問題。通過打通用戶在多個渠道上的行為數據，構建對用戶行為和用戶數據的深入洞察，一方面實時監控各渠道的用戶行為特征，運營和營銷的效果，進行優化；另一方面集中用戶的數據，便于后續的深入挖掘工作，實現以用戶為中心的數據匯聚，提升用戶數據價值，實現用戶交互的精準識別和多渠道數據打通，為用戶提供更準確的服務和營銷。問題2：渠道及交叉渠道組合方式如何選擇？

當營銷預算不夠的時候，如何在搜索和其他的渠道間進行營銷預算的分配？是選擇電子商務最優搜索渠道還是選擇跨渠道組合營銷呢？跨渠道營銷預算如何進行排列組合？

問題3：如何通過個性化營銷讓企業離用戶更近一點？

營銷方式從海量廣告過度到一對一以用戶體驗為中心的精準營銷，一對一精準營銷實際上是對于任何一個互聯網用戶在那一刻，在那一個渠道以一個獨特的價格，推送一個獨特的廣告創意，效果是怎么樣的。圍繞用戶、業務場景、觸點、營銷推送內容/活動推薦，并且基于跨渠道觸發式的營銷能力，在注重用戶體驗同時達到最佳的營銷效果，并且可對營銷進行跟蹤，從而不斷優化營銷策略。

問題4：如何實現基于大數據營銷的即時營銷？

企業希望通過實時分析來獲取競爭優勢。精準營銷也要求在活動的同時我們就能得到數據，立即優化營銷效果。

大數據營銷系統組成：

基于大數據的精準營銷過程分為：采集和處理數據、建模分析數據、解讀數據這么三個大層面。通過對客戶特征、產品特征、消費行為特征數據的采集和處理，可以進行多維度的客戶消費特征分析、產品策略分析和銷售策略指導分析。通過準確把握客戶需求、增加客戶互動的方式推動營銷策略的策劃和執行。

網舟科技大數據營銷項目的解決方案主體為：數據整合營銷平臺

營銷管理平臺中心有一個通用的工作流引擎，以及創新生動的用戶界面。它具有高度自動化的特點，基于角色的協作，工作流工具使營銷上很容易定義流程規劃和管理預算、資源和內容，細分客戶，定義規則和機制，創建和重建模板，執行活動，捕捉反應，定義領導流程和結果分析。營銷商根據需求動態的格式化內容協調所有營銷過程與跨越多渠道的用戶交互，而視覺框架使這一切變得更直觀。

大數據精準營銷實現方式：

通過一個表達式構建器、原始SQL、或通過預定的過濾器進行構造。即可以基于一個無限數量的隱式或顯式條件下，利用底層營銷數據：包括歷史客戶交易、人口統計、模型評分、營銷歷史以及瀏覽行為等實時變量，進行細分和決策規則的配置。支持Offer（針對不同特點客戶所要提供的營銷內容、素材等的供給物）與渠道(網站、手機應用、郵件短信等)的關聯配置。數據營銷后臺可對各觸點的推送offer中的推送規則、推送內容進行定義，還可實現多渠道、多波次的營銷定義，并負責精準營銷的推薦實施。

數據來源：網舟科技

第三篇：金融業如何利用大數據進行精準營銷

金融業如何利用大數據進行精準營銷

導讀近幾年各行各業對大數據技術的應用越來越多，但凡有財力的企業都躍躍欲試，更何況是“手握重金”的金融行業。金融業如何利用大數據進行精準營銷？如何構建新一代大數據運營中心？且聽永洪科技高級咨詢師胡星昱圍繞金融行業的經驗分享。

說到大數據，有兩點我們要強調一下：一個是數據資產化，另一個是決策數據化。

? IT部門轉變成利潤中心

信息技術部門是做IT支撐的，每年都會進行軟、硬件大批量采購，企業內部都認為信息技術部門是成本中心，信息技術部門的數據也都是伴隨業務發生時產生的一個附屬物。隨著大數據技術發展，企業希望通過數據尋找業務規律，對客戶需求進行挖掘，因為這樣做會給業務帶來直接的價值，幫助業務進行優化和提升，所以數據成了金融機構的一項寶貴資產，掌握數據量最大的信息技術部門也逐漸成為企業的利潤中心。

從戰略方向上講，以前在企業內部，主要是決策人員根據經驗主觀判斷進行決策，這樣做的風險很大，因為人會受到自己所處環境和情緒的影響。所以企業必須借助數據的幫助來做決策，并進行客觀的驗證和預測，要從原來依據經驗說話向依據數據說話進行轉變。

在數據量和數據分析需求日益增加的挑戰下，從戰略層面上講，金融機構需要建立一套“數據驅動型”的模式，即真正落實大數據運營中心。

從戰術方面上講，金融行業內企業可以嘗試三種戰術方向。首先可以通過用戶畫像、精準營銷來做運營優化。其次是通過運營分析、產品定價來做精細化管理。最后是利用實時的反欺詐反洗錢應用，以及中小企業的貸款評估來提高風險控制能力，最終實現全面提升金融企業的核心價值和能力。

? 新一代金融大數據運營中心 金融行業內的企業現在都需要一套整體化的業務架構。構建業務架構要從搭建一套企業級數據中心說起。企業級數據中心會包含企業的業務系統、外部數據和一些機器日志，這些結構化、半結構化和非結構化的數據，都要被匯集在一起。

在這些數據之上，金融行業內企業可以建立各種各樣的分析模型。比如利用用戶畫像做精準營銷，用EVA指標模型和反欺詐模型做多維盈利分析、反欺詐的交易分析等。

運營優化、管理提升、風險監控，這三個方向到底給金融行業帶來什么價值？

首先是精準營銷。精準營銷真正要做的就是了解客戶：客戶到底是什么樣的？客戶是誰？客戶需要什么產品？客戶有什么產品偏好？客戶喜歡哪些產品組合……還有就是如何進行有效營銷、如何提升客戶價值、保持客戶忠誠度。

比如，現在很多金融機構都有APP，就可以分析用戶在尋找什么產品，用戶在找到一款產品并真正實現交易的過程中會瀏覽哪些頁面，在哪個頁面停留最長時間，交易中斷是什么原因造成的等，而分析結果可以用于提升運營效果。

說到精準營銷就不能不談用戶畫像。以前經常聽到“360度用戶畫像”這個詞。但我覺得，“360度用戶畫像”更像一個廣告宣傳語，因為人是非常復雜的動物，很難用可數的緯度來100%地描述，所以需要從一定目的出發來建立用戶畫像。

尤其是在企業內部沒有足夠數據來構建用戶畫像，需要通過外界渠道來獲取數據支撐的時候。數據的獲取是有成本的，更不應該盲目搭建用戶畫像體系。也就是說，用戶畫像的本質其實應該是從業務角度出發，對客戶需求、消費能力，以及客戶信用額度等進行分析。

舉個小例子，比如說做存貸款產品營銷時，可對高價值信用卡用戶的AUM進行分析。篩選他們每月的消費金額、信用額度、當前存款情況、貸款有沒有拖欠，是不是商務卡持有者等，通過這些維度對用戶進行分析。再針對不同用戶分群給出不同的營銷策略。比如說哪些用戶該提升額度，哪些應該為其推薦金融產品。營銷在落實時，可以先通過短信進行營銷，再通過呼叫中心來了解客戶意圖。當客戶有意向時，再交由理財經理進行進一步跟進。

除精準營銷，還有多維盈利分析。多維盈利分析金融機構已經做很多年了，我最近也與國內幾十家金融機構進行了交流，發現其實在業務上他們都希望多維盈利分析能夠做到帳戶級。可實際上，大部分金融機構現有的IT架構只能支撐做到產品級，或是科目級分析。為什么？就是因為金融機構普遍數據處理能力不夠。如果要跑一個帳戶級的結果出來，系統要跑好幾個小時。而通過數據運營中心，就可以實現幾十分鐘出結果，企業就可以更好地進行精細化管理。

在風險監控方面，可以列出很多風險監控的指標，再通過這些指標用大數據平臺進行實時監控，真正了解整個企業當前所處的風險等級。

? 傳統業務架構存在的6大缺點

上述應用在傳統架構下能否實現？我認為傳統業務架構存在6大缺點。

第一是不夠敏捷，對業務新需求滿足的時間太長。我通過交流了解到，有些金融機構內部業務新的需求提出后，需要幾周，甚至幾個月時間才能把報表提交上去，業務人員才能看到他需要的數據，這種效率顯然跟不上市場變化。

第二是性能不佳，在海量數據面前，沒有足夠的計算能力去實時計算數據。

第三是洞察力弱，傳統IT架構已無法深入挖掘海量數據的數據價值。金融企業的分析人員已不滿足于只看到數據呈現，還希望對數據進行聚類、分類的算法來挖掘數據價值。第四是擴展性差，海量歷史數據無法單機存儲，傳統的IT架構又不支持水平擴展。第五是無法挖掘非結構化數據價值，現在每年金融機構的數據增量中有百分之七十到八十的數據屬于非結構化數據，如果不能把這部分數據的價值挖掘出來，是嚴重的浪費。

第六是成本高，從系統搭建到項目實施整個過程不可控。動輒上百萬元資金成本或一到兩年時間成本的項目在金融機構中很多。

所以，永洪提出了新一代的金融大數據應用中心的IT架構，可以根據業務需求不同，分為在線需求和離線需求。

在線or離線

為什么要分在線和離線？其實，很多需求都是按時效性區分的。

舉個小例子，比如我們會分析現有的客戶中，哪些屬于即將流失的客戶，哪些是高價值客戶。在這個過程中，要經過復雜的模型，考量多個指標來判斷，而結果也許并不需要馬上就得到。但在分析某個地區時，高價值客戶最近的消費傾向這種分析需求是非常靈活且時刻變化的，這就要求能夠實時得到計算結果。

下面，我把在線和離線分開介紹。

在線分析需求，我們總結出了一個最佳實踐。這里順便回答下如何實現敏捷分析的問題。在以前的架構中，通常是把業務邏輯和數據模型結合在一起，也就是根據業務需求制作數據模型，制作CUBE，做二次表，進行匯總計算，最后反饋和展現的只是一個很小數據量的結果。在那這樣的架構中，前端需求一旦變化就需要改模型，造成工作量大，交付時間也會拖長。

所以永洪提倡把數據模型和業務邏輯分開。數據模型只把跟分析主題相關的數據關聯到一起，做一張大寬表。比如，現在要進行營銷相關分析，就把數據交易數據、用戶數據、渠道數據都打通，關聯起來，但這些數據不要匯總，也就是要保持交易記錄級的數據粒度，而要分析哪些緯度，需要什么粒度的數據，都可以通過實時的計算，這樣就不會造成業務邏輯和數據模型混在一起。

不能每個分析需求都建一個CUBE，之前我見過有的企業數據倉庫中有上千個cube，因為數量太大，根本沒人來管理。而每當有新需求提出，也只能做新CUBE。這么做對企業來說有風險。

如果不愿意對數據來進行匯總計算，而是進行實時計算，就要提供大量細節數據實時計算的能力，這時可以采用了MPP數據集市來處理在線分析需求。

在這個過程中，永洪運用了列存儲、分布式計算、列存計算的技術來提高運行效率，就算是百億級的數據，也可以通過這種分布式的集群，實時進行分析計算，然后反饋給用戶。此外，大數據平臺離線分析是通過Hadoop的平臺來做結構化和非結構化數據的存儲，解析。然后在上面會用YARN量做資源管理——根據分析需求決定是用批處理模塊還是搜索模塊、是用流處理還是用機器學習等。

永洪科技現正在幫助國內各個企業進行數據挖掘應用。我們的客戶范圍涉及電信行業、能源、政府、金融、零售，還有IT互聯網行業，永洪會幫助他們提升數據運營效果。

接下來，簡單介紹幾個做過的案例。

首先是一個股份銀行，永洪通過大數據平臺，幫助他們進行用戶畫像的精準營銷，把金融機構持卡人的信息、信用卡信息、微信卡信息都拿過來。在大數據平臺上，通過畫像和算法給用戶進行畫像分群，根據分析需求來構建畫像模型，基于Map Raduce聚類和算法對用戶進行分類，然后再進行數據域處理，最終完成用戶的畫像。

另外,永洪也幫助華北一些金融機構在傳統數倉上搭建在線分析平臺，以及幫助他們建立全行的報表平臺。例如行長駕駛艙和業務類型報表。永洪也為中信金融機構杭州分行、四川分行搭建了在線分析平臺。杭州分行通過在線平臺幫助用戶實時分析零售數據。以前他們的分析人員大部分精力都用在整理數據和制作報表上，通過永洪的在線平臺，業務人員可以自己接觸到數據，并且可快速地生成分析報告，把真正精力都放在分析數據這塊。

現在，整個行業正處在數據架構和數據分析系統的變革時期，永洪科技非常希望通過提供專業技術和服務來幫助金融機構把數據價值挖掘出來，提高業務能力，提高競爭力。

胡星昱：澳大利亞莫納什大學商業信息系統碩士，擁有3年大型企業需求分析，項目實施和解決方案制作經驗；曾為國外大型零售企業和政府機構設計和實現數據分析系統，成功推進國內多個大型金融項目的需求、設計、研發、實施工作。在企業級系統集成，大數據，BI領域有豐富的項目經驗；目前主要負責產品和解決方案的咨詢工作。

第四篇：大數據下的精準營銷方式

而浩如煙海的客戶及市場、銷售和服務信息，如果沒有一個具有高度商業智能的數據分析和處理系統是不可想像的。大數據將是繼云計算、物聯網之后IT產業又一次顛覆性的技術變革。

大數據將是繼云計算、物聯網之后IT產業又一次顛覆性的技術變革。電影《天下無賊》里有這樣一句經典對白：“21世紀什么最貴？人才！”如今，選項可能還要加上一個：數據。

而這數據，已不是傳統意義的一般數據，而是超大數據、海量數據，就是現在所謂的“大數據（Big Data）”。

如今大數據可謂是風起云涌，紅紅火火，儼然成為信息技術領域最時髦的詞匯。IBM、微軟、Oracle、SAP等IT巨鱷，像是尋找到了新的金礦，開始全力挖掘大數據，多方位推廣大數據理念，而眾多中小IT廠商也跟著蜂擁而至，以分得大數據市場一杯羹。

數據爆炸的沖擊波

“大”字不僅意味著數據的數量龐大，還代表著數據種類繁多、結構復雜，變化的速度也極快。研究表明，大數據呈現三種特性：Volume（極多的數據量）、Velocity（極快的處理速度）、Variety（極繁的數據種類）。如今有許多企業已面臨單日數據量以數

十、數百TB（萬億字節）的速度增加，而近幾年累加的總數據量也達到了PB(1000個TB)甚至EB(一百萬個TB)等級，這樣的數據量已讓傳統的數據庫難以處理；而且企業數據增加的速度也越來越快，諸如移動化、社交網絡的廣泛應用，使得數據增加的速度比傳統的企業應用程式來得快很多，一旦數據增生速度越快，數據處理、分析的速度也就得跟上；此外，數據更是呈現出多樣性、復雜性的特征，一方面互聯網不但產生文字資訊，同時也不斷在產出與以往不同的數據：照片、視頻、微博等，另一方面，IT遍及工作生活中的每個角落，各種各樣的傳感器、監控器也不斷產生，各種機器資訊數據的形式日趨復雜、多樣了，從結構化數據到非結構化數據不斷轉化。這就催生了大數據技術的強烈需求。今天，從搜索引擎、社交網絡的普及到人手一機的智能移動設備，全球互聯網上的信息總量正以每年30%-50% 的增速不斷暴漲，包括每天Facebook上分享的幾億條內容，每日15 TB的Twitter信息，每天淘寶上數十億條店鋪、商品瀏覽記錄及上億的成交、收藏記錄以及3000多萬條傳感器資訊，等等。市場研究機構IDC的研究結果顯示，去年全球創造的信息數量達到1800EB，并且還以每年50%的速度高速增長，到2020年，全球每年產生的數字信息將達到35ZB（1ZB=1024EB）。據IDC統計，2011年全球所產生的數據總量是1.8ZB，如果把這些數據刻錄到CD碟片中，這些碟片可環繞地球30圈。

可以說，目前大部分企業經營決策面臨的最大挑戰不是缺少數據，而是數據太多，面對這些只是靜態、孤立、無多大參考意義的“初級品”的信息數據，企業信息部門如何通過系統功能來有效利用和整合，發掘有價值的數據，給公司營銷管理提供決策支持，已成為擺在企業信息部門及其他管理部門面前的難題。

而浩如煙海的客戶及市場、銷售和服務信息，如果沒有一個具有高度商業智能的數據分析和處理系統是不可想像的。而用戶想要從龐大海量的數據庫中提取對自己有用的信息，就離不開大數據分析技術和工具。事實證明，傳統基于過往事實的商業管理系統如BI（智能分析系統）、CRM（客戶管理系統）也能夠為企業帶來價值，但是今天一個優秀的大數據系統更能將數據挖掘技術與現有技術很好地結合起來，將特殊領域的商業邏輯與數據倉庫技術集成起來，找出對未來企業戰略具有影響的因素，使數據挖掘的分析效果和效益盡可能達到峰值，讓企業營銷管理能“運籌帷幄，決勝千里”。

像Facebook、Twitter這樣面臨數據量大爆炸的國際社交網絡公司，已開始用分布式程序系統基礎架構、非關系型的數據庫等新興大數據技術來解決海量市場信息問題，并取得了成效。國內最大電子商務公司阿里巴巴也在利用大數據技術提供具體服務，如阿里信用貸款與淘寶數據魔方。以淘寶數據魔方為例，利用淘寶平臺上的大數據應用方案，商家可以了解淘寶平臺上的行業宏觀情況、自己品牌的銷售情況、市場排名、消費者行為情況等，并可以據此作出經營決策。

重構精確營銷模式

大數據時代之前，企業多從哪些平臺提取數據、利用哪些營銷數據？一般是CRM或BI系統中的顧客信息、市場促銷、廣告活動、展覽等結構化數據以及企業官網一些數據。但這些信息只能達到企業正常營銷管理需求的10%的量能，并不足夠給出一個重要洞察和發現規律。

而其他85%的數據，諸如社交媒體數據、郵件數據、地理位置、音視頻等這類不斷增加的信息數據等等，更多以圖片、視頻等方式存在，幾年前可能被置之度外，不會被運用，而今大數據能進一步提高算法和機器分析的作用，這類數據在競爭激烈的市場日顯寶貴、作用突出。

包括沃爾瑪、家樂福、麥當勞等知名企業的一些主要門店均安裝了搜集運營數據的裝置，用于跟蹤客戶互動、店內客流和預訂情況，研究人員可以對菜單變化、餐廳設計以及顧客意見等是如何對物流和銷售額的影響進行建模。這些企業可將這些數據與交易記錄結合起來，并利用大數據工具展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助這些領先零售企業減少了17%的存貨，同時增加了高利潤率自有品牌商品的比例。

如果說以前的一些CRM系統，只能促使分析報告回答“發生了什么事”，現在一個優秀的大數據系統已可以被用來回答“為什么會發生這種事”，而且一些關聯數據庫還可以預言“將要發生什么事”，最終發展為非常活躍的數據倉庫，從而能判斷“用戶想要什么事發生”。

比如當一個顧客進入店鋪后，一個零售商利用大數據技術搜索他們的數據庫，發現這位顧客是其希望留住的有價值顧客，之后他們通過將其過去的購物歷史和Facebook主頁獲得的這位顧客的信息綜合起來，來了解需要花多少錢來留住他，從而確定所售賣物品的合適價格和零售商可以退讓的利潤空間，并最終針對這位顧客給出最佳的優惠策略和個性化的溝通方式。

如今在美國的沃爾瑪大賣場，當收銀員掃描完顧客所選購的商品后，POS機上會顯示出一些附加信息，然后售貨員會友好提醒顧客：“我們商場剛進兩三種配酒佳料，并正在促銷，位于D5貨架上，您要購買嗎？”這時，顧客也許會驚訝地說：“啊，謝謝你，我正想要，剛才一直沒找到，那我現在再去買。”

這就是沃爾瑪在大數據系統支持下實現的“顧問式營銷”的一個實例。因為計算機系統早就算計好了，如果顧客的購物車中有不少啤酒、紅酒和沙拉，則有80%的可能需要買配酒小菜、作料了。而提供這一決策分析支持的就是其位于美國一個龐大的、通過衛星與全球所有賣場實時連通的企業級數據倉庫。企業要為營銷準備什么

雖然大數據展示了非凡的前景和巨大作用，不過，大數據營銷仍面臨不少問題與挑戰。首先面臨的是技術難題，畢竟大數據技術尚處于活躍前期，各方面技術并不太扎實，各項工具需要進一步完善。但實際情況是，真正啟動大數據營銷，企業面臨的不僅僅是技術和工具問題，更重要的是要轉變經營思維和組織架構，來真正地挖掘那座數據金礦。

大數據的資源極大繁雜豐富，如果企業沒有明確的目標，就算沒有走入迷途至少也會覺得非常迷茫。因此，首先要確定企業運用大數據的短中期目標，定義企業的價值數據標準，之后再使用那些能夠解決特定領域問題的工具。逐步推廣，步步為營，不要把理想定得太高，否則失望會越大。當然，企業運用大數據為營銷管理服務之前，技術團隊要到位是基礎。企業的營銷團隊要能夠非常自如地玩轉數據。

企業啟動大數據營銷一個最重要的挑戰，是數據的碎片化，各自為政。許多企業中，數據都散落在互不連通的數據庫中，而且相應的數據技術也都存在于不同部門中，如何將這些孤立錯位的數據庫打通、互聯，并且實現技術共享，才是能夠最大化大數據價值的關鍵。營銷者當留意的是，數據策略要成功提升網絡營銷成效，要訣在于無縫對接網絡營銷的每一步驟, 從數據收集、到數據挖掘、應用、提取洞悉、報表等。

要做好大數據的營銷運用，其一，要有較強的整合數據的能力，整合來自于企業各種不同的數據源、各種不同結構的數據；其二，要有研究探索數據背后價值的能力，未來營銷成功的關鍵將取決于如何在大數據庫中挖掘更豐富的營銷價值；其三，探索出來之后給予精確行動的營銷指導綱領，同時通過此綱領進行精確快速實時性行動。（

第五篇：互聯網和大數據下的精準營銷

互聯網與大數據環境下精準營銷的認識

2016年6月12日

目 錄

一、營銷管理科學的理論依據···································································2

1、管理科學的基本觀點·····················································································2

2、管理科學的要義及影響·················································································2

二、互聯網和大數據涵蓋了營銷端連接客戶的全過程························3

1、傳統展示與集客受到時間、空間限制···························································3

2、產品在經銷商端和客戶端信息不對稱，互聯網是對稱的······························3

3、品牌推廣和客戶關系管理帶來的變化···························································4

4、精準營銷，隨著互聯網和大數據技術的發展，使銷售形式帶來質變···········5

三、互聯網和大數據背景下的價值分享··················································5

1、CRM系統管理·································································································5

2、O2O的商業模式·····························································································6

3、低成本的共享經濟························································································6

隨著互聯網的日益普及，網絡技術的發展，人們對互聯網的應用無處不在，如電子商務、網絡購物等大大方便了人們的日常生活。同時，人們在互聯網使用過程中也產生了海量的數據，通過云計算等現代信息技術對這些海量數據進行追蹤分 析，能得出消費者的消費偏好和消費習慣，在企業營銷中，大數據的應用可以大大促進精準營銷的發展，為其帶來前所未有的變革和機遇。

一、營銷管理科學的理論依據

現代管理科學起源于19世紀末20世紀初，被人們稱之為“科學管理之父”美國工程師費雷德里克?泰勒，他的《科學管理原理》和在此基礎上形成的“泰勒制”，在歷史上第一次使管理從經驗上升為科學，使人們認識到了管理學是一門建立在明確的法規、條文和原則之上的科學，它適用于人類的各種活動，從最簡單的個人行為到經過充分組織安排的大公司的業務活動。在二十世紀初期促進了美國工業的突飛猛進，推動了世界各國的工業發展。直到今天，管理科學的許多思想和做法仍被許多國家參照采用。

1、管理科學的基本觀點

泰勒認為，任何事情都要先調查，不盲從于習慣。任何工作的形式、條件和方法都應該早有遇見，合理安排，做出精確規定，一旦輸出標準，所有人均應當無條件執行。基于這種思想所形成的“泰勒制度”基本要義是：從企業中挑選技術熟練的工人進行操作、拍成視頻共享，以適當的時間單位記錄下完成某一工序或動作的時間，繼而以作業和時間標準化為出發點，研究出既經濟又高效的“標準操作方法”，并據此制訂出生產過程的作業標準和時間標準，以及不同等級的工資單管理標準，同時把管理從生產中分離出來，成為專門的組織系統。

2、管理科學的要義及影響

一是倡導管理要走向科學，制定科學的工作方法；二是團隊組織共同的思想革命。泰勒認為管理科學的根本目的是謀求最高勞動生產率，最高的工作效率是雇主和雇員達到共同富裕的基礎，要達到最高的工作效率應當用精確的調查研究和科學知識來代替個人的判斷、意見和經驗。

經過100多年的發展，管理科學已經擴展到各個領域，形成了內容廣泛、門類齊全的獨立學科體系，管理科學已經成為同社會科學、自然科學并列的第三類科學。管理科學對營銷學的建立和發展起到了重要的影響和促進作用。管理科學的模型在各種市場營銷活動，諸如新產品開發、競爭性定價、廣告預算與媒體選擇、推銷訪問時間分配，以及市場營銷組合規劃領域都有著重要的應用價值。

伴隨著大數據時代的到來，互聯網、物聯網、云計算等信息化技術迅猛發展，環境日益成熟，具體表現為網絡化，社會化、智慧化，如何順應這種新形勢的特點，是營銷管理科學當下面臨的新課題。

二、互聯網和大數據涵蓋了營銷端連接客戶的全過程

從當下的營銷環境來看，根據2015年的權威統計，我國互聯網用戶達到6.68億。其中，社交媒體用戶6.59億，超過美國和歐洲的總和，國內每天新增互聯網使用人數約有10萬人，作為汽車消費主力的80后和90后，其互聯網使用率高達99%。由此，在互聯網應用技術不斷成熟的背景下，對這些網絡海量數據進行處理和歸納，無論是涉及潛客挖掘的集客和成交，還是涉及保客維護的用車和養車，在這四個營銷最本質的階段，大數據應用都可以貫穿整個過程的始終。以大數據應用“保客”和“潛客”運營管理升級，進而推動實現客戶生命周期管理,這是一個動態的營銷過程。

那么，如何應用互聯網和大數據，發揮傳統數據沒有的優勢？在汽車營銷管理領域的應用有如下幾點思考：

1、傳統展示與集客受到時間、空間限制

受到時間、空間、天氣、環境等影響,傳統展示和集客往往不能充分展開，付出很大的財力和物力，但最終獲得的效果不勝理想，投入產出比低。互聯網的普及徹底打破了這種局限。通過在展車區安裝攝像頭，銷售顧問佩戴耳麥，向視頻中的客戶實現遠程介紹，不拘泥于傳統線下看車的方式，展廳在線上實現了“前移”。通過這種視頻交互的形式，既能使客戶身臨其境充分感知產品，又能利用網絡社交平臺與客戶進行實時互動交流。同時通過對客戶日常消費行為及瀏覽痕跡的深入測量和分析，運用大數據技術和方法幫助我們快速準確地找到核心目標客戶群，實現精準營銷與高效集客。

2、產品在經銷商端和客戶端信息不對稱，互聯網是對稱的

依托互聯網APP（application應用軟件）平臺，通過數據追蹤可以改善用戶體驗，了解用戶實際使用的狀況，做出適時的提醒。基于對車輛數據、道路數據、環境感知數據等海量信息的處理、分析、匯總，可獲得客戶的車況、駕駛行為、里程等車輛使用過程中的數據，從而實現基于大數據挖掘對客戶用車、養車進行精細化、個性化的運營管理。例如，企業通過車聯網和在線診斷系統，通過 3 對車輛運行狀態及數據進行監控分析，可先于客戶發現車輛問題，并提前預應采取遠程診斷排除，及時消除客戶車輛故障，保障用車安全。通過動態數據使產品“活”起來，以動態的數據跟蹤改善客戶體驗，精準預測顧客的需求，提高了客戶的滿意度和忠誠度，形成了保客的轉介紹和再購買。

3、品牌推廣和客戶關系管理帶來的變化

傳統的營銷理念之下,企業已經習慣于用精準度有限的營銷信息作為決策依據,這就有可能影響營銷策略的正確性和成本效益率。例如,在廣告宣傳的過程中,企業往往采取漫天撒網式,即只有海量的廣告成本投入,才能達到理想的廣告傳播效果。“我們的廣告費有一半浪費掉了,但問題是我們不知道浪費的是哪一半”，美國百貨業之父約翰?華納梅克曾對非精準的營銷投入這樣無奈地描述到。可喜的是,這種無奈將會在大數據時代中走向終結。互聯網和大數據將使產品的精準推廣成為可能，并帶來全新的客戶關系模式。

人群定位：通過數據挖掘而鎖定的消費群體，不再局限于產品生命周期兩端的、單向的、小樣本的、非用戶實時體驗的需求信息。借助客戶信息庫、專業網站指數所對應的分類信息統計，找出目標客戶群體身份、年齡、性別、經濟水平、消費習性等各類數據標簽，在數據模型的作用下，企業營銷決策所需要的人群畫像會鮮明的展現出來。

營銷方案的執行和評估：互聯網和大數據還指引了品牌營銷方案的制定和執行，準確的效果監測和評估。在潛客轉化過程中，借助大數據分析的差異化客群特征，進行制定和執行應對方案。整合品牌的線上、線下資源，與客戶進行溝通互動，組織相匹配的營銷活動，獲得成交機會。而借助互聯網信息交流平臺、用戶社區，營銷投入的效果評估工作不再局限于小部分特定用戶，企業可以向任何潛在目標客戶進行營銷方案的執行結果征集；調研的樣本量從小樣本到大樣本，甚至是全樣本轉變；用戶的真實體驗和評價也可以實時得以呈現，而不是等到企業訪談時才通過被動的回憶進行描述；可視化APP使表達的形式不再局限于文字和語言，可以是最直觀的視頻數據。

新的客戶關系形態：互聯網客戶的消費行為習慣，已經由傳統的孤立式消費模式向群落化消費模式方向轉變，需要突破產品與客戶之間時空鏈接上的限制。通過微博、微信等“微工具”關注客戶的個性化需求，將客戶的線上交流活動與 4 線下跟蹤活動相融合,提高產品與客戶間的交流與互動效率。在互聯網營銷平臺著力提升營銷推手的親和力,多借助群落、網絡社區營銷平臺制造核心話題，以客戶帶動客戶，以口碑影響口碑的C2C式（Customer to Customer個人與個人）的擴散渠道來形成品牌傳播新模式，培養出超越商業行為的高粘度目標客戶。

4、精準營銷，隨著互聯網和大數據技術的發展，使銷售形式帶來質變

用戶買了整車，實際上帶來了極大的浪費。車輛除了用戶使用之外的過程，都是負擔和累贅。而這種累贅在原有狀態下無法有效解決。試想只有在客戶用車的環境中支付費用，而諸如保養、維護和現有車輛衍生的其他費用，都不需要用戶支付，能夠更加突出其使用價值。通過互聯網與大數據，對于倉儲、加油、整車報廢處理都由專業機構來進行。

挑戰一：只使用、不付購車款；

挑戰二：除使用之外其他多余的成本都由主機廠買單；

三、互聯網和大數據背景下的價值分享

傳統的汽車營銷服務模式可以歸結為B2C（Business to Customer商對客）商業模式，主要表現為廠商驅動消費者，通過大批量制造、集中化傳播和大規模的促銷來實現商業目標，在此過程中客戶基本上是處于被動的選購狀態。B2C商業模式中產品與服務并不能完全滿足用戶的需求，客戶的消費過程更多關注產品的功能、配置、品牌和價格。互聯網和大數據所帶來C2B（Customer to Business客對商）商業模式主要表現由消費者來驅動廠商，客戶按各自的需求在互聯網上形成不同的社區群落，廠商作為客戶群落的產品供應者，通過提供定制化的產品和遠超預期的服務，帶給客戶產品功能和情感上的極致體驗，客戶的消費過程更多關注的是自身的體驗。互聯網和大數據的出現正在促使企業由B2C的制造導向向C2B的營銷導向轉變。

1、CRM系統管理的實現

當今網絡時代，原來的用戶管理已轉變成當下的粉絲管理，如何在粉絲紛雜的社會化媒體數據中找到“金礦”？核心在于CRM（Customer Relationship Management）系統的應用。企業需要通過CRM系統，實現客戶全生命周期的增值管理。而通常在信息高度泛濫的環境下，客戶信息獲取的不及時和不準確是導致企業決策無法滿足客戶需求的根本原因。通過對CRM系統中客戶信息數據的全面 5 整合和有效管理，精準分析，盡可能精確的了解每個粉絲的個性需求，并根據他們的需求與偏好采取相應的措施提高忠誠度，實現交叉銷售和追加服務，提升轉介紹率。

2、O2O商業模式

傳統汽車行業的營銷渠道大都是基于“4s”功能下的實體店模式，這種實體店的特征主要表現在投入大、成本高、效率低、專業人才流動性高。它的存在使消費者至少要承擔7%左右的購買成本。移動互聯網的商業民主化屬性讓用戶看清了那些可以節約的渠道成本，繼而催生了網絡直銷的O2O模式。在汽車領域O2O（Online To Offline）模式的典型代表使特斯拉（Tesla），特斯拉的渠道完全繞過了傳統的4s店模式，它的渠道包括兩個部分：線下體驗店和線上電商平臺。體驗店的地點在高端購物中心，環境舒適，你可以到體驗店去看、去摸、去感知。購買環節則在電商平臺完成，在線上下單之后車會直接從廠家發運到你指定的地點。

3、低成本的共享經濟

借助先進的大數據技術、網絡即時通訊技術等手段，直接與客戶保持長期的個性化溝通，實現“一對一”的營銷。產品設計將充分考慮消費者需求的個性特征，以顧客為中心，為顧客創造更大的價值，也更利于社會資源的優化匹配。比如目前流行的汽車分時租賃，通過APP方式就可以滿足日常的用車需求，將車輛的閑時空間利用起來，既方便又實惠，而不用再去為買車、維修保養等支出費用，將資金效益最大化。

此外，互聯網環境下，以廠家倉儲、配送基礎上的汽車經紀人制度，也將是未來一種可能的汽車營銷模式。可能成功普及的原因有如下四點：

1)互聯網思維“去中心化”的特征。單一大型主體結構的4s店模式在越來越將成為一種高能耗、低產出的陳舊商業模式。

2）伴隨著社會信用體系的建立，個人誠信將會成為公民的新標簽。

3）四五級市場是未來汽車市場的主要增長點，而當前我國多達334個地級行政區，1384個縣，加上地域特征、人口分布的特點各不相同，沒有任何品牌和廠家可以實現渠道全面覆蓋；

4）4s店銷售員流動性很強，變動很大。借助互聯網平臺可以快速收編汽車流通 6 領域的草根創業者、零散的兼職銷售人員。而汽車銷售人員終生服務于一個品牌幾乎是不存在的。喬?吉拉德在其銷售職業生涯中一共賣了13001臺汽車，這些汽車是凱迪拉克、雪弗蘭、福特等多個品牌，并非單一品牌。挖掘更廣泛的社會力量，廣泛的搭建“全民銷售員”的新網絡，將會使汽車營銷實現深層次的無縫覆蓋。

總的來說，未來的營銷只會越來越貼近用戶感受，利用大數據分析出顧客最核心的訴求，達到精準營銷目的。

隨著互聯網和大數據時代的到來，為企業營銷提供了一種全新的思維方式，大數據具有體量大、類型復雜、價值密度低、速度快和時效高等特點，促進了營銷理念和方式的變革，企業通過現代信息技術挖掘隱藏在海量數據中的消費者信息，更準確地了解客戶興趣，有效地挖掘客戶需求，實現企業和品牌更高效的配置資源，實現客戶價值最大化。

2016.6.10 7