大数据，让营销更精确

21世纪什么最贵？大数据

大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。

而这数据，已不是传统意义的一般数据，而是超大数据、海量数据，就是现在所谓的“大数据（Big Data）”。如今大数据可谓是风起云涌，红红火火，俨然成为2012 年信息技术领域最时髦的词汇。IBM 、微软、Oracle、SAP等IT巨鳄，像是寻找到了新的金矿，开始全力挖掘大数据，多方位推广大数据理念，争抢“头趟汤”。而众多中小IT厂商也跟着蜂拥而至，以分得大数据市场一杯羹。

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂，变化的速度也极快。可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，面对这些静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门需通过系统功能来发掘有价值的数据，给公司营销管理提供决策支持。

大数据，重构精确营销模式

大数据时代之前，企业多从哪些平台提取数据、提取哪些营销数据呢？一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。

而其他85%的数据，诸如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据，和包括数据量更大、逐渐广泛应用、以传感器为主的物联网信息，以及风起云涌的移动3G互联网信息等，这些就是大数据所指的非结构性或者叫作多元结构性所需的数据，它们更多以图片、视频等方式，几年前可能被置之度外不会被运用，而今大数据能进一步提高算法和机器分析的作用，这类数据在如今竞争激烈的市场日显宝贵、作用突出，并能被大数据技术所充分挖掘、运用。

第一，对营销决策数据进行更好的优化。包括沃尔玛、家乐福、麦当劳等知名企业的一些主要门店均安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾问意见等对物流和销售额的影响进行建模。这些企业可将这些数据与交易记录结合起来，并利用大数据工具展开分析，从而在销售哪些商品、如何摆放以及何时调整售价上给出意见，此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。

以前的CRM系统，只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“你(用户)想要什么事发生”。 据称，集成整合Essbase服务技术的Oracle大数据平台已能为用户提供策略级、未知信息分析预测能力和个性化自助式定制等。

第二，对目标对象进行更完整的分析、描述。通过获取更丰富的消费者数据，包括网站浏览数据、社交数据和地理追踪数据等，可以绘制出更完整的消费者行为。譬如，大数据技术能对客人方方面面的信息进行充分有效管理并深度挖掘。

如果某个客人是某酒店的老主顾，那么大数据系统就会清楚告知酒店经理人这位客人的习惯和喜好，如是否喜欢靠路边、是否吸烟、是否喜欢大床、喜欢什么样的早餐，甚至从事什么工作、有什么商务需求等。当客人再次光临时，不用客人自己提出来，酒店大数据系统就会自动提供客人所喜欢的房间和服务等相关信息，大大提升酒店管理效率。

利用大数据中的语义搜索功能，系统能理解自然语言的含义，包括理解工作的头衔、技能、行业和教育等，除此之外，它可以做到智能处理拼写错误、缩写、标点符号等更多问题，也能识别相同的词在不同语境中的含义，以更好地为营销管理服务。例如：销售经理、财务经理、人事经理，它们中都有“经理”二字，显然代表了不同的语义，借用语义搜索技术，能对目标对象实现智能的区隔、判断。

第三，实现点对点智能广告模式。对于广告主来说，广告核心问题在于：如何从海量数据中寻找目标受众，并投放相应的广告信息。

时下广告不是点对点模式的，而是主从模式，像单个“老师”（产品）对众多满地跑的“学生”（消费者等受众），可是“老师”却总是抓不住多数“学生”，把99%的广告费都扔了。随着大数据的发展，这些钱或会被一一捡回来。

大数据能通过互联网点击流，可跟踪个体用户的行为，更新其偏爱，并实时模仿其可能的行为，让点对点的RTB（实时竞价广告）成为可能。在美国，在大数据的帮助下，RTB能把炙手可热的目标用户，拍卖给广告商。以前，电梯里上来一个秃头的中年人，如果你在电梯里打的是洗发水广告，那肯定瞎了。现在，有了RTB，广告将盯住不是满地跑的“学生”，而是那个喜欢看广告的目标人；广告市场上卖的也不是传统意义上的广告位了，而是访问这个广告位的具体用户。

那么RTB是如何实现精准的呢？假设潜在客户在浏览某网页面，某网会向广告交易平台（Ad Exchange）请求广告。交易平台向所有需求端平台（DSP）发出公告，“某网有访客，要不要向他发广告”。同时，DSP请求大数据管理平台（DMP）帮助分析这位访客情况，并根据结果进行出价决策。Ad Exchange为出价高的DSP匹配相关广告代码，并最终作出广告。

今天尖端的追踪技术和多种的大数据管理平台(DMPs)可以将受众以及广告效果数据整合于单一界面上，让广告主轻易撷取关键指标，包括转化率、流失率以及各个渠道的贡献比率等。

第四，更好地进行顾问式营销。比如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和Facebook主页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这一位顾客给出最佳的优惠策略和个性化的沟通方式。

如今在美国沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗？”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”

这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例。

大数据时代，要为营销准备什么？

虽然大数据展示了非凡的前景和巨大作用，不过，大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。但实际情况是，真正启动大数据营销，你面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构，来真正地挖掘那座数据金矿。

企业启动大数据营销一个最重要的挑战，是数据的碎片化，各自为政。许多公司组织中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。营销者当留意的是，数据策略要成功提升网络营销成效，要诀在于无缝对接网络营销的每一步骤, 从数据收集、到数据挖掘、应用、提取洞悉、报表等。

更多资讯请关注销售与市场微信公众号。