大数据精准营销

大数据精准营销（精选十篇）

大数据精准营销 篇1

一、数据库营销与数据挖掘技术

1. 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。

2. 数据挖掘技术。

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。

二、精准营销理论与模式

1. 精准营销理论。

1999年, 美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论:是以科学管理为基础, 以消费者洞察为手段, 恰当而贴切地对市场进行细分, 并采取精耕细作式的营销操作方式, 将市场做深做透, 进而获得预期效益。通常可以划分成五个阶段:收集并整理目标客户的相关信息, 建立一个客户数据库;对数据进行分析, 加深客户理解, 整理出细分客户群体的差异化需求;为不同的细分客户群体需求设计差异化的产品和服务;提供满足不同细分客户群体的差异化产品和服务;通过各种营销活动的反馈, 进一步深化对客户本质需求以及客户购买和使用习惯的理解。具体的内容包括: (1) 客户信息收集与处理。客户数据管理是一个数据准备的过程, 是搞好精准营销的基础。好比指挥官为将来绘制战场地图, 把战场上所有的地理信息及变化要素等输入电脑一样, 市场人员也必须将分散的数据集中到一个数据库中, 这些存在于企业内部各系统中的内部数据和企业外部数据 (如市场调查、第三方数据等) 分类后, 以客户ID为主键进行整理、转换后汇集 (ETL) 到一个集中的数据库中, 就有了准确的客户数据, 之后市场人员就可以对客户进行全面的研究和分析。 (2) 客户细分与定位。客户分群是根据客户的特征相似程度把客户分成若干个群体, 群体内部特征非常相似, 而在群体之间, 特征非常不相似。只有区分出了不同的客户群, 企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段, 提供满足这个客户群特征要求的产品或服务。在实际操作中, 传统的市场细分变量, 如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓, 已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高, 许多新的客户分析技术和方法正被运用于各种营销领域, 数据挖掘这一统计领域的前沿性技术就被广泛的应用, 它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析, 已经成为今后客户细分领域的主流。 (3) 营销战略制定。在得到基于现有数据的不同客户群特征后, 市场人员需要结合企业战略、企业能力、市场环境等因素, 在不同的客户群体中寻找可能的商业机会, 最终为每个群制定个性化的营销战略, 每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售, 或采取措施防止客户流失等。 (4) 营销方案设计。所有的方案注重的都是目标, 营销方案也一样。一个好的营销方案必须聚焦到某个目标客户群, 然后将营销方案都往目标客户群聚焦。太阳表面的温度在10000度以上, 但却连地球上的一张纸也点不着, 如果使用一个放大镜, 就可以把纸点燃, 区别就在于是否聚焦。同样, 只有做到聚焦, 营销的效率才能够提升到最大。

筛选出目标客户群是第一步, 企业可以围绕客户战略和当前营销工作重点来确定目标客户群。根据目标客户群营销活动的目标, 设计有针对性的营销活动创意 (包括产品的组合、渠道的选择等) 及定价, 并就各方案进行评估, 挑选出最佳创意, 形成最终营销方案 (包括针对性的产品组合方案、产品组合价格方案、渠道方案) 。

值得强调的是, 客户是不断变化的, 亦即客户群是动态的, 因此, 我们需要灵活动态地观测、定位和理解客户群, 才不至于制定一个时过境迁的营销方案。 (5) 营销结果反馈。营销活动结束后, 应对营销活动执行过程中收集到的各种数据进行综合分析, 对营销活动的执行、渠道、产品和广告的有效性进行评估, 总结经验和教训, 寻找需要改进和优化的关键点, 为下一阶段的营销活动打下良好的基础。简言之, 评估是营销活动的终点, 也是下一轮精准营销活动的起点。

2. 精准营销模式内涵。

精准营销模式可以概括为5W营销分析框架, 在合适的时机 (When) , 将合适的业务 (Which) , 通过合适的渠道 (Where) , 采取合适的行动 (What) , 营销合适的客户 (Who) 。在整个过程中贯彻“以客户为中心”的理念, 实现营销管理的持续改善。

3. 精准营销模式实施框架。

可以将精准营销理解成一个PPT框架, 即将以客户为本作为核心价值观, 从策略、流程、技术三方面着手, 实现精准营销。其中策略指营销策略;流程是包括客户获取、客户培育、客户挽留组成的最佳管理实践流程;技术则是基于用户信息之上的数据分析和数据挖掘。

策略、流程与技术是实现精准营销的三大要素。首先要保证精准营销理念在整个组织中有效贯彻, 以保证战略决策者、方案制定者和活动执行者必须充分理解和认可精准营销的理念, 并能做到融会贯通, 可以制定彰显这一理念的相应的营销策略和方案;其次通过流程穿越、流程改造等方式, 在不断的创新和探索中建立起有效的与客户互动的行为模式;最后, 不断提升技术水平, 充分利用技术。坚实的技术后盾是精准营销理论落实的保障, 使之具有可操作性, 并在很大程度上推动了营销精准化的进程。整体而言, 策略、流程和技术组成了电信业精准营销的基本架构, 促进了精准营销的驱动者、行动方案和可行性保障三方面的紧密结合。同时坚守以客户为出发点, 确保客户在整个精准营销活动中始终处于核心地位。

策略、流程、技术三个方面的能力是精准营销能力的有机组成, 三者相辅相成, 缺一不可。策略对流程有战略性的指导意义, 因为策略条线中的营销策略是建立在最佳管理实践的流程之上的;流程必须建立在技术的基础上, 因为数据挖掘与分析模型是客户细分与分析的基础, 而后者则贯穿最佳管理实践流程始终;数据挖掘与分析所使用的海量数据则来源于业务系统中沉淀的用户信息。

三、江苏移动的精准营销模式案例

精准营销模式的核心是“以客户为中心”, 更加注重“目标客户”, 在识别出目标消费者后, 聚焦目标客户群, 分析目标客户群的需求, 然后为这一特定群体推出最适合的细分产品, 制定适应目标客户群的价格, 通过相应的渠道和传播、促销方式进行产品营销。要达到这一目的, 就需要对客户的特征进行具体的分析。

目前江苏移动各种增值业务非常繁多, 之前的彩铃业务营销通过捆绑、大面积的促销让用户去选择, 虽然带来的增值业务普及率的提升, 但沉默用户增多, 客户投诉增加。江苏移动通过精准营销找准目标客户, 发展彩铃业务, 激活沉默用户, 发展新彩铃用户, 取得了良好的效果。

1. 整合各大数据源, 建立统一的用户增值业务行为分析视图, 为精准营销应用打下基础。

增长业务的数据虽然有相应规范进行统一, 但是因增值业务更新比较快, 数据源尚未覆盖全部业务, 离当前的应用需求有一定差距;业务子系统, 尤其是小业务系统的数据源缺乏梳理, 需进一步加强。从数据出发, 以用户为中心, 从用户特征角度将运营商可能有的数据归类整理, 输出用户特征分析表;对照运营商的数据实际具备情况, 对数据的可获得性进行标注。

从营销出发, 从进行新业务营销的目标出发, 推导对支持信息及源数据的需求, 确定数据使用方法, 输出营销特征分析表;对照运营商的数据实际具备情况, 对必要但暂不可获得的数据提出规划需求。《数据源整合需求报告》中, 除了对经分系统现有数据源进行梳理外, 还对MISC、彩信、彩铃、WAP、小区短信、短信网关、Enumber邮箱、12580、爱贝通、小额支付平台、USSD、手机杂志、LCS等13个业务平台的数据进行了梳理整合。

建立基于用户人性特点的14类人群细分模型, 对增值业务的目标客户进行细分, 共分为以下几种类型:

基于用户人性特点将客户细分为低潜力型、超前消费型、虚荣跟风型、精明尝鲜型、盲从型、吝啬型、精打细算型、理性跟从型、中潜力型、精明时尚型、传统保守型、感性跟随型、高潜力型、时尚中高端。基于彩铃用户生命周期将客户细分为, 彩铃潜在用户、彩铃新开通用户、彩铃普通用户、彩铃活跃用户、彩铃沉默用户、彩铃流失用户、潜在高概率用户、流失高概率用户。在用户细分的基础上, 建立彩铃潜在用户预测模型 (模型略) 。

2. 建立用户新业务行为属性标签, 动态触发的精准营销策略。

基于用户统一视图, 结合实际情况进行用户属性标签构建。对彩铃的目标客户, 当订购了其他增值业务和拨打了有彩铃客户的电话时, 对其进行触发式的短信推荐, 对彩铃沉默用户和流失用户, 则采取外呼+营业厅的方式进行主动关怀, 最终形成针对目标客户的彩铃业务精准营销模式。

3. 营销执行。

通过精准平台将客户需求及针对性营销方案推送到一线。比如根据用户历史铃音使用记录总结出铃音偏好, 帮助一线人员进行针对性的铃音推荐;根据用户历史获取铃音的渠道总结出用户的渠道偏好等。而且流失概率、影响力指数等分析成果也能在清单中罗列出来。

4. 应用效果评估。

彩铃沉默用户推活跃度提升活动执行效果。对40000户彩铃沉默、半沉默用户开展付费铃音下载用户数提升, 营销成功数为22560, 成功率为56.4%;月均彩铃下载用户数KPI指标完成率由91.11%提高到104.02%。

经验总结:在营销中发现该部分用户主要由于不了解铃音下载的方式或或认为铃音设置麻烦造成, 因此, 在营销推介上对不了解铃音下载方式的用户应重点推介简单便捷的铃音下载方式, 对认为设置较麻烦的用户可以推介音乐盒, 让用户感受使用彩铃的便捷与乐趣。彩铃已流失用户挽留活动执行效果。对8000户彩铃已流失用户开展外呼挽留, 营销成功2772户, 成功率为34.65%;月均彩铃付费用户数完成当月计划的130%, 完成年度指标125.43%;当月付费用户到达数较上月增长3.6万户

经验总结:在营销中发现用户主动销户的原因及总结对应的营销要点:

对模型命中率和查全率进行评估。

模型效果初步达到业务目标, 可有效提升挽留效率3倍左右。

活动评估:对活动执行成功率和活动效益进行评估。

通过彩铃潜在流失用户挽留活动的努力, 挽留成功用户的彩铃留订率提升了9.6%, 效果显著。

策略评估:对策略的用户接受程度进行评估, 可以用于下一次营销活动的改善和优化。

就“赠送2个月功能费及2首铃音, 返还话费”这一营销方案, 在成功接触的2092个用户中, 彩铃挽留策略的推荐成功率为24.5%, 考虑使用的用户比例占到42%, 可对用户考虑的原因进行详细分析, 为挽留方案的优化提供依据。人员能力评估:对人员技能进行比较, 能够实现销售人员绩效量化和经验共享。

目前人员技能差异比较大, 成功率最高达32%, 最低只有19%, 相差13个百分点;拒绝率最低的只有7%, 最高的则有24%, 相差17个百分点;考虑使用的用户比例较高, 成功率提升空间仍比较大。

四、结语

大数据与精准营销研究综述 篇2

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E.D.Lazowska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，美国奥巴马政府投资两亿美元启动“大数据研究和发展计划”，致力于提高从大型复杂数据集中提取知识和观点的能力，并服务于能源、健康、金融和信息技术等领域的高科技企业； 2012年4 月，英国、美国、德国、芬兰和澳大利亚研究者联合推出“世界大数据周”活动，旨在促使政府制定战略性的大数据措施； 7 月，日本推出“新ICT 战略研究计划”，其中重点关注“大数据应用”同时，大数据也已引起学术界的广泛研究兴趣。2008 年和2011 年，《Nature》与《Science》杂志分别出版专刊《Big Data： Science in the Petabyte Era》和《Dealing with Data》，从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多个方面讨论大数据处理和应用专题。

2．大数据的定义与特征

对于大数据的概念，企业和学术界目前尚未形成公认的准确定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”； 权威IT 研究与顾问咨询公司Gartner 将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”； 美国国家科学基金会（NSF）则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。尽管存在不同的表述，但一个普遍的观点是，大数据与“海量数据”和“大规模数据”的概念一脉相承，但其在数据体量、数据复杂性和产生速度三个方面均大大超出了传统的数据形态，也超出了现有技术手段的处理能力，并带来了巨大的产业创新的机遇。

IBM公司把大数据的特征概括成三个“V”：规模（Volume）、快速（Velocity）和多样（Variety），但是更多的人则将其概括为四个“V”，即规模（volume）、快速（Velocity）、多样（Variety）和价值（value）。

（1）规模（Volume）。大数据首先是必须具有海量数据，但是究竟多大体量才叫海量，人们并没有一个确定的数字。有人认为应该达到TB数量级，一般在10TB规模左右。但在实际应用中，很多用户把多个数据集放在一起，已经形成了PB级的数据量。

（2）多样性（Variety）。这是大数据概念区别于从前有关数据管理的一个重要特征，传统的数据管理主要是针对结构化数据分析利用，其应用技术而大数据则更加强调对于半结构化和非结构化数据的分析和应用。

（3）快速（Velocity）。在当前常规的信息安全产品中，特别是具有代表性的检测响应类产品技术中，大量采用实时监测，而“实时”就意味着快速。在当前带宽越来越大、系统越来越复杂采集的数据越来越多的同时，安全检测对于事件响应的及时性要求并没有减

弱。另外，“实时”还包含着一种内在的含义：主要根据当前的数据做出分析判断。

（4）价值（Value）。数据是物理世界的数字反映，价值上数据不同于数字，数据背后是有对象的，而这些对象是有属主的、有立场的、有价值归属的、主观的。大数据的体量很大，所蕴含的价值总量也会是客观的，但是平均到单条信息的价值却很低，即价值密度很低。

3．大数据的关键技术

传统的数据采集来源单一，且存储、管理和分析数据量也相对较小，大多采用关系型数据库和并行数据仓库即可处理。而大数据环境下，数据来源非常丰富且数据类型多样，存储和分析挖掘的数据量庞大，对数据展现的要求较高，并且很看重数据处理的高效性和可用性，需要依靠并行计算提升数据处理速度。而传统的并行数据库技术追求高度一致性和容错性，难以保证其可用性和扩展性。

另一方面，传统的数据处理方法是以处理器为中心，而大数据环境下，需要采取以数据为中心的模式，减少数据移动带来的开销。因此，传统的数据处理方法，已经不能适应大数据的需求，需要一种新的技术理论和方法。

3.1数据挖掘

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用信息和知识的过程。目前广为接受的一种处理模型是Fayyad 等人设计的多处理阶段模型。

3.2数据分析

在相关技术中，比较具有代表性的是Apache 软件基金会开发的Hadoop，以MapReduce 和Hadoop 为代表的非关系数据分析技术，凭借其适合非结构处理、大规模并行处理和简单易用等优势，在互联网搜索和其他大数据分析技术领域取得重大进展，成为主流技术。

4．大数据相关产业发展

按照信息处理环节，大数据可以分为数据采集、数据清理、数据存储及管理、数据分析、数据显化及产业应用等六个环节，由于尚属发展初期，其中的每个产业环节都包含着不少的企业，其市场发展情况如下。

（l）数据采集。Google、CISCO这些传统的IT公司早已经开始部署数据收集的工作。在中国，淘宝、腾讯、百度等公司已经收集并存储大量的用户习惯及用户消费行为数据。德勤预计，在未来，会有更为专业的数据收集公司针对各行业的特定需求，专门设计行业数据收集系统。

（2）数据清理。当大量庞杂无序的数据收集之后，如何将有用的数据筛选出来，完成数据的清理工作并传递到下一环节，这是随着大数据产业分工的不断细化而需求越来越高的环节。除了Intel等老牌IT企业，Teradata、Informatica等专业的数据处理公司呈现了更大的活力。在中国，华傲数据等类似厂商也开始不断涌现。德勤预计，在未来，将会有大量的公司专注于数据清理。

（3）数据存储及管理。数据的存储、管理是数据处理的两个细分环节。这两个细分环节之间的关系极为紧密。数据管理的方式决定了数据的存储格式，而数据如何存储又限制了数据分析的深度和广度。由于相关性极高，通常由一个厂商统筹设计这两个细分环节将更为有效。从厂商占位角度来分析，IBM、Oracle等老牌的数据存储提供商有明显的既有优势，他们在原有的存储业务之上进行相应的深度拓展，轻松占据了较大的市场份额。而Apache Software Foundation等新生公司，以开源的战略汇集了行业专精的智慧，成为大数据发展的领军企业。

（4）数据分析。传统的数据处理公司SAS及SPSS在数据分析方面有明显的优势。然而，基于开源软件基础构架Hadoop的数据分析公司最近几年呈现爆发性增长。例如，成立于2008年的Cloudera公司，帮助企业管理和分析基于开源Hadoop产品的数据。由于能够帮助客户完成定制化的数据分析需求，Cloudera拥有了如ExPedia、摩根大通等大批的知名企业用户，仅仅五年时间，其市值估值已达到7亿美元。

（5）解读。将大数据的分析结果还原为具体的行业问题。SAP、SAS等数据分析公司在其已有的业务之上加人行业知识，成为此环节竞争的佼佼者。同时，因大数据的发展而应运而生的wibidata等专业的数据还原公司也开始蓬勃发展。

（6）展示。这一环节中，大数据真正开始帮助管理实践。通过对数据的分析和具象化，将大数据能够推导出的结论量化计算，同时应用到行业中去。这一环节需要行业专精人员，通过大数据给出的推论，结合行业的具体实践制定出真正能够改变行业现状的计划。

不仅仅是大数据技术行业的发展，大数据的应用也已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开，并产生了巨大的社会价值和产业空间。麦肯锡评估西方产业数据为例，大数据的有效利用将能使欧洲发达国家政府节省至少1000 亿欧元（约1 490 亿美元）的运作成本； 使美国医疗保健行业降低8%的成本（约每年3000 多亿美元）； 并使得大多数零售商的营业利润率提高60%以上。据市场调研机构IDC 预测，大数据技术与服务市场将从2010 年的32 亿美元攀升到2015 年的169 亿美元，实现40%的年增长率（IT与通信产业增长率的7 倍）近两年来，国内外知名企业（如Ebay、AmazonWal-Mart、淘宝、中国移动和凡客等）相继推出相应的大数据产品和平台，开展了多种深度商务分析和应用。例如：通过分析结构化和非结构化数据促进其业务创新和利润增长； 基于机器学习和数据挖掘方法来管理和优化其库存与供应链，并量化评估其定价策略与营销效果； 通过市场分析、竞争分析、客户分析和产品分析以优化经营决策等。

5．大数据的发展与挑战

在大数据时代，我们仍然要面对大数据的各种技术挑战，包括大数据的去冗降噪技术、大数据的新型表示方法、高效率低成本的大数据存储、大数据的有效融合、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗的新技术等等。但我们相信技术能够解决的问题终将不会成为问题，真正制约或者成为大数据发展和应用瓶颈的有三个环节。

5.1数据收集和提取的合法性，数据隐私的保护和数据隐私应用之间的权衡

任何企业或机构从人群中提取私人数据，用户都有知情权，将用户的隐私数据用于商业行为时，都需要得到用户的认可。然而，目前，中国乃至全世界对于用户隐私应当如何保护、商业规则应当如何制定、触犯用户的隐私权应当如何惩治、法律规范应当如何制定等一系列管理问题都大大滞后于大数据的发展速度。未来很多大数据业务在最初发展阶段将会游走在灰色地带，当商业运作初具规模并开始对大批消费者和公司都产生影响之后，相关的法律法规以及市场规范才会被迫加速制定出来。可以预计的是，尽管大数据技术层面的应用可以无限广阔，但是由于受到数据采集的限制，能够用于商业应用、服务于人们的数据要远远小于理论上大数据能够采集和处理的数据。数据源头的采集受限将大大限制大数据的商业应用。

5.2.大数据发挥协同效应需要产业链各个环节的企业达成竞争与合作的平衡

大数据对基于其生态圈中的企业提出了更多的合作要求。如果没有对整体产业链的宏观把握，单个企业仅仅基于自己掌握的独立数据，无法了解产业链各个环节数据之间的关系，对消费者做出的判断和影响也十分有限。在一些信息不对称比较明显的行业，例如银行业以及保险业，企业之间数据共享的需求更为迫切。例如，银行业和保险业通常都需要建立一个行业共享的数据库，让其成员能够了解到单个用户的信用记录，消除担保方和消费者之间的信息不对称，让交易进行得更为顺利。然而，在很多情况下，这些需要共享信息的企业之间竞争和合作的关系同时存在，企业在共享数据之前，需要权衡利弊，避免在共享数据的同时丧失了其竞争优势。此外，当很多商家合作起来，很容易形成卖家同盟而导致消费者利益受到损失，影响到竞争的公平性。大数据最具有想象力的发展方向是将不

同行业的数据整合起来，提供全方位立体的数据绘图，力图从系统的角度了解并重塑用户需求。然而，交叉行业数据共享需要平衡太多企业的利益关系，如果没有中立的第三方机构出面，协调所有参与企业之间的关系、制定数据共性及应用的规则，将大大限制大数据的用武之地。权威第三方中立机构的缺乏，将制约大数据发挥出其最大的潜力。5.3大数据结论的解读和应用

大数据可以从数据分析的层面上揭示各个变量之间可能的关联，但是数据层面上的关联如何具象到行业实践中如何制定可执行方案应用大数据的结论这些问题要求执行者不但能够解读大数据，同时还需深谙行业发展各个要素之间的关联。这一环节基于大数据技术的发展，但又涉及管理和执行等各方面因素。在这一环节中，人的因素成为制胜关键。从技术角度看，执行人需要理解大数据技术，能够解读大数据分析的结论；从行业角度看，执行人要非常了解行业各个生产环节的流程及关系、各要素之间的可能关联，并且将大数据得到的结论和行业的具体执行环节一一对应起来；从管理的角度看，执行人需要制定出可执行的解决问题的方案，并且确保这一方案和管理流程没有冲突，在解决问题的同时，没有制造出新的问题。这些需求，不但要求执行人深谙技术，同时应当是一个卓越的管理者，有系统论的思维，能够从复杂系统的角度关联地看待大数据与行业的关系。此类人才的稀缺性将制约大数据的发展。

6．大数据的研究不足

综观国内外大数据领域的研究和应用发展现状可见： 1）大数据相关的研究与应用目前仍然处于起步阶段，学术研究大多局限于宏观层面；2）基于互联网和社会媒体的企业大数据研究与应用亟需进一步的深入开展； 3）现有的大数据研究大多立足于信息科学，侧重于大数据的获取、存储、处理、挖掘和信息安全等方面，鲜有从管理学的角度探讨大数据对于现代企业生产管理和商务运营决策等方面带来的变革与冲击的研究。

二、精准营销研究现状

1.精准营销的定义

1999 年，美国的莱斯特·伟门提出了精准营销的概念。Zabin和Brebach（2004）提出了精准营销的4R法则，亦即正确的顾客（right customer），正确的信息（right message），正确的管道（right channel）以及正确的时刻（Right time），通过将正确的信息在正确的时刻通过正确的管道传递到正确的顾客手中，以此真正对目标客户的购买决策构成影响，促进营销目标的有效达成。

菲利普.科特勒Philip Kotler（2005）在其全球巡回演讲论坛上宣布了一个营销传播的新趋势——精准营销（Precision Marketing），并对其进行阐述：“具体来说，就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。科特勒（2006）在畅销书《Principles of Marketing》中，首次将基于互联网的精准营销理论融入其中，他认为日新月异的科技，使一些公司勇于从传统的大众传媒沟通方式转移到更加有针对性目标市场的互动模式，以此来不断提高沟通的效果和效率。并提出“对于营销来说，将沟通个性化，并在正确的时间，对正确的人，表达而且做出正确的事情，是至关重要的。”

Paul.W.Farris与Neil.T.Bendle等人（2006）在《Marketing Metries：50+MetriesEvery Executive Should Master》一书中专门研究了解决营销活动科学量化的问题，帮助精准营销活动取得良好效果。营销量化指标的归纳和运用，为经理人在实践中有效利用信息进行科学决策，提供了指导原则、方法以及注意事项。营销量化指标衡量方法，综合了营销和财务两个方面的视角，是关于公司营销业绩的科学而全面的评价。

Lisa D Spiller与Martin Baier（2006）合著的《当代直复营销》中提到了直复营销是对传统营销的发展，是精准营销的理论基础之一，强调以市场细分为基础进行数据库驱动的直复营销。在互联网的基础上实现精准营销，完成与顾客之间的直复营销关系。

国内的齐渊博（2005）将精准营销理解为“精确营销”，即包含了“标准”和“确定”两个意思，“标准”就是可以复制、可以推广、可以提升，没有“标准”的理念只是偶然现象，而“确定”就是对市场极致的了解和把握。

学者许瑾（2006）在科特勒精准营销理论的基础上，从实践的角度对精准营销进行了补充：“精准营销是以客户为中心，运用各种可利用的方式，在恰当的时间，以恰当的价格，通过恰当的渠道，向恰当的顾客提供恰当的产品。”并指出精准营销的几种传播新模式，提倡从传播受众切入，研究受众的行为、生活形态，从而理解用户需求，最终传递给受众最精准的广告内容。

伍青生、余颖、郑兴山（2006）在《精准营销的思想和方法》一文中提出了精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析，根据他们不同的消费心理和行为特征，企业采用有针对性的现代技术、方法和指向明确的策略，实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通。

邮政营销专家徐海亮教授（2006）创立了精准营销理论体系，提出了较为完整的精准营销的概念——精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的

顾客沟通服务体系，实现企业可度量的低成本扩张之路。并指出了精准营销的三个层面的含义：第一、精准的营销思想。营销的终极追求就是无营销的营销，到达终极思想的过度就是逐步精准。第二是实施精准的体系保证和手段，而这种手段是可衡量的。第三就是达到低成本可持续发展的企业目标。并对传统广告体系与精准传播体系进行了对比，提出来精准传播的三种方式：网络媒体的传播，传统广告的改良与创新及口碑传播。刘征宇（2007）在《精准营销方法研究》一文中也把精准营销的方法归为基于数据库营销的方法、基于互联网的方法、借助他人渠道的方法等三大类。

姜何（2008）用精细化营销来形容精准营销，他认为所谓精细化的管理是相对于粗放式管理而言的，面对于营销的精细化管理，意味着基于客户细分战略的一对一营销，即要与企业选定的最有价值的客户群一对一，了解个性化需求，提供个性化渠道，实现个性化营销手段。而曹彩杰（2010）也分析到：以网络和信息技术为核心的精准营销体系，在一定程度上将取代传统的营销方式，逐步成为现代企业营销发展的新趋势。

综合上述各种观点可以看出，目前学者对精准营销研究热情也颇为高涨，相关文献数量较多，但对于什么是精准营销业界还没有给出一个公认的定义，但精准营销的特性是显而易见的：一是对市场准确定位，二是依赖科技手段，三是个性化服务，四是提高营销的正确性。尽管精准营销的定义尚无定论，但这并不妨碍精准营销思想及方法的发展传播，由于互联网的普及化，网络营销方兴未艾，基于互联网的精准营销是目前网络营销的一个热点领域并且还会不断涌现新的研究成果。精准营销将在互联网上的新兴行业里得到广泛推广，并逐步应用到传统产业中去。

2．精准营销的理论基础及意义

精准营销并不是一个全新的营销思想，随着信息技术的飞速发展，市场的形态有人们的消费行为、消费观念都产生了巨大的变化，随之产生的新营销环境促使营销方式和营销途径在传统营销理论的基础上不断演变发展。

2.1从4P理论到4C理论

美国营销学学者麦卡锡教授于1960年在《基础营销》（Basic Marketing）中提出产品（product）、价格（price）、渠道（place）、促销（promotion）大营销组合策略，他认为一次成功和完整的市场营销活动，意味着以适当的产品、适当的价格、适当的渠道和适当的传播促销推广手段，将适当的产品和服务投放到特定市场的行为。4P理论是营销策略的基础，科特勒（1967）在其畅销书《营销管理：分析、规划与控制》第一版中进一步确认了以4P为核心的营销组合方法。4P营销理论遵循的是由上而下的运行原则，它使市场营销

理论有开始有了体系，又使复杂的现象和理论简单化“这种理念的出发点是追求企业利润，重视产品导向而非消费者导向，没有将客户的需求放到同等重要的地位上来，这也正好体现了了在无细分市场（mass market）里推（push）的概念。在4P理论的基础上劳特朋（Robert.F.Lauterbon）教授（1990）在其《4P退休4C登场》专文中，提出了以顾客为中心的一个新的营销模式，这个4C理论它包含4个要素：四个基本要素：即消费者（Consumer）、成本（Cost）、便利（convenience）和沟通（communication）。4C理论的核心：强调购买一方在市场营销活动中的主动性与积极参与，强调顾客购买的便利性”精准营销为买卖双方创造了得以即时交流的小环境，符合消费者导向、成本低廉、购买的便利以及充分沟通的4C要求，是4C理论的实际应用。精准营销是迎合市场内外环境的变化，在4P的理论基础上，融合了4C营销组合理论来适应新环境的发展：

（1）精准营销真正贯彻了消费者导向的基本原则。4C理论的核心思想，便是企业的全部行为都要以消费者需求和欲望为基本导向，精准营销作为这一大背景下的产物，强调的仍然是比竞争对手更及时、更有效地了解并传递目标市场所期待的满足。这样，企业要迅速而准确地掌握市场需求，就必须离消费者越近越好。这是由于，一方面，信息经过多个环节的传播、过滤，必然带来自然失真，这是由知觉的选择性注意、选择性理解、选择性记忆、选择性反馈和选择性接受所决定的；另一方面，由于各环节主体利益的不同，他们往往出于自身利益的需要而过分夸大或缩小信息，从而带来信息的人为失真。精准营销绕过复杂的中间环节，直接面对消费者，通过各种现代化信息传播工具与消费者进行直接沟通，从而避免了信息的失真，可以比较准确地了解和掌握他们的需求和欲望。

（2）精准营销降低了消费者的满足成本。精准营销是渠道最短的一种营销方式，由于减少了流转环节，节省了昂贵的店铺租金，使营销成本大为降低，又由于其完善的订货!配送服务系统，使购买的其它成本也相应减少，因而降低了满足成本。

（3）精准营销方便了顾客购买。精准营销商经常向顾客提供大量的商品和服务信息，顾客不出家门就能购得所需物品，减少了顾客购物的麻烦，增进了购物的便利性。精准营销实现了与顾客的双向互动沟通，这是精准营销与传统营销最明显的区别之一。

2.2让渡价值理论

“让渡价值”这个新概念是科特勒（1994）提出的，是对市场营销理论的又一进步。顾客总价值与顾客总成本之间的差额是“让客价值”的中心。其中顾客总价值是指顾客购买某个产品或者得到服务所期望获得的某些利益，其中包括产品的价值、服务的价值和形象的价值等；顾客总成本的意思是指顾客为购买某一产品或服务而支付的货币及所耗费的

精力、时间，包括货币的成本、时间的成本及精力的成本。

由于顾客选择购买商品或者服务时，总是希望把相关的成本降至最低，同时又希望从中获得到更多的实际利益，因此，顾客总是倾向于选择“让渡价值”最大化的方式。而企业为在竞争中想要努力的战胜对手，就需要吸引更多的潜在顾客，同时必须向顾客提供比竞争对手更多的“让渡价值”，才可以满足顾客的实际利益最大化的期望。

首先，精准营销能够大幅度的提高顾客总价值。因为精准营销实现了“一对一”的营销，在这种新型观念指导下，其产品设计、开发、销售充分考虑了消费者需求的个性特征，同时增强了产品价值的适应性，从而为顾客创造了更大的产品价值。在提供优良产品的同时，精准营销更加注重服务价值的开发和创造，努力的向消费者提供合理、周密、完善的销售服务，同时方便广大顾客的购买。另外，精准营销还通过一系列的优质的营销活动，努力提升自身的形象，逐步的培养消费者对企业的偏好与忠诚。

其次，精准营销大大的降低了顾客总成本。在顾客购买商品，不仅要考虑销售商品的价格，同时必须确切的知道有关商品的信息，并对销售商品各方面进行深层次的比较，还必须考虑顾客购物环境是否便利等多种因素。精准营销可能大幅的缩短了营销渠道，通过直接手段和直接媒体及时向顾客传递商品信息，降低了顾客搜寻信息的精力成本与时间成本，因而减少了交易费用，扩大了企业商品销售，成为众多企业广泛采用的营销方式。

2.3直接沟通理论

1973年，领导行为理论代表人物，美国行为科学家明茨伯格H.Mintzberg指出“管理工作有10种作用，而人际关系和沟通占3成”。明茨伯格首先创立了经理角色理论，指出“重视同外界和下属的信息联系”和“爱用口头交谈方式”为经理角色六个特点中非常重要的两个特点，直接强化了直接沟通。从泰勒科学管理初始探索下行沟通开始，管理沟通理论的发展历程主要经历了从研究“行政沟通”，向研究“人际沟通”发展、接着以“纵向沟通”研究为主，向以“横向沟通”研究为主，进而向以“网络化沟通”研究为主发展、从以研究“单一的任务沟通”为主，向“全方位的知识共享沟通”研究发展等一系列过程。

20世纪80年代以来随着世界经济政治的变化，管理思想发生了重大的转变，管理沟通理论的研究也遭遇到新的挑战，主要表现在沟通中的信息网络技术的应用，知识型企业及学习型组织的建立等。伴随着现代管理理论呈现出的管理理念更加知识化、管理组织虚拟化、人性化、管理手段和设施网络化、组织结构扁平化、管理文化全球化等总体趋势，管理沟通理论也出现了企业流程再造沟通趋势、知识管理沟通趋势、管理更加柔性化的文化管理沟通趋势、网络经济和全球经济一体化的管理沟通的国际化趋势。精准营销的直接

沟通，使沟通的距离达到了最短，强化了沟通的效果。

四、对大数据环境下精准营销模式的思考

“营销管理是艺术与科学的结合——选择目标市场，并通过创造、交付和传播优质的顾客价值来获得顾客、挽留顾客和提升顾客的科学与艺术。”其中，“科学”的部分有赖于数据搜集与分析和各种营销数据库的建立。可以说，数据的使用贯穿在整个营销过程的始末，对于营销的效果起着至关重要的影响性作用。而在大数据时代，大数据的日益兴起和全方位的发展，如GPS定位一般，使企业对市场的理解和洞察需求正在日益地走向实时化和精准化，为企业实现精准营销带来前所未有的发展机遇。

而通过以上对大数据、精准营销的分析与总结我们可以看出，国内外学者对大数据、精准营销等理论研究成果很多，但对于如何利用大数据及大数据技术，研究客户行为特征，建立大数据时代顾客洞察与精准营销体系策略，这方面的研究则很少。“许多人感觉到大数据时代正在到来，但往往只是一种朦胧的感觉，对于其真正对营销带来的威力可以用一个时髦的词来形容——不明觉厉”。下面提出自己的一些思考。

首先，科技在营销中的运用一直存在，然而大数据在营销中的运用是科技与营销的结合的一座新的里程碑，它使技术在营销中不再仅仅是锦上添花的工具，则是会带来企业营销的战略性转型，起到革命性的作用。

其次，我们可以从市场营销的一般过程来分析大数据技术在精准营销中的应用。（1）客户信息收集与处理。客户数据管理是一个数据准备的过程，是数据分析和挖掘的基础，是搞好精准营销的关键和基础，否则会造成盲目推介、过度营销等错误，比如因为某些产品的购买，在一定时段里是不会重复的，强行推荐，只会导致厌烦情绪和后悔情绪。传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的简历，比如姓名、性别、年龄、学历等；行为数据则复杂一些，比如消费者购买数量、购买频次、退货行为、付款方式等。在大数据时代，结构性数据仅占15%，更多的是类似于购物过程、社交评论等这样的非结构性数据，并且数据十分复杂，符合4V特征。只有通过大数据技术收集和整理数据，才有可能形成关于客户的360度式数据库，不错过每一次营销机会，“啤酒与尿布”的推销理论就是一个很好的例子。

（2）客户细分与定位。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为

模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。大数据时代，利用大数据技术能在收集的海量非结构信息中快速筛选出对公司有价值的信息，对客户行为模式与客户价值进行准确判断与分析，深度细分，使我们有可能甚至深入了解“每一个人”，而不止“目标人群”来进行客户洞察和提供营销策略。

（3）营销战略制定。在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售，或采取措施防止客户流失等。

（4）营销方案设计。大数据时代，一个好的营销方案可以聚焦到某个目标客户群，甚至精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的市场营销组合方案 包括针对性的产品组合方案、产品价格方案、渠道设计方案、一对一的沟通促销方案。比如O2O渠道设计，网络广告的受众购买的方式（DSP）和实时竞价技术（RTB），基于位置（LBS）的促销方式。

（5）营销结果反馈。大数据时代，营销活动结束后，应对营销活动执行过程中收集到的各种数据进行综合分析，从海量数据中发掘出最有效的企业市场绩效度量，并与企业传统的市场绩效度量方法展开比较以确立基于新型数据的度量的优越性和价值．以对营销活动的执行、渠道、产品和广告的有效性进行评估，为下一阶段的营销活动打下良好的基础。

五、结语

大数据时代已经到来，而且将成为全世界下一个创新、竞争和生产率提高的前沿。“营销本质上就是效率提高的过程，而技术是在帮助这个过程转变”。大数据在提高效率、精准营销上大有作为，它正在帮助企业深入了解“每一个人”，而不止是“目标人群”，它真正努力让客户变成“首席执行客户”，试图打造针对每个客户的“全接触”体系。这在增进企业效益的同时，也能给消费者带来全新的私人定制似的体验从而增加消费者福利。因此，研究揭示大数据在精准营销中的价值产生机理，探索大数据时代下的精准营销模式就变得很有意义和价值，我们期待越来愈多的学者在这方面做出贡献。

参考文献 中国企业评价协会、中色金银贸易中心，大数据的基本概念及相关问题，中国电子商务企业发展报告2013。2 黄升民，刘珊，“大数据”背景下营销体系的解构与重构，现代传播，2012年第11期。3 4 5 6 7 8 9 王波，大数据时代精准营销模式研究，经济师，2013年第5期。

任广见，基于大数据的商业模式创新及启示，现代商贸工业，2013年20期。郭虹，大数据时代-实体店与网商营销，中国出版传媒商报，2013年第9期。贾利军，许鑫，谈“大数据”的本质及其营销意蕴，南京社会科学，2013年第7期。秦雯，大数据驱动营销革命，观察家，2013年第7期。

刘征宇，精准营销方法研究，上海交通大学学报，2007年第4期。吴海环，基于精准营销的顾客沟通研究，武汉理工大学硕士论文，2008年。冯芷艳，郭迅华，曾大军，陈煜波，陈国青，大数据背景下商务管理研究若干前沿课题，管理科学学报，2013年第1期 李芬，朱志祥，刘盛辉，大数据发展现状及面临的问题，西安邮电大学学报，2013年第5期。钱心缘，国内外大数据研究进展之从文献计量学角度分析，中国科技信息，2013年第19期。周再宇，价值链重塑:大数据洞察与精准营销，新营销，2012年第11期。14 赵国栋，大数据时代的历史机遇：产业变革与数据科学，清华大学出版社，2013年。张小平，一块牛肉干引发的大讨论——说说大数据时代的精准营销，企业观察家，2013年第07期。李文莲，夏健明，基于“大数据” 的商业模式创新，中国工业经济，2013第5期。郭涛，掌握大数据之“芯”实现精准营销，中国计算机报，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．

大数据精准营销 篇3

本论文的研究方法为定性研究，通过深度访谈的方法，以京东商城为具体研究对象进行研究。通过对京东商场的具体研究分析，理清B2C电子商务企业收集、整理、存储和分析大数据的流程；分析用户多次的购物记录形成关系网，知悉更多用户的购买习惯和喜好；将客户分为不同的类型，将个性化的信息推荐给客户，以客户为中心，进行实时营销和精准营销。但本文仍存在诸多不足之处，希望在后续研究中能使研究对象进一步细化，并且将案例研究进一步地深入。

关键词：大数据；电子商务；精准营销；京东商城

1 绪论

从20世纪互联网出现至今，互联网已经越来越融入人们的生活，不得不说，网购已经成为了一种潮流和趋势，已经成为了相当一部分人生活中不可或缺的部分，同时，也带动了中国电子商务的发展进程。

网络交易规模的不断扩大和增长，对于电子商務行业来说是一个难得的发展机会，但机遇与挑战永远是并存的。过去传统的粗放式营销方式开始逐渐转变为精准式营销，精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系。这种精准式营销方式主要特征就是以客户为核心，营销的目的就是实现与客户之间的交易，只有制造出令客户满意的产品，充分满足客户的个性化需求，才能够实现交易，与客户保持良好的合作关系，充分实现收益，获得较高的投资回报。

随着网络的发展和技术的进步，从2009年开始大数据这个词语越来越多地被人们所提及。不可否认，“大数据”一词在整个世界范围内也越来越热， “大数据”时代已经来临。2013年也被中国媒体广泛称之为 “大数据元年”。不得不说，大数据的时代已经来临了。京东（JD.com）是中国最大的自营式电商企业， 2014年5月，京东在美国纳斯达克证券交易所正式挂牌上市，是中国第一个成功赴美上市的大型综合型电商平台，与腾讯、百度等中国互联网巨头共同跻身全球前十大互联网公司排行榜。2014年，京东市场交易额达到2602亿元人民币，净收入达到1150亿元人民币。

最近两年，大数据在电信、医疗和公共交通方面已有应用，但在B2C的电子商务网站方面还未得到广泛的运用，所以本论文的研究问题可以归纳为两个方面：

①如何通过大数据技术获得有利于对B2C电子商务企业的顾客信息挖掘？

②如何将大数据技术分析处理后的数据运用于B2C电子商务企业的精准营销中？

本文的研究目的总体可以分为以下三个方面：

①对于B2C类型的电子商务企业而言，收集的大数据主要包括消费者的购买行为，对其进行整理和分析，可以预测消费者的下次购买行为，可以为企业在精准营销过程中节省大量的人力、财力和物力，减少成本扩大收益。此外，通过精准营销能够很好地维护企业和客户之间的关系，提高客户满意度，真正做到以客户为中心。京东商城就是通过大数据的分析，来维护与网购客户的关系，提高客户在京东商城购买产品的频率和次数，最终提高客户对京东商城的忠诚度。

②对于消费者而言，B2C企业推送的产品信息更具有针对性，更符合自己所需购买产品的期望，减少搜索和寻找相关产品的时间，能及时快速地了解B2C企业的产品信息，帮助消费者做出购买决策，指导其消费行为。消费者收到京东商城发送的产品信息之后，直接就去京东商城的网站上面进行挑选和选购，节省许多时间和精力。

③精准营销研究的侧重点大多在于客户关系管理方面的营销策划研究，基于行业的精准营销也大多集中于银行、图书、消费品等相关领域，但是随着大数据时代的来临，电子商务网站的精准营销研究相对来说就比较匮乏，这就使得本论文的研究更加具有创新性和实用性。

本论文主要以在B2C电子商务企业中非常有代表性的京东商城为研究对象，探索大数据在电子商务精准营销中的应用。

2013年可以称为中国的“大数据元年”，以此计算，中国在大数据领域内的研究还处于最初的起步阶段，且处于宏观研究的层面，对于应用涉及的更加少。而且大数据的显著4V特征：（规模（Volume）、快速（Velocity）、多样（Variety）和价值（Value）由于数据的海量化，规模巨大化和多样化，单个数据的价值密度就显得较低，如何将大数据的海量化、多样性的特点与精准营销的精准性看似矛盾对立的两个方面在营销过程中充分完美地结合起来，最终成功实现营销，这将是本文的研究创新点。

2 文献综述

本章节通过对电子商务、大数据、精准营销等概念进行文献研究，然后通过大数据在电信行业和公共交通行业的应用提供借鉴意义，为大数据能够更好地服务于电子商务行业的后续应用研究奠定基础。

2.1 电子商务

电子商务这一提法最初是由欧洲、美国等西方发达国家提出的，但是经过多年的发展和推广，电子商务已经在全世界的范围内遍地开户，占领了相当大的市场份额，基于这种情况，世界上的众多学者都开始针对电子商务进行了大量而细致的研究工作。

联合国经济合作组织（2007）把电子商务定义为：“电子商务是用开放式的网络作为交易的基础，并且依靠这一基础开展企业与企业之间、消费者与消费者之间、企业与消费者之间的商业上的往来”。

Daniel Amor （2012） 在《电子商务：变革与演进》一书中提出的看法是：立足于电子商务带来的机遇和挑战，对电子商务涵盖的技术进行了评论，同时全是电子商务的核心理念，对于电子商务未来的发展前景进行了展望和评估。该书在对于电子商务的发展给予一定肯定的同时，也毫不避讳的提出了电子商务在发展过程中出现的诸多问题。

中国的电子商务企业相对于国外企业来说起步较晚，但是发展速度却不慢，而且劲头十足，但是，由于受到种种条件的制约，现阶段中国电子商务企业的研究大多还只是停留在理论层面。

张婷，朱邦毅（2014）针对中国当前B2C电子商务市场进行研究的同时，总结了B2C电子商务的三种模式：垂直型、平台型和综合型。并在此基础上，深入解析了各种模式的优缺点和利弊后，得出以下结论：传统的大中型企业开拓销售渠道时比较适用于垂直型的模式；大中型企业在获得企业长远经营利益方面比较实用综合型模式；而平台型的模式则是中小企业最初进入网络交易市场的不二选择。

截至目前为止，针对电子商务企业在理论与实践方面的研究还非常少，这一领域还非常地薄弱，这就更加迫切地需要针对电子商务在B2C企业领域的实践进行更加系统的研究。

2.2 大数据

20世纪互联网出现，特别是进入21世纪以来，互联网的发展势头锐不可挡，无处不在的移动设备每时每刻都在产生着大量的数据，信息的交互更是时时刻刻都在处理大量的数据。此时，对于数据处理的实时性和实效性都提出了更高的要求，传统的处理手段已经不能胜任。因此，大数据技術当之无愧地成为了一个最新的技术热点，并引起了世界单位内的广泛关注。

维基百科对于大数据的定义是“大数据是一个常规软件无法在一定时间内对其内容进行获取、整理和分析的数据集合”。大数据与海量数据相比，在数据体量、复杂性和产生速度这三个方面相较于传统数据的形态有了很大的超越，此外，也超越了传统技术处理手段的范围，还能够带来巨大的经济效益。

IBM公司将大数据的特征总结成为三个“V”：规模（Volume）、快速（Velocity）和多样（Variety），但是更多的人则将其概括为四个“V”，即规模（volume）、快速（Velocity）、多样（Variety）和价值（value）。

依据一般的信息处理流程，大数据的处理过程可以划分为以下六个环节，分别是数据收集、数据整理、数据存储及管理、数据分析、数据显化及产业应用：

①数据收集。数据收集是大数据处理过程首要的一环，也是基础。

②数据整理。每年数据的产生量是非常大的，完成大量数据的收集工作之后，如何才能筛选出有用的数据，并使有用的数据顺利传递到下一环节，是大数据处理过程中必要的并且非常重要的环节。

③数据存储及管理。数据存储和数据管理是环环相扣的，采用何种方式进行数据管理直接决定了数据存储的方式，同时数据存储的方式又决定了数据管理的深度和广度。

④数据分析。开始比较早的传统数据处理公司具有明显的竞争优势，但是，以Cloudera为代表的基于开源软件基础构架的数据分析公司由于能够较好地满足客户的数据分析需求，在这几年间取得了快速的发展。

⑤数据解读。数据分析这一环节，起步比较早的传统数据处理公司同样具有一定的竞争优势，通过在传统业务之上融入新的知识，很快就成为该领域中的领头羊。

⑥数据展示。这一环节中在一定程度上也可以称之为数据应用，大数据开始帮助管理实践。

2.3 精准营销

20世纪90年代，美国的莱斯特·伟门第一次提出了精准营销的概念。Zabin和Brebach （2004）提出了精准营销的4R法则，亦即正确的顾客（right customer），正确的信息（right message），正确的渠道（right channel）以及正确的时间（Right time），通过把正确的信息在正确的时间通过正确的渠道顺利传递到正确的客户手中，借此真正实现对目标客户的购买决策形成有力影响，并促成营销目标的顺利达成。

刘征宇（2013）在《精准营销方法研究》中提出精准营销的方法应该分为三大类，分别是基于数据库营销的方法、基于Internet的方法和借助其他渠道的方法三大类。姜何（2014）用精细化营销来形容精准营销，指出所谓的精细化管理是相较于粗放式管理而言的，实施精细化管理，就意味着要开展客户细分，针对不同类型的客户实施不同的营销策略，充分了解客户的个性化需求，为客户提供所需的服务，实现营销目标。曹彩杰（2014）提出，精准营销体系应该以网络和信息技术手段为核心，未来也许会替代传统的营销模式，并逐步发展成为现代企业管理营销发展的新态势。

中国三大电信运营商经过多年的经营，累积了大量的数据。目前大数据在电信行业中的应用主要体现在网络管理和优化、市场与精准营销和企业运营管理。目前面临的问题是，电信行业发展好应用大数据技术面临的最大障碍不是技术能不能实现的问题，而是数据孤岛无法充分共享的问题。所以，对于电信运营商来说，要真正的利用大数据并使其更好地服务于运营商，数据的统一和整合是第一步，也时最为重要的一步。

应用大数据手段可以将海量的数据进行一个集合，通过把离散的数据需求集合成交通管理的体系，来满足以往不能实现的需求。利用大数据技术可以收集来自各方面的信息，这一点同样也可以应用于交通管理方面，可以应用大数据技术提升城市交通管理的水平，有效改善交通状况。在利用大数据技术治理交通方面，美国等西方发达国家最具代表性，在国内而言，深圳可以说是做得比较好的。

在B2C电子商务的精准营销中，首先利用大数据对客户进行“画像”，通过在网上的交易记录和购买情况，可以对客户情况有一个大概的了解，可以算是“素描画”。然后结合之前多次的交易情况，对客户信息进一步的补充和完善，形成关系网或关系链，这样客户的“画像”更加全面和形象，客户的消费行为和消费喜好也有一定的预测和判断。第三步就是制定销售策略，将客户分为不同的类型，通过邮件或短信，将个性化的信息推荐给客户。最后就是评估大数据在精准营销中的效果和作用，通过实施精准营销前后的销售额的变化对比，来进行验证和证实。

3 研究方法

本论文采用深度访谈法作为研究方法，主要是基于以下两个方面的考虑：

一是大数据的研究总体来说还是处于探索和研究阶段，尽管很多个行业领域都在提及大数据，但并未得到普及，大数据更多的对人们来说只是一个概念而已。

二是企业出于商业保密的原因，很多企业内部的资料无从查找，为了能够获取更多详实的内部资料和数据，需要对京东企业的内部人员进行访谈。同时为了保证企业的正常利益，访谈内容中关于京东企业的内部资料和信息仅用于论文研究使用，不可用于商业用途。

内容分析法（Content Analysis）是指来源于新闻传播领域的一种分析方法，

通过定性分析与定量分析相结合的方式，针对传播内容进行系统化的客观分析，并且描述传播内容特征和检验传播研究假设的一种研究方法。

本论文主要通过对访谈的形式，对相关人员进行访问，并对访谈的内容进行分析，将其运用于大数据在B2C电子商务精准营销中的应用研究。

本论文选取京东商城为研究对象，针对京东商城使用大数据在电子商务精准营销中的应用情况进行深入研究。之所以选择京东商城为例，有三方面的原因：

①京东商城是中国目前最大的自营式电子商务企业，已经积累了大量的数据信息。京东商城無论从规模还是盈利能力，在B2C电商市场中都是很具有代表性和影响力的，具有研究的价值和意义。

②京东商城经过多年的发展，在中国自营式B2C电商中的市场占有率高达一半，具有良好的消费者群众基础，便于进行调查问卷的发放和收取工作，方便进行数据的收集，为后期进行数据分析奠定了基础。

③京东商城尽管在行业中处于领先地位，但并非处于龙头老大的地位，希望可以通过借助于大数据的契机来缩小与天猫商城的差距，更加巩固京东商城在B2C电商市场中的地位。

鉴于以上三点，本文特意选择京东商城作为研究对象，重点研究和分析其如何使用大数据在B2C电子商务精准营销中进行应用。

4 研究过程

本章节将针对大数据在B2C电子商务中进行精准营销的具体过程进行研究，这部分内容可以划分为两个阶段和三个过程。第一个阶段是数据的收集和处理阶段，第二个阶段是数据的应用阶段。在数据的应用阶段可以划分为三个过程：第一是运用大数据为客户进行画像，第二是补充完善客户信息，形成关系网或者关系链，第三是制定营销策略，首先将客户分为不同的类型，针对不同类型的客户采取不同的营销策划，确定营销策划后通过邮件或者短信的方式将个性化的信息推荐给客户，真正做到以客户为中心进行实时营销和精准营销。

4.1 大数据收集和处理阶段

结合第二章节中已经提及的数据收集和处理过程，将B2C电子商务中的数据收集和处理过程划分为数据采集、数据清理、数据存储及管理和数据分析四个部分。

对于B2C电子商务公司而言，在决定采集数据之前，必须明确哪些数据有用需要采集，哪些数据没用不需要采集，这些数据必须区分开来，避免进行不必要的数据采集。经过第一阶段的数据收集工作，进入到数据整理的环节。数据整理，顾名思义，就是对收集到的数据进行处理，也可以成为数据预处理。在这个阶段的主要工作就是做好数据处理前的所有准备工作，做好预备工作。

京东商城的用户量每年都在快速递增，大量用户产生了大量的数据信息，所有这些用户数据信息的存储和管理也是至关重要的。现在京东商城主要采用的是并行数据库的方式来存储和管理客户的大数据。并行数据库是高性能和高可用性的数据库系统，高性能体现在进行数据整理过程中，所需用的时间越来越短，处理的数据量也越来越大；高可用性指的就是并行数据库的健壮性，换句话说，也就是并行数据库在进行数据处理过冲的一个节点或多个节点部分失效或完全失效时，整个系统对外持续响应的能力。

然而并行数据库系统的最大缺点就是灵活性不好，弹性差，这种特点对于刚成立的公司企业、对于中小型企业来说运用起来是十分有利的。京东商城通过使用并行数据库的方法，将客户的详细信息进行整理分类，便于后续的存储及管理，同时也为下一步的数据分析奠定了基础。

通过多种多样的渠道收集的各种数据，需要进行后续的整理和分析才能充分体现其价值，通过一定的分析得出的结果才能显示出什么内容是企业发展所需要的，并且使其产生一定的经济效益。对于京东商城而言，不同渠道收集到的数据，数据分析方法也略有不同。京东商城通过多渠道和多种途径来分析数据，分析出用户的特征、地域、教育程度、浏览器、网络接入商、操作系统、终端类型等属性，为大数据的运用做好准备。

4.2 大数据运用阶段

在大数据运用阶段主要包含三个过程，分别为：第一，运用大数据技术为客户进行画像；第二，对客户信息进行完善补充，形成关系网或关系链；第三，制定销售策略，将客户分为不同的类型，通过邮件或短信，将个性化的信息推荐给客户，更多地以客户为中心，进行实时营销和精准营销。

用户画像可以很全面地展示一个用户的全部信息，是B2C电子商务企业运用大数据的基础。通过用户画像，京东商城无论是在精准营销领域、搜索引擎领域，还是在广告投放等其他各种应用领域，都在原有的基础上进一步提升精准度，提高了信息获取的效率。京东商城通过一次购物记录描绘出用户的360画像，但这个画像相对来说是模糊的，不清晰的，需要通过更多的信息来核对，来弥补和完胜。大数据的关系网或关系链正好提供了这些数据和信息。

通过大数据的360度画像和关系网，京东商城对自己的客户有了更详细的了解和认识，为下一步大数据的销售策略提供了极大的帮助和支持。通过大数据的分析，京东商城的营销策略一方面以客户为中心，另一方面借助于互联网的优势进行实时营销和精准营销。

以客户为中心，企业能更好地为客户提供服务，满足客户的合理需求，完成企业自身产品的销售，并逐步在客户中塑造出良好的企业信誉和口碑，为企业自身的长远发展有很好的帮助和影响。京东商城对于用户的网络行为数据和用户所发布的内容数据非常重视，因为京东商城认为使用这些数据可以对客户进行更加深入的了解并判断客户的潜在需求。因此京东商城每次推出新的产品或服务的时候，都可以快速的推向市场。而当产品和服务推出之后，京东商城会利用大数据技术对消费者在网站上留下的点击、购买、评论和推荐等数据进行分析，对该款新产品或服务的受欢迎程度进行打分，还可以预测出消费者是否会为该产品或服务买单，根据预测的结果来决定是应该继续推广这款产品或者服务，或者是停止推向市场。

大数据时代用户的多场景、多渠道、多样化的需求已经给传统营销产业带来了影响和冲击，也为营销实时化带来了新的机遇。面对这种机遇，京东商城应该根据自身条件尽快制定有效的实时营销策略，建立高效的实时营销系统，从而提高企业的服务水平，培育客户的品牌忠诚度。

在大数据时代，随着大数据技术的日趋成熟、数据量的日益增长、数据类型的丰富多样使得更加深入的精准营销成为一种可能和必然的发展趋势，因此京东商城在进行营销活动时需要依托大数据，加大精准营销在营销活动中的比重，这样能够大幅降低营销成本，显著提高营销效率。仅仅掌握大量的数据和信息并不具有太大的价值，只有对数据进行专业处理，挖掘出数据中间所隐藏的巨大价值才能体现大数据的战略价值。而对大数据进行专业化处理和分析的最重要的方面就是进行数据挖掘。

通过本章的研究分析，可以看出京东商城在大数据时代下精准营销的具体过程，归纳总结为两个阶段和三个过程。第一个阶段就是京东商城进行数据收集和处理阶段；第二个阶段是京东商城运用大数据进行分析的阶段。在京东商城运用大数据阶段又分为三个过程：第一，京东商城利用大数据为客户进行360度的客户画像；第二，京东商城对客户信息进行完善补充，形成关系网或关系链。第三，京东商城制定销售策略，将客户分为不同的类型，通过邮件或短信，将个性化的信息推荐给客户，更多地以客户为中心，进行实时营销和精准营销。

5 研究总结

本论文主要研究大数据在中国B2C电子商务精准营销中的应用研究，通过第四章的研究分析，本章节主要是从三个方面做出研究总结，分别是研究结论、研究建议、研究局限与展望。

结合本论文第一章节中提出的两个研究问题（如何通过大数据处理技术，得到B2C电子商务企业所需的信息，以及如何将分析处理后的数据运用在B2C电子商务企业的精准营销中），通过本论文的研究总结，得出结论：京东商城主要采用的是并行数据库的方式来对存储和管理客户的大数据；京东商城受到QQ圈子的启发，将在京东商城网购用户的所有购物记录整合起来，形成京东商城网购用户自己的购物圈子；将客户分为不同的类型，将个性化的信息推荐给客户，以客户为中心，进行实时营销和精准营销。

在大数据时代，越来越多的用户行为都会被记录，这些都是数据，而电商企业所拥有的用户数据也会越来越多，面临技术手段的漏洞，这些数据也同样面临泄露或被滥用的可能，将会对企业的形象、品牌和口碑等带来重大的影响，营销数据的安全和隐私权的保护已经成为一个重要的课题和电商企业必须关注的问题。

随着大数据时代的进一步到来，电商行业的不断发展，新的大数据技术的涌现，营销理念的不断变革，电商企业在大数据时代还会有新的营销理念、营销模式的不断涌现，需要进行更加客观、更加全面的研究。本文的研究还有很多方面有必要做深入研究，可进一步细化研究对象，进一步深入案例研究，这也为笔者下一步进行研究指明了方向。

参考文献：

[1]Author， Central C.， & Ambiga， Dhiraj D. （2013）. Big Data， Big Analytics： Emerging Business Intelligence and Analytic Trends for Today's Businesses.

[2]Frank， J. （2012）. Ohlhorst.Big Data Analytics： Turning Big Data into Big Money （Wiley and SAS Business Series）.

[3]Bill Franks， B. （2012）. Taming The Big Data Tidal Wave： Finding Opportunities in Huge Data Streams with Advanced Analytics.

[4]Kotler， P. （2003）. Marketing Management （11th ed.）. Pearson Education， Inc.

[5]Lapis （2012）. Understanding Big Data . USA： The McGraw Hill Companies Viktor， MayerM.-Sch？nberger S. （2012）. Big Data： A Revolution That Will Transform How We Live， Work， and Think.

[6]万后芬.市场营销教程（第2版）[M].北京：高等教育出版社，2008.

[7]王方华.市场营销学[M].上海：上海人民出版社，2007.

[8]王成文.电子商务环境下市场营销的变化[J].法制与社会，2007，5.

[9]王森林，吴志玮.电子商务与企业成本竞争力[J].商场现代化，2007，6.

[10]甘晓，李国杰.大数据成为信息科技新关注点[J].中国科学报，2012，3.

[11]白云川.迎接大数据时代[J].中国制造业信息化，2011，12.

[12]边凌雁.4P营销组合和7P营销组合的比较研究[J].商场现代化，2007，2.

[13]苏兰君.现代市场营销能力培养与训练[M].北京：北京邮电大学出版社，2005.

[14]李鲤.数据挖掘在电子商务网络营销中的应用研究[J].广西大学报，2011，2.

[15]楊涌斌.论精准营销的实现[J].河南社会科学报，2012，4.

[16]张玉祥.对市场营销发展的新趋势的研究[J].企业家天地，2007，4.

[17]陈刚，李丛杉.关键时刻战略：激活大数据营销，2014.

[18]陈娟.我国电子商务发展趋势[J].创新科技，2006（8）.

[19]青虹宏.电子商务营销[M].北京：中国铁道出版社，2012.

[20]高虹.浅谈电子商务对传统市场营销的影响[J].电子商务，2007，50.

[21]涂子沛.大数据[M].广西：广西大学出版社，2012.

[22]陶雪娇，胡晓峰，刘洋.大数据研究综述[J].系统仿真学报，2013，8.

[23]舒尔茨.SIVA范式：搜索引擎触发的营销革命[M].北京：中信出版社，2014.

大数据时代的精准营销问题研究 篇4

大数据时代和随之产生的大数据处理技术对企业的营销提出了新的挑战。目前, 企业的营销管理模式大多是基于岗位分层设置的, 一般情况下, 营销的模式多是根据往年销售情况, 估算、制定当年或某个产品的营销目标, 采用自上而下的业绩考核管理模式。这种模式最大的局限性在于营销目标的确定缺乏对于数据的精准分析, 多数情况是高层管理人员拍脑袋的行为, 往往和实际情况相差甚远;同时, 各级营销人员对于营销目标的制定缺乏深层了解, 对于营销目标的完成没有足够的预判, 造成营销目标完成困难或过于容易。实际上, 很多企业, 特别是一些大中型企业的信息化工作早已开始, 多年来也积累了大量的客户和产品的营销信息, 但是由于这些数据只是处于被动收集状态, 没有后期分析、处理以及挖掘和其它数据相关性的过程, 因此, 不可能做到对数据进行预见性的分析和处理, 从而在营销过程中失去营销时机, 对于风险也缺乏预测。大部分营销人员仍然只是被动的跑市场、拉关系、发广告, 沿用传统的营销手段去完成营销目标。

随着互联网技术、移动技术的发展和广泛应用, 电子商务的快速发展, 营销数据呈现了一个多样化过程。客户的职业、地域、年龄、民族等特征越来越被关注;实体店、电话营销、网店营销、电视购物等渠道越来越多样化;利用节假日、店庆、打折、降价、返券、团购等促销手段更是层出不穷。客户对于产品有了越来越多的个性需求, 企业传统的营销模式已经远远不能满足社会的需要。这种环境下, 只有关注客户的个人特征和个性需求, 实现针对基于数据分析下的各类不同客户的精准营销, 才能在市场上占有一席之地。

一是作为现代企业, 必须建立一支数据团队, 从基础开始注重对于数据的收集工作, 信息收集时要注意渠道的多样化与灵活化, 不能仅仅依赖于某一业务系统。以大型商城为例, 基础数据的来源可来自多方面而不是仅仅依赖于POS收费系统, 客流监控设备可大致估计出每时刻该监控点的客流量;免费Wi Fi登录日志可计算出商场内持有移动终端并上网的人数;POS机收费系统可精确统计各类商品的销售情况;停车场收费系统通过在出口处扫描顾客的会员卡, 可以得到哪些客户是自驾车而来, 会员卡的使用更是可以查询到每个会员的个人消费信息。此外, 也可以通过多种方式进行问卷调查, 如收费出口排队时, 简单的调查表填写, 附近企业、写字楼工间休时间调查或座谈、了解客户要求和客户构成等信息。

二是必须注重数据的分析和整合, 对数据进行完整性和准确性评价, 实现各种数据收集源的有机连接。如POS机的统计记录可以得到某一顾客的购物清单, 和会员卡信息的整合后可以得到顾客进一步的信息 (如姓名、性别、年龄、住址、电话等) 以及一段时间内的累计消费情况;通过和停车场收费系统的数据接口, 了解该顾客是否是一个自驾车客户 (停车场对持有会员卡和当天购物小票的客户免费停放) 以及顾客的购物时间, 还可以通过数据中顾客支付方式 (现金、信用卡、借记卡、移动终端、支票等) 情况记录, 了解该顾客的支付习惯;微信、团购等信息可以了解到顾客的消费习惯。

对数据的深入分析可以得到许多有价值的信息。例如, 通过对停车场车流和销售额的相关分析, 可以得到车流和销售额度的相关性。进一步, 对自驾车客户中会员的分析, 可以得到该类人群中会员客户消费水平占整个商场销售额的比例;对客流监控数据的分析, 可以看出整个商场中客流量的趋势和大致的年龄结构, 分析出某些区域客流量少的原因, 进而采取对策和改进措施;Wi Fi登录的情况分析可以得到持有移动终端顾客的进店时间分布;对销售记录结合日期、时段、客户类别的关联分析, 可以得到某类商品在某些日期、某个时段和特定消费人群的联系, 可进一步采取针对性的促销手段。

信息分析的目的是为了制定针对性的营销策略, 仍以大型商场为例。广告是商家促销的重要手段, 通过对客户资料的分析, 可以采取针对性的措施进行广告投放, 将会员喜好的个性化品牌促销信息精准地进行通知, 从而得到最小投入、最大产出的效果。广告形式也可采取多种手段, 如通过对自驾车客户购买的商品分析, 在停车场通道、停车场电梯、步梯等有针对性的发布广告;对登录无线网络的用户则采用微信等形式进行广告推送;从销售数据和停车场数据的关联分析得到二者高度相关的结论, 就应该采取扩大停车场范围、优化停车场服务, 如自动停车导引、免费停车等措施, 进一步的吸引该类客户。商场区域客流分析可以分析客流监控中部分区域人流小的原因, 如果商品摆放不当, 就应该对商品摆放的分类和位置进行调整;如果是区域位置较远, 中老年顾客前往不便, 就应该提供便捷模式, 比如自动步道, 或是将商场远端区域调整为年轻人消费区域, 用无线上网等适合年轻人的消费习惯和特点的一些手段吸引年轻顾客前往。对客户购物时间分析中可以得到, 某些客户总是来去匆匆, 购物时间较短, 就应该将该类客户欲购的商品集中放置, 尽量在较短的时间内使其购买更多的商品。

大数据时代的推销手段也需要根据数据分析结果进行调整, 不仅仅要划分客户类别, 还需要考虑其心理层次。如某种单一消耗类商品, 顾客往往会多次购买, 可以分析该类用户的购买频率、品牌偏好和相关联商品在适当时间点进行多种手段推荐, 从而避免了强行推销导致的厌烦心理。个人档案的建立、对顾客的个人信息的分析, 还可以进行感情投资, 如顾客的生日祝福, 重要日期的小礼物发送等, 使促销手段更加人性化。对集团客户和会员卡客户还可以根据数据分析进行顾问式营销。集团客户可以通过以往的销售记录确定合适价格和利润空间, 会员卡客户则可以通过顾客购买的商品清单和以往的购买习惯, 对客户人群进行精确划分, 提出购买商品的建议, 实现个性化的顾问营销。

在大数据体时代, 企业营销由独立的一种手段转化为企业的系统工程行为。以数据采集、数据分析为基础的数据驱动的精准营销策略, 对以往传统的营销决策、营销手段、营销执行等, 将会给企业营销带来根本性的变革。越来越多的企业正在以大数据作为企业营销战略的出发点, 在更大的范围内进行精准的营销和商业活动, 从而给企业带来更大的效益。

参考文献

[1]丽莎·亚瑟 (Lisa Arthur) .大数据营销:如何让营销更具吸引力[M].北京:中信出版社, 2014.

[2]劳尔森 (Gert H.N.Laursen) .精确营销方法与案例:大数据时代的商业分析[M].北京:人民邮电出版社, 2013.

[3]何军.精准营销决胜大数据时代[J].科技进步与对策, 2014 (2) .

[4]王波, 吴子玉.大数据时代精准营销模式研究[J].经济师, 2013 (5) .

[5]张湛梅, 罗云, 等.基于客户移动互联网内容偏好的大数据精确营销体系搭建[J].互联网天地, 2013 (4) .

[6]吴勇毅.大数据成就智慧营销[J].上海信息化, 2013 (2) .

[7]陈祥兵.谈网络营销中的企业差异化竞争策略[J].商业时代, 2007 (14) .

大数据精准营销的价值与方法 篇5

网舟科技数据分析课题组

大数据营销价值：

随着全球的信息总量呈 现爆炸式增长，移动互联网、可选渠道和设备增加以及不断变化的消费者特征，同时大数据技术的更新日益。大数据营销依托多平台的数据采集及大数据技术的分析及预测能力，使企业的营销更加精准，为企业带来更高的投资回报率。无论是线上还是线下大数据营销的核心在于在合适的时间，基于你对用户的了解，把你希望推送的东西通过合适的载体，以合适的方式，推送给合适的人。

大数据营销关键问题：

问题1：怎么才能准确知道Who？Where？Do What? How Do? 大数据营销首先要解决的是数据汇聚的问题。通过打通用户在多个渠道上的行为数据，构建对用户行为和用户数据的深入洞察，一方面实时监控各渠道的用户行为特征，运营和营销的效果，进行优化；另一方面集中用户的数据，便于后续的深入挖掘工作，实现以用户为中心的数据汇聚，提升用户数据价值，实现用户交互的精准识别和多渠道数据打通，为用户提供更准确的服务和营销。问题2：渠道及交叉渠道组合方式如何选择？

当营销预算不够的时候，如何在搜索和其他的渠道间进行营销预算的分配？是选择电子商务最优搜索渠道还是选择跨渠道组合营销呢？跨渠道营销预算如何进行排列组合？

问题3：如何通过个性化营销让企业离用户更近一点？

营销方式从海量广告过度到一对一以用户体验为中心的精准营销，一对一精准营销实际上是对于任何一个互联网用户在那一刻，在那一个渠道以一个独特的价格，推送一个独特的广告创意，效果是怎么样的。围绕用户、业务场景、触点、营销推送内容/活动推荐，并且基于跨渠道触发式的营销能力，在注重用户体验同时达到最佳的营销效果，并且可对营销进行跟踪，从而不断优化营销策略。

问题4：如何实现基于大数据营销的即时营销？

企业希望通过实时分析来获取竞争优势。精准营销也要求在活动的同时我们就能得到数据，立即优化营销效果。

大数据营销系统组成：

基于大数据的精准营销过程分为：采集和处理数据、建模分析数据、解读数据这么三个大层面。通过对客户特征、产品特征、消费行为特征数据的采集和处理，可以进行多维度的客户消费特征分析、产品策略分析和销售策略指导分析。通过准确把握客户需求、增加客户互动的方式推动营销策略的策划和执行。

网舟科技大数据营销项目的解决方案主体为：数据整合营销平台

营销管理平台中心有一个通用的工作流引擎，以及创新生动的用户界面。它具有高度自动化的特点，基于角色的协作，工作流工具使营销上很容易定义流程规划和管理预算、资源和内容，细分客户，定义规则和机制，创建和重建模板，执行活动，捕捉反应，定义领导流程和结果分析。营销商根据需求动态的格式化内容协调所有营销过程与跨越多渠道的用户交互，而视觉框架使这一切变得更直观。

大数据精准营销实现方式：

通过一个表达式构建器、原始SQL、或通过预定的过滤器进行构造。即可以基于一个无限数量的隐式或显式条件下，利用底层营销数据：包括历史客户交易、人口统计、模型评分、营销历史以及浏览行为等实时变量，进行细分和决策规则的配置。支持Offer（针对不同特点客户所要提供的营销内容、素材等的供给物）与渠道(网站、手机应用、邮件短信等)的关联配置。数据营销后台可对各触点的推送offer中的推送规则、推送内容进行定义，还可实现多渠道、多波次的营销定义，并负责精准营销的推荐实施。

大数据时代的精准扶贫 篇6

【关键词】大数据；精准扶贫

一、什么是“精准扶贫”？

精准扶贫是粗放扶贫的对称，是指针对不同贫困区域环境、不同贫困农户状况，运用科学有效程序对扶贫对象实施精确识别、精确帮扶、精确管理的治贫方式。一般来说，精准扶贫主要是就贫困居民而言的，谁贫困就扶持谁。

2013年11月，习近平到湖南湘西考察时首次提出精准扶贫的重要思想。

2015年10月16日，习近平在2015减贫与发展高层论坛上提出要实施精準扶贫，增加扶贫投入，出台优惠政策，坚持分类施策，因人因地施策，因贫困原因施策，因贫困类型施策，广泛动员全社会力量参与扶贫。

二、如何利用大数据进行“精准扶贫”？

1.运用“大数据”精准定位帮扶对象

精准扶贫首先就是要精准定位扶贫对象。过去的扶贫是通过选择样本数据，用少的数据来获取多的信息，而“大数据时代”的扶贫是从对样本数据的分析转向全覆盖式的大数据分析，从缺少数据的粗放式扶贫模式转变为以大数据为支撑的集约式扶贫模式。过去因为技术以及受传统思维的影响，导致我们对扶贫对象的认知还处在县、村一级。一旦我们运用“大数据”思维，对每个贫困村、贫困户，我们就可以建档立卡，将扶贫对象的基本资料、实时情况录入系统，从而建立有效的扶贫系统数据库。

2.运用“大数据”对扶贫对象进行动态管理

首先，在收集基础数据后，建立贫困户识别系统，并对其进行信息化管理。然后建立扶贫对象数据库，减少目标偏离和提高定位的准确性。这种动态管理，可以对扶贫对象的基本资料、实时情况进行掌控与管理。同时可以对扶贫资金进行管理，使每一笔资金都能用到实处。

同时，我们可以对扶贫对象进行动态管理，实现有进有出。因为扶贫对象是不断变化的，不可能永远贫困。在通过对扶贫对象进行定量分析后，我们就可以得知哪些人已经脱离了贫困，哪些人还处于贫困线以下。这样。可以及时有效的更新数据，既减少了工作量，也节省了资源。

3.运用“大数据”对扶贫对象进行预测

对扶贫对象进行动态管理，将数据收集转化为数据分析。最后我们要利用大数据来预测扶贫需求以及发现问题。大数据的核心就是预测，它通过将大数据与数学方法相结合，来预测事情发生的概率。在大数据的帮助下，也能实现对扶贫对象的管理。

通过预测，我们可以了解扶贫对象的需求，正确及时地处理扶贫工作中的问题，从而可以引导资金的流向，解决贫困人们最切身的问题，努力做到“好钢用在刀刃上”。

然而，大数据预测给我们的只是参考答案，帮助只是暂时性的，制定扶贫措施还需要我们因时制宜、因地制宜，充分发挥主观能动性，结合大数据的合理预测，作出最科学的决策。

三、扶贫过程中存在的问题

1.精准扶贫工作缺乏制度的保障

中国农业大学人文与发展学院院长李小云认为，要落实精准扶贫，核心在于构建制度：一是对扶贫资源进行分权管理，如果扶贫资源永远被中央和地方部门掌控，会产生利益寻租；二是构建乡村治理结构，在现行结构之下，国家提供的资源，使乡村精英为了寻求其合法性而利用。

此外，扶贫工作的相关人员对扶贫工作的一些基本问题没有弄清楚，很大程度上是因为缺乏制度的保障。地方扶贫工作迫切需要通过立法来推动，从而实现扶贫工作的规范化、长期化。因此从制度上确保扶贫资金的投入，可以加快贫困群众脱贫，做到精准扶贫。

2.精准扶贫的配套政策和措施的研究尚未跟进

颁布精准扶贫规划后，只有个别部门制订了一些优惠政策，其他部门尚待实施，导致扶贫效果并不乐观，相关政策含金量不高，“政策红利”几乎成空文。省与市的扶贫事项尚待明确，监管事项还有待理顺，扶贫机构和队伍建设也有待提高，动态管理和进退机制还需健全。

3.各地精准扶贫的经验总结不足

在近几年的扶贫工作中，各处积累了许多行之有效的成功经验。然而从整体来看，省市两级对于各地积累的经验以及做法没有及时做到总结、交流，没有把感性认识上升到理性认识，没有把零散经验综合为系统经验。经验总结比较滞后，使得扶贫工作进展受到阻碍。

四、大数据时代下精准扶贫工作推进策略

1.把握意愿，精准扶贫

实施精准扶贫，要高效推进扶贫工作，确定贫困人口发展帮扶思路，还要超前谋划，结合大数据并引导其在扶贫领域的运用，完善网络基础设施。通过开展调查、建立数据交易整合平台和推进数据建模、分析等增值服务，准确把握贫困人群发展意愿，明晰贫困区域发展要素资源禀赋差异，找准“贫”根寻对“困”源，针对不同致贫原因，因村施策、因人施策，落实帮扶责任人，逐村逐户制定帮扶措施，使精准扶贫真正落到实处。

2.优化升级产业结构，提升贫困区域自我发展能力

推进贫困区域产业结构优化升级，一是依托当地资源比较优势，遵循需求弹性、技术、关联强度和动态比较优势原则选择主导产业，充分发展现代农业、特色旅游业、资源深加工等特色产业，健全良好的基础设施保障，继而推动关联产业及其本地化、多样化，抢占产业链条高端，助推贫困人口就业与提高收入水平，实现减贫脱贫；二是考虑通过有选择的产业承接方式，完善多层次网络区域协调平台，选择环境友好、技术水平较高、带动能力较强的产业快速起步；三是注重完善贫困区域产业发展所需的科技推广、金融支持、农村物流和信息咨询等服务体系，加大产业扶持力度，为产业发展营造良好的发展氛围。

参考文献：

[1]董杨柳，苗敬臣.大数据时代精准扶贫思考[J].合作经济与科技，2016.5.

[2]公衍勇.关于精准扶贫的研究综述[J].山东农业工程学院学报，2015.3.

[3]李再勇.精准扶贫，共享发展[J].理论视野，2015.12.

[4]郑瑞强，曹国庆.基于大数据思维的精准扶贫机制研究[J].贵州社会科学，2015.8.

作者简介：

基于大数据的精准营销应用研究综述 篇7

一、精准营销相关理论研究

(一)精准营销概念梳理

精准营销自其提出以来就被奉为顺应时代发展的产物,它不是对传统营销的颠覆和否定,而是对其的继承和进一步发展。较为公认的说法是世界级营销大师菲利普·科特勒在2005年首次明确提出精准营销。并将其描述为公司需要更精准、可衡量和高投资回报的营销沟通,需要更注重结果和行动的营销传播计划,还有更注重对直接销售沟通的投资。国内较为权威的说法是著名精准营销学者徐海亮提出的精准营销就是在精准定位的基础上,依托现代信息技术手段,建立个性化的顾客沟通体系,实现企业可度量的低成本扩张。当然也有学者对精准营销做了更为详细的说明。刘征宇认为“精准营销”是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析,根据他们不同的消费心理和行为特征,企业采用有针对性的现代技术、方法和指向明确的策略,实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通。尽管目前为止,还没有对精准营销的绝对定义,但是从学者们的理解中可以基本归纳出精准营销的3个关键点;精确定位、可衡量、高投资回报。本文用4W和1H来形象阐述精准营销。即在合适的时间(when)、合适的地点(where)以恰当的方式(how)向恰当的人(who)销售恰当的产品(what),恰到好处称为“精准”。

(二)基于大数据的精准营销

随着云技术的进一步发展,大数据也揭开了其神秘面纱。何为大数据?顾名思义就是大量的数据,至于到底达到何种程度才可谓之大数据呢?较为权威的说法是大数据是指那些大小已经超出了传统意义上的尺度,一般的软件工具难以捕捉、存储、管理和分析的数据。但是大数据的特征并不只限于量大,其特征还包括数据类型多、数据价值高密度低以及实时处理四个方面。例如移动公司存储的客户个人信息以及各种消费记录、银行存储的账户信息以及所办理的各项银行业务的记录都可称之为大数据。

有了对大数据的初步了解,易于理解基于大数据的精准营销就是依托现有的大数据,利用现代信息技术进行分析与预测,帮助企业向特定客户应用特定策略投放特定产品的营销方式。当前较为普遍的精准营销方法中基于数据库的精准营销以及基于互联网的精准营销都是基于大数据的精准营销。

所谓基于数据库的精准营销就是事先建立一个有一定规模、相关信息较为完善的消费者数据库,在此基础上利用数据挖掘技术对顾客偏好与购物习惯进行探索,从而实现精准营销。许多学者对基于数据库的精准营销方法做了详细介绍。伍青生等在精准营销的思想和方法详细介绍了基于数据库营销的方法:邮件直附营销、呼叫中心、手机短信。而基于互联网的精准营销就是通过互联网来识别网民的消费心理和行为特征。也就是通过记录网民的上网记录来了解网民的潜在需求与偏好,从而实现精准营销,其实质是基于网民上网所留下记录的大数据来进行精准营销。常见的有窄告、点告以及搜索引擎等。

(三)国内外研究现状

1. 国内研究现状

笔者对国内有关精准营销的文献搜集主要来源于中国知网(CNKI)。通过以精准营销为关键词或标题或摘要筛选出近年来发表在中文核心期刊或有一定影响力期刊上的文献,并通过阅读大量相关文献总结出精准营销的国内研究现状。

精准营销自其提出以来,受到了学者们的广泛关注。国内学者纷纷开展对精准营销的理论和方法研究。如刘征宇在《精准营销方法研究》中分析了精准营销的概念并介绍其体系和方法以及未来发展的趋势。伍青生等在《精准营销的思想和方法》一文中详细介绍了精准营销的运营体系和方法。王俊等在《精准营销理论浅探》一文中对精准营销的产生原因进行了分析,并从产品和价格的精准,营销渠道的精准和广告的精准等方面探讨了精准营销的具体实施。并且国内学者的研究重点在于将精准营销视为一种营销策略,探索其在各行各业的应用。本文第二部分详细介绍了国内学者对精准营销应用研究此处暂不赘述。

2. 国外研究现状

笔者通过以precision marketing(精准营销)为关键词或标题或摘要在收录文献较为全备的外文文献数据库elsevier science direct、Springer link、nature等进行了搜索。发现相对与国内来说,国外有关精准营销的研究文献相对较少,且对一些精准营销的理论性研究相对较少,偏向于研究以实践为主的基于特定技术的精准营销实施方法。Zhen Y等提出了一个精准营销决策决策框架,旨在帮助管理者识别不同的客户类别的潜在特征,并提出了相应的精准营销策略,通过实例验证了其决策框架是有效的。Bert D R和Zeger D等为一家总部位于伦敦,专门从事手机位置敏感精准营销的公司开发了一个基于微软excel链接术语和建模语言等的自动调度和优化广播广告手机短信的精准营销决策支持系统。该系统显著减少了所需的时间安排的广播,并导致在增加客户的响应和收入。并且国外对精准营销的应用研究较少,下文涉及处再进行介绍。

二、精准营销应用研究

(一)基于大数据的精准营销在传统行业应用研究

本文所指的传统行业是一个相对的概念,是相对于互联网、电子商务等而言的传统等,包括但不仅限传统意义上的第一、二、三产业。近年,学者们纷纷开展精准营销在传统行业的应用研究。如乔丽探讨了精准营销在出版社图书发行工作中的具体实施,提出要做好读者和市场的调研、采用现代化信息技术进行基础建设、有针对性地采用一系列精准营销措施,才能达到良好的图书营销效果及预期的销售目的。宋磊将大数据营销与出版业相结合,提出出版全产业链的大数据营销以及在应用过程需注意的包括思维方式变革、大数据的保鲜及优质等几个问题,旨在对新形势下的图书行业营销工作有所启示。胡文静从传统农业营销现状分析入手,联系大数据时代给传统农业营销带来的机遇和挑战,提出立足精准营销,拓展订单农业;聚焦口碑营销,打造绿色农业;借力体验营销,发展休闲农业是传统农业走出营销困境,实现营销模式创新的有效途径。王克富基于大数据思维和大数据处理,提出精准营销新模式,即精准营销=精准数据+精准分析+精准推送。然后通过一个零售业数据实例,详细地说明了该模式的应用过程和实现方法。

(二)基于大数据的精准营销在新兴行业的应用研究

互联网、信息技术以及通讯技术的发展涌现出的新兴行业也得到了精准营销研究者的关注。如林桂珠和范鹏飞在明晰电信企业精准营销的概念和内涵的基础上,分析了我国电信企业进行精准营销的必要性,并对电信企业的3G市场进行了科学的分析,研究并提出了电信企业在3G时代进行精准营销的举措。王威针对江苏卫视和中国教育电视台联合打造的电视求职类节目《职来职往》,分析其运用精准营销的理论,通过差异化精准营销手段,锁定大学生求职群体,通过真人秀的节目形式,满足受众的求职信息服务需求,以整合营销的方式传播节目,形成电视节目的独特领先优势。孙玉玲在简要阐述了大数据的定义和特点的基础上,着重分析了大数据时代数字出版产业的发展趋势,指出基于大数据技术的精准营销日益受到重视,如果能充分挖掘大数据的深层次价值,就可以开发出更能满足消费者需求的新产品和新服务,也能实现精确而个性化的广告推送。

(三)基于大数据的精准营销在电子商务领域的应用

步入21世纪,电子商务的飞速发展颠覆了传统的购物模式,开展适销对路的电子商务成为企业在激烈市场竞争中的制胜法宝,这也使得学者们加大对电子商务营销的研究意义重大。如柴海燕从比较传统营销与精准营销的差异入手,分析了旅游电子商务网络营销的发展困境,并提出应利用w eb2.0强大的信息集聚和互动功能开展旅游精准营销。王步芳和刘凤针对阿里模式即阿里巴巴电子商务平台(包括阿里巴巴B2B、淘宝网C2C和淘宝商城即天猫B2C三大平台)主导的精准营销模式进行说明介绍,指出阿里模式带来企业管理革命并开创“产消合一的无缝经济”。

(四)基于大数据的精准营销在新媒体领域的应用

新媒体是一个相对而言的概念,智能手机、平板电脑都可称之为新媒体。新媒体的普及带来人们生活方式和消费习惯的改变,基于新媒体的精准营销正逐步广泛应用开来。冯智敏和李丽娜指明QQ广告和富媒体广告分别代表了用户精准和内容精准的两种网络精准广告形式,QQ上线弹出广告、对话框网幅广告、鼠标响应广告、QQ邮件广告、QQ社区广告等,是QQ针对用户的主要精准广告形式。刘丽彬认为“以客户为中心的精准营销和主动式服务营销,在正确的时间把正确的信息传递给正确的人”的微博营销理念,引领着微博精准化营销的发展。邱月指出微信庞大的清晰用户及强大的应用功能如微信公众号等为企业精准营销提供了目标准备和技术支持,但目前微信营销的实施途径还呈现单一化的特征,方式也日渐趋同,受众新鲜感不断消失,因此,企业依然需要不断思考如何利用微信的精准性更好地服务于营销这一命题。

三、评述

精准营销自其于2005年明确提出以来,吸引了国内外许多学者密切关注。学者们在研究精准营销相关理论与方法的基础上开展了其在各行各业的应用研究。笔者通过对国内外精准营销相关文献进行梳理得到以下评述。

(一)精准营销近年来广泛应用于各行各业中

在传统行业如农产品销售、图书出版业、零售业以及旅游业都可以见到精准营销的身影;新兴领域如电信行业、传媒广播业也都通过精准营销得到了进一步发展;精准营销在电子商务领域的应用将电子商务的发展推广到了一个新的高度;而当前较为热门的新媒体也纷纷通过微博、微信、QQ开展了精准营销。未来精准营销可进一步应用于与人们生活息息相关的各行各业中。

(二)现阶段的精准营销对数据的依赖性较高

无论是基于数据库和基于互联网的精准营销还是基于第三方平台的精准营销,其实质都是基于数据的精准营销。精准营销实施的关键点:市场细分、目标客户的选取、适合的营销策略以及营销渠道的选择,而这些都需要对顾客的购买记录、浏览足迹、上网行为等大量数据进行分析和预测而获得,数据是精准营销的生命线。然而随着社会生活的变化,人们的防范意识逐步加强,对个人信息的保护意识也愈加强烈。如何在获取消费者信息与保证消费者的满意度之间谋求平衡成了企业急需解决的问题。

(三)国内学者对精准营销的研究更多的是集中在理论研究阶段且缺乏创新性

学者们对精准营销的定义、方法与其实施策略进行了深层次、多方面的研究,通过相应的理论基础对精准营销的应用进行说明,为精准营销的应用打下了坚实的理论基础。但是尽管少数学者会结合具体实例来说明精准营销的应用,但也只能说是针对于特定现象的精准营销理论套用,未对精准营销的创新应用进行深入研究。这不适合变化迅速的市场环境与竞争激烈的国际环境。未来学者们的努力方向应该是基于实践的精准营销创新方法研究,帮助企业走独特且高效的精准营销之路。

(四)国外学者对精准营销的研究偏向于建立相应的模型或机制来实现某一特定领域或生产环节中的精准营销

精准营销理念的提出起源于国外,然而笔者在文献搜集过程中发现鲜有学者对精准营销理论进行进一步探讨和研究,也有学者会在书的某一章节进行简要介绍,但很少以精准营销理论研究为重点进行专门研究。而国外学者们对精准营销的实践应用研究却是可圈可点的。希望中外学者能各取所长,完善对精准营销的全面研究。

摘要：随着信息技术的高速发展,各类数据实现了爆炸式增长,人们进入数据大爆炸时代。基于大数据的精准营销俨然成了信息时代各行各业竞相追逐的香饽饽,学者们纷纷展开了对精准营销的各类研究。文章在对精准营销相关概念与理论基础进行简要梳理的基础上,初步归纳出精准营销在传统行业、新兴领域、电子商务领域以及新媒体方面的应用情况,并对国内外精准营销的研究现状进行简要评述。

浅谈大数据时代下的精准营销 篇8

一、大数据的产生

随着Web2.0等计算机技术的发展以及智能手机、pad等移动终端媒体的普及, 使得任何人在任何时候、任何地方都可以在网上发表自己的意见, 各种以聚集人气为目的的社交媒体的出现, 更是为大众表达自我意见提供了便利的渠道。用户在社交平台上发表的文字、图片等有关用户生活的信息通过技术处理后被有序地集合在一起, 形成了一个简单的数据库。在Web2.0技术的支持下, 用户网络行为数据几乎以指数的增长速度在互联网上形成一个庞大的数据库, 这些数据库使得原有的数据库管理工具无法实现对现有数据的获取、存储、搜索、共享、分析和可视化, 而需要特殊的技术来挖掘并分析这一庞大的数据库。

二、大数据与营销之间的关系

网络用户行为数据产生的数据库对营销的作用, 在于当这些用户行为数据被结构化和充分的挖掘分析后, 会成为商家的一笔非常有价值的财富。因为通过分析用户行为数据可以将数据标签化, 使得它们变成活生生的人的个性特点。详细来说, 就是分析网络用户行为的性别、年龄、职业及喜好, 挖掘用户的个性需求, 形成用户个体的数据结构。对于数据驱动下的精准营销来说, 其被期望产生的价值是在恰当的时间以恰当的渠道和恰当的方式把恰当的产品或服务传达给恰当的人, 这也是大数据时代下进行精准营销的精髓所在。在当今互联网时代下, 大数据变得炙手可热, 精准营销之所以受到商家的追捧, 是因为无论是传统媒体还是产品公司都没有真正做到细分目标市场和受众细分, 他们的产品和服务并没有满足用户的真正需求, 从而创造出价值。

受众细分是做好营销的关键。在大数据时代下, 互联网企业是如何帮助广告商做好细分市场的呢?稍加注意, 就会发现如今很多互联网企业或平台都在努力吸引用户群。比如进入某个网站或论坛时, 必须在该网页上注册个人信息后方能使用, 这种做法其实就是在积累用户的信息。当由相关用户群的信息转化而来的数据积累到一定量时, 该互联网将会使用一定的技术来分析它所掌握的用户的全部信息, 然后按照一定的标准 (如按照统计学特征) 将具有共同特征的用户群体分为一类 (当然这个过程需要相应的技术支撑, 非常复杂费力) 。这样, 互联网企业就为广告商做好了受众细分这一工作, 之后互联网企业可以把这些细分的用户当作吸引广告商的资源, 是一种获取经济利益的手段。

三、利用大数据进行精准营销的关键点

利用大数据助推精准营销的关键因素主要有独特的资源、够用的数据和相应的技术支撑。

(一) 独特的资源

独特的资源, 指的是要有一个好的平台及好的内容来聚集大量的用户, 使它能够实现一定的人群覆盖, 这是凝聚用户数据量的前提, 也是开展精准营销的前提, 因为精准营销购买的不是广告位而是受众。例如, 爱奇艺拥有强大的技术资源。目前, 爱奇艺“跨屏同一用户识别技术”, 不仅能够实现数据去重, 同时能为广告主找到其“朝思暮想”的精准投放目标, 成倍地提升广告效果。这是视频行业近期最令人兴奋的技术创新。

爱奇艺“跨屏同一用户识别技术”的问世标志着视频广告行业将告别“粗放型”投放模式, 朝着“精细化”方向阔步前进。从商业角度看, 以爱奇艺为代表的视频网站不仅改变了互联网营销的生态圈, 也为互联网营销产业链的盈利模式开创了新的价值高地。爱奇艺这一独特的技术资源使得该网站在获得用户数据以及进行精准广告投放与营销方面具有极大的优势。

(二) 够用的数据

够用的数据, 是指这些独特的资源允许你的代码在网页上抓取足够多的用户数据形成一个数据库。足够多的数据当然也包含这些数据应该是完整的, 然后把用户的数据传送到相应的服务器上, 根据网页显示的内容分析出用户的特性。比如他是否对高端产品感兴趣?是不是中档产品的使用者?是不是低档产品的光顾者?这样就可以得到具有一定特点的用户数据, 这些数据不需要非常大, 但是必须要够用, 因为只有够用和完整才能全面真实地反映网络用户的行为特点, 这些数据才能为我们所用。

(三) 利用技术进行数据挖掘

网上用户所产生的信息数据是碎片化的、杂乱的, 所以需要相应的数据挖掘技术使这些数据有规律可循, 可以被利用。运用统计学上的一些标签, 分析出用户的数据结构, 使得用户标签化。分析用户的数据结构并归类的过程实际上就是细分目标受众的过程。

在数据挖掘技术与分析技术日益成熟之时, 大数据对于精准营销也会如虎添翼。但我们必须认清, 大数据时代的精准营销是相对精准而非绝对精准, 毕竟人有着极其复杂的心理和思维活动, 随着时间的推移他们的思想也会发生一定的变化。此外, 大数据分析与个人隐私问题也存在矛盾点, 需要在利用大数据精准营销与解决个人隐私问题上找到平衡点。未来, 可以用与时俱进的视角结合社会环境的变化, 以及以用户自身的变化不断更新完善用户标签信息, 并根据用户的变化灵活推送产品或服务信息。这样做或许会使精准营销在大数据的助推下走得更好更远。

参考文献

[1]韩婷.营销前言研究——精准营销[J].营销管理, 2014 (07) :3-5.

[2]徐海亮.论精准营销的广告传播 (续) [J].营销管理, 2013 (09) :3-4.

[3]孟建庭.大数据精准营销[J].全国商情:经济理论研究, 2014 (10) :1-2.

大数据精准营销 篇9

一、信息数据挖掘技术

1. 关联分析

关联分析是最基础的数据挖掘分析方法, 也是企业精准营销的常用手段之一。在数据挖掘领域关于关联分析的方法也是多样的, 例如有APRIORI、AIS、DHP等算法, 这种分析方法主要对数据之间的联系进行挖掘, 例如在网络购物中我们在数据库中发现购买A商品的顾客点击B关联商品的概率是75%。通过关联数据信息分析找出两者商品的购买关联, 更为精确的为顾客提供互补商品集约化销售, 进而增加企业利润。

2. 序列模式分析

序列模式分析同关联模式分析目的相同都是在挖掘数据之间的联系, 但是序列模式分析更为连续化和网络化, 例如对关联商品A、B、C之间进行序列化模式分析, 客户在购买A商品后又购买B商品, 再购买C商品, 形成了固定的购买模式。每个序列内部都是按照固定模式排列。通过挖序列函数分析交易数据库, 获得数据库中出现最高频次的序列, 值得注意的是我们在序列模式分析时要输入最小置信度和最小支持度。

3. 分类分析

我们对数据库中的不同类型的数据赋予特征标记, 数据库就成为了具有分类特征的数据库, 分类分析就是通过对具有特征的一组数据进行分析, 用分类规则对数据库中数据进行具体分类。例如我们在汽车4S店数据库中有各类用户消费信息, 4S店将根据购买不同级别汽车的用户信息进行分类, 可以分为A级、B级、C级、D级、E级用户, 然后对类别分类赋予数据库数据。然后对每一等级数据进行4S店装配、保养、置换消费金额分类, 通过数据分析我们对不同种类用户进行准确描述和挖掘, 针对各类型用户数据进行回归模型、决策树模型、神经网络模型分析, 分析结果采用电话回访的方式进行精准营销, 充分发挥用户的消费潜力。

4. 聚类分析

聚类分析是一组没有分类的记录, 对这些数据进行分类事前也没有具体数量判断, 在数据分析过程中根据一定的分类规则进行划分记录, 然后确定每一个记录的类别。在数据分析过程中采用的分类标准是根据聚类分析工具确定。使用较为普遍的聚类分析方法有系统聚类法、加入法、动态聚类法、分解法。在数据分析法过程中采用不同的分类标准有着不同的划分结果。我们会发现聚类分析和分类分析是一个互逆的过程。在实际的操作过程中, 数据分析员可以利用分类经验进行数据初步分析, 然后根据数据分类结果进行分类标准再调整, 直至得到满意的分类结果。

二、数据挖掘在企业精准营销中的具体应用

现阶段很多企业早已在利用相关的数据挖掘工具进行客户分析进行精准营销, 企业管理层也根据相关的分析数据搭建各类模型用于企业决策分析。随着经济国际化, 生产全球化, 资本开放化程度越来越成熟, 企业面临的竞争也具有不确定性, 企业需要借助大数据系统进行数据挖掘, 对业务数据进行抽取和转换, 从中获得有利于商业决策的关键性数据来控制成本和区分市场, 进而提高经济效益。

1. 有利于客户关系维护与管理

网络营销在如今业已成为各类企业进军的重要领域, 如何在网络销售中最大限度地争取客户、扩大客户群体、与客户建立更高的黏度。这些都是网络营销最基本的要求, 在网络时代企业如何才能确定精准的目标市场、挖掘客户产品需求、接受产品升级体验都是与以往有很大差距。如果一个企业能让客户流失率降低5%, 其企业的利润就能增加40%-60%, 通过大数据分析可以更好地了解客户需求, 并且与客户进行良好的互动交流, 降低户口流失率, 不断增加企业产品新意, 提高产品知名度。

2. 有利于企业精准经营定位

企业通过大数据挖掘可以找出消费者的共性和个性特征, 对消费者进行分类, 针对不同目标客户群体进行个性营销, 同样企业也可以用数据分析结果进行企业经营目标精准定位, 针对客户进行一对一的产品服务, 另外也可以针对目标群体进行精准营销, 让客户建立新的客户群体, 通过客户挖掘新的客户群体, 现如今在微信上进行团购商品已经非常普遍, 做得比较好的是“拼多多”, 利用群体的共性进行目标客户精准营销非常到位。另外企业也可以根据客户个人特征进行特殊化的商品, 提高客户的满意度和忠诚度。企业只有对客户的真正需求有充分的了解才能够有的放矢, 提供多样化和差异化的个性服务, 从而对企业的市场进行精准定位。

3. 有利于企业对消费需求的预测

网络营销中, 消费者是一个不断变化的虚拟用户, 这样的消费者一方面是企业产品的购买者, 另一方面也是企业商品的消费者和宣传员, 在一定程度上充当着产品的网络引导员的角色。企业在精准营销中一方面要考虑到线下客户的需要, 也要对网路营销有着充分的考量, 分析网络用户群体数据, 分析他们在购买产品需求变化的表现, 分析他们消费产品的趋势和原因, 采用多种方式进行网络营销, 多层次、多方面、多类型的营销方式刺激消费者的消费欲望, 唤醒他们的消费能力, 从而实现产品销售量的提升。

参考文献

[1]未央.精准营销距离雄心到底有多远[J].互联网周刊, 2016 (19)

大数据精准营销 篇10

一、大数据环境对湖南农产品精准营销模式的影响

(一)湖南农产品特征

湖南农产品是现代农业的重要组成部分,农产品在湖南经济发展中具有举足轻重的地位。湖南的农产品种类相对丰富,在长期的生产过程中,逐渐形成了区域特色。湖南的农产品在一定程度上对区域环境有着很大的依赖性,随着科学技术的发展,湖南农产品受到区域环境的影响逐渐减少,但是在一定程度上,湖南农产品的发展仍旧受制于自然环境。新时期,农产品的效益与产量是密切挂钩的。湖南农产品凭借着丰富的水资源和光照条件,形成独具特色的一个新的经济增长点。由于有一部分少数民族居住于湖南省内,因此受少数民族独特的生产方式和民族文化的影响,使得湖南农产品在制作方式上呈现的特色比较明显。湖南省凭借独特的旅游资源,给农产品戴上了“土特产”的称号,通过礼物发放的方式,使得湖南农产品向着更好的方向发展。

(二)湖南农产品营销现状

湖南省由于闭塞的地理环境和传统的农产品发展模式,因此长期以来,经济发展水平比较低。受到资金、技术等因素的影响,使得湖南信息技术与其他东部相比相对落后,大数据环境也相对落后,无法真正促进湖南农产品精准营销。

从2003年以来,湖南省在省委省政府的指导下,在湖南建立了农产品特色生产网,为湖南农产品向外发展,开展多重的营销提供了有利的支持。随着大数据环境的逐步建立,商汇网、资源网等进一步的覆盖湖南农产品,面向中东部市场的大数据平台逐步建立。从2009年以来,湖南先后开展了以水稻、柑橘为主题的专项营销活动。猕猴桃、李等通过相关平台,在分析市场需求的基础上,也不断的走向北方市场。通过大数据环境,湖南农产品走上了一个新的台阶。湖南省有望在新时期,充分的利用各项大数据技术,从而更好的促进湖南农产品精准化营销。

(三)大数据对湖南农产品营销的影响

大数据环境下,湖南农产品发生了翻天覆地的变化。许多消费者不再像过去一样无法灵活的获取信息,而现在,随着信息渠道的畅通,他们能够更加广泛的提取相关农产品信息,通过对农产品进行深入了解,从而自主理性的做出选择。同样,对于营销者来说,他们也需要在大数据环境下,系统全面的分析市场需求,收集必要的信息,通过分析消费者的偏好,从而精准的进行湖南农产品营销。

大数据环境是一个面向广大的农产品而不断的提供信息的系统软件,通过大数据环境影响,湖南农产品将会面向更加的空间,走向国际市场,从而在很大程度上推动湖南经济发展。

二、大数据环境下湖南农产品精准营销模式的构建

大数据环境为湖南农产品打开了新的市场,能够帮助营销者获取相关的市场信息,通过对信息进行分析和处理,从而更好的开展农产品精准化营销。大数据的实现,能够赋予湖南农产品朝着更加生态、健康的方向发展。因此,构建湖南农产品精准营销模式显得迫在眉睫。

(一)湖南新兴营销模式的建立

1. 在原始数据的收集、分析过程中,都需要依托于大数据平台。

在大数据平台中,通过运用大数据高性能的存储技术等进行原始数据存储,并且对数据进行实时处理,从而形成下一个全面的数据分析库。大数据环境下,一些市场信息和数据都能够得到切实的掌握,从而能够帮助湖南农产品实现精准化发展。

2. 利用数据库平台能够从其他不同的途径获得数据,进行分析,从而实时进行统计。

利用多种软件和技术,实现数据格式的整合,通过对消费者、市场等数据进行分析和挖掘,从而在这一基础上构造出顾客喜欢的特征和类型,建构湖南农产品的特征模型。大数据平台的设计需要在对湖南农产品的相关特性进行分析的基础上,掌握一定的顾客需求信息,进而有效地进行分析,从而形成准确的营销战略模式,构建新型的营销方案。

3. 根据消费者的偏好特征进行分析,对农产品市场进行把握,通过准确进行定位,架构出湖南农产品的生产营销模型。

根据大数据营销场景,并且结合一些精准化营销方案,形成内容库和营销方案的相互匹配。通过个性化的定制,利用一些技术,对农产品进行品牌设计,确保渠道多样化设计,实现产品的个性化推荐,有效的利用大数据开展湖南农产品精准营销。

(二)营销模式构建过程中需注意的问题

1. 在湖南农产品营销中,需要对市场进行合理的划分。

在这一前提下,需要针对消费者的个性和需求进行分析,严格促进农产品质量有效得到提升,从而在一定程度上促进湖南农产品展现民族特色。此外,要进一步加快农产品的品牌建设力度,促使湖南农产品能够有一定的市场竞争力。通过在运输成本、以及保鲜方面进行有效的保障,以此促进农产品优势得以发挥,迸发出巨大的活力。市场合理划分在营销过程中是不可缺少的,需要受到营销者的重视。

2. 在进行消费者数据分析时,要严格重视数据的质量和有效性,要在分析大量数据的基础上得出相应的结论,为之后农产品工作的精准性提供必要的支撑。

在对相关数据进行分析时,要尽可能的采用数据分析方法进行数据处理,不能在自身的平台上浅薄地处理,而忽视了当前技术的先进性,从而影响营销的结果。对于影响湖南农产品营销因素,其中存在着很多的不同。一方面,农产品本省的特性和品质会产生重要的影响,另一方面,消费者的心理因素、消费预期也会深刻影响到营销效果。因此,在进行精准评估时,要加强方法的优化,提高评估的标准,从而促进精准营销模式的优化。

3. 在精准营销模式建立过程中,离不开大数据平台的支持。

大数据平台不仅能够提供多种类型具有价值的数据,而且还能够实时进行监控并分析。这就要求农产品营销的主体能够拥有强大的资金,并且还要对市场条件进行深入分析,找准合适的契机,利用成熟的大数据平台开展精准化营销。营销者资金支持,市场保障,时机适合才有可能真正促进湖南农产品精准化营销,从而促进农产品合理占据市场,得到广阔的出口途径。

三、结语

随着大数据环境的构建,湖南农产品也面临新的发展机遇。新时期下,充分利用大数据环境影响,加快技术的提升,利用相关网络进行市场需求分析,把握市场的个性、消费者的爱好,在此基础上进行深入的分析和处理,从而构建湖南农产品精准化的营销环境,为湖南省的发展提供充足的动力和技术支持。而未来大数据环境的发展,其是否能够一直满足农产品的推广,则需要随着时代的发展不断进行改进。

摘要：当前,随着我国湖南农产品产量和质量的不断提高,其逐渐走向国际市场,对湖南经济发展起到了巨大的拉动作用。大数据环境下,营销模式也变得越来越多样化和复杂化,但是营销的精准度有了一定程度的提高。文章针对湖南农产品的营销现状,对大数据环境背景下其对湖南农产品精准营销模式的影响做了简单介绍,并在此基础上详细分析了大数据环境下湖南农产品精准营销模式的构建过程。通过对湖南农产品营销模式进行改进提高,从而更好地促进湖南农产品向外推广,在一定程度上推动湖南经济的发展。

关键词：大数据环境,湖南,农产品,精准营销模式

参考文献

[1]龚映梅,曹新波.大数据环境下云南农产品精准营销模式研究[J].昆明理工大学学报(社会科学版),2016(14).

[2]颜蜜如.基于精准营销的怡清源黑茶经营策略研究[D].湘潭大学,2013(24).

[3]龚映梅,曹新波.基于大数据平台的云南省农产品精准营销策略研究[J].特区经济,2015(18).