大數據品牌運營策劃營銷

① 大數據精準營銷的價值和方法

大數據精準營銷的價值和方法

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徵，同時大數據技術的更新日益。大數據營銷依託多平台的數據採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於在合適的時間，基於你對用戶的了解，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徵，運營和營銷的效果，進行優化；另一方面集中用戶的數據，便於後續的深入挖掘工作，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，為用戶提供更准確的服務和營銷。

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？

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於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，效果是怎麼樣的。圍繞用戶、業務場景、觸點、營銷推送內容/活動推薦，並且基於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，並且可對營銷進行跟蹤，從而不斷優化營銷策略。

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。

基於大數據的精準營銷過程分為：採集和處理數據、建模分析數據、解讀數據這么三個大層面。通過對客戶特徵、產品特徵、消費行為特徵數據的採集和處理，可以進行多維度的客戶消費特徵分析、產品策略分析和銷售策略指導分析。通過准確把握客戶需求、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：數據整合營銷平台

營銷管理平台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，基於角色的協作，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。

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。即可以基於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數，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、郵件簡訊等)的關聯配置。數據營銷後台可對各觸點的推送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，並負責精準營銷的推薦實施。

以上是小編為大家分享的關於大數據精準營銷的價值和方法的相關內容，更多信息可以關注環球青藤分享更多干貨

② 品牌營銷利器！如何通過大數據推出爆款新品

傳統的新品在洞察市場機會時，往往是根據市場部，咨詢公司或者其他行業報告進行分析的，然後再粗略的預估新品的市場潛力。對於品牌來講，這種方法限制的新品的研發效率，並且不確定是否符合市場期望。

孫子兵法有雲： 知己知彼，百戰不殆 。如果把這句話搬到新品研發過程中，依然適用，可以這樣理解，

知己 ，了解品牌自身情況，市場佔有率，內部運作流程，品牌影響力，品牌運營以及品牌的短板。

知彼 ，了解品牌的消費者在哪，消費者是誰，消費者的興趣傾向；了解品牌的競爭對手，他在哪，什麼樣的，有哪些優勢和弱勢。

接下來，我們就聊聊，再者大數據時代，怎麼洞察市場，挖掘具有競爭力的新品。

人人都在討論大數據，那麼大數據的核心價值是什麼？能做哪些事情？我們拆解一下這個詞，分為 「大」 和 「數據」 。

何謂「大」？簡單來講，可以理解為它的覆蓋面廣，全面，無所不能，龐大的。

何謂「數據」？即為根數據（Metadata），散落在各處的信息，咨詢，資料等。

兩個字組合起來可以轉譯為，人類可以通過龐大的根數據，應用到生活的各個方面。

大數據的核心價值就在於它的 商業價值 。通過從龐大的數據中，挖掘最有價值的信息，並應用到實際場景中。

大數據時代，人與互聯網緊密相連。標記和記錄一個人的信息，不再僅僅是通過身份證，而是有無數個根數據組成。根數據不是對象本身，它只描述對象的屬性。例如，描述人的通俗的話語：

其中根數據為，身高，屁股，牙，口腔，胳肢窩，對應的值為一米二，身高一半，黃，臭和上銹。

當然，我們也可以通過根數據，了解整個人的信息，也就是所謂的用戶畫像。

以往，傳統線下商店裡，消費者買了什麼，是誰買的，為什麼買，他有什麼特徵，這些資料對於商店來說，是完全不清楚的。不過，這些事情對於大數據，簡直是輕而易舉。消費者在網上的記錄十分詳細，他的收入情況，地址甚至是生活習慣都可以探查清楚。

這也是大數據的魅力所在，當然，我們也可以將大數據能力矩陣，賦能在品牌新品的創新上，通過洞察市場機會，甄選產品概念並預估市場潛力。

盲目的投放和發布新產品，會受到市場的打擊，提前預知消費者的興趣傾向，購買喜好將會對新產品起到積極的正向作用。

用戶在互聯網上的多年的行為數據，都會詳細記錄在伺服器，數據可能會散落在各個網站。但，這些數據能夠詳細描述用戶的特徵，都需要哪些數據？

用戶基礎數據

這部分數據描述了用戶的基本特徵，能夠確定 用戶是誰 。具體可以包括，

姓名，性別，年齡，職業，收入，地域，注冊地，常用ip，手機型號等。如果該用戶是實名注冊，那這些數據可以很容易獲取。但若是非實名，就需要後期通過模型推斷其各個屬性，如用戶的性別判斷，筆者在之前的文章中也有所描述，可以參考下《 AI驅動的電商用戶模型：性別屬性是如何確定 》。

購物數據

購物數據，是用戶在電商網站上發生了購買行為，所記錄下來的數據，從購買數據中可以提取出很多有價值的信息。

當用戶對某件商品發生了購買行為，就意味著對商品有需求，商品對他有價值。

緊接著，如果用戶周期性購買，那麼用戶就是該商品的絕對忠誠用戶。

再者，用戶瀏覽，搜索，加購，關注行為，也能反映用戶對商品的傾向

不同的購買行為，能夠對用戶定義不同的標簽，從而衍生了如下的數據維度：

購買力： 通過歷史消費記錄，收集訂單價格信息，再根據其消費額度，判斷用戶的購買力，詳情也可以查看筆者之前文章《 電商購買力模型：用大數據解鎖智慧營銷的新姿勢 》

促銷敏感度： 用戶訂單中，有優惠的訂單比例。這個數據能夠對品牌商的促銷和促銷力度提供指導作用。

還有，用戶忠誠度，復購周期，品牌RFM模型，品牌偏好，性格偏好等等等等。

行業數據

當然，不單單要知道用戶的信息，還需要了解自己和對手市場情況，有針對性做分析。

首先，聚焦自身品牌粉絲，探查粉絲不同性別，區域和年齡層對產品屬性的青睞。舉個簡單例子，YSL粉絲群體中，一線城市品牌的金牌會員，年輕人更喜歡粉紅色的口紅，又喜歡短款，那麼品牌可以針對這些人群有的放矢的研發新產品。

其次，了解競品情況，跟進競品市場。每個品牌的產品線不一定相同，sku池深度迥異。對於競品品牌的爆品，我們可以針對性拉取爆品的粉絲，了解他的用戶群體，並應用到新品研發策略中。

社交數據

社交數據能夠更全面的認識品牌的人群，深度的理解用戶的社交屬性，在媒體上的發聲態度，可以更加立體的理解用戶群。

根據上述數據標簽，能夠充分的了解用戶的需求點在哪裡，新產品做到有的放矢。再通過大數據能力輸出與產品匹配程度較高的用戶群體，這可以為新產品的冷啟動帶來一批種子用戶。

新品營銷和品牌營銷的套路基本相同，任何的新品對於用戶來說，都需要經過「接觸-認知-認識-認可」的一個過程。不過，在新品上市時，我們需要通過大數據，來完成用戶對新品的接觸和認知過程。也可以認為，這是新品的冷啟動過程。

做過社區的朋友都應該知道，冷啟動的種子用戶，對於新產品有多麼的重要。尋找精準的流量對新品帶來的效果將是不可估量的。

這部分精準流量的篩選，可以分為三個階段，預熱期-爆發期-收尾期

預熱期：擴大人群范圍

預熱期的目標就是希望可以讓更多的人了解新品，讓用戶能夠真的感知到新品的優勢和創意點。此時，需要挖掘新品可能存在的潛在用戶流量，把數據范圍擴大新品所在品類，甚至相關品類。凡是對新品所在品類或者相關品類有過購買，瀏覽，搜索，收藏或者加購行為的用戶，都要進行觸達。

爆發期：尋找精準流量

爆發期即為收割期，春季栽的稻子該去收割了。其實就是把預熱期觸達的用戶，進一步精準篩選，選出頭部流量。此時，可以結合公司內外的資源對這部分用戶進行邀請制的測試，使用新產品，優惠補貼，評測或媒體公關。進而將頭部流量轉化為已購用戶和品牌粉絲，再通過這部分人群的口口相傳，達到很好的口碑傳播效應。

收尾期：人群二次觸達

當然，並不是每個精準用戶都會買單，各種各樣的原因導致部分用戶掉隊。可能是當時忘記了，可能當時手頭上有其他工作，可能對促銷不是很滿意，等等。對於這部分人群，我們仍需要再次觸達。通過數據篩選出這部分用戶群，然後進行大力度促銷，最後在觀察其數據情況。

當然，以上只是新品冷啟動過程中，對人群的玩法。後續還有很多，涉及營銷策劃、創意、傳播、新媒體、商家/貨品，線上&線下聯動營銷等。但，核心的點仍然是 洞察市場和了解用戶偏好 ，這樣才能推出爆款產品。

③ 如何進行大數據營銷

可穿戴的大數據

看看可穿戴技術，會認為這是便捷的下一步發展。但對於現代的企業主來講，這是大數據成就的一個典型的例子。從一個智能手錶收集的數據可以允許企業不僅知道你的習慣和你頻繁去的地方，還有哪些特性更吸引你以及不怎麼使用，這些都是他們可以用來分析的數據，來提高你的總體體驗，還可以大膽預測哪些趨勢和品味可以引領你，這樣他們就可以在一個不相關的領域提供最好的服務。企業提供自己的品牌的可穿戴產品或更簡單的設計不僅在可穿戴式產品的炒作，還可以充分和創造性的利用大數據的提供信息。

不管是大方向還是小方面，年輕的企業家都正在調整大數據運行的方式，以及大數據收集和使用的方法。隨著如雲端服務這樣的技術的出現來幫助其前進與發展，可以公正地說，大數據的使用是越來越有創造力。

④ 大數據時代汽車品牌營銷解決方案

大數據時代汽車品牌營銷解決方案_-數據分析師考試

隨著移 動互聯網、O2O和車聯網的快速發展，數字類渠道貫穿了消費者選車-買車-用車的全過程。消費者的全面數字化，意味著消費者購車前後的行為均可以通過大數據分析進行全方位挖掘，從而實現在車型研發、產品定位、營銷傳播和售後服務一系列過程的決策優化，這也成為程序化購買帶給汽車品牌營銷的一個重要突破。

對於汽車品牌來說，以數據和技術為核心的程序化購買既是挑戰，也是重大的發展機遇。汽車品牌需要從以下四個方面，提升營銷效率和效果：

一、我的消費者在哪?

隨著品牌與消費者的溝通渠道的多樣化，如何挖掘隱藏在互聯網背後的潛在客戶群，成為車企數字營銷的首要問題。大數據時代，汽車品牌自身掌握的銷售、用戶調研等數據已經遠不能滿足其營銷決策的需要，企業所關注的消費者特徵和偏好等洞察，完全可通過其自然行為過程中留存的數據進行分析和挖掘。

二、我該如何提升與消費者的溝通效率?

事實上，傳統線上營銷採用的媒介購買方式，已無法滿足消費者的個性化傳播。消費者購車到用車是很長一段周期，期間存在諸多不確定性，汽車品牌可根據實時獲取的消費者數據，通過程序化購買自動選擇適合的媒體和廣 告位，並藉助智能創意實現廣 告創意、目標人群和媒介的完美整合，而這一系列過程可以在短時間飛速完成。

三、我如何更好的服務客戶?

消費者在購車前後的很多行為都會影響著身邊的潛在客戶，汽車品牌試圖通過數字營銷及數據的挖掘分析更好的了解消費者的興趣偏好，來提高線上、線下與售前售後的用戶體驗，以此提高品牌影響力。

四、我的效果如何評估?

「我的廣 告費用浪費了一半，但是我不知道是浪費了那一半。「這句廣 告界名言將在程序化廣 告的浪潮之下被沖刷殆盡。對一個目標客戶從潛客到變成購買客戶過程的數據紀錄和反饋，對於渠道的預算分配和優化推廣渠道的組合是有極大幫助的。

針對汽車營銷傳播中的四大痛點，悠易互通根據多年服務眾多汽車客戶的經驗以及強大的系統開發和技術開發經驗，提出了汽車行業的整體解決方案：

一、 DMP數據打通，支持企業全方位營銷策略

悠易互通幫助汽車企業搭建專屬數據管理平台(Databank 3.0)，收集車企在營銷與運營過程中產生的海量線上、線下數據，實現企業第一方數據的聚合管理;並且通過與第三方數據(YOYI DNA)打通，在確保第一方數據安全的前提下，實現數據的互聯互通，通過多維度的數據分析與發掘， 幫助車企對其目標消費者進行360度畫像，並支持企業全方位的營銷決策。

具體來說， 車企可以從各地經銷商獲取真實的購車用戶的基本信息(如年齡、性別、地域等)，而YOYI DNA則在全網收集了以用戶為核心的橫跨網頁瀏覽、搜索、電商購買、社交分享和廣 告投放的數據，並且採用悠易互通統一的標簽體系對各來源數據進行標准化處理和結構化細分，形成了悠易互通自有的第三方數據體系。通過將第一方和第三方的數據打通，車企可以確切知道某款車型的購車者興趣標簽和行為偏好，比如家庭構成、收入狀況、經常訪問的網站、關注的明星、社交媒體上感興趣的內容、關注的車型和要素等，真正做到對顧客全面而深入的洞察，並對企業制定營銷決策提供數據支持。

二、 整合資源，利用演算法提升線上傳播效率

汽車互聯網傳播的主要目的之一是收集銷售線索。在程序化購買時代，這就需要DSP能夠在整合流量資源的基礎上，利用先進的演算法對數據進行深挖，從而提高銷售線索收集的效率和質量。

車企的專屬數據管理平台(Databank 3.0)可以無縫對接到悠易程序化購買平台， 實現老訪客召回和根據現有客戶進行智能擴展(Lookalike)，並藉助悠易互通接入的日均130億多屏海量資源，以及專門為汽車客戶定製的演算法和優化手段，對每一個展現機會進行CTR和CVR(轉化率)的預估，結合智能創意，做到在正確的時間、正確的媒介向正確的人傳遞正確的信息，為客戶的官網引入高質量的訪客。

當消費者來到官網後，可以全程監測消費者和品牌的互動過程，從而幫助企業了解消費者在哪裡流失，為網站的優化提供指導。同時，根據消費者的訪問行為，進行有針對性的召回。例如，針對只了解了車的基本信息，而沒有了解車的詳細配置、價格信息或金融貸款服務的消費者，可以針對性的採用促銷創意將這些訪客直接引流到官網的金融方案頁面，促進消費者進行預約試駕。

三、 從線上到線下，實現個性化銷售和售後服務

通過線上收集到銷售線索後，車企的營銷重點轉移到線下，這就要求車企能夠幫助其經銷商做到個性化的銷售和售後服務。

過去4S門店的銷售人員除了潛在客戶的手機號、姓名和性別之外，是沒有其他信息可以獲取的。悠易互通的汽車解決方案通過打通客戶線上和線下標簽，幫助車企在給經銷商下發銷售線索時，提供了更為詳細的用戶信息，如客戶的家庭狀況、對車型、外觀、配置、價格、金融方案的關注程度等。這些信息將極大地幫助銷售人員基於客戶的畫像，展開一對一的個性化銷售，從而提高銷售線索向實際訂單轉化的可能性。

消費者購車後，經銷商將實際成交的顧客信息反饋給車企，這些信息進入企業數據管理平台(Databank 3.0)。通過對現有用戶網路行為、用車行為(車聯網數據)的持續跟蹤，車企可以更准確地預測現有用戶對於維修保養、更換新車的需求，從而制定個性化的營銷及售後服務計劃，深度挖掘客戶的生命周期價值。

四、 效果評估，持續提升營銷的整體效率

傳統廣 告投放的效果評估很難控制，程序化購買則賦予了品牌廣 告主對效果更多的控制權。悠易互通記錄了消費者在全網范圍內每一次和品牌互動的行為，並對每一個銷售線索進行追蹤溯源，通過歸因模型，評估每一次曝光、點擊、搜索行為對形成該轉化效果的貢獻，從而優化營銷預算的分配，提升營銷的整體效率。

以上是小編為大家分享的關於大數據時代汽車品牌營銷解決方案的相關內容，更多信息可以關注環球青藤分享更多干貨

⑤ 大數據營銷究竟該怎麼做

1、數據層：採集和處理數據
傳統採集數據的過程一般是有限的、有意識的、結構化的進行數專據採集，例屬如問卷調研的形式。你能採集到的數據一定是你能設想到的情況。數據的結構化較好。一般的資料庫Mysql甚至Excel就能滿足數據處理過程。
2、業務層：建模分析數據
使
用的數據分析模型，例如基本統計、機器學習、例如數據挖掘的分類、聚類、關聯、預測等演算法，傳統數據和大數據的做法差別不大，例如銀行、通信運營商、零售
商早已成熟運用消費者的屬性和行為數據來識別風險和付費可能性。但是由於數據量的極大擴增，演算法也獲得極大優化提升的空間。
3、應用層：解讀數據
數據指導營銷最重要的是解讀。
傳統一般是定義營銷問題之後，採集對應的數據，然後根據確定的建模或分析框架，數據進行分析，驗證假設，進行解讀。解讀的空間是有限的。
而大數據提供了一種可能性，既可以根據營銷問題，封閉性地去挖掘對應數據進行驗證，也可以開放性地探索，得出一些可能與常識或經驗判斷完全相異的結論出來。可解讀的點變得非常豐富。

⑥ 大數據營銷知識點總結

一、走進大數據世界

大數據的特徵（4V）：

1.  數據的規模性

2.   數據結構多樣性

3.   數據傳播高速性

4.   大數據的真實性、價值性、易變性；

結構化數據、半結構化數據、非結構化數據

大數據處理的基本流程圖

大數據關鍵技術：

1.  大數據採集

2.   大數據預處理

3.  大數據存儲及管理

4.   大數據安全技術

5.  大數據分析與挖掘

6.   大數據展現與應用

二、大數據營銷概論

Target 百貨客戶懷孕預測案例

大數據營銷的特點：

1.   多樣化、平台化數據採集： 多平台包括互聯網、移動互聯網、廣電網、智能電視等

2.   強調時效性： 在網民需求點最高時及時進行營銷

3.   個性化營銷： 廣告理念已從媒體導向轉為受眾導向

4.   性價比高： 讓廣告可根據時效性的效果反饋，進行調整

5.   關聯性： 網民關注的廣告與廣告之間的關聯性

大數據運營方式：

1.   基礎運營方式

2.   數據租賃運營方式

3.   數據購買運營方式

大數據營銷的應用

1.   價格策略和優化定價

2.   客戶分析

3.   提升客戶關系管理

4.   客戶相應能力和洞察力

5. 智能嵌入的情景營銷

6.   長期的營銷戰略

三、產品預測與規劃

整體產品概念與整體產品五層次

整體產品概念： 狹義的產品： 具有某種特定物質形態和用途的物體。

產品整體概念（廣義）：向市場提供的能夠滿足人們某種需要的

                      一切物品和服務。

整體產品包含：有形產品和無形的服務                          

整體產品五層次：潛在產品、延伸產品、期望產品、形式產品、核心產品

 

大數據新產品開發模型：

1.   需求信息收集及新產品立項階段

2.  新產品設計及生產調試階段

3.  小規模試銷及反饋修改階段

4.   新產品量產上市及評估階段

產品生命周期模型

傳統產品生命周期劃分法：

（1）銷售增長率分析法

  銷售增長率=（當年銷售額-上年銷售額）/上年銷售額×100%

銷售增長率小於10%且不穩定時為導入期；

銷售增長率大於10%時為成長期；

銷售增長率小於10%且穩定時為成熟期；

銷售增長率小於0時為衰退期。

（2）產品普及率分析法

    產品普及率小於5%時為投入期；

    普及率在5%—50%時為成長期；

    普及率在50%—90%時為成熟期；

    普及率在90%以上時為衰退期。

大數據對產品組合進行動態優化

產品組合

       銷售對象、銷售渠道等方面比較接近的一系列產品項目被稱為產品線。產品組合是指一個企業所經營的不同產品線和產品項目的組合方式，它可以通過寬度、長度、深度和關聯度四個維度反映出來

四、產品定價與策略

大數據定價的基本步驟：

1.   獲取大數據

2.   選擇定價方法

3.   分析影響定價因素的主要指標

4.  建立指標體系表

5.   構建定價模型

6.  選擇定價策略

定價的3C模式：成本導向法、競爭導向法、需求導向法

影響定價的主要指標與指標體系表的建立

影響定價因素的主要指標：

1.  個人統計信息：家庭出生、教育背景、所在地區、年齡、感情狀況、家庭關系等。

2.   工作狀況：行業、崗位、收入水平、發展空間等

3.  興趣：健身與養生、運動和戶外活動、娛樂、科技、購物和時尚等

4. 消費行為：消費心理、購買動機等。

定價策略：

精算定價： 保險、期貨等對風險計算要求很高的行業

差異定價： 平台利用大數據對客戶建立標簽，分析對產品的使用習慣、需求判斷客戶的忠誠度，對不同客戶進行差別定價

動態定價： 即根據顧客認可的產品、服務的價值或者根據供需狀況動態調整服務價格，通過價格控制供需關系。動態定價在提高消費者價格感知和企業盈利能力方面起著至關重要的作用。

價格自動化 ：根據商品成本、市場供需情況、競爭產品價格變動、促銷活動、市場調查投票、網上協商、預訂周期長短等因素決定自身產品價格

用戶感知定價 ：顧客所能感知到的利益與其在獲取產品或服務中所付出的成本進行權衡後對產品或服務效用所做出的整體評價。

協同定價： 是大數據時代企業雙邊平台多邊協同定價策略

價格歧視：

一級 ：就是每一單位產品都有不同的價格，即商家完全掌握消費者的消費意願，對每個消費者將商品價格定為其能夠承受的最高出價；

二級 ：商家按照客戶的購買數量，對相同場景提供的、同質商品進行差別定價；

三級 ：可視為市場細分後的定價結果，根據客戶所處的地域、會員等級等個人屬性進行差別定價，但是對於同一細分市場的客戶定價一致。

五、銷售促進與管理

    促銷組合設計概念

大數據促銷組合設計流程

精準廣告設計與投放

[if !supportLists]l [endif] 廣告設計5M：任務（Mission），預算（Money），信息（Message），媒體（Media），測量（Measurement）。

通過用戶畫像的進一步挖掘分析，企業可以找出其目標消費群體的廣告偏好，如平面廣告的配色偏好，構圖偏好，視頻廣告的情節偏好，配樂偏好，人物偏好等，企業可以根據這些偏好設計出符合目標消費群體審美的廣告創意，選擇消費者喜歡的廣告代言人，做出能在目標消費群體中迅速傳播開來的廣告。

在媒體決策方面，利用大數據綜合考慮其廣告目的、目標受眾覆蓋率、廣告信息傳播要求、購買決策的時間和地點、媒體成本等因素後，有重點地採用媒體工具。企業可以在確定前述影響變數後，通過大數據的決策模型，確定相對最優的媒體組合。

六、客戶管理

    大數據在客戶管理中的作用

1.   增強客戶粘性

2.   挖掘潛在客戶

3.   建立客戶分類

    客戶管理中數據的分類、收集及清洗

數據分類：

描述性數據： 這類數據是客戶的基本信息。

如果是個人客戶，涵蓋了客戶的姓名、年齡、地域分布、婚姻狀況、學歷、所在行業、職業角色、職位層級、收入水平、住房情況、購車情況等；

如果是企業客戶，則包含了企業的名稱、規模、聯系人和法人代表等。

促銷性數據： 企業曾經為客戶提供的產品和服務的歷史數據。

包括：用戶產品使用情況調查的數據、促銷活動記錄數據、客服人員的建議數據和廣告數據等

交易性數據： 這類數據是反映客戶對企業做出的回饋的數據。

包括歷史購買記錄數據、投訴數據、請求提供咨詢及其他服務的相關數據、客戶建議數據等。

收集：

清洗：

首先，數據營銷人需要憑借經驗對收集的客戶質量進行評估

其次，通過相關欄位的對比了解數據真實度

最後，通過測試工具對已經確認格式和邏輯正確數據進行測試

客戶分層模型

客戶分層模型 是大數據在客戶管理中最常見的分析模型之一，客戶分層與大數據運營的本質是密切相關的。在客戶管理中，出於一對一的精準營銷要求針對不同層級的客戶進行區別對待，而客戶分層則是區別對待的基礎。

RFM客戶價值分析模型

時間（Rencency）：

     客戶離現在上一次的購買時間。

頻率（Frequency）：

     客戶在一定時間段內的消費次數。

貨幣價值（MonetaryValue）：

    客戶在一定的時間內購買企業產品的金額。

七、 跨界營銷

利用大數據跨界營銷成功的關鍵點

1.   價值落地

2.  杠杠傳播

3.   深度融合

4.   數據打通

八、精準營銷

    精準營銷的四大特點

1.   可量化

2.   可調控

3.  保持企業和客戶的互動溝通

4.  簡化過程

精準營銷的步驟

1.  確定目標

2.  搜集數據

3.   分析與建模

4.  制定戰略

九、商品關聯營銷

       商品關聯營銷的概念及應用

關聯營銷：

關聯營銷是一種建立在雙方互利互益的基礎上的營銷，在交叉營銷的基礎上，將事物、產品、品牌等所要營銷的東西上尋找關聯性，來實現深層次的多面引導。

關聯營銷也是一種新的、低成本的、企業在網站上用來提高收入的營銷方法。

       關聯分析的概念與定義

最早的關聯分析概念： 是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顧客購買行為的規律，發現連帶購買商品，為制定合理的方便顧客選取的貨架擺放方案提供依據。該分析稱為購物籃分析。

電子商務領域： 關聯分析可幫助經營者發現顧客的消費偏好，定位顧客消費需求，制定合理的交叉銷售方案， 實現商品的精準推薦 ；

保險公司業務： 關聯分析可幫助企業分析保險索賠的原因，及時甄別欺詐行為；

電信行業： 關聯分析可幫助企業發現不同增值業務間的關聯性及對客戶流失的影響等

簡單關聯規則及其表達式

事務：簡單關聯分析的分析對象

項目：事務中涉及的對象

項集：若干個項目的集合

簡單關聯規則 的一般表示形式是：前項→後項（支持度＝s％，置信度＝c％）

或表達為：X→Y（S＝s％，C＝c％）

例如：麵包->牛奶(S=85%,C=90%)

            性別（女）∩收入（＞5000元）→品牌（A）（S＝80％，C＝85％）

支持度、置信度、頻繁項集、強關聯規則、購物籃分析模型

置信度和支持度

support(X→Y)= P(X∩Y)                  

confidence(X→Y)= P(Y|X)

十、評論文本數據的情感分析

       商品品論文本數據挖掘目標

電商平台激烈競爭的大背景下，除了提高商品質量、壓低商品價格外，了解更多消費者的心聲對於電商平台來說也變得越來越有必要，其中非常重要的方式就是對消費者的文本評論數據進行內在信息的數據挖掘分析。評論信息中蘊含著消費者對特定產品和服務的主觀感受，反映了人們的態度、立場和意見，具有非常寶貴的研究價值。

針對電子商務平台上的商品評論進行文本數據挖掘的目標一般如下：

分析商品的用戶情感傾向，了解用戶的需求、意見、購買原因；

從評論文本中挖掘商品的優點與不足，提出改善產品的建議；

提煉不同品牌的商品賣點。

商品評論文本分析的步驟和流程

商品評論文本的數據採集、預處理與模型構建

數據採集：

1、「易用型」：八爪魚、火車採集器

2、利用R語言、Python語言的強大程序編寫來抓取數據

預處理：

1文本去重

檢查是否是默認文本

是否是評論人重復復制黏貼的內容

是否引用了其他人的評論

2機械壓縮去詞

例如： 「好好好好好好好好好好」->「好」

3短句刪除

原本過短的評論文本      例如：很「好好好好好好好好好好」->「好」

機械壓縮去詞後過短的評論文本   例如：「好好好好好好好好好好」->「好」

4評論分詞

文本模型構建包括三方面：情感傾向分析、語義網路分析、基於LDA模型的主體分析

 

情感傾向分析：

基於情感詞進行情感匹配

對情感詞的傾向進行修正

對情感分析結果進行檢驗

語義網路分析：

基於LDA模型的主體分析

十一、大數據營銷中的倫理與責任

       大數據的安全與隱私保護

數據安全：一是保證用戶的數據不損壞、不丟失；二是要保證數據不會被泄露或者盜用

 

大數據營銷中的倫理風險：用戶隱私、信息不對稱下的消費者弱勢群體、大數據「殺熟」

大數據倫理困境的成因：

用戶隱私意識淡薄

用戶未能清晰認知數據價值

企業利益驅使

] 管理機制不夠完善

大數據倫理構建的必要性：企業社會責任、用戶與社會群體的維系

這些是我按照老師講的課本上的內容結合PPT總結出來的《大數據營銷》的重點。

⑦ 大數據時代市場營銷策略

大數據時代市場營銷策略

1、利用大數據改進企業廣告投放策略

廣告圈裡一句名言:我知道我的廣告浪費了一半,但我不知道浪費了哪一半。當前,越來越多的企業在大數據思維指導下進行廣告投放，廣告能通過對人群的定向, 投放給准確的目標顧客。特別是互聯網廣告現在能夠做到根據不同的人向其發布最適合其的廣告，同時誰看了廣告，看了多少次廣告,都可以通過數據化的形式來了解、監測, 以使得企業更好地評測廣告效果,從而也使得企業的廣告投放策略更加有效。

2、基於大數據的精準推廣策略

沒有目標消費者的精準定位，盲目推廣,是很多企業開展營銷推廣沒有效果或者效果甚微的主要原因。大數據時代一個重要的特點是,能夠實時全面地收集、分析消費者的相關信息數據,從而根據其不同的偏好、興趣以及購買習慣等特徵有針對性、准確地向他們推銷最合適他們的產品或服務。另一方面,可以通過適時、動態地更新、豐富消費者的數據信息, 並利用數據挖掘等技術及早預測消費者下一步或更深層次的需求,進而進一步加大推廣力度,最終達到極大增加企業利潤的目標。

3、規模個性化產品策略的實施

傳統市場營銷產品策略主要是，同樣包裝同等質量的產品賣給所有的該企業客戶,或同一個品牌，若干不同包裝不同質量層次的產品賣給若干相對大群客戶,這使得很多企業的很多產品越來越失去對消費者的吸引力, 越來越不能滿足消費者的個性化需求。

近年來,隨著科技和互聯網的發展,社會的生產製造向生產“智”造轉變,同時大數據通過相關性分析，將客戶和產品進行有機串聯,對用戶的產品偏好,客戶的關系偏好進行個性化定位,進而反饋給企業的品牌、產品研發部門,並推出與消費者個性相匹配的產品。

4、大數據使得營銷渠道效能的潛力得以充分挖掘

以前的市場營銷的.渠道大多採取代理制, 或者是購銷制, 企業與代理商或經銷商之間存在一種利益博弈關系，相互之間的信息常常是不共享的, 也經常會發生利益沖突。在大數據環境下, 企業只有與各方合作者一起建立起大數據營銷系統平台,才能集中體現大數據、物聯網、雲計算、移動電子商務的優勢, 從而不斷拓展企業營銷渠道的外延與內涵。

通過營銷渠道各方協調一致增強消費者對產品品牌、服務的良好體驗,進而引發顧客更加強烈的購買欲，促進客戶與企業品牌的親合度更加緊密, 提升企業的利潤空間。

5、利用企業大數據集成系統制定科學的價格體系策略

現在，很多企業都構建了基於大數據技術的大數據營銷平台,實現了海量、不同類型的數據的收集, 並跨越多種不同的系統，比如，不同的渠道平台(網路銷售平台,以及實體批發、零售平台);不同的客戶需求;不同的細分市場;以及不同的但可以區隔的市場區域。

這樣就可以幫助企業迅速搜集消費者的海量數據,分析洞察和預測消費者的偏好,消費者價格接受度;分析各種渠道形式的測試銷售數據;以及消費者對企業所規劃的各種產品組合的價格段的反應。使之能夠利用大數據技術以了解客戶行為和反饋，深刻理解客戶的需求、關注客戶行為，進而高效分析信息並做出預測,不斷調整產品的功能方向，驗證產品的商業價值，制定科學的價格策略。

⑧ 大數據對品牌營銷究竟有什麼用

九一數榜認為：對品牌數字資產的全面掌控能力

在數據驅動營銷的時代企業品牌應重新定義為「消費者意識中的感知與互聯網活躍內容的集合，而企業品牌在互聯網上活躍內容的集合就是企業品牌互聯網數字資產」。對任何一個企業品牌來說，它的域名、官方網站、logo、搜索引擎的品牌專區、網路新聞、網路圖片、官方微博、公眾號、直達號、貼吧、APP、小程序、H5、微視頻、網店等等，甚至是獎勵給用戶的積分，都屬於企業品牌互聯網數字資產的范疇。廣義上講，企業品牌互聯網數字資產則是企業在數字化經濟時代所擁有的核心競爭力資源，即是否能支撐企業持續發展、促進企業快速創新、實現企業品牌永續的能力。 品牌經理人能否全面掌握這些數據並能分析數據顯得尤為重要，全世界所有的資產，只有一個資產越用越有價值，它就是數據資產。因為它的產生和業務之間是若即若離的關系，你不用數據它就變成了一堆數字，如果你用，這個數字越多，對應的數字資產就越有價值。

在對品牌營銷數據的積累上，上市公司經過多年的品牌積累已經形成了品牌互聯網數字資產，它有賴於兩個維度的拓展：一是垂直縱深數據的收集，二是更為廣泛的全域數據的收集。企業需要把「泛數據」進行過濾、篩選、洗滌，從而才能找到最核心有效的數據進行運用，這就需要上市公司品牌經理人學會利用已有的品牌大數據資產（九一數榜）。

⑨ 大數據市場營銷 有何訣竅

大數據市場營銷 有何訣竅
了解一些更智慧的大數據營銷示例，有助於闡明營銷人員應如何使用非傳統數據，從分析和創新的角度進行思考。
1. 衡量社交媒體影響力
公司可以採用定製分析解決方案或社交網路分析，來衡量社交媒體的影響力。
2. 識別您的品牌推廣人員
識別主要的影響者，並使用這些個人開展積極的營銷活動。尋找主要的影響者，不只可以通過傳統交易（最近購買、客戶服務呼叫），還可以通過社交媒體。
3. 將大數據見解轉變為切實可行的營銷戰術
藉助不同學科團隊，將大數據見解轉換為切實可行的營銷戰術。最大的成功是工作速度快且具有很強迭代的團隊，業務、IT和分析專家快速評審實際結果，重新校準分析，調整假設，然後測試結果。
4. 創建客戶購買預測
將歷史行為數據用於一個定義的目標，作為針對不同類別產品的行為指標。例如，測試一項公用事業服務的付款歷史記錄或升級可能性，作為一個娛樂產品或新興信貸產品的行為指標。不斷測試是取得成功的有力保障。
5. 了解不同營銷渠道的真正價值
組合來自傳統媒體和社交媒體站點的銷售數據，創建一個模型，突出傳統媒體與反映在社交媒體上的活動（如呼叫中心交互）的影響力。不佳的客戶體驗是比傳統媒體活動更強大的銷售驅動力。改進客戶服務背後的開銷，可以比投資廣告更有效地增加收入。
6. 通過郵編瞄準銷售機會
與其讓銷售代表超負荷工作，分析海量數據和復雜的模型，不如創建強大的銷售工具，用簡單、可視的界面，通過郵編瞄準新的潛在客戶。這是一個業經證明的增加銷售的戰術。
充分利用大數據獲得見解極有可能讓企業從眾多競爭對手中脫穎而出。由於這一轉變仍處於起步階段，迄今很少有大數據見解轉變為營銷優勢，因此大數據營銷的早期加入者具有明顯的優勢。考慮以下大數據營銷示例，了解其他早期採用企業如何從大數據中尋求優勢：
1. 下一代客戶重新定位
隨著大數據分析變得日益復雜，營銷人員需要找到更好的途徑來重新定位客戶。例如，試想根據在線查看的項目而不是點擊率來重新定位。這一戰術及其他戰術將能夠提供比當前使用的重新定位方法更加個性化的方案。
2. 使用熱圖（Heat Map）技術追蹤店內客戶偏好
使用部署了熱圖技術的內部攝像系統來查看店內客戶流量，就像是網站使用技術來注冊在線活動一樣。這一離線流量信息可與在線數據進行對比，告訴零售商產品在線與離線的執行情況，以便調整營銷計劃。
3. 利用地理空間數據與客戶進行溝通
使用地理空間數據來准備有針對性的報價，並推動在線客戶前往店鋪。無線運營商採用有針對性的營銷活動增加了每位用戶的收入，並結合了離線和在線營銷工作。
4. 分析社交媒體以增加收入
使用社交網路分析來識別和影響有影響力的客戶。無線運營商已發現，通過實施社交分析，他們能夠將其前10%有影響力的客戶所影響的收入從35%增加到80%。
5. 注重轉換
營銷人員應以轉換語言來交談，並特別關注這一點。「擁有最高轉換的線索來源是什麼？」「哪類內容能夠激發最強的品牌主張？」「哪些渠道持有最高的轉換率？」使用大數據來通知和推動全方位的轉換。