行為軌跡分析營銷

『壹』 大數據營銷可以帶來哪些好處

實現渠道優化

企業可以根據用戶的互聯網瀏覽痕跡進行渠道營銷效果優化，即根據互聯網上用戶的行為軌跡來找出哪個營銷渠道的顧客來源最多、哪種用戶的實際購買量最多、是否是目標用戶等等，從而調整企業的營銷資源在各個渠道的投放。例如東風日產利用對顧客來源的追蹤，來改進營銷資源在各個網路渠道如門戶網站、搜索和微博的投放。

精準營銷信息推送

相比傳統狂轟濫炸或等客上門的營銷，大數據營銷無論在主動性還是在精準性方面，都有非常大的優勢。精準是建立在對海量消費者的行為分析基礎之上的。消費者的網路瀏覽、搜索行為被網路留下，線下的購買和查看等行為可以被門店的POS機和視頻監控記錄，再加上他們在購買和注冊過程中留下的身份信息……在商家面前，正逐漸呈現出消費者信息的海洋。

打通線上線下營銷

鋼鐵企業可以將互聯網上海量的客戶行為痕跡數據與線下購買數據打通，實現線上與線下營銷的協同。比如東風日產，線上與線下的協同營銷方式為：其門戶網站帶來訂單線索，而通過這些線索，服務人員進行電話回訪，從而推動顧客在線下交易。

幫助企業領導者作出決策

在大數據時代，企業面對眾多新的數據源和海量數據，能否基於對這些數據的分析進行決策，進而將其變成一項企業競爭優勢的來源，這是對鋼鐵企業高層的挑戰。

關於大數據營銷可以帶來哪些好處，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

『貳』 數據分析方法

常見的分析方法有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。

01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。

02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。

03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。

06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。

『叄』 智慧圖場景客如何進行場景營銷

場景客通過智慧感知平台，捕捉消費者在商場內的行為軌跡，實時收集和上傳數 據到大數 據融合平台，經過後台AI智能分析，可以得出精準的會員畫像、消費行為喜好和關聯業態銷售等相關數 據，幫助商場與租戶制定針對性的促銷策略，不斷挖潛和增強運營價值。

『肆』 數據分析的基本思路是什麼

數據分析有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。

01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。

02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。

03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。

06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。

『伍』 數字化時代的營銷策略

互聯網、物聯網的發展，可以把人、物品的所有信息都可以捕捉到。人的所有行為軌跡，所在位置、環境等等，整個的經過、過程等等所有信息、情況全部捕捉，一目瞭然。這就為數字化營銷和數字化管理創造了條件。
先說數字化營銷
在營銷方面有什麼用？我認為可以做至少三方面的事情。 一是 實時監控，互聯網大數據對人的行為的獲取使得人時時在網路的監控之下，人在大數據面前是透明人。人每時每刻的情況、行為都被檢測到。這樣就可以用來營銷。例如：你剛買了乒乓球拍，那你應該大概率會看看乒乓球。買了火鍋器具就應該買火鍋底料。買了紙巾，那麼一個月後因該用完了會再買等等。就是對人此刻的情況是什麼清清楚楚，需要什麼，未來會需要什麼清清楚楚，這樣就可以對應地去做營銷。 二是 人物畫像，通過對人的行為和個人信息的獲取，使得大數據對人的各個方面、各個維度都清清楚楚，大數據比他自己還要了解自己。這樣就獲得了十分准確、豐富的人物畫像。這樣在做營銷時就可以把物品針對性地投給對應的人。人物畫像是一個個的標簽，這些標簽都有權值，就是一個人有什麼特點，什麼屬性，這個屬性多強。這樣在營銷時就可以把這個物品投放給針對的人群，對應屬性且屬性很強的人。 三、機器學習 機器學習是從百萬數據里訓練得到結果，這樣的結果是千萬用戶實際行為、實際情況得到的結果，這個結果非常硬、非常真實，它就是實打實的從實際的用戶身上、千萬用戶行為上來的。它比營銷經驗得到的結論要硬的多，要實際的多，它就是從現實中來的。甚至於說它比驗證還要現實，它就是現實，就是實際情況。
這是數字化營銷中的價值，下面說一說數字化管理
對於企業數字化管理而言。數字化很大的價值在於實時監控企業情況。數字化，可以用技術手段，將生產、業務的各個方面，各個環節的信息都記錄下來，都捕捉到。然後可以使用技術手段對企業做到實時的透視，企業方方面面的情況，都可以時時透視到。這樣對企業的把握、檢測、透視的程度是以往所不能達的。而且可以延伸出多種維度和方面的檢測，各種新的檢測指標等等，檢測方式等等都可以自己開發。如果企業進行了改革，執行了什麼策略後，企業的經營情況，是好是壞，當前什麼情況，發展趨勢如何都可以做到實時清晰、准確的把握。
其次就是異常檢測，一旦哪裡出現了什麼狀況，異常情況，可以迅速發現，捕捉到。甚至可以捕捉到來源。
還有就是數據挖掘，企業的得到的數據都是有價值的，數據挖掘可以從中得到有價值的東西。例如聚類，可以知道哪些事物屬性上離的近等等。
如何做，企業怎麼做數字化營銷和數字化管理。
企業在做數字化營銷和數字化管理時， 一、首先要進行基建，就是所有的人的行為活動，生產流程等等都要用技術手段來時時捕捉信息。也就是人的行為改成網上，感測器對生產線，流程進行時時檢測，所有的信息進行時時網上記錄等等。對各個方面的人、生產、流程進行檢測可以獲取數據之後。 二、還要搭建數據中心，將獲取到的數據存儲到數據中心，來管理、使用。需要找大數據方面的人才和機器學習、數據挖掘、數據分析方面的人才。數字化的關鍵是獲取到足夠多，足夠高質量的數據。數據為王，數據才是真正有價值，產價值的東西。機器學習、深度學習只是提取價值的手段。數據是大豆，機器學習是榨油機，出油是價值。豆子質量不好、數量又少出不了很有價值的東西。豆子有好，數量又多，出的價值才大。因此數字化需要大量的、高質量的數據，技術僅僅是提取手段，目前技術都是公開的，各大企業基本都能拿到工業界最前沿的技術。數據是關鍵。數據來源一方面是企業自身，自己的平台。另一個重要方面是買服務，就是網路、騰訊、阿里這些大平台，有大量數據的企業，買他們的服務，因為他們有大量數據，這些數據就是企業的財富，他們不會賣、也不會轉讓。這時最好就是購買他們的服務，他們用他們的數據直接來幫你做數字化營銷。
真正在做的時候對於大集團、大企業，實力雄厚的公司就無所謂了，想做的話，可以自己砸錢搞出來。怎麼都可以做。對於中小企業，最好是引進技術。一方面 華為、網路、阿里都在慢慢提供相應的技術支持，SaaS（軟體即服務）、PaaS（平台即服務）、IaaS（基礎架構即服務）等，他們在提供的時候往往也會提供數據支撐，他們的數據會直接來加持你的營銷和管理。數字化營銷方面已經有越來越多的SaaS平台出來，企業管理的數字化解決方案未來也會慢慢起來。二、技術、經驗和成本 專業的人做專業的事情，做SaaS平台服務、技術解決方案的有專門的技術積累和經驗積累。而且購買起來價格遠遠低於自己開發、維護的成本。這里有伺服器、開發人員的成本。購買平台服務是最簡單直接、節省成本、節省時間、節省精力，獲得好的服務的選擇。
數字化營銷和數字化管理本質上是一個技術、技術解決方案問題和數據人才問題。從技術、成本的角度而言，最好是用專業的平台來做。數據上除了自己的，可能需要購買大公司的數據服務。除了這些還需要高端的數據人才，數據分析、數據挖掘等等，會玩數據的人，知道如何玩數據來解決企業中的種種問題，幫助加持企業的種種業務。

『陸』 數據分析師日常都分析哪些數據

數據分析有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。

01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。

02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。

03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。

06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。

『柒』 大數據攻略案例分析及結論

大數據攻略案例分析及結論

我們將迎來一個「大數據時代」。與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？

｛研究結論｝

怎樣才能用起來大數據？障礙如何解決?中國企業家研究院對10多家在大數據應用方面的領先企業進行了采訪調研，更多家企業進行了書面資料調研，我們發現：

■ 當前中國企業的大數據應用可以歸類為：大數據運營、大數據產品、大數據平台三大=領域，前兩者更多是企業內部的應用，後者則在於用大數據來繁榮整個平台企業群落的生態。

■ 大數據營銷的本質是一個影響消費者購物前心理路徑的問題，而這在大數據時代前很難做到。

■ 對於傳統企業而言，要打通線上與線下營銷，實現新的商業模式，如O2O等，離不開大數據。

■ 雖然大數據應用往往集中於大數據營銷，但對於一些企業，大數據的應用早已超越了營銷范疇，全面進入了企業供應鏈、生產、物流、庫存、網站和店內運營等各個環節。

■ 對於大部分企業，由於數據分析人員與業務人員之間的彼此視角與思考方向不同，大數據分析和運營之間存在脫節情況，這是大數據無法用於企業運營最大的阻力

■ 對於大多數互聯網公司來說，大數據量、大用戶量是一個相互促進，強者越強的循環過程。

■ 對於大型互聯網平台，大數據已經成為其生態循環中的血液，對於這些企業，最重要

的不是如何利用大數據改進自身運營，而是利用大數據更好地繁榮平台生態。

■ 對於平台企業，它們的大數據策略正逐漸從大數據運營，向運營大數據轉變，前者和

後者的差別在於，前者只是運營改進的動力，而後者則成為企業實現未來戰略的核心資源。

我們都已被反復告知：我們將迎來一個「大數據時代」。

大數據應用，將和雲計算、3D列印這些技術變革一樣，顛覆既有規則，並成為先行企業的制勝關鍵。

與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？

來自於互聯網、移動互聯網、物聯網感測器、視頻採集系統的數據正海量增長，匯成大數據的海洋，相伴的是海量數據存儲、分析技術的突破性發展，所有這一切都給企業的應用帶來了無限可能性。

許多企業希望將大數據用起來，帶動企業的經營，但不知從哪裡著手。它們不惜重金投資大數據信息系統、分析系統，聘請更多的人才，希望能從這個新趨勢中獲益，不過卻無奈地發現，大數據仍然停留在雲端，沒有帶來多少實際收益。它們找不到大數據與業務結合的突破口。而一些真正將大數據應用於實戰的企業，卻在應用過程中困難重重：大數據無法與業務結合；沒有收集、分析海量數據的能力；經營人員缺少應用大數據的動力；數據來源魚龍混雜難以使用……

中國企業家研究院對當前中國企業大數據應用的狀況進行了歸納分類，以幫助企業了解實際應用大數據時的困局難點，並提供領先企業的典型案例以資借鑒。

表1

表2

大數據運營—企業提升效率的助推力

對於大多數企業而言，運營領域的應用是大數據最核心的應用，之前企業主要使用來自生產經營中的各種報表數據，但隨著大數據時代的到來，來自於互聯網、物聯網、各種感測器的海量數據撲面而至。於是，一些企業開始挖掘和利用這些數據，來推動運營效率的提升。大數據運營應用中，大數據的應用分為三類：用於企業外部營銷、用於內部運營，以及用於領導層決策。

一、大數據營銷

大數據營銷的本質是影響目標消費者購物前的心理路徑，它主要應用在三個方面：1、大數據渠道優化，2、精準營銷信息推送，3、線上與線下營銷的連接。在消費者購物前，通過各種方式，直接介入其信息收集和決策過程。而這種介入，是建立在對於線上與線下海量用戶數據分析的基礎之上。相比傳統狂轟濫炸或等客上門的營銷，大數據營銷無論在主動性和精準性方面，都有非常大的優勢。它是目前主要的大數據應用領域。

大數據營銷不僅僅是用大數據找出目標顧客，向其發布促銷信息，它還可以做到：

實現渠道優化。根據用戶的互聯網痕跡進行渠道營銷效果優化，就是根據互聯網上顧客的行為軌跡來找出哪個營銷渠道的顧客來源最多，哪個來源顧客實際購買量最多，是否是目標顧客等等，從而調整營銷資源在各個渠道的投放。例如東風日產，它利用對顧客來源的追蹤，來改進營銷資源在各個網路渠道如門戶網站、搜索和微博的投放。

精準營銷信息推送。精準建立在對海量消費者的行為分析基礎之上，消費者網路瀏覽、搜索行為被網路留下，線下的購買和查看等行為可以被門店的POS機和視頻監控記錄，再加上他們在購買和注冊過程中留下的身份信息，在商家面前，正逐漸呈現出消費者信息的海洋。

一些企業通過收集海量的消費者信息，然後利用大數據建模技術，按消費者屬性（如所在地區、性別）和興趣、購買行為等維度，挖掘目標消費者，然後進行分類，再根據這些，對個體消費者進行營銷信息推送。比如孕婦裝品牌十月媽咪通過對自己微博上粉絲評論的大數據分析，找出評論有「喜愛」相關關鍵詞的粉絲，然後打上標簽，對其進行營銷信息推送。京東商城副總經理李曦表示：「用大數據找出不同細分的顧客需求群，然後進行相應的營銷，是京東目前在做的事情。」小也化妝品將自身網站作為收集消費者信息的雷達，對不同消費者推薦相應的肌膚解決方案，創始人肖尚略希望在未來，大數據營銷能替代網站的作用，真正成為面向顧客的前端。

打通線上線下營銷。一些企業將互聯網上海量消費者的行為痕跡數據與線下購買數據打通，實現了線上與線下營銷的協同。比如東風日產，線上與線下的協同營銷方式為：其門戶網站帶來訂單線索，而通過這些線索，服務人員進行電話回訪，從而推動顧客在線下交易。在此過程中，東風日產記錄了消費者進入、瀏覽、點擊、注冊、電話回訪和購買各個環節的數據，實現了一個橫跨線上線下，以大數據分析為支持的，營銷效果不斷優化的閉環營銷通路。而國雙科技，衡量某一地區線下促銷活動的效果，就是看互聯網上，來自這個地區對於促銷內容的搜索量。一些企業，通過鼓勵線下顧客使用微信和Wi-Fi等可追蹤消費者行為和喜好的設備，來打通線上與線下數據流，銀泰百貨計劃鋪設Wi-Fi，鼓勵顧客在商場內使用，然後根據Wi-Fi賬號，找出這個顧客，再通過與其它大數據挖掘公司合作，以大數據的手段，發掘這個顧客在互聯網的歷史痕跡，來了解這個顧客的需求類型。

二、大數據用於內部運營

相比大數據營銷，大數據在內部運營中的應用更深入，對於企業內部的信息化水平，以及數據採集和分析能力的要求更高。本質上，是將企業外部海量消費者數據與企業內部海量運營數據聯系起來，在分析中得到新的洞察，提升運營效率。（詳見P96表5：大數據在內部運營中的應用）

表5

三、大數據用於決策

在大數據時代，企業面對眾多新的數據源和海量數據，能否基於對這些數據的洞察，進行決策，進而將其變成一項企業競爭優勢的來源？同大數據營銷和大數據內部運營相比，運用大數據決策難度最高，因為它需要一種依賴數據的思維習慣。

已有少數企業開始嘗試。比如國內一些金融機構在推出一個金融產品時，會廣泛分析該金融產品的應用情況和效果、目標顧客群數據、各種交易數據和定價數據等，然後決定是否推出某個金融產品。

但是，中國企業家研究院在調研中發現，目前中國企業當中，大數據決策的應用非常之少，許多企業領導者進行決策時，仍習慣於憑借歷史經驗和直覺。

大數據產品——企業利潤滋長的新源泉

大數據除了用於運營外，還能夠與企業產品結合，成為企業產品背後競爭力的核心支持或者直接成為產品。提供大數據產品的企業分為兩類，直接提供大數據產品的企業，以及將大數據作為產品和服務核心支撐的企業。前者主要為大數據產業鏈中提供數據服務的參與者，包括數據擁有者、存儲企業，挖掘企業、分析企業等，後者則主要是那些以大數據為產品核心支撐的企業，它們大多是互聯網企業，其產品和服務先天就有大數據基因，這些企業包括搜索引擎、在線殺毒、互聯網廣告交易平台以及眾多植根於移動互聯網之上，為用戶提供生活和資訊服務的APP等。

表3

表4

一、大數據作為產品核心支持

它們主要在以下幾方面使用大數據：

1、提供信息服務。很多互聯網企業通過對海量互聯網信息和線下信息的整合和分析，為個人和企業提供信息服務，典型的如網路、去哪兒、一淘、高德地圖、春雨醫生等等。在美國，一些互聯網企業甚至根據大數據提供更深度的預測信息服務，美國科技創新公司farecast，通過分析特定航線機票的價格，幫助消費者預測機票價格走勢。

2、分析用戶的個性化需求，藉此提供個性化產品和服務，或者實現更精準的廣告。典型的有移動社交工具陌陌、網路、騰訊、廣告交易平台品友互動以及一些互聯網游戲商。這種應用往往先是收集海量用戶的互聯網行為數據，將用戶分類，根據不同類型的用戶，提供個性化的產品，或者提供個性化的促銷信息。比如網易等門戶網站推出了訂閱模式，讓使用者按照個人喜好方便地定製和整合不同來源的信息。

3、增強產品功能。對於很多互聯網產品，如殺毒軟體、搜索引擎等等，海量數據的處理能夠讓產品變得更聰明更強大，如果沒有大數據，產品的功能就大大減弱。比如奇虎360公司的360殺毒軟體，憑借每天海量的殺毒處理，建立了龐大的病毒庫，這使它能夠更快地發現病毒，而一些小的殺毒軟體公司則無法做到這一點。

4、掌控信用狀況，提供信貸服務。阿里巴巴上匯集了海量中小企業的日常資金與貨品往來，通過對這些往來數據的匯總與分析，阿里巴巴能發現單個企業的資金流與收入情況，分析其信用，找出異常情況與可能發生的欺詐行為，控制信貸風險。

5、實現智能匹配。婚戀網站、交易平台等，利用大數據可以進行精準而高效的配對服務。網易花田會挖掘用戶行為數據，比如點擊哪些異性的頁面，發表什麼樣的評論，建立用戶興趣模型，從而挖掘到用戶所期待另一半的類型，然後主動推薦與對方匹配度比較高的人選。2010年，阿里巴巴嘗試性地推出「輕騎兵」服務，由阿里巴巴將中國各產業集群地的供應商與海外買家的個性采購需求進行快速匹配，所憑借的，就是對供應商的海量交易數據信息的整合與挖掘。

大數據作為產品核心支撐的關鍵在於用戶量。對於大多數互聯網公司來說，用戶量越多，收集的數據越多，憑借更多的數據，其產品與商業模式會不斷改進，進而帶來更多的用戶。

二、大數據直接作為產品

對一些企業，大數據直接成為了產品，這些產品包括海量數據、分析、存儲與挖掘的服務等，目前大數據產業鏈正在形成過程中，出現了一批開放、出售、授權大數據和提供大數據分析、挖掘的公司和機構，前者主要是一些擁有海量數據的公司，將數據服務作為新的盈利來源。如大型的互聯網平台、民航、電信運營商、一些擁有大數據的政府機構等等，後者主要包括一些能夠存儲海量數據或者將海量數據與業務場景結合，進行分析和挖掘，或者提供相關產品的公司，如IBM、SAP、拓而思、天睿公司。它們為大數據應用者們提供海量數據存儲、數據挖掘、圖像視頻、智能分析等服務以及相關系統產品。

大數據平台——企業群落繁榮的滋養劑

相對企業本身對大數據的應用，大數據平台更多是利用大數據來搭建企業生態。一些擁有龐大數據資源的大型互聯網平台，已變為包含海量寄生者的生態系統。在這個生態系統中，它們將海量用戶互聯網行為痕跡和分析提供給平台上的企業，用於它們改善經營，推動整個平台生態繁榮，在這一過程中，它們也收取數據服務費。阿里巴巴就是一個典型的例子，從數據魔方、黃金策到聚石塔，阿里巴巴不斷地為平台上中小電商提供數據產品和服務。

而網路已建成了包括網路指數、司南、風雲榜、數據研究中心和網路統計在內的五大數據體系平台，幫助其營銷平台上的企業了解消費者行為、興趣變化，以及行業發展狀況、市場動態和趨勢、競爭對手動向等信息。

而當大數據從企業內部運營的動力，變成平台企業的產品和服務時，平台企業也在經歷著一個從大數據運營到運營大數據的階段。數據從運營的支持工具，變成了生產資料。此前平台們的關注點，更多的是如何用好現有的大數據。而未來，它們的關注點則更多是如何將大數據這個生產資料管理好、經營好，如何更好地為平台上的企業服務。這就涉及到收集的數據質量怎樣？格式標準是否統一？數據作為一種原材料，其精細化程度如何？是否符合平台上企業應用的具體場景？是平台上企業拿來就能用的，還是還需要平台上的企業再加工？

為解決這些問題，各個平台在積極地努力。比如阿里巴巴建立了數據委員會，在統一數據格式標准、從源頭上保證數據的質量，採集和加工出精細化的數據，確保其能符合平台企業的應用場景等方面，不遺餘力地嘗試。尤其在大數據精細化方面，阿里巴巴更是作為其大數據戰略的重點。這方面，騰訊目前也在加快步伐。比如新版騰訊網出現了「一鍵登錄」的提示，用戶可以在上面通過一些細分標簽，訂閱自己關注的內容。實際上，這也是騰訊收集更精細化的用戶興趣數據的一個有效手段。

Tips

大數據實戰手冊

將大數據應用於內部運營中時，企業會遇到一些常見問題

1企業如何獲取與分析數據？

互聯網是大數據的一個主要來源，一些線下的傳統企業很難獲得。但它們可以：

a 和擁有或能抓取海量數據的平台、企業以及政府機構合作。比如淘寶上的電商就購買淘寶收集的海量數據中與自身運營相關的部分，用於自身業務。再如卡夫通過與IBM合作，在博客、論壇和討論版的內容中抓取了47.9萬條關於自己產品的討論信息，通過大數據分析出消費者對卡夫食品的喜愛程度和消費方式。

b 建立自己在互聯網上的平台，比如朝陽大悅城利用自己的微信、微博等平台收集消費者評論數據。

c 許多傳統企業沒有分析海量數據的能力，此時它們可以和大數據分析和挖掘公司合作，目前市場上已經有天睿公司、IBM、百分點、華勝天成等一批提供大數據分析和挖掘服務的公司，它們是傳統企業進行大數據分析可以藉助的力量。

2 如何避免大數據應用時的部門分割？

對於許多企業，其信息流被各部門彼此分割，數據難以互通，對於這種情況下，大數據的共享和匯集就只是一個泡影，更難以實現大數據的深度應用。

要打通部門之間信息分割的局面，首先要建立統一的、集中的數據系統。就像立白信息與知識總監王永紅所說的，「要真正用好大數據，企業要採用大集中的信息系統。」從更深入的角度來談，企業信息流的部門分割，更在於企業部門之間的分割，比如有一些企業的營銷按照渠道分割，導致對於顧客的大數據收集和分析效果大打折扣。

IBM智慧商務技術總監楊旭青認為，「很多時候由於組織結構問題，大數據分析有效性大大降低了。」這就需要組織與流程層面的重新設計，在這方面，阿里巴巴的部門負責人輪崗制度，對於打破部門壁壘無疑是一劑好葯。而一些企業為了打破部門分割，建立了矩陣型的組織結構，強化部門間的橫向合作，這些無疑為大數據的匯集、共享與應用創造了良好條件。

3 如何讓業務人員重視大數據的應用？

解決這個問題，一方面在於一把手對整個企業數據文化的倡導，比如1號店董事長於剛就要求業務人員無論在開會，還是匯報工作時，都以數據說話，而馬雲更是將大數據提升到了戰略高度。

另一方面，也在於數據部門的帶動，阿里巴巴數據委員會負責人車品覺分享了經驗，「因為運營部門的業務人員很難看到大數據的潛力，可以首先從一些對業務見效快，見效顯著的數據項目出發，通過一兩個項目的成功，調動對方的積極性，然後再逐步一個個地引導。」

4 為何大數據工作與運營需求脫節？

這往往是由於數據人員與業務人員視角、專業知識不同而導致的。大數據人員做了很多努力，但是業務人員卻認為這些努力無關痛癢。如何解決這個問題？

有的企業從組織設計上發力，將大數據納入業務分析部門的管理之下，用業務統馭數據。對於朝陽大悅城，由主要負責戰略和經營分析的部門來管理大數據工作，其中的大數據分析人員則作為支持人員。在負責人張岩看來，大數據要靠商業法則指導，關鍵是找到業務需求的點，然後由數據分析和挖掘人員實現。在具體操作中，大悅城對微信的數據挖掘，挖掘什麼樣的關鍵詞，由業務分析人員確定，而具體挖掘則由數據部門做；有的企業從流程設計上著手，推動業務部門與數據部門人員之間的溝通，建立數據人員工作與效果掛鉤的考核機制。

例如阿里巴巴根據數據挖掘的成效（比如帶來的商品轉化率的提升）來考核數據挖掘師，考核數據分析師則看其分析結果能否出現在經營負責人的報告中。從數據部門自身角度則需要降低運營部門使用數據的障礙和門檻，比如立白集團的數據人員會努力嘗試向運營部門提供更易懂、更生動的圖形化數據分析界面，在立白老闆辦公室上，就有一份「客戶運營健康體檢表」，讓老闆對全國經銷商的當月銷售情況一目瞭然。再如阿里巴巴開發的無線Bi，讓經營人員在手機上也可以看到大數據分析結果，拿車品覺的話說，「以數據之氧氣包圍經營人員。」

以上是小編為大家分享的關於大數據攻略案例分析及結論的相關內容，更多信息可以關注環球青藤分享更多干貨

『捌』 如何做用戶行為路徑分析

用戶行為分析是網站分析最為關鍵的要素，也是決定網站運營分析最為關鍵的環節，用戶分析分析能幫你判斷出你的客戶群是否精準，你的廣告費是否花到位，通過用戶行為分析，實現精準營銷。

什麼是用戶行為分析

用戶行為分析，是指在獲得網站訪問量基本數據的情況下，對有關數據進行統計、分析，從中發現用戶訪問網站的規律，並將這些規律與網路營銷策略等相結合，從而發現目前網路營銷活動中可能存在的問題，並為進一步修正或重新制定網路營銷策略提供依據。這是狹義的只指網路上的用戶行為分析。

重點分析的數據

• 用戶的來源地區、來路域名和頁面；

• 用戶在網站的停留時間、跳出率、回訪者、新訪問者、回訪次數、回訪相隔天數；

• 注冊用戶和非注冊用戶，分析兩者之間的瀏覽習慣；

• 用戶所使用的搜索引擎、關鍵詞、關聯關鍵詞和站內關鍵字；

• 用戶選擇什麼樣的入口形式（廣告或者網站入口鏈接）更為有效；

• 用戶訪問網站流程，用來分析頁面結構設計是否合理；

• 用戶在頁面上的網頁熱點圖分布數據和網頁覆蓋圖數據；

• 用戶在不同時段的訪問量情況等：

• 用戶對於網站的字體顏色的喜好程度。

訪客流量分析

• 用戶群：用戶者主要所在區域，24小時之內有多少回訪。

• 訪問者：訪問主要來源哪個區域，如國家、省份、城市。

• 訪問量：分析網站月訪問，日訪問，時訪問，來確定網站的高峰是在是何月何日何時。

• 瀏覽量：訪客在一定時間內所瀏覽內容，日最大瀏覽量多少，日最小瀏覽量多少。

• 流量來源：分析網站是從哪方便來的流量。

• 流量頁面：哪些頁面主要引來的流量。

• 訪問者分析：在24小時的回訪次數，訪客瀏覽多少頁面，在網站中逗留多長時間。

• 訪客訪問分析：用戶電腦所採用的系統語言，所使用的瀏覽器，屏幕尺寸，屏幕顏色位數。

• 搜索引擎：搜索引擎是提供信息查詢的工具，通過分析網站來源關鍵詞，來確定搜索引擎 用戶主要關注網站哪些方面。

廣告效果分析

廣告效果、性價比分析、成本分析、轉化率等

惡意點擊分析

損耗分析、防禦策略等等

用戶行為分析的維度

行為分析數據的記錄與整理

電子商務網站到手不是立刻開展優化，而是記錄之前的數據情況，記錄之後要進行一系列維度的數據整合。可以說，數據分析和整理做好對以後的優化有很大的幫助。我一直很強調基礎，我們做網站優化要善於記錄日誌，操作日誌，異常日誌都要有據可循。也許你會覺得一時很麻煩，但是會免去你以後的很多失誤。

舉個例子：除了基本的收錄、外鏈、錨文本、UV、關鍵詞排名等，你至少還要注意，訪客地區分布情況，頻道流量情況，頁面點擊行為等，而且要把搜索流量與廣告流量區分開。對於基礎的數據還要記錄主要競爭對手的。

關鍵詞分析

一個電子商務網站需要擁有大量的產品和目錄，同時海量的頁面信息。這些頁面是否能帶來搜索引擎流量取決於網站自身構架的良好性，頁面體驗與SEO優化做的到位程度有關。SEO優化怎麼樣，從網站的關鍵詞策略能大概分析的出，包括很多長尾布局，頻道關鍵詞以及首頁title的書寫。良好的關鍵詞策略是獲得大量長尾關鍵詞流量的利器!

所以前期對關鍵詞進行有效的整理，例如對首頁核心關鍵詞，頻道關鍵詞和重點的一些關鍵詞排名進行檢測和記錄，必要時要針對專題或者單頁面進行特別的seo優化處理。

數據分析

對於基礎的數據進行記錄是第一步要做的，但那是熱身。需要對具體的數據進行更加細致的分解，看到一個網站日PV 10W，日IP 5W並不能證明太多，我們需要分析更多的維度，例如，著陸頁面的跳出率情況，直接流量與總流量對比，端到端的ROI等等。

推廣流量與自然流量要做好區分，基本上我們所談及與seo有關的流量是自然流量部分，推廣流量中有直接流量，自然流量中也含有直接流量，這勢必造成數據上的誤導與混淆;所以要安裝監控代碼識別出來，必要的時候要使用第三方的數據分析工具（如GA.99click旗下的siteflow）。

網站易用性分析

你要了解網站如何呈現給用戶的，因為一切seo都是站在用戶角度，而不是你的角度，所以網站體驗非常重要。尤其對於一個電子商務網站來說，用戶體驗就是重中之重了。作為電商網站的運營或者seo來說，易用性體現在網站具有清晰的導航系統，方便的搜索系統與醒目的引導系統。三大系統結合起來，會使用戶有「流連忘返」的感覺。

用戶分析的主要目的

• 把握網站整體布局顏色等。

• 分析用戶行為數據進行網站調整。

• 掌握大多數網站用戶心理。

• 網站用戶行為策劃。

• 思維活躍，隨時根據用戶與改變。

通過對用戶行為監測獲得的數據進行分析，可以讓企業更加詳細、清楚地了解用戶的行為習慣，從而找出網站、推廣渠道等企業營銷環境存在的問題，有助於企業發掘高轉化率頁面，讓企業的營銷更加精準、有效，提高業務轉化率，從而提升企業的廣告收益，實現銷量的提升。

『玖』 移動營銷6A法則啊偶不是一個愛學習的人，所以總是在同事侃侃而談的時候受鄙視。求營銷高手指

6A法則是由「百分通聯」首創的移動營銷法則，即（貼身、關注、可衡量、整合、互動、精準），跟百分通聯有過合作的，我想只有將移動營銷做到極致的公司才能中總結這樣的經典模型吧。6A法則在實戰運用中是這樣的：目標客戶價值層面，通過洞察其興趣度、分布的地域及消費行為軌跡，建立實時化的溝通渠道，形成貼身、高效的溝通氛圍，吸引主動關注；在廣告平台價值層面，通過整合多種媒介和媒體資源，奠定多方利益共贏的基礎，使廣告平台的商業價值和應用價值達到可衡量和協同化；在廣告主的營銷價值層面，通過增強廣告投放的精準度、提高媒體的性價比節約廣告費用、廣告效果分析，達到更具表現力和價值交流的傳播，把廣告主的每一分錢都花在刀刃上。

『拾』 數據分析的方向都有哪些

數據分析有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。

01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。

02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。

03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。

06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。