大數據會員營銷案例

A. 大數據營銷的主要用途有哪些

這里先說下什麼是大數據。大數據營銷是指基於多平台的大量數據，依託大數據技術的基礎上，應用於互聯網廣告行業的營銷方式。大數據營銷衍生於互聯網行業，又作用於互聯網行業。依託多平台的大數據採集，以及大數據技術的分析與預測能力，能夠使廣告更加精準有效，給品牌企業帶來更高的投資回報率。
大數據營銷的核心在於讓網路廣告在合適的時間，通過合適的載體，以合適的方式，投給合適的人。
大數據營銷的主要用途
1.基於用戶的需求定製改善產品。消費者在有意或無意中留下的信息數據作為其潛在需求的體現是企業定製改善產品的一項有力根據。ZARA公司內部的全球資訊網路會定期把從各分店收集到的顧客意見和建議匯總並傳遞給總部的設計人員，然後由總部作出決策後再立刻將新的設計傳送到生產線，直到最終實現「數據造衣」的全過程。利用這一點ZARA作為一個標准化與本土化戰略並行的公司，還分析出了各地的區域流行色並在保持其服飾整體歐美風格不變的大前提下做出了最靠近客戶需求的市場區隔。同樣，在ZARA的網路商店內，消費者意見也作為一項市場調研大數據參與企業產品的研發和生產，且由此映射出的前沿觀點和時尚潮流還讓「快速時尚」成為了ZARA的品牌代名詞。
2.開展精準的推廣活動。基於數據的精準推廣活動可大致分為三類:
首先，企業作為其產品的經營者可以通過大數據的分析定位到有特定潛在需求的受眾人群並針對這一群體進行有效的定向推廣以達到刺激消費的目的。紅米手機在QQ空間上的首發就是一項成功的「大數據找人」精準營銷案例。通過對海量用戶的行為泡括點贊、關注相關主頁等)和他們的身份信息泡括年齡、教育程度、社交圈等)進行篩選後，公司從6億Q
cone用戶中選出了5000萬可能對紅米手機感興趣的用戶作為此次定向投放廣告和推送紅米活動的目標群體並最終預售成功。
其次，針對既有的消費者，企業可以通過用戶的行為數據分析他們各自的購物習慣並按照其特定的購物偏好、獨特的購買傾向加以一對一的定製化商品推送。Turge佰貨的促銷手冊、沃爾瑪的建議購買清單、亞馬遜的產品推薦頁無一不是個性化產品推薦為企業帶來可預測銷售額的體現。
最後，企業可以依據既有消費者各自不同的人物特徵將受眾按照「標簽」細分(如「網購達人」)，再用不同的側重方式和定製化的活動向這些類群進行定向的精準營銷。對於價格敏感者，企業需要適當地推送性價比相對較高的產品並加送一些電子優惠券以刺激消費:而針對喜歡乾脆購物的人，商家則要少些干擾並幫助其盡快地完成購物。
3.維系客戶關系。召回購物車放棄者和挽留流失的老客戶也是一種大數據在商業中的應用。中國移動通過客服電話向流失到聯通的移動老客戶介紹最新的優惠資訊:餐廳通過會員留下的通訊信息向其推送打折優惠券來提醒久不光顧的老客戶消費;Youtube根據用戶以往的收視習慣確定近期的互動名單並據此發送給可能瀕臨流失的用戶相關郵件以提醒並鼓勵他們重新回來觀看。大數據幫助企業識別各類用戶，而針對忠誠度各異的消費者實行「差別對待」和「量體裁衣」是企業客戶管理中一項重要的理念基礎。

B. 大數據營銷是什麼

大數據來（big data），指無法在一定時源間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）,平台有hadoop

C. 大數據營銷的契機

第一，用戶行為與特徵分析。只有積累足夠的用戶數據，才能分析出用戶的喜好與購買習慣，甚至做到「比用戶更了解用戶自己」。這一點，才是許多大數據營銷的前提與出發點。
第二，精準營銷信息推送支撐。精準營銷總在被提及，但是真正做到的少之又少，反而是垃圾信息泛濫。究其原因，主要就是過去名義上的精準營銷並不怎麼精準，因為其缺少用戶特徵數據支撐及詳細准確的分析。。
第三，引導產品及營銷活動投用戶所好。如果能在產品生產之前了解潛在用戶的主要特徵，以及他們對產品的期待，那麼你的產品生產即可投其所好。
第四，競爭對手監測與品牌傳播。競爭對手在干什麼是許多企業想了解的，即使對方不會告訴你，但你卻可以通過大數據監測分析得知。品牌傳播的有效性亦可通過大數據分析找准方向。例如，可以進行傳播趨勢分析、內容特徵分析、互動用戶分析、正負情緒分類、口碑品類分析、產品屬性分布等，可以通過監測掌握競爭對手傳播態勢，並可以參考行業標桿用戶策劃，根據用戶聲音策劃內容，甚至可以評估微博矩陣運營效果。
第五，品牌危機監測及管理支持。新媒體時代，品牌危機使許多企業談虎色變，然而大數據可以讓企業提前有所洞悉。在危機爆發過程中，最需要的是跟蹤危機傳播趨勢，識別重要參與人員，方便快速應對。大數據可以採集負面定義內容，及時啟動危機跟蹤和報警，按照人群社會屬性分析，聚類事件過程中的觀點，識別關鍵人物及傳播路徑，進而可以保護企業、產品的聲譽，抓住源頭和關鍵節點，快速有效地處理危機。
第六，企業重點客戶篩選。許多企業家糾結的事是：在企業的用戶、好友與粉絲中，哪些是最有價值的用戶？有了大數據，或許這一切都可以更加有事實支撐。從用戶訪問的各種網站可判斷其最近關心的東西是否與你的企業相關；從用戶在社會化媒體上所發布的各類內容及與他人互動的內容中，可以找出千絲萬縷的信息，利用某種規則關聯及綜合起來，就可以幫助企業篩選重點的目標用戶。
第七，大數據用於改善用戶體驗。要改善用戶體驗，關鍵在於真正了解用戶及他們所使用的你的產品的狀況，做最適時的提醒。例如，在大數據時代或許你正駕駛的汽車可提前救你一命。只要通過遍布全車的感測器收集車輛運行信息，在你的汽車關鍵部件發生問題之前，就會提前向你或4S店預警，這決不僅僅是節省金錢，而且對保護生命大有裨益。事實上，美國的UPS快遞公司早在2000年就利用這種基於大數據的預測性分析系統來檢測全美60000輛車輛的實時車況，以便及時地進行防禦性修理。
第八，SCRM中的客戶分級管理支持。面對日新月異的新媒體，許多企業通過對粉絲的公開內容和互動記錄分析，將粉絲轉化為潛在用戶，激活社會化資產價值，並對潛在用戶進行多個維度的畫像。大數據可以分析活躍粉絲的互動內容，設定消費者畫像各種規則，關聯潛在用戶與會員數據，關聯潛在用戶與客服數據，篩選目標群體做精準營銷，進而可以使傳統客戶關系管理結合社會化數據，豐富用戶不同維度的標簽，並可動態更新消費者生命周期數據，保持信息新鮮有效。
第九，發現新市場與新趨勢。基於大數據的分析與預測，對於企業家提供洞察新市場與把握經濟走向都是極大的支持。
第十，市場預測與決策分析支持。對於數據對市場預測及決策分析的支持，過去早就在數據分析與數據挖掘盛行的年代被提出過。沃爾瑪著名的「啤酒與尿布」案例即是那時的傑作。只是由於大數據時代上述Volume（規模大）及Variety（類型多）對數據分析與數據挖掘提出了新要求。更全面、速度更及時的大數據，必然對市場預測及決策分析進一步上台階提供更好的支撐。似是而非或錯誤的、過時的數據對決策者是災難。

D. 大數據對營銷有什麼價值和意義

數據營銷助力廣告主贏在行業起跑線，MobTech以數據為基礎，深度洞察用戶行為需求，鎖定精準用戶群體，制定個性化的用戶溝通策略，數據驅動營銷。

E. 有用過大數據營銷的朋友沒什麼行業都可以抓取么

這里先說下什麼是大數據。大數據營銷是指基於多平台的大量數據，依託大數據技術的基礎上，應用於互聯網廣告行業的營銷方式。大數據營銷衍生於互聯網行業，又作用於互聯網行業。依託多平台的大數據採集，以及大數據技術的分析與預測能力，能夠使廣告更加精準有效，給品牌企業帶來更高的投資回報率。
大數據營銷的核心在於讓網路廣告在合適的時間，通過合適的載體，以合適的方式，投給合適的人。
大數據營銷的主要用途
1.基於用戶的需求定製改善產品。消費者在有意或無意中留下的信息數據作為其潛在需求的體現是企業定製改善產品的一項有力根據。ZARA公司內部的全球資訊網路會定期把從各分店收集到的顧客意見和建議匯總並傳遞給總部的設計人員，然後由總部作出決策後再立刻將新的設計傳送到生產線，直到最終實現「數據造衣」的全過程。利用這一點ZARA作為一個標准化與本土化戰略並行的公司，還分析出了各地的區域流行色並在保持其服飾整體歐美風格不變的大前提下做出了最靠近客戶需求的市場區隔。同樣，在ZARA的網路商店內，消費者意見也作為一項市場調研大數據參與企業產品的研發和生產，且由此映射出的前沿觀點和時尚潮流還讓「快速時尚」成為了ZARA的品牌代名詞。
2.開展精準的推廣活動。基於數據的精準推廣活動可大致分為三類:
首先，企業作為其產品的經營者可以通過大數據的分析定位到有特定潛在需求的受眾人群並針對這一群體進行有效的定向推廣以達到刺激消費的目的。紅米手機在QQ空間上的首發就是一項成功的「大數據找人」精準營銷案例。通過對海量用戶的行為泡括點贊、關注相關主頁等)和他們的身份信息泡括年齡、教育程度、社交圈等)進行篩選後，公司從6億Q
cone用戶中選出了5000萬可能對紅米手機感興趣的用戶作為此次定向投放廣告和推送紅米活動的目標群體並最終預售成功。
其次，針對既有的消費者，企業可以通過用戶的行為數據分析他們各自的購物習慣並按照其特定的購物偏好、獨特的購買傾向加以一對一的定製化商品推送。Turge佰貨的促銷手冊、沃爾瑪的建議購買清單、亞馬遜的產品推薦頁無一不是個性化產品推薦為企業帶來可預測銷售額的體現。
最後，企業可以依據既有消費者各自不同的人物特徵將受眾按照「標簽」細分(如「網購達人」)，再用不同的側重方式和定製化的活動向這些類群進行定向的精準營銷。對於價格敏感者，企業需要適當地推送性價比相對較高的產品並加送一些電子優惠券以刺激消費:而針對喜歡乾脆購物的人，商家則要少些干擾並幫助其盡快地完成購物。
3.維系客戶關系。召回購物車放棄者和挽留流失的老客戶也是一種大數據在商業中的應用。中國移動通過客服電話向流失到聯通的移動老客戶介紹最新的優惠資訊:餐廳通過會員留下的通訊信息向其推送打折優惠券來提醒久不光顧的老客戶消費;Youtube根據用戶以往的收視習慣確定近期的互動名單並據此發送給可能瀕臨流失的用戶相關郵件以提醒並鼓勵他們重新回來觀看。大數據幫助企業識別各類用戶，而針對忠誠度各異的消費者實行「差別對待」和「量體裁衣」是企業客戶管理中一項重要的理念基礎。

F. 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）。

G. 什麼是大數據營銷

1、大數據營銷是基於多平台的大量數據，依託大數據技術的基礎上，應用於互聯內網廣告行業的營銷方式。大數容據營銷的核心在於讓網路廣告在合適的時間，通過合適的載體，以合適的方式，投給合適的人。
2、大數據營銷衍生於互聯網行業，又作用於互聯網行業。依託多平台的大數據採集，以及大數據技術的分析與預測能力，能夠使廣告更加精準有效，給品牌企業帶來更高的投資回報率。

H. 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。

I. 大數據營銷是什麼意思

多平台化數據採集：大數據的數據來源通常是多樣化的，多平台化的數據採集能使對網民行為的刻畫更加全面而准確。多平台採集可包含互聯網、移動互聯網、廣電網、智能電視未來還有戶外智能屏等數據[1] 。
強調時效性[2] ：在網路時代，網民的消費行為和購買方式極易在短的時間內發生變化。在網民需求點最高時及時進行營銷非常重要。全球領先的大數據營銷企業AdTime對此提出了時間營銷策略，它可通過技術手段充分了解網民的需求，並及時響應每一個網民當前的需求，讓他在決定購買的「黃金時間」內及時接收到商品廣告。
個性化營銷：在網路時代，廣告主的營銷理念已從「媒體導向」向「受眾導向」轉變。以往的營銷活動須以媒體為導向，選擇知名度高、瀏覽量大的媒體進行投放。如今，廣告主完全以受眾為導向進行廣告營銷，因為大數據技術可讓他們知曉目標受眾身處何方，關注著什麼位置的什麼屏幕。大數據技術可以做到當不同用戶關注同一媒體的相同界面時，廣告內容有所不同，大數據營銷實現了對網民的個性化營銷。
性價比高：和傳統廣告「一半的廣告費被浪費掉」相比，大數據營銷在最大程度上，讓廣告主的投放做到有的放矢，並可根據實時性的效果反饋，及時對投放策略進行調整。
關聯性：大數據營銷的一個重要特點在於網民關注的廣告與廣告之間的關聯性，由於大數據在採集過程中可快速得知目標受眾關注的內容，以及可知曉網民身在何處，這些有價信息可讓廣告的投放過程產生前所未有的關聯性。即網民所看到的上一條廣告可與下一條廣告進行深度互動。

J. 在大數據時代，如何利用相關性做營銷

另外一邊，微博賬號申請也需要一個郵箱地址。通常來說，同一個郵箱地址意味著航空公司里的會員和微博里的會員，應該是同一個人。公司做了一個篩選，合並出十萬個用戶來。 然後一家第三方公司的數據部門介入，主要任務是看這十萬航空公司會員的微博用戶，在社會化媒體上的行為，比如「說」些什麼，比如喜歡介入什麼樣的話題去轉發評論，比如喜歡關注什麼樣的商業賬號。研究這類事的原因在於：這個航空公司很想知道它在社會化媒體上發起什麼樣的活動（以及活動所配備的禮品刺激）會吸引到這十萬會員參加，成為earnedmedia。 這個案例並非嚴格意義上的大數據，因為數據還是不夠海量。不過，它的原理和大數據營銷有關：尋求相關性。 相關性不是因果，很難得出這樣的結論：因為經常坐某某航空公司的班機，所以喜歡參與某某活動（反過來也不成立）。但這兩個變數之間，從普遍意義上講，存在一定的關聯。這個道理就像穿紅襪子和炒股票的關系，或許有一定的關聯系數，但絕不是因果關系。相關搞成了因果，差不多和「迷信」就沒有區別了。 但問題在於，很多人把相關等同於因果，這樣的做法會形成很有些誤導性的結論。比如說，當在這個十萬航空公司用戶中發現，他們特別喜歡某類活動，這個結論是不具有推廣性質的。再新增五萬航空公司微博用戶時，你很難把上述那個結論也放他們頭上。因為這裡面沒有因果關系。要確認因果關系，必須經過一個很復雜的觀察和思考過程，排除所謂「隱性變數」。這不是那麼簡單的做一些數據分析就可以的。相關性是因果的前提，但是不等於因果。 於是，大數據出現了。 大數據尋求的是海量數據，海量到什麼份上？就是全樣本。全樣本和抽樣顯然是不同的。過去的研究，由於操作性的關系，很難做到全樣本，需要去抽樣。抽樣的科學做法是「隨機」——不過這一點聽著容易，做起來相當困難。真正的隨機抽樣需要花很多錢（利用社交網路關系，通過一個用戶做問卷再發動這個用戶找更多的人來做問卷，一點都不隨機），而且一個無法繞過的弊端在於：如果你使用調查問卷的方法，你很難排除回答者的語言回答一定就是ta心中真正的想法或者實際上的真正行為。 大數據首先不是抽樣，它獲得的數據是全體樣本數據，其次它不是在讓用戶回答問題，而是實打實地去獲取用戶的「行為」。用戶聲稱對某活動會有興趣和用戶是否參加了某活動，顯然後者更能說明問題。 最重要的一點，大數據分析和抽樣分析的核心區別在於：前者是動態的，後者是靜態的。 前文提到，隨機抽樣方法是成本很高的，故而它很難每天都去做一次——事實上，為某個特定的問題一個月乃至一個季度做一次隨機抽樣，都很難實施。於是，一個隨機抽樣所形成的結論，其實是靜態的，它只能說明在做那次調研時的一些相關性。當有新的用戶（樣本）加入時，很難再說明過去的相關性是否能夠成立——除非，你能找到真正的排除了各種隱形變數後的因果關系。 如果試圖減少成本去做非隨機抽樣，那麼，它的結論就更沒有推廣意義（學術一點稱之為外部效度性，非隨機抽樣外部無效度）。當新用戶加入後，非隨機抽樣的結論基本不能適用。 但大數據的分析卻是動態的，每秒都有可能產生一個新的結論。讓我們用最常見的亞馬遜頁面上的「購買此商品的顧客也同時購買」來舉例。 這個部分里的商品是活動的，由於新購買的產生，會導致這個模塊里的商品可能會產生變化。不過，這個模塊也有可能是導致商品集中化購買的重要原因：用戶看到了這個模塊里推薦的商品而產生購買的可能是很大的（也許ta本來就沒有任何購買的念頭，甚至連這個商品都不曉得）。但對於大數據來說，原因是什麼一點也不重要，它要做的——至少在電子商務領域——無非是提高客單價罷了。買了A書和買了B書之間的因果研究，那是學者們的事，不是商人關心的事。 回到航空公司的具體案子來。10萬同時擁有航空公司會員和微博會員的人，並非隨機抽樣而得，故而這10萬對於整體數百萬航空公司會員而言，沒有代表性。但我們的目標不是想尋求坐這家航空公司班機的人和參與某網路活動的因果關系，我們只是想提升一下參與活動概率並希望看到更多人會去轉發某個活動罷了。故而，10萬微博用戶，夠了。 在某一個時點，跑了一下數據，大致能看到一些相關性，於是我們開始設計某種活動，並有針對性地讓這10萬微博用戶知道，這次獲得的參與度和轉發率，比毫無數據支撐背景下的胡亂策劃，成功率應該會高一點。同樣的人力投入，得到了相對而言的較高效果，這就是數據分析的好處。 過了三個月後，又有需要策劃的活動，注意，這一次依然需要再跑一次數據。因為樣本可能不是只有10萬了，也許15萬，也許運氣不好有2萬微博用戶已經「死亡」，只剩8萬。另外一個可能是有某些新的外部變數加入，比如出來一種新的商品讓很多人趨之若鶩高度關注。這個時候拿上一次的數據來指導策劃，又是盲人騎瞎馬，夜半臨深淵了。 不同的時點，或者目標不同的活動，都需要再次跑數據，這可能是大數據分析的麻煩之處。不過，計算機的長處就是計算，花上一兩個小時設計幾個公式或模型，相對於過去動不動要搞隨機抽樣，便利性提高很多倍，值得嘗試。 更宏大一點的就是真正意義上的「大數據」了。今年年頭互聯網圈阿里要並購新浪微博，從商業邏輯上講，一個是中國最大的消費平台，一個是中國最大的碎片化言論平台，兩者數據的合並，是頗能挖出更多的相關性來。 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。一些營銷業者鼓吹說他們可以讓你不浪費那一半。不要相信他們。對於廣告來說，從浪費50%到浪費49%，都是很值得去投入的事。建立在相關性而非因果上的大數據營銷，不可能讓廣告主從此不再浪費廣告，它只能做到：浪費得少一點。