蘇寧如何利用大數據進行營銷活動

⑴ 蘇寧易購通過數據分析成功實現精準營銷

在這個大數據時代，如果想要突圍而出，就一定要學會對數據進行分析，才能增加實現精準營銷的幾率，一電商大佬蘇寧易購正是藉助數據分析，成功實現面膜的精準營銷。可見，數據分析多麼重要!
據10月16日消息，日前，蘇寧易購對外宣稱，利用“MOMO節”，通過對大數據進行分析，並且向近期未購買面膜的用戶贈送禮券的優惠方式作為噱頭，在短短5天內就成功賣出300萬片面膜，成功實現精準營銷。
此外，通過此次面膜的成功營銷，更是為蘇寧易購積累了不少用戶以及數據，更進一步掌握了用戶的需求，並且將來根據這些數據來制定促銷活動的發布節點以及投入的產品類，加強提升用戶體驗，增加用戶的粘性。
蘇寧易購還表示，今次的MOMO節的靈感來源於今年的818前夕的“姨媽巾”的熱賣，除了女性的日用品以及母嬰用品之外，面膜等美妝用品也是女性的一大消費板塊，並且該類用品易消耗，重復購買率高，非常適合用作爆款來進行促銷。
有關業內分析人士表示，在如今的“她經濟”的熱潮下，蘇寧易購的男女用戶比例為6:4，如果撬動女性的消費者，刺激購買狂潮，正是成為了蘇寧易購實現精準營銷的關鍵。

⑵ 怎樣利用大數據幫助企業進行營銷管理

對企業來說，營銷不能只是表面上做數據調查這么簡單，還必須要有基於調查的分析，進而形成公司的參考資料，用數據說話。
可以通過大數據對用戶行為與特徵分析。要積累足夠的用戶數據，才能分析出用戶的喜好與購買習慣。通過大數據支撐精準營銷信息推送。現在的有大數據系統可以制定詳細准確的分析，營銷管理有更好的精準性。通過大數據讓營銷活動更能投用戶所好。捕獲用戶心理，後續的營銷活動則主要針對這些人群展開。通過大數據幫助企業篩選重點客戶，有了大數據，可以知道哪些是最有價值的用戶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。通過大數據分析更加清晰你的產品消費者的特點。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

⑶ 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。

⑷ 如何運用大數據思維進行營銷管理

大數據時代要求公司所有的部門和運營都需要以客戶為核心。企業需要一個以CRM系統為核心的數據收集系統與業務流程運作相結合。這樣才可能把公司外部客戶和內部員工圍繞業務連接起來。

企業利用CRM基於大數據思維的營銷管理方法：

基於大數據的智能化客戶關系管理
基於大數據和移動互聯等新技術，在更新視角、更深層次上，幫助銷售人員站在客戶的角度思考問題。包括客戶的價值，客戶的需求，客戶的真正目的。銷售人員可以藉助大數據平台上源源不斷的數據來源和數據分析結果成為客戶售前顧問。向客戶提供其所需要的產品詳細信息，和產品功能。

基於客戶生命周期的營銷管理
CRM通過資料庫的建立和分析，各個部門都對顧客的資料有詳細全面的了解，可以給予顧客更加個性化的服務支持和營銷設計。另外銷售自動化功能為客戶建立了強大的資料庫，再通過關鍵詞對資料庫搜索，通過區分不同的營銷對象來規劃市場活動和推動營銷層次。

部門協同合作提高效率
CRM主要包括銷售自動化、營銷管理、客戶服務和支持、客戶呼叫中心等幾個模塊。它的實質是充分發揮市場、銷售、服務三大部門的作用，並且使三個部門能充分共享客戶信息，打破各部門之間的信息堡壘的封鎖，從而使各個部門以一個企業的整體形象出現在客戶面前。

⑸ 有沒有一個有具體數據的大數據營銷案例

暫無大數抄據營銷案例。襲
目前大數據還都是剛剛興起，第一是擁有大數據的企業很少，第二是擁有大數據且具有足夠的大數據挖掘分析的人才的企業更是屈指可數，第三是大數據挖掘分析的作用在銀行、金融、政務、電商等平台起到的作用都非常大，絕大多數的精力都還放在如何提升效率和效益上，能用於營銷的精力真的很少。

⑹ 企業管理培訓：企業如何利用大數據進行市場營銷

現在的營銷市場是一個高速發展的市場
科技發達，信息流通量大
人們之間的網內絡容互動越來越多
存在於網路上的數據也越來越多
大數據信息採集逐漸被企業應用到營銷活動中
對於企業而言
利用這些大數據信息採集對行業競爭起到至關重要的作用
企業通過相關的大數據信息採集
可以降低營銷成本、提高營銷效率、及時調整營銷方案等
以雲速數據挖掘為例
通過輸入行業關鍵字
就能夠在指定區域搜索到有效的客戶信息
將這些信息分類標記後
再以一鍵推廣的方式將產品信息直接觸達客戶端
節省了大量尋找客戶和拓展渠道的時間
大大推進了企業的營銷進程

⑺ 大數據時代的營銷怎麼做

大數據時代的營銷怎麼做？

大數據時代的營銷怎麼做？各公司在大數據方面出手闊綽。首席營銷官調查網站（The CMO Survey）報道稱，目前大約有5.5%的營銷預算用於營銷分析，這個數字將在未來3年內增加到8.7%。大家的期望值很高，許多公司正試圖弄清楚如何破譯數據，從中獲得卓越的戰略見解。
我非常支持這種獲取和利用數據來推動決策的趨勢。然而，這也是問題所在。隨著數據量的增長，企業的數據利用率越來越低。我首先在2012年2月提出了如下問題：「在你的公司作出決策前，對現有或者索取的營銷分析數據加以利用的項目佔多大比例？」得到的結果是37%，當時我覺得這個比例太低。但當我在2013年8月提出同樣的問題時，比例降至29%。圖1顯示了這個比例在過去18個月里持續下降。
但這個調查結果並非完全出人意料。回顧30年來相關調查的歷史，數據利用率始終偏低，很多種類的營銷信息都是如此，包括營銷調研、廣告調研和現在的社交媒體調研。這種偏低的營銷分析數據利用率妨礙了大數據對利潤的貢獻。
妨礙有多大？有些人可能會說，營銷分析等各種市場情報的最終衡量標準是能否增進企業對客戶的了解。首席營銷官調查網站請頂級營銷人員對他們公司在「獲得和利用對客戶的深入見解」方面的表現打分。滿分為5分，1分是糟糕，2分是尚可，3分是普通，4分是良好，5分是優秀。回顧過往得分，結果顯示仍然處於普通水平（2013年8月為3.4分，2012年2月為3.5分，2009年8月為3.5分）。因此，即使用於營銷分析的花費增多，但我們並未看到對客戶的深入見解有所提高。
企業應該怎麼做？首先，管理人員必須以終為始。上市計劃、創造需求的活動和銷售活動必須包括關於哪些數據應該收集以及如何利用它們的具體說明。當計劃和策略中植入了大數據方案的時候，偏低的利用率可能會上升。
其次，企業必須花錢培訓管理人員，讓他們知道如何利用營銷分析來獲得洞察力、推動決策、實施策略和評估他們已經採取的行動。正是出於這個原因，我們在福庫商學院（Fuqua）教授「市場情報」課程，專注於信息的「使用」而非「創造」。企業必須更加重視市場分析的應用部分。機構和咨詢公司可以提供這類培訓。
第三，企業必須找到和留住那些能夠充分利用市場分析的合適人才。當問及「你的公司在多大程度上擁有能夠充分利用市場分析的合適人才？」時（1分為沒有合適的人才，7分為有合適的人才），僅僅3.4%的受訪者給自己的公司打了7分，56%的人打了低於平均水平的分數。圖2顯示了完整的分數分布情況（平均分為3.4分，標准偏差為1.7分）。

⑻ 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。