大数据会员营销案例

A. 大数据营销的主要用途有哪些

这里先说下什么是大数据。大数据营销是指基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。
大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。
大数据营销的主要用途
1.基于用户的需求定制改善产品。消费者在有意或无意中留下的信息数据作为其潜在需求的体现是企业定制改善产品的一项有力根据。ZARA公司内部的全球资讯网络会定期把从各分店收集到的顾客意见和建议汇总并传递给总部的设计人员，然后由总部作出决策后再立刻将新的设计传送到生产线，直到最终实现“数据造衣”的全过程。利用这一点ZARA作为一个标准化与本土化战略并行的公司，还分析出了各地的区域流行色并在保持其服饰整体欧美风格不变的大前提下做出了最靠近客户需求的市场区隔。同样，在ZARA的网络商店内，消费者意见也作为一项市场调研大数据参与企业产品的研发和生产，且由此映射出的前沿观点和时尚潮流还让“快速时尚”成为了ZARA的品牌代名词。
2.开展精准的推广活动。基于数据的精准推广活动可大致分为三类:
首先，企业作为其产品的经营者可以通过大数据的分析定位到有特定潜在需求的受众人群并针对这一群体进行有效的定向推广以达到刺激消费的目的。红米手机在QQ空间上的首发就是一项成功的“大数据找人”精准营销案例。通过对海量用户的行为泡括点赞、关注相关主页等)和他们的身份信息泡括年龄、教育程度、社交圈等)进行筛选后，公司从6亿Q
cone用户中选出了5000万可能对红米手机感兴趣的用户作为此次定向投放广告和推送红米活动的目标群体并最终预售成功。
其次，针对既有的消费者，企业可以通过用户的行为数据分析他们各自的购物习惯并按照其特定的购物偏好、独特的购买倾向加以一对一的定制化商品推送。Turge佰货的促销手册、沃尔玛的建议购买清单、亚马逊的产品推荐页无一不是个性化产品推荐为企业带来可预测销售额的体现。
最后，企业可以依据既有消费者各自不同的人物特征将受众按照“标签”细分(如“网购达人”)，再用不同的侧重方式和定制化的活动向这些类群进行定向的精准营销。对于价格敏感者，企业需要适当地推送性价比相对较高的产品并加送一些电子优惠券以刺激消费:而针对喜欢干脆购物的人，商家则要少些干扰并帮助其尽快地完成购物。
3.维系客户关系。召回购物车放弃者和挽留流失的老客户也是一种大数据在商业中的应用。中国移动通过客服电话向流失到联通的移动老客户介绍最新的优惠资讯:餐厅通过会员留下的通讯信息向其推送打折优惠券来提醒久不光顾的老客户消费;Youtube根据用户以往的收视习惯确定近期的互动名单并据此发送给可能濒临流失的用户相关邮件以提醒并鼓励他们重新回来观看。大数据帮助企业识别各类用户，而针对忠诚度各异的消费者实行“差别对待”和“量体裁衣”是企业客户管理中一项重要的理念基础。

B. 大数据营销是什么

大数据来（big data），指无法在一定时源间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）,平台有hadoop

C. 大数据营销的契机

第一，用户行为与特征分析。只有积累足够的用户数据，才能分析出用户的喜好与购买习惯，甚至做到“比用户更了解用户自己”。这一点，才是许多大数据营销的前提与出发点。
第二，精准营销信息推送支撑。精准营销总在被提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。。
第三，引导产品及营销活动投用户所好。如果能在产品生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可投其所好。
第四，竞争对手监测与品牌传播。竞争对手在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。品牌传播的有效性亦可通过大数据分析找准方向。例如，可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。
第五，品牌危机监测及管理支持。新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。
第六，企业重点客户筛选。许多企业家纠结的事是：在企业的用户、好友与粉丝中，哪些是最有价值的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。
第七，大数据用于改善用户体验。要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。例如，在大数据时代或许你正驾驶的汽车可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或4S店预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。事实上，美国的UPS快递公司早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理。
第八，SCRM中的客户分级管理支持。面对日新月异的新媒体，许多企业通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。
第九，发现新市场与新趋势。基于大数据的分析与预测，对于企业家提供洞察新市场与把握经济走向都是极大的支持。
第十，市场预测与决策分析支持。对于数据对市场预测及决策分析的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与数据挖掘提出了新要求。更全面、速度更及时的大数据，必然对市场预测及决策分析进一步上台阶提供更好的支撑。似是而非或错误的、过时的数据对决策者是灾难。

D. 大数据对营销有什么价值和意义

数据营销助力广告主赢在行业起跑线，MobTech以数据为基础，深度洞察用户行为需求，锁定精准用户群体，制定个性化的用户沟通策略，数据驱动营销。

E. 有用过大数据营销的朋友没什么行业都可以抓取么

这里先说下什么是大数据。大数据营销是指基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。
大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。
大数据营销的主要用途
1.基于用户的需求定制改善产品。消费者在有意或无意中留下的信息数据作为其潜在需求的体现是企业定制改善产品的一项有力根据。ZARA公司内部的全球资讯网络会定期把从各分店收集到的顾客意见和建议汇总并传递给总部的设计人员，然后由总部作出决策后再立刻将新的设计传送到生产线，直到最终实现“数据造衣”的全过程。利用这一点ZARA作为一个标准化与本土化战略并行的公司，还分析出了各地的区域流行色并在保持其服饰整体欧美风格不变的大前提下做出了最靠近客户需求的市场区隔。同样，在ZARA的网络商店内，消费者意见也作为一项市场调研大数据参与企业产品的研发和生产，且由此映射出的前沿观点和时尚潮流还让“快速时尚”成为了ZARA的品牌代名词。
2.开展精准的推广活动。基于数据的精准推广活动可大致分为三类:
首先，企业作为其产品的经营者可以通过大数据的分析定位到有特定潜在需求的受众人群并针对这一群体进行有效的定向推广以达到刺激消费的目的。红米手机在QQ空间上的首发就是一项成功的“大数据找人”精准营销案例。通过对海量用户的行为泡括点赞、关注相关主页等)和他们的身份信息泡括年龄、教育程度、社交圈等)进行筛选后，公司从6亿Q
cone用户中选出了5000万可能对红米手机感兴趣的用户作为此次定向投放广告和推送红米活动的目标群体并最终预售成功。
其次，针对既有的消费者，企业可以通过用户的行为数据分析他们各自的购物习惯并按照其特定的购物偏好、独特的购买倾向加以一对一的定制化商品推送。Turge佰货的促销手册、沃尔玛的建议购买清单、亚马逊的产品推荐页无一不是个性化产品推荐为企业带来可预测销售额的体现。
最后，企业可以依据既有消费者各自不同的人物特征将受众按照“标签”细分(如“网购达人”)，再用不同的侧重方式和定制化的活动向这些类群进行定向的精准营销。对于价格敏感者，企业需要适当地推送性价比相对较高的产品并加送一些电子优惠券以刺激消费:而针对喜欢干脆购物的人，商家则要少些干扰并帮助其尽快地完成购物。
3.维系客户关系。召回购物车放弃者和挽留流失的老客户也是一种大数据在商业中的应用。中国移动通过客服电话向流失到联通的移动老客户介绍最新的优惠资讯:餐厅通过会员留下的通讯信息向其推送打折优惠券来提醒久不光顾的老客户消费;Youtube根据用户以往的收视习惯确定近期的互动名单并据此发送给可能濒临流失的用户相关邮件以提醒并鼓励他们重新回来观看。大数据帮助企业识别各类用户，而针对忠诚度各异的消费者实行“差别对待”和“量体裁衣”是企业客户管理中一项重要的理念基础。

F. 大数据对品牌营销究竟有什么用

九一数榜认为：对品牌数字资产的全面掌控能力

在数据驱动营销的时代企业品牌应重新定义为“消费者意识中的感知与互联网活跃内容的集合，而企业品牌在互联网上活跃内容的集合就是企业品牌互联网数字资产”。对任何一个企业品牌来说，它的域名、官方网站、logo、搜索引擎的品牌专区、网络新闻、网络图片、官方微博、公众号、直达号、贴吧、APP、小程序、H5、微视频、网店等等，甚至是奖励给用户的积分，都属于企业品牌互联网数字资产的范畴。广义上讲，企业品牌互联网数字资产则是企业在数字化经济时代所拥有的核心竞争力资源，即是否能支撑企业持续发展、促进企业快速创新、实现企业品牌永续的能力。 品牌经理人能否全面掌握这些数据并能分析数据显得尤为重要，全世界所有的资产，只有一个资产越用越有价值，它就是数据资产。因为它的产生和业务之间是若即若离的关系，你不用数据它就变成了一堆数字，如果你用，这个数字越多，对应的数字资产就越有价值。

在对品牌营销数据的积累上，上市公司经过多年的品牌积累已经形成了品牌互联网数字资产，它有赖于两个维度的拓展：一是垂直纵深数据的收集，二是更为广泛的全域数据的收集。企业需要把“泛数据”进行过滤、筛选、洗涤，从而才能找到最核心有效的数据进行运用，这就需要上市公司品牌经理人学会利用已有的品牌大数据资产（九一数榜）。

G. 什么是大数据营销

1、大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联内网广告行业的营销方式。大数容据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。
2、大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。

H. 大数据营销究竟该怎么做

1、数据层：采集和处理数据
传统采集数据的过程一般是有限的、有意识的、结构化的进行数专据采集，例属如问卷调研的形式。你能采集到的数据一定是你能设想到的情况。数据的结构化较好。一般的数据库Mysql甚至Excel就能满足数据处理过程。
2、业务层：建模分析数据
使
用的数据分析模型，例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法，传统数据和大数据的做法差别不大，例如银行、通信运营商、零售
商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。但是由于数据量的极大扩增，算法也获得极大优化提升的空间。
3、应用层：解读数据
数据指导营销最重要的是解读。
传统一般是定义营销问题之后，采集对应的数据，然后根据确定的建模或分析框架，数据进行分析，验证假设，进行解读。解读的空间是有限的。
而大数据提供了一种可能性，既可以根据营销问题，封闭性地去挖掘对应数据进行验证，也可以开放性地探索，得出一些可能与常识或经验判断完全相异的结论出来。可解读的点变得非常丰富。

I. 大数据营销是什么意思

多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等数据[1] 。
强调时效性[2] ：在网络时代，网民的消费行为和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行营销非常重要。全球领先的大数据营销企业AdTime对此提出了时间营销策略，它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。
个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。
性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。
关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。

J. 在大数据时代，如何利用相关性做营销

另外一边，微博账号申请也需要一个邮箱地址。通常来说，同一个邮箱地址意味着航空公司里的会员和微博里的会员，应该是同一个人。公司做了一个筛选，合并出十万个用户来。 然后一家第三方公司的数据部门介入，主要任务是看这十万航空公司会员的微博用户，在社会化媒体上的行为，比如“说”些什么，比如喜欢介入什么样的话题去转发评论，比如喜欢关注什么样的商业账号。研究这类事的原因在于：这个航空公司很想知道它在社会化媒体上发起什么样的活动（以及活动所配备的礼品刺激）会吸引到这十万会员参加，成为earnedmedia。 这个案例并非严格意义上的大数据，因为数据还是不够海量。不过，它的原理和大数据营销有关：寻求相关性。 相关性不是因果，很难得出这样的结论：因为经常坐某某航空公司的班机，所以喜欢参与某某活动（反过来也不成立）。但这两个变量之间，从普遍意义上讲，存在一定的关联。这个道理就像穿红袜子和炒股票的关系，或许有一定的关联系数，但绝不是因果关系。相关搞成了因果，差不多和“迷信”就没有区别了。 但问题在于，很多人把相关等同于因果，这样的做法会形成很有些误导性的结论。比如说，当在这个十万航空公司用户中发现，他们特别喜欢某类活动，这个结论是不具有推广性质的。再新增五万航空公司微博用户时，你很难把上述那个结论也放他们头上。因为这里面没有因果关系。要确认因果关系，必须经过一个很复杂的观察和思考过程，排除所谓“隐性变量”。这不是那么简单的做一些数据分析就可以的。相关性是因果的前提，但是不等于因果。 于是，大数据出现了。 大数据寻求的是海量数据，海量到什么份上？就是全样本。全样本和抽样显然是不同的。过去的研究，由于操作性的关系，很难做到全样本，需要去抽样。抽样的科学做法是“随机”——不过这一点听着容易，做起来相当困难。真正的随机抽样需要花很多钱（利用社交网络关系，通过一个用户做问卷再发动这个用户找更多的人来做问卷，一点都不随机），而且一个无法绕过的弊端在于：如果你使用调查问卷的方法，你很难排除回答者的语言回答一定就是ta心中真正的想法或者实际上的真正行为。 大数据首先不是抽样，它获得的数据是全体样本数据，其次它不是在让用户回答问题，而是实打实地去获取用户的“行为”。用户声称对某活动会有兴趣和用户是否参加了某活动，显然后者更能说明问题。 最重要的一点，大数据分析和抽样分析的核心区别在于：前者是动态的，后者是静态的。 前文提到，随机抽样方法是成本很高的，故而它很难每天都去做一次——事实上，为某个特定的问题一个月乃至一个季度做一次随机抽样，都很难实施。于是，一个随机抽样所形成的结论，其实是静态的，它只能说明在做那次调研时的一些相关性。当有新的用户（样本）加入时，很难再说明过去的相关性是否能够成立——除非，你能找到真正的排除了各种隐形变量后的因果关系。 如果试图减少成本去做非随机抽样，那么，它的结论就更没有推广意义（学术一点称之为外部效度性，非随机抽样外部无效度）。当新用户加入后，非随机抽样的结论基本不能适用。 但大数据的分析却是动态的，每秒都有可能产生一个新的结论。让我们用最常见的亚马逊页面上的“购买此商品的顾客也同时购买”来举例。 这个部分里的商品是活动的，由于新购买的产生，会导致这个模块里的商品可能会产生变化。不过，这个模块也有可能是导致商品集中化购买的重要原因：用户看到了这个模块里推荐的商品而产生购买的可能是很大的（也许ta本来就没有任何购买的念头，甚至连这个商品都不晓得）。但对于大数据来说，原因是什么一点也不重要，它要做的——至少在电子商务领域——无非是提高客单价罢了。买了A书和买了B书之间的因果研究，那是学者们的事，不是商人关心的事。 回到航空公司的具体案子来。10万同时拥有航空公司会员和微博会员的人，并非随机抽样而得，故而这10万对于整体数百万航空公司会员而言，没有代表性。但我们的目标不是想寻求坐这家航空公司班机的人和参与某网络活动的因果关系，我们只是想提升一下参与活动概率并希望看到更多人会去转发某个活动罢了。故而，10万微博用户，够了。 在某一个时点，跑了一下数据，大致能看到一些相关性，于是我们开始设计某种活动，并有针对性地让这10万微博用户知道，这次获得的参与度和转发率，比毫无数据支撑背景下的胡乱策划，成功率应该会高一点。同样的人力投入，得到了相对而言的较高效果，这就是数据分析的好处。 过了三个月后，又有需要策划的活动，注意，这一次依然需要再跑一次数据。因为样本可能不是只有10万了，也许15万，也许运气不好有2万微博用户已经“死亡”，只剩8万。另外一个可能是有某些新的外部变量加入，比如出来一种新的商品让很多人趋之若鹜高度关注。这个时候拿上一次的数据来指导策划，又是盲人骑瞎马，夜半临深渊了。 不同的时点，或者目标不同的活动，都需要再次跑数据，这可能是大数据分析的麻烦之处。不过，计算机的长处就是计算，花上一两个小时设计几个公式或模型，相对于过去动不动要搞随机抽样，便利性提高很多倍，值得尝试。 更宏大一点的就是真正意义上的“大数据”了。今年年头互联网圈阿里要并购新浪微博，从商业逻辑上讲，一个是中国最大的消费平台，一个是中国最大的碎片化言论平台，两者数据的合并，是颇能挖出更多的相关性来。 广告圈里一句名言：我知道我的广告浪费了一半，但我不知道浪费了哪一半。一些营销业者鼓吹说他们可以让你不浪费那一半。不要相信他们。对于广告来说，从浪费50%到浪费49%，都是很值得去投入的事。建立在相关性而非因果上的大数据营销，不可能让广告主从此不再浪费广告，它只能做到：浪费得少一点。