
如何10分钟装扮成大数据营销专家?
现在参加个活动,如果听不到“大数据”、“大数据营销”这类词,说明你混的不是互联网圈子,不够前沿,要注意革命形象了。
这里有一种快速打入圈子的方式,能让你短时效地装一下。你花10分钟时间就能准备好。
首先要花记住几个词:跨屏、精准、RTB、程序化购买、定向……然后说出来,是否觉得比以前的4P、4C等等更有面子?
剩下的,就需要化繁为简、迅速了解几种主流的大数据营销模式。熟悉了它们,就有了判断一家企业是否具备大数据营销能力的标准。这里介绍四种主流模式,分别是互渗关联模式、精准定向模式、动态调整模式、粉丝引爆器模式。
听起来有点膈应。不过,当你明白了它们分别对应的互联网企业后,就能体会到理解这些实在很从容。
不过,提醒一下,这只能让你装10分钟。之后你应该赶快离开现场,苦心修炼。因为我也就知道这么多。
海外三种大数据营销主流模式
先说互渗关联模式,它是亚马逊的菜。基本逻辑如此这般:看到A,联想到B,然后从数据中能找到直接关联。
你应知道沃尔玛“啤酒+尿布”的案例。过去,很多美国新爸爸为孩子买尿布时,总喜欢顺手带走几瓶啤酒……互渗关联形成的案例,成就了传统零售业的一个营销经典。
这模式后来被亚马逊复制。《大数据时代》一书曾记录,1994年,贝索斯创办公司伊始,便组建一个20人内容团队,专门写书评、推荐关联新书,促进交易。但随着书籍数量和网站规模放大,这种人工方式无法适应,个性推荐系统诞生。
最初效果不好,因为依托的是用户间关联。本质上推荐的是人。那时移动互联网不发达,这一维度很粗放。书评家詹姆斯•马库斯评价说,总让他“和一群脑残一起逛书店”。
亚马逊后来转变思路,将关联对象由用户变为商品,奠定了“从商品到商品”的个性推荐基调。这比“从用户到用户”要精细,因为系统中商品标签丰富,也是计算与推荐的目标。它可以提前分析产品间关联,避免推荐的“冷启动”,及时产生有效的结果。
则是精准定向模式践行者。这模式有DSP的影子,就是从一个大用户群里找到最想要的A,推送给品牌方,同时也让这群人接受他们的朋友可能感兴趣的内容,带有强烈的社交属性。
FB选择的范围,就是自己的13亿多用户。后者的喜好、购物历史、社交关系等信息,都是掘金利器。比如通过复杂分析,FB可帮一家企业锁定一些购买过与它类似商品的消费者,进而推荐、说服他们也选择购买这家企业的商品。
扎克伯格曾在F8 Keynote上提过一个名为Open Graph Protocol的标准,后者可将网上所有原始数据打上独特标签。当你在FB上分享了亚马逊一本书,系统会将目录、作者等信息回传,形成复杂数据关联,随后FB就能为你推送其他内容与广告服务。
谷歌当然不能错过。它可是全球互联网广告巨头。它的大数据营销模式可称为“动态调整模式”。比如你要推A,但实际应用场景中,数据反馈结果是B比A更受欢迎,平台迅速调整计划改推B。
这种即时、高效与谷歌基于搜索建立的服务有关。每次使用它的搜索,停留时长、浏览内容不同,重新搜索时,系统就会给呈现不同结果。
最后一种模式,也即“粉丝爆炸器”,对应的是一家中国平台——阿里妈妈。或许你不知道,它是阿里集团旗下互联网广告平台、集团现金奶牛。
“粉丝爆炸器”模式的逻辑是:在大量用户群中选择一组特定种子用户群,然后根据商家的诉求引爆,引发更大的用户倍增效应。
商家的痛点在于,如何在客户首次购买前建立一种联系。相对已成客户的人群规模——一家中型电商每月可能有上万,尚未成为客户的人群规模可能高达几亿。如何从上亿的潜在客户中找到最具价值的种子人群,正是商家致胜的关键。
这也正是阿里妈妈“粉丝爆炸器”模式的价值。当然它并非孤立要素,而是建立在阿里妈妈达摩盘(DMP)基础上,后者是2014年整合推出的大数据大数据管理平台。达摩盘能帮商家很快找到店铺或品牌的一批最忠实的用户,也即种子用户。Lookalike模型则负责找到与这些种子用户相似的更大群体,然后爆炸式复制、扩散。
这个过程中,规模和效果可在模型中找到平衡点,实现量化营销。比如某商家有10万种子用户,通过Lookalike可扩展到10倍、20倍甚至30倍。但规模扩大时ROI指标可能衰减,这时他可选择能接受的ROI范围,主动平衡精准触达的规模。
与沃尔玛“啤酒+尿布”的逻辑不同,“粉丝爆炸器”侧重的是人的综合维度,尤其消费行为特征,而不是商品与服务的关联。如果只考虑后者,新爸爸买啤酒后,系统未来可能会推荐给他红酒或其他饮料,而“粉丝爆炸器”则会推荐除了尿布之外的奶粉、婴儿护肤品、产后保养品等。
模式辨析:阿里妈妈“粉丝爆炸器”能胜出吗?
四种大数据营销模式有没有高下之分?
我觉得不能在单一维度上对比。它们诞生的基础,与对应企业的核心主业密切相关。需要结合它们的商业模式来看未来的适应能力,尤其要关注它们的数据.
以谷歌为例。谷歌堪称全球最能赚钱的互联网广告巨头,几乎已成美国传统媒体的梦魇。2015年Q3 ,谷歌Alphabet营收187亿美元,广告营收占比近90%。
它的大数据营销,建立在它的搜索主业基础上。通用搜索意味着它能覆盖广泛、基础性的用户与信息需求,它让谷歌从一开始就能把握用户的各种行为、决策。
2005年以来,谷歌连续收购了近120个大小项目,覆盖操作系统、广告、分享、社交、地图、流媒体、桌面和移动、硬件等,持续增强了大数据挖掘、方案营销、跨屏分发的能力,但本质上,它仍是一家以搜索为根基的互联网广告公司。
谷歌有庞大的数据,用户行为信息丰富,技术更擅长,谁想挑战它的技术能力,都很困难。但动态调整模式短板在于,用户画像粗糙,许多并不真实,谷歌擅长提供决策,但转化为交易很难。谷歌10年来不断并购技术,强化了数据挖掘、分析、分发能力,但交易缺失,导致移动互联网时代场景构建吃力。
谷歌的难处,你从中国百度身上也看出。
FB精准定向模式当然得益于社交属性、强大的触达力、个性化推荐能力。Facebook用户高达13亿,用户注册资料相对真实,它比谷歌具有精准、定向服务的条件。而社交网络的属性,在场景构建上具有天然优势。所谓场景,就是人与人、人与服务之间的个性关系链。这一优势,有利于FB平台生成个性化、人性化的故事,将广告转化为内容,更适合产品营销。有时能将广告推送至从来不打开电视看广告的客户群面前。
但FB平台的社交属性,决定了精准定向的短板。它会持续削弱平台体验。频繁的广告会让社交平台沦为垃圾站,从而影响品牌厂家的投放。虽然FB拥有近200万广告主,但绝大多数仍是小型公司。
FB的模式精准,也有它的边界。过去一年,FB也在小心翼翼地涉足交易环节,但不可能有太大成效。与之类似的是中国多家社交平台的变现。包括微信、QQ、陌陌在内,它们遭遇着同样的考验。
亚马逊20%~30%的销售额,都通过关联模式获取,相当了不起。它体现了场景定义、方案营销能力。这得益于平台数据的历史纵深度、用户画像的多维与准确度、丰富的商品品类等。其中,用户交易信息是整个数据资源里最核心的部分,它比其他所谓大数据更真实,具有更大的挖掘价值。而平台强烈的交易属性,能让它很轻松地化解谷歌、FB两种模式缺乏的转化难题。
亚马逊模式另一支撑是强烈的媒体属性。除了附属网站、移动端入口(移动广告联盟网络、软硬件一体的入口Kindle等)、Amazon Media Group之外,亚马逊在出版、流媒体、电影等领域布局较早,而且创始人贝索斯还主持收购了《华盛顿邮报》等媒体资源,这为它的大数据营销提供了多重媒介方案。
但亚马逊的模式,技术门槛不高。之所以有效,主要在于它的持续资本投入、平台历史久、数据积累更丰富。
相比它们,阿里妈妈因属于阿里集团旗下子品牌,感觉有些单薄。但实际上,它却是阿里集团的现金牛,占据着整体营收的半壁江山。若以2015财年总营收122.93亿美元计,阿里妈妈已是61.5亿美元体量。
如果只分析“粉丝爆炸器”的逻辑,难以看出阿里妈妈真正的竞争力。我们要把它置入整个阿里集团的土壤中区。事实上,阿里妈妈兼容了上述三大平台的优点。如果从长期竞争来说,它可能对标亚马逊更多。
真实数据方面,阿里集团作为全球第一大电商平台,虽比亚马逊年轻几岁,但开放平台模式下的数据累积要远胜对手。而且,交易属性也让它的数据比绝大多数平台更真实。阿里一个账号可以打通多个平台,蚂蚁金服下的支付宝不仅是阿里平台支付工具,更是大数据的中枢。
这是阿里妈妈在大数据营销领域的最大优势。很多人过去当然也质疑阿里数据缺乏全网特征,但平台开放性、市占率决定了,它是互联网电商业真实用户群最大的平台。当阿里持续投资了许多外部平台后,它已经具有更多潜在用户数据。
阿里拥有不逊于亚马逊的媒体资源。除了阿里本身媒体属性外,过去两年,它接连收购、投资几十家媒体,覆盖了社交媒体、科技新媒体、流媒体、电视、报纸、杂志等多种形式。其中,去年投资第一财经、收购《南华早报》引发行业震动。可以这么说,截至目前,阿里是全球互联网业已构建其超级媒体矩阵的少数巨头。它为阿里妈妈的大数据营销提供了强大的通路优势。而它在体育、影业等领域的布局,同样也能给广告提供更丰富的O2O化服务。
在12月15日举办的金麦奖2015年颁奖盛典上,阿里妈妈副总裁朱顺炎表示,碎片化时代,单一媒体无法完全覆盖商家和品牌想触达的用户群体,只有拥有强大的媒体矩阵,才能覆盖更多用户,而阿里妈妈覆盖的媒体可以触达98%的互联网用户,几乎所有的媒体和用户都会在阿里妈妈媒体上做互动。
与FB比,阿里平台用户不及社交用户更广,但触达范围不逊对手。而且,阿里胜于交易,转化率上,比FB具有天然的优势。
谷歌当然具有强大的技术实力。它是全球互联网广告领域的“技术派”。但因缺乏交易支撑,它的大数据无法像阿里妈妈那样准确,而且也缺乏更高的转化率。它高效、便捷,适合最大多数、广泛的企业,但缺乏细微场景的定义能力,个性化方面比如阿里妈妈。当阿里在整合了搜索、地图、操作系统、跨屏服务之后,它已经具备与谷歌在全球市场同场竞争的能力。
当然,归属于上述四种模式的企业远不止这四家,仅仅中国,百度与腾讯分别更像谷歌与FB,但它们也分别有自己强大的大数据营销实力。而更多的中小互联网企业,也有不错的个性化服务。只是,就目前平台影响力与大数据营销能力而言,上述四家的模式更典型。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PyTorch 核心机制:损失函数与反向传播如何驱动模型进化 在深度学习的世界里,模型从 “一无所知” 到 “精准预测” 的蜕变,离 ...
2025-07-252025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-25从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-25用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-24解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-24CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-24从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-23用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-23鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-23解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-22解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-22CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-22左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-22你是不是也经常刷到别人涨粉百万、带货千万,心里痒痒的,想着“我也试试”,结果三个月过去,粉丝不到1000,播放量惨不忍睹? ...
2025-07-21我是陈辉,一个创业十多年的企业主,前半段人生和“文字”紧紧绑在一起。从广告公司文案到品牌策划,再到自己开策划机构,我靠 ...
2025-07-21CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-21MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-21在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18