
对大数据已然审美疲劳?今儿给你来点新鲜的
经过了几年声嘶力竭的热炒,"大数据"这个议题对大家来说已经有一点审美疲劳了,但这也是最重要的时期,让我们能够看到大数据真正的价值所在。因为我们都知道,大数据不是说的,而一定是做出来的。正如牛津大学教授维克托·迈尔·舍恩伯格《大数据》这本书里提到的,今天大数据在逐渐改变着我们的思维方式,我们的生活方式,以及未来在这上面会有更多的创新,能够给我们带来革命的改变。
同时,麦肯锡研究院2011年的数据报告显示,互联网处于数据量飞速增长的阶段。而在互联网这个数字生态圈中,数据分析不再是商业的辅助手段,数据本身蕴含着巨大价值。这其中有4条核心理念值得分享:
1、任何大数据解决方案都是"Business First"。大数据不能是在一个实验室的状态下,它一定是落地的,一定是具有商业价值的,让我们能够从中获取商业智能。
2、不能在实践中运用的大数据就没有价值,我们一定要让大数据运用到我们的生活与工作当中来。
3、人的分析和决策才是运用大数据成功的关键。我们可以看到,如果没有人去解读这些数据背后的故事,它一定是冷冰冰的。
4、运用好的数据分析工具能够剔除无关紧要的信息,从而去创造更高的商业价值。
而正是基于大数据的积累,国双数据中心连续2年发布了《中国互联网发展报告》,它不单单是一些浅层次上的报告,而是通过715亿次网民的访问绘制出来的很多数字营销上的基准。今天和大家分享一下这些数据,看看这些数据带给我们的营销启示、理念和方法论。
首先,我们今天做数字营销,最重要的是内容。你创造什么样的内容跟你的用户进行互动,而不是说“我是卖汽车的、卖汽车的、卖汽车的”,这个东西和我们的受众有什么样的关联呢?大家看到只会说这跟我有什么关系。
举一个简单的例子,前端时间推出的可口可乐歌词瓶。看到这个歌词瓶以后,我主动用了这个二维码来到了可口可乐的官方网站分享了这个乐趣。这就是今天线上线下与用户之间的一个互动,产生了一个黏性能够让用户对可口可乐有一个更多的印象和关注。
我们来看互联网网民访问质量,从2011年、2012年到2013年,我们看到更多的页面访问数、更多的跳出率以及更长的停留时间。在越来越依赖互联网的时代,你的内容有没有吸引到你的用户,还是让用户离开了你的网站,到别人的内容上产生交互?这都是我们今天在关注内容的时候,一定要进行深刻反思的。
我们创造了内容,那么我们通过什么样的渠道去传递我们的内容呢?我们今天可以看,还是这样一个不变的渠道——搜索。为什么?因为我觉得这就是人性的本能,今天你有需求的时候,如果不去问别人,一定会去搜索。
举一个简单的数字,谷歌的点击率是0.4%,FaceBook是0.05%的转化,为什么?在一个炎炎夏日,如果你在社交媒体上看到一个关于滑雪的讨论,即使你是一个滑雪爱好者,可是这个时候你没有一个强烈的需求,它只是一次展示;但如果雪季到了,你准备去滑雪了,这个时候你可能会去搜索今天有什么新的工具,这样你就都可能关注,并且如果真正有需求的时候马上产生转化。我们每个人心中都可以去印证这样一个方法。
这是2013年企业各流量来源转化转占比,搜索引擎的转化占到了71%,这跟我刚才的思维方式是互相印证的。
本人也作为国际搜索引擎的董事,我今天跟大家分享一下,海外的数据是怎么看这个事情的。在整合营销当中,付费搜索和搜索引擎优化的占比,预算费用将近一半。这意味着运营商能够清楚的知道,我们的用户哪些渠道真正能给他带来一个好的转化。同时在2014年,63%的企业将增加付费搜索预算,47%的企业计划增加搜索引擎优化上的预算,这都是受众需求导致这样一个结果。
我们关注了内容、渠道,那终端又是怎样的呢?移动营销一直是我们谈论非常热络的话题,可以看到移动营销的数字一直在增长。举一个简单的例子,在一个主流视频互动APP3天活动期间,可以看到平日里3天以及活动期间,它的数字变化有多大。这么大数字的变化,就是要让我们知道,你一定要抓住这样一个时机,能够分别出来用户在移动终端屏幕大小,你要有不同的策略与之相匹配。
今天在海外83%的营销人员认为移动非常重要,相信今天大家也是这样一个想法。那么在海外3%的营销预算用于移动领域,这两个数字是不太匹配的,为什么?我不知道,也许跟我们今天这一块屏的大小面积还是有关系的。
我们继续进行下一个话题的探讨,来看一看行业基准,在我们营销过程当中,怎么样去利用基准线,来细分到每一个行业的做法。比如一个电商网站,对它来说,如果一个用户,一周都没有来访问这个网站,就会认为这个人流失了;而对于旅游网站来说,这不是流失的因素,这个用户超过1个月没有来都是有可能的,因为旅游不是一件每天都要做的事情,但是很多女士每天可能都要去那家网站访问好几次,还买不少东西,这就是判定不同数据对它来说价值是什么。
我们举一个汽车行业和教育行业的例子。在汽车行业里,平均页面访问数4.11,教育行业只有2.12。停留时间反过来了,在汽车网站上164秒,教育网站上312秒。因为汽车网站上图片非常直观,让你很快获取信息。今天你在教育网站上去看这些信息的时候,确实要花很多时间去思考,这还是人性上的东西。我们可能会想到这些结果和结论,但这是我们的经验,经验是我们还需要大数据的分析才能认证我们的经验是不是在同一条线上来做。
我们可以看到,有了内容,找到了一个自有价值渠道。那么今天在多屏的时代,我们怎么通过数据的分析能够清楚的知道,我们的受众在不同终端上,他的行为差异是什么?我们怎么样以不同形式的营销跟他们产生互动?把这个弄清楚以后,我们的方向就更准确了。
最后我要谈一个非常重要的议题,就是归因模型,这个归因模型是让我们能够精细化分析到一个人的长期行为到底是什么样的,才能让我们今天做精准的营销。今天我们处在多屏的时代,各种各样的媒体,各种各样的信息占据着我们每天碎片化的时间。在这样一个传媒多样类型的时代,中国移动互联网用户接触媒体时间超过5.8个小时。使用手机104分钟,使用PC、电视、平板等等都有详细的数据。
在这样一个过程当中清楚看到我们的用户,他具体的访问行为是什么?每天他看多长时间电视?聊天占用多长时间?重要的是要知道我们的用户在这个过程当中,利用碎片化的时代,他都在哪里?他都在想什么?他的周围朋友都是什么?他几点上网?他关注什么样的媒体?这些都是今天我们在做营销的时候,通过数据分析,精细化的经营来帮助我们解决今天这个问题。
我们今天去了解我们用户的时候,重要的是一个用户在每一个营销阶段,你是不是有相匹配的营销策略与之交互,产生更大的黏度,这才是营销非常重要的理念。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15