
大数据时代:营销从此大不同
大数据已然为整个营销行业带来了翻天覆地的变化。根据市场调研机构GfK去年发布的数据显示,62%的营销机构已经开始改变自身角色,用全新的工具进行市场营销,86%则表示在将来会继续基于大数据进行营销的策划和执行。
对于搞营销的人来说,大数据是他们梦寐以求的工具。互联网的发展,使得企业有更多的渠道去找到目标消费者,他们所能获取的信息也是空前的。
商业机构进行数据收集已有数十年的历史,而互联网的出现,尤其是社交网络的出现,个人信息和个人行为数据变得唾手可得,对信息进行筛选加工的方式更是多种多样。
大型跨国企业,如Target,亚马逊,沃尔玛等对于数据的挖掘起步较早,相关的基础设备和架构的建立也快人一步,对大数据反应滞后的企业在很多时候更像是一步跟不上,步步跟不上,始终处在拼命追赶的状态。大数据时代同时也蕴藏着更大的挑战--数据的收集,存储和分析均需要耗费很大的人力和物力。
从消费者的角度来讲,隐私问题愈发凸显。越来越多的人开始意识到,通过少部分的个人信息可以换取更加实惠的价格和更优质的服务。相对而言,年轻人对于这一观点的接受度要稍高一些,但不同的消费者对个人信息共享程度的判定是不一样的。
有这样一个例子,沃尔玛超市会综合分析当地的天气,超市的存货量以及购物者数据,之后针对特定人群推销烧烤架清洁工具。沃尔玛的这种行为可能看起来无可厚非,但如果换成是保险公司呢?如果他们通过对我们的数字轨迹(如社交网络分享、聊天数据)进行深度挖掘,从而定向营销,我们又该怎么办?
大数据已然为整个营销行业带来了翻天覆地的变化--根据市场调研机构GfK去年发布的数据显示,62%的营销机构已经开始改变自身角色,用全新的工具进行市场营销,86%则表示在将来会继续基于大数据进行营销的策划和执行。
下面来看几个比较典型的例子:
1、在运用大数据进行营销上,亚马逊一直处在领先位置。最近,亚马逊官方宣布它们正在测试和研究“未下单,先发货”功能--根据购物者的购物数据预测你将要购买的物品,实现未下单提前发货的功能。
2、网上票务销售公司StubHub同样也在利用大数据针对潜在客户进行定向营销。在特定的消费者群体中,这种策略尤为奏效--如球迷,他们对于某支球队的热爱甚至会延续终身,这也使得他们成了营销机构的猎物。
3、2013年,eBay修改了用户登录界面,以更大限度地开发利用大数据。用户可以选择自己想要关注的项目,用户还可以录入自己的兴趣爱好,eBay据此推送用户可能感兴趣的消息。
4、Netflix为用户建立了复杂的“个性化类别,”记录用户所有的观影行为数据,并用多大上百种标签对用户进行分类。这样,Netflix就能分析出你所偏爱的影片类型,比如说,你喜欢看剧情纠结的外语片--并据此像你进行影片推荐。
5、在线下,一些超市正在试验NFC(近场通信技术),在消费者从附近走过时可以根据其以往的购物行为有针对性地推荐商品。
上面这些营销手段之所能够施行,原因在于企业可以利用一系列结构性的数据--如你的年龄,性别,位置,和购物行为。
然而,据统计目前我们所能利用的数据只占全部网络数据的20%--更多的数据存在于Facebook和Tweeter上,还存在于海量的博文、视频和音频中,这些数据更加庞杂。
非结构性数据的收集、分析和利用固然有很大的难度,一旦企业掌握了这种技术便会获得得天独厚的优势。比如,零售商可以将商店内的视频监控信息发送给云服务提供商,通过特定的识别算法(面部识别),从而辨识出用户的身份和行为方式(用户在商店的行进路线,拿起的商品,是否购买,在收银台排队等待的时间等等)。
……
对于企业利用大数据进行营销,无论你是否看好,这些技术仍会继续进化,应用范围也将进一步扩大。随着公众对于隐私泄露担忧的家居,政府也必将出台相应的管理法案,对企业的数据挖据和分享行为进行规范。在我看来,规范是必然的。但营销机构则会适应规则的变化,而且它们一直都有着很强的适应能力和生命力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01