京公网安备 11010802034615号
经营许可证编号:京B2-20210330
营销将大数据化多渠道化
7月22日上午消息,中国互联网大会在北京举办,亿玛总裁柯细兴接受新浪科技专访。
他认为在互联网+浪潮冲击各个行业的大前景下,所有企业都将面临互联网转型。而互联网营销将面临大数据精准投放和多渠道共同推广的转变。
以下是访谈实录:
新浪科技:首先简单介绍一下我们公司。
柯细兴:新浪的网友应该比较熟悉亿玛了,我们是2004年创立的一家公司,一直在效果营销领域里面独树一帜的,不断的推陈出新,不断的给客户提供效果营销的数据地我们提供了多渠道大数据驱动的营销。
新浪科技:现在互联网+的浪潮不断冲击各个行业,这样的背景下您认为营销行业发生了什么变化
柯细兴:毫无疑问这是一个很好的议题,我们亿玛也是审时度势看到了整个互联网产业的发展,在2014年亿玛对于未来的互联网有三点判断。
第一点,互联网进入了互联网产业化和产业互联网化这样一个阶段,实际上和国家提倡的互联网+是一个行业。
第二点,无企业不电商,未来所有的企业都在在线。
第三个,一切皆数据,所有的信息都会量化到数据的精准识别。未来10年是互联网+的10年,我们公司认为互联网+的实质特征就是两个,一个是在线,一个是数据。基于这两点来说,毫无疑问会影响到营销这个行业,营销这个行业第一点来说,基于大数据分析的营销可以大行其道。
由于所有的东西都会在线和产生数据,意味着用户都会变成碎片,变成跨终端,线上线下一致化,对于跨终端渠道的用户识别能力变得非常重要,我们认为未来10年是大数据的10年,是能够给客户提供一站式营销解决方案的10年。
新浪科技:你刚才提到大数据的营销,这个概念对电商行业会有什么具体的影响?
柯细兴:大家知道,在电商行业来说最根本的营销目标是为了让用户获得订单,这是企业的一个营销目标,基于这个目标就要知道它的用户在哪里,用户就会用不同的终端来接入,意味着我们对于终端的放大能力变得非常重要,就是说我们必须给电商行业提供基于全网的、全终端的受众的能力,这是第一点。
第二点来说,电商企业的数据或者对效果的跟踪是全程的,他能够看到它的广告,到用户有没有产生订单,甚至用户有没有发生售后的投诉,是一个全生命周期的过程,第一个是全网,第二个是全程。
第三个叫做全网成交,现在的电商不再简简单单的作为一个电商,而是即有官网又有天猫店,京东店,即有线上店又有线下O2O的店,是一个线上线下的多渠道,用户到哪里成交最有效,我们提供了一个全程的服务,全网的营销,全网的精准和全网的营销,从这个意义上来说对于电商营销的要求越来越高,所以电商企业越来越选择和我们这样第三方的平台进行合作。
新浪科技:现在传统的企业做电商,像一些互联网企业电商肯定是不一样的,它的营销需求也是不一样的,您能分析一下他们有哪一些不同吗?还有就是传统企业做电商面临哪一些变化?
柯细兴:纯互联网的公司做电商没有传统的包袱,要走集约化、集中化、效益化,它的营销要获得订单、获得规模,规模效应再影响供应链。传统企业天生拥有供应链的优势,从这个角度来说他不应该放弃供应链优势向互联网的纯电商来学习。所以说传统电商,传统企业做电商,第一个要结合它的供应链优势。第二个来说要结合它的品牌优势,从这个意义上来说传统企业发展电商的过程是一个渐进式的,他首先要把他线下的品牌变成线上的品牌,把线下的供应链优势变成线上供应链优势。
第二个,传统企业更多的在构筑一个O2O,苏宁易购在构筑线上线下一体化,从这个角度来说,第一个是它发展的路径不一样,第二个是它的商业模式也会发生变化,这两点是传统企业做电商和互联网做电商本质的不同。
至于营销来说可能也会不太一样,营销来说传统企业做电商,第一个它的动作要做的叫品牌收购,要把线上的品牌优势,把线上的用户拉回来,这个阶段我们往往说它的主动点是线下的品牌线上的用户,第二个阶段,是开始给线上的用户,线上品牌,这个时候就进入了一个品牌阶段,所以第一个品牌是收割,第二个是品牌的再造。第三个线上的品牌又回到线下的用户,这个它讲品牌创新,他经历收割、再造到创新,我们营销结合他业务品牌的路径帮他量身订作来设计。
新浪科技:我们亿玛能对互联网企业,或者传统的企业做电商的,能够带来哪一些帮助呢?
柯细兴:第一个毫无疑问,也是我们经常思考的,第一点来说,因为我们在最鲜明的一点是效果,因为我们是12年基于大数据做营销,我们跟直白的给他带来订单,这是最直观的。
第二点就是规模,因为我们覆盖了互联网的成千上万的媒体,我们每天能覆盖的流量是300亿PV,我们每天能够触达的网络用户是85%,网络消费者购买用户,我们积累的这种购买行为数据是10亿的规模,也就是说从个角度来说,我们能够最大范围的,最大规模的帮企业产生订单。
第三点就是服务,我们的专业服务,从初始阶段到发展阶段,到它的创新阶段,我们都能够全程为他服务。总结我们来说,我们公司的3个优势,第一个就是效果,第二个是规模,第三个是我们的专业的服务,这3个加起来是3个S。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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