京公网安备 11010802034615号
经营许可证编号:京B2-20210330
精准营销!岂能只爱大数据,冷落厚数据
已故人类学者Clifford Geertz提出“厚数据”之后,我们在对数据价值的深度挖掘中也逐渐发现“厚数据”对营销起到的价值,所以曾经撰写过一篇题为《为何“厚数据”让大数据营销更有价值》的内容。(相关内容可点击阅读原文查看)
此后,很多读者对大数据和厚数据是如何协调做好营销非常感兴趣,所以,今天就专门为大家详细解答下这个问题,希望可以帮助朋友们了解大数据和厚数据在精准营销中的互补关系。
Tips读完本文后您将了解到以下几点:● 大数据和厚数据都要爱● 避免大数据善意的欺骗● 大数据与厚数据的整合效应
大数据+厚数据=精准人群定位
数据是非常神奇的,在没有步入数字时代之前,消费者的各种行为和喜好是难以准确有一种标准来衡量的。我们做市场营销更多是基于本性的观察和经验总结,但这样给予营销指导的准确较低,企业对于营销资源的浪费也找不到原因所在。
当我们迈进数字时代,加上技术的发展之后,企业发现收集到的消费者数据对于企业营销有了重要的指导价值。正是在这样的技术大背景下,大数据技术近几年成为热门词汇,很多企业开始进军大数据领域。
对于企业而言,大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。利用处理后的结果,企业可以对营销目标和人群进行分析,进而对营销有指导性的作用。
为了对繁杂的数据进行分析利用,就需要对数据进行标准化归类,而在数据清洗的过程中往往会剔除一些非定量的数据,比如背景、故事、行为等等,而这部分数据就是厚数据。以往我们对这部分数据并不在意,但是现在我们会发现,其实这部分数据对营销的价值是非常大的。
厚数据是体现用户在场景中、有故事的数据,它能够有效填补大数据分析过程中丢失掉的部分。对企业营销而言,只有合理把大数据和厚数据连接起来,才能更加精准的对营销目标进行分析。
所以,企业利用数据驱动营销的时候,不能单纯采用大数据分析的结果做判定,还要考虑厚数据带来的价值,因为这样形成的用户画像才可能达到精准的目的。
大数据有“毒”企业需谨慎
问,大数据对于企业营销真有帮助吗?
答,真有帮助…
那为何说大数据对企业有“毒”呢?Steven Maxwell曾指出:“人们过度沉迷于数据信息的量,却忽略了‘质’的部分,也就是分析法所能揭示的商业洞察。”所以,对企业而言,过分追求大数据并不一定会得到更多的消费者信息洞察信息。
我们知道,大数据分析注重定量的结果,对于定性的结果并不重视。说的通俗一点,就是大数据注重结果而忽视过程。很多企业把结果性数据作为主导参考标准,只是结果性数据具有一定的欺骗性和不确定性。
举个例子来说,你是卖手机的企业,你关心今年有多少人买了我的手机,这个就是结果数据,这个数据是客户比较关心的。而这一年中买了手机的人有多少人在维修过程中和客服沟通了多少次,每次沟通时长是多少、沟通频率是多少以及在营销活动中用户表现出来的兴趣和潜在消费者都是厚数据的表现。
所以对企业而言,单纯相信大数据的结果是具有很大风险存在的,这好比是我就知道手机卖 了多少、知道是卖个哪些人群,但不知道为何用户没有选择购买我的手机。如果利用厚数据进行和大数据的整合分析再营销的话,转化率和投资回报率都会得到巨大的提升。
所以,看似精准的的大数据还是会在营销中出现善意的欺骗,想要避免补充数据的丢失,就要对厚数据进行分析。
善用大数据与厚数据创造价值
在企业的营销中大数据毫无疑问是起到了非常重要的作用和价值,而厚数据则是对大数据进行补充的最佳方式,因为厚数据能够收集和分析出目标用的故事、背景有助于生成更加详细的洞察结果。
举个例子,看看美的是如何用厚数据打造儿童洗衣机的。
儿童洗衣机这类产品在欧美发达国家市场早已流行多时,是从迷你洗衣机中衍生出来的独立产品系列,主要针对儿童体质天生娇嫩,大人和小孩衣服混洗的话容易发生交叉感染而应运而生。
而国内针对儿童洗衣机的推广产品几乎没有,美的为了让家长更加注重孩子在成长过程中的独立,利用厚数据进行分析,帮助美的打造出儿童专属的洗衣机。
首先,美的利用厚数据帮助挖掘儿童的使用信息,利用厚数据进行情感和社交思潮的密切相关故事和意义挖掘。
其次,用厚数据挖掘出哪些人会用儿童洗衣机,他们的社会关系、情感趋势和互动是怎样的。
最后,通过厚数据帮助,建立其整个儿童洗衣机的形象品牌认知闭环。
从上面能够看出,美的采用厚数据进行家长与孩子互动的深层次挖掘,最终让儿童洗衣机得以落地诞生。或许未来的家电制造和营销必然讲求大数据和厚数据结合,定量和定性分析同时兼备,才能做出更加符合用户需求的产品。
不要让数据这么近那么远
对于企业来说,他们发现通过数据分析可以提高他们的品牌和服务与用户间的交互,而且通过注入大数据分析,企业更容易了解他们的竞争对手同时优化自己的数字营销策略,让自己的品牌更加接近用户。但是目前还是有很多企业并没有真正的利用起大数据来改变营销策略,更别说结合厚数据了。
所以,对企业而言,在数据上的投入是要有更加显著的收益才算理想,虽然大数据可以帮助企业得到一些回报,但是企业还是应该更加深一步去挖掘数据的价值,而厚数据无疑是需要重点挖掘的地方。未来,或许厚数据能够与大数据更好的协同工作,给企业创造出更多的价值。
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