京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,如何精准狙击
信息化高速发展,促进数据类型繁多,每分钟都有大量数据产生。大数据在改变数据分析思维的同时,大数据应用方向逐步明晰,成为企业掘金新方向。
随着互联网技术的高速发展,云计算、物联网应用的日益丰富,大数据未来发展前景将更为广阔。7月23日,梅花网开放日带领你走近大数据,掀开面纱,精准狙击。
1、MIGO 大中华区数据应用顾问 戴家祥 演讲题目:探索新大陆 扔掉旧地图--大数据营销的革命新观点

通过建立NES模型,分为所谓的新客户,新会员,既有会员和沉睡会员。把所有的营收拆分成三个因子,有效顾客数、活跃度、客单。你关注的点并不在于营销预算怎么花,通过看这10指标,进而帮客户看整个局,会员生态是不是健康。
戴总谈到其实MIGO的概念是说,现在很多数据要看,我们就让机器做机器擅长的事情,人做人擅长的事情。以前网络没有那么兴盛的时候,如果你开一个卖场,可能花15分钟成一单,如果我们把时间拉到今年的3月8号早上10点,从早上10点开始到10点10分,这个10分钟,阿里巴巴的营业额相当于一线城市10家卖场的10天的总和。这是整个总揽、看整个时间轴的方式,另外有一个交叉比较的方式,去比较说到底我哪里做的好做的不好,投入交叉比较就可以清楚的知道,下次活动应该怎么去做。
2、TalkingData 业务拓展总监 宋显赫 演讲题目:《数据营销≠数字营销》

移动端很大的特点是单人单设备,针对到单用户,并不是PC或者电视的时代。移动端的数据是真真正正的可以线上线下打通的,我们服务嘀嘀打车的时候,你从哪儿到哪儿的经纬度信息可以抓到的,这是以前电脑不能做到的。
移动端的数据可以有效的体现个人的兴趣。在移动端的下载或活跃行为,可以体现人长期和短期之内的兴趣喜好,可以很明确的反应出你是什么样的人,这是移动端更有意思的地方,我们把移动端每一个设备对应到每个人本身。结合这样的标签移动端我们可以更好的刻画出一个用户,通过数据可以刻画出不同的纬度。
3、悠易互通 副总裁 刘顺,演讲题目: 程序化购买+ 中国数字营销新趋势

程序化购买有别于传统的用手工方式进行购买的方式,为什么说程序化购后面可以加一个"+"因为程序化购买发展势不可当,除了跟PC、移动端还有社区的资源有了合作之外,未来可以看到更多,比如数字电视资源也会介入进来,包括平面、户外LED屏都可以加入到程序化购买的大家庭当中来。让我们的程序化购买更丰富。
品牌的助力无非是三个方面,任何一个CMO都会面对这样一个问题,第一个是广度,第二个是交互的深度,第三个是效率,我们用跨屏这个词替代。主要是这三大方面,也许你的品牌知名度更高,也许你需要更多的交互,也许你的交互很好但是广度不够,程序化购买可以帮大家更好的完成这三个方面的东西。
4、剧星传媒CEO俞湘华,演讲题目:大数据激活内容营销

每个品牌都关注各种各样的热点,类似品牌跟进的也非常多,特别是微信火了以后,大家几乎可以判定有一个热点出来以后,大家都在等,会有哪些品牌跟进,最后这些热点会不会失控,热点出来之后怎么跟,你跟了之后你从中获取了什么,这是整个中国综艺节目的浮夸风带来的结果,背后的逻辑是中国的土豪广告主愿意买单,很多广告主我们可以看到,除了电视冠名还愿意做一些网络,做一些互联网的冠名,电视和互联网的,基于同样的内容在不同的介质受众是样的,有很强的互补作用。
5、海尔 数据战略发展总监 孙鲲鹏,演讲题目:海尔大数据精准营销初探

以用户为中心,这里面强调两个字,客户关系里面的"关系"。怎么维护"关系"这个非常重要。所以在2.0阶段我们强调用户永远是对的。到3.0阶段,我们从顾客转移中转向人文中心,邀请顾客参与产品开发和信息沟通。
在这个背景下,利用数据对营销工作进行优化。2012年的时候,海尔进入新的战略阶段叫做网络化战略,探索全流程的用户交互。作为一个家电企业,大家感受比较强烈的是销售人员和服务人员和用户打过交道,我们提出无交互不海尔,无数据不营销,而且把营销的过程,每一次营销都看成数据的采集、挖掘、应用的过程。通过建立数据模型,用分数预测,用量化的分数定义客户潜在需求的高低,这是精准并基础的工作。海尔通过数据细化到内容和产品做到精准营销,为用户找产品,本质是B2C,海尔更希望做的是进行交互、创新为用户做产品,希望做到C2B,这样的颠覆的模式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27