
一、利用大数据接触用户 实现在线订单最大化
在大数据应用方面,主营在线酒店预订服务的雅高达(Agoda)公司目前所做的尝试,主要集中在如何与用户接触的环节。
Agoda东北亚区PPC总监孟宇女士介绍,“第一个环节就是怎么样真正接触到用户,并把这些用户带到Agoda自己的网站上。”Agoda是基于互联网成长起来的电商企业。在过去的这几年,孟宇的团队一直尝试从各家搜索引擎和其他媒体上购买流量,拿到真正用户的需求,然后把他们送到最相关的页面上。
“我们尝试通过很多方式进行优化,以把定单做到最大化。比如不同词的分组、不同的创意、不同的服务匹配等。经过四年的积累,通过对上千万条关键词的优化,我们搜索引擎优化率提升了24.6倍,我们的定单比以前翻了几十倍。”
即便如此,孟宇依然认为自己对数据的应用还处于原始人的状态。“我们希望能尽快的进化成现代人的阶段。那样可以挖掘出更好的价值。” 孟宇希望未来能够利用大数据建模或运算能力预测未来的一些趋势,比如在各个法定假日里关于城市的人流量的预测和分析等,并由此预测用户在未来的旅游需求。
二、尝试进行数字资产的多维度盘点
在大数据的应用上,毋庸质疑百度一直是走在行业最前端的。百度营销研究学院常务副院长侯丽斌女士介绍,目前百度为客户提供的服务不仅仅是一个流量的导流,而是给用户提供全方位的解决方案,包括实时的动态调价等。她解释说这种应用可以让航空公司在最短时间内,最大效率提升售买机票的规模以及效率。
其次,在企业管理模式创新上,基于大数据,百度还可以帮助企业更智能的运营,比如当用户进入万科的某个地产项目之后,他可以通过百度地图进行导航,找到最佳的停车位;同时,百度也可以利用人流的行为轨迹等一系列的轨迹,帮助万科在招商及整个店面优化上提供支持,使整个商业模式进入一个全新的时代。
另外,从去年年底开始,百度还开始尝试帮助企业对其数字资产进行盘点。也就是说,这个数据产品,可以为企业提供一种对数字资产进行新维度的测量及构建的可能性,并在这个评估的基础上推出关于数字品牌的管理方法。
三、分析客户诉求 打造新的保险产品
作为亚太最大的保险公司,中国人保在保险电商方面的尝试非常积极,而且卓有成效。PICC网络营销部处长薛杰诚先生介绍,尽管中国人保是比较传统的一家企业,但在大数据方面已经拥有65年的经验。为什么这么说呢,因为保险行业本身就是建立在大数据基础之上的一个行业。
互联网飞速发展之后,中国人保在2010年成立了网络保险事业部。在不到四年的时间里,这个部门一方面主要致力于精准的营销投放,如搜索引擎投放等;另一方面也致力于通过互联网的手段整合一些数据,以分析客户的诉求,打造新的保险产品。目前,中国人保的网络平台已经发展为中国最大的保险平台,中国人保的车险销量也在全国遥遥领先。“通过国双科技的数字营销解决方案,中国人保财险(PICC)车险投保订单转化率提升了354%。”
对于未来的大数据应用尝试,薛杰诚坦言:“我们当前面临的最主要问题是跨平台之间的数据障碍。比如中国人保微信号下目前有非常大的用户群,但是这些用户数据和我们官网上的用户数据,以及APP的用户数据还是相对割裂的。我们无法识别微信粉丝是否购买了某个险种、或者与我们有哪些交集等。这个数据还没有打通。我们希望未来能够利用大数据工具将这些数据打通,并由此洞察出一些规律,预测将来的一些方向。
四、借用大数据分析来为营销决策提供支持
可口可乐大中华区数字营销总监张天博士是营销圈中将大数据用得最风生水起的一位。今年,可口可乐发起的一项别开生面的营销活动——即把最火热的流行语或最劲爆的歌曲名印在了可口可乐瓶身上——就是利用大数据分析运筹出来的。
在这个今夏最煽情的营销活动中,大数据不仅能帮助可口可乐确定哪些歌曲最受欢迎、用哪句歌词最讨巧、选择哪些明星代言“晒歌词瓶”活动效果最好,还能考量出营销效果、明确不同营销活动对拉动销售的贡献率是多少。
“对于营销来说,肯定是希望能够真正知道我面对的到底是什么样的消费族群。只有这样,才能够制定出相应的策略,进行相应的营销的活动。”张天博士透漏,“当下可口可乐正在建立自己的消费族群的数据库,然后将以这个数据库为基础,再跟购买的营运商去合作,把营销做得更加深入。”
谈到未来,张天博士希望能够将大数据精细到在局部领域中获得竞争优势,与消费者有更加个性化的沟通,尤其是如何在内容营销中进行实时营销的方面。
五、期待跨平台跨渠道追踪消费者
标致雪铁龙在积累完整数据方面也开始在行动。标致雪铁龙PSA亚洲区媒体策略人朱慧怡女士表示,目前客户使用的终端越来越多样,从PC端、手机端再到PAD端,而企业对每一种终端的监测方式又都不太一样。
朱慧怡特别希望有IT厂商能够找到办法将PC端、手机端和PAD端的平台打通,然后用数据仓储的技术进行统一数据的分析和综合运用。因为只有这样才可以全方位更好地了解消费者,由此优化自己的产品满足消费者,让消费者有更好的体验和互动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16