
玩转大数据,四巨头各显其能
大数据已经算不上新事物,它已经从根本上改变了诸多行业——比如音乐、报纸、电影、零售等等。在数字营销领域,依托新技术的大数据所带来的改变更是颠覆性的。
在美国,有四家总市值超过1万亿美元的互联网公司,曾一度称霸互联网营销的四大领域。互联网广告曾被谷歌占据;亚马逊称霸在线零售;社交网络的巨头是脸书;而苹果公司则建立了交互式硬件设备的行业标准,被称作“人们数字生活的遥控器”。加上微软、IBM和甲骨文,这7家公司的总市值已经占到美国市场的14%之多。
亚马逊
虽然在20世纪90年代互联网的商务应用已经初现端倪,然而真正奠定行业基础的,应该算得上亚马逊在2001年实现了创立6年来的扭亏为盈——当年这家网络书籍零售商的利润达到500万美元,之后的发展势头更让人叹为观止。
2013年时,亚马逊在全球范围内的收入已经达到570亿美元,其中,书籍和数字内容占到37%,日用商品占到59%,而AWS云服务(Amazon Web Service)和信用卡支付占到了4%。虽然在财务上的贡献不大,但AWS却代表了亚马逊身为在线零售商在数据行业的兴趣。自2002年发布以来,AWS原本服务于供应链企业,很快收获了Dropbox、Reddit和《纽约时报》等外部客户。
而互联网营销和广告一直是亚马逊商业模式中的一部分,2012年,亚马逊就被媒体称为“广告业沉睡的巨人”。
谷歌
谷歌的发展又是另一番故事。从1998年上线以来,这家公司不断完善自己的搜索引擎技术,并且找到了从搜索流量中直接变现的方法。
从2000年发布AdWord服务,到2003年发布Adsense,再到上线免费邮箱、书目查询、博客、相册、日历和翻译服务,谷歌逐渐打造出一套自己的产品组合,并从2006年开始完成了几次大手笔的收购,买下了视频储存和分发网站YouTube,在线广告服务平台DoubleClick和移动设备广告服务商AdMob等。之后,谷歌上线了安卓操作系统,收购了摩托罗拉移动,并发布了在线商店Google Play。
到2012年,虽然谷歌用了10年的时间开发搜索以外的业务,搜索仍然为其贡献了最多的利润——广告业务占到了谷歌当年总收入的97%之多。
苹果
1976年创立的苹果公司在2004年时市值为80亿美元,而从2009年1月到2013年初时,其市值就从750亿美元增长到6000美元。最重要的是,这家企业从前互联网时代的一家硬件制造商,成功转型为投资者们津津乐道的互联网时代的领导者。
然而,有一个问题却时常引发人们的讨论——公司的管理层变动、收入模式的转变和新产品的发布都不能完全解释苹果在2009年的突飞猛进。2012年,苹果公司收入已经很大程度上依赖于iPhone和iPad两款硬件产品,而它在硬件与互联网无缝整合上体现出来的优势,要胜于过去身为一家纯粹的设备制造商的成功。
脸书
脸书上线于2005年,但直到2009年才开始真正发展壮大。仅仅两年时间里,美国用户在上面所花费的时间以及用户人数都有大幅增长。
2013年,有1.53亿美国人每月都至少登录一次脸书,几乎占到了3/4的美国网民总数。脸书的访客平均使用时间是每个月6小时41分钟;虽然有更多的人访问谷歌,但是访问时间更短,平均1小时54分钟。
即便如此,相比谷歌,脸书在吸引在线广告商方面却更为逊色,而广告也是公司主要的盈利模式。
那么,问题在于,你是否认为这四家公司所做的事情是相同的?抑或是,它们的案例只是证明了市场细分的存在?
在中国,百度是否只从事搜索引擎业务,还是它也想从电子商务中分一杯羹?阿里巴巴聚焦于电子商务,是否也企图在广告和其他行业占有一席之地?腾讯在社交领域风生水起,是否正在打造自己的全方位平台?
这也是美国互联网市场的现状。你可能认为四家公司能够很好地诠释市场细分,在零售、广告、硬件和社交网络各显其能,然而这并不是全部。这仅仅只是商业历史上的一个时点,大局依然未定。
美国的网民有3亿人,无论是苹果、谷歌、脸书还是亚马逊,都想了解其中的每一个人。美国前财政部长、曾任哈佛大学校长的劳伦斯·萨默斯(Lawrence Summers)就曾说过:“数据在21世纪经济的重要性,也许就像20世纪的石油那样,对经济生活来说是有着巨大核心价值的资产。”石油引发战争,甚至有人为此流血而死,数据虽不至此,但其重要性毋庸置疑。
苹果、谷歌、脸书和亚马逊四家公司并非只是在自己的“疆土”内执行着独立的战略,而是正在迫不及待地打造其他公司所拥有的核心能力。每家公司都希望攫取数字市场的灵魂,在领域边境和新领域占据优势地位。
谷歌和脸书就在互联网广告上形成了竞争;苹果的iTunes和Google Play在数字内容零售方面对亚马逊形成了挑战;苹果和谷歌又在智能机市场短兵相接;苹果、谷歌和亚马逊都曾进军数字电视业务;谷歌曾在支付系统抢占先机,而现在苹果又大有后来者居上之势……
我们现在生活的世界充斥着一对一营销,这个已经存在了20多年的营销方法,如今却拥有了从未有过的生机。人们身为消费者的体验,已经越来越变成时时刻刻被这些互联网公司观察、分析的体验——它们运用机器学习和高级算法,试图了解每一个消费者个体,预测消费者的购物偏好。
无论如何,你不得不承认,这就是我们生活的世界。就像其他任何新的科学技术一样,数据科学将会被大规模地应用。如今的问题并不在于它是否足够吸引人,而是数据如何在大数据生态系统中运作,而我们又如何创造性地开发大数据的各种可能性?
现在,我们已经可以基于个人信息将市场数字化。如果你将大数据生态系统想象成石油,石油需要被钻取、开采、运输并提炼成汽油、柴油等产品,进而被运输到加油站、最后接触到顾客的过程。石油产业有着自己庞大的供应链,在加工过程中会产生副产品。
数据生态系统亦然。数据被开发、分析、应用,最终产品形态能够接触到消费者,而不恰当的滥用亦会带来负面影响。为何将它称为“生态系统”?因为在整个生态系统里,有上千家企业负责收集人们的个人数据,有更多的公司负责处理它们,然后被更多的公司使用,以便与消费者建立关系。
我们在探讨数据生态系统时,既包括线上生态,也包括线下生态。线下生态中的身份信息往往是“获取”的,线上生态中的加密信息却是“收到”的。这是由于线下个人信息主要来自美国的政府部门:机动车注册、邮政信息更改记录、房产登记注册、杂志订阅名单、银行记录等等——这些信息组成的大数据会被一些数据公司购买获得。线上数据则完全不同,当你进入这个生态时,数据就产生了——你在互联网上点击、浏览、输入、下载,甚至在手机端使用指纹,所有信息,无一例外进入线上生态。
在美国,线下数据和渠道相当庞大,研究显示,美国的邮政系统能够与谷歌的规模匹敌。你会发现,邮政系统与谷歌所处的其实是同一行业——邮局运用数据分类系统将邮件在2~3日内送递到收件人手中;而谷歌在不到一秒的时间内将搜索结果展现在用户面前。两者做的都是产品、数据与人匹配的生意。现在,线上和线下生态虽然还未被完全打通,但连接程度将会越来越高。
我们曾做过一个研究,发现2015年,美国在个人数据上的花费达到2020亿美元,占所有美国市场营销费用(包括销售人员费用)的15%。在过去的两年,人们在个人数据上的花费每年都以17%的速度增长。2016年,全世界约有1/3的市场营销重度地依赖于个人数据,而这个比例将会变得更大。
在这个时代,成功的公司不会仅仅将自己定位在一个需要竞争激烈的行业里,而是身处在一个需要相互合作的数据系统当中。在你的数据生态圈里,应该努力建立自己的平台,通过相互交换服务产生价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29