
大数据被认为是商家的财富,通过收集和分析大数据,可以看出“消费者是谁”,可以实现“精准营销”。不过,在上海商业发展研究院日前主办的“数据脸谱时代”论坛上,与会专家提醒,数据越多未必价值越高,数据利用需要深入分析。
真实面目未必是这样的
很多网友有过这样的经历:通过搜索引擎或某个购物网站搜索某项产品或服务后,登陆其他网站时就会看到类似产品或服务的弹出广告。如果这真的是消费者想买的产品或服务,那么可以说是商家实现了精准营销。但如果消费者的搜索只是一时兴起,反而会引起消费者的反感。
联合利华数字运营及消费者互动营销负责人廖明提出,简单地收集搜索数据远不足以勾画出消费者的“真实面目”,真正的大数据营销应当是“在正确的时间把正确的信息传递给消费者”。
哈尔滨工业大学计算机系教授赵铁军也提出,通过网络收集的大数据有必要进行处理,不能“拉到篮里都是菜”。他举例说,消费者在网上搜索“三星”,那么他究竟是想去了解这个品牌,还是随意浏览?这些都需要深入挖掘,必要时还要精简数据。
数据要强化人文视角
既然消费者搜索的未必是他想要的,那么数据收集和分析还有用吗?专家的观点:有用,但要强化人文视角。
专业数据分析公司ADARA首席分析官程杰打了个比方:大数据好像一座森林,每一个数据好像森林里的一棵树。要分析大数据,不能只看每一棵树,却忘了森林本身是什么样子。分析数据,首先要放在社会背景和文化背景中,要把不同的数据链接起来,得出共性的东西,再进行精细化应用。
上海商业发展研究院院长刘斌解释数据分析为何需要“以人为本”:分析80后、90后年轻人的消费数据,他们中不少人有标新立异的消费习惯。可是,从整个社会文化背景看,他们穿着打扮和行为方式依旧受到周边人群的影响,也更注重个人隐私的保护。一方面是个人自由,另一方面是隐私保护,这两种趋势在营销时需要采取截然不同的策略,所以数据应用不能随心所欲。
萤火虫之恋的故事
专家表示,真正用好数据,对把握商机、挖掘市场潜力的积极作用十分明显。
上海市科学技术协会副主席陈积芳举了一个“萤火虫之恋”的例子:网上店铺销售萤火虫,买萤火虫的消费者是谁呢?数据分析显示,不仅有小青年,还有很多老年人。这是因为很多丧偶或独居老人想找个伴,而带着微光的萤火虫恰好能反映他们的心情——虽然不够明亮,却依旧美丽,这和年轻人轰轰烈烈的爱情完全不同。陈积芳觉得,更好地分析现有数据,能为特定群体开发更有针对性的产品和服务。
创新领导力中心中国地区总裁陈朝晖说,要把各种图像数据或行为数据提炼出来,变成具体的服务,与人对接。比如,不少大卖场投入巨资运行免费班车,但仔细分析班车数据和消费习惯,就会发现班车运营方式与消费者并不匹配:“蹭车”的潜在消费者上午急着上班没时间购物,下班后有时间购物却又没了班车。如果把班车运营时间、大卖场提供晚饭菜肴等服务,与“蹭车”族的下班时间对接起来,就能有的放矢地为卖场创造新的市场空间。
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