
大数据:让网络营销更“聪明”_数据分析师
网民刘洋来到一个B2C商城选包包,看了一会儿发现没有合适的。第二天却在看其他新闻网站的时候再次看到这个包包的广告。于是又勾起了购物的欲望。奇怪了,昨天还觉得一般,今天却觉得挺喜欢的。刘洋说。
这项反复跟踪推荐的技术,就是营销公司开发的所谓到访定位技术,针对目标用户进行再次营销,其精准的效果要大大好于其他定向技术。而这背后则是数据分析在起作用,将数据运用于营销正改变着传统传播方式和消费者洞察方式。这就要求企业在传播过程中,更加精准地找到自己的目标用户,把握用户行为特征。
2013年将会是大数据爆发年,作为以数据和技术为驱动力的互联网营销,大数据将为其带来巨大的应用价值,也会在广告营销层面上帮助企业做得更好。
日前,昌荣传播集团与百度进行战略合作,成为首家与百度达成战略合作伙伴的广告公司,双方初期将重点在百度消费者搜索洞察研究领域开展深度交流与合作;而近期品友互动也推出了针对中小企业网络营销的品友大算盘,让中小企业也可以借助大数据开展网络营销。
拥抱大数据
在传统媒体时代,电视台的数量是几百家,报纸的数量是上千家,杂志的数量是数千家,而互联网时代,网站的数量是数以百万计,网民的数量是数以亿计,而每个网站上每一天的互动行为则不计其数,因此,互联网上的信息和数据是海量的。
这个数据大得惊人,如何挖掘到这些数据背后的规律,需要通过技术手段获得。海量数据的意义在于,虽然表象复杂,但是从本质去看,就很简单了,找到数据背后的规律就会对沟通和传播带来价值。品友互动联合创始人谢鹏表示。
在谢鹏看来,无论是百度、腾讯还是淘宝、新浪,每个平台上都有海量的数据,即便是一个单一的媒体平台,其数据也反映着网民的各种行为,例如百度的平台上呈现的是网民的各种与搜索有关的行为,而淘宝上则显示着网民的购买行为,新浪的平台上则可以看到网民的阅读行为。
我觉得这些行为都非常有价值,区别在于各自媒体上都有不同的互动行为,如果把这些不同平台的数据都拼在一起,我们就会全面掌握网民的上网行为,这些行为包括网络行为、购买行为和点击行为等。谢鹏说。
百度搜索引擎营销部总经理刘伟告诉记者,去年百度提出了一个营销理念CIW,这也是在整合营销之后提出的,CIW即是百度关键时刻搜索的方法论:第一是基于大数据的洞察;第二是基于对消费者的理解,对媒介进行选择并提供营销策略和传播策略;第三是怎么进行更好的价值评估。
百度之前在数据积累方面做的很多,但是怎么应用这些大数据属于沙里淘金,如何为企业营销做更好的帮助,目前我们在共同研究这些数据。刘伟说。
对于众多国内的第三方营销传播机构而言,很难会像奥美等大传播集团直接收购和购买成型的数据公司,但是仍然可以通过其他方式拥抱大数据。
对于百度和昌荣传播的战略合作,昌荣传播副总裁朱宏刚觉得通过百度向昌荣传播开放数据,可以弥补昌荣现有研究数据中在线搜索数据方面的不足,深化消费者洞察,提高解决企业在营销过程中品牌定位或传播策略问题的效率,给企业提供更加优质化和更加精准的传播。
不同方式获取大数据
未来的企业市场营销费用的分配,除了部分品牌投放外,多数投放都将是大数据指引下产生的。企业的消费群分布在哪里?企业的潜在用户在哪里?通过大数据找到他们分布的地方,然后用有创意的投放形式让他们成为企业的粉丝以及形成销售。
在大数据营销时代,任何投放带来的点击率、转化率和销售,都将以数据形式呈现,而如何利用大数据的价值,对于第三方机构而言,都是技术性的挑战。平台公司拥有海量的数据,但是他们通常并不分析数据,分析和挖掘的工作通常是由DSP(数字信号处理公司)来做。谢鹏说。
在大数据时代,平台公司积累大数据,但是具体的应用和分析则是第三方的数据营销机构和传统营销公司的事情,这里边就出现了一些不同的阵营,百度副总裁曾良告诉记者,在百度的合作阵营中,有几种不同的类型,一种是很多传统的综合性代理现在也在自己建立搜索引擎的团队,做大数据研究,例如一些国际传播集团,他们通过收购成熟的数据公司来迅速弥补自身在这方面的短板,例如奥美集团、电通集团;还有一些传统做搜索引擎营销的代理,他们除了接触互联网行业以外的客户,也愿意为客户提供综合性的服务。
像昌荣传播这样的传统代理公司,现在也看中了互联网媒体这一块,他们有更强的意愿做线上线下整合营销。我们在数据研究方面、服务客户方式方面,在线上线下媒体投放模式方面有资源,双方联手对广告主是非常好的事情。百度副总裁曾良表示。
而像品友互动这样纯技术型的DSP,其出身就是以大数据为基础的。大数据营销的核心在于对数据的挖掘和计算,这是建立在海量的互联网数据基础上的,因此,云计算的概念很自然的就被引入到这个领域。谢鹏表示。
对于数据安全和隐私的问题,其实目前全球都没有很好的解决办法,奥美全球总裁SteveKing觉得这需要寻找平衡,一方面用户需要个性化的信息,这来源于对用户上网行为的洞察;另外一方面,用户也不希望这些信息过度干扰到他们,它需要建立一个平衡关系。而这依靠技术也是可以解决的。
用技术挖掘大数据
某汽车客户希望在南京针对对汽车感兴趣的20~25岁的男性网民进行产品推广,传漾科技运用Samdata进行用户行为检索,通过相关关键字的检索,查找出所有符合目标受众的页面,这样聚合度很高,页面会自动列举出来,通过广告平台Mediamatrix投放到用户,根据成本和触达频次的综合考虑,进行投放。
通过这次用户行为检索,在南京地区找到了将近20万符合条件的用户样本,然后以富媒体的形式推广到目标用户,将展示频次限定在6次,最后的综合点击率达到1.5%~2%,企业客户对这次不到30万元的广告投放感到非常满意。
事实上,对于海量的数据,如何进行运算和分析,这虽然是一个技术性很强的内容,但是不同公司也有着各自的核心竞争力。例如,多数数字媒体的第三方机构在研究网民行为的时候,都是通过cookies的方式去跟踪的,借助cookies做标签来追踪用户的行为。
一般而言,数字营销公司都会针对受众数据库进行分类管理,通过搜索引擎、云计算技术,分析用户数据库中每一个用户的网页浏览记录,提取正文关键词,找到用户兴趣关注点,然后对用户属性进行多个行业大类、几百个产品小类的细分管理。
其实我们在做人的分析的时候从三个纬度来分析:第一个是人口统计学的属性,这些属性来自登录用户的信息,比如姓名、年龄、性别、职业、收入等;第二个是地域属性;第三个是心理系统层面的属性。刘伟告诉记者。
举一个简单的例子,广告主通过电视媒体的方式激发起了兴趣,有兴趣后的第一种行为可能是上互联网搜索,搜索得到更准确的信息,然后搜索之后产生点击并指导消费,这就是一个非常有效的循环。
我们要做的事情,就是能把这些行为有效地结合起来指导客户投放,做电视投放的同时是否应该在搜索引擎上投放,哪些关键词怎么搜索或者组合。实际上这样的东西是通过数据整合计算出来的,对客户制定跨媒体整合投放策略更有效。百度副总裁曾良说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-04