京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从自然人到“数据人”,大数据带来的新商业革命
随着新技术的不断应用,消费者正在变成“数据人”——这并非消费者自身的改变,而是数据正在还原一个人的社会行为状态。对于消费者来说,你的一举一动正被商家用、互联网、手机和大数据追踪技术所锁定,而这促成了它们的无限商机,一个“数据人”驱动商业的时代正在到来。
在互联网上,没有人知道你是条狗。”这句话曾流行一时,但到了今天,它已被颠覆。你是“狗”,还是“人”已经逐渐透明。因为你正逐渐变为“数据人”,就像美国海军陆战队对敌人目标的定位一样,你的一举一动正被商家用、互联网、手机和大数据追踪技术所锁定,而这促成了它们的无限商机,一个“数据人”驱动商业的时代正在到来。
当你浏览网页时,常会出现令人目瞪口呆的促销广告,广告的内容似乎是为你打造的。当你的手机上经常会出现一些促销信息,而这些信息仿佛又和你最近的活动与兴趣密切相关。你也许惊叹于网络的奇妙,但是你可知道,你的行为痕迹早已为商家定位与分析了,你正变成“数据人”,而这对于商家而言,则又意味着无限的商机。
随着信息化技术,互联网和移动互联网、以及视频等传感器的发展,以及为消费者越来越广泛的使用,消费者的日常生活、购买等行为轨迹越来越多地被记录和映射到了网络、手机传感器上,一个普通的消费者的生活轨迹正在变得数据化。消费者正在变成“数据人”,而这种改变将带来新的商机。
“消费者的需求就像天上的云,难以把握”,企业家们在经历了多个无效的调查,推出多个受市场冷遇的产品后,无奈地说。在消费者行为缺乏记录的时代,这是无数企业所面临的尴尬。而消费者需求的掌握对于一个企业的运营,又是那么的重要,对于企业而言,这是企业内部运营,生产和供应链、乃至营销的原点,它可以带动企业物流、资金流的有效运转。
于是,企业只能依靠市场调查和自身商品销售数据,来判断消费者需求。这样一来,企业的内部运营各个环节的运营缺少依据,没有源头,很大程度上是在黑箱中操作。我们看到了服装企业们的高库存积压,也看到了家电企业对那些过时型号的疯狂降价,企业它们在屏蔽消费者的黑箱中挣扎。而当消费者成为“数据人”,这一切产生了转机。
在数据人时代,企业可以通过互联网和手机捕捉消费者的行为痕迹,然后用大数据技术,分析出他们的需求的点和量,而一旦完全实现了这一点,困扰企业多年的粗放式,盲目的运营问题将被逐渐终结,企业的生产、设计、供应链还是战略都成了有源之水,而这个源头就消费者。
1、从市场调查到消费者痕迹跟踪
企业传统了解市场的方式,更多的是抽样的市场调查,这样对于市场了解非常片面,并且从获得调查结果,到用于企业运营,也存在很强的滞后性,结果企业运营更多地像是刻舟求剑。
而到了“数据人”时代,越来越多的企业开始通过追踪“数据人”在互联网和移动互联网上留下的轨迹,如微博评论、购买和浏览痕迹、好友分享和位置信息等等,来分析消费者群体的兴趣,关注点,以及自身各个运营环境的效果。从而把握市场,即时而精准地调整自身运营。
这个转变带来了:
1)供应链的改写:一直以来,企业的供应链运作都是粗放有余,精细化不足,这很大程度上,是消费者的需求难以把握。企业无法提前知道消费者在不同时间,不同地点,所需要的不同商品。但是通过对于数据人的跟踪,这些将逐渐不再成为问题。
例如某些企业通过对“数据人”浏览和搜索等行为的追踪,判断其需求的商品量和种类,和相对应的时间段,则从而根据这些,对库存商品摆放,生产、库存数量,进行精准的安排。1号店会根据消费者浏览和购买中,经常在一起的商品,将关联度更高的商品在库存中摆放到一起,减少拣货时间。而阿里巴巴正在将用户浏览和搜索,以及收藏的商品数量,用于指导平台上企业生产和进货的依据。
2)网站门户运营管理的颠覆:先前,对于企业网站门户的管理,跟多地市放些内容,换个图片等那么简单,几乎完全是企业在自娱自乐。但是在数据人时代下,企业可以根据“数据人”在互联网上留下痕迹的追踪,来针对性地优化其网站营运。如对于一些电子商务网站,顾客每个时刻从哪些平台和页面跳转到网站、点击了什么页面,浏览了哪些页面,光标集中停留在哪部分,这些都会得到即时抓取、追踪。据此企业动态调整网站、页面和图片,以及网站背后的各个环节的运营,从而让企业营运的投放变得极为精准。在上海家化电子商务部门,有专门的,跟踪消费者在网站内浏览行为的团队,他们会及时将网站内的信息反馈到各个部门,实现联动。
3)品牌宣传的重塑:在“数据人”时代,随着消费者的行踪越来越多地体现和记录于互联网和移动互联网上,企业的品牌宣传效果变得更具有可追溯性,企业的营销正逐渐变得更精准,摆脱了以前的粗放模式。例如,一些企业通过线上的搜索量,来判断线下某个地区促销活动的效果。再如十月妈咪的品牌网站上,通过查看各个浏览者从互联网上的什么门户过来,就可以优化广告资源配置,确定在哪些门户网站投放更多的广告。
4)顾客忠诚度计划的改进。传统的加强顾客忠诚度的方法,只是对于老顾客的一些针对性的优惠和赠送等活动。但是随着目前,通过互联网和移动互联网,顾客的行为轨迹能够被企业追踪和发现。企业可以通过顾客的网络痕迹,以及海量顾客的行为数据,来分析出顾客的购买周期、购买前的迹象、以及顾客下一个最可能购买的商品、顾客流失的迹象等。从而发现可能成为忠诚顾客的人,以及将要流失的忠诚顾客。再针对性地进行营销刺激和定向唤醒。于是,通过对数据人的分析,1号店找出顾客成为忠诚顾客的各种信号,如购买跨越了三类以上商品等等,以及忠诚顾客流失的信号,曾经进入网站,短期停留又走开等信号,然后找出可能成为忠诚顾客的人,或是可能流失的人,采取相应的措施,提升顾客忠诚度。
5)让个性化设计和生产成为可能。在消费者个性化时代,个性化设计和生产是未来发展的方向,实现这个前提是消费者喜好的收集。以前,企业收集消费者喜好,都采用调查问卷等传统方式,但是在数据人时代,凭借互联网、手机和传感器,企业可以实现对海量消费者喜好数据的收集和分析。因为你看在看什么、玩什么、说什么,这些就可以直接反映了你的喜好。而这成为个性化生产和设计有效的切入口。一些家电企业,如海尔和TCL等通过互联网,来让消费者选择产品的各种风格、颜色和模块,汇集海量的消费者需求数据,实现个性化定制。而知名的快时尚品牌Zara将网络上的海量资料看作实体店面的参考,通过对于海量数据的分析得到流行趋势,进行个性化设计。
6)进行商品需求预测,据此调整生产和进货等环节。淘宝就是利用顾客对于各种商品的搜索等,点击和收藏的互联网行为轨迹,来探求各个商品的需求量,从而做平台上企业生产计划的参考。而淘宝上的化妆品电商,小也化妆品,则是通过网络上顾客对于一些品牌的搜索量,来作为是否引进这个化妆品品牌的依据之一。
在“数据人”时代,企业不仅仅能够追踪到消费者的痕迹,还能够定向到消费者的个人。如前所述,当一些电商网站给你发与你密切关联的邮件时,当你在手机上网后,显示与几乎与你相匹配的浏览标签时,你不必惊讶,其实你已被定向了。对于商家而言,在目前的技术条件下,可以将你的曾经网络行为,和通过手机的行为,与你的个人信息,如网络iD、账号、邮箱、手机号等关联,从而发现特定的你,的特定行为。它们是怎么做的呢?例如,电商们可以通过你的注册邮箱,与你之后的购买行为,分析到你的购买模式。广告商们可以通过你唯一的手机串号,以及你携带手机后,所到的场所,以及你在手机上的浏览行为,来找到你的特殊之处,形成该你的拼图。之后就是大数据分析的事情了。阿里巴巴、京东正在干这样的事情,它们先追踪平台上消费者在各个商家的浏览和购买等行为,在此过程中,将消费者归类,分析出每个消费者是哪种需求类型,购买周期多长等等。而百度则通过全面追踪受众的兴趣点、搜索关键词、浏览主题词、到访页、网站等,进而将受众特征全方位立体的呈现,找到特定消费者的需求特点,为商家的广告投放服务。
而当企业一旦可以定向追踪到具体的消费者行为,就能够实现
1)精准的营销:精确到个人
因为消费者一旦被定向,商家就可以知道两方面的内容一是消费者的个人识别信息,如账号、邮箱、地址,网络ID和手机号等等。二是消费者在网络上的行为信息,如浏览哪些网页、点击哪些,在线下不同时间处于哪些地点等等。根据这些信息,商家可以判断出其在不同时间、地点、情景下的购买需求,进行相应的推送。例如广告交易平台,品友互动,就是通过消费者点击网站和浏览的网站的历史追踪,来判断出这个消费者的兴趣,(是对于汽车感兴趣,还是对于手机感兴趣),以及上网的时间。在这些数据的支持下,互联网广告交易平台,品友互动与各大互联网门户合作,进入了实时竞价广告领域,让商家能够在这些门户网站上,将自己的品牌广告展示给符合其消费定位的目标人群。(当目标消费者到来后,商家的广告才能显示)。这种精准化的趋势会逐渐淘汰那些轰炸式的广告营销,最终让大品牌投入们走向越来越窄的小胡同。
2)新的商业模式
基于位置的服务就是“数据人”时代背景下出现的,通过你的手机,商家们可以获得您的位置,而正是通过这一点,开辟了基于位置的服务,它们可以根据你的位置,向附近的消费者发送促销信息;根据你的位置,提供就近的打车服务;或者根据位置,提供交友服务等等。后者从微信上“附近的人”一栏中,我们可以看到这个典型的应用。
在数据人时代,消费者的隐私权正受到前所未有的挑战,我们会收到大批垃圾搬的促销信息,会感到被监视的感觉。所以对于商家而言,如何能利用这个时代,抓住消费者数据化的趋势,但又尊重消费者的隐私权,是一个挑战。那么隐私权的尊重对于商家们又有什么意义呢?实际上,如果商家不尊重消费者隐私权,虽然能够搭上时代的便车,但是,随着隐私文化的兴起,它们将成为消费者心中的“蝗虫”,挡在消费者的心门之外。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20