大數(shù)據(jù)營(yíng)銷(xiāo)課件

大數(shù)據(jù)營(yíng)銷(xiāo)倫理

第一節(jié)大數(shù)據(jù)行銷(xiāo)的資訊安全一、大數(shù)據(jù)行銷(xiāo)的資訊安全隱患（1）身份資訊暴露。一是現(xiàn)實(shí)社會(huì)中的身份資訊，即某用戶的人口統(tǒng)計(jì)資訊以及相關(guān)的間接資訊，如姓名、性別、年齡、民族、婚姻、職業(yè)、受教育程度、地址等，；二是數(shù)字身份資訊，即在數(shù)字時(shí)代，可以通過(guò)電腦或網(wǎng)路使用、存儲(chǔ)或轉(zhuǎn)移處理的身份，如社交網(wǎng)路帳號(hào)、郵箱資訊、網(wǎng)上銀行資訊等。（2）資訊控制權(quán)減弱在大數(shù)據(jù)時(shí)代，公共空間和私人領(lǐng)域的界限日漸模糊，我們每天產(chǎn)生的上網(wǎng)記錄、線上支付記錄、定位記錄，都可能將我們的資訊暴露給外界。數(shù)據(jù)挖掘能輕鬆做到對(duì)用戶資訊的收集、關(guān)聯(lián)分析，利用諸如個(gè)人經(jīng)歷、興趣喜好、社交關(guān)係等資訊，描繪出用戶畫(huà)像。（3）不良資訊氾濫大數(shù)據(jù)時(shí)代的特點(diǎn)之一體現(xiàn)在垃圾資訊冗雜，人們往往對(duì)鋪天蓋地的騷擾資訊和不良資訊應(yīng)接不暇，學(xué)習(xí)、生活、工作被嚴(yán)重干擾。在互聯(lián)網(wǎng)這個(gè)虛擬空間裏，各種有害資訊越來(lái)越多，從傳播色情材料、造謠惑眾，到傳播病毒、盜竊帳號(hào)、網(wǎng)路詐騙，再到販賣(mài)假藥甚至毒品、槍支等資訊氾濫，更可怕的是，恐怖主義也利用網(wǎng)路來(lái)傳播危及世界安全的資訊。二、大數(shù)據(jù)行銷(xiāo)資訊安全隱患的治理措施1.資訊分類(lèi)。英國(guó)曾在1998年《資料保護(hù)條例》中將個(gè)人資訊分為敏感資訊和瑣細(xì)資訊。敏感資訊是指公眾的種族、政治觀點(diǎn)、宗教信仰或與此類(lèi)似的其他信仰、生理心理狀況、性生活或法律訴訟等資訊；瑣細(xì)資訊是指不涉及個(gè)人隱私的資訊。這為我們提供了對(duì)大數(shù)據(jù)行銷(xiāo)資訊進(jìn)行分類(lèi)的方向。資訊保護(hù)級(jí)別一般認(rèn)為，用戶的姓名、地址、通信方式、身份證號(hào)碼、銀行帳號(hào)等資訊保護(hù)級(jí)別應(yīng)該較高，這些資訊直接關(guān)係到身份辨識(shí)和人身財(cái)產(chǎn)安全；購(gòu)物偏好、社交關(guān)係、網(wǎng)頁(yè)流覽記錄、地理位置資訊等互聯(lián)網(wǎng)行為軌跡資訊次之；品牌忠誠(chéng)、興趣愛(ài)好等數(shù)據(jù)的保護(hù)級(jí)別最低。2.明確資訊收集原則（1）最少夠用和必要原則?！吨袊?guó)互聯(lián)網(wǎng)定向廣告用戶資訊保護(hù)行業(yè)框架標(biāo)準(zhǔn)》規(guī)定，對(duì)用戶資訊的收集應(yīng)當(dāng)遵循“最少夠用和必要原則”，意即應(yīng)將收集用戶資訊的類(lèi)型、數(shù)量控制在能達(dá)到收集資訊目的的最低程度，收集和使用的用戶資訊應(yīng)僅限於單位的合法商業(yè)目的和實(shí)現(xiàn)單位對(duì)用戶的服務(wù)所必需。（2）個(gè)人參與原則該原則是指?jìng)€(gè)人有權(quán)知道自己的資訊是否被收集、哪些數(shù)據(jù)被收集，並有權(quán)要求收集方修改或刪除。不管是門(mén)戶網(wǎng)站、社交軟體，還是政府部門(mén)，在收集用戶的敏感資訊、地理位置資訊或社會(huì)關(guān)係等資訊時(shí)，應(yīng)及時(shí)通知用戶，以獲得用戶對(duì)於收集和使用此類(lèi)資訊的明確態(tài)度。案例：DoNotTrack2010年美國(guó)聯(lián)邦貿(mào)易委員會(huì)就作出規(guī)定，要求流覽器公司在流覽器中設(shè)置“DoNotTrack”（禁止追蹤）系統(tǒng)，以保證用戶免於被流覽器追蹤上網(wǎng)記錄，這是互聯(lián)網(wǎng)技術(shù)對(duì)資訊收集的個(gè)人參與原則的一次重要實(shí)踐。第二節(jié)大數(shù)據(jù)行銷(xiāo)的個(gè)人隱私一、大數(shù)據(jù)行銷(xiāo)的個(gè)人隱私問(wèn)題1.隱私被洩露。2.隱私被商業(yè)利用。二、大數(shù)據(jù)行銷(xiāo)個(gè)人隱私問(wèn)題的治理措施1.個(gè)人隱私的技術(shù)保護(hù)（1）個(gè)人隱私的數(shù)據(jù)加密保護(hù)。（2）個(gè)人隱私的資料庫(kù)保護(hù)。2.個(gè)人隱私觀念的提升首先，網(wǎng)路媒體應(yīng)向用戶提供控制自己隱私資訊的選擇，即用戶可以給自己的訪問(wèn)數(shù)據(jù)、發(fā)佈資訊設(shè)置訪問(wèn)許可權(quán)。其次，加強(qiáng)隱私觀念教育。3.個(gè)人隱私的法律保護(hù)我國(guó)在2013年出臺(tái)《資訊安全技術(shù)、公共及商用服務(wù)資訊系統(tǒng)個(gè)人資訊保護(hù)指南》，對(duì)大數(shù)據(jù)時(shí)代如何合理利用資訊作出規(guī)定，以規(guī)範(fàn)對(duì)個(gè)人數(shù)據(jù)的應(yīng)用。2014年3月頒佈《中國(guó)互聯(lián)網(wǎng)定向廣告用戶資訊保護(hù)行業(yè)框架標(biāo)準(zhǔn)》，這是我國(guó)第一部規(guī)範(fàn)互聯(lián)網(wǎng)定向廣告用戶資訊行為的行業(yè)標(biāo)準(zhǔn)。第三節(jié)大數(shù)據(jù)行銷(xiāo)的倫理問(wèn)題一、對(duì)大數(shù)據(jù)技術(shù)的倫理思考美國(guó)學(xué)者戴維斯和帕特森（KordDavisandDougPatterson）在《大數(shù)據(jù)倫理學(xué)》一書(shū)中提出，大數(shù)據(jù)是一種技術(shù)創(chuàng)新，任何技術(shù)創(chuàng)新在給人們帶來(lái)機(jī)遇的同時(shí)，也會(huì)帶來(lái)巨大的風(fēng)險(xiǎn)，因此我們需要在創(chuàng)新和風(fēng)險(xiǎn)之間找到平衡點(diǎn)，並對(duì)大數(shù)據(jù)技術(shù)進(jìn)行必要的倫理規(guī)制。二、大數(shù)據(jù)行銷(xiāo)的倫理治理與管理不同，治理是一個(gè)上下互動(dòng)的管理過(guò)程，其主體既包括政府也包括其他社會(huì)組織和公眾，主要通過(guò)主體之間的合作、協(xié)商等手段，就具體的事件或問(wèn)題達(dá)成共識(shí)，正如俞可平所說(shuō)，治理的實(shí)質(zhì)在於建立在市場(chǎng)原則、公共利益和認(rèn)同之上的合作。1.責(zé)任倫理視角下的權(quán)責(zé)統(tǒng)一企業(yè)在利用大數(shù)據(jù)技術(shù)進(jìn)行行銷(xiāo)時(shí)，必須堅(jiān)持權(quán)利與責(zé)任的統(tǒng)一，資訊收集方要對(duì)搜索行為以及可能造成的後果負(fù)責(zé)，資訊利用方也要對(duì)可能帶來(lái)的隱私?jīng)?、資訊安全等問(wèn)題負(fù)責(zé)。2.德性倫理視角下的道德自律德性倫理關(guān)注的是個(gè)體道德的實(shí)現(xiàn)問(wèn)題，在利用大數(shù)據(jù)技術(shù)進(jìn)行行銷(xiāo)的過(guò)程中，強(qiáng)調(diào)大數(shù)據(jù)利益相關(guān)者的道德自律。應(yīng)加強(qiáng)大數(shù)據(jù)利益相關(guān)者的道德自律建設(shè)，在大數(shù)據(jù)技術(shù)尚未失控時(shí)，通過(guò)有意識(shí)的道德建設(shè)形成穩(wěn)定、完善的道德規(guī)約。3.功利倫理視角下的利益訴求首先，大數(shù)據(jù)行銷(xiāo)必須實(shí)現(xiàn)大數(shù)據(jù)相關(guān)者的利益最大化。在運(yùn)用大數(shù)據(jù)時(shí)，必須與數(shù)據(jù)來(lái)源共用利益，如給予相應(yīng)的經(jīng)濟(jì)報(bào)酬或政策傾斜。其次，大數(shù)據(jù)行銷(xiāo)必須實(shí)現(xiàn)對(duì)利益相關(guān)者的傷害最小化。出於公共目的收集數(shù)據(jù)，對(duì)隱私造成侵犯的行為不可避免，在這種情況下，要求實(shí)現(xiàn)傷害最小化，即不能無(wú)視傷害大小而濫用隱私數(shù)據(jù)，應(yīng)做好補(bǔ)償和風(fēng)險(xiǎn)控制。

大數(shù)據(jù)行銷(xiāo)革命

第一節(jié)

大數(shù)據(jù)行銷(xiāo)概述一、什麼是大數(shù)據(jù)行銷(xiāo)傳統(tǒng)的數(shù)據(jù)行銷(xiāo)是一種基於市場(chǎng)調(diào)研中的人口統(tǒng)計(jì)數(shù)據(jù)和其他用戶主觀資訊來(lái)推測(cè)消費(fèi)者的需求、購(gòu)買(mǎi)的可能性和相應(yīng)的購(gòu)買(mǎi)力，從而幫助企業(yè)細(xì)分消費(fèi)者、確立目標(biāo)市場(chǎng)並進(jìn)一步定位產(chǎn)品的行銷(xiāo)模式。大數(shù)據(jù)行銷(xiāo)是通過(guò)收集、分析、執(zhí)行從大數(shù)據(jù)所得的洞察結(jié)果，並以此鼓勵(lì)客戶參與、優(yōu)化行銷(xiāo)效果和評(píng)估內(nèi)部責(zé)任的過(guò)程。二、大數(shù)據(jù)行銷(xiāo)在國(guó)內(nèi)外的發(fā)展現(xiàn)狀調(diào)查顯示，在美國(guó)400家從事市場(chǎng)行銷(xiāo)的公司中，54%的企業(yè)已投資大數(shù)據(jù)，其中61%的投資企業(yè)獲得了可觀的經(jīng)濟(jì)回報(bào)。預(yù)計(jì)到2020年，我國(guó)大數(shù)據(jù)產(chǎn)業(yè)將達(dá)到8000億元的規(guī)模。數(shù)據(jù)分析人才需求旺盛根據(jù)2018年我國(guó)最新的大數(shù)據(jù)人才報(bào)告，全國(guó)只有46萬(wàn)大數(shù)據(jù)人才，未來(lái)3-5年人才缺口將高達(dá)150萬(wàn)。在薪酬方面，大數(shù)據(jù)行業(yè)的薪酬水準(zhǔn)隨著時(shí)間推移要明顯高於互聯(lián)網(wǎng)其他職位。三、從傳統(tǒng)行銷(xiāo)到大數(shù)據(jù)行銷(xiāo)1.從抽樣調(diào)查到全樣本分析傳統(tǒng)行銷(xiāo)中，數(shù)據(jù)的分析建立在一定理論下的抽樣和調(diào)研的基礎(chǔ)之上，並且試圖通過(guò)調(diào)查手段和技術(shù)對(duì)數(shù)據(jù)樣本進(jìn)行再加工，提高抽樣調(diào)查的精確性。但是抽樣調(diào)查有其自身的局限性，比如時(shí)效性不強(qiáng)、有抽樣誤差等。大數(shù)據(jù)的出現(xiàn)有效地彌補(bǔ)了這些缺陷。僅僅取得海量數(shù)據(jù)遠(yuǎn)不能滿足當(dāng)前的行銷(xiāo)需求，大數(shù)據(jù)行銷(xiāo)的重點(diǎn)在於有效利用數(shù)據(jù)，即在全樣本海量數(shù)據(jù)的基礎(chǔ)之上進(jìn)行廣泛的關(guān)聯(lián)分析，從而獲得新穎且有價(jià)值的資訊。2.從單一屬性到全方位解讀在傳統(tǒng)企業(yè)資料庫(kù)中，消費(fèi)者的屬性過(guò)於單一，主要包括年齡、性別、職業(yè)等基本屬性。傳統(tǒng)行銷(xiāo)經(jīng)過(guò)簡(jiǎn)單的單向性分析得出消費(fèi)者進(jìn)一步購(gòu)買(mǎi)的可能；大數(shù)據(jù)行銷(xiāo)則通過(guò)關(guān)注消費(fèi)者的整體行為提升數(shù)據(jù)品質(zhì)，從而改善行銷(xiāo)的效果。3.從廣泛撒網(wǎng)到精準(zhǔn)行銷(xiāo)在傳統(tǒng)行銷(xiāo)中，因無(wú)法掌握消費(fèi)者更全面的資訊，往往把面鋪得很開(kāi)，這是一個(gè)廣泛撒網(wǎng)的過(guò)程。在大數(shù)據(jù)行銷(xiāo)中，企業(yè)可以根據(jù)收集互聯(lián)網(wǎng)用戶的大量資訊來(lái)挖掘潛在消費(fèi)者，通過(guò)數(shù)據(jù)分析預(yù)測(cè)消費(fèi)者行為，給產(chǎn)品以精確的定位，有針對(duì)性地進(jìn)行行銷(xiāo)傳播活動(dòng)。四、大數(shù)據(jù)行銷(xiāo)的特徵1、多平臺(tái)。大數(shù)據(jù)行銷(xiāo)的數(shù)據(jù)來(lái)源是多方面的，多平臺(tái)的數(shù)據(jù)採(cǎi)集使得我們對(duì)消費(fèi)者的畫(huà)像更加全面和準(zhǔn)確。多平臺(tái)數(shù)據(jù)採(cǎi)集的途徑有PC互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、智能電視及各種感測(cè)器等。2、個(gè)性化與傳統(tǒng)行銷(xiāo)廣泛撒網(wǎng)不同，企業(yè)通過(guò)大數(shù)據(jù)分析可以瞭解消費(fèi)者身處何地、關(guān)注何種資訊、喜歡什麼、偏好如何，從而實(shí)現(xiàn)為消費(fèi)者量身定制的個(gè)性化行銷(xiāo)。3、時(shí)效強(qiáng)在移動(dòng)互聯(lián)網(wǎng)時(shí)代，消費(fèi)者面對(duì)眾多誘惑，其消費(fèi)決策極易在短時(shí)間內(nèi)發(fā)生改變。大數(shù)據(jù)行銷(xiāo)能幫助企業(yè)及時(shí)掌握消費(fèi)者的需求及其變化趨勢(shì)，從而提升行銷(xiāo)的時(shí)效性。例如，大數(shù)據(jù)行銷(xiāo)企業(yè)泰一傳媒（AdTime）曾制定時(shí)間行銷(xiāo)策略，即讓消費(fèi)者在做購(gòu)買(mǎi)決策的時(shí)間段內(nèi)及時(shí)接收到商品廣告。（場(chǎng)景行銷(xiāo)）4、高效率大數(shù)據(jù)行銷(xiāo)可以最大限度地讓廣告主的廣告投放做到精準(zhǔn)，還可以根據(jù)即時(shí)的效果回饋，及時(shí)對(duì)投放策略進(jìn)行調(diào)整，從而最大限度地減少行銷(xiāo)傳播的浪費(fèi)，實(shí)現(xiàn)行銷(xiāo)的高效率。五、大數(shù)據(jù)行銷(xiāo)的主要應(yīng)用1、消費(fèi)者洞察。企業(yè)可以通過(guò)分析消費(fèi)者的行為數(shù)據(jù)洞察他們的購(gòu)物習(xí)慣，並按照其特定的購(gòu)物偏好、獨(dú)特的購(gòu)買(mǎi)傾向進(jìn)行一對(duì)一的商品推送。比如，亞馬遜根據(jù)用戶的商品搜索記錄推薦相似或互補(bǔ)的產(chǎn)品，這種基於大數(shù)據(jù)挖掘的推送，大大節(jié)約了用戶在網(wǎng)上四處搜尋的時(shí)間，同時(shí)還能刺激消費(fèi)者後續(xù)更多的消費(fèi)。2、產(chǎn)品定制化大數(shù)據(jù)行銷(xiāo)將消費(fèi)者留下的資訊數(shù)據(jù)變?yōu)樨?cái)富，成為企業(yè)改善產(chǎn)品的一項(xiàng)有力根據(jù)。例如，新聞客戶端“今日頭條”基於數(shù)據(jù)挖掘及推薦引擎技術(shù)，根據(jù)用戶的閱讀偏好與習(xí)慣為用戶量身定制與其興趣相匹配的內(nèi)容，因而每個(gè)用戶看到的內(nèi)容都是不一樣的，實(shí)現(xiàn)了“千人千面”的個(gè)性化推薦。3、推廣精準(zhǔn)化大數(shù)據(jù)行銷(xiāo)通過(guò)積累足夠多的用戶數(shù)據(jù)，分析得出用戶購(gòu)買(mǎi)的習(xí)慣與偏好，甚至做到“比用戶更瞭解用戶自己”，幫助企業(yè)篩選最有價(jià)值的用戶進(jìn)行產(chǎn)品推廣。例如，《小時(shí)代》在電影預(yù)告片投放後，從微博的大數(shù)據(jù)分析得知其主要觀眾群為90後女性，因此後續(xù)的推廣活動(dòng)主要針對(duì)這些人群展開(kāi)，最後獲得了不俗的票房成績(jī)。4、改善用戶體驗(yàn)改善用戶體驗(yàn)，關(guān)鍵在於要真正瞭解用戶對(duì)產(chǎn)品的使用狀況與感受。例如，國(guó)外的某些汽車(chē)企業(yè)可以通過(guò)遍佈全車(chē)的感測(cè)器收集車(chē)輛運(yùn)行資訊，在用戶汽車(chē)的關(guān)鍵部件發(fā)生問(wèn)題之前，提前向用戶和4S店預(yù)警，大大保障了用戶的安全，同時(shí)也改善了用戶體驗(yàn)，使汽車(chē)品牌獲得了良好的口碑。5、維繫客戶關(guān)係拉回放棄購(gòu)物者和挽留流失的老客戶也是大數(shù)據(jù)行銷(xiāo)在商業(yè)中的應(yīng)用之一。例如，外賣(mài)APP“餓了麼”會(huì)根據(jù)用戶的訂單習(xí)慣，對(duì)有一段時(shí)間沒(méi)有利用APP下單的瀕臨流失的用戶發(fā)相關(guān)短信，以提醒並鼓勵(lì)他們重新使用“餓了麼”APP。6、發(fā)現(xiàn)新市場(chǎng)在納特·西爾弗（NateSilver）的暢銷(xiāo)書(shū)《信號(hào)與雜訊》中有這樣一句話：“我們選擇性地忽略了最難以衡量的風(fēng)險(xiǎn)，即便這些風(fēng)險(xiǎn)對(duì)我們的生活構(gòu)成了最大的威脅”，暗示預(yù)測(cè)未來(lái)是非常困難的。但是大數(shù)據(jù)行銷(xiāo)卻能讓我們從容地面對(duì)未來(lái)?；洞髷?shù)據(jù)的分析與預(yù)測(cè)對(duì)於企業(yè)家提前發(fā)現(xiàn)新市場(chǎng)是極大的支持。案例：騰訊手遊騰訊遊戲在前期深入分析手遊市場(chǎng)大數(shù)據(jù)的前提下制定戰(zhàn)略，率先領(lǐng)跑手遊行業(yè)。大數(shù)據(jù)行銷(xiāo)可以幫助企業(yè)找到新的發(fā)展領(lǐng)域，確定新的銷(xiāo)售管道和促銷(xiāo)策略，發(fā)掘業(yè)務(wù)的增長(zhǎng)點(diǎn)。第二節(jié)

大數(shù)據(jù)行銷(xiāo)體系的參與者一、媒體：大數(shù)據(jù)產(chǎn)生的起因大數(shù)據(jù)是存留在互聯(lián)網(wǎng)上的數(shù)據(jù)，受眾是產(chǎn)生數(shù)據(jù)的源頭，而數(shù)字媒體是受眾產(chǎn)生數(shù)據(jù)的起因，廣告主則利用受眾產(chǎn)生的數(shù)據(jù)並通過(guò)媒體再傳遞給受眾。數(shù)字媒體在大數(shù)據(jù)行銷(xiāo)體系中佔(zhàn)有重要的一席之地。二、數(shù)據(jù)服務(wù)公司：大數(shù)據(jù)行銷(xiāo)落地的關(guān)鍵在大數(shù)據(jù)行銷(xiāo)中，數(shù)據(jù)的分析至關(guān)重要，這也催生了相關(guān)數(shù)據(jù)服務(wù)公司。尼爾森網(wǎng)聯(lián)媒介數(shù)據(jù)服務(wù)有限公司（Nielsen-CCData）是國(guó)外知名的數(shù)據(jù)服務(wù)公司之一，該公司擁有全球首創(chuàng)的專(zhuān)利技術(shù)——海量樣本收視率監(jiān)測(cè)的技術(shù)解決方案，能夠成功應(yīng)對(duì)電視數(shù)位化帶來(lái)的頻道數(shù)量激增和增值業(yè)務(wù)豐富導(dǎo)致的收視測(cè)量難題。三、數(shù)字廣告代理商：提升行銷(xiāo)效果的主體對(duì)於大數(shù)據(jù)行銷(xiāo)中的數(shù)字廣告代理商來(lái)說(shuō)，需要做到以多樣化的手段追蹤廣告效果，利用大數(shù)據(jù)分析各家媒體的價(jià)值，判斷通過(guò)何種管道為企業(yè)投放廣告，從而優(yōu)化廣告行銷(xiāo)服務(wù)。國(guó)內(nèi)知名的數(shù)字廣告代理商有傳漾科技和易傳媒等。第三節(jié)大數(shù)據(jù)行銷(xiāo)的科學(xué)化一、聚焦數(shù)據(jù)，提升行銷(xiāo)流程的科學(xué)性與傳統(tǒng)廣告“一半廣告費(fèi)被浪費(fèi)掉”相比，大數(shù)據(jù)行銷(xiāo)可以最大限度地讓企業(yè)的行銷(xiāo)活動(dòng)有的放矢，並且可以根據(jù)即時(shí)的效果監(jiān)測(cè)，及時(shí)對(duì)行銷(xiāo)策略做出調(diào)整，使行銷(xiāo)流程的科學(xué)性大大提升。二、強(qiáng)調(diào)洞察，增強(qiáng)行銷(xiāo)決策的預(yù)見(jiàn)性企業(yè)行銷(xiāo)活動(dòng)成敗的關(guān)鍵在於能否對(duì)目標(biāo)消費(fèi)者進(jìn)行精準(zhǔn)的洞察，只有積累足夠多的消費(fèi)者數(shù)據(jù)，才能準(zhǔn)確描繪其消費(fèi)偏好與購(gòu)買(mǎi)習(xí)慣，這是大數(shù)據(jù)行銷(xiāo)的前提與出發(fā)點(diǎn)。三、重視創(chuàng)新，實(shí)現(xiàn)行銷(xiāo)活動(dòng)的人性化在大數(shù)據(jù)行銷(xiāo)的新環(huán)境下，消費(fèi)者行為得以量化，對(duì)消費(fèi)者體驗(yàn)也能夠進(jìn)行即時(shí)有效的評(píng)估，他們的每一次體驗(yàn)和回饋都可以用於產(chǎn)品改進(jìn)和服務(wù)提升，行銷(xiāo)活動(dòng)因而變得更加人性化。案例：順豐快遞第四節(jié)大數(shù)據(jù)行銷(xiāo)的認(rèn)識(shí)誤區(qū)誤區(qū)一：大數(shù)據(jù)是包治百病的靈丹妙藥完全依賴(lài)大數(shù)據(jù)會(huì)落入通過(guò)後視鏡驅(qū)動(dòng)品牌這一陷阱，這意味著企業(yè)依靠過(guò)去的資訊來(lái)指導(dǎo)未來(lái)的行銷(xiāo)戰(zhàn)略，這是很危險(xiǎn)的，因?yàn)樗鼈儚膩?lái)沒(méi)有向前看，而總是往後看。具有戰(zhàn)略眼光的企業(yè)應(yīng)當(dāng)在充分利用大數(shù)據(jù)的同時(shí)，始終保持先人一步的創(chuàng)新遠(yuǎn)見(jiàn)，只有這樣，企業(yè)才能在行業(yè)競(jìng)爭(zhēng)中保持領(lǐng)先的地位。誤區(qū)二：大數(shù)據(jù)行銷(xiāo)思維與應(yīng)用之間存在鴻溝技術(shù)水準(zhǔn)有限導(dǎo)致許多企業(yè)心有餘而力不足，空有大數(shù)據(jù)行銷(xiāo)的思維，談起大數(shù)據(jù)行銷(xiāo)來(lái)眉飛色舞，但在面對(duì)大數(shù)據(jù)行銷(xiāo)的應(yīng)用時(shí)卻愁容滿面。這是因?yàn)榇髷?shù)據(jù)行銷(xiāo)的流程包含產(chǎn)生數(shù)據(jù)、聚集數(shù)據(jù)、分析數(shù)據(jù)和利用數(shù)據(jù)四個(gè)步驟，不僅要有數(shù)據(jù)，而且要有分析數(shù)據(jù)的技術(shù)。誤區(qū)三：大數(shù)據(jù)應(yīng)用必然帶來(lái)效率的提升和成本的下降大數(shù)據(jù)行銷(xiāo)基於大數(shù)據(jù)分析，而數(shù)據(jù)分析的準(zhǔn)確性是利用大數(shù)據(jù)的關(guān)鍵。海量的數(shù)據(jù)大到一定程度後面臨著準(zhǔn)確度的問(wèn)題。事實(shí)上，大數(shù)據(jù)分析和預(yù)測(cè)失敗的例子不少，其中比較經(jīng)典的案例便是穀歌對(duì)流感趨勢(shì)的預(yù)測(cè)由成功轉(zhuǎn)向失敗。數(shù)據(jù)甄別對(duì)海量數(shù)據(jù)中有價(jià)值數(shù)據(jù)的甄別也關(guān)係到大數(shù)據(jù)應(yīng)用的效率。很多企業(yè)以為拿到數(shù)據(jù)就萬(wàn)事大吉了，卻不知道如何去粗取精，不知道什麼數(shù)據(jù)才是有價(jià)值和重要的。當(dāng)企業(yè)花費(fèi)了大量精力去收集互聯(lián)網(wǎng)用戶產(chǎn)生的日常資訊，對(duì)他們的所有資訊進(jìn)行分析後，得出的幾種消費(fèi)趨勢(shì)卻都是失敗的。誤區(qū)四：大數(shù)據(jù)服務(wù)商是萬(wàn)能的大數(shù)據(jù)行銷(xiāo)專(zhuān)案的建設(shè)與實(shí)施，是大數(shù)據(jù)服務(wù)商和企業(yè)共同努力的結(jié)果。企業(yè)只有成為學(xué)習(xí)型組織，對(duì)大數(shù)據(jù)的應(yīng)用有熱情與能力，才會(huì)領(lǐng)悟到大數(shù)據(jù)行銷(xiāo)的魅力。在大數(shù)據(jù)行銷(xiāo)專(zhuān)案中，企業(yè)參與越多，收穫越多。第五節(jié)大數(shù)據(jù)行銷(xiāo)的發(fā)展趨勢(shì)一、不同資料庫(kù)之間的整合與協(xié)同雖然我們?nèi)匀惶庫(kù)稊?shù)據(jù)碎片化時(shí)代轉(zhuǎn)向數(shù)據(jù)整合時(shí)代的過(guò)渡期，但隨著技術(shù)的發(fā)展，未來(lái)跨媒體、跨管道、跨終端的全面打通將使資訊得以多維度重組。通過(guò)企業(yè)內(nèi)外不同資料庫(kù)之間的有效整合、協(xié)同與聯(lián)動(dòng)，實(shí)現(xiàn)消費(fèi)者資訊全方位、多角度的回饋與融合，將是未來(lái)大數(shù)據(jù)行銷(xiāo)發(fā)展的關(guān)鍵和基礎(chǔ)二、場(chǎng)景成為大數(shù)據(jù)行銷(xiāo)的著力點(diǎn)實(shí)施場(chǎng)景行銷(xiāo)需要大數(shù)據(jù)的支撐，需要多管道地瞭解用戶，然後通過(guò)挖掘場(chǎng)景、客戶分群，對(duì)觸點(diǎn)進(jìn)行把控，做到針對(duì)不同的消費(fèi)者在最適合的情境下給他推送最合適的商品和服務(wù)。三、通過(guò)效果監(jiān)測(cè)即時(shí)優(yōu)化策略完整的行銷(xiāo)活動(dòng)涵蓋前期的準(zhǔn)備、中期的投入以及後期的監(jiān)測(cè)，但對(duì)於很多中小型企業(yè)而言，後期監(jiān)測(cè)的時(shí)間成本以及資金成本都比較大，所以，效果監(jiān)測(cè)環(huán)節(jié)往往被企業(yè)忽視。但隨著大數(shù)據(jù)行銷(xiāo)不斷發(fā)展，即時(shí)效果監(jiān)測(cè)將成為常態(tài)。大數(shù)據(jù)挖掘技術(shù)的改善與提高使行銷(xiāo)效果的監(jiān)測(cè)成本大大減少，而每一次行銷(xiāo)活動(dòng)無(wú)論成功與否，通過(guò)效果監(jiān)測(cè)都可以找到其中的原因，從而改進(jìn)其中的不足，儘快拿出解決方案以提高效率、減少損失。第六節(jié)

大數(shù)據(jù)行銷(xiāo)的機(jī)遇與挑戰(zhàn)一、機(jī)遇1、行銷(xiāo)活動(dòng)更加精準(zhǔn)2、行銷(xiāo)活動(dòng)更加個(gè)性化3、行銷(xiāo)活動(dòng)更加可測(cè)二、挑戰(zhàn)1、數(shù)據(jù)品質(zhì)難以保證2、大數(shù)據(jù)人才缺乏3、數(shù)據(jù)管理複雜化4、隱私問(wèn)題日益凸顯

大數(shù)據(jù)廣告：程式化購(gòu)買(mǎi)

第一節(jié)程式化購(gòu)買(mǎi)的定義及流程一、程式化購(gòu)買(mǎi)的定義程式化購(gòu)買(mǎi)（ProgrammaticBuying）是指通過(guò)廣告技術(shù)平臺(tái)，自動(dòng)地執(zhí)行廣告資源購(gòu)買(mǎi)的流程，即資源的對(duì)接、購(gòu)買(mǎi)過(guò)程都呈現(xiàn)自動(dòng)、自助功能，通過(guò)即時(shí)競(jìng)價(jià)（Real-TimeBidding，RTB）和非即時(shí)競(jìng)價(jià)（Non-RTB）兩種交易方式完成購(gòu)買(mǎi)。與傳統(tǒng)廣告購(gòu)買(mǎi)方式的區(qū)別與傳統(tǒng)人力購(gòu)買(mǎi)廣告方式不同，程式化購(gòu)買(mǎi)通過(guò)編寫(xiě)程式建立規(guī)制和模型，在對(duì)數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上，依靠機(jī)器演算法自動(dòng)進(jìn)行廣告購(gòu)買(mǎi)並即時(shí)優(yōu)化，“人力”在廣告投放中的作用明顯減弱。二、程式化購(gòu)買(mǎi)的興起背景及發(fā)展從媒介形態(tài)來(lái)看，傳統(tǒng)廣告所依託的媒介形式（如報(bào)紙、雜誌等）逐漸走向衰落，互聯(lián)網(wǎng)尤其是移動(dòng)互聯(lián)網(wǎng)成為主流。從廣告主來(lái)看，越來(lái)越多的廣告主開(kāi)始意識(shí)到，被動(dòng)等待消費(fèi)者注意到自己的廣告形式已經(jīng)與大數(shù)據(jù)時(shí)代脫節(jié)，他們轉(zhuǎn)而通過(guò)分析消費(fèi)者的興趣愛(ài)好及消費(fèi)習(xí)慣，主動(dòng)為其推薦“可能需要的產(chǎn)品”。程式化購(gòu)買(mǎi)的發(fā)展美國(guó)互聯(lián)網(wǎng)市場(chǎng)從20世紀(jì)90年代發(fā)展至今，已經(jīng)形成了一個(gè)分工明確、高度細(xì)分的成熟市場(chǎng)。除了整個(gè)程式化購(gòu)買(mǎi)產(chǎn)業(yè)鏈中作為基礎(chǔ)設(shè)施的AdExchange、DSP、SSP外，為進(jìn)一步提升產(chǎn)業(yè)整體的運(yùn)營(yíng)效率與行銷(xiāo)效能，圍繞程式化購(gòu)買(mǎi)衍生了更加多元與豐富的產(chǎn)業(yè)角色，包括獨(dú)立的數(shù)據(jù)供應(yīng)商、數(shù)據(jù)管理商、創(chuàng)意優(yōu)化服務(wù)商等。程式化購(gòu)買(mǎi)在國(guó)內(nèi)的發(fā)展2010年底，國(guó)內(nèi)網(wǎng)路廣告服務(wù)商受到國(guó)外程式化購(gòu)買(mǎi)的啟發(fā)，開(kāi)始在中國(guó)市場(chǎng)部署程式化購(gòu)買(mǎi)。2011年9月，阿裏媽媽對(duì)外發(fā)佈Tanx行銷(xiāo)平臺(tái)，穀歌隨後宣佈在中國(guó)推出DoubleClickAdExchange，進(jìn)一步助推了中國(guó)程式化購(gòu)買(mǎi)的發(fā)展浪潮。隨後，騰訊、新浪、百度等的廣告交易平臺(tái)如雨後春筍般出現(xiàn)。程式化購(gòu)買(mǎi)在國(guó)內(nèi)的發(fā)展自2012年開(kāi)始，中國(guó)的程式化購(gòu)買(mǎi)快速發(fā)展，DSP市場(chǎng)快速崛起；進(jìn)入2013年，DSP投放技術(shù)趨於成熟，市場(chǎng)反應(yīng)熱烈。移動(dòng)端程式化購(gòu)買(mǎi)逐漸凸顯。隨著移動(dòng)流量的激增以及廣告主預(yù)算向移動(dòng)端不斷傾斜，如何在移動(dòng)端進(jìn)行程式化購(gòu)買(mǎi)逐漸成為行業(yè)關(guān)注的焦點(diǎn)。三、程式化購(gòu)買(mǎi)的流程四、程式化購(gòu)買(mǎi)的組成部分1.廣告主廣告主在程式化購(gòu)買(mǎi)廣告投放的過(guò)程中，通過(guò)DSP預(yù)先設(shè)定好自己的廣告資訊、目標(biāo)受眾、願(yuàn)意為廣告支付的價(jià)格等，在AdExchange平臺(tái)進(jìn)行交易，通過(guò)即時(shí)競(jìng)價(jià)和非即時(shí)競(jìng)價(jià)兩種方式進(jìn)行競(jìng)價(jià)。當(dāng)SSP中含有符合條件的媒體時(shí)，廣告主的廣告就自動(dòng)出現(xiàn)在該媒體的某個(gè)廣告位上，如果不符合條件，廣告就不展示。2.DSP（1）DSP的定義DSP（DemandSidePlatform）即需求方平臺(tái)，是指面向並服務(wù)於廣告主的廣告投放管理平臺(tái)。DSP讓廣告主可以通過(guò)一個(gè)統(tǒng)一的口徑來(lái)管理一個(gè)或者多個(gè)AdExchange帳號(hào)，接入眾多媒體資源，提供全方位的服務(wù)。（2）DSP的特徵一個(gè)真正意義上的DSP必須具有兩個(gè)核心的特徵：一是擁有強(qiáng)大的即時(shí)競(jìng)價(jià)的基礎(chǔ)設(shè)施和能力；二是擁有先進(jìn)的用戶定向（AudienceTargeting）技術(shù)。3.SSP（1）SSP的定義SSP（SupplySidePlatform）即供應(yīng)方平臺(tái)，是指對(duì)媒體的廣告投放進(jìn)行全方位分析和管理的平臺(tái)。與DSP相對(duì)應(yīng)，SSP通過(guò)AdExchange與DSP相聯(lián)系，形成程式化購(gòu)買(mǎi)的產(chǎn)業(yè)鏈條。SSP以服務(wù)為驅(qū)動(dòng)力，是代表媒體進(jìn)行流量託管及售賣(mài)的平臺(tái)。（2）SSP的作用通過(guò)SSP，網(wǎng)路媒體能把自己的長(zhǎng)尾資源有效地利用起來(lái)，從而提高媒體廣告資源的整合價(jià)值，實(shí)現(xiàn)廣告資源優(yōu)化。4.AdExchangeAdExchange即廣告交易平臺(tái)，正如股票交易平臺(tái)一樣，它為互聯(lián)網(wǎng)廣告提供了一個(gè)交易的場(chǎng)所，一頭連接的是需求方，即廣告主，另一頭連接的是廣告位擁有者，即媒體方。（2）AdExchange的作用第一，讓廣告主可以接觸到更多的廣告資源。第二，充當(dāng)即時(shí)競(jìng)價(jià)工具。第三，整合資源，優(yōu)化投放選擇。5.DMP（1）DMP的定義。DMP（DataManagementPlatform）即數(shù)據(jù)管理平臺(tái)，是無(wú)縫整合跨不同接觸點(diǎn)的消費(fèi)者數(shù)據(jù)的技術(shù)，以幫助企業(yè)對(duì)何時(shí)及如何與每個(gè)用戶互動(dòng)做出更好的決策。百度、易傳媒、騰訊廣點(diǎn)通（2）DMP的分類(lèi)及區(qū)別目前市場(chǎng)上的DMP可以分為第一方DMP和第三方DMP。第一方DMP是廣告主的私有DMP，即自建DMP，收集整合的是廣告主的第一方數(shù)據(jù)，包括廣告數(shù)據(jù)、官網(wǎng)數(shù)據(jù)、電子郵件行銷(xiāo)（e-maildirectmarketing，EDM）數(shù)據(jù)、CRM數(shù)據(jù)等，廣告主擁有系統(tǒng)的唯一控制權(quán)和使用權(quán)。第一方DMP強(qiáng)調(diào)，為了在充分利用DMP價(jià)值的同時(shí)保證和維護(hù)自身的資訊安全，廣告主應(yīng)當(dāng)建立自己的DMP。第三方DMP第三方DMP的控制權(quán)和使用權(quán)一般歸運(yùn)營(yíng)商所有，其中收集、整合、分析的數(shù)據(jù)不為任何一個(gè)廣告主獨(dú)有，對(duì)於廣告主來(lái)說(shuō)，屬於第三方數(shù)據(jù)。第一方DMP與第三方DMP的異同類(lèi)別第一方DMP第三方DMP技術(shù)功能都擁有數(shù)據(jù)採(cǎi)集、數(shù)據(jù)管理、數(shù)據(jù)分析、對(duì)接應(yīng)用等核心功能數(shù)據(jù)歸屬?gòu)V告主私有運(yùn)營(yíng)商所有數(shù)據(jù)規(guī)模數(shù)據(jù)規(guī)模無(wú)須太大，重點(diǎn)在於高效分析、管理和運(yùn)用強(qiáng)調(diào)開(kāi)發(fā)和建立立體、多維互通的資料鏈條數(shù)據(jù)屬性第一方數(shù)據(jù)第三方數(shù)據(jù)關(guān)注點(diǎn)數(shù)據(jù)安全問(wèn)題數(shù)據(jù)流通、共用及價(jià)值問(wèn)題優(yōu)勢(shì)廣告主的資訊安全可以得到徹底的保障，第一方DMP整個(gè)數(shù)據(jù)系統(tǒng)的控制權(quán)和使用權(quán)全部在廣告主手裏可令廣告主在行銷(xiāo)的各環(huán)節(jié)獲得切實(shí)的效率提升不足孤立的、單向的數(shù)據(jù)資訊安全風(fēng)險(xiǎn)6.TradingDeskTradingDesk是程式化購(gòu)買(mǎi)的交易桌面，是廣告代理商進(jìn)行數(shù)位化廣告投放的一般工具，通過(guò)連接多個(gè)DSP來(lái)進(jìn)行廣告的優(yōu)化投放。8.輔助性平臺(tái)（1）DCOP（DynamicCreativeOptimizationPlatform），即動(dòng)態(tài)創(chuàng)意優(yōu)化平臺(tái)。（2）AdVerificationPlatform即廣告認(rèn)證平臺(tái)。該平臺(tái)的作用就是為廣告主監(jiān)測(cè)廣告投放環(huán)境，確保廣告合理投放並讓廣告主更好地追蹤每則廣告。五、程式化購(gòu)買(mǎi)的特徵1.程式化購(gòu)買(mǎi)與傳統(tǒng)廣告模式的區(qū)別（1）從購(gòu)買(mǎi)廣告位轉(zhuǎn)向購(gòu)買(mǎi)目標(biāo)受眾。（2）廣告創(chuàng)意和技術(shù)並重。（3）實(shí)現(xiàn)廣告投放的多屏互動(dòng)。2.程式化購(gòu)買(mǎi)的特徵（1）數(shù)據(jù)化（2）精準(zhǔn)化（3）人性化廣告主、媒體、受眾三贏第2節(jié)

程式化購(gòu)買(mǎi)的交易模式一、即時(shí)競(jìng)價(jià)模式1.RTB的基本概念RTB是在大數(shù)據(jù)背景下興起的一種新型互聯(lián)網(wǎng)廣告售賣(mài)方式，它通過(guò)cookie等人群定向技術(shù)抓取用戶的需求和偏好，在海量的網(wǎng)站上針對(duì)廣告主的目標(biāo)消費(fèi)群體進(jìn)行即時(shí)競(jìng)價(jià)，以此來(lái)獲得廣告位。2.RTB的發(fā)展歷程與趨勢(shì)RTB模式最早起源於美國(guó)，根據(jù)知名市場(chǎng)調(diào)研機(jī)構(gòu)eMarketer的報(bào)告，2012年RTB廣告的購(gòu)買(mǎi)占美國(guó)展示廣告市場(chǎng)的13%，市場(chǎng)份額是2010年的3倍，預(yù)計(jì)到2017年將攀升至29%。RTB在中國(guó)在中國(guó)，RTB模式在2011年已悄然出現(xiàn)，2012年4月11日，汽車(chē)品牌廣告主沃爾沃通過(guò)悠易互通率先進(jìn)行RTB行銷(xiāo)，成為中國(guó)RTB品牌行銷(xiāo)第一案例。因此，2012年被眾多業(yè)內(nèi)人士稱(chēng)為中國(guó)的RTB元年。3.RTB的運(yùn)作機(jī)制二、私有交易市場(chǎng)1.PMP的定義PMP（PrivateMarketplace）即私有交易市場(chǎng)。它與AdExchange的概念相反，AdExchange是公開(kāi)的交易，PMP則是私下的交易。PMP與傳統(tǒng)廣告交易的區(qū)別PMP與傳統(tǒng)廣告交易最本質(zhì)的區(qū)別在於，傳統(tǒng)廣告交易幾乎都是私有的，但並不屬於程式化購(gòu)買(mǎi)的範(fàn)疇。PMP的交易也是私有的，但它同時(shí)還是程式化的廣告。2.PMP的交易方式程式化直接購(gòu)買(mǎi)（PDB）保質(zhì)保量廣告位預(yù)留協(xié)商定價(jià)傳統(tǒng)媒介談判方式+程式化控制投放優(yōu)先交易（PD）保質(zhì)不保量廣告位預(yù)留事先出價(jià)程式化購(gòu)買(mǎi)中指定媒體私有競(jìng)價(jià)（PA）保質(zhì)不保量廣告位不預(yù)留即時(shí)競(jìng)價(jià)小範(fàn)圍內(nèi)參與競(jìng)價(jià)第3節(jié)

程式化購(gòu)買(mǎi)在各平臺(tái)上的發(fā)展一、PC端程式化購(gòu)買(mǎi)艾媒諮詢發(fā)佈的《2014—2015年中國(guó)DSP行業(yè)發(fā)展研究報(bào)告》顯示，“2014年，中國(guó)程式化展示廣告市場(chǎng)中，通過(guò)PC端投放的廣告規(guī)模為91.9%，通過(guò)移動(dòng)端投放的廣告規(guī)模為8.1%”，可見(jiàn)PC端的程式化購(gòu)買(mǎi)所占比重遠(yuǎn)大於移動(dòng)端。但隨著用戶向移動(dòng)端遷移，PC端流量增速放緩，移動(dòng)端程式化購(gòu)買(mǎi)廣告市場(chǎng)充滿潛力。二、移動(dòng)端程式化購(gòu)買(mǎi)“從多屏到跨屏，從PC端到移動(dòng)端”的程式化購(gòu)買(mǎi)是未來(lái)的發(fā)展趨勢(shì)。受眾如今面對(duì)更多的螢?zāi)?，僅僅在某一屏實(shí)現(xiàn)程式化購(gòu)買(mǎi)並不能達(dá)到最佳的效果。一位受眾可能在手機(jī)上查看想要購(gòu)買(mǎi)的商品資訊，然後在PC端完成購(gòu)買(mǎi)，在看電視的同時(shí)，還可以拿起iPad和朋友聊天。三、戶外程式化購(gòu)買(mǎi)2014年澳大利亞數(shù)字戶外廣告公司ValMorgan宣佈，旗下PumpTV加油站媒體網(wǎng)路已實(shí)現(xiàn)程式化購(gòu)買(mǎi)，在數(shù)據(jù)方面主要是靠自己的DART（數(shù)字戶外受眾即時(shí)測(cè)量）平臺(tái)，通過(guò)安裝在數(shù)字戶外媒體上的受眾測(cè)量設(shè)備來(lái)即時(shí)採(cǎi)集受眾的資訊，包括年齡、性別等。例如，當(dāng)加油站的數(shù)字媒體測(cè)出此時(shí)的觀看人為女性時(shí)，後臺(tái)中針對(duì)女性用戶且給出最高廣告費(fèi)的廣告將自動(dòng)播放。四、電視程式化購(gòu)買(mǎi)傳統(tǒng)電視廣告可能會(huì)有如下窘境：面對(duì)男性觀眾播放衛(wèi)生巾的廣告，面對(duì)已婚夫妻播放相親網(wǎng)站的廣告；而有的時(shí)候如果一家人特別喜歡看親子類(lèi)節(jié)目，卻無(wú)法智能地多推送一些親子產(chǎn)品的廣告。但利用電視程式化購(gòu)買(mǎi)，可以通過(guò)上億螢?zāi)慌c眾多消費(fèi)者聯(lián)繫起來(lái)，為品牌提供更為精準(zhǔn)的廣告投放方案。智能電視的發(fā)展騰訊發(fā)佈的《2016年智能電視數(shù)據(jù)報(bào)告》顯示，2012年國(guó)內(nèi)智能電視滲透率僅為32.7%；到2015年年底，智能電視逐漸普及，市場(chǎng)上銷(xiāo)售的絕大部分電視均為智能電視；2016年滲透率突破95%。智能電視的發(fā)展意味著用戶行為可以被監(jiān)測(cè)，這為電視廣告的程式化購(gòu)買(mǎi)奠定了用戶數(shù)據(jù)基礎(chǔ)，使其成為程式化購(gòu)買(mǎi)的下一個(gè)巨大市場(chǎng)。第4節(jié)

程式化購(gòu)買(mǎi)的發(fā)展前景與趨勢(shì)一、程式化購(gòu)買(mǎi)的發(fā)展前景1.優(yōu)質(zhì)媒體資源入駐交易平臺(tái)2.品牌廣告主參與程式化購(gòu)買(mǎi)3.程式化購(gòu)買(mǎi)產(chǎn)業(yè)鏈分工更加細(xì)緻比如，為按行業(yè)（母嬰）、按媒體（移動(dòng)端）、按領(lǐng)域（技術(shù)）細(xì)分的DSP二、程式化購(gòu)買(mǎi)的發(fā)展趨勢(shì)1.從PC端發(fā)展到移動(dòng)端2.從多屏演變到跨屏3.從線上整合到線下三、程式化購(gòu)買(mǎi)的不足1.媒體廣告位未完全開(kāi)放2.廣告主對(duì)程式化購(gòu)買(mǎi)還有疑慮3.市場(chǎng)的標(biāo)準(zhǔn)化和協(xié)同互助不夠完善比如：程式化購(gòu)買(mǎi)的標(biāo)準(zhǔn)欠缺和模糊、各平臺(tái)的數(shù)據(jù)交換較少

大數(shù)據(jù)公關(guān)與促銷(xiāo)

第一節(jié)大數(shù)據(jù)公關(guān)一、大數(shù)據(jù)時(shí)代的公關(guān)變革1.公眾自我意識(shí)提升大數(shù)據(jù)時(shí)代的公關(guān)活動(dòng)應(yīng)更加重視自我意識(shí)不斷提升的公眾。大數(shù)據(jù)技術(shù)的應(yīng)用不僅凸顯了公眾中心的重要性，而且為真正做到以公眾為中心提供了可能性。2.公眾細(xì)化程度加深大數(shù)據(jù)時(shí)代的資訊爆炸分散了人們的注意力，人們接觸到各種各樣的資訊，由此培養(yǎng)出不同的媒介接觸習(xí)慣和資訊消費(fèi)習(xí)慣。自由的資訊獲取管道，使得人們對(duì)資訊進(jìn)行“選擇性接觸”和“選擇性理解”。因此，公眾對(duì)於公關(guān)資訊的接收是有選擇性的，差異化的公關(guān)活動(dòng)成為時(shí)代所需。3.公關(guān)應(yīng)對(duì)難度加大首先，公關(guān)應(yīng)對(duì)難度加大體現(xiàn)在應(yīng)對(duì)時(shí)間縮短。危機(jī)事件發(fā)生後，在網(wǎng)路上傳播的速度極快，這就大大縮短了企業(yè)應(yīng)對(duì)的時(shí)間。其次，公關(guān)應(yīng)對(duì)難度加大體現(xiàn)在負(fù)面資訊更易被公眾獲知。每一個(gè)重大突發(fā)事件都伴隨著海量的資訊在互聯(lián)網(wǎng)和其他媒體上傳播，資訊量之大和傳播速度之快都是前所未有的。二、大數(shù)據(jù)公關(guān)策略1.公關(guān)對(duì)象精準(zhǔn)化傳統(tǒng)的公關(guān)只能通過(guò)大眾媒體來(lái)對(duì)公眾傳達(dá)資訊；運(yùn)用大數(shù)據(jù)技術(shù)則能夠?qū)娺M(jìn)行精準(zhǔn)細(xì)分，準(zhǔn)確獲知某一用戶的人口統(tǒng)計(jì)特徵（如性別、年齡、職業(yè)等）、興趣愛(ài)好、消費(fèi)偏好、社會(huì)關(guān)係網(wǎng)路等資訊，以此確定該用戶屬於哪種類(lèi)型的公眾，並根據(jù)其特徵定制公關(guān)策略。2.資訊發(fā)佈數(shù)據(jù)化數(shù)據(jù)新聞等新形式的媒體內(nèi)容正在改變我們認(rèn)知世界的方式，用數(shù)據(jù)說(shuō)話、數(shù)據(jù)為王的理念逐漸深入人心。因此，大數(shù)據(jù)公關(guān)的一個(gè)重要原則就是公關(guān)資訊發(fā)佈的數(shù)據(jù)化，這是客觀真實(shí)原則在大數(shù)據(jù)時(shí)代的新要求。3.輿情監(jiān)測(cè)即時(shí)化通過(guò)大數(shù)據(jù)技術(shù)，企業(yè)可以即時(shí)瞭解社交媒體上關(guān)於產(chǎn)品和品牌的正面或負(fù)面資訊，並迅速反應(yīng)，及時(shí)做出調(diào)整。在浩如煙海的互聯(lián)網(wǎng)世界中，要通過(guò)人力來(lái)監(jiān)測(cè)負(fù)面資訊，工作量實(shí)在太大，且無(wú)法窮盡；但利用大數(shù)據(jù)這個(gè)“哨兵”，就可以做到全面、精準(zhǔn)地把握負(fù)面資訊動(dòng)態(tài)，及時(shí)妥善處理，從而避免更大危機(jī)事件的爆發(fā)和蔓延。4.技術(shù)應(yīng)用人性化大數(shù)據(jù)技術(shù)無(wú)時(shí)無(wú)刻不在記錄人們的行為軌跡、生活動(dòng)態(tài)，由於這些數(shù)據(jù)包含隱私資訊，若不加考慮地濫用，將會(huì)造成用戶的反感和厭煩，甚至對(duì)消費(fèi)者的人身財(cái)產(chǎn)造成危害。事實(shí)上，在大數(shù)據(jù)時(shí)代，尊重消費(fèi)者隱私本身就是一種明智的公關(guān)策略。案例：無(wú)香味護(hù)手霜美國(guó)某公司對(duì)顧客的消費(fèi)數(shù)據(jù)進(jìn)行建模分析後發(fā)現(xiàn)，孕婦在妊娠期會(huì)購(gòu)買(mǎi)無(wú)香味護(hù)手霜，並且在懷孕的前20周會(huì)購(gòu)買(mǎi)大量的鈣、鎂等補(bǔ)劑。有了這一發(fā)現(xiàn)，公司本可以直接向孕婦投放孕期產(chǎn)品廣告，但是為了避免引起消費(fèi)者的反感，公司將這類(lèi)商品的資訊與其他商品的資訊一起投放給孕婦。第二節(jié)

大數(shù)據(jù)促銷(xiāo)一、大數(shù)據(jù)時(shí)代的促銷(xiāo)變革1.市場(chǎng)調(diào)研方式變革大數(shù)據(jù)技術(shù)的運(yùn)用，使促銷(xiāo)者不僅能夠準(zhǔn)確得到消費(fèi)者的購(gòu)買(mǎi)記錄、購(gòu)買(mǎi)偏好，分析出消費(fèi)者的購(gòu)買(mǎi)能力，甚至能夠通過(guò)對(duì)關(guān)聯(lián)數(shù)據(jù)的分析，預(yù)測(cè)消費(fèi)者的購(gòu)買(mǎi)需求。這樣，就能為促銷(xiāo)活動(dòng)找到準(zhǔn)確的目標(biāo)消費(fèi)群體，並根據(jù)這些消費(fèi)者的偏好有針對(duì)性地制定促銷(xiāo)計(jì)畫(huà)。案例山姆俱樂(lè)部於2009年8月實(shí)施了“eValues”專(zhuān)案，該專(zhuān)案根據(jù)會(huì)員之前購(gòu)買(mǎi)的商品、購(gòu)買(mǎi)時(shí)間、購(gòu)買(mǎi)價(jià)格等歷史交易數(shù)據(jù)，瞭解到顧客購(gòu)買(mǎi)某一商品的頻率以及對(duì)價(jià)格的敏感程度。比如顧客喜歡喝美式咖啡，但對(duì)價(jià)格比較敏感，就為他提供10美元的美式咖啡優(yōu)惠劵或者8美元的通用優(yōu)惠劵，並將這些個(gè)性化的電子優(yōu)惠劵發(fā)送到顧客手機(jī)上。2.促銷(xiāo)定價(jià)方式變革在大數(shù)據(jù)時(shí)代，促銷(xiāo)定價(jià)的顧客導(dǎo)向和差異化定價(jià)的意義更加凸顯。差異化定價(jià)強(qiáng)調(diào)面對(duì)不同消費(fèi)階段的顧客採(cǎi)取更靈活的定價(jià)，為每個(gè)需求層面找到最佳的供應(yīng)方。這時(shí)大數(shù)據(jù)就有了用武之地，分析顧客的行為並快速總結(jié)規(guī)律，在此基礎(chǔ)上結(jié)合顧客的消費(fèi)能力實(shí)現(xiàn)促銷(xiāo)活動(dòng)的精準(zhǔn)定價(jià)。3.資訊傳播方式變革在傳統(tǒng)的促銷(xiāo)活動(dòng)中，促銷(xiāo)方只能發(fā)傳單或通過(guò)大眾媒體來(lái)傳播促銷(xiāo)資訊，這樣的傳播方式不是建立在資訊雙向傳播的基礎(chǔ)之上，而是單向的傳播。這種方式帶來(lái)的效果不理想，不能保證促銷(xiāo)資訊到達(dá)目標(biāo)消費(fèi)者，而且不能及時(shí)獲知消費(fèi)者對(duì)於促銷(xiāo)資訊的回饋。大數(shù)據(jù)時(shí)代，促銷(xiāo)資訊的傳播方式是多元且精準(zhǔn)的。通過(guò)對(duì)用戶的網(wǎng)站流覽記錄、網(wǎng)購(gòu)記錄等數(shù)據(jù)的追蹤，能夠分析出該用戶是否為目標(biāo)消費(fèi)者，然後通過(guò)程式化購(gòu)買(mǎi)，讓促銷(xiāo)資訊在合適的時(shí)間出現(xiàn)在合適的消費(fèi)者眼前。二、大數(shù)據(jù)促銷(xiāo)策略1.基於海量數(shù)據(jù)的市場(chǎng)調(diào)研大數(shù)據(jù)時(shí)代，商業(yè)環(huán)境更加複雜多變，要想從海量的數(shù)據(jù)中甄別出有價(jià)值的資訊，除了提升資訊處理技術(shù)之外，還要改變傳統(tǒng)的市場(chǎng)調(diào)研模式。傳統(tǒng)的用於市場(chǎng)調(diào)研的抽樣及數(shù)據(jù)分析技術(shù)已不再適用於大數(shù)據(jù)的分析。行銷(xiāo)人員需要再學(xué)習(xí)，掌握更多的數(shù)據(jù)處理與分析的技能，以適應(yīng)大數(shù)據(jù)時(shí)代對(duì)促銷(xiāo)的新要求。2.促銷(xiāo)資訊的精準(zhǔn)投放以菲茲牛排為例，商家的數(shù)據(jù)分析顯示，客人在吃過(guò)一次牛排後，在第23天回頭客最多。於是商家在第20天左右開(kāi)始發(fā)放二次消費(fèi)促銷(xiāo)券，結(jié)果促銷(xiāo)券核銷(xiāo)率比之前大幅增長(zhǎng)，促銷(xiāo)效果顯著。案例：iBeacon蘋(píng)果公司開(kāi)發(fā)的iBeacon功能讓商家能夠向那些在店內(nèi)主動(dòng)選擇接收資訊的用戶發(fā)送促銷(xiāo)廣告。比如你在店內(nèi)的男鞋區(qū)，正要經(jīng)過(guò)襯衫區(qū)，店家就可以向你發(fā)送襯衫的折扣資訊引導(dǎo)你進(jìn)入該區(qū)域。該區(qū)域內(nèi)的商家還可能向你推薦某品牌的襯衫，因?yàn)檫@是和你一樣在男鞋區(qū)買(mǎi)過(guò)同款鞋子的其他顧客所買(mǎi)過(guò)的商品。3.根據(jù)回饋資訊即時(shí)調(diào)整促銷(xiāo)策略大數(shù)據(jù)為企業(yè)帶來(lái)的另一個(gè)機(jī)遇就是可以在促銷(xiāo)活動(dòng)中即時(shí)監(jiān)測(cè)促銷(xiāo)效果，根據(jù)回饋對(duì)促銷(xiāo)策略及時(shí)調(diào)整與改進(jìn)。傳統(tǒng)促銷(xiāo)屬於直線單向型，企業(yè)無(wú)法根據(jù)促銷(xiāo)效果對(duì)其促銷(xiāo)活動(dòng)進(jìn)行及時(shí)的調(diào)整；而大數(shù)據(jù)促銷(xiāo)屬於分段雙向型，整個(gè)促銷(xiāo)活動(dòng)分為不同的節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)上都有適時(shí)的資訊回饋，以便企業(yè)及時(shí)做出調(diào)整。

大數(shù)據(jù)行銷(xiāo)流程

第一節(jié)大數(shù)據(jù)的採(cǎi)集與存儲(chǔ)一、大數(shù)據(jù)的採(cǎi)集如果將大數(shù)據(jù)比喻成深埋在地下的石油，那麼對(duì)大數(shù)據(jù)的採(cǎi)集就相當(dāng)於發(fā)現(xiàn)原油的過(guò)程，它是企業(yè)進(jìn)行大數(shù)據(jù)分析和商業(yè)洞察的基礎(chǔ)，也是大數(shù)據(jù)行銷(xiāo)流程中重要的一環(huán)，其核心是實(shí)現(xiàn)與用戶的互聯(lián)。用戶是大數(shù)據(jù)最重要的來(lái)源，也是大數(shù)據(jù)行銷(xiāo)服務(wù)的終點(diǎn)。因此，收集一切與用戶相關(guān)的數(shù)據(jù)是成功進(jìn)行大數(shù)據(jù)行銷(xiāo)的前提。1.大數(shù)據(jù)的來(lái)源（1）政府。在社會(huì)高度資訊化與數(shù)據(jù)化的今天，政府作為城市管理與民生服務(wù)的主體，擁有大量的高質(zhì)量數(shù)據(jù)資源，這些數(shù)據(jù)一般來(lái)自行政記錄。大數(shù)據(jù)僅剩的一塊處女地非“政府大數(shù)據(jù)”莫屬了，並且是最權(quán)威、最具公共服務(wù)服務(wù)價(jià)值的數(shù)據(jù)，比如人口統(tǒng)計(jì)、國(guó)民健康、教育、公共資源、公共安全等等。政府?dāng)?shù)據(jù)的特點(diǎn)品質(zhì)較高連續(xù)性較好標(biāo)準(zhǔn)化程度較高在數(shù)據(jù)使用上效率較低，開(kāi)放給私營(yíng)部門(mén)是趨勢(shì)（2）企業(yè)企業(yè)資源計(jì)畫(huà)（enterpriseresourceplanning，ERP）、客戶關(guān)係管理（customerrelationshipmanagement，CRM）、供應(yīng)鏈管理（supplychainmanagement，SCM）、辦公自動(dòng)化（officeautomation，OA）等各種企業(yè)應(yīng)用軟體帶來(lái)的數(shù)據(jù)。電商交易數(shù)據(jù)（3）用戶用戶的數(shù)據(jù)一般來(lái)源於社交網(wǎng)路、電子商務(wù)網(wǎng)站、搜索引擎等互聯(lián)網(wǎng)平臺(tái)。特點(diǎn)：易獲得數(shù)據(jù)量巨大碎片化非結(jié)構(gòu)化（4）機(jī)器機(jī)器產(chǎn)生的巨量數(shù)據(jù)也是大數(shù)據(jù)的重要來(lái)源之一，其中包括應(yīng)用伺服器日誌、感測(cè)器數(shù)據(jù)（天氣、水、智能電網(wǎng)等）、圖像和視頻、射頻識(shí)別（radiofrequencyidentification，RFID）、二維碼或條碼掃描數(shù)據(jù)等。案例：穀歌無(wú)人駕駛汽車(chē)每秒產(chǎn)生1GB的數(shù)據(jù)，每年平均產(chǎn)生2PB的數(shù)據(jù)2.大數(shù)據(jù)的採(cǎi)集過(guò)程傳統(tǒng)的數(shù)據(jù)採(cǎi)集一般是有限的、有意識(shí)的和結(jié)構(gòu)化的；而大數(shù)據(jù)的採(cǎi)集則是一個(gè)十分複雜的工程（非結(jié)構(gòu)化等）。在智能製造、可穿戴設(shè)備、物聯(lián)網(wǎng)愈發(fā)普及的今天，數(shù)據(jù)採(cǎi)集變得非常重要，高速、可靠的數(shù)據(jù)採(cǎi)集技術(shù)是當(dāng)前需要重點(diǎn)突破的方向。二、大數(shù)據(jù)的預(yù)處理大數(shù)據(jù)時(shí)代，面對(duì)分散在不同地區(qū)、不同平臺(tái)、種類(lèi)繁多的異構(gòu)數(shù)據(jù)，進(jìn)行數(shù)據(jù)整合並非易事，要解決冗餘、歧義等髒數(shù)據(jù)的清洗問(wèn)題，僅靠手工進(jìn)行整理不但費(fèi)時(shí)費(fèi)力，而且品質(zhì)難以保證；另外，數(shù)據(jù)的定期更新也存在困難。如何實(shí)現(xiàn)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)整合，是進(jìn)行大數(shù)據(jù)處理時(shí)需要考慮的難題。ETL數(shù)據(jù)轉(zhuǎn)換系統(tǒng)為數(shù)據(jù)的預(yù)處理提供了可靠的解決方案。ETLETL是extract（抽?。ransform（轉(zhuǎn)換）、load（裝載）三個(gè)單詞的首字母縮寫(xiě)，用來(lái)描述將數(shù)據(jù)從來(lái)源端經(jīng)過(guò)抽取、轉(zhuǎn)換而裝載到目的端的過(guò)程。ETL將分散的，不同結(jié)構(gòu)數(shù)據(jù)源中的數(shù)據(jù)抽取到臨時(shí)中間層，之後進(jìn)行清洗、轉(zhuǎn)換、集成，最終按照預(yù)先設(shè)定好的數(shù)據(jù)倉(cāng)庫(kù)模型，將數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中，成為數(shù)據(jù)挖掘的基礎(chǔ)。ETL首先是抽?。簩?shù)據(jù)從各種原始的業(yè)務(wù)系統(tǒng)中讀取出來(lái)，這是所有工作的前提；其次是轉(zhuǎn)換：按照預(yù)先設(shè)計(jì)好的規(guī)則將抽取得到的數(shù)據(jù)進(jìn)行轉(zhuǎn)換，使本來(lái)結(jié)構(gòu)不同的數(shù)據(jù)格式能統(tǒng)一起來(lái)；最後是裝載：將轉(zhuǎn)換完的數(shù)據(jù)按計(jì)畫(huà)增量或全部導(dǎo)入數(shù)據(jù)倉(cāng)庫(kù)。三、大數(shù)據(jù)的存儲(chǔ)大數(shù)據(jù)應(yīng)用需要滿足不同回應(yīng)速度的需求，其數(shù)據(jù)存儲(chǔ)提倡分層管理機(jī)制，所以必須對(duì)多種數(shù)據(jù)及軟硬體平臺(tái)有較好的相容性來(lái)適應(yīng)各種應(yīng)用演算法，這就讓傳統(tǒng)的存儲(chǔ)技術(shù)無(wú)計(jì)可施，而成本低廉、具有高可擴(kuò)展性的雲(yún)存儲(chǔ)技術(shù)得到業(yè)界的廣泛認(rèn)同。鏈接：什麼是雲(yún)存儲(chǔ)？雲(yún)存儲(chǔ)是指通過(guò)集群應(yīng)用、網(wǎng)格技術(shù)或分佈式檔系統(tǒng)等功能，將網(wǎng)路中大量各種不同類(lèi)型的存儲(chǔ)設(shè)備通過(guò)應(yīng)用軟體集合起來(lái)協(xié)同工作，共同對(duì)外提供數(shù)據(jù)存儲(chǔ)和業(yè)務(wù)訪問(wèn)功能的一個(gè)系統(tǒng)。第二節(jié)大數(shù)據(jù)挖掘什麼是數(shù)據(jù)挖掘？數(shù)據(jù)挖掘（datamining）是利用人工智慧、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、模式識(shí)別等技術(shù)，從大量含有雜訊的數(shù)據(jù)中提取有效資訊的過(guò)程。從行銷(xiāo)學(xué)的角度來(lái)看，數(shù)據(jù)挖掘其實(shí)就是一種深層次的數(shù)據(jù)分析方法，其主要特點(diǎn)是對(duì)海量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取出輔助決策的關(guān)鍵數(shù)據(jù)。數(shù)據(jù)挖掘的目標(biāo)數(shù)據(jù)挖掘的目標(biāo)是從海量的數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的資訊，為企業(yè)行銷(xiāo)實(shí)踐提供借鑒和指導(dǎo)。通過(guò)數(shù)據(jù)挖掘洞察用戶需求是大數(shù)據(jù)行銷(xiāo)流程中最關(guān)鍵的一環(huán)，而數(shù)據(jù)挖掘的核心即通過(guò)大數(shù)據(jù)分析構(gòu)建立體的用戶畫(huà)像。數(shù)據(jù)挖掘和數(shù)據(jù)分析的區(qū)別數(shù)據(jù)量不同數(shù)據(jù)分析是MB或者GB級(jí)的，數(shù)據(jù)挖掘是TB甚至是PB級(jí)的；數(shù)據(jù)類(lèi)型不同數(shù)據(jù)挖掘不僅有結(jié)構(gòu)化數(shù)據(jù)，還有半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)；演算法不同數(shù)據(jù)分析以統(tǒng)計(jì)學(xué)為基礎(chǔ)，數(shù)據(jù)挖掘不僅需要統(tǒng)計(jì)學(xué)，還大量運(yùn)用了機(jī)器學(xué)習(xí)的演算法。二、數(shù)據(jù)挖掘的流程數(shù)據(jù)挖掘跨行業(yè)標(biāo)準(zhǔn)流程（Cross-IndustryStandardProcessforDataMining，CRISP-DM）是目前應(yīng)用最廣泛的一種標(biāo)準(zhǔn)化數(shù)據(jù)挖掘過(guò)程。包括商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、模型建立、模型評(píng)估和模型應(yīng)用六個(gè)主要步驟。CRISP-DM數(shù)據(jù)挖掘流程1.商業(yè)理解商業(yè)理解是對(duì)數(shù)據(jù)挖掘問(wèn)題本身的定義，重點(diǎn)在於對(duì)專(zhuān)案目標(biāo)的理解和從商業(yè)的角度洞察用戶需求，同時(shí)將這些內(nèi)容轉(zhuǎn)化為數(shù)據(jù)挖掘問(wèn)題的定義和完成目標(biāo)的初步計(jì)畫(huà)。2.數(shù)據(jù)理解在理解商業(yè)目標(biāo)後，要從大量可用的數(shù)據(jù)源中識(shí)別相關(guān)數(shù)據(jù)。例如，一個(gè)服裝零售業(yè)的數(shù)據(jù)挖掘?qū)０感枰ㄟ^(guò)人口統(tǒng)計(jì)資訊（如收入、職業(yè)、受教育程度、家庭人口和年齡等）、信用卡交易記錄和社會(huì)經(jīng)濟(jì)屬性，識(shí)別購(gòu)買(mǎi)當(dāng)季服裝的客戶的消費(fèi)行為和購(gòu)物偏好。3.數(shù)據(jù)準(zhǔn)備數(shù)據(jù)準(zhǔn)備指的是對(duì)原始數(shù)據(jù)的預(yù)處理，即ETL，主要包括數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換和加載，是整個(gè)數(shù)據(jù)挖掘流程中最耗時(shí)的環(huán)節(jié)。數(shù)據(jù)處理的方法是否得當(dāng)，對(duì)數(shù)據(jù)中所體現(xiàn)出來(lái)的業(yè)務(wù)特點(diǎn)的理解是否準(zhǔn)確，將直接影響到模型的選擇及其效果，甚至決定整個(gè)數(shù)據(jù)挖掘工作能否達(dá)到預(yù)定目標(biāo)。4.模型建立模型建立是整個(gè)數(shù)據(jù)挖掘流程中最關(guān)鍵的一步，需要在數(shù)據(jù)理解的基礎(chǔ)上選擇並實(shí)現(xiàn)相關(guān)的挖掘演算法，同時(shí)對(duì)演算法進(jìn)行反復(fù)調(diào)試。模型的建立和數(shù)據(jù)理解是相互影響的，通常需要經(jīng)過(guò)反復(fù)的嘗試和磨合，在多次迭代後才能建立真正有效的模型。5.模型評(píng)估與模型應(yīng)用數(shù)據(jù)挖掘工作基本結(jié)束時(shí)，需要對(duì)最終的模型效果進(jìn)行評(píng)測(cè)。在演算法挖掘初期需要制定最終模型的評(píng)測(cè)方法、相關(guān)指標(biāo)等，以此判斷最終模型是否達(dá)到預(yù)期目標(biāo)。比如一個(gè)關(guān)鍵的評(píng)價(jià)指標(biāo)就是，是否仍然有一些重要的行銷(xiāo)問(wèn)題沒(méi)有得到充分的關(guān)注和考慮。模型通過(guò)評(píng)測(cè)後即可以安排上線，正式進(jìn)入商業(yè)化運(yùn)作流程。三、數(shù)據(jù)挖掘的演算法與應(yīng)用一般來(lái)說(shuō)，數(shù)據(jù)挖掘的演算法包括四種類(lèi)型，即分類(lèi)、預(yù)測(cè)、聚類(lèi)、關(guān)聯(lián)。前兩種屬於有監(jiān)督學(xué)習(xí)（supervisedlearning），後兩種屬於無(wú)監(jiān)督學(xué)習(xí)（unsupervisedlearning）。數(shù)據(jù)挖掘的演算法類(lèi)型1.有監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)是指存在目標(biāo)變數(shù)，探索特徵變數(shù)和目標(biāo)變數(shù)之間的關(guān)係，在目標(biāo)變數(shù)的監(jiān)督下學(xué)習(xí)和優(yōu)化演算法。例如，信用評(píng)分模型就是典型的有監(jiān)督學(xué)習(xí)，目標(biāo)變數(shù)為“是否違約”。演算法的目的在於研究特徵變數(shù)（人口統(tǒng)計(jì)、資產(chǎn)屬性等）和目標(biāo)變數(shù)之間的關(guān)係，屬於描述性的模式識(shí)別和發(fā)現(xiàn)。（1）分類(lèi)分類(lèi)是數(shù)據(jù)挖掘中最常用的應(yīng)用，指的是將資料庫(kù)中一組數(shù)據(jù)對(duì)象劃分為不同的類(lèi)別，其目的是通過(guò)模型將資料庫(kù)中的資料項(xiàng)目映射到某個(gè)給定的類(lèi)別。分類(lèi)演算法廣泛應(yīng)用於客戶的分類(lèi)、客戶的屬性和特徵分析、客戶滿意度分析、客戶的購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)等。例子比如，一個(gè)汽車(chē)零售商按照對(duì)汽車(chē)的喜好將客戶劃分為不同的類(lèi)別，這樣行銷(xiāo)人員就可以將新型汽車(chē)的廣告手冊(cè)直接郵寄到有這種喜好的客戶手中，從而大大提高行銷(xiāo)的精準(zhǔn)度。再如，淘寶商鋪將用戶在一段時(shí)間內(nèi)的購(gòu)買(mǎi)情況劃分成不同的類(lèi)別，根據(jù)情況向用戶推薦關(guān)聯(lián)類(lèi)的商品，從而增加商鋪的銷(xiāo)售量。（2）預(yù)測(cè)預(yù)測(cè)是基於觀測(cè)數(shù)據(jù)建立變數(shù)間適當(dāng)?shù)囊蕾?lài)關(guān)係，以分析數(shù)據(jù)內(nèi)在規(guī)律，解決相關(guān)問(wèn)題。主要研究數(shù)據(jù)序列的趨勢(shì)特徵、數(shù)據(jù)序列的預(yù)測(cè)以及變數(shù)間的相關(guān)性等。預(yù)測(cè)通常被應(yīng)用到大數(shù)據(jù)行銷(xiāo)的各個(gè)方面，如尋求與維繫客戶、預(yù)防客戶流失、產(chǎn)品生命週期分析、銷(xiāo)售趨勢(shì)預(yù)測(cè)及有針對(duì)性的行銷(xiāo)活動(dòng)等。2.無(wú)監(jiān)督學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)是指不存在目標(biāo)變數(shù)，基於數(shù)據(jù)本身去識(shí)別變數(shù)內(nèi)在的模式和特徵。比如關(guān)聯(lián)分析，通過(guò)數(shù)據(jù)發(fā)現(xiàn)專(zhuān)案A和專(zhuān)案B之間的關(guān)聯(lián)性；再比如聚類(lèi)分析，根據(jù)距離將所有樣本劃分為幾個(gè)穩(wěn)定可區(qū)分的群體。這些都是在沒(méi)有目標(biāo)變數(shù)監(jiān)督下的模式識(shí)別和分析。（1）聚類(lèi)聚類(lèi)是把一組數(shù)據(jù)按照相似性和差異性分為幾個(gè)類(lèi)別，其目的是將同一類(lèi)別數(shù)據(jù)間的相似性盡可能擴(kuò)大，不同類(lèi)別數(shù)據(jù)間的相似性盡可能減小。聚類(lèi)與分類(lèi)不同，在做聚類(lèi)分析之前我們並不知道會(huì)以何種方式或依據(jù)來(lái)分類(lèi)，所以在聚類(lèi)分析完成之後，數(shù)據(jù)和對(duì)象分成若干群，我們必須借助專(zhuān)業(yè)領(lǐng)域知識(shí)來(lái)解讀分群的意義聚類(lèi)分析的應(yīng)用聚類(lèi)分析可以應(yīng)用於客戶群體的分類(lèi)、客戶背景分析、市場(chǎng)細(xì)分等。比如，金融行業(yè)中對(duì)不同股票的發(fā)展趨勢(shì)進(jìn)行歸類(lèi)，找出股價(jià)波動(dòng)趨勢(shì)相近的股票集合。在市場(chǎng)細(xì)分領(lǐng)域，對(duì)同一種類(lèi)的商品或服務(wù)時(shí)，不同的客戶有不同的消費(fèi)特點(diǎn)，通過(guò)研究這些特點(diǎn)，企業(yè)可以制定出不同的行銷(xiāo)組合，從而獲取最大的經(jīng)濟(jì)效益。（2）關(guān)聯(lián)關(guān)聯(lián)描述資料庫(kù)中資料項(xiàng)目之間存在的關(guān)係，即隱藏在數(shù)據(jù)間的關(guān)聯(lián)性或相互關(guān)係。受益於條碼掃描器等自動(dòng)資訊收集技術(shù)，使用關(guān)聯(lián)演算法從超市銷(xiāo)售點(diǎn)終端系統(tǒng)（pointofsale，POS）的大規(guī)模交易記錄中發(fā)現(xiàn)用戶的購(gòu)物偏好在零售業(yè)中是很常見(jiàn)的，因此在應(yīng)用領(lǐng)域，關(guān)聯(lián)演算法通常被稱(chēng)為“購(gòu)物籃分析”（marketbasketanalysis）。例子在超市購(gòu)物時(shí)，顧客的購(gòu)買(mǎi)記錄常常隱含著很多關(guān)聯(lián)規(guī)則，例如購(gòu)買(mǎi)圓珠筆的顧客中有65%也購(gòu)買(mǎi)了筆記本，利用這些規(guī)則，商場(chǎng)人員可以很好地規(guī)劃商品的貨架佈局；沃爾瑪超市“啤酒和尿不濕”的銷(xiāo)售策略就是通過(guò)購(gòu)物籃分析發(fā)現(xiàn)的。案例：亞馬遜在亞馬遜等電商網(wǎng)站中，利用關(guān)聯(lián)規(guī)則可以發(fā)現(xiàn)哪些用戶更喜歡哪類(lèi)商品，當(dāng)發(fā)現(xiàn)有類(lèi)似的客戶時(shí)，可以將其他客戶購(gòu)買(mǎi)的商品推薦給相類(lèi)似的客戶，以提高網(wǎng)站的收入。第三節(jié)大數(shù)據(jù)行銷(xiāo)的技術(shù)支撐Hadoop目前應(yīng)用最廣泛的是Hadoop平臺(tái)，它在分佈式環(huán)境下提供了處理海量數(shù)據(jù)的能力，被公認(rèn)是一套行業(yè)大數(shù)據(jù)標(biāo)準(zhǔn)開(kāi)源軟體。Hadoop的應(yīng)用Facebook使用Hadoop存儲(chǔ)內(nèi)部的日誌副本，Twitter則使用Hadoop存儲(chǔ)微博數(shù)據(jù)、日誌檔和其他中間數(shù)據(jù)等。在國(guó)內(nèi)，Hadoop同樣得到許多公司的青睞，比如百度就將Hadoop用於日誌分析和網(wǎng)頁(yè)資料庫(kù)的數(shù)據(jù)挖掘，阿裏巴巴則將Hadoop用於商業(yè)數(shù)據(jù)的排序和搜索引擎的優(yōu)化等。一、Hadoop平臺(tái)概述1.Hadoop的基本概念Hadoop是一個(gè)由Apache軟體基金會(huì)開(kāi)發(fā)的開(kāi)源分佈式系統(tǒng)基礎(chǔ)架構(gòu)。簡(jiǎn)單地說(shuō)，它是一個(gè)可以更容易開(kāi)發(fā)和運(yùn)行的處理大規(guī)模數(shù)據(jù)的軟體平臺(tái)。它最早起源於Nutch，2002年由道格·卡廷（DougCutting）領(lǐng)銜的雅虎團(tuán)隊(duì)開(kāi)發(fā)。Hadoop命名來(lái)歷Hadoop是由其創(chuàng)建者道格·卡廷以他兒子的毛絨玩具象來(lái)命名的，下圖顯示了其標(biāo)識(shí)。Hadoop的核心部分Hadoop的核心部分由分佈式檔系統(tǒng)HDFS（HadoopDistributedFileSystem）和MapReduce（GoogleMapReduce的開(kāi)源實(shí)現(xiàn)）組成，除此之外，Hadoop還包括一些支持Hadoop的其他通用工具的分佈式計(jì)算系統(tǒng)，可為用戶提供系統(tǒng)底層細(xì)節(jié)的分佈式基礎(chǔ)架構(gòu)。2.Hadoop的功能Hadoop採(cǎi)用HDFS分佈式存儲(chǔ)技術(shù)，提高了數(shù)據(jù)的讀寫(xiě)速度，同時(shí)也擴(kuò)大了存儲(chǔ)的容量。採(cǎi)用MapReduce來(lái)整合分佈式檔系統(tǒng)上的數(shù)據(jù)，可以保證分析和處理數(shù)據(jù)的高效性。再加上Hadoop的開(kāi)源特性，使得它在同類(lèi)的分佈式系統(tǒng)中脫穎而出，因此也被眾多企業(yè)和科研機(jī)構(gòu)採(cǎi)用。3.Hadoop的優(yōu)點(diǎn)與缺點(diǎn)優(yōu)點(diǎn)：（1）高擴(kuò)展性。Hadoop是在可用的電腦集群間分配數(shù)據(jù)並完成計(jì)算任務(wù)的，這些集群可以方便地?cái)U(kuò)展到數(shù)以千計(jì)的節(jié)點(diǎn)中。（2）高效性。Hadoop能夠在節(jié)點(diǎn)之間動(dòng)態(tài)地移動(dòng)數(shù)據(jù)，並保證各個(gè)節(jié)點(diǎn)的動(dòng)態(tài)平衡，因此處理速度非?？?，可以高效地處理和分析海量的數(shù)據(jù)。（3）高容錯(cuò)性。通過(guò)分佈式存儲(chǔ)，Hadoop可以自動(dòng)存儲(chǔ)多份副本，當(dāng)數(shù)據(jù)處理請(qǐng)求失敗後，會(huì)自動(dòng)重新部署計(jì)算任務(wù)。（4）低成本。與一體機(jī)、商用數(shù)據(jù)倉(cāng)庫(kù)等數(shù)據(jù)集市相比，Hadoop是開(kāi)源的，開(kāi)發(fā)者可以免費(fèi)下載Apache的Hadoop分佈式平臺(tái)，因此專(zhuān)案的軟體成本大大降低。缺點(diǎn)目前Hadoop開(kāi)發(fā)者和數(shù)據(jù)科學(xué)家的缺乏，使得眾多企業(yè)維持複雜的Hadoop集群並利用其優(yōu)勢(shì)變得困難重重；由於Hadoop的許多組件都是通過(guò)技術(shù)社區(qū)得到改善的，並且新的組件不斷創(chuàng)建，因此作為不成熟的開(kāi)源技術(shù)，存在失敗的風(fēng)險(xiǎn)；Hadoop是一個(gè)面向批處理的框架，這意味著它不支持即時(shí)的數(shù)據(jù)處理和分析。二、Hadoop的體系架構(gòu)Hadoop不是一個(gè)單一的產(chǎn)品，而是由多個(gè)不同的產(chǎn)品共同組成的軟體平臺(tái)，其中最核心的就是HDFS和MapReduce。Hadoop生態(tài)系統(tǒng)圖1.HDFSHDFS是Hadoop的基本組成部分，是一種數(shù)據(jù)分佈式保存機(jī)制，存儲(chǔ)Hadoop集群中所有存儲(chǔ)節(jié)點(diǎn)上的檔。HDFS為HBase提供了高可靠性的底層存儲(chǔ)支持，並為Hadoop平臺(tái)上其他的工具提供基礎(chǔ)。2.MapReduceMapReduce是Hadoop的主要執(zhí)行框架，它是一個(gè)分佈式、並行處理的編程模型，分為Map（映射）階段和Reduce（化簡(jiǎn)）過(guò)程，是一種將任務(wù)細(xì)分處理再匯總結(jié)果的方法，即Map將一個(gè)任務(wù)分解成為多個(gè)任務(wù)分發(fā)出去，Reduce再將分解後多任務(wù)處理的結(jié)果匯總起來(lái)。3.HBaseHBase即HadoopDatabase，是一個(gè)在HDFS上開(kāi)發(fā)的面向列的高可靠性、高性能、可伸縮的資料庫(kù)系統(tǒng)。利用HBase技術(shù)可以在廉價(jià)的PC伺服器上搭建起大規(guī)模結(jié)構(gòu)化的存儲(chǔ)集群。HBase是GoogleBigTable的開(kāi)源實(shí)現(xiàn)，模仿並提供了BigTable資料庫(kù)的所有功能。4.PigPig是一個(gè)基於Hadoop的大規(guī)模數(shù)據(jù)分析工具，它提供的類(lèi)似結(jié)構(gòu)化查詢語(yǔ)言（StructuredQueryLanguage，SQL）的語(yǔ)言叫PigLatin，該語(yǔ)言的編譯器會(huì)把數(shù)據(jù)分析請(qǐng)求轉(zhuǎn)換為一系列經(jīng)過(guò)優(yōu)化處理的MapReduce運(yùn)算。5.HiveHive是構(gòu)建於Hadoop上的一個(gè)數(shù)據(jù)倉(cāng)庫(kù)軟體，允許使用類(lèi)似於SQL的語(yǔ)言來(lái)查詢和管理分佈式存儲(chǔ)的大型數(shù)據(jù)集。類(lèi)似於Pig，在運(yùn)行時(shí)，Hive會(huì)將查詢轉(zhuǎn)換為一系列MapReduce作業(yè)。Hive比Pig在概念上更接近關(guān)係型資料庫(kù)管理系統(tǒng)，因此適用於結(jié)構(gòu)化程度更高的數(shù)據(jù)。對(duì)於非結(jié)構(gòu)化數(shù)據(jù)，Pig是更佳的選擇。6.MahoutMahout的原意是“驅(qū)象人”，它是基於Hadoop平臺(tái)的數(shù)據(jù)挖掘演算法框架，提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典演算法，包括聚類(lèi)、分類(lèi)、協(xié)同過(guò)濾（collaborativefiltering）等，旨在幫助開(kāi)發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程式。。7.ZookeeperZookeeper的原意是“動(dòng)物園管理員”，它是一種基於HBase和HDFS的分佈式協(xié)作服務(wù)，主要用於解決分佈式應(yīng)用中所遇到的一致性問(wèn)題，比如統(tǒng)一命名服務(wù)、狀態(tài)同步服務(wù)、集群管理、分佈式應(yīng)用配置項(xiàng)的管理等。8.AmbariAmbari是一種基於Web的工具，旨在支持Hadoop集群的安裝、部署、管理和監(jiān)控。Ambari目前支持大多數(shù)Hadoop組件，包括HDFS，MapReduce，Hive，Zookeeper，Pig等的集中管理。9.FlumeFlume是一個(gè)分佈式、高可靠性、高可用性的海量日誌採(cǎi)集、聚合和傳輸系統(tǒng)，可用於日誌數(shù)據(jù)的收集、處理及傳輸。Flume支持在日誌系統(tǒng)中定制各類(lèi)數(shù)據(jù)發(fā)送方，用於收集數(shù)據(jù)；同時(shí)，F(xiàn)lume還提供對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單處理，並寫(xiě)到各種數(shù)據(jù)接收方的能力。10.SqoopSqoop是一個(gè)用來(lái)將Hadoop和關(guān)係型資料庫(kù)中的數(shù)據(jù)相互轉(zhuǎn)移的工具，它可以將一個(gè)關(guān)係型資料庫(kù)（如MySQL，Oracle等）中的數(shù)據(jù)導(dǎo)入Hadoop的HDFS，也可以將HDFS中的數(shù)據(jù)導(dǎo)入關(guān)係型資料庫(kù)。這個(gè)過(guò)程即為ETL。三、Hadoop的應(yīng)用1.Hadoop在門(mén)戶網(wǎng)站上的應(yīng)用關(guān)於Hadoop技術(shù)的研究和應(yīng)用，雅虎一直處?kù)额I(lǐng)先地位，它將Hadoop應(yīng)用於自己的各種產(chǎn)品中，包括數(shù)據(jù)分析、內(nèi)容優(yōu)化、反垃圾郵件系統(tǒng)、廣告的優(yōu)化選擇、大數(shù)據(jù)處理和ETL等。同時(shí)，在用戶興趣預(yù)測(cè)、搜索排名、廣告定位等方面加以充分應(yīng)用。2.Hadoop在搜索引擎中的應(yīng)用百度在互聯(lián)網(wǎng)領(lǐng)域的平臺(tái)需求要通過(guò)性能較好的雲(yún)平臺(tái)進(jìn)行處理，Hadoop就是很好的選擇。在百度，Hadoop主要用於日誌的存儲(chǔ)與統(tǒng)計(jì)、網(wǎng)頁(yè)數(shù)據(jù)的分析和挖掘、商業(yè)分析（如用戶的行為和廣告關(guān)注度等）、線上數(shù)據(jù)的回饋、線上廣告點(diǎn)擊情況的統(tǒng)計(jì)、用戶網(wǎng)頁(yè)的聚類(lèi)、用戶推薦度及用戶之間關(guān)聯(lián)度的分析等。3.Hadoop在電商平臺(tái)中的應(yīng)用淘寶網(wǎng)目前擁有超過(guò)5億註冊(cè)用戶，每天有超過(guò)6000萬(wàn)名固定訪客，同時(shí)每天的線上交易商品數(shù)超過(guò)8億件，平均每分鐘售出5.2萬(wàn)件商品。它需要用雲(yún)系統(tǒng)來(lái)存儲(chǔ)PB級(jí)的數(shù)據(jù)，Hadoop就是很好的選擇。其他應(yīng)用除了以上例子，在其他很多應(yīng)用中都有Hadoop的身影，在社交、電信等領(lǐng)域Hadoop都發(fā)揮著舉足輕重的作用。由此可以看出Hadoop分佈式集群在大數(shù)據(jù)處理方面有著無(wú)與倫比的優(yōu)勢(shì)，易於部署、方便擴(kuò)展、性能強(qiáng)等特點(diǎn)使得它能很快被各大企業(yè)接受，並在各種應(yīng)用中不斷得到完善。

基於大數(shù)據(jù)的消費(fèi)者洞察

第一節(jié)基於大數(shù)據(jù)消費(fèi)者洞察的優(yōu)勢(shì)一、提高效率：大數(shù)據(jù)vs小數(shù)據(jù)傳統(tǒng)行銷(xiāo)的消費(fèi)者洞察主要是依靠實(shí)地調(diào)研、抽樣問(wèn)卷調(diào)查等方法，這種方式歷史悠久，但是在互聯(lián)網(wǎng)時(shí)代逐漸暴露出其缺點(diǎn)，即成本高、回饋週期長(zhǎng)、樣本量小等。與傳統(tǒng)的消費(fèi)者洞察方法相比，大數(shù)據(jù)時(shí)代的消費(fèi)者洞察是基於消費(fèi)者自身在互聯(lián)網(wǎng)中產(chǎn)生的龐大真實(shí)數(shù)據(jù)——不管是搜索的關(guān)鍵字、流覽的頁(yè)面，還是觀看的視頻、社交媒體上的活動(dòng)狀態(tài)等。這種方式能節(jié)省大量調(diào)查的人力和費(fèi)用，縮短資訊回饋週期，大大提高洞察的準(zhǔn)確性。二、優(yōu)化效果：動(dòng)態(tài)vs靜態(tài)傳統(tǒng)的市場(chǎng)調(diào)研方法是靜態(tài)的，這種靜態(tài)特質(zhì)不僅體現(xiàn)為時(shí)間上的靜態(tài)，更體現(xiàn)為調(diào)研內(nèi)容上的靜態(tài)。在時(shí)間上，問(wèn)卷調(diào)查是在某一具體時(shí)間節(jié)點(diǎn)上對(duì)消費(fèi)者進(jìn)行訪問(wèn)。在調(diào)研內(nèi)容上，例如調(diào)查問(wèn)卷的內(nèi)容，每個(gè)問(wèn)題的順序、表達(dá)、如何作答都是提前設(shè)計(jì)好的，這在某種程度上局限了調(diào)研的範(fàn)圍，而且問(wèn)卷的設(shè)計(jì)水準(zhǔn)將直接影響調(diào)研的效果。90後、00後新一代消費(fèi)者更強(qiáng)調(diào)個(gè)性，面對(duì)的誘惑更多，因此品牌依賴(lài)度下降，不會(huì)單純相信企業(yè)的宣傳，傾向於自己在網(wǎng)路上搜索評(píng)價(jià)並做出判斷，他們的決策在這一秒和下一秒可能截然不同。消費(fèi)者在改變，對(duì)消費(fèi)者的洞察方式也需要改變。大數(shù)據(jù)能打破時(shí)間和空間的限制，使得對(duì)消費(fèi)者的分析即時(shí)動(dòng)態(tài)更新，真正做到隨時(shí)隨地瞭解他們當(dāng)下的需求。三、深入洞察：全面vs片面基於大數(shù)據(jù)的消費(fèi)者洞察的基本特性之一就是數(shù)據(jù)獲取的全面性。對(duì)用戶行為軌跡進(jìn)行追蹤，對(duì)特定時(shí)間段的數(shù)據(jù)進(jìn)行收集，傳統(tǒng)市場(chǎng)調(diào)研是做不到的；而在大數(shù)據(jù)時(shí)代，消費(fèi)者的各種行為都被記錄下來(lái)。比如在淘寶的收藏夾裏收藏了什麼、每天花在網(wǎng)上購(gòu)物的時(shí)長(zhǎng)、購(gòu)物的平均金額，等等。另外，數(shù)據(jù)的獲取沒(méi)有時(shí)間和地點(diǎn)限制，在消費(fèi)者不願(yuàn)意接受問(wèn)卷調(diào)查時(shí)，也能獲得該消費(fèi)者的數(shù)據(jù)，使得消費(fèi)者洞察少了很多阻礙，進(jìn)入一個(gè)更為全面的階段。有全面的數(shù)據(jù)才能有全面的分析，所瞭解的情況才能與消費(fèi)者的實(shí)際情況更加接近。四、真實(shí)可信：客觀vs主觀傳統(tǒng)的消費(fèi)者洞察更多是主觀的介入，然而人是非常複雜的動(dòng)物，人會(huì)思考，且富有情感。調(diào)查人員在碰到消費(fèi)者提問(wèn)或者問(wèn)卷分析中有不理解的問(wèn)題時(shí)，往往會(huì)帶入自己的情感和主觀推測(cè)。大數(shù)據(jù)則不然，大數(shù)據(jù)是對(duì)消費(fèi)者各個(gè)方面特徵的客觀捕捉。基於互聯(lián)網(wǎng)的數(shù)據(jù)採(cǎi)集是多管道、多元化的，例如我們可以捕捉消費(fèi)者在網(wǎng)上購(gòu)物時(shí)留下的數(shù)據(jù)進(jìn)行分析，這是消費(fèi)者客觀、真實(shí)的購(gòu)物行為，避免了傳統(tǒng)市場(chǎng)調(diào)研中主觀性的問(wèn)題。第二節(jié)基於大數(shù)據(jù)消費(fèi)者洞察的方法一、cookie數(shù)據(jù)追蹤行為利用cookie是大數(shù)據(jù)時(shí)代洞察消費(fèi)者的一種基本方法。cookie是伺服器暫存在用戶電腦上的一筆資料，以便識(shí)別用戶，它存儲(chǔ)在用戶的本地電腦上，而且經(jīng)過(guò)了加密處理。cookie是怎樣形成的？假設(shè)你訪問(wèn)某一網(wǎng)站，該網(wǎng)站的伺服器會(huì)通過(guò)你的流覽器（如IE、搜狗等）在你的電腦上生成只能由這個(gè)網(wǎng)站可讀的cookie檔，這些cookie檔會(huì)存儲(chǔ)你在該網(wǎng)站上的一些輸入數(shù)據(jù)與操作記錄，包括你敲入的文字、你的流覽行為或者一些選擇，當(dāng)你下一次流覽這個(gè)網(wǎng)站時(shí)，網(wǎng)站就知道你是否曾經(jīng)訪問(wèn)過(guò)，以此識(shí)別你的身份。cookie最基本的表現(xiàn)就是，保存了你在這個(gè)網(wǎng)站登錄時(shí)的用戶名和密碼，這樣下次你訪問(wèn)時(shí)就不需要再重複輸入，而已經(jīng)是登錄狀態(tài)了。cookie就好像是你在這個(gè)網(wǎng)站的一張身份證，你在這個(gè)網(wǎng)站的每一次訪問(wèn)都會(huì)促成對(duì)cookie的修改。利用cookie數(shù)據(jù)進(jìn)行消費(fèi)者洞察表現(xiàn)為通過(guò)對(duì)可得的每一個(gè)cookie進(jìn)行分析，找到該用戶的關(guān)注點(diǎn)、興趣點(diǎn)。cookie就像是用戶留下的一串串腳印，根據(jù)這些腳印的所到之處，可以知道用戶的興趣愛(ài)好，以此為基礎(chǔ)來(lái)投放廣告。但是這種方法只能做到簡(jiǎn)單的數(shù)據(jù)分析，原因是受到數(shù)據(jù)量、過(guò)期時(shí)間、數(shù)據(jù)覆蓋範(fàn)圍等因素的限制，因此cookie的準(zhǔn)確率不高。Atlascookie在移動(dòng)時(shí)代最大的一個(gè)弊病就是，在移動(dòng)設(shè)備上沒(méi)有cookie。Facebook推出的新版Atlas解決了這個(gè)問(wèn)題。Atlas最初是一個(gè)追蹤系統(tǒng)，2013年被Facebook從微軟手中收購(gòu)，經(jīng)過(guò)Facebook的改寫(xiě)，如今的Atlas可以在沒(méi)有cookie的移動(dòng)世界裏捕捉消費(fèi)者的行為?；度说男袖N(xiāo)Atlas利用Facebook的永久ID解決了移動(dòng)設(shè)備的cookie難題。如果說(shuō)cookie是用戶留在網(wǎng)頁(yè)上的腳印的話，F(xiàn)acebook的ID更像是一個(gè)人的指紋，更具有唯一性，無(wú)論用戶到哪里，都可以通過(guò)這個(gè)指紋識(shí)別出具體的個(gè)人。因此，Atlas也稱(chēng)為”基於人的行銷(xiāo)”。二、搜索數(shù)據(jù)揭示興趣搜索平臺(tái)擁有龐大的用戶行為數(shù)據(jù)，即時(shí)洞察消費(fèi)者需求，集成數(shù)據(jù)，進(jìn)行結(jié)構(gòu)化分析，也可以進(jìn)行一定程度的洞察。但是這種方法會(huì)受到特定搜索引擎的局限，只能掌握部分消費(fèi)者的部分網(wǎng)路行為，因?yàn)閮H僅基於用戶的搜索行為無(wú)法知道他們的後續(xù)動(dòng)作是什麼，比如：用戶是否會(huì)真的購(gòu)買(mǎi)搜索的商品？哪些用戶會(huì)購(gòu)買(mǎi)？哪些用戶沒(méi)有購(gòu)買(mǎi)？三、社交數(shù)據(jù)發(fā)現(xiàn)身份隨著移動(dòng)互聯(lián)網(wǎng)的興起，社交媒體已經(jīng)成為消費(fèi)者日常生活中不可缺少的一部分。大多數(shù)消費(fèi)者，特別是年輕人已經(jīng)習(xí)慣了每天早晨起來(lái)看看朋友圈，睡前刷刷微博熱點(diǎn)，去論壇看看有無(wú)最新活動(dòng)，寫(xiě)下留言，寫(xiě)了幾年的博客偶爾也會(huì)更新一下……社交媒體的用戶是如此廣泛，使得它成為對(duì)消費(fèi)者進(jìn)行洞察的一座數(shù)據(jù)寶庫(kù)。企業(yè)可以充分利用社交媒體來(lái)收集客戶數(shù)據(jù)，從中發(fā)掘客戶的年齡、性別、喜好等資訊，根據(jù)分析結(jié)果來(lái)開(kāi)展精準(zhǔn)行銷(xiāo)活動(dòng)。四、電商數(shù)據(jù)體現(xiàn)消費(fèi)電商數(shù)據(jù)也成為大數(shù)據(jù)分析不可忽視的一部分。通過(guò)對(duì)電商大數(shù)據(jù)的分析，能夠更直接地瞭解消費(fèi)者的動(dòng)態(tài)。2015年淘寶推出的新勢(shì)力周活動(dòng)，就是通過(guò)對(duì)淘寶大數(shù)據(jù)的分析發(fā)現(xiàn)了20個(gè)風(fēng)格的流行趨勢(shì)，例如波西米亞、街頭文化等，吸引了消費(fèi)者的眼球。五、跨屏數(shù)據(jù)打破界限依靠”P(pán)C+移動(dòng)”的數(shù)據(jù)才是大數(shù)據(jù)時(shí)代進(jìn)行消費(fèi)者洞察最理想的方法，這種方法囊括了PC端和移動(dòng)端的數(shù)據(jù)，既有消費(fèi)者的基本屬性（如性別、年齡等），又有消費(fèi)者全網(wǎng)流覽、搜索及購(gòu)物行為的數(shù)據(jù)。全息洞察相對(duì)於前面提到的幾種方法，這種方法能構(gòu)建消費(fèi)者行為模型，即對(duì)從消費(fèi)者知曉商品、查詢資訊、比較商品到購(gòu)買(mǎi)的整個(gè)過(guò)程進(jìn)行分析，實(shí)現(xiàn)消費(fèi)者行為的還原，完成消費(fèi)者清晰的畫(huà)像。第三節(jié)基於大數(shù)據(jù)消費(fèi)者洞察的流程洞察流程的四個(gè)步驟一、收集整理消費(fèi)者數(shù)據(jù)首先是收集整理消費(fèi)者數(shù)據(jù)，從大數(shù)據(jù)中提取有價(jià)值的數(shù)據(jù)，剔除冗雜無(wú)關(guān)的數(shù)據(jù)，建立消費(fèi)者資料庫(kù)。數(shù)據(jù)收集回來(lái)後，要確定相應(yīng)的篩選標(biāo)準(zhǔn)、篩選範(fàn)圍、篩選具體對(duì)象等，據(jù)此對(duì)有效資訊和無(wú)效資訊進(jìn)行鑒別。確定消費(fèi)者數(shù)據(jù)中哪些對(duì)企業(yè)而言是有用的，哪些是沒(méi)用的。二、利用標(biāo)籤繪製消費(fèi)者畫(huà)像利用數(shù)據(jù)挖掘技術(shù)，依據(jù)消費(fèi)者各自的特徵對(duì)消費(fèi)者進(jìn)行歸類(lèi)，貼上相應(yīng)的標(biāo)籤，例如”網(wǎng)購(gòu)達(dá)人””白富美””蘋(píng)果粉””極客”等，然後基於這些標(biāo)籤採(cǎi)用不同的、定制化的活動(dòng)進(jìn)行定向的精準(zhǔn)行銷(xiāo)。通過(guò)利用大量的標(biāo)籤，大數(shù)據(jù)時(shí)代的消費(fèi)者洞察能夠把消費(fèi)者細(xì)分到非常小的人群甚至個(gè)體，比傳統(tǒng)行銷(xiāo)環(huán)境下的簡(jiǎn)單歸類(lèi)更加符合個(gè)性化原則。三、針對(duì)消費(fèi)者特徵制定行銷(xiāo)策略與獲得回饋改進(jìn)行銷(xiāo)策略找到目標(biāo)消費(fèi)者並制定個(gè)性化的行銷(xiāo)策略，在最合適的時(shí)間和地點(diǎn)，用最合適的方式為其提供差異化的產(chǎn)品和服務(wù)。最後通過(guò)對(duì)行銷(xiāo)活動(dòng)的評(píng)價(jià)和回饋，進(jìn)一步瞭解消費(fèi)者需求。

數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品、定價(jià)與管道創(chuàng)新

第一節(jié)大數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品創(chuàng)新制造智能化產(chǎn)品定制化服務(wù)個(gè)性化一、製造智能化1、在一定程度上，車(chē)間的感測(cè)器所產(chǎn)生的大數(shù)據(jù)直接決定了“工業(yè)4.0”所要求的智能化設(shè)備的智能水準(zhǔn)。作為實(shí)現(xiàn)智能製造的重要驅(qū)動(dòng)力,大數(shù)據(jù)能夠整合全部生產(chǎn)線數(shù)據(jù)，對(duì)生產(chǎn)動(dòng)態(tài)建模、多目標(biāo)控制流程進(jìn)行優(yōu)化，對(duì)物料品質(zhì)、能耗、設(shè)備異常和零件生命週期進(jìn)程進(jìn)行監(jiān)控預(yù)警，賦予設(shè)備和系統(tǒng)“自我意識(shí)”，從整體上大幅降低生產(chǎn)能耗，進(jìn)而實(shí)現(xiàn)低成本、高效率的生產(chǎn)。2、在產(chǎn)品應(yīng)用層面，企業(yè)通過(guò)生產(chǎn)攜帶感測(cè)器等裝置的智能產(chǎn)品，即時(shí)採(cǎi)集、存儲(chǔ)和傳輸大量用戶使用和偏好的數(shù)據(jù)。案例：Nike+運(yùn)動(dòng)者只要穿著Nike+的跑鞋運(yùn)動(dòng)，iPod就可以儲(chǔ)存並顯示運(yùn)動(dòng)日期、時(shí)間距離、熱量消耗值等數(shù)據(jù)。FuelBand運(yùn)動(dòng)功能手環(huán)，幾乎能夠測(cè)量佩戴者所有日?；顒?dòng)中消耗的能量。海量的數(shù)據(jù)為耐克深入瞭解用戶習(xí)慣並在此基礎(chǔ)上改進(jìn)產(chǎn)品提供了可靠依據(jù)。二、產(chǎn)品訂制化在以往的工業(yè)社會(huì)中，標(biāo)準(zhǔn)化作業(yè)一直是大企業(yè)安身立命之本，同時(shí)也是很多中小企業(yè)追求的目標(biāo)。大型企業(yè)追求規(guī)模上的擴(kuò)張，以求達(dá)到規(guī)模效應(yīng)，進(jìn)而實(shí)現(xiàn)低成本大量生產(chǎn)。然而隨著時(shí)代的進(jìn)步，這種千篇一律的標(biāo)準(zhǔn)化作業(yè)已經(jīng)不能滿足高端客戶的需求。身處大數(shù)據(jù)時(shí)代，企業(yè)有更多的機(jī)會(huì)去瞭解客戶，準(zhǔn)確把握消費(fèi)趨勢(shì)和市場(chǎng)變化走向，從而提供最能滿足客戶需要的產(chǎn)品。案例：紅領(lǐng)西服定制服裝品牌青島紅領(lǐng)把“工業(yè)化”與“定制”完美結(jié)合，用規(guī)?；I(yè)生產(chǎn)滿足個(gè)性化需求，一天生產(chǎn)數(shù)千件西裝和襯衫，但在眾多的生產(chǎn)線上卻找不到兩件完全相同的衣服。定制流程紅領(lǐng)的C2M模式紅領(lǐng)採(cǎi)用的是C2M（CustomertoManufactory，顧客對(duì)工廠