怎樣運用大數據進行精準營銷？

　　越來越多的企業逐漸覺察到大數據所帶來的商業價值，精準營銷也被他們用的越來越嫻熟。那麼，企業下的大數據精準營銷該如何應用呢？想必是很多資源有限的中小型公司最想了解的。

　　一 數據驅動大數據精準營銷

　　在移動互聯網迅猛發展的背景下，用戶的網路活動所產生的海量數據，將會對消費者和企業的行為帶來諸多的改變與重塑。一方面，消費者的個性化需求不斷凸顯，已成為企業商業行為的主宰者;另一方面，企業對消費者的特徵偏好不再陌生，將日益聚焦於挖掘海量數據背後的價值。以互聯網公司為代表的很多企業，已逐漸覺察到大數據精準營銷所帶來的商業價值，不斷思考如何通過對海量數據的有效整合和充分利用，準確地分析用戶的特徵和偏好, 了解用戶此時此地所需所想，挖掘產品的潛在高價值用戶群體，幫助企業找到最精準的受眾，實現市場營銷的精準化、場景化。電信運營商作為數據寶礦的生產者，擁有其他企業無法企及的海量數據資源，也在不斷探索基於大數據的新產品與應用，充分挖掘企業的數據資產價值，推動電信運營商在移動互聯時代的產業升級和戰略轉型。今天，筆者將結合團隊近期開展的一些大數據應用工作，和大家分享如何進行數據驅動式的市場精準營銷。

　　二 精準營銷，和客戶談一場不分手的戀愛

　　世界那麼大，不管你是高富帥，還是矮搓窮，總會有一個人在默默等你。世界那麼大，不管是逼格很高的奢侈品，還是性價比至上的淘寶仿品，總會有人願意買單。每個產品都有它的特色，每個客戶都有他的偏好，精準營銷就像談戀愛，在合適的時間、合適的地點、將合適的產品以合適的方式提供給合適的客戶群體，讓顧客能夠一見傾心、二見如故、三定終生，實現產品功能、用戶偏好和用戶購買力等多維度的高度契合。

　　精準營銷是大數據落地應用的一個重要場景，在細分市場下可快速獲取潛在用戶並提高市場轉化率，堪稱「獲客神器」。它的本質是根據用戶在不同階段的身份屬性，結合用戶特徵和偏好，進行不同目的針對性營銷活動，具體包括潛在客戶挖掘、價值客戶轉化、存量客戶互動和流失客戶挽留等。其中，潛客挖掘和客戶挽留是精準營銷的重中之重，也是本文所討論的重點。

　　三 大數據精準營銷模型構建

　　基於大數據挖掘的精準營銷模型包括數據層，業務層和應用層等，其中，業務層包括用戶畫像和模型構建兩部分。該模型基於可採集的全量數據源，從人口屬性、金融徵信、通信行為、興趣偏好、APP偏好、常駐區域等維度構建用戶的全息畫像，基於對存量用戶的歷史數據挖掘出的典型特徵，構建預測模型來輸出產品的目標用戶群體，並通過模型置信度以及預測效果的評估對模型進行修正，最終得到目標客戶群體，為市場營銷策略提供有效支撐。具體模型如下圖所示。

　　1 數據採集

　　數據採集是大數據精準營銷平台的基礎，數據類型的多樣性及數據來源的差異化是影響數據質量乃至挖掘效果的重要因素。從數據的時效性來看，可將數據類型分為：

　　靜態數據包括人口屬性、商業屬性等，主要用於用戶的基本屬性分析和智能標籤分類。通過性別、年齡、職業、學歷、收入等數據的關聯分析，知道「用戶是什麼樣的人」。

　　近期數據主要為用戶一段時間內的網路行為數據，通過對用戶近期活躍應用、內容訪問、通信行為、常駐區域等具有一定時效性數據的分析，獲取用戶的興趣偏好和消費習慣等，知道「用戶對什麼感興趣」。

　　實時數據主要為用戶實時變化的網路行為數據，包括搜索信息、購物信息、實時地理位置等，通過地理位置信息實時捕獲用戶的潛在消費場景，抓住營銷機會，實時觸達目標用戶，知道「用戶在哪裡幹什麼」。

　　2 用戶畫像

　　用戶畫像是精準營銷模型的重中之重，其核心在於用高度精鍊的特徵來為用戶「打標籤」，如年齡、性別、地域、用戶偏好、消費能力等，最後綜合關聯用戶的標籤信息，勾勒出用戶的立體「畫像」。用戶畫像可較完美地抽象出一個用戶的信息全貌，為進一步精準、快速地預測用戶行為、消費意願等重要信息，提供了全面的數據基礎，是實現大數據精準營銷的基石。基於此，筆者建議從六個維度構建基於大數據分析的用戶畫像，包括人口屬性、內容偏好、APP偏好、通信行為、金融徵信、常駐/實時位置等，各維度的具體指標如圖3所示。

　　3 模型構建

　　常用的數據挖掘方法主要是基於用戶畫像體系與結果，選取相關性較大的特徵變數，通過分類模型、聚類模型、回歸模型、神經網路和關聯規則等機器演算法進行深度挖掘。常用演算法的基本內容如下：

　　分類和聚類

　　分類演算法是極其常用的數據挖掘方法之一，其核心思想是找出目標數據項的共同特徵，並按照分類規則將數據項劃分為不同的類別。聚類演算法則是把一組數據按照相似性和差異性分為若干類別，使得同一類別數據間的相似性儘可能大，不同類別數據的相似性儘可能小。分類和聚類的目的都是將數據項進行歸類，但二者具有顯著的區別。分類是有監督的學習，即這些類別是已知的，通過對已知分類的數據進行訓練和學習，找到這些不同類的特徵，再對未分類的數據進行分類。而聚類則是無監督的學習，不需要對數據進行訓練和學習。常見的分類演算法有決策樹分類演算法、貝葉斯分類演算法等;聚類演算法則包括系統聚類，K-means均值聚類等。

　　回歸分析

　　回歸分析是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法，其主要研究的問題包括數據序列的趨勢特徵、數據序列的預測以及數據間的相關關係等。按照模型自變數的多少，回歸演算法可以分為一元回歸分析和多元回歸分析;按照自變數和因變數間的關係，又可分為線性回歸和非線性回歸分析。

　　神經網路

　　神經網路演算法是在現代神經生物學研究的基礎上發展起來的一種模擬人腦信息處理機制的網路系統，不但具備一般計算能力，還具有處理知識的思維、學習和記憶能力。它是一種基於導師的學習演算法，可以模擬複雜系統的輸入和輸出，同時具有非常強的非線性映射能力。基於神經網路的挖掘過程由數據準備、規則提取、規則應用和預測評估四個階段組成，在數據挖掘中，經常利用神經網路演算法進行預測工作。

　　關聯分析

　　關聯分析是在交易數據、關係數據或其他信息載體中，查找存在於項目集合或對象集合之間的關聯、相關性或因果結構，即描述資料庫中不同數據項之間所存在關係的規則。例如，一項數據發生變化，另一項也跟隨發生變化，則這兩個數據項之間可能存在某種關聯。關聯分析是一個很有用的數據挖掘模型，能夠幫助企業輸出很多有用的產品組合推薦、優惠促銷組合，能夠找到更多的潛在客戶，真正的把數據挖掘落到實處。4市場營銷大數據挖掘在精準營銷領域的應用可分為兩大類，包括離線應用和在線應用。其中，離線應用主要是基於用戶畫像進行數據挖掘，進行不同目的針對性營銷活動，包括潛在客戶挖掘、流失客戶挽留、制定精細化營銷媒介等。而在線應用則是基於實時數據挖掘結果，進行精準化的廣告推送和市場營銷，具體包括DMP，DSP和程序化購買等應用。

　　四 大數據精準營銷應用成果

　　1 電信行業內應用成果

　　對於電信運營商來說，按服務對象的不同，大數據的應用可分為對內應用和對外應用兩種。典型對內應用包括內部經營分析應用、網路優化、客戶精準營銷等，例如通過適當分離存量和增量用戶，通過不同群體用戶的特徵和偏好，提高用戶轉化率和提升存量客戶的價值。下圖為基於中國聯通某城市的B側和O側數據，所構建的潛在離網用戶預測和4G潛在用戶挖據模型及其應用成果，與傳統演算法相比該模型的營銷效果提升顯著。

　　2 其他行業應用成果

　　現階段，運營商依託自身數據優勢所構建的大數據精準營銷平台已廣泛應用於各個行業，基於用戶基本屬性及網路行為的深度刻畫，結合客戶產品特點及目標用戶群體，可生成潛在高價值用戶目標群體，支撐汽車、保險和廣告等合作夥伴進行精準營銷服務，有效提高客戶轉化率和降低運營成本。

　　大數據精準營銷是趨勢所向，在未來的很長一個階段都會成為企業營銷模式的主流。企業在運用大數據精準營銷的同時還需要不斷探索創新，才能不被時代所淘汰。

謝邀:關於這個問題，你可以這樣理解

一、數據收集沒那麼複雜，重要的是發現

很多企業甚至是互聯網企業，或者不知道該如何使用手中已有的數據資源，白白浪費掉優化改進的好機會;或者認為大數據只有互聯網巨頭才有，一個小網站或APP應用是沒有大數據的，果真如此嗎?

隨便舉個例子：法國的一些航空公司推出免費的APP方便旅客在移動設備上跟蹤自己的行李，之後在追蹤的數據平台上發現一部分商務旅行客戶中途在某一城市進行短暫的商業會晤不需入住酒店，行李成了累贅，於是航空公司推出專人看管全程可追蹤的增值服務，此項服務每周的新創造大概可達100萬美元。

正是基於對數據的洞察產出附加價值。對數據的掌控，就是對市場的支配，意味著豐厚的投資回報。

二、數據是有情緒的

數據的形式多種多樣，呈數量級爆發的UGC內容（User-generated Content——用戶生產內容）如何可以被我們拿來運用？比如飛瀉而下的中國股市，股民巨量的埋怨和牢騷能以怎樣的數據化形式展示?「除了耐心等待，最好再找個地方讓自己發泄一下，找些跟自己同病相憐的人，還能緩解一下壓力，避免跳樓。彈幕，就是最好的形式了。」——有人建了一個網站,在K線圖上配上彈幕供吐槽。

結果被同樣鬱悶的股民玩的特別魔性，彙集出的數據隨著K線走勢變化擁有了實時鮮明的情緒特徵，可以在一定程度上預估使用者下一步賣出或繼續持有的動向。

三、基本的5W1H問答即可玩轉消費行為數據

消費數據可綜合為5W1H：

1.Who&Whom：潛在用戶分類？誰是決策者？誰是使用者？誰對決定購買有重大影響以及誰是實際購買者？

2.What：不同品牌的市場佔有率、具體型號的銷售情況;

3.When：了解在具體的季節、時間甚至時點所發生的購買行為，比如配合節假日促銷;

4.Where：研究適當的銷售渠道和地點，還可以進一步了解消費者是在什麼樣的地理環境、氣候條件、甚至於地點場合使用;

5.How：了解消費者怎樣購買、喜歡什麼樣的促銷方式，比如是去線下體驗店還是看測評等;

6.Why：探索消費者行為動機和偏好，比如為什麼喜歡特定的款式並拒絕別的品牌或型號;

不同特徵的消費者會產生不同的心理活動的過程，通過其決策過程導致了一定的購買決定，最終形成了消費者對產品、品牌、經銷商、購買時機、購買數量的選擇。

數字營銷人員如果能比較清楚地了解各類購買者對不同形式的產品、服務、價格、促銷方式的真實反應，就能夠適當地影響、刺激或誘發購買者的購買行為。

四、數據是拿來用的，不僅僅是拿來看

買一隻股票尚需數據分析，展開一項持續的廣告營銷活動當然更應該建立在有數據衡量的基礎上。

比如Uber的數據科學家建立了「基於地理位置的打車需求模型」(Location-based demand model)，每天實時更新的熱點地圖可以有效幫助車主縮短空載時間，同時幫乘客減少等待時長。下一步，車主會知道提前去哪裡等待可以載到更多的乘客。

數據的使用能夠對企業的經營對象從客戶的粗略歸納還原成一個個活生生的客戶，了解他們喜歡什麼討厭什麼，並更有針對性，越能滿足客戶的需要，投資回報率就更高。

大數據的採集，是個技術活。

一、要打通所有的平台，比如購物類的淘寶、天貓、京東、聚獎勵、唯品會等，從一個人的購物行為採集大數據。

二、要採集一個人的閱讀習慣，比如今日頭條、十點讀書等，閱讀習慣反映了一個人的性格。

三、要保持數據的更新，比如今天瀏覽了寶馬車信息，可能是要購買寶馬，但明天如果再推送寶馬的信息給他，可能就過期了，因為他昨天已購買了寶馬。

精準營銷的前提，是要有足夠多的大數據。其次是要有精準的分析能力，善於判斷，是邏輯思維與發散思維的綜合。

拿聚獎勵平台為例，其做法就非常好，既有自身平台的大數據，又有淘寶、天貓的大數據，優選商品精準推薦，受到購物者的青睞。