大数据重塑营销，本文主要内容关键词为：数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
什么样的实时优惠对某个用户更有效？基于此用户的偏好，哪种网络页面能产生更好的服务效果？当一个潜在客户填写了网页表格后，跟他敲定一笔交易的可能性有多大？在一天的特定时间段中，哪种促销方式最有效？当一个用户被营销活动覆盖到后，他在六个月内购买的机会有多大？
在大数据时代，这些问题都会找到答案。对于营销这一原本就属于数据驱动的领域，大数据提供了一个前所未有的机会，用先前不能做到的方式来挖掘消费者洞察。
那么在大数据时代之前，我们通常利用哪些营销数据？答案是：CRM系统中的顾客信息、广告效果、展览等线下活动的效果等。这些数据来源都提供了一些信息，但是并不足够给出一个重要的洞察和发现。
让我们再来另外一批信息数据：官方网站登录数据、社交媒体数据、邮件数据、地理位置数据等。
这些信息源在几年前可能并不存在，而这些就是“大数据”所指的非结构性或者叫做多元机构性数据，它们更多以文字、图片、视频等方式出现，而且这些数据来源还在不断增加。
而如果将这两个数据源进行对接，并且能够保持实时更新，营销的游戏规则将会随之而变：消费者洞察和预测分析这两个营销最重要的领域，会获得前所未有的价值发掘。
比如微软正在通过对论坛、社交媒体上内容的监测，来发现人们对微软产品和营销活动的反应，这个夏天微软Window8发布后，就采用了传统数据收集和实时数据收集的两种手法，“我们对网络反馈信息的收集是连续的和实时的，我们也依然使用传统的消费者满意度调研，最终会将两者产生的数据结合起来进行分析。但是前者那种以日为单位的市场信息捕捉，能够使我们更快地对市场做出反应。”
总的来说，大数据的到来将在以下几方面改变原有的营销流程，或者营销效果：
对原有营销方式价值的再次发掘。IBM的一个商业合作伙伴正在研究让呼叫中心产生的所有对话转换成文字，从而可以实现对这一营销渠道的数据挖掘。“这能够让市场部门获得之前没有的消费者洞察，知道消费者对品牌的感受以及他们怎么回应新产品”，IBM新兴技术项目总监Peter Waggett称更深入挖掘数据会帮助许多公司找到商业问题解决方案。
更好地对营销策略进行优化。麦当劳的部分门店安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订模式，研究人员可以对菜单变化、餐厅设计以及培训等是如何对劳动生产力和销售额的影响进行建模；一些领先的零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。
除了线下活动优化外，还可以根据消费者在网络上的表现来优化网站的体验，比如eBay就做过数千次实验来改变自己网站不同部分的架构，来确定最优的页面效果和其他诸如导航、照片等功能的设置。
更完整的消费者描述。通过更丰富的消费者数据，包括网站浏览数据、社交数据和地理追踪数据等，可以绘制出更完整的消费者行为描述。比如英国葛兰素史克GSK公司，近期就发起了一个项目，获取更完整的消费者信息，从而获得更加深入的消费者洞察。他们通过定位那些谈论过旗下子品牌的人们，并且追踪他们在公开论坛上所谈到的所有其他东西，来建立消费者描述，而这些外部数据会和营销部门已有的数据进行整合，从而设定更为精准的优惠和促销，吸引人们来到对应的子品牌网站。“这是个不成熟的市场，但是品牌必须要了解怎么利用这些数据”，该公司CRM部门顾问JamesParker说道。
更精细的消费者细分。这一功能基于上面一条“更完整消费者描述”的实现。消费者细分不是一个新鲜的概念，但是大数据时代中更多的数据，以及更好的分析工具，使商家能够以多种不同的维度对消费者进行细分，不仅仅是简单的划分群体，而是真正做到个性化。比如在原有的传统市场调研数据和购物历史数据之上，商家可以追踪和利用更多数据，如网络上的点击、浏览记录，来更好地细分消费者。
大数据——根据维基百科的解释，“大数据”指的是“普通软件工具不能在一定时间内抓取、管理以及处理能力的数据集合”，而另一个常见的描述是3V——Volume（规模）、Variety（种类）和Velocity（速度），即在这三个维度上都超出传统工具能够应付的数据集合。
高端零售商Neiman Marcus就建立了行为分类体系和多级会员奖励制度的体系，并将两者结合起来，来激励最富裕、最具长期价值的客户购买更多高利润率的产品；零售商Williams Sonoma也将他们6000万的顾客数据库和其家庭信息链接起来，通过了解这些家庭的收入、房屋价值和孩子数量等对顾客进行精准划分，其电子直邮邮件是根据不同消费者群体的行为方式和选择偏好来设定的，而基于这些信息的直邮邮件所获得的反馈数量是之前没有进行精准化的18倍。
最终完成真正精准化的营销：这一精准性包括精准的时间、地点、人物。理想的一个案例是：当一个顾客进入店铺后，一个零售商搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和Facebook主页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，针对这一位顾客给出最佳的优惠策略和个性化的沟通方式。因此，营销者最大的机会——在恰当的时间、恰当的渠道给一个潜在用户或者老客户提供最合适的产品和营销——将最终实现。
你面临的不仅仅是技术和工具问题。
大数据难题：超越技术
当然，从大数据的定义中就可以看出来，大数据营销首先面临的是技术难题。但实际情况是，真正启动大数据营销，你面临的不仅仅是技术和工具问题，更重要的是要转变组织架构和思维，来真正地挖掘那座数据金矿。
1.确定你的目标和标准。
把大数据这个概念扔掉，而是非常专注在你的衡量标准上。你必须弄清楚你到底想从大数据中得到什么，否则你就要花费大量的时间来分析数据。你需要的是，能够帮助解决问题的行为洞察，而不是试图研究每一个能够得到的信息。比如：分析你的消费者线上分享趋势，对你的业务有帮助吗？你的品牌体积是最重要的参数吗？
再强调一遍，大数据的资源太丰富，如果你没有明确的目标，你就算没有走入迷途至少会觉得非常迷茫。因此，首先，要定义你的价值数据标准，之后再使用那些能够解决特定领域问题的工具。
——Tim Devane，技术公司Bit.ly业务发展和销售总监
2.建设技术人才。
拥抱大数据之前，首先团队要到位。分析技能非常重要。你的营销团队要能够非常自如地玩转数据。很多人认为社交媒体营销人是个十分有趣的工作，其实只是个艰苦的工作。它非常注重数据、衡量标准和数据可视化等问题。要成功，首先要确保你的员工已经接受过技能培训，了解如何最大化利用大数据的潜力。当然回报也是非常丰厚的。
——Perry Drake，纽约大学助理教授
第一步是要将原先创意人员和统计人员之间的樊篱打破，让他们以同样的节奏，就同一个问题一起合作，融合为一支队伍，彼此学习。然而，研究公司Gartner曾经提到过，使用大数据的必备能力，是和那些信息技术行业中所需要的能力不同的，它更偏重框架的整合能力、提出正确问题和让公司所有部分一起工作的能力。很明显，你既需要统计人员，也需要创意人员，大数据是他们共有的天地。
——Marshall Sponder,Social Media Analytics:Effective Tools for Building,Interpreting,and Using Metrics一书作者
3.解决碎片化问题。
企业启动大数据营销一个最重要的挑战，是数据的碎片化。许多公司组织中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些数据库打通，并且实现技术共享，才是能够最大化大数据价值的关键。
——Graham Oakes，技术咨询师、博客作者
4.展现你的价值。
你只有能过展示数据带来的价值你才能够得到资源。营销者需要利用衡量标准来建立他们的可信度。没有这个，营销将会被看做一个花钱中心——但是当CMO们可以利用分析来将营销动作和硬性标准如年利润联系起来，他们就能建立自己的威信和赢得尊重，并在预算中占得一席之地。
——Jon Miller，金融服务公司Marketo营销副总裁
除了预防欺诈等功能外，银行也正在发现，顾客数据能给他们带来更多的价值。
银行界：Big Data时代新探索
金融业对数据的需求，以及数据能力建设都在大多数行业之上，在大多数金融机构里面，对大数据的应用多集中在预防欺诈、制裁洗钱交易等方面，这些业务中，哪怕是看起来非常简单的一个任务，在实际执行层面，也是一项非常复杂的数据任务：比如对照顾客姓名看其是否处在制裁黑名单之上这件事情，因为一家银行可能会有数千位顾客和这些制裁黑名单上的顾客重名，如果稍有不慎，就可能毁掉一份顾客关系。
因此，处理这件事情银行业需要从各种不同数据源获取信息的电脑，通过搜集顾客的国籍、地址、家庭成员的姓名，以及他们是否曾经在某些国家旅游或者从这些地方收到过汇款等记录，来确定这个顾客是否正是制裁黑名单上的那位。因此，更不用提随着支付从电脑转向移动终端等变革给银行的数据处理能力带来的挑战了，大数据可以说是银行应对这些挑战的利器。
而除了预防欺诈等功能外，银行也正在发现，顾客数据能给他们带来更多的价值，比如，西班牙国际银行Santander就利用数据研究，每周给顾客发送信息，里面有顾客可能感兴趣的产品和优惠。但有些银行所尝试的领域已经开始超越自身的产品和服务，比如新加坡花旗银行会基于消费者的信用卡交易记录，针对性地给他们提供商家和餐馆优惠。
如果消费者订阅了这项服务，他刷了卡之后，花旗银行系统将会根据此次刷卡的时间、地点和消费者之前的购物、饮食习惯，为其进行推荐。比如此时接近午餐时间，而消费者喜欢意大利菜，花旗银行就会发来周边一家意大利餐厅的优惠信息，更重要的是，这个系统还会根据消费者采纳推荐的比率，来不断学习从而提升推荐的质量。花旗在亚洲有超过250名的数据分析人员，去年它在新加坡新开了一个“创新实验室”。
除花旗外，一些全球信用卡组织也开始了利用数据的进程。在美国，Visa就和Gap合作，来给在Gap店附近进行刷卡的消费者提供折扣优惠。
数据甚至能够改变这个行业的竞争格局，使得一些白手起家的新手找到自己的机会，杀入市场。比如创业公司ZestCash，它的主要业务是给那些信用记录不好或者没有信用卡历史的人提供贷款服务，它的创办人Douglas Merrill是谷歌前首席信息官。
ZestCash和一般银行最大的不同在于其依赖的数据数量。大多数美国银行依靠FICO信用卡记录得分来做出贷款与否的决策，这个FICO信用卡记录得分大概只有15到20个变量，诸如信用卡的使用比率，是否有没有还款的情形等，而ZestCash考察的却是数千个信息线索，这造就了它独特的竞争力。比如如果一个顾客打电话过来说他可能无法完成一次还款，大多数银行会把他视为高风险贷款对象，但是ZestCash经过研究发现这种顾客其实更有可能全额付款；ZestCash甚至还会考察顾客在提出贷款之前在ZestCash网站上停留的时间。“单看一个数据可能是个无用的噪音，但是当你以非常聪明的方式把它们聚合到一起的时候，你能将垃圾变成宝贝。”
怀孕预测模型固然有些极端，但事实上，零售商确实正在不断地分析顾客的人口群体及其他信息，特别是他们购买什么。
塔吉特读心术
美国第二大零售商“塔吉特”通过多年精细的数据挖掘，建立用户的数据库，能够清楚地知道用户的人群信息，甚至能做到比顾客的家属更清楚她们的预产期。
“塔吉特”的孕妇营销之道
那么，“塔吉特”是如何比顾客的家属更清楚预产期的呢？这件事看起来非常不可思议，但背后却是有规律可循。“塔吉特”的统计师们通过对孕妇的消费习惯进行一次次的测试和数据分析得出一些非常有用的结论：孕妇在怀孕头三个月过后会购买大量无味的润肤露；有时在头20周，孕妇会补充如钙、镁、锌等营养素；许多顾客都会购买肥皂和棉球，但当有人除了购买洗手液和毛巾以外，还突然开始大量采购无味肥皂和特大包装的棉球时，说明她们的预产期要来了。在“塔吉特”的数据库资料里，统计师们根据顾客内在需求数据，精准地选出其中的25种商品，对这25种商品进行同步分析，基本上可以判断出哪些顾客是孕妇，甚至还可以进一步估算出她们的预产期，在最恰当的时候给她们寄去最符合她们需要的优惠券，满足她们最实际的需求。这就是“塔吉特”为什么能够清楚地知道顾客预产期的原因。
以上情形被美国商业记者查尔斯·杜希格披露在其著作《习惯的力量：我们生活、就业行为之原因》中，掀起了轩然大波。据作者说，塔吉特公司把婴儿相关的促销信息发给某个十多岁的少女，而她的父亲尚不知道她已怀孕。
怀孕预测模型固然有些极端，但事实上，包括塔吉特在内的其他零售商确实正在不断地分析顾客的人口群体及其他信息，特别是他们购买什么。
零售商的购买者分析
目前的某些领先零售商店，从顾客走进商店那一刻起，其脚步、视觉移动、选择、对减价的反应，已经被密切监控。通过这一分析，商店能够决定是否需要做出改变以提高销售，例如：改装、特价、更多销售员等。
购买者分析不一而足，从平平无奇的统计到高科技的数字标牌均有，前者如统计放学后步行回家的学生，后者如数字标牌配以摄像头侦测到观众的眼球运动、在屏幕的那一部分播出促销信息。通过计算何人、何时、哪些人口群体在购物，商店能够针对其做出更精准的促销。
商店及其供应商在不停地分析销售数据，数据与顾客的会员卡相关联。商店对顾客的了解，大部分基于其获取会员卡时提供的信息、甚至来自电子邮件清单。商店想知道你的年龄，以便能更了解如何对该年龄段的人做营销。即使顾客不买时，通过复审安全监控录像，商店也知道谁在浏览其货架以及在店内闲逛的路线。商店就能够把产品和促销放在显著位置吸引最多的顾客。
零售商也在迅速改用能以中心控制频繁变更的电子标牌。标牌可包括摄像头侦测谁在注视标牌上的哪个部位（或者快餐的菜单板），根据其性别甚至年龄度身定制促销。例如。在百货公司化妆品区的数字标牌可以确定走过的是位男人，就显示车或其他可吸引其注意的画面，再插入男用香水的广告。