如何利用大數據來營銷

⑴ 如何利用大數據進行營銷優化

基於：
1,業務：和市場營銷相關，因此政府機關單位數據不考慮。
2.體量：擁有足夠多有價值的數據。這一條很多互聯網企業和傳統大企業都能滿足。
3.技術：有技術能力處理大數據。
上面3個因素，國內能做大數據市場營銷的還真只有BAT三家。國外的不熟悉，這里不談。
眾所周知，三家的數據特點各不相同。騰訊優勢在社交數據；阿里巴巴優勢在商品和交易數據；網路優勢在全網信息、消費者行為和主動需求數據。
當然例如平安、寶潔、沃爾瑪這樣的大企業，其自身肯定積累了大量的數據，基於這些數據的數據挖掘、過去就一直在做的網站分析等業務，雖然現今都冠以「大數據」的名義，但這與我們討論的大數據還不盡相同，他們用傳統數據工具對抽取一定數據進行分析，能基於那些數據進行挖掘，只是數量增多了而已，總體而言仍然屬於傳統的小數據范疇。

⑵ 在大數據時代，如何利用相關性做營銷

另外一邊，微博賬號申請也需要一個郵箱地址。通常來說，同一個郵箱地址意味著航空公司里的會員和微博里的會員，應該是同一個人。公司做了一個篩選，合並出十萬個用戶來。 然後一家第三方公司的數據部門介入，主要任務是看這十萬航空公司會員的微博用戶，在社會化媒體上的行為，比如「說」些什麼，比如喜歡介入什麼樣的話題去轉發評論，比如喜歡關注什麼樣的商業賬號。研究這類事的原因在於：這個航空公司很想知道它在社會化媒體上發起什麼樣的活動（以及活動所配備的禮品刺激）會吸引到這十萬會員參加，成為earnedmedia。 這個案例並非嚴格意義上的大數據，因為數據還是不夠海量。不過，它的原理和大數據營銷有關：尋求相關性。 相關性不是因果，很難得出這樣的結論：因為經常坐某某航空公司的班機，所以喜歡參與某某活動（反過來也不成立）。但這兩個變數之間，從普遍意義上講，存在一定的關聯。這個道理就像穿紅襪子和炒股票的關系，或許有一定的關聯系數，但絕不是因果關系。相關搞成了因果，差不多和「迷信」就沒有區別了。 但問題在於，很多人把相關等同於因果，這樣的做法會形成很有些誤導性的結論。比如說，當在這個十萬航空公司用戶中發現，他們特別喜歡某類活動，這個結論是不具有推廣性質的。再新增五萬航空公司微博用戶時，你很難把上述那個結論也放他們頭上。因為這裡面沒有因果關系。要確認因果關系，必須經過一個很復雜的觀察和思考過程，排除所謂「隱性變數」。這不是那麼簡單的做一些數據分析就可以的。相關性是因果的前提，但是不等於因果。 於是，大數據出現了。 大數據尋求的是海量數據，海量到什麼份上？就是全樣本。全樣本和抽樣顯然是不同的。過去的研究，由於操作性的關系，很難做到全樣本，需要去抽樣。抽樣的科學做法是「隨機」——不過這一點聽著容易，做起來相當困難。真正的隨機抽樣需要花很多錢（利用社交網路關系，通過一個用戶做問卷再發動這個用戶找更多的人來做問卷，一點都不隨機），而且一個無法繞過的弊端在於：如果你使用調查問卷的方法，你很難排除回答者的語言回答一定就是ta心中真正的想法或者實際上的真正行為。 大數據首先不是抽樣，它獲得的數據是全體樣本數據，其次它不是在讓用戶回答問題，而是實打實地去獲取用戶的「行為」。用戶聲稱對某活動會有興趣和用戶是否參加了某活動，顯然後者更能說明問題。 最重要的一點，大數據分析和抽樣分析的核心區別在於：前者是動態的，後者是靜態的。 前文提到，隨機抽樣方法是成本很高的，故而它很難每天都去做一次——事實上，為某個特定的問題一個月乃至一個季度做一次隨機抽樣，都很難實施。於是，一個隨機抽樣所形成的結論，其實是靜態的，它只能說明在做那次調研時的一些相關性。當有新的用戶（樣本）加入時，很難再說明過去的相關性是否能夠成立——除非，你能找到真正的排除了各種隱形變數後的因果關系。 如果試圖減少成本去做非隨機抽樣，那麼，它的結論就更沒有推廣意義（學術一點稱之為外部效度性，非隨機抽樣外部無效度）。當新用戶加入後，非隨機抽樣的結論基本不能適用。 但大數據的分析卻是動態的，每秒都有可能產生一個新的結論。讓我們用最常見的亞馬遜頁面上的「購買此商品的顧客也同時購買」來舉例。 這個部分里的商品是活動的，由於新購買的產生，會導致這個模塊里的商品可能會產生變化。不過，這個模塊也有可能是導致商品集中化購買的重要原因：用戶看到了這個模塊里推薦的商品而產生購買的可能是很大的（也許ta本來就沒有任何購買的念頭，甚至連這個商品都不曉得）。但對於大數據來說，原因是什麼一點也不重要，它要做的——至少在電子商務領域——無非是提高客單價罷了。買了A書和買了B書之間的因果研究，那是學者們的事，不是商人關心的事。 回到航空公司的具體案子來。10萬同時擁有航空公司會員和微博會員的人，並非隨機抽樣而得，故而這10萬對於整體數百萬航空公司會員而言，沒有代表性。但我們的目標不是想尋求坐這家航空公司班機的人和參與某網路活動的因果關系，我們只是想提升一下參與活動概率並希望看到更多人會去轉發某個活動罷了。故而，10萬微博用戶，夠了。 在某一個時點，跑了一下數據，大致能看到一些相關性，於是我們開始設計某種活動，並有針對性地讓這10萬微博用戶知道，這次獲得的參與度和轉發率，比毫無數據支撐背景下的胡亂策劃，成功率應該會高一點。同樣的人力投入，得到了相對而言的較高效果，這就是數據分析的好處。 過了三個月後，又有需要策劃的活動，注意，這一次依然需要再跑一次數據。因為樣本可能不是只有10萬了，也許15萬，也許運氣不好有2萬微博用戶已經「死亡」，只剩8萬。另外一個可能是有某些新的外部變數加入，比如出來一種新的商品讓很多人趨之若鶩高度關注。這個時候拿上一次的數據來指導策劃，又是盲人騎瞎馬，夜半臨深淵了。 不同的時點，或者目標不同的活動，都需要再次跑數據，這可能是大數據分析的麻煩之處。不過，計算機的長處就是計算，花上一兩個小時設計幾個公式或模型，相對於過去動不動要搞隨機抽樣，便利性提高很多倍，值得嘗試。 更宏大一點的就是真正意義上的「大數據」了。今年年頭互聯網圈阿里要並購新浪微博，從商業邏輯上講，一個是中國最大的消費平台，一個是中國最大的碎片化言論平台，兩者數據的合並，是頗能挖出更多的相關性來。 廣告圈裡一句名言：我知道我的廣告浪費了一半，但我不知道浪費了哪一半。一些營銷業者鼓吹說他們可以讓你不浪費那一半。不要相信他們。對於廣告來說，從浪費50%到浪費49%，都是很值得去投入的事。建立在相關性而非因果上的大數據營銷，不可能讓廣告主從此不再浪費廣告，它只能做到：浪費得少一點。

⑶ 如何利用大數據進行數字營銷

簡單說就是基於大數據，依靠數據的處理精準的找到目標客戶進行營銷……

⑷ jimmy+choo如何利用大數據精準營銷

摘要 方法/步驟

⑸ 企業如何利用大數據做好自己的精準營銷

一、認清趨勢，了解行情，接受大數據理念。目前很多企業主對大數據營銷還是處於迷茫期，觀望狀態，這是很艱難的階段，但必須要深入了解，越深入越會明白大數據發展趨勢，越會明白運用大數據的必要性，之前我們也有過介紹，大數據的發展趨勢，大家可以爬樓學習。小編想說的是，如果再不下手，可能就晚了！
二、找對合作商，看準實力。到底誰能幫助你解決經營的難題？他會不會幫你製作一整套的營銷方案，會不會設身處地的想你所想，知你所難，會不會隨時關注你的方案有沒有效果，隨時調整以達到最佳，這真的很重要！
三、運用大數據，解決你的經營難點，甩掉傳統的經營模式，告別老，慢，貴的節奏，讓你的營銷團隊智能化；先一步建立屬於自己的資料庫，抓取屬於自己的客戶數據，運用前沿產品，把你的廣告用眨眼間的光景投放出去，做到新，快，省。

⑹ 如何進行大數據營銷

可穿戴的大數據

看看可穿戴技術，會認為這是便捷的下一步發展。但對於現代的企業主來講，這是大數據成就的一個典型的例子。從一個智能手錶收集的數據可以允許企業不僅知道你的習慣和你頻繁去的地方，還有哪些特性更吸引你以及不怎麼使用，這些都是他們可以用來分析的數據，來提高你的總體體驗，還可以大膽預測哪些趨勢和品味可以引領你，這樣他們就可以在一個不相關的領域提供最好的服務。企業提供自己的品牌的可穿戴產品或更簡單的設計不僅在可穿戴式產品的炒作，還可以充分和創造性的利用大數據的提供信息。

不管是大方向還是小方面，年輕的企業家都正在調整大數據運行的方式，以及大數據收集和使用的方法。隨著如雲端服務這樣的技術的出現來幫助其前進與發展，可以公正地說，大數據的使用是越來越有創造力。

⑺ 如何利用大數據進行品牌營銷的最新相關信息

第一，用戶行為與特徵分析。顯然，只要積累足夠的用戶數據，就能分析出用戶的喜好與購買習慣，甚至做到「比用戶更了解用戶自己」。有了這一點，才是許多大數據營銷的前提與出發點。無論如何，那些過去將「一切以客戶為中心」作為口號的企業可以想想，過去你們真的能及時全面地了解客戶的需求與所想嗎？或許只有大數據時代這個問題的答案才更明確。

第二，精準營銷信息推送支撐。過去多少年了，精準營銷總在被許多公司提及，但是真正做到的少之又少，反而是垃圾信息泛濫。究其原因，主要就是過去名義上的精準營銷並不怎麼精準，因為其缺少用戶特徵數據支撐及詳細准確的分析。相對而言，現在的RTB廣告等應用則向我們展示了比以前更好的精準性，而其背後靠的即是大數據支撐。

第三，引導產品及營銷活動投用戶所好。如果能在產品生產之前了解潛在用戶的主要特徵，以及他們對產品的期待，那麼你的產品生產即可投其所好。例如，Netflix在近投拍《紙牌屋》之前，即通過大數據分析知道了潛在觀眾最喜歡的導演與演員，結果果然捕獲了觀眾的心。又比如，《小時代》在預告片投放後，即從微博上通過大數據分析得知其電影的主要觀眾群為90後女性，因此後續的營銷活動則主要針對這些人群展開。

第四，競爭對手監測與品牌傳播。競爭對手在干什麼是許多企業想了解的，即使對方不會告訴你，但你卻可以通過大數據監測分析得知。品牌傳播的有效性亦可通過大數據分析找准方向。例如，可以進行傳播趨勢分析、內容特徵分析、互動用戶分析、正負情緒分類、口碑品類分析、產品屬性分布等，可以通過監測掌握競爭對手傳播態勢，並可以參考行業標桿用戶策劃，根據用戶聲音策劃內容，甚至可以評估微博矩陣運營效果。

第五，品牌危機監測及管理支持。新媒體時代，品牌危機使許多企業談虎色變，然而大數據可以讓企業提前有所洞悉。在危機爆發過程中，最需要的是跟蹤危機傳播趨勢，識別重要參與人員，方便快速應對。大數據可以採集負面定義內容，及時啟動危機跟蹤和報警，按照人群社會屬性分析，聚類事件過程中的觀點，識別關鍵人物及傳播路徑，進而可以保護企業、產品的聲譽，抓住源頭和關鍵節點，快速有效地處理危機。

第六，企業重點客戶篩選。許多企業家糾結的事是：在企業的用戶、好友與粉絲中，哪些是最有價值的用戶？有了大數據，或許這一切都可以更加有事實支撐。從用戶訪問的各種網站可判斷其最近關心的東西是否與你的企業相關；從用戶在社會化媒體上所發布的各類內容及與他人互動的內容中，可以找出千絲萬縷的信息，利用某種規則關聯及綜合起來，就可以幫助企業篩選重點的目標用戶。

第七，大數據用於改善用戶體驗。要改善用戶體驗，關鍵在於真正了解用戶及他們所使用的你的產品的狀況，做最適時的提醒。例如，在大數據時代或許你正駕駛的汽車可提前救你一命。只要通過遍布全車的感測器收集車輛運行信息，在你的汽車關鍵部件發生問題之前，就會提前向你或4S店預警，這決不僅僅是節省金錢，而且對保護生命大有裨益。事實上，美國的UPS快遞公司早在2000年就利用這種基於大數據的預測性分析系統來檢測全美60000輛車輛的實時車況，以便及時地進行防禦性修理

第八，SCRM中的客戶分級管理支持。面對日新月異的新媒體，許多企業想通過對粉絲的公開內容和互動記錄分析，將粉絲轉化為潛在用戶，激活社會化資產價值，並對潛在用戶進行多個維度的畫像。大數據可以分析活躍粉絲的互動內容，設定消費者畫像各種規則，關聯潛在用戶與會員數據，關聯潛在用戶與客服數據，篩選目標群體做精準營銷，進而可以使傳統客戶關系管理結合社會化數據，豐富用戶不同維度的標簽，並可動態更新消費者生命周期數據，保持信息新鮮有效。

第九，發現新市場與新趨勢。基於大數據的分析與預測，對於企業家提供洞察新市場與把握經濟走向都是極大的支持。例如，阿里巴巴從大量交易數據中更早地發現了國際金融危機的到來。又如，在2012年美國總統選舉中，微軟研究院的David Rothschild就曾使用大數據模型，准確預測了美國50個州和哥倫比亞特區共計51個選區中50個地區的選舉結果，准確性高於98%。之後，他又通過大數據分析，對第85屆屆奧斯卡各獎項的歸屬進行了預測，除最佳導演外，其它各項獎預測全部命中。

第十，市場預測與決策分析支持。對於數據對市場預測及決策分析的支持，過去早就在數據分析與數據挖掘盛行的年代被提出過。沃爾瑪著名的「啤酒與尿布」案例即是那時的傑作。只是由於大數據時代上述Volume（規模大）及Variety（類型多）對數據分析與數據挖掘提出了新要求。更全面、速度更及時的大數據，必然對市場預測及決策分析進一步上台階提供更好的支撐。要知道，似是而非或錯誤的、過時的數據對決策者而言簡直就是災難。

⑻ 怎麼利用大數據來做精準營銷

黑衣路人 認為酒香也怕巷子深，所以廣告在現代商業里變得越來越重要，那什麼樣的廣告才能算是一條好廣告呢？美國著名的文案大師休格曼說，廣告想要有效果，必須要有能捕獲消費者的幾種心理誘因，咱們一起來聽聽。

第一個心理誘因是建立參與感。回憶這樣一個場景，當你去商場購物的時候，賣衣服的導購員會建議你試穿，賣食品的老闆也經常讓你試吃，如果你一開始就拒絕，那你肯定不會買，但一旦你試穿或者試吃後，你購買這個商品的概率就大大增加了，商家的這種行為就是為用戶建立參與感。好的廣告也是這樣，如果你仔細觀察就會發現，越是吸引人的廣告，往往就越給用戶建立參與感。比如說有這么一條跑車的廣告，我念給你聽聽，「駕駛這輛新車去逛一圈，感受下炎熱的傍晚駕駛時風吹過你頭發的感覺，把油門一腳踩到底，嘗一下瞬間被沖擊力頂到座椅背後的滋味，看一下精美的電子顯示屏，這是這款跑車帶給你的速度」，怎麼樣，聽我說完你是不是感覺自己在夕陽下開著這款跑車？這就是用語言或者畫面為用戶建立參與感。

第二個心理誘因是建立權威。黑衣路人 覺得人本能的心理傾向就是相信專業和權威，比如說一個數碼小白想去買一個電腦，他一定會先問問身邊懂電腦的朋友該怎麼買，能不能陪他一起去，告訴他各種型號的區別，最好連買哪個都幫他決定好。再比如有時候我們去買西瓜，都要慣性的問老闆這個西瓜甜不甜。所以商家給產品做廣告，很重要的一點就是塑造專業權威感，比如你可以在廣告里列很多數字參數做對比，來顯示自己的專業。小米手機就經常在發布會上這樣做，然後得出自己行業地位領先的結論，這也確實增加了消費者對品牌的信任感。

第三個心理誘因是建立聯系，就是把客戶已經知道的東西跟你的產品聯系起來，這樣就消費者才會更容易接受。比如說煙霧探測器剛剛面市的時候，很多人不知道這個東西是干什麼的。廠商在打廣告的時候就說，這個產品是「天花板上敏銳的鼻子」，一聞到家裡的煙霧就會發出警報。這個人性化的類比一出現，立刻就拉近了產品和客戶之間的距離。還有一個例子，美國曾經出過一款產品，可以遠程式控制制汽車的啟動，在你離車還有一段距離的時候，按一下鑰匙扣大小的按鈕，汽車就會自動打火，你一上車馬上就能開走。最爽的是夏天，你一開車門就能感受到涼爽的空氣，再也不用像在蒸籠里一樣，苦苦等著溫度一點一點降下來。休格曼給這款遙控裝置起了個名字叫「黑手黨的自動機關」，是不是一聽，就聯想到了黑手黨遙控汽車爆炸，眨眼間幹掉對手的火爆畫面？是不是很酷？

第四個心理誘因是喚起歸屬感渴望。黑衣路人認為人人都有對歸屬感的需求，這是天生的。好的廣告就能做到喚起消費者的需求，讓他們感覺到買這個產品，我就能屬於我喜歡的群體。舉個例子，美國的萬寶路香煙，它的廣告成功塑造了一種頹廢的雅痞之美，西方人都想要這種氣質，當然就喜歡萬寶路香煙；再比如，賓士汽車一直標榜的是，開賓士的人就是財富的擁有者，那想做有錢人的人，想炫耀自己的財富的人就願意買賓士車；沃爾沃後來也採取了歸屬感的策略，宣傳說自己的用戶是學歷最高的。隨後幾年，沃爾沃高學歷用戶果然越來越多。所以說，廣告只要給消費者想要的群體氣氛，他們就會自動歸隊了。

黑衣路人：產品要想賣得好，營銷廣告還是得更走心才行。但是要注意，做任何營銷都要走正道，不要做不合天道的產品和營銷，更不要做欺騙群眾的事情。目前網上是魚龍混雜，小白們也要多注意防騙。如果想了解營銷本質，聯系黑衣路人（新浪博客有聯系方式）可以網路找： 黑衣路人新浪博客

黑衣路人最後提醒你：生活不易，很多人被所謂的高人給繞暈了，搞不清方向，所以迷茫。作為人不解決最根本的哲學問題，就很難在社會上出人頭地。你到底憑什麼過上好的，自由的優質幸福生活，靠政府？靠老闆？靠父母？靠工資？只要稍微用大腦想一下，就會明白社會是什麼，到底要如何做才能改變命運和運氣，核心秘密請進改變命運賺錢資源群：
【 5463刪除中間字，組合純數字56205 】復制前面【】里的數字，刪除裡面的漢字組合純數字群號。

明白人，是能看明白的，不明白人，不需要入群，無意義，改變命運最終是自己本性智慧的選擇問題，入群後先看看黑衣路人的空間會恍然大悟！很多東西不適合給所有人知道，能理解這個你的思想也就進入了門檻。

⑼ 如何利用大數據做到對客戶的精準營銷

大數據營銷等同於精準營銷，或是精準營銷是大數據營銷的一個核心方向和價值體現。然而，數據本身不會產生價值。為此，我們要把數據組織成數據資源體系，再對數據進行層次、類別等方面的劃分。在此基礎上，通過分析數據資源和相關部門的業務對接程度，以此發揮數據資源體系在管理、決策、監測及評價等方面的作用，從而產生大數據的大價值，真正實現了從數據到知識的轉變，為領導決策提供服務依據本例根據工作實踐。
本例以三個工作實例，展示如何通過對數據分析進行對客戶的精準營銷。
工具/原料

大數據營銷
大數據營銷三個案例分析

案例一：筆者在銀行工作，通過對儲戶身份證信息進行海量剖析，發現一個有趣的現象，即購買理財產品的客戶以40-50歲的女性居多。
根據這一信息，有經驗的理財經理通過身份證信息即能准確的分析出支行有哪些符合條件的客戶，迅速的對新推出的理財產品進行電話營銷，做到不出門即可實現銷售，較快的完成了銷售任務。
而另一些更具創新性的理財經理，通過身份證信息，在情人節期間組織了網點沙龍客戶邀約活動，對符合18-30歲、30-45歲這兩個年齡段的男性客戶進行了電話營銷，通過贈送愛人鮮花、化妝品以及高價值的禮品進行金融產品營銷，較好的引起男性客戶的興趣，有力的拉升了業績增長。
這些數據分析手段就能夠做到個性化營銷和定位，加強對客戶的認知，為客戶找到價值，從而帶動銷量。
案例二：在與供電部門合作期間，供電部門提供了一條信息，市裡每一天上網高峰期主要集中在中午12點之後和晚上的12點之前。供電部門認為，出現這種「怪現象」的原因是因為現在的人們普遍睡覺前都會有上網的習慣。
這條信息當時很多人沒有注意，似乎與銀行搭不上關系，但我們市場經營部門的一個年輕的大學生針對人們這種「強迫症」，通過手機銀行與商家合作，在晚上12點進行促銷秒殺活動，即推動了手機銀行業務量的提升，同時也帶動商家銷量的倍增，實現了雙贏。
案例三：在為企業代發工資數據中，我們曾發現一個現象，即一般企業員工代發帳戶每月都會沉澱一定的余額，金額不大，1000元也有，幾千的也有，長期不動的也有，活期利率很低，但是這些客戶的帳戶金額又達不到理財產品的起售金額，這些客戶工資用了也就用了，成了「月光族」，沒有理財理念。
如何通過分析這些數據信息直接進行客源組織，為這些具有相同需求的人群量身定做金融服務，並享受」一客（群）一策「的定製服務，我們進行專題研究。
最終，我們在零存整取、基金定投和適時到帳理財產品上進行了產品打包宣傳，同步利用信用卡宣傳，幾場現場專題沙龍下來，引起了不少企業員工的注意和興趣，著實為這些收入不高的人群提供了一條實實在在的理財渠道。
這三個小故事就是對歷史數據進行挖掘的結果，反映的是數據層面的規律，它通過對大量的數據系統中提取、整合有價值的數據，從而實現從數據到知識、從信息到知識、從知識到利潤的轉化。
簡單來說就是：5個合適，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人。
5
具體來講，當我們通過對完成數據分析之後，找出相同的規律，當然還有一些個性化數據體現，為此具體的應用場景需要根據企業、業務的具體情況進行精準營銷策劃、設計。
概括來講，我們需要以下三個步驟：
第一步：數據採集，了解用戶，通過收集用戶所有的數據，主要包括靜態信息數據、動態信息數據兩大類，靜態數據就是用戶相對穩定的信息，如性別、地域、職業、消費等級等，動態數據就是用戶不停變化的行為信息，如消費習慣、購買行為等;
第二步：分析這些數據，給客戶畫像，畫像代表客戶對營銷內容有興趣、偏好、需求等，分析推算客戶的興趣程度、需求程度、購買概率等;
第三步，也就是最後一步，將這些畫面綜合起來，拼成一張較為完整的圖，這樣我們對客戶就有了一個大概的了解。