大数据系列之-精准营销

撰稿：李思行 审核：周强

不知道您是否有这样的体验，在您逛了几家淘宝店查看了关于某款商品如“运动鞋”后，在您再次打开淘宝时所给您推送的广告，包括淘宝首页及侧栏的图片，都变成了与“运动鞋”相关的广告了，是否对此感觉到意外，以为淘宝居然这么懂我，人工智能仿佛近在眼前。然而这其实只是大数据精准营销技术的一种实操罢了，而您很“幸运”的为阿里巴巴贡献了一部分数据。

笔者下面就以此文对大数据目前应用最为成熟的精准营销产业做一些浅析，首先看精准营销的定义，精准营销（Precision marketing）的概念是由营销专家菲利普•科特勒在2005年底提出，他认为企业需要更精准、可衡量和高投资回报的营销沟通，需要制定更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。简单来说就是5个合适，在合适的时间、合适的地点、将合适的产品以合适的方式提供给合适的人。像恋爱一样，让消费者能够一见钟情、二见倾心、三定终生，实现产品与用户多维度的契合。

大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。而在这里又要提一下传统营销，它往往是以覆盖面为主，甚少考虑到是否是合适的人接收到了合适的信息，主要思路是以增大投放量、覆盖面来达到更优的营销效果，所以就导致成本居高不下，同时营销的效果又不甚理想，没有一个数据化的考量，反观之下，近年来大数据精准营销所产生的效果都印证了大数据与营销结合将是未来营销的主流，尤其是基于移动端的大数据营销，其更具有代表性，同时其所获得的数据更多，更为精准。

从特点来看，相比传统营销，大数据精准营销有以下特点：

1. 多渠道数据采集

大数据采集的数据来源于不同的平台，如阿里系可混合淘宝、支付宝、花呗等对数据进行综合采集分析，其数据来源多渠道，类型多样，多平台化的数据采集确保数据准确性和全面性。

2. 时效性

因为采用实时数据采集的方式，数据都是即时到达、即时分析的。其价值在于准确把握用户的最高需求点，及时作出反应。

3. 精准性

运用大数据能力，通过对数据分析找到小而准的精确数据，作出精准用户和市场定位。从系统的角度来说，数据量越大则得出的结果越精确，如一个用户使用了1年的淘宝和一个只用了1天淘宝的用户来比，1年的老用户显然拥有更多的数据，能更好的精准定位。

4. 关联性

精准数据锁定目标用户现行行为，有针对性投放广告，确保用户关注的广告具有关联性，以提高投放效率。比如当您浏览“运动鞋”以及“背包”的时候大数据系统就会判断您是位户外运动爱好者，给您打上“户外”的标签，从而推送关联的产品广告。

5. 高性价比

正因为大数据对客户群体的精准划分，使得广告主有的放矢的投放广告，并且根据效果反馈作出策略调整，减少成本投入，同时可产生更好的营销效果。

6. 定制化

以受众目标为导向针对同质性较强的群体投放同种类别广告。举个比较极端的例子，某品牌的SUV汽车的目标客户是年收入50万以上，年龄在35以内，且拥有两个孩子的客户，大数据可以很轻松的将这几个标签集合到一起，产生交集的即是目标客户群体，再对目标群体进行投放，则可大大减少广告费用。

精准营销三部曲：知己、知彼、执行

很多人都会好奇，精准营销既然这么神，那它是怎么做到的呢，其中的“套路”是什么，一个从零开始的精准营销是怎么样形成的呢，笔者下面就以较为通俗的方法，尽量避开所有技术来谈一谈这个“套路”。首先是流程，基本上精准营销都会经过3个流程，第一个先搞懂自己，然后搞懂竞争对手与目标群体，最后就是撸起袖子干。

在对企业自身情况和产品情况分析这个环节，重点就是，可以根据产品特征，定位出目标用户。这一步相对来说是最简单的，如果一个企业连自己是谁要卖什么都搞不清楚，那也没必要谈什么精准营销了。下一步就是对目标用户进行分析，怎么科学的有数据的进行分析？这里就要用到互联网上非常流行的“用户画像”。

用户画像，简单来说就是通过一系列简短、精炼、易识别的语言来描述一个人/物。比如说：古XX，性别：男；职业：IT白领；年龄：32；身高：175；星座：白羊座；学历：本科；婚姻状态：已婚；收入情况：20000等等。

而对于用户画像来说，信息可大体分为两块，信息数据与行为数据，信息数据是较为静态的数据，如身高、年龄、星座、学历等；而行为数据则更侧重于人的个性所产生的数据，例如消费情况、信用情况、运动爱好、搜索偏好等。其实这些数据就是在给人群打一个个标签口，后面所打的标签将为大数据精准营销产生贡献。

而在做用户画像时，需要以下三个步骤：

第一步：数据采集，因为我们用户画像是为了了解用户，因此需要收集用户所有的数据， 正如之前我们所说的所有信息数据和行为数据，数据来源越广，程度越深后面所描绘出来的用户画像就越精准。

第二步：分析数据，通过自身所设定的策略给用户打上标签和指数，在这里标签是定型的指标，如对某样东西有兴趣、偏好、需求等，而指数则更多的是定量的指标，代表用户的兴趣程度、需求程度、购买概率等。

第三步：用户建模，通过刚刚所打的标签，将他们综合起来，用户画像就出来了。

在用户画像出来以后，精准营销只需要制定自身的策略选取不一样的标签即可，例如要营销的客户群体是屌丝群体，那么标签可能是，2-4线城市，年收入50000以下，单身，月消费1000以内等等。

在大数据精准营销的发展史中，有那么两个案例较为经典，笔者以此来大致的阐述一下大数据精准营销所产生的实际效果。

经典案例

最早的著名案例-亚马逊个性化推荐系统

1994年创立的亚马逊最初是以销售书本为主的，其内容都是由人工完成的，并且为此组建了一只被《华尔街日报》称为全美最有影响力的书评家的20人书评团队。然而，随着时代的发展。亚马逊的书越来越多，这样的人工操作显得越来越无力，于是，我们现在熟悉但当时非常时髦的“个性化推荐系统”便应运而生。亚马逊当时的技术人员林登将书评家带来的销量和推荐系统产生的营销业绩进行了比较，发现推荐系统带来的商品销量远高于书评家，而这个销量比较数据直接影响了亚马逊书评组的解散，由推荐系统取代他们来推荐更受用户欢迎的产品。在亚马逊的带领下，越来越多的公司开始使用这种个性化推荐系统，推动了电子商务的发展。而这种基于海量数据的推荐，也是大数据早期运用的一种形式。

自有数据变现-农夫山泉用大数据卖矿泉水

在农夫山泉内部有个规定，业务员每天例行公事地来到各自负责的的零售点时都需要对营业点的情况进行数据收集，其采用的做法是拍摄10张照片：包括水是怎么摆放的、位置有什么变化、高度如何等。每个业务员一天要负责15个个零售点，按照规定，下班之前这150张照片就必须传回了杭州总部。按照每张图片平均70KB左右，那么每个业务员每天会产生10BM的数据量，初看这似乎并不是个大数字。但问题就在于农夫山泉在全国有10000多个业务员，这样下来的话每天的数据就是100G，每月3TB。当这些图片如雪片般进入农夫山泉在杭州的机房时，这家公司的CIO胡健就会有这么一种感觉：守着一座金山，却不知道从哪里挖下第一锹。

直到2011年，SAP（位于德国，是全球最大的企业管理和协同化商务解决方案供应商）推出了创新性的数据库平台SAP Hana（System Applications and Products”的简称，是SAP公司的产品——企业管理解决方案的软件名称），农夫山泉则成为全球第三个、亚洲第一个上线该系统的企业，并在当年9月宣布系统对接成功。胡健选择SAP Hana的目的只有一个，快些，再快些。采用SAP Hana后，同等数据量的计算速度从过去的24小时缩短到了0.67秒，几乎可以做到实时计算结果，这让很多不可能的事情变为了可能。

在拥有了强大的数据分析能力做支持后，农夫山泉近年以30%-40%的年增长率，在饮用水方面快速超越了原先的三甲：娃哈哈、乐百氏和可口可乐。根据国家统计局公布的数据，饮用水领域的市场份额，农夫山泉、康师傅、娃哈哈、可口可乐的冰露，分别为34.8%、16.1%、14.3%、4.7%，农夫山泉几乎是另外三家之和。

发展历程

从发展历程来看，大数据精准营销从过去到现在到未来主要围绕“更主动”“更全面”“更精准”“更有价值”进行演化，近几年大数据对比过去所取得的成果也使得大数据精准营销成为大数据技术中最容易进行商业变现的一种。

行业情况

从行业来看，DSP（Demand-Side Platform，需求方平台）是大数据精准营销的落地点，DSP是一个系统，也是一种在线广告平台。它服务于广告主，帮助广告主在互联网或者移动互联网上进行广告投放，DSP可以使广告主更简单便捷地遵循统一的竞价和反馈方式，对位于多家广告交易平台的在线广告,以合理的价格实时购买高质量的广告库存。简单的说，DSP就是一套综合的大数据精准营销平台。

艾媒咨询（iiMedia Research）数据显示，2016年中国DSP广告投放市场规模预计达到235.0亿元。随着未来营销方向更趋于精准化营销，对于用户需求的精准性把握要求更高，DSP广告将会成为广告主较为青睐的形式，市场规模将不断扩大，预计2018年市场规模会增长到471.9亿元。而近年来移动互联网的发展带动了移动DSP广告的发展，2016年，移动DSP广告的市场规模预计达到130.0亿元，占据DSP广告一半的市场份额。未来移动DSP广告市场趋于饱满，增速减缓。