⑴ 大數據如何改變傳統營銷
現在，隨著從多個渠道不斷湧入的巨大數據量，營銷人員正面對著巨大的「大數據」資源，他們需要想辦法從中獲得可操作的營銷策略。下面讓我們來看看大數據如何從5個方面永久性地改變營銷。1. 提高個性化：在大型百貨公司的輝煌時代，當時的目標是為每一位客戶提供貼心的服務，來提高競爭力。為客戶提供更加個性化的服務能夠提高銷量、獲得客戶的忠誠度以及增加口碑廣告。現在，大型企業和小型企業的營銷人員都可以利用大數據來更有效地了解客戶的需求，比以前更具有針對性、更個性化和相關性。其中一個很好的例子就是亞馬遜，該公司利用從願望清單、瀏覽歷史記錄和購買歷史記錄收集的數據，通過分析技術來為客戶提供更個性化的產品建議。大數據為營銷人員提供了很好的計劃，讓他們能夠創建更富個性化的策略。2. 數據驅動的營銷：大數據已經不再被認為是行業炒作術語，現在大數據已經迎來了數據驅動營銷的時代。隨著原始數據繼續堆積，大數據平台(例如Hadoop)已經出現，來幫助營銷人員更好地利用這些數據。現在，企業可以實時存儲、管理和分析大量數據，讓營銷人員更好地了解客戶，而不是通過人口數據或者樣本數據，而是對個人進行分析。有了這些信息，營銷人員能夠了解客戶真正需要的是什麼，以及如何最好地滿足這些需求來提升客戶體驗。3. 預測分析：有沒有坐過旅行車背後面向後方的座位?希望現在沒有這樣的座位了。這些座位能夠讓乘客知道他們去過哪裡，但對於他們要去哪裡卻沒有提供任何線索。對於數據，營銷人員一直坐在朝向後方的座椅。他們唯一的視圖是之前的web訪問記錄、點擊情況、打開率、下載等。只有過去的數據可以用來預測未來的客戶行為，在不久前，並沒有足夠的營銷數據來准確地預測未來客戶行為。現在，通過外部系統(例如web和社交媒體)以及內部系統(例如CRM和購買歷史記錄)的數據，營銷人員足以分析客戶當前和未來的購買行為，這些可操作的情報可以推動現有產品和服務的銷售，並帶來更新和更好的產品和服務。4. 虛擬活動能力：大數據情報，加上人類創造力，可以引發大膽的想法和宣傳策略。同時，因為大數據模擬，這些大膽的想法可以在虛擬市場中進行測試，從而消除了市場內測試相關的風險和成本費用。通過使用真實世界的數據，即使是最古怪的營銷思路也可以進行測試、挑戰和重新測試，直到這些營銷想法成為實際的活動—其有效性隨後可以使用營銷後分析來衡量。5. 不只是針對大型企業：現在的技術，大數據並不只是針對大型企業。即使是小型企業也可以從存儲、管理、分析和可視化數據中獲得很大的優勢，並且只需要非常有限的成本。此外，現在的軟體讓企業可以部署大數據分析，來完成影響目標，而不需要僱傭若干優秀的數據科學家。小型企業能夠使用與大型企業相同的工具和技術來提高其營銷策略，實現與大型企業公平競爭的機會。責編：孫明春
⑵ 大數據時代的營銷怎麼做
大數據時代的營銷怎麼做？
大數據時代的營銷怎麼做？各公司在大數據方面出手闊綽。首席營銷官調查網站（TheCMOSurvey）報道稱，目前大約有5.5%的營銷預算用於營銷分析，這個數字將在未來3年內增加到8.7%。大家的期望值很高，許多公耐搜唯司正試圖弄清楚如何破譯數據，從中獲得卓越的戰略見解。
我非常支持這種獲取和利用數據來推動決策的趨勢。然而，這也是問題所在。隨著數據量的增長，企業的數據利用率越來越低。我首先在2012年2月提出了如下問題：「在你的公司作出決策前，對現有或者索取的營銷分析數據加以利用的項目佔多大比例？」得到的結果是37%，當時我覺得這個比例太低。但當我在2013年8月提出同樣的問題時，比例降至29%。圖1顯示了這個比例在過去18個月里持續下降。
但這個調查結果並非完全出人意料。回顧30年來相關調查的歷史，數據利用率始終偏低，很多種類的營銷信息都是如此，包括營銷調研、廣告調研和現在的社交媒體調研。這種偏低的營銷分析數據利用率妨礙了大數據對利潤的貢獻。
妨礙有多大？有些人可能會說，營銷分析等各種市場情報的最終衡量標準是能否增進企業對客戶的了解。首席營銷官調查網站請頂級營銷人員對他們公司在「獲得和利用對客戶的深入見解」方面的表現打分。滿分為5分，1分是糟糕，2分是尚可，3分是普通，4分是良好，5分是優秀。回顧過往得分，結果顯示仍然處於普通水平（2013年8月為3.4分，2012年2月為3.5分，2009年8月為3.5分）。因此，即使用於營銷分析的花費增多，但我們並未看到對客戶的深入見解有所提高。
企業應該怎麼做？首先，管理人員必須以終為始。上市計劃、創造需求的活動和銷售活動必須包括關於哪些數據應該收集以及如何利用它們的具體說明。當計劃和策略中植入了大數據方案的時候，偏低的利用率可能會上升。
其次，企業必須花錢培訓管理人員，讓他們知道如何利用營銷分析來獲得洞察力、推動決策、實施策略和評估他們已經採取的行動。正是出於這個原因，我們在福庫商學院（Fuqua）教授「市場情報」課程，專注於信息的昌培「使用」而非「創造」。企業必須更加重視市場分析的應用部分。機構和咨詢公司可以提供這類培訓。
第三，企業必須找到和留住那些能夠充分利用市場分析漏模的合適人才。當問及「你的公司在多大程度上擁有能夠充分利用市場分析的合適人才？」時（1分為沒有合適的人才，7分為有合適的人才），僅僅3.4%的受訪者給自己的公司打了7分，56%的人打了低於平均水平的分數。圖2顯示了完整的分數分布情況（平均分為3.4分，標准偏差為1.7分）。
⑶ 大數據正在引領一場營銷變革
大數據正在引領一場營銷變革
短短十數年，大數據、物聯網、雲存儲、移動互聯從趨勢成為主流，商業生態早已邁過無數個可能，進入了今天飛速發展的快車道。大數據產業已漸趨成熟，亟待被各行各業所運用。小米數據產品總監劉洋在易觀智庫學術沙龍交流會上表示，隨著大數據概念越來越清晰，運用產品類型的形式在數據當中應用將會越來越多。
大數據規模日趨龐大
所謂的大數據技術，就是從各種類型的數據中，採用新處理模式快速獲得有價值的信息，從而實現深度理解、敏銳發現與精準決策。隨著互聯網+影響力的不斷深入，人們的生產和生活方式發生了極大的改變。新一代信息技術與經濟社會各領域的深度融合，引發了數據量的爆發式增長，使得數據資源成為國家重要的戰略資源和核心創新要素。
據統計，全球所掌握的數據，每18個月就會翻倍。到2020年，全球的數據量將達到40ZB，其中我國所掌握的數據將佔20%。
利用大數據分析，能夠總結經驗、發現規律、預測趨勢、輔助決策，充分釋放和利用海量數據資源中蘊含的巨大價值。大數據沖擊傳統市場，滲入更多的企業成為趨勢。
據了解，2015年全球大數據產業規模達到了1403億美元。預計到2020年，這一數據將達到10270億美元。其中，2020年中國大數據產業規模或達13626億元。
百分點產品市場總監、中關村(000931,股吧)大數據交易產業聯盟副秘書長張涵誠向《中國產經新聞》等媒體表示，從賣產品轉變為賣服務，服從管理轉為創造客戶價值，互聯網核心思維是數據思維，是大數據沖擊傳統市場的三方面表現。
同時，隨著數據資源的開放及使用逐步深入，應用創新成了大數據發展的主要驅動力。目前就傳統的企業而言，已經將數據分析、數據資源作為一種新的業務，且投入程度可能強於傳統的業務。
據相關數據分析顯示，到2020年，中國大數據產業細分市場規模中，應用層規模佔比將達到40%，衍生層規模佔比達18.5%。
另外，按照行業來劃分，未來大數據應用預計將以政府和金融為主，預計2020年政府和金融大數據應用或將佔60%，隨後是工業以及電力應用。
大數據是一種技術，一種思維的創新，也是數據本身價值的發掘。大數據時代，很多企業已經以數據化運營來驅動企業重大戰略決策和業務發展，獲得了卓越的成績，成為行業里數據化運營的領先者。
劉洋在會上解說了數據驅動的兩種模式，即分析決策和應用產品。其中分析決策包括戰略分析、競爭分析以及商業分析。他表示，市面上大部分企業在做商業分析之前往往忽略了先做戰略分析和競爭分析。
而所謂產品應用，劉洋表示，是與產品相關的數據，把這類數據包裝成行業的內容或者是服務，提供給用戶。
不僅如此，利用產品跟用戶建立關系，利用數據發現規律從而驅動產品創新，也是一個非常好大數據的應用。張涵誠認為，這將能夠實時了解用戶需求，並及時對服務做出迎合客戶群的調整，以贏得更大的市場佔比。
電商平台沒有評論，意味著轉化率的降低、客單的下降。個性化的推薦，需要一個推薦引擎了解消費者的偏好、行為習慣，幫助他推薦一款產品。利用大數據可以洞察消費者的建議，對產品的看法，通過迅速做反饋，可以創造更大的營銷。
大數據基因植入傳統企業，還會使一些企業成為平台型的企業。張涵誠表示，有了數據以後，企業可以無限地延伸，采購大量的數據可以跟供應商更多做集成。例如，生產數據服務將會有更多的訂單，銷售渠道數據將同行商品放在平台上賣。
完善大數據體系建設
對製造業企業而言，大數據技術的戰略意義不僅在於掌握龐大的數據信息，更在於對數據的「加工能力」——對大量的數據進行專業化的處理，使之轉化成為對企業有用的信息。
雖然，很多企業已經意識到以數據驅動企業決策的價值，但是在「淘金」大數據過程中，仍然對思維架構、方式方法有些模糊不清。尤其是當企業IT部門面對瞬息萬變的業務要求，面對TB/PB級的海量大數據的實時分析，面對多維度復雜的數據分析時，常常束手無策。
數據處理的成本非常高，業務發展多元化的時候發現經常遇到一個問題就是數據不準。就目前行業發展情況來看，基本上大規模的公司相對多一些，小的開發者可能越來越艱難。在中大型的開發者越來越多的情況下，發現用戶的需求已經脫離了原來老的模式，這就需要把自己的數據拿過來做分析，放到系統裡面與CRM、銷售系統、投放系統、運營系統做打通，做一個全盤分析。
「大數據分析分四個步驟，即數據應用、數據分析、數據存儲和計算以及數據源。其中數據源主要是保證數據不臟。」劉洋說道。
大數據在業務中的分析流程大概分兩種類型。一種是當我們有數據和數據分析系統時的監控，通過業務上線、數據的監控、異常數據的發現、異常狀況處理的策略、業務改進，形成一個閉環模式。另一種是產品要上新的功能，通過業務上線、效果評估、改進策略、業務改進、效果評估來形成閉環模式。
而就大數據團隊架構，分為分散式和中心式。相較於分散式大數據團隊的高成本、靈活、難管理特點，中心式的大數據團隊的特點則是低成本、易管理、低效率。
分散式的大數據團隊，因為每個業務都比較龐大，業務與業務之間的耦合度較低，需要靈活、快速的數據支撐，大型的數據平台無法滿足快速變化的業務要求，於是業務會自建平台和分析人員。
僅中心式的大數據團隊而言，各個業務有一些區分度，但是區別不大，於是公司會採用統一的數據樹立部門，對所有的業務進行數據分析的支撐。
目前，形形色色的大數據已然成為了各領域發展的新寵。伴隨技術的發展，大數據正在引領一場營銷變革。大數據的存在讓營銷者能更好地、更實時地對消費者畫像並實現無限的消費者細分。大數據強大的分析、挖掘、整合能力讓營銷變得簡單起來。