精准营销大数据

精准营销大数据（精选6篇）

篇1：精准营销大数据

大数据精准营销的论文

现代科技的发展给人们的生活带来了许多新变化，消费者越来越强调自我，追求个性，企业在捕捉消费者越来越多样化的需求上面临更多挑战。以IT应用技术、智能通信技术为基础的精准营销应运而生。正如现代营销之父菲利普科特勒所认为，市场营销是企业需要更精确的有效通信和市场营销策略的实施过程，同时交流通信的结果是必须能够计算出来，并且市场营销可利用高效的通讯得到较大利润。在智能数据挖掘分析时代，我们可以通过对数据的AI+挖掘的管理、准确程度与精密程度、选择客户与市场定位等多方位来展现精准营销的价值。

一、引言

大数据应用于精准营销就是在大数据的支撑下，尽可能多地获取消费者的信息，从中分析挖掘他们的潜在需求，并利用数据技术进行精准的广告投放，使营销更具针对性。首先，大数据为精准营销提供了海量的数据信息[1]。在互联网中，用户的信息行为都能转化为数据，企业通过分析这些数据，挖掘消费者的潜在需求，运用信息技术进行精确的、个性化的广告投放，实现精准的营销。同时，在营销过程中，每一个用户的Cookies数据是可记录和查询的，即与目标用户的每一次接触都会留下痕迹，利用这些“痕迹”可以建立一个消费者数据库，实现客户的信息管理。大数据使更高效的精准营销得以实现，精准营销又为大数据提供更多信息积累。

二、大数据下的`精准营销模式

1.受众精准。大数据技术为营销找到更能满足业务需求的受众。通过对数据的整合分析，我们可以得出清晰的用户画像，了解用户的个性与需求，从而实现一对一的精准投放和服务。如拥有强大的数据管理平台(DMP)的TalkingData，能对超过20亿移动受众人群的数据进行汇聚、清洗、萃取，结合一系列算法模型，输出人群分类标签数据体系和目标受众分析工具。由此，企业可以更加精准地找出目标受众，进行针对性的广告投放。2.成本精准。大数据技术使广告投放更加精准，提升了广告的转化率和回报率，大大节约了成本。在大数据的支持下，我们能挖掘大量与消费者相关的数据信息，从中分析出消费者的基本属性、兴趣爱好、消费习惯、消费需求等，更加准确地定位目标受众并进行细分。再运用人群定向技术，精准地向受众投放针对性的广告。这样的精准投放，改变了以往大范围无目的的广泛投放模式，大大节约广告投放成本，避免浪费。同时，精准的广告信息往往能主动迎合消费者的需求，更容易使其对产品和服务产生好感，从而大大提高了广告的转化率和回报率。企业通过大数据进行精准营销，可最大程度降低营销成本，提升品牌价值。3.效果精准。运用大数据对消费者的需求进行筛选跟聚合，使精准营销的层次得到进一步提高。在大数据技术的支撑下，我们可以得到清晰的目标受众定位，有效细分人群，提供针对性较强的个性化聚合服务。改变了以往精准营销提供综合化服务的局面，大大提高了营销的效果。如，网舟科技通过对用户线上线下的数据进行只能筛选，为不同的使用情境建构了不同的推荐机制，使推荐引擎从以往的综合化服务转向个性化聚合服务。由此，商品导购更加智能化，消费者好感度增强，有效提高产品和服务的销量，增强了营销的效果。

三、大数据在精准营销中的应用

1.用户数据的挖掘。互联网时代下，用户的任何行为都会留下痕迹，利用系统日志数据、访问社交网络信息等，我们通过用户反馈信息，识别分析出用户的基本属性、兴趣爱好、消费行为、潜在需求等。以Facebook为例，超过12亿的用户量为其提供了海量数据。Facebook可以从Cookies追踪它的用户，如用户在使用Face-book的同时浏览网页，便可以追踪到用户所访问页面的网址。用户在Facebook里添加的标签，点过的赞等等也都可以成为Facebook识别和分析用户的基本属性、个性取向、情感状态、消费水平、政治倾向等各方面信息的数据依据。企业可以通过访问Facebook主题数据对消费者进行研究，进一步了解消费者，绘制品牌受众地图，进行品牌内容评估，从而准确地投放广告、开发客户，实现精准营销。2.定向广告的推送。精准营销成功的一个重要条件是精准的营销信息推送，即将相关的产品广告、促销活动等信息向目标受众推送，引发其关注并产生点击、阅读等行为，从而进一步吸引其购买产品。它包含两方面，一是目标受众，即营销信息应该推给谁;二是信息内容，即向其推送怎样的信息。以前，企业难以获取足够的用户信息，因此无法采取有针对性的传播内容，造成大量的广告资源浪费。在大数据时代，我们可以搜集大量的用户信息并进行分析，从而判断出我们的目标受众，进行个性化的定向广告推送，大大提升了广告效率，节约广告成本。3.主题数据的开发。主题数据的开发，将数据信息预处理，通过预处理后进行识别，根据不同的管理需求及其相应的信息，将工作定义为不同的分类，再针对各个主题数据库进行主题定义。它可以为营销者带来一个清晰的用户视图，从而实现更精准的营销。如企业可以访问Facebook主题数据，识别提取用户信息，再从信息的不同利用角度出发进行分类，整理形成各个主题的数据库。根据这些主题数据选择性地改变他们在平台和其他渠道的营销方式，使广告投放更加精准。

四、精准营销的大数据技术应用

1.大数据分布式存储管理技术。大数据是涉及整个软硬件系统的各个层面上诸多计算技术的融合。当大数据处理平台搭建后，将要考虑数据存储问题。在集群环境下，需要大数据的储存并发访问，主要采用分布存储系统[2]。分布式存储对大数据才存储通过可扩展的方式高效可靠的管理，但无法对结构化、半结构化数据进行访问和管理[3]。因此，面向结构化和半结构化数据存储管理和查询分析系统营运而生：例如HBase和Hive等系统[4]。2.大数据并行计算及系统平台。大数据并行计算系统平台框架主要是Hadoop、MapRe-duce。近年来人们研究实现了更多种大数据并行计算模型与框架，以提高大数据的处理效率。其中，集多种计算模式为一体的Apache、Spark发展迅猛，成为新一代主流大数据并行计算系统，受到了工业界和学术界的广泛关注和使用。3.数据分析。金融征信、互联网舆情、商业用户画像、电信精准营销及智能交通管理等领域的大数据分析应用层出不穷。大数据以应用系统需要有相关专业及知识结构的应用行业专家对领域应用的具体案例和问题构建行业具体应用的逻辑业务模型，并采用分析软件进行分析归纳数据，计算机专业人员通过以上分析，再进行设计和开发相关大数据应用系统。通过其存储、计算、分析等技术层面的运用，能够构建针对不同行业领域的大数据分析或解决方案[4]。

五、结论

大数据时代下，我们可以在不同媒介不同领域中挖掘、提取各种数据资源，通过对这些数据的整合与分析，我们可以得到用户的基本属性、兴趣爱好、消费需求等，绘制出精准的用户画像，明确他们的潜在需求，并针对这些差异化需求进行精准的个性的广告传播。这大大提高了广告主寻找目标消费者的效率和精准性，极大地节约了广告投放成本，提高了广告投放效率。我们要时刻关注技术的发展，抓住大数据带来的机遇，同时也不能盲目迷信大数据，要积极应对它对广告业的挑战与冲击。

参考文献：

[1]李洁,应昌成.大数据发展趋势[J].电子技术与软件工程,(22).

[2]严格非.大数据处理技术与系统研究[J].信息与电脑(理论版),(5).

篇2：精准营销大数据

摘要：随着互联网的日益普及，人们对互联网技术的利用率越来越高，由此而来的大数据对社会的各行各业都带来很大变化，人们正步入大数据时代。在企业营销中，大数据的应用可以大大促进精准营销的发展，为其带来前所未有的发展机遇。本文首先分别对大数据与精准营销的研究进行综述，然后提出大数据时代下精准营销模式的问题，最后针对该问题提出一些思考与建议。

关键词： 大数据； 精准营销； 精准营销模式

一、大数据研究现状

1.大数据起源与兴起

1980年，著名未来学家托夫勒在其《第三次浪潮》提出了“大数据”的概念，并热情地将其称颂为“第三次浪潮的华彩乐章”，但是之后很长一段时期内，由于技术发展制约，“大数据”的概念并没有得到人们的重视。

2008年开始，移动计算、物联网、云计算等一系列新兴技术相继兴起，这些技术的发展及其在社交媒体、协同创造、虚拟服务等新型模式中的广泛应用，使得全球数据量呈现出前所未有的爆发式增长态势，数据复杂性也急剧增长，客观上要求新的分析方法和技术来挖掘数据价值，大数据技术应运而生，并得到迅速发展和应用，如此，“大数据”时代真正到来。

2008 年末，三位信息领域资深科学家卡内基梅隆大学的R.E.Bryant、加利福尼亚大学伯克利分校的R.H.Katz、华盛顿大学的E.D.Lazowska联合业界组织计算社区联盟（Computing Community Consortium）发表了非常有影响力的白皮书《大数据计算： 商务、科学和社会领域的革命性突破》，使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解，而非数据本身。随后，包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合，实施其大数据战略； 国内外咨询机构也相继发布与大数据相关的研究报告，积极跟进大数据领域的研发与应用。2011 年5 月，EMC 公司在主题为“云计算相遇大数据”的World 2011 大会中阐述了云计算与大数据的理念和技术趋势。同年10 月，Gartner 将大数据列入2012 年十大战略新兴技术； 11 月，由CSDN 举办的中国大数据技术大会在北京成功举行。大数据在产业界逐渐形成燎原之势。

目前，大数据研究和应用已经成为信息科技领域中的热点。世界各国均高度重视大数据领域的研究探索，并从国家战略层面推出研究规划以应对其带来的挑战。2012 年3 月，美国奥巴马政府投资两亿美元启动“大数据研究和发展计划”，致力于提高从大型复杂数据集中提取知识和观点的能力，并服务于能源、健康、金融和信息技术等领域的高科技企业； 2012年4 月，英国、美国、德国、芬兰和澳大利亚研究者联合推出“世界大数据周”活动，旨在促使政府制定战略性的大数据措施； 7 月，日本推出“新ICT 战略研究计划”，其中重点关注“大数据应用”同时，大数据也已引起学术界的广泛研究兴趣。2008 年和2011 年，《Nature》与《Science》杂志分别出版专刊《Big Data： Science in the Petabyte Era》和《Dealing with Data》，从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多个方面讨论大数据处理和应用专题。

2．大数据的定义与特征

对于大数据的概念，企业和学术界目前尚未形成公认的准确定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”； 权威IT 研究与顾问咨询公司Gartner 将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”； 美国国家科学基金会（NSF）则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。尽管存在不同的表述，但一个普遍的观点是，大数据与“海量数据”和“大规模数据”的概念一脉相承，但其在数据体量、数据复杂性和产生速度三个方面均大大超出了传统的数据形态，也超出了现有技术手段的处理能力，并带来了巨大的产业创新的机遇。

IBM公司把大数据的特征概括成三个“V”：规模（Volume）、快速（Velocity）和多样（Variety），但是更多的人则将其概括为四个“V”，即规模（volume）、快速（Velocity）、多样（Variety）和价值（value）。

（1）规模（Volume）。大数据首先是必须具有海量数据，但是究竟多大体量才叫海量，人们并没有一个确定的数字。有人认为应该达到TB数量级，一般在10TB规模左右。但在实际应用中，很多用户把多个数据集放在一起，已经形成了PB级的数据量。

（2）多样性（Variety）。这是大数据概念区别于从前有关数据管理的一个重要特征，传统的数据管理主要是针对结构化数据分析利用，其应用技术而大数据则更加强调对于半结构化和非结构化数据的分析和应用。

（3）快速（Velocity）。在当前常规的信息安全产品中，特别是具有代表性的检测响应类产品技术中，大量采用实时监测，而“实时”就意味着快速。在当前带宽越来越大、系统越来越复杂采集的数据越来越多的同时，安全检测对于事件响应的及时性要求并没有减

弱。另外，“实时”还包含着一种内在的含义：主要根据当前的数据做出分析判断。

（4）价值（Value）。数据是物理世界的数字反映，价值上数据不同于数字，数据背后是有对象的，而这些对象是有属主的、有立场的、有价值归属的、主观的。大数据的体量很大，所蕴含的价值总量也会是客观的，但是平均到单条信息的价值却很低，即价值密度很低。

3．大数据的关键技术

传统的数据采集来源单一，且存储、管理和分析数据量也相对较小，大多采用关系型数据库和并行数据仓库即可处理。而大数据环境下，数据来源非常丰富且数据类型多样，存储和分析挖掘的数据量庞大，对数据展现的要求较高，并且很看重数据处理的高效性和可用性，需要依靠并行计算提升数据处理速度。而传统的并行数据库技术追求高度一致性和容错性，难以保证其可用性和扩展性。

另一方面，传统的数据处理方法是以处理器为中心，而大数据环境下，需要采取以数据为中心的模式，减少数据移动带来的开销。因此，传统的数据处理方法，已经不能适应大数据的需求，需要一种新的技术理论和方法。

3.1数据挖掘

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用信息和知识的过程。目前广为接受的一种处理模型是Fayyad 等人设计的多处理阶段模型。

3.2数据分析

在相关技术中，比较具有代表性的是Apache 软件基金会开发的Hadoop，以MapReduce 和Hadoop 为代表的非关系数据分析技术，凭借其适合非结构处理、大规模并行处理和简单易用等优势，在互联网搜索和其他大数据分析技术领域取得重大进展，成为主流技术。

4．大数据相关产业发展

按照信息处理环节，大数据可以分为数据采集、数据清理、数据存储及管理、数据分析、数据显化及产业应用等六个环节，由于尚属发展初期，其中的每个产业环节都包含着不少的企业，其市场发展情况如下。

（l）数据采集。Google、CISCO这些传统的IT公司早已经开始部署数据收集的工作。在中国，淘宝、腾讯、百度等公司已经收集并存储大量的用户习惯及用户消费行为数据。德勤预计，在未来，会有更为专业的数据收集公司针对各行业的特定需求，专门设计行业数据收集系统。

（2）数据清理。当大量庞杂无序的数据收集之后，如何将有用的数据筛选出来，完成数据的清理工作并传递到下一环节，这是随着大数据产业分工的不断细化而需求越来越高的环节。除了Intel等老牌IT企业，Teradata、Informatica等专业的数据处理公司呈现了更大的活力。在中国，华傲数据等类似厂商也开始不断涌现。德勤预计，在未来，将会有大量的公司专注于数据清理。

（3）数据存储及管理。数据的存储、管理是数据处理的两个细分环节。这两个细分环节之间的关系极为紧密。数据管理的方式决定了数据的存储格式，而数据如何存储又限制了数据分析的深度和广度。由于相关性极高，通常由一个厂商统筹设计这两个细分环节将更为有效。从厂商占位角度来分析，IBM、Oracle等老牌的数据存储提供商有明显的既有优势，他们在原有的存储业务之上进行相应的深度拓展，轻松占据了较大的市场份额。而Apache Software Foundation等新生公司，以开源的战略汇集了行业专精的智慧，成为大数据发展的领军企业。

（4）数据分析。传统的数据处理公司SAS及SPSS在数据分析方面有明显的优势。然而，基于开源软件基础构架Hadoop的数据分析公司最近几年呈现爆发性增长。例如，成立于2008年的Cloudera公司，帮助企业管理和分析基于开源Hadoop产品的数据。由于能够帮助客户完成定制化的数据分析需求，Cloudera拥有了如ExPedia、摩根大通等大批的知名企业用户，仅仅五年时间，其市值估值已达到7亿美元。

（5）解读。将大数据的分析结果还原为具体的行业问题。SAP、SAS等数据分析公司在其已有的业务之上加人行业知识，成为此环节竞争的佼佼者。同时，因大数据的发展而应运而生的wibidata等专业的数据还原公司也开始蓬勃发展。

（6）展示。这一环节中，大数据真正开始帮助管理实践。通过对数据的分析和具象化，将大数据能够推导出的结论量化计算，同时应用到行业中去。这一环节需要行业专精人员，通过大数据给出的推论，结合行业的具体实践制定出真正能够改变行业现状的计划。

不仅仅是大数据技术行业的发展，大数据的应用也已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开，并产生了巨大的社会价值和产业空间。麦肯锡评估西方产业数据为例，大数据的有效利用将能使欧洲发达国家政府节省至少1000 亿欧元（约1 490 亿美元）的运作成本； 使美国医疗保健行业降低8%的成本（约每年3000 多亿美元）； 并使得大多数零售商的营业利润率提高60%以上。据市场调研机构IDC 预测，大数据技术与服务市场将从2010 年的32 亿美元攀升到2015 年的169 亿美元，实现40%的年增长率（IT与通信产业增长率的7 倍）近两年来，国内外知名企业（如Ebay、AmazonWal-Mart、淘宝、中国移动和凡客等）相继推出相应的大数据产品和平台，开展了多种深度商务分析和应用。例如：通过分析结构化和非结构化数据促进其业务创新和利润增长； 基于机器学习和数据挖掘方法来管理和优化其库存与供应链，并量化评估其定价策略与营销效果； 通过市场分析、竞争分析、客户分析和产品分析以优化经营决策等。

5．大数据的发展与挑战

在大数据时代，我们仍然要面对大数据的各种技术挑战，包括大数据的去冗降噪技术、大数据的新型表示方法、高效率低成本的大数据存储、大数据的有效融合、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗的新技术等等。但我们相信技术能够解决的问题终将不会成为问题，真正制约或者成为大数据发展和应用瓶颈的有三个环节。

5.1数据收集和提取的合法性，数据隐私的保护和数据隐私应用之间的权衡

任何企业或机构从人群中提取私人数据，用户都有知情权，将用户的隐私数据用于商业行为时，都需要得到用户的认可。然而，目前，中国乃至全世界对于用户隐私应当如何保护、商业规则应当如何制定、触犯用户的隐私权应当如何惩治、法律规范应当如何制定等一系列管理问题都大大滞后于大数据的发展速度。未来很多大数据业务在最初发展阶段将会游走在灰色地带，当商业运作初具规模并开始对大批消费者和公司都产生影响之后，相关的法律法规以及市场规范才会被迫加速制定出来。可以预计的是，尽管大数据技术层面的应用可以无限广阔，但是由于受到数据采集的限制，能够用于商业应用、服务于人们的数据要远远小于理论上大数据能够采集和处理的数据。数据源头的采集受限将大大限制大数据的商业应用。

5.2.大数据发挥协同效应需要产业链各个环节的企业达成竞争与合作的平衡

大数据对基于其生态圈中的企业提出了更多的合作要求。如果没有对整体产业链的宏观把握，单个企业仅仅基于自己掌握的独立数据，无法了解产业链各个环节数据之间的关系，对消费者做出的判断和影响也十分有限。在一些信息不对称比较明显的行业，例如银行业以及保险业，企业之间数据共享的需求更为迫切。例如，银行业和保险业通常都需要建立一个行业共享的数据库，让其成员能够了解到单个用户的信用记录，消除担保方和消费者之间的信息不对称，让交易进行得更为顺利。然而，在很多情况下，这些需要共享信息的企业之间竞争和合作的关系同时存在，企业在共享数据之前，需要权衡利弊，避免在共享数据的同时丧失了其竞争优势。此外，当很多商家合作起来，很容易形成卖家同盟而导致消费者利益受到损失，影响到竞争的公平性。大数据最具有想象力的发展方向是将不

同行业的数据整合起来，提供全方位立体的数据绘图，力图从系统的角度了解并重塑用户需求。然而，交叉行业数据共享需要平衡太多企业的利益关系，如果没有中立的第三方机构出面，协调所有参与企业之间的关系、制定数据共性及应用的规则，将大大限制大数据的用武之地。权威第三方中立机构的缺乏，将制约大数据发挥出其最大的潜力。5.3大数据结论的解读和应用

大数据可以从数据分析的层面上揭示各个变量之间可能的关联，但是数据层面上的关联如何具象到行业实践中如何制定可执行方案应用大数据的结论这些问题要求执行者不但能够解读大数据，同时还需深谙行业发展各个要素之间的关联。这一环节基于大数据技术的发展，但又涉及管理和执行等各方面因素。在这一环节中，人的因素成为制胜关键。从技术角度看，执行人需要理解大数据技术，能够解读大数据分析的结论；从行业角度看，执行人要非常了解行业各个生产环节的流程及关系、各要素之间的可能关联，并且将大数据得到的结论和行业的具体执行环节一一对应起来；从管理的角度看，执行人需要制定出可执行的解决问题的方案，并且确保这一方案和管理流程没有冲突，在解决问题的同时，没有制造出新的问题。这些需求，不但要求执行人深谙技术，同时应当是一个卓越的管理者，有系统论的思维，能够从复杂系统的角度关联地看待大数据与行业的关系。此类人才的稀缺性将制约大数据的发展。

6．大数据的研究不足

综观国内外大数据领域的研究和应用发展现状可见： 1）大数据相关的研究与应用目前仍然处于起步阶段，学术研究大多局限于宏观层面；2）基于互联网和社会媒体的企业大数据研究与应用亟需进一步的深入开展； 3）现有的大数据研究大多立足于信息科学，侧重于大数据的获取、存储、处理、挖掘和信息安全等方面，鲜有从管理学的角度探讨大数据对于现代企业生产管理和商务运营决策等方面带来的变革与冲击的研究。

二、精准营销研究现状

1.精准营销的定义

1999 年，美国的莱斯特·伟门提出了精准营销的概念。Zabin和Brebach（2004）提出了精准营销的4R法则，亦即正确的顾客（right customer），正确的信息（right message），正确的管道（right channel）以及正确的时刻（Right time），通过将正确的信息在正确的时刻通过正确的管道传递到正确的顾客手中，以此真正对目标客户的购买决策构成影响，促进营销目标的有效达成。

菲利普.科特勒Philip Kotler（2005）在其全球巡回演讲论坛上宣布了一个营销传播的新趋势——精准营销（Precision Marketing），并对其进行阐述：“具体来说，就是公司需要更精准、可衡量和高投资回报的营销沟通，需要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。科特勒（2006）在畅销书《Principles of Marketing》中，首次将基于互联网的精准营销理论融入其中，他认为日新月异的科技，使一些公司勇于从传统的大众传媒沟通方式转移到更加有针对性目标市场的互动模式，以此来不断提高沟通的效果和效率。并提出“对于营销来说，将沟通个性化，并在正确的时间，对正确的人，表达而且做出正确的事情，是至关重要的。”

Paul.W.Farris与Neil.T.Bendle等人（2006）在《Marketing Metries：50+MetriesEvery Executive Should Master》一书中专门研究了解决营销活动科学量化的问题，帮助精准营销活动取得良好效果。营销量化指标的归纳和运用，为经理人在实践中有效利用信息进行科学决策，提供了指导原则、方法以及注意事项。营销量化指标衡量方法，综合了营销和财务两个方面的视角，是关于公司营销业绩的科学而全面的评价。

Lisa D Spiller与Martin Baier（2006）合著的《当代直复营销》中提到了直复营销是对传统营销的发展，是精准营销的理论基础之一，强调以市场细分为基础进行数据库驱动的直复营销。在互联网的基础上实现精准营销，完成与顾客之间的直复营销关系。

国内的齐渊博（2005）将精准营销理解为“精确营销”，即包含了“标准”和“确定”两个意思，“标准”就是可以复制、可以推广、可以提升，没有“标准”的理念只是偶然现象，而“确定”就是对市场极致的了解和把握。

学者许瑾（2006）在科特勒精准营销理论的基础上，从实践的角度对精准营销进行了补充：“精准营销是以客户为中心，运用各种可利用的方式，在恰当的时间，以恰当的价格，通过恰当的渠道，向恰当的顾客提供恰当的产品。”并指出精准营销的几种传播新模式，提倡从传播受众切入，研究受众的行为、生活形态，从而理解用户需求，最终传递给受众最精准的广告内容。

伍青生、余颖、郑兴山（2006）在《精准营销的思想和方法》一文中提出了精准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析，根据他们不同的消费心理和行为特征，企业采用有针对性的现代技术、方法和指向明确的策略，实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通。

邮政营销专家徐海亮教授（2006）创立了精准营销理论体系，提出了较为完整的精准营销的概念——精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的

顾客沟通服务体系，实现企业可度量的低成本扩张之路。并指出了精准营销的三个层面的含义：第一、精准的营销思想。营销的终极追求就是无营销的营销，到达终极思想的过度就是逐步精准。第二是实施精准的体系保证和手段，而这种手段是可衡量的。第三就是达到低成本可持续发展的企业目标。并对传统广告体系与精准传播体系进行了对比，提出来精准传播的三种方式：网络媒体的传播，传统广告的改良与创新及口碑传播。刘征宇（2007）在《精准营销方法研究》一文中也把精准营销的方法归为基于数据库营销的方法、基于互联网的方法、借助他人渠道的方法等三大类。

姜何（2008）用精细化营销来形容精准营销，他认为所谓精细化的管理是相对于粗放式管理而言的，面对于营销的精细化管理，意味着基于客户细分战略的一对一营销，即要与企业选定的最有价值的客户群一对一，了解个性化需求，提供个性化渠道，实现个性化营销手段。而曹彩杰（2010）也分析到：以网络和信息技术为核心的精准营销体系，在一定程度上将取代传统的营销方式，逐步成为现代企业营销发展的新趋势。

综合上述各种观点可以看出，目前学者对精准营销研究热情也颇为高涨，相关文献数量较多，但对于什么是精准营销业界还没有给出一个公认的定义，但精准营销的特性是显而易见的：一是对市场准确定位，二是依赖科技手段，三是个性化服务，四是提高营销的正确性。尽管精准营销的定义尚无定论，但这并不妨碍精准营销思想及方法的发展传播，由于互联网的普及化，网络营销方兴未艾，基于互联网的精准营销是目前网络营销的一个热点领域并且还会不断涌现新的研究成果。精准营销将在互联网上的新兴行业里得到广泛推广，并逐步应用到传统产业中去。

2．精准营销的理论基础及意义

精准营销并不是一个全新的营销思想，随着信息技术的飞速发展，市场的形态有人们的消费行为、消费观念都产生了巨大的变化，随之产生的新营销环境促使营销方式和营销途径在传统营销理论的基础上不断演变发展。

2.1从4P理论到4C理论

美国营销学学者麦卡锡教授于1960年在《基础营销》（Basic Marketing）中提出产品（product）、价格（price）、渠道（place）、促销（promotion）大营销组合策略，他认为一次成功和完整的市场营销活动，意味着以适当的产品、适当的价格、适当的渠道和适当的传播促销推广手段，将适当的产品和服务投放到特定市场的行为。4P理论是营销策略的基础，科特勒（1967）在其畅销书《营销管理：分析、规划与控制》第一版中进一步确认了以4P为核心的营销组合方法。4P营销理论遵循的是由上而下的运行原则，它使市场营销

理论有开始有了体系，又使复杂的现象和理论简单化“这种理念的出发点是追求企业利润，重视产品导向而非消费者导向，没有将客户的需求放到同等重要的地位上来，这也正好体现了了在无细分市场（mass market）里推（push）的概念。在4P理论的基础上劳特朋（Robert.F.Lauterbon）教授（1990）在其《4P退休4C登场》专文中，提出了以顾客为中心的一个新的营销模式，这个4C理论它包含4个要素：四个基本要素：即消费者（Consumer）、成本（Cost）、便利（convenience）和沟通（communication）。4C理论的核心：强调购买一方在市场营销活动中的主动性与积极参与，强调顾客购买的便利性”精准营销为买卖双方创造了得以即时交流的小环境，符合消费者导向、成本低廉、购买的便利以及充分沟通的4C要求，是4C理论的实际应用。精准营销是迎合市场内外环境的变化，在4P的理论基础上，融合了4C营销组合理论来适应新环境的发展：

（1）精准营销真正贯彻了消费者导向的基本原则。4C理论的核心思想，便是企业的全部行为都要以消费者需求和欲望为基本导向，精准营销作为这一大背景下的产物，强调的仍然是比竞争对手更及时、更有效地了解并传递目标市场所期待的满足。这样，企业要迅速而准确地掌握市场需求，就必须离消费者越近越好。这是由于，一方面，信息经过多个环节的传播、过滤，必然带来自然失真，这是由知觉的选择性注意、选择性理解、选择性记忆、选择性反馈和选择性接受所决定的；另一方面，由于各环节主体利益的不同，他们往往出于自身利益的需要而过分夸大或缩小信息，从而带来信息的人为失真。精准营销绕过复杂的中间环节，直接面对消费者，通过各种现代化信息传播工具与消费者进行直接沟通，从而避免了信息的失真，可以比较准确地了解和掌握他们的需求和欲望。

（2）精准营销降低了消费者的满足成本。精准营销是渠道最短的一种营销方式，由于减少了流转环节，节省了昂贵的店铺租金，使营销成本大为降低，又由于其完善的订货!配送服务系统，使购买的其它成本也相应减少，因而降低了满足成本。

（3）精准营销方便了顾客购买。精准营销商经常向顾客提供大量的商品和服务信息，顾客不出家门就能购得所需物品，减少了顾客购物的麻烦，增进了购物的便利性。精准营销实现了与顾客的双向互动沟通，这是精准营销与传统营销最明显的区别之一。

2.2让渡价值理论

“让渡价值”这个新概念是科特勒（1994）提出的，是对市场营销理论的又一进步。顾客总价值与顾客总成本之间的差额是“让客价值”的中心。其中顾客总价值是指顾客购买某个产品或者得到服务所期望获得的某些利益，其中包括产品的价值、服务的价值和形象的价值等；顾客总成本的意思是指顾客为购买某一产品或服务而支付的货币及所耗费的

精力、时间，包括货币的成本、时间的成本及精力的成本。

由于顾客选择购买商品或者服务时，总是希望把相关的成本降至最低，同时又希望从中获得到更多的实际利益，因此，顾客总是倾向于选择“让渡价值”最大化的方式。而企业为在竞争中想要努力的战胜对手，就需要吸引更多的潜在顾客，同时必须向顾客提供比竞争对手更多的“让渡价值”，才可以满足顾客的实际利益最大化的期望。

首先，精准营销能够大幅度的提高顾客总价值。因为精准营销实现了“一对一”的营销，在这种新型观念指导下，其产品设计、开发、销售充分考虑了消费者需求的个性特征，同时增强了产品价值的适应性，从而为顾客创造了更大的产品价值。在提供优良产品的同时，精准营销更加注重服务价值的开发和创造，努力的向消费者提供合理、周密、完善的销售服务，同时方便广大顾客的购买。另外，精准营销还通过一系列的优质的营销活动，努力提升自身的形象，逐步的培养消费者对企业的偏好与忠诚。

其次，精准营销大大的降低了顾客总成本。在顾客购买商品，不仅要考虑销售商品的价格，同时必须确切的知道有关商品的信息，并对销售商品各方面进行深层次的比较，还必须考虑顾客购物环境是否便利等多种因素。精准营销可能大幅的缩短了营销渠道，通过直接手段和直接媒体及时向顾客传递商品信息，降低了顾客搜寻信息的精力成本与时间成本，因而减少了交易费用，扩大了企业商品销售，成为众多企业广泛采用的营销方式。

2.3直接沟通理论

1973年，领导行为理论代表人物，美国行为科学家明茨伯格H.Mintzberg指出“管理工作有10种作用，而人际关系和沟通占3成”。明茨伯格首先创立了经理角色理论，指出“重视同外界和下属的信息联系”和“爱用口头交谈方式”为经理角色六个特点中非常重要的两个特点，直接强化了直接沟通。从泰勒科学管理初始探索下行沟通开始，管理沟通理论的发展历程主要经历了从研究“行政沟通”，向研究“人际沟通”发展、接着以“纵向沟通”研究为主，向以“横向沟通”研究为主，进而向以“网络化沟通”研究为主发展、从以研究“单一的任务沟通”为主，向“全方位的知识共享沟通”研究发展等一系列过程。

20世纪80年代以来随着世界经济政治的变化，管理思想发生了重大的转变，管理沟通理论的研究也遭遇到新的挑战，主要表现在沟通中的信息网络技术的应用，知识型企业及学习型组织的建立等。伴随着现代管理理论呈现出的管理理念更加知识化、管理组织虚拟化、人性化、管理手段和设施网络化、组织结构扁平化、管理文化全球化等总体趋势，管理沟通理论也出现了企业流程再造沟通趋势、知识管理沟通趋势、管理更加柔性化的文化管理沟通趋势、网络经济和全球经济一体化的管理沟通的国际化趋势。精准营销的直接

沟通，使沟通的距离达到了最短，强化了沟通的效果。

四、对大数据环境下精准营销模式的思考

“营销管理是艺术与科学的结合——选择目标市场，并通过创造、交付和传播优质的顾客价值来获得顾客、挽留顾客和提升顾客的科学与艺术。”其中，“科学”的部分有赖于数据搜集与分析和各种营销数据库的建立。可以说，数据的使用贯穿在整个营销过程的始末，对于营销的效果起着至关重要的影响性作用。而在大数据时代，大数据的日益兴起和全方位的发展，如GPS定位一般，使企业对市场的理解和洞察需求正在日益地走向实时化和精准化，为企业实现精准营销带来前所未有的发展机遇。

而通过以上对大数据、精准营销的分析与总结我们可以看出，国内外学者对大数据、精准营销等理论研究成果很多，但对于如何利用大数据及大数据技术，研究客户行为特征，建立大数据时代顾客洞察与精准营销体系策略，这方面的研究则很少。“许多人感觉到大数据时代正在到来，但往往只是一种朦胧的感觉，对于其真正对营销带来的威力可以用一个时髦的词来形容——不明觉厉”。下面提出自己的一些思考。

首先，科技在营销中的运用一直存在，然而大数据在营销中的运用是科技与营销的结合的一座新的里程碑，它使技术在营销中不再仅仅是锦上添花的工具，则是会带来企业营销的战略性转型，起到革命性的作用。

其次，我们可以从市场营销的一般过程来分析大数据技术在精准营销中的应用。（1）客户信息收集与处理。客户数据管理是一个数据准备的过程，是数据分析和挖掘的基础，是搞好精准营销的关键和基础，否则会造成盲目推介、过度营销等错误，比如因为某些产品的购买，在一定时段里是不会重复的，强行推荐，只会导致厌烦情绪和后悔情绪。传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的简历，比如姓名、性别、年龄、学历等；行为数据则复杂一些，比如消费者购买数量、购买频次、退货行为、付款方式等。在大数据时代，结构性数据仅占15%，更多的是类似于购物过程、社交评论等这样的非结构性数据，并且数据十分复杂，符合4V特征。只有通过大数据技术收集和整理数据，才有可能形成关于客户的360度式数据库，不错过每一次营销机会，“啤酒与尿布”的推销理论就是一个很好的例子。

（2）客户细分与定位。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为

模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。大数据时代，利用大数据技术能在收集的海量非结构信息中快速筛选出对公司有价值的信息，对客户行为模式与客户价值进行准确判断与分析，深度细分，使我们有可能甚至深入了解“每一个人”，而不止“目标人群”来进行客户洞察和提供营销策略。

（3）营销战略制定。在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售，或采取措施防止客户流失等。

（4）营销方案设计。大数据时代，一个好的营销方案可以聚焦到某个目标客户群，甚至精准地根据每一位消费者不同的兴趣与偏好为他们提供专属性的市场营销组合方案 包括针对性的产品组合方案、产品价格方案、渠道设计方案、一对一的沟通促销方案。比如O2O渠道设计，网络广告的受众购买的方式（DSP）和实时竞价技术（RTB），基于位置（LBS）的促销方式。

（5）营销结果反馈。大数据时代，营销活动结束后，应对营销活动执行过程中收集到的各种数据进行综合分析，从海量数据中发掘出最有效的企业市场绩效度量，并与企业传统的市场绩效度量方法展开比较以确立基于新型数据的度量的优越性和价值．以对营销活动的执行、渠道、产品和广告的有效性进行评估，为下一阶段的营销活动打下良好的基础。

五、结语

大数据时代已经到来，而且将成为全世界下一个创新、竞争和生产率提高的前沿。“营销本质上就是效率提高的过程，而技术是在帮助这个过程转变”。大数据在提高效率、精准营销上大有作为，它正在帮助企业深入了解“每一个人”，而不止是“目标人群”，它真正努力让客户变成“首席执行客户”，试图打造针对每个客户的“全接触”体系。这在增进企业效益的同时，也能给消费者带来全新的私人定制似的体验从而增加消费者福利。因此，研究揭示大数据在精准营销中的价值产生机理，探索大数据时代下的精准营销模式就变得很有意义和价值，我们期待越来愈多的学者在这方面做出贡献。

参考文献 中国企业评价协会、中色金银贸易中心，大数据的基本概念及相关问题，中国电子商务企业发展报告2013。2 黄升民，刘珊，“大数据”背景下营销体系的解构与重构，现代传播，2012年第11期。3 4 5 6 7 8 9 王波，大数据时代精准营销模式研究，经济师，2013年第5期。

任广见，基于大数据的商业模式创新及启示，现代商贸工业，2013年20期。郭虹，大数据时代-实体店与网商营销，中国出版传媒商报，2013年第9期。贾利军，许鑫，谈“大数据”的本质及其营销意蕴，南京社会科学，2013年第7期。秦雯，大数据驱动营销革命，观察家，2013年第7期。

刘征宇，精准营销方法研究，上海交通大学学报，2007年第4期。吴海环，基于精准营销的顾客沟通研究，武汉理工大学硕士论文，2008年。冯芷艳，郭迅华，曾大军，陈煜波，陈国青，大数据背景下商务管理研究若干前沿课题，管理科学学报，2013年第1期 李芬，朱志祥，刘盛辉，大数据发展现状及面临的问题，西安邮电大学学报，2013年第5期。钱心缘，国内外大数据研究进展之从文献计量学角度分析，中国科技信息，2013年第19期。周再宇，价值链重塑:大数据洞察与精准营销，新营销，2012年第11期。14 赵国栋，大数据时代的历史机遇：产业变革与数据科学，清华大学出版社，2013年。张小平，一块牛肉干引发的大讨论——说说大数据时代的精准营销，企业观察家，2013年第07期。李文莲，夏健明，基于“大数据” 的商业模式创新，中国工业经济，2013第5期。郭涛，掌握大数据之“芯”实现精准营销，中国计算机报，2012年第15期。17 Lynch C.Big data: How do your data grow[J].Nature,2008,455(7209): 28-29． Hilbert M，Lopez P．The world’s technological capacity to store，communicate，and compute information[J].Science，2011，332(6025): 60-65． Bughin J,Chui M,Manyika J.Clouds,big data,and smart assets: Ten tech-enabled business

trends to watch[J].McKinsey Quarterly，2010(8): 1-14． Anderson C.The end of theory: The data deluge makes the scientific method obsolete［J］Wired Magazine,2008,16(7):1-3． Frankel F, Reid R.Big data: Distilling meaning from data [J].Nature,2008,455(7209): 30． 22 Lavalle S, Lesser E, Shockley R，et al.Big data，analytics and the path from insights to value[J].MIT Sloan Management Review，2011． Manyika J, Chui M, Brown B，et al.Big Data: The Next Frontier for Innovation, Competition, and Productivity [M].New York: McKinsey Company,2011． Hui SK, Fader PS, Path data in marketing: An integrative framework and prospectus for model building [J].Marketing Science,2009,28 : 320-335． Borgatti SP, Mehra A，Brass D J，et al． Network analysis in the social sciences[J].Science，2009，892-895． Ghose A,HanSP.An empirical analysis of user content generation and usage behavior on the mobile internet [J].Management Science,2011,57(9): 1671-1691． Aral S,Walker D, Identifying influential and susceptible members of social networks Science,2012,337(6092):337-341． Robert LP，Dennis AR.Social capital and knowledge integration in digitally enabled teams[J].Information Systems Research,2008,19(3): 314-334． Ghose A, IpeirotisPG.Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content[J].Marketing Science，2012, 493-520． 30 Dabenport TH.Competing on analytics [J].Harvard Business Review，2006(1): 1 － 9． 31 AralS, WalkeD.Creating social contagion through viral product design: A randomized trial of peer influence in networks[J].Management Science,2011,57(9): 1623-1639．

篇3：大数据时代精准营销模式研究

一、数据库营销与数据挖掘技术

1. 数据库营销。

关于数据库营销, 美国全国数据库营销中心是这样定义的:“数据库营销是一个动态的数据库管理系统, 该数据库的内容涵盖现有顾客和潜在顾客, 并可以随时扩充、更新。就其功能而言, 要能实现以下目标:确认最佳目标顾客及潜在顾客, 然后与顾客建立起长期的、牢固的、融洽的关系, 同时根据数据库建立先期模型, 进行针对性营销。”

拉克萨根据数据库营销的产生和演进, 把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段, 所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。

2. 数据挖掘技术。

通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中, 提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具, 用以在海量数据中发现模型和数据间关系的过程, 然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为, 帮助人们作出前瞻的、基于知识的决策。

CRISP-DM (跨行业数据挖掘标准流程) 是世界公认的方法论之一, 也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现, 也不仅仅表现为对数据的分析和统计建模, 其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。

CRISP-DM将整个挖掘过程分成了以下六个步骤:商业理解, 数据理解, 数据准备, 建立模型, 模型评估, 模型发布。

通常来说, 把模型的结果转化成一段数据库存储过程的代码, 并与数据处理代码进行整合, 就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中 (BOSS系统、经分系统、大客户管理系统、客服系统等) 嵌入相应的模块。

二、精准营销理论与模式

1. 精准营销理论。

1999年, 美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论:是以科学管理为基础, 以消费者洞察为手段, 恰当而贴切地对市场进行细分, 并采取精耕细作式的营销操作方式, 将市场做深做透, 进而获得预期效益。通常可以划分成五个阶段:收集并整理目标客户的相关信息, 建立一个客户数据库;对数据进行分析, 加深客户理解, 整理出细分客户群体的差异化需求;为不同的细分客户群体需求设计差异化的产品和服务;提供满足不同细分客户群体的差异化产品和服务;通过各种营销活动的反馈, 进一步深化对客户本质需求以及客户购买和使用习惯的理解。具体的内容包括: (1) 客户信息收集与处理。客户数据管理是一个数据准备的过程, 是搞好精准营销的基础。好比指挥官为将来绘制战场地图, 把战场上所有的地理信息及变化要素等输入电脑一样, 市场人员也必须将分散的数据集中到一个数据库中, 这些存在于企业内部各系统中的内部数据和企业外部数据 (如市场调查、第三方数据等) 分类后, 以客户ID为主键进行整理、转换后汇集 (ETL) 到一个集中的数据库中, 就有了准确的客户数据, 之后市场人员就可以对客户进行全面的研究和分析。 (2) 客户细分与定位。客户分群是根据客户的特征相似程度把客户分成若干个群体, 群体内部特征非常相似, 而在群体之间, 特征非常不相似。只有区分出了不同的客户群, 企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段, 提供满足这个客户群特征要求的产品或服务。在实际操作中, 传统的市场细分变量, 如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓, 已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高, 许多新的客户分析技术和方法正被运用于各种营销领域, 数据挖掘这一统计领域的前沿性技术就被广泛的应用, 它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析, 已经成为今后客户细分领域的主流。 (3) 营销战略制定。在得到基于现有数据的不同客户群特征后, 市场人员需要结合企业战略、企业能力、市场环境等因素, 在不同的客户群体中寻找可能的商业机会, 最终为每个群制定个性化的营销战略, 每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售, 或采取措施防止客户流失等。 (4) 营销方案设计。所有的方案注重的都是目标, 营销方案也一样。一个好的营销方案必须聚焦到某个目标客户群, 然后将营销方案都往目标客户群聚焦。太阳表面的温度在10000度以上, 但却连地球上的一张纸也点不着, 如果使用一个放大镜, 就可以把纸点燃, 区别就在于是否聚焦。同样, 只有做到聚焦, 营销的效率才能够提升到最大。

筛选出目标客户群是第一步, 企业可以围绕客户战略和当前营销工作重点来确定目标客户群。根据目标客户群营销活动的目标, 设计有针对性的营销活动创意 (包括产品的组合、渠道的选择等) 及定价, 并就各方案进行评估, 挑选出最佳创意, 形成最终营销方案 (包括针对性的产品组合方案、产品组合价格方案、渠道方案) 。

值得强调的是, 客户是不断变化的, 亦即客户群是动态的, 因此, 我们需要灵活动态地观测、定位和理解客户群, 才不至于制定一个时过境迁的营销方案。 (5) 营销结果反馈。营销活动结束后, 应对营销活动执行过程中收集到的各种数据进行综合分析, 对营销活动的执行、渠道、产品和广告的有效性进行评估, 总结经验和教训, 寻找需要改进和优化的关键点, 为下一阶段的营销活动打下良好的基础。简言之, 评估是营销活动的终点, 也是下一轮精准营销活动的起点。

2. 精准营销模式内涵。

精准营销模式可以概括为5W营销分析框架, 在合适的时机 (When) , 将合适的业务 (Which) , 通过合适的渠道 (Where) , 采取合适的行动 (What) , 营销合适的客户 (Who) 。在整个过程中贯彻“以客户为中心”的理念, 实现营销管理的持续改善。

3. 精准营销模式实施框架。

可以将精准营销理解成一个PPT框架, 即将以客户为本作为核心价值观, 从策略、流程、技术三方面着手, 实现精准营销。其中策略指营销策略;流程是包括客户获取、客户培育、客户挽留组成的最佳管理实践流程;技术则是基于用户信息之上的数据分析和数据挖掘。

策略、流程与技术是实现精准营销的三大要素。首先要保证精准营销理念在整个组织中有效贯彻, 以保证战略决策者、方案制定者和活动执行者必须充分理解和认可精准营销的理念, 并能做到融会贯通, 可以制定彰显这一理念的相应的营销策略和方案;其次通过流程穿越、流程改造等方式, 在不断的创新和探索中建立起有效的与客户互动的行为模式;最后, 不断提升技术水平, 充分利用技术。坚实的技术后盾是精准营销理论落实的保障, 使之具有可操作性, 并在很大程度上推动了营销精准化的进程。整体而言, 策略、流程和技术组成了电信业精准营销的基本架构, 促进了精准营销的驱动者、行动方案和可行性保障三方面的紧密结合。同时坚守以客户为出发点, 确保客户在整个精准营销活动中始终处于核心地位。

策略、流程、技术三个方面的能力是精准营销能力的有机组成, 三者相辅相成, 缺一不可。策略对流程有战略性的指导意义, 因为策略条线中的营销策略是建立在最佳管理实践的流程之上的;流程必须建立在技术的基础上, 因为数据挖掘与分析模型是客户细分与分析的基础, 而后者则贯穿最佳管理实践流程始终;数据挖掘与分析所使用的海量数据则来源于业务系统中沉淀的用户信息。

三、江苏移动的精准营销模式案例

精准营销模式的核心是“以客户为中心”, 更加注重“目标客户”, 在识别出目标消费者后, 聚焦目标客户群, 分析目标客户群的需求, 然后为这一特定群体推出最适合的细分产品, 制定适应目标客户群的价格, 通过相应的渠道和传播、促销方式进行产品营销。要达到这一目的, 就需要对客户的特征进行具体的分析。

目前江苏移动各种增值业务非常繁多, 之前的彩铃业务营销通过捆绑、大面积的促销让用户去选择, 虽然带来的增值业务普及率的提升, 但沉默用户增多, 客户投诉增加。江苏移动通过精准营销找准目标客户, 发展彩铃业务, 激活沉默用户, 发展新彩铃用户, 取得了良好的效果。

1. 整合各大数据源, 建立统一的用户增值业务行为分析视图, 为精准营销应用打下基础。

增长业务的数据虽然有相应规范进行统一, 但是因增值业务更新比较快, 数据源尚未覆盖全部业务, 离当前的应用需求有一定差距;业务子系统, 尤其是小业务系统的数据源缺乏梳理, 需进一步加强。从数据出发, 以用户为中心, 从用户特征角度将运营商可能有的数据归类整理, 输出用户特征分析表;对照运营商的数据实际具备情况, 对数据的可获得性进行标注。

从营销出发, 从进行新业务营销的目标出发, 推导对支持信息及源数据的需求, 确定数据使用方法, 输出营销特征分析表;对照运营商的数据实际具备情况, 对必要但暂不可获得的数据提出规划需求。《数据源整合需求报告》中, 除了对经分系统现有数据源进行梳理外, 还对MISC、彩信、彩铃、WAP、小区短信、短信网关、Enumber邮箱、12580、爱贝通、小额支付平台、USSD、手机杂志、LCS等13个业务平台的数据进行了梳理整合。

建立基于用户人性特点的14类人群细分模型, 对增值业务的目标客户进行细分, 共分为以下几种类型:

基于用户人性特点将客户细分为低潜力型、超前消费型、虚荣跟风型、精明尝鲜型、盲从型、吝啬型、精打细算型、理性跟从型、中潜力型、精明时尚型、传统保守型、感性跟随型、高潜力型、时尚中高端。基于彩铃用户生命周期将客户细分为, 彩铃潜在用户、彩铃新开通用户、彩铃普通用户、彩铃活跃用户、彩铃沉默用户、彩铃流失用户、潜在高概率用户、流失高概率用户。在用户细分的基础上, 建立彩铃潜在用户预测模型 (模型略) 。

2. 建立用户新业务行为属性标签, 动态触发的精准营销策略。

基于用户统一视图, 结合实际情况进行用户属性标签构建。对彩铃的目标客户, 当订购了其他增值业务和拨打了有彩铃客户的电话时, 对其进行触发式的短信推荐, 对彩铃沉默用户和流失用户, 则采取外呼+营业厅的方式进行主动关怀, 最终形成针对目标客户的彩铃业务精准营销模式。

3. 营销执行。

通过精准平台将客户需求及针对性营销方案推送到一线。比如根据用户历史铃音使用记录总结出铃音偏好, 帮助一线人员进行针对性的铃音推荐;根据用户历史获取铃音的渠道总结出用户的渠道偏好等。而且流失概率、影响力指数等分析成果也能在清单中罗列出来。

4. 应用效果评估。

彩铃沉默用户推活跃度提升活动执行效果。对40000户彩铃沉默、半沉默用户开展付费铃音下载用户数提升, 营销成功数为22560, 成功率为56.4%;月均彩铃下载用户数KPI指标完成率由91.11%提高到104.02%。

经验总结:在营销中发现该部分用户主要由于不了解铃音下载的方式或或认为铃音设置麻烦造成, 因此, 在营销推介上对不了解铃音下载方式的用户应重点推介简单便捷的铃音下载方式, 对认为设置较麻烦的用户可以推介音乐盒, 让用户感受使用彩铃的便捷与乐趣。彩铃已流失用户挽留活动执行效果。对8000户彩铃已流失用户开展外呼挽留, 营销成功2772户, 成功率为34.65%;月均彩铃付费用户数完成当月计划的130%, 完成年度指标125.43%;当月付费用户到达数较上月增长3.6万户

经验总结:在营销中发现用户主动销户的原因及总结对应的营销要点:

对模型命中率和查全率进行评估。

模型效果初步达到业务目标, 可有效提升挽留效率3倍左右。

活动评估:对活动执行成功率和活动效益进行评估。

通过彩铃潜在流失用户挽留活动的努力, 挽留成功用户的彩铃留订率提升了9.6%, 效果显著。

策略评估:对策略的用户接受程度进行评估, 可以用于下一次营销活动的改善和优化。

就“赠送2个月功能费及2首铃音, 返还话费”这一营销方案, 在成功接触的2092个用户中, 彩铃挽留策略的推荐成功率为24.5%, 考虑使用的用户比例占到42%, 可对用户考虑的原因进行详细分析, 为挽留方案的优化提供依据。人员能力评估:对人员技能进行比较, 能够实现销售人员绩效量化和经验共享。

目前人员技能差异比较大, 成功率最高达32%, 最低只有19%, 相差13个百分点;拒绝率最低的只有7%, 最高的则有24%, 相差17个百分点;考虑使用的用户比例较高, 成功率提升空间仍比较大。

四、结语

篇4：精准营销大数据

可是，假如有另外一种体验呢？

比如，在收到航班延误信息之后，你先是收到了一条抱歉短信（这让你的心情缓和了一下），紧接着收到一条针对你个人喜好定制的优惠服务—假如你是个网虫，你收到的是一张在机场的上网免费券；假如你是个“购物达人”，你收到的是机场免税店优惠25%的购物券……你还会有那么多的抱怨吗？

如今，这种场景不只是存在于设想上，随着技术的发展，这种理想的场景正在变成现实。问题的关键是：这种针对消费者的定制服务，建立在对每一个客户需求的深度洞察基础上。

然而，目前很多企业对消费者的了解还非常有限。“今天企业的整个模式对应的是供应链思维方式，而不是需求链。” IBM大中华区全球企业咨询服务部副合伙人智慧电子商务总监温晓华认为，传统的价值链由市场调查、产品设计、研发、生产、营销、销售、服务等组成，每个链条环节又有若干个以这个环节为主的企业，形成了一个链条。

这种对于消费者的忽视有时是出于无奈，因为在企业的运营理念中，当把客户（消费者）带入CEC（首席执行客户）位置时，企业首先面临的是成本增加问题。以往，按照“二八理论”，企业只需重点关注带来80%利润的前20%的VIP客户。按照传统方式，如果企业能够将触角延伸到更多的消费者，了解更多消费者的需求，虽然可以让企业更好地预测需求趋势，但随之而来的同样是成本的大幅度增加。

然而，在消费者日益强大的今天，企业无法回避或忽视20%VIP客户之外的80%客户。幸运的是，不断涌现的新技术可以让企业在成本可控的前提下，在更大的范围内精准地开展营销和商业活动。而由于精准锁定客户，反而可以为企业节省大量以往无效投入的成本。

“整个商业的价值链都要被重塑，以客户为中心重塑整条价值链的运作模式，这就是以客户为中心的定位。”温晓华说。

与此同时，在重塑价值链的过程中，企业将面临很多在单向营销时代没有遇到的难题。

洞察客户需求

我们从比特网6万的CMO数据中抽取了1万个进行调查，调查结果是：76%的企业对数据洞察和挖掘分析缺乏足够的重视。

—天极传媒VP、比特网总经理 王海晶

中国最缺的就是如何了解客户，对于客户的消费心理、消费倾向以及潜在消费欲望的研究非常不够。对消费行为和消费者本身进行研究，如果研究对了，后面就自然对了，无论是制造还是服务都有办法。

—《财经》杂志执行主编 何刚

开展任何营销活动的前提是：企业了解自己的客户。

传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的简历，比如姓名、性别、年龄、学历等；行为数据则复杂一些，比如消费者购买数量、购买频次、退货行为、付款方式等。

在大数据时代，结构性数据仅占15%，更多的是类似于购物过程这样的非结构性数据。“在互联网上交易，其过程是可以记录的。比如消费者在网上看了台电视机，最后没买，而是买了台冰箱，一般只记录购买冰箱的结果，不会记录消费者看过电视机以及看过什么品牌。虽然没有记录，但这个购物过程是有意义的，表明消费者有某种需求和想法。”温晓华认为，情感、意见、个人需求、渴望等信息，大多数会通过社交网络和直接交流表达出来。只有当这些基本的信息建立起来，才构成了一个关于客户的360度式的数据库。“当你有了这样的能力，你对客户的把握就更准确了，相比以前，你能针对他进行更准确的个性化营销。”

IBM曾与卡夫合作，洞察消费者对卡夫子品牌的需求。开展相关调查时，IBM项目团队直接在互联网上搜索与卡夫品牌有关的信息，比如消费者在问答、微博、社交网络上表达的想法，根据这些信息进行分析和挖掘。调研结果大大出乎市场调查人员的预料，因为消费者谈论的热点并不是他们一直以为的“这个产品是不是过期、包装怎样”等问题，消费者普遍关心的三个问题是健康、素食主义、食品安全。同时，一个学名为叶酸的维生素B复合体被频繁提到。这些信息给卡夫营销人员带来启示，帮助他们打开孕妇市场—叶酸正是孕妇需要的。相对于传统的数据研究，新的数据渠道及其运用理念、策略与方式，效率更高，而成本更低。

企业必须了解自己的客户是谁，通过提高自己的客户洞察能力，有针对性地做出营销决策。“在哪里开店，设计什么样的服务流程，以什么样的理念服务客户，这些都是客户洞察。所以，以什么样的方式和客户交流沟通，首先就是客户洞察，无论通过什么方式获得客户的信息、客户的数据。” IBM大中华区全球企业咨询服务部高级咨询经理石琼说。

理解消费者的自然语言是一个极其复杂的过程，要在海量的、非结构性的大数据中进行检索，找到最合适的答案。对此，IBM大中华区智慧商务技术总监杨旭青说：“要个性化地获取数据，最后得到需要的结果。例如，一个非常大的人群中的一些行为，不论是在网站上、手机上、邮件上、搜索引擎上，或是接听电话，你都能获取相应的信息。把这些信息搜集起来，进行归类、分析。开始做分析永远不是一对一的，而是分析一类人，分析一类人的特征是什么。现在技术能够提供的优势是，我可以把相关的类分得非常非常细，最后直到体现出每个个体的特征，这是以前做不到的。”

这种非常细化的分类分析曾经在一个信用卡项目中运用过，杨旭青举例说：“客户要获取一些单身妈妈的信息，分类为是否办过信用卡的、存款有多少的、什么学历、有没有工作、采购行为是什么样子、与其关联的家人存款有多少等等，都要分成不同的类别。分类并分析之后，就可以分析出单身妈妈的信息，并有针对性地开展相应的营销活动。”

数据与渠道整合

现在是互联经济，所有的市场数据无所不在。企业常常知道组织内部有很多数据，但是它们不知道如何整合。

—奥美广告中国区总裁 庄淑芬

上品理解的O2O就是全渠道零售，就是线上和线下在未来是没有区隔的，就是让消费者可以随时随地非常方便地接触到我们，而根本感受不到渠道的差异，这样我们才能提供最好的顾客体验。从有购买欲望开始，到选择到哪儿买，到如何选择，到交付、提货、售后服务，我们要在全接触点影响客人。

—上品折扣O2O未来商业体验店项目总监 白雪峰

如果把企业比喻成一个盒子，从订单到销售终端的过程就像穿过盒子的铁丝，有多少个渠道就有多少条这样的铁丝，它们并行不悖，各行其是。从网络获取的订单由网络消化和配送，在线下接到的订单由线下门店负责，看起来是权责明确，其实却带来了很多问题，比如渠道之间的冲突等等。

渠道其实还有另一个职能，由于它与消费者直接接触，具有迅速获取消费者需求的价值。如今，互联网越来越深入人们的日常生活，也使得企业可以从多个渠道接触客户，无论是实体店、网络还是移动，每个渠道的体验都不一样，问题是消费者却希望从多个渠道获得一致的购物体验。

“线上线下应该是整合的关系，把线上的优势和线下的优势结合起来，给客户提供一致的综合体验。比如线上可以灵活展示更多的商品信息，搭起这样一个体系之后，展示1万款商品和展示100万款商品理论上的货架成本是趋于零的，差别不大，而税差的优势更多，企业可以展示足够多的商品，品类足够丰富。实体店可以做什么？可以提供服务，做体验。”温晓华认为，现在消费者已经不太可能在单一渠道完成整个购物的生命周期，如果消费者的购物行为在多个渠道里完成，那么，企业的挑战就是要统一多个渠道的体验。

“举个例子，比如各自收订单，自己完成订单，各自是一个利润中心，难免出现渠道冲突。如果线上收单、线下履行订单，这时就变成双赢的关系。因为很多产品都标准化了，产品的检索、体验去线下做，下订单去网上，通过呼叫中心、移动设备跟踪订单状态，查看配送的过程，或者通过门店退换货。线上线下互动地完成购物的生命周期，这是消费者的诉求，谁能满足这种诉求，谁就会有更强的竞争力，而不是逼着消费者只能在一个渠道里完成。不是哪个渠道好或者是不好，而是应该有更好的定位，互相联系、互相增强来提供统一的客户体验。可以通过社交化、移动化、本地化等新技术，以及对用户的洞察，给客户提供一种全方位、个性化的综合体验。”温晓华说。

在客户洞察的基础上，企业与客户联络的渠道也更加广泛。“企业对消费者关注的链条从单向传播变成了真正的关系互动，从关注交易的一段延伸到企业与客户的整个关系上，变成全链条互动。”石琼说。

在这种情况下，进入“盒子”的“铁丝”不再是各行其是，而是从各个渠道进入系统，经过统一处理和分析，然后选择最优的渠道从“盒子”里出去。从网络接下来的订单可以通过线下配送或门店自取，从门店接下来的订单也可以转到网上。在IBM的交互式营销解决方案中，交互营销就是中间的控制中心，无论消费者从哪个终端渠道接触，控制中心都可以根据消费者个人化的数据分析来推送有针对性的信息，根据消费者的不同需求实现跨渠道的全接触，从而实现资源整合，让营销精准而高效。

“这个价值链的各参与方只专注自己的强项，都只完成其中的一部分业务，这就要求价值链结构同时形成很多标准化的能力中心，动态组成一条价值的交互。也会出现平台的运营方，制定某个行业的一些规则，完成动态交互，这有可能是未来的模式。”温晓华说。

科技与营销结合

CMO要有技术感，越来越多有技术背景的人未来将进入市场团队。

—《IT经理世界》出版人、总编辑 黎争

甚至我们有更炫的想法，未来有可能消费者一进店，就通过人脸识别系统捕捉到他是谁、之前消费过什么，向他的手机推送他消费过商品的最新信息，比如价格优惠，或者是新产品。甚至他走到收银台时，系统自动识别出：“你好，某先生，这次你消费了500块……”

—上品折扣O2O未来商业体验店项目总监 白雪峰

想象一个场景：一个先生想为女儿购买一件生日礼物，在搜索引擎里输入“给女儿买生日礼物”，会出现什么搜索结果？

现实是，在搜索引擎的推广部分会出现生日礼物网站的主页链接，非推广部分出现大量含有关键词但可能与你的搜索意图有偏差的结果。在这种搜索营销模式中，消费者未必得到最有价值的信息，而企业也未必得到精准的营销效果，相反，由此带来的流量往往跳出率非常高—因为消费者没有找到他真正想要的东西。这一切在CEC时代将发生变化，在对客户的大数据进行搜集和分析的基础上，基于场景、人类语言、非结构性数据，以及意图的搜索能力得到提高，必将出现更加精准的搜索结果。

比如，首先，搜索引擎分析“女儿、买、生日、礼物”几个关键词，再把“女儿”分解为“女性”、“儿童”两个关键词，对于“买”的关键词会与输入搜索词的消费者以往的数据（客户档案）相链接，比如这个消费者一向购买什么价位、什么牌子、什么品类的商品，而“礼物”的关键词则向商品品类扩展……通过这样的过程搜索出来的结果要更加准确，使用者感觉更加个性化和精准的同时，企业完成了更加精准的营销，将更有针对性的商品信息匹配并发送给消费者。

科技与营销的融合将为消费者提供更大的价值。比如，以往邮件营销被归类为垃圾邮件，消费者不堪其扰。而当科技与营销进行深度结合之后，消费者可以获得针对自身特征定制的更加精准的营销信息，不但可以避免不精准邮件营销的骚扰，而且可以获得全新的客户体验。

对于企业来说，科技则提升了营销的效率。大大减少以往盲目营销投入的无效成本。

篇5：大数据时代下的精准营销

数据库营销

关于数据库营销，美国全国数据库营销中心是这样定义的：“数据库营销是一个动态的数据库管理系统，该数据库的内容涵盖现有顾客和潜在顾客，并可以随时扩充、更新。就其功能而言，要能实现以下目标：确认最佳目标顾客及潜在顾客，然后与顾客建立起长期的、牢固的、融洽的关系，同时根据数据库建立先期模型，进行针对性营销。”

拉克萨根据数据库营销的产生和演进，把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段，所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。

数据挖掘 通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中，提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具，用以在海量数据中发现模型和数据间关系的过程，然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为，帮助人们作出前瞻的、基于知识的决策。

CRISP-DM（跨行业数据挖掘标准流程）是世界公认的方法论之一，也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现，也不仅仅表现为对数据的分析和统计建模，其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。

CRISP-DM将整个挖掘过程分成了以下六个步骤：商业理解，数据理解，数据准备，建立模型，模型评估，模型发布。

通常来说，把模型的结果转化成一段数据库存储过程的代码，并与数据处理代码进行整合，就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中（BOSS系统、经分系统、大客户管理系统、客服系统等）嵌入相应的模块。

精准营销理论

1999年，美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论：是以科学管理为基础，以消费者洞察为手段，恰当而贴切地对市场进行细分，并采取精耕细作式的营销操作方式，将市场做深做透，进而获得预期效益。通常可以划分成五个阶段：

1.收集并整理目标客户的相关信息，建立一个客户数据库； 2.对数据进行分析，加深客户理解，整理出细分客户群体的差异化需求； 3.为不同的细分客户群体需求设计差异化的产品和服务； 4.提供满足不同细分客户群体的差异化产品和服务； 5.通过各种营销活动的反馈，进一步深化对客户本质需求以及客户购买和使用习惯的理解。具体的内容包括：

（1）客户信息收集与处理

客户数据管理是一个数据准备的过程，是搞好精准营销的基础。好比指挥官为将来绘制战场地图，把战场上所有的地理信息及变化要素等输入电脑一样，市场人员也必须将分散的数据集中到一个数据库中，这些存在于企业内部各系统中的内部数据和企业外部数据（如市场调查、第三方数据等）分类后，以客户ID为主键进行整理、转换后汇集（ETL）到一个集中的数据库中，就有了准确的客户数据，之后市场人员就可以对客户进行全面的研究和分析。（2）客户细分与定位

客户分群是根据客户的特征相似程度把客户分成若干个群体，群体内部特征非常相似，而在群体之间，特征非常不相似。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高，许多新的客户分析技术和方法正被运用于各种营销领域，数据挖掘这一统计领域的前沿性技术就被广泛的应用，它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析，已经成为今后客户细分领域的主流。（3）营销战略制定

在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售，或采取措施防止客户流失等。（4）营销方案设计

所有的方案注重的都是目标，营销方案也一样。一个好的营销方案必须聚焦到某个目标客户群，然后将营销方案都往目标客户群聚焦。太阳表面的温度在10000度以上，但却连地球上的一张纸也点不着，如果使用一个放大镜，就可以把纸点燃，区别就在于是否聚焦。同样只有做到聚焦，营销的效率才能够提升到最大。筛选出目标客户群是第一步，企业可以围绕客户战略和当前营销工作重点来确定目标客户群。根据目标客户群营销活动的目标，设计有针对性的营销活动创意（包括产品的组合、渠道的选择等）及定价，并就各方案进行评估，挑选出最佳创意，形成最终营销方案（包括针对性的产品组合方案、产品组合价格方案、渠道方案）。

值得强调的是，客户是不断变化的，亦即客户群是动态的，因此，我们需要灵活动态地观测、定位和理解客户群，才不至于制定一个时过境迁的营销方案。（5）营销结果反馈

营销活动结束后，应对营销活动执行过程中收集到的各种数据进行综合分析，对营销活动的执行、渠道、产品和广告的有效性进行评估，总结经验和教训，寻找需要改进和优化的关键点，为下一阶段的营销活动打下良好的基础。简言之，评估是营销活动的终点，也是下一轮精准营销活动的起点。

精准营销模式

精准营销模式可以概括为5W营销分析框架，在合适的时机（When），将合适的业务（Which），通过合适的渠道（Where），采取合适的行动（What），营销合适的客户（Who）。在整个过程中贯彻“以客户为中心”的理念，实现营销管理的持续改善。

精准营销模式实施框架，可以将精准营销理解成一个PPT框架，即将以客户为本作为核心价值观，从策略、流程、技术三方面着手，实现精准营销。其中策略指营销策略；流程是包括客户获取、客户培育、客户挽留组成的最佳管理实践流程；技术则是基于用户信息之上的数据分析和数据挖掘。

策略、流程与技术是实现精准营销的三大要素。首先要保证精准营销理念在整个组织中有效贯彻，以保证战略决策者、方案制定者和活动执行者必须充分理解和认可精准营销的理念，并能做到融会贯通，可以制定彰显这一理念的相应的营销策略和方案；其次通过流程穿越、流程改造等方式，在不断的创新和探索中建立起有效的与客户互动的行为模式；最后，不断提升技术水平，充分利用技术。坚实的技术后盾是精准营销理论落实的保障，使之具有可操作性，并在很大程度上推动了营销精准化的进程。整体而言，策略、流程和技术组成了电信业精准营销的基本架构，促进了精准营销的驱动者、行动方案和可行性保障三方面的紧密结合。同时坚守以客户为出发点，确保客户在整个精准营销活动中始终处于核心地位。策略、流程、技术三个方面的能力是精准营销能力的有机组成，三者相辅相成，缺一不可。策略对流程有战略性的指导意义，因为策略条线中的营销策略是建立在最佳管理实践的流程之上的；流程必须建立在技术的基础上，因为数据挖掘与分析模型是客户细分与分析的基础，而后者则贯穿最佳管理实践流程始终；数据挖掘与分析所使用的海量数据则来源于业务系统中沉淀的用户信息。精准营销模式的核心是“以客户为中心”，更加注重“目标客户”，在识别出目标消费者后，聚焦目标客户群，分析目标客户群的需求，然后为这一特定群体推出最适合的细分产品，制定适应目标客户群的价格，通过相应的渠道和传播、促销方式进行产品营销。要达到这一目的，就需要对客户的特征进行具体的分析。

目前移动各种增值业务非常繁多，之前的彩铃业务营销通过捆绑、大面积的促销让用户去选择，虽然带来的增值业务普及率的提升，但沉默用户增多，客户投诉增加。江苏移动通过精准营销找准目标客户，发展彩铃业务，激活沉默用户，发展新彩铃用户，取得了良好的效果。

1.整合各大数据源，建立统一的用户增值业务行为分析视图，为精准营销应用打下基础

增长业务的数据虽然有相应规范进行统一，但是因增值业务更新比较快，数据源尚未覆盖全部业务，离当前的应用需求有一定差距；业务子系统，尤其是小业务系统的数据源缺乏梳理，需进一步加强。从数据出发，以用户为中心，从用户特征角度将运营商可能有的数据归类整理，输出用户特征分析表；对照运营商的数据实际具备情况，对数据的可获得性进行标注。

从营销出发，从进行新业务营销的目标出发，推导对支持信息及源数据的需求，确定数据使用方法，输出营销特征分析表；对照运营商的数据实际具备情况，对必要但暂不可获得的数据提出规划需求。《数据源整合需求报告》中，除了对经分系统现有数据源进行梳理外，还对MISC、彩信、彩铃、WAP、小区短信、短信网关、Enumber邮箱、12580、爱贝通、小额支付平台、USSD、手机杂志、LCS等13个业务平台的数据进行了梳理整合。

建立基于用户人性特点的14类人群细分模型，对增值业务的目标客户进行细分，共分为以下几种类型：

基于用户人性特点将客户细分为低潜力型、超前消费型、虚荣跟风型、精明尝鲜型、盲从型、吝啬型、精打细算型、理性跟从型、中潜力型、精明时尚型、传统保守型、感性跟随型、高潜力型、时尚中高端。基于彩铃用户生命周期将客户细分为，彩铃潜在用户、彩铃新开通用户、彩铃普通用户、彩铃活跃用户、彩铃沉默用户、彩铃流失用户、潜在高概率用户、流失高概率用户。在用户细分的基础上，建立彩铃潜在用户预测模型（模型略）。

2.建立用户新业务行为属性标签，动态触发的精准营销策略

基于用户统一视图，结合实际情况进行用户属性标签构建。对彩铃的目标客户，当订购了其他增值业务和拨打了有彩铃客户的电话时，对其进行触发式的短信推荐，对彩铃沉默用户和流失用户，则采取外呼+营业厅的方式进行主动关怀，最终形成针对目标客户的彩铃业务精准营销模式。

3.营销执行

通过精准平台将客户需求及针对性营销方案推送到一线。比如根据用户历史铃音使用记录总结出铃音偏好，帮助一线人员进行针对性的铃音推荐；根据用户历史获取铃音的渠道总结出用户的渠道偏好等。而且流失概率、影响力指数等分析成果也能在清单中罗列出来。

4.应用效果评估 彩铃沉默用户推活跃度提升活动执行效果。对40000户彩铃沉默、半沉默用户开展付费铃音下载用户数提升，营销成功数为22560，成功率为56.4%；月均彩铃下载用户数KPI指标完成率由91.11%提高到104.02%。经验总结：在营销中发现该部分用户主要由于不了解铃音下载的方式或或认为铃音设置麻烦造成，因此，在营销推介上对不了解铃音下载方式的用户应重点推介简单便捷的铃音下载方式，对认为设置较麻烦的用户可以推介音乐盒，让用户感受使用彩铃的便捷与乐趣。彩铃已流失用户挽留活动执行效果。对8000户彩铃已流失用户开展外呼挽留，营销成功2772户，成功率为34.65%；月均彩铃付费用户数完成当月计划的130%，完成指标125.43%；当月付费用户到达数较上月增长3.6万户。

篇6：精准营销大数据

摘要：日前，由“大数据营销平台领导者”亿玛公司主办的“2013亿玛智慧峰会暨第五届整合营销高峰论坛”在京隆重开幕。在此次峰会上，亿玛借机发布未来十年战略：即从效果营销战略升级到大数据营销并逐渐成为中国大数据营销平台领导者。

2013年“大数据”的火热程度堪比“世界杯比赛”。在国际上，蓝色巨人IBM正在加速在大数据领域的布局，2013年2月2日收购Star Analytics（星分析公司）以求让用户机构更迅速地访问数据源；全球第一家大数据精准营销公司，DSP Rocketfuel于2013年9月登陆纳斯达克融资1.16亿美元，上市首日股价翻倍，被资本市场热捧；在国内，百度和高德地图免费大战背后的动因只有一个:获得消费者地理消费大数据;而隐藏在BAT最新若干大笔并购的背后逻辑也只有一个:获得更多样化的大数据;所有这一切都无疑在宣布:一切皆数据的大数据时代正在来临……日前，由“大数据营销平台领导者”亿玛公司主办的“2013亿玛智慧峰会暨第五届整合营销高峰论坛”（以下简称2013亿玛智慧峰会）在京隆重开幕。在此次峰会上，亿玛借机发布未来十年战略：即从效果营销战略升级到大数据营销并逐渐成为中国大数据营销平台领导者。

大数据营销推动“传统广告二次变革”

从技术创新、商业变革到大数据思维，大数据正在带来翻天覆地变化，尤其是在大数据营销运用上——基于大数据积累基础上的按受众购买的方式（DSP）和RTB技术（实时竞价）正改写网络广告生存法则：之前，主流与长尾媒体严重两级分化，但随着媒体碎片化时代来临，流量开始分散，流量背后的受众也随之分散在上述各种流量平台上，而“大数据”精准技术的必要性就凸显出来。即使是一个最不起眼的长尾媒体流量，在全网大数据基础上，通过精准的人群画像并实时展现给想看它的人，这也能为媒体带来甚至超越主流媒体广告位价格；另外一面，从泛电商到传统品牌企业都开始试图求变与破局，想通过基于大数据的精准营销来进行营销变革，以求降低成本和提升ROI……

大数据精准营销新时代已经来临，在2013亿玛智慧峰会上，亿玛借机发布了自己的未来十年战略：即从效果营销战略升级到大数据精准营销并成为中国大数据营销平台领导者。众所周知，在国内，亿玛是中国效果整合营销领导者。根据易观国际数据，从2010年至2012年亿玛连续三年在独立第三方CPS联盟市场位列第一，是效果营销联盟的领头羊。在“大数据”时代全面来临和互联网广告RTB技术不断进步的背景下，除自身效果联盟和精准广告网络及综合导购门户外，亿玛先后布局移动营销和大数据营销，尤其在大数据精准营销上，率先提出按效果付费DSP的模式，开创了国内DSP运营的先河，是中国大数据精准营销付费模式的一种创新和变革。

据透露，亿玛目前拥有超过30万媒体数量的网购用户商品浏览行为数据，并与中国目前TOP500电商有长期合作关系拥有过亿的网购用户行为数据，通过大数据精准营销技术（人群估值技术、定向技术等）可以对积累的海量网民网购行为数据进行即时的分析与处理，精准判断出网民的性别、年龄、兴趣爱好、购买偏向等（不需要网民的主动搜索），实时找到广告主想要精准匹配的人。

大数据精准营销“提升广告ROI” 回顾中国网络广告的历史，艾瑞咨询集团研究院院长曹军波曾形象的将其分为三个阶段：1.0位置购买时代；2.0流量购买时代；现在已经进入到3.0大数据精准营销时代。

在大数据精准营销新时代，帮助广告主精准营销和提升广告ROI的核心推动力是RTB技术和DSP为核心的受众购买模式。

据了解，在美国60%以上数量的广告均来自于RTB。目前全球有超过半数以上的世界500强企业正在通过DSP投放RTB广告。

在中国，2012年被喻为DSP发展元年，亿玛等数十家国内广告营销公司先后发布了各自DSP争相进入该领域。2013年的双十一，越来越多的电商企业开始通过DSP投放广告，以双十一拉动的疯狂网购使得天猫客户站外引流需求也集中爆发，而DSP这种“直达受众精准营销”的新兴营销工具无疑成为天猫卖家的首选。“目前电商客户选择DSP这种投放工具的越来越多，而亿玛自身的易博DSP平台里，淘宝天猫的客户已经超过一半，双十一期间天猫客户通过DSP投放产生的平均销售额亿玛DSP占到30%以上，有些甚至达到了60%。”国内领先的网络营销领航者亿玛公司副总裁罗洪滨表示。

与此相印证，艾瑞咨询发布的报告显示，2012年通过DSP投放的互联网广告规模约9.1亿人民币，预计到2016年DSP市场整体规模将达到245.7亿元，通过DSP接入广告或将成为未来互联网广告的趋势。

大数据营销提升“媒体流量变现价值”

另外一面，在大数据精准营销兴起的背景下，BAT三巨头布局RTB和广告交易平台则成为大数据营销提升“媒体流量变现价值”强大推动力。

首先是淘宝于2011年9月，推出了基于RTB技术（实时竞价交易）广告实时交易平台（AdExchange）——淘宝TANX，并于2012年底在阿里武林大会上宣布，重启阿里妈妈并将其战略升级面向所有广告主；谷歌，在全球首次推出RTB平台后，其广告交易平台于2012年4月也正式进入了中国，开始正式布道中国；腾讯则是2013年1月11日，对外发布Tencent AdExchange广告实时交易平台，又于 2013年5月底“杀了一个回马枪“推出腾讯DSP广告投放系统“腾果”——代理和直客两者都不想放过；百度自然也不甘落后，其流量交易服务（Baidu Exchange Service，简称BES）于8月22日正式上线……而据行业通用标准，广告交易平台和网络媒体三七分成，广告主每投10元钱广告费，就有3元进入平台方的口袋。面对这一金矿，各方互联网大佬们自然不甘放过。

事实上，众多互联网巨头布局RTB纷纷涉足广告交易平台（AdExchange）最直接推动力则是媒体流量变现带来的新商业价值。截止2013年7月，淘宝、谷歌、腾讯、新浪、百度等互联网都已经相继推出广告交易平台，积极进入RTB领域。此外，网易、搜狐、凤凰网及众多垂直、长尾媒体都在积极向广告交易平台开放广告资源，在BAT三巨头带领下，中国互联网都在积极拥抱RTB。按照业内人士的分析，目前包括门户网站在内每天至少存在30%以上剩余流量，而其他中小网站更不在话下——拥抱大数据精准营销，涉足广告交易平台并与DSP对接将会对媒体剩余流量价值变现和提升带来长期商业价值。

“当初，靠资源、好的广告位进行广告投放的商业模式将要彻底改变，基于大数据的按受众购买的方式（DSP）和RTB（实时竞价）技术已经改变网络广告生态格局：即使是一个最不起眼的长尾媒体流量，通过精准的人群画像和实时竞价交易，也能为客户创造出巨大价值，为媒体本身带来甚至超越主流媒体广告位的价格。“亿玛总裁柯细兴表示。全面开启大数据精准营销新时代

毋庸置疑，大数据精准营销时代已经来临。几乎所有世界级的互联网企业，都已将业务触角延伸至大数据产业。新浪微博用户每天发博量超过1亿条，百度大约要处理数十亿次搜索请求，淘宝2013双十一的交易则达到1.7亿笔……而一本《大数据时代》书籍更是火爆全球，2013年美国棱镜门通过大数据监测其他国家更是将大数据上升到国家战略层面——在亿玛总裁柯细兴看来，亿玛从效果营销战略升级到大数据营销是经过精心准备的。DSP表面看是精准营销平台，实质上是一个大数据应用平台；DSP不仅是展示广告精准投放平台，未来趋势一定是跨平台和一站式；DSP最终的诉求一定是效果为王——正是基于这些判断亿玛DSP对接各大广告交易平台之前，对其积累近十年的海量网购用户行为数据，进行大整合和深度挖掘。除此之外，在2013亿玛智慧峰会上，亿玛凭借自身近十年网络营销行业经验，近2亿的网购用户行为数据，每日新增的2000万效果数据，联合第三方顶级研究机构——慧聪研究院（HCR）共同发布了“中国2013年度CMO调研在线广告效果研究报告”和“中国网购消费行为分析报告”，系统分析了广告素材对效果提升的作用以及消费者网购行为习惯对广告的影响。通过亿玛自身十年数据积累和分析旨在为广告主提升ROI效果提供前瞻性和实操性的建议。