沃大數據精準營銷

1. 大數據時代，怎麼做好精準營銷

大數據時代下的精準營銷是指通過大數據獲取對象的喜好，行為偏好，對不回同對象進行不同答營銷。 營銷實驗室Convertlab的DMHub透過多觸點渠道抓取信息，分析並標簽化用戶，充分挖掘用戶數據價值，推送相關營銷內容。

2. 數據精準營銷的七個關鍵要素

數據精準營銷的七個關鍵要素
說到大數據精準營銷，不得不先提個性化的用戶畫像，我們針對每一類數據實體，進一步分解可落地的數據維度，刻畫TA的每一個特徵，在聚集起來形成人群畫像。

01用戶畫像
用戶畫像是根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型。具體包含以下幾個維度：
用戶固定特徵：性別，年齡，地域，教育水平，生辰八字，職業，星座
用戶興趣特徵：興趣愛好，使用APP，網站，瀏覽/收藏/評論內容，品牌偏好，產品偏好
用戶社會特徵：生活習慣，婚戀，社交/信息渠道偏好，宗教信仰，家庭成分
用戶消費特徵：收入狀況，購買力水平，商品種類，購買渠道喜好，購買頻次
用戶動態特徵：當下時間，需求，正在前往的地方，周邊的商戶，周圍人群，新聞事件如何生成用戶精準畫像大致分成三步。
1.採集和清理數據：用已知預測未知
首先得掌握繁雜的數據源。包括用戶數據、各式活動數據、電子郵件訂閱數、線上或線下資料庫及客戶服務信息等。這個是累積資料庫；這裡面最基礎的就是如何收集網站／APP用戶行為數據。比如當你登陸某網站，其Cookie就一直駐留在瀏覽器中，當用戶觸及的動作，點擊的位置，按鈕，點贊，評論，粉絲，還有訪問的路徑，可以識別並記錄他／她的所有瀏覽行為，然後持續分析瀏覽過的關鍵詞和頁面，分析出他的短期需求和長期興趣。還可以通過分析朋友圈，獲得非常清晰獲得對方的工作，愛好，教育等方面，這比個人填寫的表單，還要更全面和真實。
我們用已知的數據尋找線索，不斷挖掘素材，不但可以鞏固老會員，也可以分析出未知的顧客與需求，進一步開發市場。
2.用戶分群：分門別類貼標簽
描述分析是最基本的分析統計方法，描述統計分為兩大部分：數據描述和指標統計。數據描述：用來對數據進行基本情況的刻畫，包括數據總數，范圍，數據來源。指標統計：把分布，對比，預測指標進行建模。這里常常是Data mining的一些數學模型，像響應率分析模型，客戶傾向性模型，這類分群使用Lift圖，用打分的方法告訴你哪一類客戶有較高的接觸和轉化的價值。
在分析階段，數據會轉換為影響指數，進而可以做"一對一"的精準營銷。舉個例子，一個80後客戶喜歡在生鮮網站上早上10點下單買菜，晚上6點回家做飯，周末喜歡去附近吃日本料理，經過搜集與轉換，就會產生一些標簽，包括"80後""生鮮""做飯""日本料理"等等，貼在消費者身上。
3.制定策略：優化再調整
有了用戶畫像之後，便能清楚了解需求，在實際操作上，能深度經營顧客關系，甚至找到擴散口碑的機會。例如上面例子中，若有生鮮的打折券，日本餐館最新推薦，營銷人員就會把適合產品的相關信息，精準推送這個消費者的手機中；針對不同產品發送推薦信息，同時也不斷通過滿意度調查，跟蹤碼確認等方式，掌握顧客各方面的行為與偏好。
除了顧客分群之外，營銷人員也在不同時間階段觀察成長率和成功率，前後期對照，確認整體經營策略與方向是否正確；若效果不佳，又該用什麼策略應對。反復試錯並調整模型，做到循環優化。
這個階段的目的是提煉價值，再根據客戶需求精準營銷，最後追蹤客戶反饋的信息，完成閉環優化。
我們從數據整合導入開始，聚合數據，在進行數據的分析挖掘。數據分析和挖掘還是有一些區別。數據分析重點是觀察數據，單純的統計，看KPI的升降原因。而數據挖掘從細微和模型角度去研究數據，從學習集、訓練集發現知識規則，除了一些比較商業化的軟體SAS，WEKA功能強大的數據分析挖掘軟體，這邊還是更推薦使用R，Python，因為SAS，SPSS本身比較昂貴，也很難做頁面和服務級別的API，而Python和R有豐富的庫，可以類似WEKA的模塊，無縫交互其他API和程序，這里還需要熟悉資料庫，Hadoop等。
02數據細分受眾
「顛覆營銷」書中提到一個例子，可以引述一下，大家思考一個問題：如果你打算搜集200份有效問卷，依照以往的經驗，你需要發多少份問卷，才能達到這個目標？預計用多少預算和時間來執行？
以往的方法是這樣的：評估網路問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發送量，也就是發出4000份問卷，一個月內如果可以回收，就是不錯的表現。
但現在不一樣了，在執行大數據分析的3小時內，就可以輕松完成以下的目標：
精準挑選出1%的VIP顧客
發送390份問卷，全部回收
問卷寄出3小時內回收35%的問卷
5天內就回收了超過目標數86%的問卷數
所需時間和預算都在以往的10%以下
這是怎麼做到在問卷發送後的3個小時就回收35%？那是因為數據做到了發送時間的"一對一定製化"，利用數據得出，A先生最可能在什麼時間打開郵件就在那個時間點發送問卷。
舉例來說，有的人在上班路上會打開郵件，但如果是開車族，並沒有時間填寫答案，而搭乘公共交通工具的人，上班路上的時間會玩手機，填寫答案的概率就高，這些都是數據細分受眾的好處。
03預 測
「預測」能夠讓你專注於一小群客戶，而這群客戶卻能代表特定產品的大多數潛在買家。
當我們採集和分析用戶畫像時，可以實現精準營銷。這是最直接和最有價值的應用，廣告主可以通過用戶標簽來發布廣告給所要觸達的用戶，這裡面又可以通過上圖提到的搜索廣告，展示社交廣告，移動廣告等多渠道的營銷策略，營銷分析，營銷優化以及後端CRM/供應鏈系統打通的一站式營銷優化，全面提升ROI。
我們再說一說營銷時代的變遷，傳統的企業大多還停留在「營銷1.0」時代，以產品為中心，滿足傳統的消費者需求，而進入「營銷2.0」，以社會價值與品牌為使命，也不能完全精準對接個性化需求。進入營銷3.0的數據時代，我們要對每個消費者進行個性化匹配，一對一營銷，甚至精確算清楚成交轉化率，提高投資回報比。

大數據下的營銷顛覆經典的營銷4P理論，Proct，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大數據時代，線下地理的競爭邊界早就不存在，比的是早一步的先知能力，利用大數據，從顧客真實交易數據中，預測下一次的購買時間。 營銷3.0時代關鍵詞就是「預測」。
預測營銷能夠讓你專注於一小群客戶，而這群客戶卻能代表特定產品的大多數潛在買家。以上圖為例，你可以將營銷活動的目標受眾鎖定為20萬潛在客戶或現有客戶，其中包括特定產品的大多數買家（4萬人）。你還可以撥出部分預算用於吸引更小的客戶群（比如20% 的客戶），而不是整個客戶群，進而優化你的支出。
過去我們看數據可能是被動的方式，但預測營銷強調是決策價值，比如購買時間，你該看的不是她最後的購買日期，而是下次購買的時間，看未來的存活概率，最後生成客戶終身價值（CLV）。預測營銷催生了一種新的數據驅動營銷方式，就是以客戶為中心，核心在於幫助公司完成從以產品或渠道為中心到以客戶為中心的轉變。
04精準推薦
大數據最大的價值不是事後分析，而是預測和推薦，我就拿電商舉例，"精準推薦"成為大數據改變零售業的核心功能。譬如服裝網站Stitch fix例子，在個性化推薦機制方面，大多數服裝訂購網站採用的都是用戶提交身形、風格數據+編輯人工推薦的模式，Stitch Fix不一樣的地方在於它還結合了機器演算法推薦。這些顧客提供的身材比例，主觀數據，加上銷售記錄的交叉核對，挖掘每個人專屬的服裝推薦模型。 這種一對一營銷是最好的服務。
數據整合改變了企業的營銷方式，現在經驗已經不是累積在人的身上，而是完全依賴消費者的行為數據去做推薦。未來，銷售人員不再只是銷售人員，而能以專業的數據預測，搭配人性的親切互動推薦商品，升級成為顧問型銷售。
05技術工具
關於預測營銷的技術能力，有幾種選擇方案：
1、使用預測分析工作平台，然後以某種方法將模型輸入活動管理工具；
2、以分析為動力的預測性活動外包給市場服務提供商；
3、評估並購買一個預測營銷的解決方案，比如預測性營銷雲和多渠道的活動管理工具。
但無論哪條路，都要確定三項基本能力：
1）連接不同來源的客戶數據，包括線上，線下，為預測分析准備好數據 ；
2）分析客戶數據，使用系統和定製預測模型，做高級分析 ；
3）在正確時間，正確客戶，正確的場景出發正確行為，可能做交叉銷售，跨不同營銷系統。
06預測模型
預測客戶購買可能性的行業標準是RFM模型（最近一次消費R，消費頻率F，消費金額M），但模型應用有限，本質是一個試探性方案，沒有統計和預測依據。「過去的成績不能保證未來的表現」，RFM只關注過去，不去將客戶當前行為和其他客戶當前行為做對比。這樣就無法在購買產品之前識別高價值客戶。
我們聚焦的預測模型，就是為了在最短時間內對客戶價值產生最大影響。這里列舉一些其他模型參考：
參與傾向模型，預測客戶參與一個品牌的可能性，參與定義可以多元，比如參加一個活動，打開電子郵件，點擊，訪問某頁面。可以通過模型來確定EDM的發送頻率。並對趨勢做預測，是增加還是減少活動。
錢包模型，就是為每個客戶預測最大可能的支出，定義為單個客戶購買產品的最大年度支出。然後看增長模型，如果當前的總目標市場比較小，但未來可能很大，就需要去發現這些市場。
價格優化模型，就是能夠去最大限度提升銷售，銷量或利潤的架構，通過價格優化模型為每個客戶來定價，這里需要對你想要的產品開發不同的模型，或者開發通用，可預測的客戶價格敏感度的模型，確定哪一塊報價時對客戶有最大的影響。
關鍵字推薦模型，關鍵字推薦模型可以基於一個客戶網路行為和購買記錄來預測對某個內容的喜愛程度，預測客戶對什麼熱點，爆款感興趣，營銷者使用這種預測結果為特定客戶決定內容營銷主題。
預測聚集模型，預測聚集模型就是預測客戶會歸為哪一類。
07AI在營銷領域的應用
去年人工智慧特別火，特別是深度學習在機器視覺，語言識別，游戲AI上的突飛猛進，以至於人們開始恐慌人工智慧是不是已經可以接管人類工作，我個人是對新技術有著強烈的興趣，也非常看好新科技，數據與現實的關聯。
我以前在國外零售店買單的時候經常被詢問「你有沒有購物卡」，當我說沒有收銀員會趕緊勸我免費開通，有打折優惠，只需要填個手機號和郵箱，後面就可以針對我的購買記錄做營銷活動，而當我下次進來，他們就讓我報出電話號碼做消費者識別，當時我想如果做到人臉識別，豈不是更方便，刷臉就可以買單。而這個場景在去年也有了實驗，螞蟻金服研發出了一個生物識別機器人，叫螞可Mark，據說其認臉能力已經超越了人類肉眼的能力。還有VR購物，Amazon推出的無收銀員商店Amazon Go，通過手勢識別，物聯網和後續數據挖掘等技術實現購物體驗。
針對營銷領域，主要有以下三種預測營銷技術：
1、無監督的學習技術
無監督學習技術能識別數據中的隱藏模式，也無須明確預測一種結果。比如在一群客戶中發現興趣小組，也許是滑雪，也許是長跑，一般是放在聚類演算法，揭示數據集合中 真實的潛在客戶。所謂聚類，就是自動發現重要的客戶屬性，並據此做分類。
2、 有監督的學習技術
通過案例訓練機器，學習並識別數據，得到目標結果，這個一般是給定輸入數據情況下預測，比如預測客戶生命周期價值，客戶與品牌互動的可能性，未來購買的可能性。
3、強化學習技術
這種是利用數據中的潛質模式，精準預測最佳的選擇結果，比如對某用戶做促銷應該提供哪些產品。這個跟監督學習不同，強化學習演算法無須僅需輸入和輸出訓練，學習過程通過試錯完成。
從技術角度看，推薦模型應用了協同過濾，貝葉斯網路等演算法模型。強化學習是被Google Brain團隊的負責人Jeff Dean認為是最有前途的AI研究方向之一。最近Google的一個AI團隊DeepMind發表了一篇名為《學會強化學習》的論文。
按團隊的話來說，叫做「學會學習」的能力，或者叫做能解決類似相關問題的歸納能力。除了強化學習，還在遷移學習。遷移學習就是把一個通用模型遷移到一個小數據上，使它個性化，在新的領域也能產生效果，類似於人的舉一反三、觸類旁通。
強化學習加上遷移學習，能夠把小數據也用起來，我認為是很激動人心的，通過AI來創造AI，數據科學家的部分工作也可以讓機器來實現了。

3. 精準大數據營銷是什麼

大數據精準獲客也分2種類型，一種是假數據，一種是真數據。假數據通過一些app導出海量數據，夾雜部分行業內被賣爛的數據，忽悠客戶，打著大數據精準獲客的旗號行騙，合同漏洞百出，實在不堪！真數據是代理商跟運營商或者運營商分公司又或者大的網店簽訂合同，利用運營商所掌握的大數據，對數據分標簽處理，再通過數據脫敏處理（因為國家禁止買賣手機號，需要對號碼進行特殊處理，並不是賣號碼），根據客戶所選的標簽發放數據。這里的標簽主要有 地區、年齡、性別、通話時間、網頁、關鍵詞等等。這里要說明的一點就是，這個數據幾塊錢一條不假，精準，通過標簽篩選，也是你的潛在客戶，接通率，精準率大概在80%左右。就算數據很精準，也並不是說一個電話過去就可以成交了，也會有一個成交率，失敗率，總體來說有行業適配，並不是所有行業都合適。目前我們在做的主要是二手車商、金融行業、貸款行業、房產行業、教育培訓行業等，具體可進一步了解後再做考慮。

作者：諾信大數據
鏈接：https://www.hu.com/question/448331863/answer/1769676194
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

4. 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。

5. 大數據獲客是怎麼樣進行精準營銷的

大數據主要就是將客戶收集起來，然後對潛在客戶畫像，再針對這些潛版在客戶進行信息推廣，權成本低，轉化高。核心就是兩個：一、客戶數據精準且量大；二、渠道要多且能觸達客戶。有了這兩點，大數據精準營銷就可以實現了，具體你可以參考今日頭條、百-度、琥源科技。

6. 大數據精準營銷的策略

大數據營銷可以劃分為三個步驟：

首先，可以做數據信息的收集，主要通過各種互聯網工具實現，包括QQ、微博、微信以及其他互聯網軟體工具等，尤其是現代智能手機的普及，讓每個人與網路信息技術的鏈接更為廣泛與緊密，各種的軟體平台自身都有一定的用戶數據分析採集功能，由此導致每個用戶在使用各種軟體時，個人的有關信息就已經被軟體平台採集。平台可以將收集到的數據生成專業的數據信息庫，而後便於後續的精準使用。

其次，是對收集來的數據做匯總分析。信息智能工具會對收集的信息做模型建構與嘻嘻挖掘，對用戶情況做特定的細致分析與分類，讓每個消費者都可以劃歸到一定的特徵標簽中，同時附帶對應的多樣信息內容。

最後就是將數據運用到營銷策略的設計與實施中。這個環節主要依據營銷單位所需要的目標群體對象為精準投放依據，找到用戶特質，然後在數據信息中去做精準的用戶投放，滿足相關投放標準的用戶就會接受到企業的營銷宣傳內容。

甚至企業會針對不同的用戶對象做不同類型的營銷宣傳內容，而後保證更廣泛用戶對營銷內容的認可，最終轉化為企業產品與服務的消費者。這種投放方式的營銷更為精準，效率更高，同時可以減少大范圍廣泛撒網導致的成本高昂與效率低下問題。

7. 利用大數據分析法，企業如何做到精準營銷

大數據最大的價值不是事後分析，而是事前預測。在當今社會下，互聯網移動數據在迅猛發展，用戶的一些活動會在網路中以數據的形式呈現，這將會為企業帶來極大的商業利益。一方面，消費者的個性化需求不斷顯現，為企業帶來了很大的利用價值;另一方面，企業對消費者的特徵偏好不再陌生，將利用互聯網背後下的消費數據，挖掘這些數據背後的真正價值。現代社會中的大多數企業，已深深的感受到大數據可以做到精準營銷，並可以為其所帶來較大的商業價值，並不斷思考如何能將這些數據進行有效整合和充分利用，准確地分析用戶的特徵和偏好，了解用戶真正的需求，挖掘產品的潛在價值，幫助企業找到最精準的用戶，實現市場營銷的精準化、場景化，進而做到精準營銷。
案例解讀：對於電信運營商來說，按服務對象的不同，大數據的應用可分為兩種：對內應用和對外應用。典型對內應用包括內部經營分析應用、網路優化、客戶精準營銷等，例如通過適當分離存量和增量用戶，分析不同群體用戶的特徵和偏好，提高用戶轉化率和提升存量客戶的價值。譬如服裝網站Stitch fix例子，在個性化推薦機制方面，大多數服裝訂購網站採用的都是用戶提交身形、風格數據+編輯人工推薦的模式，特別之處在於結合了機器演算法推薦。通過顧客提供的身材比例，主觀數據，加上銷售記錄的交叉核對，挖掘每個人專屬的服裝推薦模型，從而做到一對一營銷。
大數據的好處：試舉一個示例：如果你想要搜集一個200份有效問卷，普通的方法就是發放。但是你需要發放多長時間呢？這個過程是否較為復雜？通常情況下，按照發問卷、填寫問卷、回收問卷、統計問卷這個思路的話，時間大約需要一個月。這樣既浪費時間，又耽誤工作。但現在不一樣了，通過使用大數據分析法，只要3小時就可以輕松完成這個過程。那是因為數據做到了發送時間的"一對一定製化"，利用數據可以輕松得出某位先生通常會在哪個時間段內打開郵件，然而就會在那個時間段給他實時發送，這樣既節約時間，又提高准確性。這些都是數據細分受眾的好處。
那麼企業到底如何應用大數據做到精準營銷呢？
（1）運用大數據分析法，分析用戶的行為
通過積累數據，才能更加准確的分析出你的新老用戶的喜好和消費習慣。雖然過去大多數企業都會說顧客就是上帝，要以顧客為中心，想顧客所想，做客戶想做，但是如何真正做到這個口號呢？目前就可以應用大數據分析法，分析客戶的基本需求，這其實就是利用大數據進行營銷的前提。
（2）運用大數據分析法，營銷信息精準推送
企業如何才能將一些營銷的信息准確推送給真正需求的用戶呢？這就需要大數據分析法。那麼現在企業真正做到精準營銷還比較難，因為缺少了詳細且海量的數據，缺少了對數據詳細的分析，自然就不能夠做到真正的精準，而現在通過運用大數據分析法，分析客戶的真正需求，使營銷廣告能更精準的推送給用戶。
（3）運用大數據分析法，營銷活動投其所好
有了精準營銷，那麼企業如何做到將營銷互動推送給客戶呢？首先，企業需要明確的知道自己的產品主要傾向於什麼樣的客戶。如果企業在活動之前對受眾客戶的需求有了解，清楚的知道用戶對產品的需求，那麼生產出的產品就一定能夠投其所好。現在社會，無論是線上還是線下的產品，都可以運用大數據分析法，通過不同渠道了解客戶信息，從而在產品的營銷中做到投其所好。
（4）運用大數據分析法，篩選重點客戶
在眾多的用戶中，到底哪些是重點客戶呢？相信這樣的問題是大多數企業都想了解的。現在通過使用大數據分析法，就可以了解這類問題。通過大數據的分析，企業能夠篩選出有價值的重點客戶。針對這類重點客戶，進行精準營銷，對目標用戶進行多角度的分析，幫助企業更加了解消費者的特點。

8. 聯通大數據精準營銷是什麼

聯通大數據積累了豐富的數據能力、平台能力、產品交付能力和行業解決方案能力，累計服務17個行業。聯通大數據在精準營銷、數達營銷和數言輿情標准產品的基礎上形成了針對各個行業的解決方案。

今天我們就來講解一下，聯通大數據精準營銷，究竟厲害在哪？

一、用戶畫像

用戶畫像是聯通大數據根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型。

具體包含以下幾個維度：

當我們採集和分析用戶畫像時，可以實現精準營銷，這是最直接和最有價值的應用。

廣告主可以通過用戶標簽來發布廣告給所要觸達的用戶。

這裡面又可以通過搜索廣告、展示社交廣告、移動廣告等多渠道的營銷策略，營銷分析，營銷優化以及後端CRM/供應鏈系統打通的一站式營銷優化，全面提升ROI。

三、技術工具

運營商大數據具備全面性、多維性、中立性、完整性是其它企業很難比擬的，而且通過這些不同維度數據的交叉關聯，可以創造更多的新數據和新價值 。

（01）身份-運營商不僅客戶信息覆蓋完整，還可以基於實際行為進行驗證，通過身份信息，快速判定用戶的信用程度。

（02）上網-基於用戶訪問什麼網址、下載什麼應用、訪問什麼內容等，得到上網喜好。

（03）位置-運營商的通過位置信息，可以掌握用戶出行特徵，給用戶帶來生活的極大便利。

（04）社交-基於通信交往圈的大小、主被叫、時間序列、得到用戶的社交特徵。

（05）支出-運營商有客戶最為詳實的消費賬單、比如流量費、簡訊費、語音費、新業務費等，能反映用戶的一些特徵。

（06）通信-通過用戶的通信使用情況，比如本地、漫遊、長途、了解用戶通話行為特徵。

（07）終端-識別記錄手機終端型號，了解用戶手機使用特徵、發展趨勢、用戶換機周期等。

（08）時序-通過用戶上網、位置、通話等行為按照時間排列，了解更多規律提供更多服務。

9. 大數據營銷如何做得更精準

大數據營銷主要是做好數據分析，數據挖掘。

1、大數據營銷要更精準，首先要有大數據，數據是基礎，所以開始一定要有數據源。

2、對用戶習慣進行分析，根據用戶習慣進行營銷策略的制定。

3、做好決策，多渠道進行宣傳推廣。

10. 電商企業是如何依靠大數據進行精準營銷的

信息大數據時代，電商企業採用信息技術來收集和儲存大量的消費者信息資源，並對其進行分析處理，來進行精準的市場定位，以及確定目標消費群體，為實施精準營銷做第一手准備。之後利用大數據平台對目標消費群體進行屬性分析、篩選、分類標記，建立用戶個性標簽，針對用戶的不同個性需求，提供精準的個性化產品和服務，實現線上廣告的精準投放。

電商企業想要做全局性和系統性的決策，不能僅憑大量的數據，還要加上商業分析，大數據與商業分析的結合才能稱得上是大數據精準營銷。在商業分析里，必須先了解市場，了解某個領域的消費者真正的需求；其次要了解行業，包括行業的特徵、要求和規則；最後才是懂企業的運營，把多個模塊和資源有序地整合起來，從而共同創造價值。這些具備後，用大數據進行適度輔佐，在商業的主導下，真正發揮大數據的作用。下面我們將用一個例子來說明：電商企業是如何依靠大數據進行精準營銷的。

項目背景：

年中大促期間，電商平台的護膚品各類品牌競爭激烈，某護膚品品牌想藉助大數據營銷平台完成兩款面膜的線上推廣。利用大數據平台的精準定向方式，針對全國18歲以上的女性進行線上廣告的推送，為活動網站引入高質量客流，促進消費者和品牌的深度互動。

投放方案

1、優選投放媒體

優選幾個國內主流媒體和與產品相關性高的高質量媒體，分別採用Banner、信息流和視頻貼片的廣告形式進行投放。通過平台一站式操作對這些媒體進行競價廣告投放。當用戶點擊廣告後對其進行標記。

2、MOB數據定向

通過MOB大數據，智能分析移動設備擁有者的屬性以及設備中的APP構成，鎖定女性用戶且安裝有美妝類APP的移動設備，針對這對這類設備進行全媒體廣告投放，對用戶進行廣告包圍，加深用戶印象，增加用戶購買意向。

3、重定向

標記活動落地頁到訪人群，當他們瀏覽有可競價廣告位的媒體時，發起追蹤投放，吸引對本廣告內容感興趣的訪客重新返回活動落地頁。

4、投放優化

通過投放反饋的數據，我們從這幾方面進行優化：

1、媒體平台優化，篩選出高點擊率媒體平台，排除低點擊率平台；

2、投放時段優化，排除低點擊率時段，集中投放在高點擊率時段；

3、素材優化，篩選出高點擊率素材並替換掉低點擊率素材。

投放效果

在本次的線上推廣中，小蜜蜂數據平台全程實時監測投放數據，其中18~24歲的女性訪客量佔比為50%；25~29歲的女性訪客量佔比為32%；30~34歲的女性訪客量佔比為18%。每位獨立訪客的付費比預期值要低20%，點擊量比預期值要高25%，到站轉化率超過預期值高15%。

此案例可看出電商企業借用大數據進行精準營銷可大大提高電商廣告的精準度和命中率，在減少交易成本的同時也提高了交易效率，大大提升了整體的電商服務水平，實現企業利益最大化。​​​