沃大数据精准营销

1. 大数据时代，怎么做好精准营销

大数据时代下的精准营销是指通过大数据获取对象的喜好，行为偏好，对不回同对象进行不同答营销。 营销实验室Convertlab的DMHub透过多触点渠道抓取信息，分析并标签化用户，充分挖掘用户数据价值，推送相关营销内容。

2. 数据精准营销的七个关键要素

数据精准营销的七个关键要素
说到大数据精准营销，不得不先提个性化的用户画像，我们针对每一类数据实体，进一步分解可落地的数据维度，刻画TA的每一个特征，在聚集起来形成人群画像。

01用户画像
用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：
用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座
用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好
用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分
用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次
用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。
1.采集和清理数据：用已知预测未知
首先得掌握繁杂的数据源。包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。这个是累积数据库；这里面最基础的就是如何收集网站／APP用户行为数据。比如当你登陆某网站，其Cookie就一直驻留在浏览器中，当用户触及的动作，点击的位置，按钮，点赞，评论，粉丝，还有访问的路径，可以识别并记录他／她的所有浏览行为，然后持续分析浏览过的关键词和页面，分析出他的短期需求和长期兴趣。还可以通过分析朋友圈，获得非常清晰获得对方的工作，爱好，教育等方面，这比个人填写的表单，还要更全面和真实。
我们用已知的数据寻找线索，不断挖掘素材，不但可以巩固老会员，也可以分析出未知的顾客与需求，进一步开发市场。
2.用户分群：分门别类贴标签
描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计。数据描述：用来对数据进行基本情况的刻画，包括数据总数，范围，数据来源。指标统计：把分布，对比，预测指标进行建模。这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值。
在分析阶段，数据会转换为影响指数，进而可以做"一对一"的精准营销。举个例子，一个80后客户喜欢在生鲜网站上早上10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理，经过搜集与转换，就会产生一些标签，包括"80后""生鲜""做饭""日本料理"等等，贴在消费者身上。
3.制定策略：优化再调整
有了用户画像之后，便能清楚了解需求，在实际操作上，能深度经营顾客关系，甚至找到扩散口碑的机会。例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；针对不同产品发送推荐信息，同时也不断通过满意度调查，跟踪码确认等方式，掌握顾客各方面的行为与偏好。
除了顾客分群之外，营销人员也在不同时间阶段观察成长率和成功率，前后期对照，确认整体经营策略与方向是否正确；若效果不佳，又该用什么策略应对。反复试错并调整模型，做到循环优化。
这个阶段的目的是提炼价值，再根据客户需求精准营销，最后追踪客户反馈的信息，完成闭环优化。
我们从数据整合导入开始，聚合数据，在进行数据的分析挖掘。数据分析和挖掘还是有一些区别。数据分析重点是观察数据，单纯的统计，看KPI的升降原因。而数据挖掘从细微和模型角度去研究数据，从学习集、训练集发现知识规则，除了一些比较商业化的软件SAS，WEKA功能强大的数据分析挖掘软件，这边还是更推荐使用R，Python，因为SAS，SPSS本身比较昂贵，也很难做页面和服务级别的API，而Python和R有丰富的库，可以类似WEKA的模块，无缝交互其他API和程序，这里还需要熟悉数据库，Hadoop等。
02数据细分受众
“颠覆营销”书中提到一个例子，可以引述一下，大家思考一个问题：如果你打算搜集200份有效问卷，依照以往的经验，你需要发多少份问卷，才能达到这个目标？预计用多少预算和时间来执行？
以往的方法是这样的：评估网络问卷大约是5%的回收率，想要保证收到200份的问卷，就必须有20倍的发送量，也就是发出4000份问卷，一个月内如果可以回收，就是不错的表现。
但现在不一样了，在执行大数据分析的3小时内，就可以轻松完成以下的目标：
精准挑选出1%的VIP顾客
发送390份问卷，全部回收
问卷寄出3小时内回收35%的问卷
5天内就回收了超过目标数86%的问卷数
所需时间和预算都在以往的10%以下
这是怎么做到在问卷发送后的3个小时就回收35%？那是因为数据做到了发送时间的"一对一定制化"，利用数据得出，A先生最可能在什么时间打开邮件就在那个时间点发送问卷。
举例来说，有的人在上班路上会打开邮件，但如果是开车族，并没有时间填写答案，而搭乘公共交通工具的人，上班路上的时间会玩手机，填写答案的概率就高，这些都是数据细分受众的好处。
03预 测
“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。
当我们采集和分析用户画像时，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户，这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。
我们再说一说营销时代的变迁，传统的企业大多还停留在“营销1.0”时代，以产品为中心，满足传统的消费者需求，而进入“营销2.0”，以社会价值与品牌为使命，也不能完全精准对接个性化需求。进入营销3.0的数据时代，我们要对每个消费者进行个性化匹配，一对一营销，甚至精确算清楚成交转化率，提高投资回报比。

大数据下的营销颠覆经典的营销4P理论，Proct，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大数据时代，线下地理的竞争边界早就不存在，比的是早一步的先知能力，利用大数据，从顾客真实交易数据中，预测下一次的购买时间。 营销3.0时代关键词就是“预测”。
预测营销能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。以上图为例，你可以将营销活动的目标受众锁定为20万潜在客户或现有客户，其中包括特定产品的大多数买家（4万人）。你还可以拨出部分预算用于吸引更小的客户群（比如20% 的客户），而不是整个客户群，进而优化你的支出。
过去我们看数据可能是被动的方式，但预测营销强调是决策价值，比如购买时间，你该看的不是她最后的购买日期，而是下次购买的时间，看未来的存活概率，最后生成客户终身价值（CLV）。预测营销催生了一种新的数据驱动营销方式，就是以客户为中心，核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。
04精准推荐
大数据最大的价值不是事后分析，而是预测和推荐，我就拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式，Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。
数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。
05技术工具
关于预测营销的技术能力，有几种选择方案：
1、使用预测分析工作平台，然后以某种方法将模型输入活动管理工具；
2、以分析为动力的预测性活动外包给市场服务提供商；
3、评估并购买一个预测营销的解决方案，比如预测性营销云和多渠道的活动管理工具。
但无论哪条路，都要确定三项基本能力：
1）连接不同来源的客户数据，包括线上，线下，为预测分析准备好数据 ；
2）分析客户数据，使用系统和定制预测模型，做高级分析 ；
3）在正确时间，正确客户，正确的场景出发正确行为，可能做交叉销售，跨不同营销系统。
06预测模型
预测客户购买可能性的行业标准是RFM模型（最近一次消费R，消费频率F，消费金额M），但模型应用有限，本质是一个试探性方案，没有统计和预测依据。“过去的成绩不能保证未来的表现”，RFM只关注过去，不去将客户当前行为和其他客户当前行为做对比。这样就无法在购买产品之前识别高价值客户。
我们聚焦的预测模型，就是为了在最短时间内对客户价值产生最大影响。这里列举一些其他模型参考：
参与倾向模型，预测客户参与一个品牌的可能性，参与定义可以多元，比如参加一个活动，打开电子邮件，点击，访问某页面。可以通过模型来确定EDM的发送频率。并对趋势做预测，是增加还是减少活动。
钱包模型，就是为每个客户预测最大可能的支出，定义为单个客户购买产品的最大年度支出。然后看增长模型，如果当前的总目标市场比较小，但未来可能很大，就需要去发现这些市场。
价格优化模型，就是能够去最大限度提升销售，销量或利润的架构，通过价格优化模型为每个客户来定价，这里需要对你想要的产品开发不同的模型，或者开发通用，可预测的客户价格敏感度的模型，确定哪一块报价时对客户有最大的影响。
关键字推荐模型，关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度，预测客户对什么热点，爆款感兴趣，营销者使用这种预测结果为特定客户决定内容营销主题。
预测聚集模型，预测聚集模型就是预测客户会归为哪一类。
07AI在营销领域的应用
去年人工智能特别火，特别是深度学习在机器视觉，语言识别，游戏AI上的突飞猛进，以至于人们开始恐慌人工智能是不是已经可以接管人类工作，我个人是对新技术有着强烈的兴趣，也非常看好新科技，数据与现实的关联。
我以前在国外零售店买单的时候经常被询问“你有没有购物卡”，当我说没有收银员会赶紧劝我免费开通，有打折优惠，只需要填个手机号和邮箱，后面就可以针对我的购买记录做营销活动，而当我下次进来，他们就让我报出电话号码做消费者识别，当时我想如果做到人脸识别，岂不是更方便，刷脸就可以买单。而这个场景在去年也有了实验，蚂蚁金服研发出了一个生物识别机器人，叫蚂可Mark，据说其认脸能力已经超越了人类肉眼的能力。还有VR购物，Amazon推出的无收银员商店Amazon Go，通过手势识别，物联网和后续数据挖掘等技术实现购物体验。
针对营销领域，主要有以下三种预测营销技术：
1、无监督的学习技术
无监督学习技术能识别数据中的隐藏模式，也无须明确预测一种结果。比如在一群客户中发现兴趣小组，也许是滑雪，也许是长跑，一般是放在聚类算法，揭示数据集合中 真实的潜在客户。所谓聚类，就是自动发现重要的客户属性，并据此做分类。
2、 有监督的学习技术
通过案例训练机器，学习并识别数据，得到目标结果，这个一般是给定输入数据情况下预测，比如预测客户生命周期价值，客户与品牌互动的可能性，未来购买的可能性。
3、强化学习技术
这种是利用数据中的潜质模式，精准预测最佳的选择结果，比如对某用户做促销应该提供哪些产品。这个跟监督学习不同，强化学习算法无须仅需输入和输出训练，学习过程通过试错完成。
从技术角度看，推荐模型应用了协同过滤，贝叶斯网络等算法模型。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。
按团队的话来说，叫做“学会学习”的能力，或者叫做能解决类似相关问题的归纳能力。除了强化学习，还在迁移学习。迁移学习就是把一个通用模型迁移到一个小数据上，使它个性化，在新的领域也能产生效果，类似于人的举一反三、触类旁通。
强化学习加上迁移学习，能够把小数据也用起来，我认为是很激动人心的，通过AI来创造AI，数据科学家的部分工作也可以让机器来实现了。

3. 精准大数据营销是什么

大数据精准获客也分2种类型，一种是假数据，一种是真数据。假数据通过一些app导出海量数据，夹杂部分行业内被卖烂的数据，忽悠客户，打着大数据精准获客的旗号行骗，合同漏洞百出，实在不堪！真数据是代理商跟运营商或者运营商分公司又或者大的网店签订合同，利用运营商所掌握的大数据，对数据分标签处理，再通过数据脱敏处理（因为国家禁止买卖手机号，需要对号码进行特殊处理，并不是卖号码），根据客户所选的标签发放数据。这里的标签主要有 地区、年龄、性别、通话时间、网页、关键词等等。这里要说明的一点就是，这个数据几块钱一条不假，精准，通过标签筛选，也是你的潜在客户，接通率，精准率大概在80%左右。就算数据很精准，也并不是说一个电话过去就可以成交了，也会有一个成交率，失败率，总体来说有行业适配，并不是所有行业都合适。目前我们在做的主要是二手车商、金融行业、贷款行业、房产行业、教育培训行业等，具体可进一步了解后再做考虑。

作者：诺信大数据
链接：https://www.hu.com/question/448331863/answer/1769676194
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

4. 如何利用大数据做到对客户的精准营销

大数据营销等同于精准营销，或是精准营销是大数据营销的一个核心方向和价值体现。然而，数据本身不会产生价值。为此，我们要把数据组织成数据资源体系，再对数据进行层次、类别等方面的划分。在此基础上，通过分析数据资源和相关部门的业务对接程度，以此发挥数据资源体系在管理、决策、监测及评价等方面的作用，从而产生大数据的大价值，真正实现了从数据到知识的转变，为领导决策提供服务依据本例根据工作实践。
本例以三个工作实例，展示如何通过对数据分析进行对客户的精准营销。
工具/原料

大数据营销
大数据营销三个案例分析

案例一：笔者在银行工作，通过对储户身份证信息进行海量剖析，发现一个有趣的现象，即购买理财产品的客户以40-50岁的女性居多。
根据这一信息，有经验的理财经理通过身份证信息即能准确的分析出支行有哪些符合条件的客户，迅速的对新推出的理财产品进行电话营销，做到不出门即可实现销售，较快的完成了销售任务。
而另一些更具创新性的理财经理，通过身份证信息，在情人节期间组织了网点沙龙客户邀约活动，对符合18-30岁、30-45岁这两个年龄段的男性客户进行了电话营销，通过赠送爱人鲜花、化妆品以及高价值的礼品进行金融产品营销，较好的引起男性客户的兴趣，有力的拉升了业绩增长。
这些数据分析手段就能够做到个性化营销和定位，加强对客户的认知，为客户找到价值，从而带动销量。
案例二：在与供电部门合作期间，供电部门提供了一条信息，市里每一天上网高峰期主要集中在中午12点之后和晚上的12点之前。供电部门认为，出现这种“怪现象”的原因是因为现在的人们普遍睡觉前都会有上网的习惯。
这条信息当时很多人没有注意，似乎与银行搭不上关系，但我们市场经营部门的一个年轻的大学生针对人们这种“强迫症”，通过手机银行与商家合作，在晚上12点进行促销秒杀活动，即推动了手机银行业务量的提升，同时也带动商家销量的倍增，实现了双赢。
案例三：在为企业代发工资数据中，我们曾发现一个现象，即一般企业员工代发帐户每月都会沉淀一定的余额，金额不大，1000元也有，几千的也有，长期不动的也有，活期利率很低，但是这些客户的帐户金额又达不到理财产品的起售金额，这些客户工资用了也就用了，成了“月光族”，没有理财理念。
如何通过分析这些数据信息直接进行客源组织，为这些具有相同需求的人群量身定做金融服务，并享受”一客（群）一策“的定制服务，我们进行专题研究。
最终，我们在零存整取、基金定投和适时到帐理财产品上进行了产品打包宣传，同步利用信用卡宣传，几场现场专题沙龙下来，引起了不少企业员工的注意和兴趣，着实为这些收入不高的人群提供了一条实实在在的理财渠道。
这三个小故事就是对历史数据进行挖掘的结果，反映的是数据层面的规律，它通过对大量的数据系统中提取、整合有价值的数据，从而实现从数据到知识、从信息到知识、从知识到利润的转化。
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。
5
具体来讲，当我们通过对完成数据分析之后，找出相同的规律，当然还有一些个性化数据体现，为此具体的应用场景需要根据企业、业务的具体情况进行精准营销策划、设计。
概括来讲，我们需要以下三个步骤：
第一步：数据采集，了解用户，通过收集用户所有的数据，主要包括静态信息数据、动态信息数据两大类，静态数据就是用户相对稳定的信息，如性别、地域、职业、消费等级等，动态数据就是用户不停变化的行为信息，如消费习惯、购买行为等;
第二步：分析这些数据，给客户画像，画像代表客户对营销内容有兴趣、偏好、需求等，分析推算客户的兴趣程度、需求程度、购买概率等;
第三步，也就是最后一步，将这些画面综合起来，拼成一张较为完整的图，这样我们对客户就有了一个大概的了解。

5. 大数据获客是怎么样进行精准营销的

大数据主要就是将客户收集起来，然后对潜在客户画像，再针对这些潜版在客户进行信息推广，权成本低，转化高。核心就是两个：一、客户数据精准且量大；二、渠道要多且能触达客户。有了这两点，大数据精准营销就可以实现了，具体你可以参考今日头条、百-度、琥源科技。

6. 大数据精准营销的策略

大数据营销可以划分为三个步骤：

首先，可以做数据信息的收集，主要通过各种互联网工具实现，包括QQ、微博、微信以及其他互联网软件工具等，尤其是现代智能手机的普及，让每个人与网络信息技术的链接更为广泛与紧密，各种的软件平台自身都有一定的用户数据分析采集功能，由此导致每个用户在使用各种软件时，个人的有关信息就已经被软件平台采集。平台可以将收集到的数据生成专业的数据信息库，而后便于后续的精准使用。

其次，是对收集来的数据做汇总分析。信息智能工具会对收集的信息做模型建构与嘻嘻挖掘，对用户情况做特定的细致分析与分类，让每个消费者都可以划归到一定的特征标签中，同时附带对应的多样信息内容。

最后就是将数据运用到营销策略的设计与实施中。这个环节主要依据营销单位所需要的目标群体对象为精准投放依据，找到用户特质，然后在数据信息中去做精准的用户投放，满足相关投放标准的用户就会接受到企业的营销宣传内容。

甚至企业会针对不同的用户对象做不同类型的营销宣传内容，而后保证更广泛用户对营销内容的认可，最终转化为企业产品与服务的消费者。这种投放方式的营销更为精准，效率更高，同时可以减少大范围广泛撒网导致的成本高昂与效率低下问题。

7. 利用大数据分析法，企业如何做到精准营销

大数据最大的价值不是事后分析，而是事前预测。在当今社会下，互联网移动数据在迅猛发展，用户的一些活动会在网络中以数据的形式呈现，这将会为企业带来极大的商业利益。一方面，消费者的个性化需求不断显现，为企业带来了很大的利用价值;另一方面，企业对消费者的特征偏好不再陌生，将利用互联网背后下的消费数据，挖掘这些数据背后的真正价值。现代社会中的大多数企业，已深深的感受到大数据可以做到精准营销，并可以为其所带来较大的商业价值，并不断思考如何能将这些数据进行有效整合和充分利用，准确地分析用户的特征和偏好，了解用户真正的需求，挖掘产品的潜在价值，帮助企业找到最精准的用户，实现市场营销的精准化、场景化，进而做到精准营销。
案例解读：对于电信运营商来说，按服务对象的不同，大数据的应用可分为两种：对内应用和对外应用。典型对内应用包括内部经营分析应用、网络优化、客户精准营销等，例如通过适当分离存量和增量用户，分析不同群体用户的特征和偏好，提高用户转化率和提升存量客户的价值。譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式，特别之处在于结合了机器算法推荐。通过顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型，从而做到一对一营销。
大数据的好处：试举一个示例：如果你想要搜集一个200份有效问卷，普通的方法就是发放。但是你需要发放多长时间呢？这个过程是否较为复杂？通常情况下，按照发问卷、填写问卷、回收问卷、统计问卷这个思路的话，时间大约需要一个月。这样既浪费时间，又耽误工作。但现在不一样了，通过使用大数据分析法，只要3小时就可以轻松完成这个过程。那是因为数据做到了发送时间的"一对一定制化"，利用数据可以轻松得出某位先生通常会在哪个时间段内打开邮件，然而就会在那个时间段给他实时发送，这样既节约时间，又提高准确性。这些都是数据细分受众的好处。
那么企业到底如何应用大数据做到精准营销呢？
（1）运用大数据分析法，分析用户的行为
通过积累数据，才能更加准确的分析出你的新老用户的喜好和消费习惯。虽然过去大多数企业都会说顾客就是上帝，要以顾客为中心，想顾客所想，做客户想做，但是如何真正做到这个口号呢？目前就可以应用大数据分析法，分析客户的基本需求，这其实就是利用大数据进行营销的前提。
（2）运用大数据分析法，营销信息精准推送
企业如何才能将一些营销的信息准确推送给真正需求的用户呢？这就需要大数据分析法。那么现在企业真正做到精准营销还比较难，因为缺少了详细且海量的数据，缺少了对数据详细的分析，自然就不能够做到真正的精准，而现在通过运用大数据分析法，分析客户的真正需求，使营销广告能更精准的推送给用户。
（3）运用大数据分析法，营销活动投其所好
有了精准营销，那么企业如何做到将营销互动推送给客户呢？首先，企业需要明确的知道自己的产品主要倾向于什么样的客户。如果企业在活动之前对受众客户的需求有了解，清楚的知道用户对产品的需求，那么生产出的产品就一定能够投其所好。现在社会，无论是线上还是线下的产品，都可以运用大数据分析法，通过不同渠道了解客户信息，从而在产品的营销中做到投其所好。
（4）运用大数据分析法，筛选重点客户
在众多的用户中，到底哪些是重点客户呢？相信这样的问题是大多数企业都想了解的。现在通过使用大数据分析法，就可以了解这类问题。通过大数据的分析，企业能够筛选出有价值的重点客户。针对这类重点客户，进行精准营销，对目标用户进行多角度的分析，帮助企业更加了解消费者的特点。

8. 联通大数据精准营销是什么

联通大数据积累了丰富的数据能力、平台能力、产品交付能力和行业解决方案能力，累计服务17个行业。联通大数据在精准营销、数达营销和数言舆情标准产品的基础上形成了针对各个行业的解决方案。

今天我们就来讲解一下，联通大数据精准营销，究竟厉害在哪？

一、用户画像

用户画像是联通大数据根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。

具体包含以下几个维度：

当我们采集和分析用户画像时，可以实现精准营销，这是最直接和最有价值的应用。

广告主可以通过用户标签来发布广告给所要触达的用户。

这里面又可以通过搜索广告、展示社交广告、移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。

三、技术工具

运营商大数据具备全面性、多维性、中立性、完整性是其它企业很难比拟的，而且通过这些不同维度数据的交叉关联，可以创造更多的新数据和新价值 。

（01）身份-运营商不仅客户信息覆盖完整，还可以基于实际行为进行验证，通过身份信息，快速判定用户的信用程度。

（02）上网-基于用户访问什么网址、下载什么应用、访问什么内容等，得到上网喜好。

（03）位置-运营商的通过位置信息，可以掌握用户出行特征，给用户带来生活的极大便利。

（04）社交-基于通信交往圈的大小、主被叫、时间序列、得到用户的社交特征。

（05）支出-运营商有客户最为详实的消费账单、比如流量费、短信费、语音费、新业务费等，能反映用户的一些特征。

（06）通信-通过用户的通信使用情况，比如本地、漫游、长途、了解用户通话行为特征。

（07）终端-识别记录手机终端型号，了解用户手机使用特征、发展趋势、用户换机周期等。

（08）时序-通过用户上网、位置、通话等行为按照时间排列，了解更多规律提供更多服务。

9. 大数据营销如何做得更精准

大数据营销主要是做好数据分析，数据挖掘。

1、大数据营销要更精准，首先要有大数据，数据是基础，所以开始一定要有数据源。

2、对用户习惯进行分析，根据用户习惯进行营销策略的制定。

3、做好决策，多渠道进行宣传推广。

10. 电商企业是如何依靠大数据进行精准营销的

信息大数据时代，电商企业采用信息技术来收集和储存大量的消费者信息资源，并对其进行分析处理，来进行精准的市场定位，以及确定目标消费群体，为实施精准营销做第一手准备。之后利用大数据平台对目标消费群体进行属性分析、筛选、分类标记，建立用户个性标签，针对用户的不同个性需求，提供精准的个性化产品和服务，实现线上广告的精准投放。

电商企业想要做全局性和系统性的决策，不能仅凭大量的数据，还要加上商业分析，大数据与商业分析的结合才能称得上是大数据精准营销。在商业分析里，必须先了解市场，了解某个领域的消费者真正的需求；其次要了解行业，包括行业的特征、要求和规则；最后才是懂企业的运营，把多个模块和资源有序地整合起来，从而共同创造价值。这些具备后，用大数据进行适度辅佐，在商业的主导下，真正发挥大数据的作用。下面我们将用一个例子来说明：电商企业是如何依靠大数据进行精准营销的。

项目背景：

年中大促期间，电商平台的护肤品各类品牌竞争激烈，某护肤品品牌想借助大数据营销平台完成两款面膜的线上推广。利用大数据平台的精准定向方式，针对全国18岁以上的女性进行线上广告的推送，为活动网站引入高质量客流，促进消费者和品牌的深度互动。

投放方案

1、优选投放媒体

优选几个国内主流媒体和与产品相关性高的高质量媒体，分别采用Banner、信息流和视频贴片的广告形式进行投放。通过平台一站式操作对这些媒体进行竞价广告投放。当用户点击广告后对其进行标记。

2、MOB数据定向

通过MOB大数据，智能分析移动设备拥有者的属性以及设备中的APP构成，锁定女性用户且安装有美妆类APP的移动设备，针对这对这类设备进行全媒体广告投放，对用户进行广告包围，加深用户印象，增加用户购买意向。

3、重定向

标记活动落地页到访人群，当他们浏览有可竞价广告位的媒体时，发起追踪投放，吸引对本广告内容感兴趣的访客重新返回活动落地页。

4、投放优化

通过投放反馈的数据，我们从这几方面进行优化：

1、媒体平台优化，筛选出高点击率媒体平台，排除低点击率平台；

2、投放时段优化，排除低点击率时段，集中投放在高点击率时段；

3、素材优化，筛选出高点击率素材并替换掉低点击率素材。

投放效果

在本次的线上推广中，小蜜蜂数据平台全程实时监测投放数据，其中18~24岁的女性访客量占比为50%；25~29岁的女性访客量占比为32%；30~34岁的女性访客量占比为18%。每位独立访客的付费比预期值要低20%，点击量比预期值要高25%，到站转化率超过预期值高15%。

此案例可看出电商企业借用大数据进行精准营销可大大提高电商广告的精准度和命中率，在减少交易成本的同时也提高了交易效率，大大提升了整体的电商服务水平，实现企业利益最大化。​​​