㈠ 如何进行大数据营销
大数据分析处理解决方案
方案阐述
每天，中国网民通过人和人的互动，人和平台的互动，平台与平台的互动，实时生产海量数据。这些数据汇聚在一起，就能够获取到网民当下的情绪、行为、关注点和兴趣点、归属地、移动路径、社会关系链等一系列有价值的信息。
数亿网民实时留下的痕迹，可以真实反映当下的世界。微观层面，我们可以看到个体们在想什么，在干什么，及时发现舆情的弱信号。宏观层面，我们可以看到当下的中国正在发生什么，将要发生什么，以及为什么？借此可以观察舆情的整体态势，洞若观火。
原本分散、孤立的信息通过分析、挖掘具有了关联性，激发了智慧感知，感知用户真实的态度和需求，辅助政府在智慧城市，企业在品牌传播、产品口碑、营销分析等方面的工作。
所谓未雨绸缪，防患于未然，最好的舆情应对处置莫过于让舆情事件不发生。除了及时发现问题，大数据还可以帮我们预测未来。具体到舆情服务，舆情工作人员除了对舆情个案进行数据采集、数据分析之外，还可以通过大数据裤颂不断增强关联舆情信息的分析和预测，把服务的重点从单纯的收集有效数据向对舆情的深入研判拓展，通过对同类型舆情事件历史数据，及影响舆情演进变化的其他因素进行大数据分析，提炼出相关舆情的规律和特点。
大数据时代的舆情管理不再局限于危机解决，而是梳理出危机可能产生的各种条件和因素，以及从负面信息转化成舆情事件的关键节点和衡量指标，增强我们对同类型舆情事件的认知和理解，帮助我们更加精准的预测未来。
用大数据引领创新管理。无论是政府的公共事务管理还是企业的管理决策都要用数据说话。政府部门在出台社会规范和政策时，采用大数据进行分析，可以避免个人意志带来的主观性、片面性和局限性，可以减少因缺少数据支撑而带来的偏差，降低决策风险。通过大数据挖掘和分析技术，可以有针对性地解决社会治理难题；针对不同社会细分人群，提供精细化的服务和管理。政府和企业应建立数据库资源的共享和开放利用机制，打破部门间的“信息孤岛”，加强互动反馈。通过搭建关联领域的数据库、舆情基础数据库等，充分整合外部互联网数据和用户自身的业务数据，通过数据的融合，进行多维数据的关联分析，进而完善决策流程，使数据驱动的社会决策与科学治理常态化，这是大数据时代舆情管理在服务上的延伸。
解决关键
如何能够快速的找到所需信息，采集是大数据价值挖掘最重要的一环，其后的集成、分析、管理都构建于采集的基础，多瑞科舆情数据分析站的采集子系统和分析子系统可以归类热点话题列表、发贴数量、评论数量、作者个数、敏感话题列表自动摘要、自动关键词抽取、各类别趋势图表；在新闻类报表识别分析归类：
标题、出处、发布时间、内容、点击次数、评论人、评论内容、评论数量等；在论坛类报表识别分析归类：
帖子的标题、发迅野言人、发布时间、内容、回帖内容、回帖数量等。
解决方案
多瑞科舆情数据分析站系统拥有自建独立的大数据中心，服务器集中采集对新闻、论坛、微博等多种类型互联网数据进行7*24小时不间断实时采集，具备上千亿数据量的数据索引、挖掘分析和存储能力，支亩纯喊撑政府、企业、媒体、金融、公安等多行业用户的舆情分析云服务。因此多瑞科舆情数据分析站系统在这方面有着天然优势，也是解决信息数量和信息（有价值的）获取效率之间矛盾的唯一途径，系统利用各种数据挖掘技术将产生人工无法替代的效果，为市场调研工作节省巨大的人力经费开支。
实施收益
多瑞科舆情数据分析站系统可通过对大数据实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。
㈡ 大数据时代：整合营销应该如何做
大数据时代： 整合营销 应该如何做?
诸葛io认为，大数据时代的全面来临，不仅仅是让企业广告投放更加精准，我们的生活、工作、思维、商业乃至管理都会发生改变，甚至也影响到互联网行业的方方面面，包括网络营销。
我们常常使用整合营销手段也需要升级和改变。之前，我们为了达到营销效果最大化，只是简单的对各个渠道的资源进行整合，通过规模化宣传来扩大营销效应。而在大数据时代，对于网络整合营销的玩法则不再只是营销资源的叠加，而更多的是对各类渠道进行科学而又预见性的整合和使用，而这其中对于平台和渠道各方对于大数据的融合和互通就很重要。
不过，对于大数据的运用也有争议，比如在保护用户隐私方面，如何避免让用户感觉被无所不在的“第三只眼”偷窥等等，也都对各大互联网公司在大数据的挖掘和使用上提出挑战。但无论如何，在大数据在营销或其他场景的运用上，不作恶都应该是各大互联网公司谨守的底线。
诸葛 在数据运营方面不仅能给企业提供更精细独到的服务，也为让企业节省百万团队费用。诸葛io让 数据运营 起来更方便！
http://zhugeio.com/news/?p=183
㈢ 大数据对网络营销的影响
大数据对网络营销的影响
在这股大数据时代背景下，消费者行为的变迁也越来越趋于不确定，移动互联网更是加速了这种不确定因素，那么，大数据对网络营销有何影响呢？
[摘要] 互联网时代的发展推动了数据和信息加速传播。大数据在这种大背景下应运而生，并逐步渗入到各行各业。而互联网企业通过大数据，促进信息的实效转化，为网络营销的精准决策和整个营销行业的发展提供了数据来源与支撑。文章主要通过阐述了大数据的定义、大数据的处理，进而总结大数据下网络营销管理优化措施及有效的网络营销策略，力求为各互联网企业的网络营销决策提供参考与借鉴。
[关键词] 大数据;网络营销;互联网
1前言
21世纪是一个信息大爆炸的时代，各种各样杂乱无章数据的出现，一方面给企业以及人们的日常生活造成了一定程度的困扰;另一方面人们也想从这繁杂的数据中找出规律，发现商机，从而抓住商机，开拓新的市场。大数据的出现恰恰能妥善地解决这一问题，大数据分析技术是通过对海量的数据信息进行系统的筛选与分析，力求寻求其中的规律，从而为企业的经营决策提供有力依据与支撑，使企业的经营决策变得更加准确且高效。现今，社会上人们之间的交流越来越密切，科技在高速发展，大数据就应运而生。阿里巴巴创办人马云曾经在演讲中提到，未来的时代将是DT的时代，DT即DataTechnology数据科技，对大数据的分析是阿里巴巴的重点工作之一。[1]互联网在改变人们生活方式的同时也在改变企业的运作模式，这是信息技术发展的必然。然而随着大数据的来临，网络营销也在不断地进行营销模式与管理模式的创新，试图寻求企业与消费者的利益最大化。现在越来越多的企业通过互联网平台抓取到的消费者的各种数据进行分析整理，获取消费者的消费趋向及特征，以此为依据来制定相应营销策略，不仅可以提高市场决策的准确性，还能大大缩短市场调查与决策分析的时间，提高了企业的经济效益，促进企业各个环节的高效运作。因此大数据与网络营销的结合将是必然的，它将为企业开创全新局面，带来前所未有的.机遇，同时也带来了挑战。
2大数据概述
麦肯锡全球研究对大数据的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。[2]大数据技术在互联网时代的战略意义，不是在于掌握海量的数据信息，而在于对收集到的数据进行高度专业化处理，力求找出其中的规律与价值，为企业经营决策服务。[3]简而言之，大数据技术关键在于提高对数据的“加工处理能力”，通过“高加工”实现数据的“高增值”。它具有以下四大特征:分别为海量的数据规模、多样的数据类型、快速的数据流转和价值密度低，具体分析如下:
(1)海量的数据。从互联网或传统渠道收集到的海量数据，涉及面更广、种类繁多，只有运用大数据技术对数据进行分类，才能够满足企业的需求。
(2)多样的数据类型。大数据容纳的信息量大，信息种类也繁多，容量也比传统的数据仓库更大，通常有用户的查询信息、浏览信息、消费记录、消费周期等数据。
(3)快速的数据流转。大数据技术要求在短时间内对海量的数据进行高速处理，对庞大的数据进行分析、处理，从中找出有价值的数据资料，因此对数据的处理速度有很高的要求。(4)商业价值高，价值密度低。大数据需要从海量的数据当中提取出有价值的信息，对技术的要求很高，往往数据的价值密度低而商业价值高。
3大数据处理与网络营销
3.1大数据时代下的网络营销
网络营销是借助网络、通信和数字媒体技术实现营销目标的商务活动。其中可以利用多种手段，如微信营销、微博及博客营销、E-mail营销、视频营销等。大数据技术为网络营销带来了技术创新，也为企业带来了前所未有的机遇与挑战。网络营销的发展主要依赖于对消费者消费信息的了解，掌握了消费者消费信息相关的数据，就能够以此来制定合理化的营销策略，能够提前预测市场的发展方向，提高企业的生产效率，降低了企业的运营成本。同时也为企业开发新产品提供数据来源与支撑，有利于提高企业产品在市场的占有率。
3.2网络营销需要借力大数据
(1)科技的发展。互联网时代的到来，收集海量的数据信息显得更加简单可行，人们可以通过互联网平台收集到各种数据，还可以对数据进行反复的使用与共享，实现数据的循环利用，使数据创造出更多的价值。
(2)个性化需求的增加。社会的发展使人们的消费习惯与心理发生了显著的变化，不再希望自己所使用的产品与别人一样，希望自己是独特的，与众不同的，而企业恰恰能通过对消费者的消费偏好进行大数据分析，来为其制定个性化消费方案。
(3)用户数据易获取。互联网企业与传统的企业相比，其不同点之一就是数据的获取方式不同。传统企业能知道客户当时的需求和购买意向，但是无法获得更多与客户有关的信息与资料;而互联网企业通过用户的访问记录和消费行为
3.3商业定位的转变
大数据时代背景下，消费者对品牌的忠诚度不断下降，使得大数据时代商业模式必须从以品牌为中心向以消费者为中心转变。[3]阿里巴巴于2016年提出了以“消费者的生命周期”来做销售。充分体现了现在商业社会对品牌的转变逐步增加到了以消费者为中心的转变。在工业时代，我们无法获知消费者的翔实数据，但是在大数据时代下数据的原始积累和获取变得容易，借助于智能手机和穿戴设备等科技的发展，数据变得越来越翔实，因此让商家更容易全方位了解消费者，能够针对消费者做到千人千面。从而增加产品的依赖性和忠诚度。所以未来企业的竞争力逐步转变为:谁能提供专业化的产品和服务，谁能全面了解和分析信息，谁就会站在商业的浪潮上。
3.4商业理念
从以商品为主向服务转型大数据时代，消费者的知识水平越来越高，消费者会从已有的大量数据中全面了解商品的功能、价值等，如果仅仅是在商场或互联网简单的介绍商品品牌、包装及使用方法已经远远不能满足消费者的需求了。消费者依据大量的数据，对产品的了解程度甚至比营业员还要充分，因此企业不仅要非常精准地把商品构架、各种性能指标等解剖出来外，还必须向消费者提供大量的解决方案，即大数据时代企业卖出的不仅仅是简单的商品，而是方案的系统集成和商品的服务。所以转型势在必行，从以商品为主转向以服务为主，增加顾客对商品的忠诚度和依赖度，迎接新一轮的商业变革。
4结论
2016年是大数据的发展年，据保守估计，未来大数据的市场规模至少达到万亿元以上。在这股大数据时代背景下，消费者行为的变迁也越来越趋于不确定，移动互联网更是加速了这种不确定因素，电商和传统企业变得越来越离不开数据，数据即将成为未来企业的核心竞争力，企业要不断完善自己的企业治理结构，抓住市场潮流的变化，让不确定的消费者变得确定，这样才能有针对性地做到千人千面，提供个性化的商品和服务，在未来竞争格局中占据一席之地。
参考文献:
[1]AllisonCerra，KevinEasterwood，JerryPower.商业模式重构:大数据、移动化和全球化[M].北京:人民邮电出版社，2014:29-43.
[2]蔡承秉.掘金大数据数据驱动商业变革[M].北京:时代华文书局，2013:103-110.
[3]黄升民，刘珊.“大数据”背景下营销体系的解构与重构[J].现代传播: 中国传媒大学学报，2012 ( 11) : 13 - 20.
［摘要］
文章对当前有关大数据时代网络营销模式的相关概述进行了梳理和分析，进而对大数据时代网络营销模式的创新、精准性以及效果性研究作以归纳，最后进行了总结与展望。
［关键词］
大数据;网络营销模式;综述
1引言
大数据对时展产生了深远影响，网络营销模式如何充分发挥数据带来的机遇，从而促进其发展成为当前热门话题。数据具有的四大特点能为企业网络营销模式发展提供更加精准、个性化的信息，此外，大数据时代下的网络营销模式不仅重视创新性、精准性，也重视效果性。
2大数据与网络营销模式相关概述
2.1大数据的定义
20世纪80年代大数据被提出，到2008年才广泛传播。麦肯锡定义其为在一定时间内使用传统数据库软件无法对数据内容进行搜集、存储等的数据集合;《Science》将其定义为数据集规模无法在可容忍的时间内用目前的技术、方法等去获取、管理的数据;［3］维基网络将大数据定义为运用当前主流软件工具难以在合理时间内为企业经营决策提供完整分析过程的资源。比较有影响力的是Gartner的定义，其认为大数据通过新的处理模式能增强决策力、洞察力以及流程能力，并具备多样、快速增长性以及数据量大的信息资产。本文将大数据定义为以其主要特征为基础，通过运用科学的大数据处理技术能够增强其精准性、效果性等价值的信息资产。
2.2网络营销模式的定义
Rafi－AMohammed和RobertFisher等将网络营销定义为在线维护客户和公司在产品、服务等方面的关系;孙志宏认为网络营销是通过计算机网络、通信技术等为实现营销目标的市场营销方式;芦文娟、韩德昌认为其是以网络通信技术以及数字交互式为基础的营销活动;徐艳旻将网络营销定义为借助网络开展市场服务的营销活动。阎斌认为网络营销模式是企业通过有效运用互联网信息技术平台力求实现企业经营目标的营销活动。本文认为网络营销模式是借助网络、通信技术以及数字交互式媒体等进行的市场营销活动。
2.3网络营销模式主要类别
芦文娟、韩德昌认为网络营销模式主要有创建企业网站、参与网络社区、博客营销、网上广告投放;张在宏将其分为广告商、网上商店和服务、价值链服务提供商、网络渠道和虚拟社区;玄文启认为其可分为电子邮件、微博营销、病毒性营销、搜索引擎营销和博客营销;本文认为较有影响力的是周曙东等将其分为在线商店模式、中立交易平台模式、企业间网络营销模式、网上采购模式、网络拍卖模式、电子邮件营销模式、电子报关模式等的观点。
2.4大数据时代网络营销模式的特征
陈慧、王明宇认为大数据网络营销具有性价比高、时效性强、互动性强和个性化营销的特点。胡江涛研究认为关联性紧也是其主要的特点。
3大数据时代网络营销模式创新研究
张冠凤认为大数据时代网络营销模式主要包括商品关联挖掘营销、现代通信的大数据分析、大数据的用户行为分析营销和个性化推荐营销模式。张艳红认为大数据时代网络营销模式的革新还包括基于大数据的搜索引擎营销和DSP网络广告模式。高源、张桂刚认为其还包括基于大数据的商品地理营销模式。吴英鹰认为大数据背景下旅游企业网络营销新模式主要包括关联推荐和精准网络营销模式;王雯研究了大数据下电影整合营销和O2O营销模式。以上学者对大数据时代下网络营销模式创新研究较为全面，但总体上相关理论研究较少。
4大数据时代网络营销模式精准性研究
李晓龙、冯俊文提出了大数据环境下电商精准网络营销策略。牛艳红、王春国认为大数据时代网络营销模式精准性策略主要有搜索引擎、再锁定精准营销和博客营销。樊永梅发现了全数据精确制导、汽车销售整合信息对于汽车精确营销实现的重要性。倪宁、金韶认为其主要有精准定位目标消费群、精准挖掘消费需求、精准可控广告投放和精准评估广告效果。林燕提出了传播和广告精准营销策略。以上研究丰富了理论成果，但没系统分析大数据时代网络营销模式精准性营销的基本原理。
5大数据时代网络营销模式效果性研究
胡江涛发现了大数据时代网络营销实现从精准营销到效果营销的转变的关键问题，张艳红提出从政府层面、企业层面实现网络营销的效果性，目前学者对大数据时代网络营销模式效果性研究不多，还处在逐步认识的阶段。
6总结与展望
本文认为大数据时代下网络营销模式的研究还处在积极探索阶段，具体体现在缺乏成熟的网络营销模式划分标准;大数据时代下网络营销模式研究视角较单一和对其精准性和效果性缺乏深入研究，对于两者的交叉研究更是缺乏。本文认为未来研究可以结合大数据时代下网络营销模式的精准性和效果性进行综合研究;从多视角和结合具体的实际加强对其效果性研究;加强网络营销模式的系统性研究，实现大数据时代网络营销模式时效精准、效果统一。
;㈣ 大数据营销知识点总结
一、走进大数据世界
大数据的特征（4V）：
1. 数据的规模性
2. 数据结构多样性
3. 数据传播高速性
4. 大数据的真实性、价值性、易变性；
结构化数据、半结构化数据、非结构化数据
大数据处理的基本流程图
大数据关键技术：
1. 大数据采集
2. 大数据预处理
3. 大数据存储及管理
4. 大数据安全技术
5. 大数据分析与挖掘
6. 大数据展现与应用
二、大数据营销概论
Target 百货客户怀孕预测案例
大数据营销的特点：
1. 多样化、平台化数据采集： 多平台包括互联网、移动互联网、广电网、智能电视等
2. 强调时效性： 在网民需求点最高时及时进行营销
3. 个性化营销： 广告理念已从媒体导向转为受众导向
4. 性价比高： 让广告可根据时效性的效果反馈，进行调整
5. 关联性： 网民关注的广告与广告之间的关联性
大数据运营方式：
1. 基础运营方式
2. 数据租赁运营方式
3. 数据购买运营方式
大数据营销的应用
1. 价格策略和优化定价
2. 客户分析
3. 提升客户关系管理
4. 客户相应能力和洞察力
5. 智能嵌入的情景营销
6. 长期的营销战略
三、产品预测与规划
整体产品概念与整体产品五层次
整体产品概念： 狭义的产品： 具有某种特定物质形态和用途的物体。
产品整体概念（广义）：向市场提供的能够满足人们某种需要的
一切物品和服务。
整体产品包含：有形产品和无形的服务
整体产品五层次：潜在产品、延伸产品、期望产品、形式产品、核心产品
大数据新产品开发模型：
1. 需求信息收集及新产品立项阶段
2. 新产品设计及生产调试阶段
3. 小规模试销及反馈修改阶段
4. 新产品量产上市及评估阶段
产品生命周期模型
传统产品生命周期划分法：
（1）销售增长率分析法
销售增长率=（当年销售额-上年销售额）/上年销售额×100%
销售增长率小于10%且不稳定时为导入期；
销售增长率大于10%时为成长期；
销售增长率小于10%且稳定时为成熟期；
销售增长率小于0时为衰退期。
（2）产品普及率分析法
产品普及率小于5%时为投入期；
普及率在5%—50%时为成长期；
普及率在50%—90%时为成熟期；
普及率在90%以上时为衰退期。
大数据对产品组合进行动态优化
产品组合
销售对象、销售渠道等方面比较接近的一系列产品项目被称为产品线。产品组合是指一个企业所经营的不同产品线和产品项目的组合方式，它可以通过宽度、长度、深度和关联度四个维度反映出来
四、产品定价与策略
大数据定价的基本步骤：
1. 获取大数据
2. 选择定价方法
3. 分析影响定价因素的主要指标
4. 建立指标体系表
5. 构建定价模型
6. 选择定价策略
定价的3C模式：成本导向法、竞争导向法、需求导向法
影响定价的主要指标与指标体系表的建立
影响定价因素的主要指标：
1. 个人统计信息：家庭出生、教育背景、所在地区、年龄、感情状况、家庭关系等。
2. 工作状况：行业、岗位、收入水平、发展空间等
3. 兴趣：健身与养生、运动和户外活动、娱乐、科技、购物和时尚等
4. 消费行为：消费心理、购买动机等。
定价策略：
精算定价： 保险、期货等对风险计算要求很高的行业
差异定价： 平台利用大数据对客户建立标签，分析对产品的使用习惯、需求判断客户的忠诚度，对不同客户进行差别定价
动态定价： 即根据顾客认可的产品、服务的价值或者根据供需状况动态调整服务价格，通过价格控制供需关系。动态定价在提高消费者价格感知和企业盈利能力方面起着至关重要的作用。
价格自动化 ：根据商品成本、市场供需情况、竞争产品价格变动、促销活动、市场调查投票、网上协商、预订周期长短等因素决定自身产品价格
用户感知定价 ：顾客所能感知到的利益与其在获取产品或服务中所付出的成本进行权衡后对产品或服务效用所做出的整体评价。
协同定价： 是大数据时代企业双边平台多边协同定价策略
价格歧视：
一级 ：就是每一单位产品都有不同的价格，即商家完全掌握消费者的消费意愿，对每个消费者将商品价格定为其能够承受的最高出价；
二级 ：商家按照客户的购买数量，对相同场景提供的、同质商品进行差别定价；
三级 ：可视为市场细分后的定价结果，根据客户所处的地域、会员等级等个人属性进行差别定价，但是对于同一细分市场的客户定价一致。
五、销售促进与管理
促销组合设计概念
大数据促销组合设计流程
精准广告设计与投放
[if !supportLists]l [endif] 广告设计5M：任务（Mission），预算（Money），信息（Message），媒体（Media），测量（Measurement）。
通过用户画像的进一步挖掘分析，企业可以找出其目标消费群体的广告偏好，如平面广告的配色偏好，构图偏好，视频广告的情节偏好，配乐偏好，人物偏好等，企业可以根据这些偏好设计出符合目标消费群体审美的广告创意，选择消费者喜欢的广告代言人，做出能在目标消费群体中迅速传播开来的广告。
在媒体决策方面，利用大数据综合考虑其广告目的、目标受众覆盖率、广告信息传播要求、购买决策的时间和地点、媒体成本等因素后，有重点地采用媒体工具。企业可以在确定前述影响变量后，通过大数据的决策模型，确定相对最优的媒体组合。
六、客户管理
大数据在客户管理中的作用
1. 增强客户粘性
2. 挖掘潜在客户
3. 建立客户分类
客户管理中数据的分类、收集及清洗
数据分类：
描述性数据： 这类数据是客户的基本信息。
如果是个人客户，涵盖了客户的姓名、年龄、地域分布、婚姻状况、学历、所在行业、职业角色、职位层级、收入水平、住房情况、购车情况等；
如果是企业客户，则包含了企业的名称、规模、联系人和法人代表等。
促销性数据： 企业曾经为客户提供的产品和服务的历史数据。
包括：用户产品使用情况调查的数据、促销活动记录数据、客服人员的建议数据和广告数据等
交易性数据： 这类数据是反映客户对企业做出的回馈的数据。
包括历史购买记录数据、投诉数据、请求提供咨询及其他服务的相关数据、客户建议数据等。
收集：
清洗：
首先，数据营销人需要凭借经验对收集的客户质量进行评估
其次，通过相关字段的对比了解数据真实度
最后，通过测试工具对已经确认格式和逻辑正确数据进行测试
客户分层模型
客户分层模型 是大数据在客户管理中最常见的分析模型之一，客户分层与大数据运营的本质是密切相关的。在客户管理中，出于一对一的精准营销要求针对不同层级的客户进行区别对待，而客户分层则是区别对待的基础。
RFM客户价值分析模型
时间（Rencency）：
客户离现在上一次的购买时间。
频率（Frequency）：
客户在一定时间段内的消费次数。
货币价值（MonetaryValue）：
客户在一定的时间内购买企业产品的金额。
七、 跨界营销
利用大数据跨界营销成功的关键点
1. 价值落地
2. 杠杠传播
3. 深度融合
4. 数据打通
八、精准营销
精准营销的四大特点
1. 可量化
2. 可调控
3. 保持企业和客户的互动沟通
4. 简化过程
精准营销的步骤
1. 确定目标
2. 搜集数据
3. 分析与建模
4. 制定战略
九、商品关联营销
商品关联营销的概念及应用
关联营销：
关联营销是一种建立在双方互利互益的基础上的营销，在交叉营销的基础上，将事物、产品、品牌等所要营销的东西上寻找关联性，来实现深层次的多面引导。
关联营销也是一种新的、低成本的、企业在网站上用来提高收入的营销方法。
关联分析的概念与定义
最早的关联分析概念： 是1993年由Agrawal、Imielinski和Swami提出的。其主要研究目的是分析超市顾客购买行为的规律，发现连带购买商品，为制定合理的方便顾客选取的货架摆放方案提供依据。该分析称为购物篮分析。
电子商务领域： 关联分析可帮助经营者发现顾客的消费偏好，定位顾客消费需求，制定合理的交叉销售方案， 实现商品的精准推荐 ；
保险公司业务： 关联分析可帮助企业分析保险索赔的原因，及时甄别欺诈行为；
电信行业： 关联分析可帮助企业发现不同增值业务间的关联性及对客户流失的影响等
简单关联规则及其表达式
事务：简单关联分析的分析对象
项目：事务中涉及的对象
项集：若干个项目的集合
简单关联规则 的一般表示形式是：前项→后项（支持度＝s％，置信度＝c％）
或表达为：X→Y（S＝s％，C＝c％）
例如：面包->牛奶(S=85%,C=90%)
性别（女）∩收入（＞5000元）→品牌（A）（S＝80％，C＝85％）
支持度、置信度、频繁项集、强关联规则、购物篮分析模型
置信度和支持度
support(X→Y)= P(X∩Y)
confidence(X→Y)= P(Y|X)
十、评论文本数据的情感分析
商品品论文本数据挖掘目标
电商平台激烈竞争的大背景下，除了提高商品质量、压低商品价格外，了解更多消费者的心声对于电商平台来说也变得越来越有必要，其中非常重要的方式就是对消费者的文本评论数据进行内在信息的数据挖掘分析。评论信息中蕴含着消费者对特定产品和服务的主观感受，反映了人们的态度、立场和意见，具有非常宝贵的研究价值。
针对电子商务平台上的商品评论进行文本数据挖掘的目标一般如下：
分析商品的用户情感倾向，了解用户的需求、意见、购买原因；
从评论文本中挖掘商品的优点与不足，提出改善产品的建议；
提炼不同品牌的商品卖点。
商品评论文本分析的步骤和流程
商品评论文本的数据采集、预处理与模型构建
数据采集：
1、“易用型”：八爪鱼、火车采集器
2、利用R语言、Python语言的强大程序编写来抓取数据
预处理：
1文本去重
检查是否是默认文本
是否是评论人重复复制黏贴的内容
是否引用了其他人的评论
2机械压缩去词
例如： “好好好好好好好好好好”->“好”
3短句删除
原本过短的评论文本 例如：很“好好好好好好好好好好”->“好”
机械压缩去词后过短的评论文本 例如：“好好好好好好好好好好”->“好”
4评论分词
文本模型构建包括三方面：情感倾向分析、语义网络分析、基于LDA模型的主体分析
情感倾向分析：
基于情感词进行情感匹配
对情感词的倾向进行修正
对情感分析结果进行检验
语义网络分析：
基于LDA模型的主体分析
十一、大数据营销中的伦理与责任
大数据的安全与隐私保护
数据安全：一是保证用户的数据不损坏、不丢失；二是要保证数据不会被泄露或者盗用
大数据营销中的伦理风险：用户隐私、信息不对称下的消费者弱势群体、大数据“杀熟”
大数据伦理困境的成因：
用户隐私意识淡薄
用户未能清晰认知数据价值
企业利益驱使
] 管理机制不够完善
大数据伦理构建的必要性：企业社会责任、用户与社会群体的维系
这些是我按照老师讲的课本上的内容结合PPT总结出来的《大数据营销》的重点。