如何用大数据指导市场营销
1.谁在做大数据营销?
大家都说自己在做大数据营销。
基于:
1,业务:和市场营销相关,因此政府机关单位数据不考虑。
2.体量:拥有足够多有价值的数据。这一条很多互联网企业和传统大企业都能满足。
3.技术:有技术能力处理大数据。
上面3个因素,国内能做大数据市场营销的还真只有BAT三家。国外的不熟悉,这里不谈。
众所周知,三家的数据特点各不相同。腾讯优势在社交数据;阿里巴巴优势在商品和交易数据;百度优势在全网信息、消费者行为和主动需求数据。
当然例如平安、宝洁、沃尔玛这样的大企业,其自身肯定积累了大量的数据,基于这些数据的数据挖掘、过去就一直在做的网站分析等业务,虽然现今都冠以“大数据”的名义,但这与我们讨论的大数据还不尽相同,他们用传统数据工具对抽取一定数据进行分析,能基于那些数据进行挖掘,只是数量增多了而已,总体而言仍然属于传统的小数据范畴。
2.大数据营销做什么?
营销业务类型
如果粗略划分的话,广告主市场营销的预算一般可以分为实效营销和品牌营销两大块,根据自身发展需要和行业业务特点各有侧重。例如过去京东、一号店等电商类企业,平安等金融类企业主要做效果营销,互联网是更适合做效果的媒体投放渠道;宝洁等FMCG客户、奔驰奥迪等汽车客户主要做品牌营销,传统电视渠道是主要的媒体投放渠道。当然现在情况也逐渐改变,主要反映在:
1. 越来越多的品牌类广告主也开始把品牌营销预算放在互联网上做
2. 越来越多的营销形式越来越综合。效果类客户逐渐开始做品牌(京东);品牌类客户也开始做效果(汽车,考核线下4S店销量转化)。
2.1.实效营销
实效营销,互联网人太清楚了。由于业务特性,过去的百度和阿里巴巴大数据主要应用还是中小客户和消费者的个性化广告,腾讯也主要是面向消费者的个性化广告(阿里还可以用支付数据作信用风险评估,但是金融方面的了)。
例如像大家相对熟悉用大数据训练优化数据挖掘模型,Amazon等一众零售电商普遍应用这种个性化推荐技术,在我看来只是市场营销中的应用类型之一。包括BAT及各大电商在内的各种个性化搜索和展示广告都是这个路子。基本上都是实效营销,考核CPC。在很多互联网人眼里,由于熟悉实效营销,会有一种认知,市场营销就是这些东西。挂广告,考核CPM/CPC/CPD/CPS。
2.2品牌营销
据我观察,不少互联网人其实对于品牌营销是比较陌生的。关于品牌营销
这里需要先说为什么做品牌营销?
理由1.赚钱的需要:实效(效果)营销钱赚到天花板了,互联网媒体要抢品牌营销大头的预算了。
整个广告市场,大广告主手上的预算,占大头的还是品牌营销预算,投放的媒介上传统媒体(例如电视等)居多,投给数字媒体上的钱只是10%~30%(大概数字)左右。
理由2.客户的需要:别再跟我提CPC了,很多东西没法通过点击衡量,品牌的知名度、美誉度、忠诚度怎么用CPC衡量?因此需要对大客户提供整合营销的解决方案。
百度过去是效果营销的典型代表。
有一种认知,百度在网民眼里是个搜索工具,赚钱靠SEM,靠竞价排名,赚不良广告主的钱。我觉得这也是 @Fenng 提到的智力上偷懒的表现。
百度除了广泛的中小企业客户,还有大量的大品牌客户,例如宝洁、奔驰、宝马、平安、欧莱雅等等,收入比重很大。对这些大客户,需要品牌营销。
这样百度大数据的价值就体现出来了。前边说到百度数据的优势在于全网信息和消费者真实行为和需求的表达。覆盖的广度不是商品交易数据能比的。因此对为品牌提供整合营销解决方案奠定了基础。
基于以上,对百度最有价值的方式是基于大数据提供品牌营销解决方案。
3.大数据营销怎么做?
基于数据的营销基本过程
大数据的基本营销过程与过去数据分析基本过程没有差别,需要在定义商业问题之后,采集和处理数据、建模分析数据、解读数据这么三个大层面。但是大数据对三个层面的影响使得具体的做法又与传统不一样。
3.1 数据层:采集和处理数据
传统采集数据的过程一般是有限的、有意识的、结构化的进行数据采集,例如问卷调研的形式。你能采集到的数据一定是你能设想到的情况。数据的结构化较好。一般的数据库Mysql甚至Excel就能满足数据处理过程。
而互联网时代里,大数据的采集过程基本是无限的、无意识的、非结构化的数据采集。各种纷繁复杂的行为数据以行为日志的形式上传到服务器。专属的例如Hadoop、Mapreduce等工具就不赘述。
3.2 业务层:建模分析数据
使用的数据分析模型,例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法,传统数据和大数据的做法差别不大,例如银行、通信运营商、零售商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。但是由于数据量的极大扩增,算法也获得极大优化提升的空间。
3.3 应用层:解读数据
数据指导营销最重要的是解读。
传统一般是定义营销问题之后,采集对应的数据,然后根据确定的建模或分析框架,数据进行分析,验证假设,进行解读。解读的空间是有限的。
而大数据提供了一种可能性,既可以根据营销问题,封闭性地去挖掘对应数据进行验证,也可以开放性地探索,得出一些可能与常识或经验判断完全相异的结论出来。可解读的点变得非常丰富。
4.大数据营销目前做得怎么样?
大数据探索品牌营销目前做得怎么样?
阿里巴巴怎么做我不清楚,感觉阿里的大数据还主要在实效营销的方面发力。通过“西湖品学·大数据峰会”的报道上看来的。
我所在的部门便是基于客户的真实商业需求和问题,通过大数据的应用提供解决方案,目前也已经和客户产生了不少优秀的模型方法和案例成果。
与传统品牌营销的几方面类似,大数据在品牌营销的主要应用方向也有:
1.消费者洞察
2.媒体价值研究
3.市场竞争分析
4.品牌管理
等方向。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21