大数据营销时代专用车企业市场营销之道
在中国经济结构深度调整,移动互联网、O2O和车联网的快速发展的今天,许多人懵懵懂懂的感觉到大数据时代正在到来,通过数字类渠来消费似乎贯穿了全过程。用户每天上网产生大量的数据信息,这些非结构化的数据通过大数据挖掘技术和应用正在显现出巨大的商业价值。消费者的全面数字化,意味着消费者购车前后的行为均可以通过大数据分析进行全方位挖掘,从而实现在车型研发、产品定位、营销传播和售后服务一系列过程的决策优化,同时专用车行业也将面临前所未有的革新局面。可以明确看到的是,智能手机、平板电脑等移动终端设备的不断普及,正在深刻改变整个专用车的市场营销生态,大数据、智能化、移动化必将主导未来的营销格局。那么究竟什么是大数据和大数据营销呢?大数据营销又呈现出那些特征?大数据营销时代对专用车的市场营销有哪些影响?专用车企业又该如何趋利避害,为我所用?下面笔者作一简要分析。
一、大数据的概念及大数据营销的特征
什么是大数据呢?大数据(bigdata),或称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的3V特点:Volume(数量巨大)、Velocity(产生速度快)、Variety(离散的)。
大数据营销是利用现代计算机技术搜集、处理、分析企业的客户资料,包括现有客户情况、产品购买和使用情况分布(客户购买时间、方式、金额,以及维修保养频率和花费等),通过对数据库信息的分类、筛选、匹配和运算等技术手段,实现销售线索挖掘、客户价值细分和客户管理等功能,寻找销售线索、找到最有价值的客户群体,通过个性化营销策略,配合直复营销的手段,在降低大众传播营销成本的同时,与客户建立稳定、长期的关系,从而达到企业商业目标的实现以及企业利润的增长。销售线索挖掘帮助企业获得新客户:通过客户数据分析,可以从现有客户资料中找出客户的共同的特征,再利用这些特征到潜在客户数据库里去筛选出可能成为目标客户的名单,作为营销人员推销的对象。营销人员就可以针对这些名单发送定向窄众广告资料或进行营销活动,既可以降低成本,又提高了营销的成功率。客户价值细分为基础进行差异营销:分析客户的购买行为与消费水平。譬如,客户购买的车辆类型与数量、他们维修保养的频次与消费金额等。从而分析客户价值,利用客户的价值细分,推广不同的产品及服务,进而达到差异化营销的目的。具体来说大数据营销呈现以下特点:
1、依据顾客的行为而非想法销决策模式。传统的营销调查主要是问你喜欢什么,需要什么,而大数据营销是通过个体的搜索行为反映出他的需求和偏好。
2、个性化。大数据针对每个人的行为可以分析其个性化需求。
3、突破时间和空间限制,具有连续性。互联网时代技术让连续性的营销变得非常可行。
4、实时性和互动性。只要企业通过数据分析,知道客户需要什么车,可以实时做一些推介,并产生互动。
5、可测性。因为大数据可以从客户的性格、偏好、经济实力、需求等多方面检测到其相关数据,使得营销成功率更高。
6、数据源广泛,累积效用高。现在好多电商在到处并购、合作,他们的目的主要是在争夺客户源,得到最多最广泛的数据,数据越多,数据精度就好,分析的就越准,进而累积效用就越强。可以说,未来电商与汽车大数据的结合,将是大势所趋。
二、大数据营销时代对专用车的影响
所有新生事物都具有两面性,大数据也不列外,对专用车企业来说,大数据既熟悉又陌生,熟悉的是互联网的触角已经无处不在,陌生的是大数据到底为何方神圣,会对专用车产生什么样的影响,专用车企业如何应对等方面比较茫然,没有清晰的思路和方向。总结来看,大数据营销有其自身特有的优势,对专用车企业的营销来说既是机遇又是挑战,具体如下:
(一)优势
1、反应快,决策清。汽车大数据分析可以通过互联网、车联网搜集客户对汽车的消费、使用偏好,进而制定更为有效的产品策略,快速调整开发、生产以及各项资源分配。汽车企业通过第三方公司对某一时段互联网搜索量进行分析,确定市场人气、关注车型、地域关注度等信息,同时,通过对论坛、微博、微信等社交媒体的分析,网友的评语就能判断出这款汽车在市场上的受欢迎程度,从而采取相应的市场策略。
2、营销更精准,成交率更高。在大数据广泛应用之后,现有营销模式将产生质的飞跃。海量的数据源能够给营销工作提供更大的支撑,企业可以通过网络数据分析,得到用户的行为倾向,比如根据用户在某个车型网页停留的时间,同一用户浏览一个网页的次数,可以得到该用户的购买意愿,然后通过推送促销信息来提高用户的成交可能性。同样的,通过对社交媒体的用户关注与转发进行分析,来确定该用户的购买可能,从而制定精准的促销策略。另外,汽车行业的大数据可以精准定向到品牌,通过程序化的购买不仅能够提高效力,更重要的是提高效率,让汽车品牌的广告费用花在刀刃上。
3、成本费用大幅降低。企业通过对大数据的分析,可以提高产品质量、改进生产、简化业务流程。比如,通过对车辆运行和维修保养信息进行采集分析,了解各个产品的质量在市场上的表现,这些数据对研发部门、生产部门、采购部门、营销部门都有极大的价值
4、创新模式与利润的大幅增长。在汽车大数据时代,企业不只是产品制造商和提供商,还是服务和解决方案提供商,企业通过对大数据、车联网的应用,为客户创造更多的价值体验。比如通过对用户车辆的运行状况进行定期分析,定期提供车辆"体检表",进行定制化保养,对用户驾驶习惯分析与纠正。通过车辆地理位置和行车路线行为分析,为用户提供方便的出行指南与实时路况信息。
(二)机遇
1、大数据营销是大势所趋,并被广泛认同。数字营销在互联网出现伊始就已经初露端倪,它是一种通过数字传播渠道来推广产品和服务的实践活动,从而以一种及时、相关、定制化和节省成本的方式让广告主与消费者进行沟通。在数字营销1.0时代,主要是以品牌营销为主,核心是策略、创意和媒介。而数字营销2.0时代则更加注重技术、数据和实效。数字营销2.0兼容着1.0,所以数字营销的2.0时代是一个“品效合一”的时代,既要有创意、策略和媒介,更要有强大的数据、技术和实效性。在营销3.0时代,以数据为核心逐渐取代了以往以产品为核心的营销策略。一个汽车企业它的产品能不能在市场上占有更大的份额,实际就是是否拥有更多的用户,这些用户是车企的核心资产,也是它的核心财富。而用户背后所隐藏的互联网行为更是它重要的资产。从李克强总理提出“互联网+”到众多电商企业参与互联网汽车制造再到众多车企自建大数据平台,进一步凸显了大数据的重要性。
2、移动互联网的广泛普及为数据营销提供了基础。智能终端成为数字营销的主战场。随着移动智能硬件的普及,移动营销成为数字营销的重头大戏。而移动营销的精准性和个性化也让营销效果显著。实际上精准和个性都是在强调数据的作用。原来在PC营销时代,数据的真正价值没有被挖掘出来。而在移动时代,数据就显得异常重要。大数据营销其实是无广告的,就是通过对用户基本数据、行为数据的整合、分析,进行精准的投放,让用户得到对他来说有价值、可利用的信息,人们看到的都是自己想要看到的广告,从而做到一种“无广告”的效果。现阶段移动互联网流量主要由各种App产生,App产生的流量占70%以上,App的数量在IOS和Android都在百万个以上,无疑,App成为移动营销的主要形式。庞大的App数量和广告形成两个巨大长尾市场,通过大数据分析可以让用户在合适的时间、合适的地点、合适的场景,看到合适的广告信息。易观智库监测数据显示,移动App广告占比逐年加大,2013年占比22.4%,2014年移动App广告占比将达28.6%,2016年预计达30.8%,仅次于移动搜索。生活中我们不难发现,在几乎人手一部智能手机或电脑的情况下,人们越来越依赖利用手中的数字化工具获取商品、服务的信息。互联网是获取汽车信息最重要的渠道。根据CNNIC发布的《第34次中国互联网络发展状况统计报告》数据显示,截至2014年6月,我国网民规模达6.32亿,手机网民规模达5.27亿,手机上网的网民比例为83.4%,手机上网比例首超传统PC上网比例(80.9%)。据调研公司eMarketer发布的最新报告显示,2014年全球数字广告市场规模将达到1460亿美元,而移动广告市场整体规模达到402亿美元,占数字广告市场规模的比例超过1/4,以阿里巴巴和百度为代表的中国公司的移动广告市场份额占到11.3%。2014年中国移动广告市场发展迅猛,增长近6倍至64亿美元,超越英国和日本成为全球第二大移动广告市场,未来的中国广告市场移动端支出将在所有数字广告版块起主导作用。智能终端将成为数字营销的主战场,广告主需要及时调整营销战略,合理分配营销预算,并结合企业自身特点,积极布局移动营销领域。
3、移动电子商务加速大数据营销。移动电子商务正在改变整个市场营销的生态。智能手机和平板电脑的普及,上网流量资费的降低,大量移动电商平台的创建,为消费者提供了更多便利的购物选择。移动电商购物良好的消费体验,例如比实体店更低的价格,丰富的产品选择,简便的购物流程,安全的支付系统,快捷的物流配送等,都为移动电商市场规模的扩大创造了条件。2014年11月11日,在天猫的571亿元成交额中,移动端交易额达到243亿元,占到总成交额的42.6%,为上一年度“双11”移动端交易额的4.5倍。这不仅令阿里成为全球最大的移动电商平台,也预示着移动电商时代的深刻变化已经来临。
4、大数据分析可以提升专用车效益。专用汽车从研发到采购,再到生产到物流,最后到营销、服务以及后市场,所涉及的数据信息量是极为巨大的,大数据技术完全可以应用在全价值链体系中,通过大数据可以提高产品质量、改进生产、简化业务流程、改进营销模式、提升经营效益。
5、新型城镇化快速发展为大数据营销构筑新阵地。新型城镇尚未被完全开发的蓝海,将为专用车企业的大数据营销提供广阔的平台。随着国家新型城镇化战略的实施和移动终端网络的不断普及,三四线城市、新兴城镇和农村市场成为移动电商的新蓝海。事实上,阿里,京东、1号店、苏宁云商等电商近年来已经大跨步进军三四线城市和农村市场。CNNIC的数据显示,截至去年6月,我国网民中农村人口占比为28.2%,规模达1.78亿。农村网购市场蕴含巨大的开发潜力。另据阿里研究院对农村网购市场规模的预测,2014年,中国农村网购市场规模将达到1800亿元人民币,预计2016年时市场总量突破4600亿元。农村居民对网购接受率达84.41%,人均年网购消费额在500-2000元人民币左右。随着新型城镇和农村智能手机及互联网普及率稳步提升,移动电商消费市场空间巨大。在国家大力发展新型城镇化的同时,信息化同样是其中的重中之重。与道路等基础设施一同完善的,是互联网、移动互联网的信号普及。三四线城市、甚至乡镇的生活方式都与互联网密切融为一体,网络不仅满足了当地人的娱乐需求,搜索等更是对如汽车等大宗消费决策形成决定性的影响。
6、线上线下购物模式结合的更为紧密。特别值得一提的是移动O2O(online to offline)营销模式,它充分利用了移动互联网跨地域、无边界、海量信息、海量用户的优势,同时充分挖掘线下资源,进而促成线上用户与线下商品服务的交易。在移动互联时代,企业需要思考如何将线上和线下有效整合,将线上的推广活动转化为实际的销售。
(三)挑战
大数据营销虽然是必然趋势,但是不可能一蹴而就,还存在一定困难,具体如下:
1、随着品牌与消费者的沟通渠道的多样化,如何挖掘隐藏在互联网背后的潜在客户群,成为车企数字营销的首要问题,整个产业链还不同步,在数据资源整合方面还需要下功夫。
2、数字营销手段和技术的不足。一是营销数据收集能力不足;二是人员执行能力不足;三是缺乏科学分析方法。
3、数据信息透明化将加速淘汰落后产品。在大数据时代,消费者对产品品质的更高要求,他们获取产品信息比以往任何一个时期都更容易,更能得到客观的数据,因为网络上有很多真实的评价,会有很多的网络工具对比不同厂家的产品。那么对与同质化竞争激烈的专用车来说是一个巨大的挑战,劣质产品将会快速失去应有的市场份额。
三、大数据营销对专用车企业的启发
1、在大数据时代,专用车营销模式要升级。专用车企业要从传统的门对门直销向新媒介营销转变,探索新媒介环境下的品牌推广和营销策略。包括微博、微信、社区、论坛和电商合作等。比如企业的微信公众号、品牌的公众号、产品的公众号以及经销商的公众号等,形成一个完整的矩阵和网络。在运营这些公众号时,有创意的内容十分重要。要充分了解消费者的心理,创造有创意的内容,再结合时事热点,让品牌产品和内容产生关系,让消费者去真正喜欢这些内容,而不是成为一个罗列着产品功能卖点的推介说明书。这些有创意的内容能够让消费者产生共鸣,愿意把看到的这些有趣的东西分享给他的朋友。从而让信息传播会更加有序、扩散更加快速。传统线上营销采用的媒介购买方式,已无法满足消费者的个性化传播。消费者购车到用车是很长一段周期,期间存在诸多不确定性,专用汽车企业可根据实时获取的消费者数据,通过程序化购买自动选择适合的媒体和广告位,并借助智能创意实现广告创意、目标人群和媒介的完美整合,了解消费者的兴趣偏好,提高线上、线下与售前售后的用户体验,实现精准营销。通过线上收集到销售线索后,车企的营销重点转移到线下,这就要求专用车企业能够帮助其经销商做到个性化的销售和售后服务。
2、重视新技术,搭建数据管理平台。汽车大数据需要先进的技术做支撑,可以说技术的革新是汽车大数据时代的主要推动力,车联网、云计算、人工智能等技术的应用会越来越多的渗透到汽车产业与人们的汽车生活当中。而这些技术由于来自多个领域,开放平台、跨界合作将成为必然趋势,这就要求专用车企业不能固步自封、闭门造车,而应该快速的将新技术应用到用户价值提升和模式创新上,进而提升企业竞争力和产品竞争力。如果能在产品生产之前了解潜在用户的主要特征,以及他们对产品的期待,那么你的产品生产即可投其所好。一方面,专用车企业要收集公司在营销与运营过程中产生的海量线上、线下数据,实现企业第一方数据的聚合管理,并且通过与第三方数据打通,在确保第一方数据安全的前提下,实现数据的互联互通,通过多维度的数据分析与发掘,帮助车企对其目标消费者进行360度画像,并支持企业全方位的营销决策。通过将第一方和第三方的数据打通,车企可以确切知道某款车型的购车者兴趣标签和行为偏好,比如家庭构成、收入状况、经常访问的网站、关注的明星、社交媒体上感兴趣的内容、关注的车型和要素等,真正做到对顾客全面而深入的洞察,并对企业制定营销决策提供数据支持。另一方面,利用大数据平台通过对手品牌传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等可以及时监测掌握竞争对手的状况,进而可以保护企业、产品的声誉,抓住源头和关键节点,快速有效地处理危机。基于大数据的分析与预测,对于企业家提供洞察新市场与把握经济走向都是极大的支持。例如,阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。又如,在2012年美国总统选举中,微软研究院的David Rothschild就曾使用大数据模型,准确预测了美国50个州和哥伦比亚特区共计51个选区中50个地区的选举结果,准确性高于98%。之后,他又通过大数据分析,对第85届届奥斯卡各奖项的归属进行了预测,除最佳导演外,其它各项奖预测全部命中。所以专用车企业从现在就要开始着手思考数据平台的建设。
3、培养大数据时代的高级人才队伍。汽车大数据时代最关键的要素非人才莫属,因为我们要面对技术的革新(车联网、互联网)、处理海量的信息(销售信息、售后服务信息、车辆使用信息、产品地理信息等),同时要结合汽车产业特色提供解决方案与创新模式,因此专用车企业要着重引进培养三类人才:数据分析人才、专业营销人才和汽车技术专家,通过这三种人才的紧密协作,大数据的价值才能被深度的开发出来。
4、优化企业管理结构,形成协同机制。在汽车大数据时代,专用车企业需要快速的将信息和决策权统在一起,以提高效能。这就要求专用车企业采取灵活的组织形式,尽量避免闭门造车,一定要强化跨界合作,和IT公司、电商公司合作,利用线上和线下的管理系统对客户的信息做统计和分析,以数据信息为核心,以客户价值提升为宗旨,将数据决策结果快速实施到企业全价值链体系化精益管理的各环节中。
综上所述,在大数据时代,专用车企业的营销要顺应时代潮流,用积极的心态拥抱各种新变化,只有这样才能占领制高点,成为未来的赢家。
数据分析咨询请扫描二维码
《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数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21