数据为王 颠覆营销 移动时代的大数据精准营销(txt+pdf+epub+mobi电子书下载)


发布时间:2020-06-04 20:27:05

点击下载

作者:艾媒咨询研究院 张毅

出版社:人民邮电出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

数据为王 颠覆营销 移动时代的大数据精准营销

数据为王 颠覆营销 移动时代的大数据精准营销试读:

内容提要

本书介绍互联网与移动互联网在大数据发展中的作用以及相关的生态变化;构建移动互联网运营的全方位数据体系,发现运营问题;介绍数据在日常的产品运营活动中的使用方法;通过案例介绍电商个性化推荐的思想、流程和算法及注意事项等。本书由艾媒咨询研究院和张毅倾力打造,适合公司高管及市场销售决策的参与者,市场销售部、客户服务、物流仓储及生产运营及IT,数据分析相关部门从业者,对大数据感兴趣的读者阅读与学习。序

悄然而至的大数据时代已经改变了我们生活,社会化媒体时代,任何你能接触到的信息,都可能只是一则广告。因此,广告的形式、内容和传播方式,就非常重要,营销的“相关性时代”已经到来。如何精准找到、抓住和留住目标客户,是对当代企业的最大考验。

我们作为最专业、权威的第三方数据监测机构之一,潜心研究互联网多年,见过门户网站的衰落、行业独角兽的崛起、企业兼并大战等行业中的浮浮沉沉。从中,我们似乎捕捉到了一些趋势和方向。几年前,我们就反复与行业中的资深人士以及创业人士讨论,认为用户和变现才是企业生存的最重要力量,而大数据是找到能提供变现的用户的关键。

对于企业来说,首先,需要拥有一套具有商业敏感度的数据决策框架,它可以使企业“看”得更准,并能够对近期什么做对了、什么做错了进行判断。这样一来,快速的数据反馈可以让每个决策的误差得到及时修正。其次,灵活地应用数据、升级数据,可以让用数据成为构建企业生产力的重要部分。数据营销可以帮助企业唤醒已经沉睡的客户,挽回即将离去的客户,找寻、挖掘和留住更多有价值的客户,系统提升客户复购、追销和转介绍能力,让企业的市场营销策划活动创意无限,并与众不同。

利用基于数据的生命价值营销有效地挖掘高价值客户,减少在低价值客户身上花费的成本;利用大数据分析手段,多保留和重新激活老客户才能保证高效的增长,而不是一味地增加新客户;运用聚类、分类等数据挖掘算法发现新的客户群,并用来区分和优化营销活动,使精准营销变为可能。因此,通过对累积多年的数据梳理,本书提供了一套数据驱动的营销框架,讲解如何基于大数据定位客户角色、预测客户价值、量身推荐产品、保留客户群体等内容;并且,剖析保险、金融、游戏、电商等主要行业的现状,从思维变革到商业变革趋势推演,企业能有效地利用数据的价值,在大数据时代找到传统营销方式的出路。第1章拥抱大数据时代1.标签化时代:一切行为皆数据1.1 数据化:一切皆可“量化”

亘古以来,降低对于未知的恐惧,是人类一直在探索的议题。从占卜到历法,都是试图通过已知和经验,探测未知世界。这种对于未来的渴望和敬畏,恰是人类不断变迁、发展的重要推动力。每一次行为模式的重大变革,都伴随着或者推动了技术的进步。

2016年,这个移动互联网盛行的时代,正是技术与模式交锋的一次新革命。无孔不入的触角,将各层面都无可避免地纳入互联网。其中,突如其来的海量数据,是我们对新时代最直观的感知。这些无所不在的数据,似乎给人们提供了新的探索介质,如何把这些看似没有关联的数据,归纳总结,形成一套新的预测模式,就是我们现在面对的最大问题。

所谓数据,其实就是现在风头正盛的“大数据”概念,它不仅可以反映我们过去的行为轨迹,也可以预测我们将来的行为倾向。这一切的便利也归功于“量化”。国际知名测量师、决策分析师和风险管理专家道格拉斯·哈伯德在其撰写的《数据化决策》一书中,提出“一切皆可量化”的理论。量化从来都是为目的而服务的,以便更好地管理和决策,为很多难以确定的情况提供评估和判断的依据,尽可能让未来的决策和管理提高可行性。“无量化,无管理;先量化,后决策”,这恰是当今商业社会的真实写照。

数据,正在从最不可能的地方提取。而所谓的数据化,又并不尽然是数字化。量化,是数据的核心,而数据正在推动者社会发展的步伐。可以仔细感知:当文字变成数据、当方位变成数据、当沟通变成数据、当行为变成数据⋯⋯我们,已然置身于一个一切事物皆被量化的数字世界中。数据的几何倍增长,势必伴随着数据分析与挖掘工具的日益丰富与多元,存量越来越大、越来越全面的数据,为个人和企业提供着无限可能和想象空间。于是,大数据概念受到了各方的追捧,大数据作为这个时代最流行的热词。1.2 一切事物的大数据化

大数据的概念包罗万象,这种广泛的内涵,使大数据成为一个“千人千面”的概念。因此,不同机构及专家,基于各自擅长的领域和角度定义大数据,各界尚未有统一的共识。因此,对于大数据,更多的是从大数据的实际效果,即如何应用大数据着手处理。“大数据是体量大、快速和多样化的信息资产,需要高效率和创新型的信息技术加以处理,以提高发现洞察、做出决策和优化流程的能力。”这是目前各界比较认同的观点,我们也认为大数据的特点是数量大、获取速度快、形态多样,但这并不局限于传统的数字型的数据,也包括大量文字、图形等非传统的数字型数据。因此,难以用传统关系型数据分析方法进行有效分析,需要大规模的水平扩展才能高效处理。

因此,只要能够积累大量记录资料,就可以通过数据化的方式进行大数据研究,要注意的是,这里是数据化而不是数字化。数据化与数字化大相径庭。数字化是模拟数据,转换成用0和1表示的二进制,这样电脑就可以处理这些数据了。而数据化,是一种把现象转变为可制表分析的量化形式的过程。

为了得到可量化的信息;我们要知道如何计量:为了数据化量化了的信息,我们要知道怎么记录计量的结果。计算机的数字测量和存储设备,大大提高了数据化的效率。计算机可以通过数学分析挖掘出比数据更大的价值。数字化带来了数据化,但是数字化无法取代数据化。数据,正在日复一日地扩大,几何级的增长,随之带来存储、处理和展示等一系列问题。我们姑且不去考虑这背后,会产生什么样的联动效应。只要闭上眼,通过字符幻化,这个世界就出现在你的眼前。

数据就像一个神奇的矿山,一旦世界被数据化,就只有你想不到而没有做不到的事。我们跨过艰辛的人工分析过程,揭示隐藏在数据中的价值,就是为了探寻它的真实价值。这种价值就像漂浮在海洋中的冰山,第一时间看到的只是冰山一角,而绝大部分隐藏在其表面之下。今天,大部分的数据,现在只是被交易的对象。事实上,数据真正的价值,从来都不是数据本身。拥有数据分析工具(统计学和算法)以及必需的设备(信息处理器和存储器),就可以在更多领域、更快、更大规模地进行数据处理。

抛开传统的思维模式,将世界看作信息,就会发现,大数据为我们提供了一个从未有过的审视世界的视角,渗透到生活的每一个角落。这一转变意义重大,它影响了企业评估其拥有的数据及访问者的方式,促使甚至是迫使公司改变他们的商业模式,同时也改变了组织者看待和使用数据的方式。当我们明白,数据还有更多潜在价值的时候,我们就应该明白,那些创新型企业,可以借由提取其潜在价值而获得潜在的巨大利益,甚至成为改变行业格局的独角兽。我们正处在大数据时代的早期,思维和技术是最有价值的,但是最终大部分的价值仍须从数据本身中挖掘。

总之,在我们判断数据的价值的时候,我们需要考虑到未来它可能被使用的各种方式,而非仅仅考虑其目前的用途。数据的价值体现在其所有可能用途的总和。这些似乎无限潜在用途的选择,不再是指传统意义上的利用选择,而是实际意义上可能产生价值的选择。这些选择的总和加在一起就是数据的价值,就是数据的“潜在价值”。同时,我们不再是数据的单遍扫描,而是数据的再利用、数据重组利用、扩展数据利用、数据折旧利用、数据的废除利用、开放数据的利用、数据的估值利用等。

上面我们谈到如何通过创新用途挖掘出数据新的价值,这里“新的价值”主要是指我们所说的潜在价值。现在,我们把重点转移到使用数据的公司和它们通过数据产生的价值是如何融入大数据价值链中的。

大数据价值链三大构成元素(1)基于数据的公司:这些公司拥有大量数据或至少可以收集到大量数据却不一定有从数据提取价值或使用催生创新思想的技能。最好的例子就是Twitter,它拥有海量数据这一点是毋庸置疑的,但它的数据却通过两家独立的公司授权给别人使用。(2)基于技能的公司:它们通常是咨询公司、技术供应商或第三方数据分析公司。它们掌握了专业的技能但并不一定拥有数据或提出数据创新性用途的才能。例如,沃尔玛和Pop-Tarts这两个零售商是借助Teradata的分析来获得营销点子,Teradata就是一家大数据分析公司。(3)基于思维的公司:Jetpac的联合创始人,皮特·华登(Pete Warden),就是通过想法获得价值的一个例子。Jetpac通过用户分享到网上的旅行照片来为人们推荐下次旅行的目的地。对于某些公司来说,数据和技能并不是成功的关键。让这些公司脱颖而出的是其创始人和员工的创新思维,他们有的是挖掘数据的新价值的独特想法。

而从数据自身来看,目前大数据有4V的特点,即Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。(1)过去一些记录是以模拟的方式存在的,或者以数据的形式存在但是存储在本地,不是公开数据资源,没有开放给互联网用户,如音乐、照片、视频、监控录像等影音资料。现在这些数据不但数据量巨大,并且共享到了互联网上,面对所有互联网用户,其数量之大是前所未有的。例如,Facebook每天有18亿张照片上传或被传播,形成了海量的数据。(2)移动互联网出现后,移动设备的很多传感器收集了大量的用户点击行为数据,已知i Phone有3个传感器,三星有6个传感器。它们每天产生了大量的点击数据,这些数据被某些公司所有拥有,形成大量用户行为数据。(3)电子地图如高德、百度、Google地图出现后,产生了大量的流数据。所谓流数据是一组顺序、大量、快速、连续到达的数据序列,这不同于传统数据的一个只代表一个属性或一个度量值,流数据代表着一种行为、一种习惯,因此,经频率分析后,可以产生巨大的商业价值。(4)进入了社交网络的年代后,互联网行为主要由用户参与创造,大量的互联网用户创造出海量的社交行为数据,这些数据是过去未曾出现的,揭示了人们行为特点和生活习惯。而电商崛起产生了大量网上交易数据,包含支付、查询行为、物流运输、购买喜好、点击顺序和评价行为等。(5)传统的互联网入口转向搜索引擎之后,用户的搜索行为和提问行为聚集了海量数据,单位存储价格的下降也为存储这些数据提供了经济上的可能。

大数据思维必然会引起一些人的恐慌,也必然引起一些公司的倒闭与转型。传统行业最终都会转变为大数据行业,无论是金融服务业、医药行业还是制造业。当然,大数据不会让所有行业的公司消亡,但是肯定会给这些公司带来巨大的挑战。当我们正在憧憬大数据给我们带来的变革的时候,如何应对大数据带来的问题是最先要面对的。2.大数据,改变人类探索世界的方法2.1 改变,从操作方式开始

公元前3世纪,大家认为埃及的亚历山大图书馆收藏着所有的信息。而今天,如果把全世界的信息平分给每个人,每人获得的信息量将是当年亚历山大图书馆藏书量的320倍。据《青年参考》最新公布的调查发现,2000年,全球所有的存储信息中只有1/4经过数字化,剩下的保存在纸张、胶片和其他介质上。而眼下,所有存储信息中只有2%是非数字化的。

过去我们一直在模拟、推测世界是怎么运作的,然后通过收集和分析数据来验证这种假想。而现在大数据正在改变着人类探索世界的方法,我们会在大数据的指导下探索世界,不再受限于各种假想。我们的研究由数据始发,数据也将让我们发现从前不曾发现的联系。假想通常来自自然理论或社会科学,它们也是帮助我们解释和预测周遭世界的基础。随着由假想时代到数据时代的过渡,我们也很可能认为我们不再需要理论了。

2008年,有人大胆放言:“数据爆炸使得科学的研究方法都落伍了。”这位《连线》杂志主编,克里斯·安德森(Chris Anderson)后来在《拍字节时代》(The Petabyte Age)的封面故事中又讲道,大量的数据从某种程度上意味着“理论的终结”。安德森也表示,用因果关系验证各种猜想的传统研究范式已经不实用了,如今更重要的是相关关系研究。从社会现实看,谷歌的搜索引擎和基因排序工程恰是如此发展的。

安德森还表示:“现在已经是一个有海量数据的时代,应用数学已经取代了其他的所有学科工具。而且只要数据足够,就能说明问题。如果你有一拍字节的数据,只要掌握了这些数据之间的相关关系,一切就都迎刃而解了。”到目前为止,我们一直都是把理论应用到实践中来分析和理解世界,而如今处在大数据时代,我们不再需要理论了,只要关注数据就足够了。这就意味着所有的普遍规则都不重要了,世界的运作、人类的行为、顾客买什么、东西什么时候会坏等。“理论的终结”似乎暗示着,如今,重要的就是数据分析,它可以揭示一切问题。

大数据是在理论的基础上形成的。例如,大数据分析就用到了统计和数学理论,有时候也会用到计算机科学理论。是的,这不是关于地心引力等特定现象的产生原因的理论,但是这无论如何依然是理论。而且如我们所见,建立在这些理论上的大数据分析模式是实现大数据预测能力的重要因素。事实上,就是因为不受限于传统的思维模式和特定领域里隐含的固有偏见,大数据才能为我们提供如此多的深刻洞见。

首先就是关于我们怎么收集数据。我们会不会仅仅看数据收集的方便程度来决定呢?或者看数据收集的成本?我们做这些决定的时候就被理论所影响着,而就如达纳·博伊德(Danah Boyd)和凯特·克劳福德(Kate Crawford)说的,我们的选择一定程度上决定了结果。毕竟,谷歌是用检索词来预测流感而不是鞋码。其次,我们在分析数据的时候,也依赖于理论来选择我们使用的工具。最后,我们解读研究结果的时候同样会使用理论。大数据时代绝对不是一个理论消亡的时代,相反地,理论贯穿于大数据分析的方方面面。

作为第一个提出问题的人,安德森应该获得掌声,尽管他的答案不怎么样。虽然毫无疑问,大数据会从根本上改变我们理解世界的方式,但绝不能因此宣扬“理论已死”。只是很多旧有的习惯将被颠覆,很多旧有的制度将面临挑战。大数据时代释放出的巨大价值使得我们选择大数据的理念和方法不再是一种权衡,而是通往未来的必然改变。

在各行业的实际应用中,大数据都受到了极大的重视。其中舆情监测方面,是大数据启用较早、应用相对成熟的领域。每天24小时不间断监测采集信息,多维度、聚合全互联网数据进行精准分析,及时挖掘信息、分析情报,实现舆情监测,更重要的是生成舆情预警机制。

舆情预警机制的生成,依赖于大量的互联网数据,每天24小时不间断监测采集几十万条信息,以多维度聚合互联网数据精准数据分析技术为核心驱动,通过监测全网引擎,系统挖掘及时搜集各方资料。这些资料,再依托先进、专业的后台系统,可以自动提取标题、内容、作者、信息来源,并且过滤广告信息、垃圾信息。这种自然语言处理技术,可以解析内容相似、有同一主题的文章传播形式,并生成传播轨迹。通过机器学习技术,以及越来越准确的自动归类,实现多维度的咨询分析以及情感判断,明确言论的正面、负面,明确分析热点,预测舆情爆发趋势。分析结果的可视化自动生成,为政府广纳民言、进行舆情分析的重要、有效、基础渠道。

舆情,早已不仅仅是政府最需要关注的问题,大数据现在最有价值的应用,是在移动营销方面。第一时间发现舆情、跟踪舆情、了解舆情发展的整个过程,可以有效避免企业面临突如其来的负面舆论。然而,在到达目的地之前,我们有必要了解怎样才能到达。

与政府舆情监测一致,企业舆情,同样主要是整合媒体资源、分析互联网受众浏览访问行为,帮助企业从大数据角度获取更多营销价值。而这种企业营销价值,相较于政府舆情又复杂得多,可能产生的变化也大得多。企业舆情最重要之处,在于企业舆情可能产生的时间和话题点瞬息万变,没有把握正面的舆论热点,就会令企业丧失一次爆发机会;然而,一旦负面舆论热点没有预见到,很有可能就如蝴蝶效应一般,带给企业灭顶之灾。这种企业舆情监测,是行业发展的重要趋势。2.2 个性化的数据,实现更精准的营销

应用于方方面面的大数据,在营销领域,就是我们通常所讲的大数据营销。大数据营销是指通过互联网平台采集大量数据,并在依托大数据技术对海量数据进行分析及预测的基础上做出精准营销策划,指导企业营销决策的营销方式。

大数据营销的特点主要表现在多平台化数据采集、强调时效性、高性价比、强关联性和营销个性化。(1)多平台,大数据的数据来源通常是多样化的,多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视,未来还有户外智能屏等数据。(2)时效性,在网络时代,网民的消费行为和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行营销非常重要。全球领先的大数据营销企业Ad Time对此提出了时间营销策略,它可通过技术手段充分了解网民的需求,并及时响应每一个网民当前的需求,让他在决定购买的“黄金时间”内及时接收到商品广告。(3)性价比,和传统广告“一半的广告费被浪费掉”相比,大数据营销在最大程度上,让广告主的投放有的放矢,并可根据实时性的效果反馈,及时对投放策略进行调整。(4)关联性,大数据营销的一个重要特点在于网民关注的广告与广告之间具有关联性,由于大数据在采集过程中可快速得知目标受众关注的内容,以及可知晓网民身在何处,这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。(5)个性化,在网络时代,广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向,选择知名度高、浏览量大的媒体进行投放。如今,广告主更倾向于以受众为导向进行广告营销,因为大数据技术可以让他们知晓目标受众身处何方,关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时,广告内容有所不同,大数据营销实现了对网民的个性化营销。

在以上提到的几大特点中,在如今的大数据营销中最受注重的是“个性化营销”。

个性化营销,也叫“1对1营销”,倡导企业针对每一个用户,把营销组合中的一个或多个元素客制化。个性化营销在营销领域占据了独特的一席之地,受到越来越多的公司和营销家们的关注。然而,在大数据和移动营销的时代,这个沿用已久的概念已经不再适用。

随着移动终端信息处理能力的提升,与用户的交互界面不仅更加具备黏性,并且实现了全方位、全时段互动,此时每个人的移动终端实际上就变成了一个数据记录仪。它获取到的信息比PC端的更加个人化,不仅暴露这个人的生活细节、位置动向,同时也记录着他的消费习惯。人类第一次拥有了这么多数据的生产者。每一个元数据都可以直接挂钩一份具体的支出额度,每一个数字都可以被货币量化,大数据的商业价值与各个企业的营收几乎都可以直接挂钩。所以,围绕“大数据”来说故事迅速成为当下的主流。

利用大数据来进行个性化营销,说起来像是近期才流行的营销观点,但是其核心观念其实与前人并无二致,那就是营销的差异化。

营销的任务是把产品的卖点向用户市场推送出去。如果我们不区分用户,采取“一刀切”的沟通方式,那就是所谓的大众营销。其实,即便是大众营销,对市场人群都有一定的区分。用户定向就是把用户按照共同特征划分成不同人群的过程。如果营销按照不同用户人群在传播策略上有所差异,那这就是差异化营销,或者称为定向营销(Segmented Marketing)。差异化营销是以人“群”为基础的,这些“群”需要满足以下几个条件。

首先,大小能够衡量;其次,传播渠道能够普遍触及到,并且不同用户群对同一广告反应会有区别。对于传播人群而言,人群相对稳定,不会变化很快;人群规模足够大,可以借助单一的营销手段获利。

因此,差异化营销是个性化营销的第一步。随着用户市场数据的不断丰富,用户定向也越来越细,主要包括用户属性、心理特征、用户行为定向3个方面。用户属性定向,是按照年龄、性别、种族、教育程度、收入等外在特点区分用户;心理特征定向,以价值观、对事物的态度和生活方式等内在特点区分用户;而行为定向,则是基于过去的购买行为、品牌忠诚度、价格敏感程度和对产品的诉求程度等商品行为区分。这种用户定向数据,一般来自第三方。由于这些数据是针对整个市场收集的,所以不可能针对某一个具体产品进行分析,所以对用户的区分只能够精确到群。

在传统的个性化营销中,当企业掌握了自己的用户数据,并且使之成为营销工具后,就有了“个性化”广告的概念。个性化广告倡导企业针对每一个用户,把营销组合中的一个或多个元素客制化。个性化广告就是用户定向营销的极端:把每一个用户看成用户群。个性化营销是用户关系管理(CRM)的一个策略,在提升用户的购买转化和忠诚度方面,带来的投资回报比大众广告更好。

传统个性化营销理论来自CRM,其核心是2/8原则,即20%的用户会购买80%的产品。所以广告主要研究的是如何发掘和保留高价值用户,其做法是用历史的数据去预测用户对产品的潜在购买需求,然后按照2/8金字塔归类用户,从而制定出相关的沟通策略。有一种工具叫RFM用户分隔模型,就是根据用户最近购买的时间(Recency),购买频次(Frequency)和已经购买的商品价值(Monetary Value)来判定潜在用户的价值。传统个性化营销对用户的判定标准是相对稳定的,不会经常变化。从用户定向的方式来讲,这和分类营销没有本质的区别,只是针对的受众从群体细分为个体。

随着信息技术的发展,企业用户数据的收集和处理变得更容易。如今企业有千万甚至上亿的用户信息是很正常的现象,以银行为例,根据银行掌握的用户数据,完全可以在同一个营销主题下,给每一个用户提供独立的促销信息,如利息、费率等。提供什么样的促销信息,是根据用户的定向原则来定的,可以是对某产品的潜在需求、账户使用历史、以前对广告的回应积极性等。所以说营销既能规模化,也能够个性化。

在互联网行业,个性化营销终于得到了广泛的应用。电商亚马逊为用户个性化推荐图书和音乐CD,新闻APP根据用户兴趣偏好推送个性的新闻信息,电信运营商根据用户4G的使用情况推送不同的流量包,等等。在广告实践中,搜索广告和重定向广告成为最常见的个性化广告。搜索广告是根据用户使用的关键词投放广告。搜索引擎会分析用户长期的搜索行为,当这个用户重新搜索一个相关词时,搜索引擎即会提供相关的广告信息。重定向广告是根据用户在指定的网上商城或官网的浏览行为投放广告,淘宝就经常用到这种广告形式。在酒店、金融、保险和交通等行业,个性化营销也都非常盛行,同时也诞生了许多提供个性化广告的技术性广告公司。

有统计显示,精准广告占整个营销预算的比例越来越高,几乎所有的互联网服务商都在为用户提供个性化的产品和广告。可以说精准营销的效果开始得到市场的认可。但是,精准营销的效果还远未发挥应有的潜力,甚至没有达到向市场承诺的效果。其中一个重要的原因,就是互联网的“1对1营销”还在沿用传统的、非互联网的CRM思维,没有形成自己的模式。

当用户从PC更多地转向便携可带的手机等电子设备时,我们也从传统的互联网时代进入了移动互联网时代。与PC广告等传统的广告时期相比,移动互联网时代的最大特点就是“随时随地”。这里有2个意思:第一个意思是用户的需求随着时间在发生变化;第二个意思是需求也会随着位置的改变而变化。移动广告的需求随之发生裂变,从针对一个人到针对一个人所处在的场景。

就拿重定向技术来举例,前面讲过,重定向是要对那些来过网店却没有购物的用户做广告,吸引他们重新回到网店购物。这就是为什么你去某个电商网站浏览某产品后,相关的广告总是“追”着你跑。当你搜索了去“北京”的机票后,航空公司的机票打折广告就会接着出现。用传统的标准衡量,这种重定向的个性化广告已经“做到位”了。但仔细分析,这样的广告仍然有很多浪费。用户可能对产品本来没有兴趣,是误点才进入了网站;也可能因为用户在上一次浏览网店时已经购买了相关产品,从而不再会有购买兴趣。运用搜索词做个性化广告也存在同样的浪费。还有一种情况,如果一个用户本来就要购买该产品,那么对这个用户做广告其实也是一种浪费。

运用用户的地理位置发送个性化广告是移动营销的另一个应用。这种营销方式也存在大量浪费。例如,用户到了一个家居超市,推送家居产品广告就是合适的。但当用户已经离开家居超市到了汽车城,这时候再推送家居产品可能就不合适了。另外一个例子是用户在健身中心运动后浏览手机,看到的却是垃圾食品的广告,这样的广告显然是浪费的。

前面移动广告的例子说明,在任何一个时刻,一个用户对多种产品存在兴趣,但是这些兴趣程度会随着场景的变化而波动,广告主需要寻找“关键场景点(Moment of Truth)”,使广告效果最大化。所以,在移动互联网时代,即使是同样一个用户,广告也需要在场景的基础上实现个性化。所谓场景定向是用户在某个时间和地理位置所相关的产品信息需求。预测一个用户与场景相关的需求,当然不会只用到时间和位置信息,还要用到和这个用户相关的其他信息,包括属性、行为、相关产品购买历史等。这才是真正的大数据用户分析。

个性化营销有3个关键环节,即用户数据的收集,数据处理转化为用户洞察(Insight),根据洞察执行营销应用。移动互联网对所有3个环节的时效要求都很高,用人工来完成是件很困难的事情,需要机器人工智能的帮助。对于个人场景的描述,可能不再是“相对稳定不变”,这是和传统个性化广告根本不同的点。

行业用“千人千面”来描述个性化营销。在移动互联网的今天,更加贴切描述是“个人千面”。首先移动社会化媒体时代,跨屏是主流行为趋势。iiMedia Research(艾媒咨询)数据显示,只有18.4%的社会化媒体用户仅使用PC端登录账号,接近半数社会化媒体用户同时使用移动端登录账号。跨屏用户的平均使用时长要高于仅在PC端和仅在移动端登录的用户,如图1-1所示。图1-1 社会化媒体用户登录设备(左)及使用时长调查(右)数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

根据iiMedia Research(艾媒咨询)的最新调查结果显示,微信用户的使用频率高于微博用户。由于微信较强的社交属性,32.7%的微信用户倾向于保持一直在线,而只有26.3%的微博用户选择一直在线。

通常情况下,用户会对在大众媒体上出现的广告表示反感,可在社交媒体中,情况并没这么糟。iiMedia Research(艾媒咨询)数据显示,大部分移动社会化媒体用户对移动营销并不反感。其中,有超过50%的用户表示支持企业在移动社会化媒体上开展营销活动,只有10.5%的微博用户和14.9%的微信用户明确表示反感移动营销,如图1-2所示。图1-2 微信用户(左)及微博用户(右)对移动社会化媒体营销态度调查数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

使用社交媒体时,用户并不那么反感营销活动,甚至会主动地接收营销信息,最常见的形式就是关注营销号。iiMedia Research(艾媒咨询)数据显示,大部分移动社会化媒体用户关注了品牌营销号。其中,微信用户关注率比微博用户稍高。分别有89.1%的微信用户和78.9%的微博用户关注了品牌营销号,如图1-3所示。图1-3 微博用户(左)及微信用户(右)是否关注营销号的调查数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

尽管用户对移动营销并无表现出反感,但参与度却不是特别高。iiMedia Research(艾媒咨询)数据显示, 2015年只有大约50%的用户参与过移动社会化媒体营销活动。其中,有51.5%微信用户参与过移动社会化媒体营销活动,微博用户参与营销活动比例稍低一些,占到47.4%,如图1-4所示。图1-4 微博用户(左)及微信用户(右)是否参与移动社会化媒体营销活动的调查数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

然而,目前移动社会化媒体营销效果并不显著,还有极大可以改进的空间。事实上,iiMedia Research(艾媒咨询)调查显示,只有15.8%的微博用户和35.7%的微信用户会因为移动社会化媒体营销产生消费的欲望,21.1%的微博用户和15.8%的微信用户会因为移动社会化媒体营销而厌恶该品牌,如图1-5所示。图1-5 移动社会化媒体营销对微博用户(上)及微信用户(下)的影响调查数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

微博用户注重产品资讯获取,而微信用户更乐于参与互动,iiMedia Research(艾媒咨询)数据显示,产品的介绍和推荐、产品的促销信息和新产品的发布这三类产品相关信息受到移动社会化媒体用户的关注。其中,微博用户更注重产品资讯的获取,而微信用户更乐于参与互动,如图1-6所示。图1-6 移动社会化媒体营销最感兴趣营销咨询调查数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

iiMedia Research(艾媒咨询)数据显示,针对热点事件展开的营销和在条漫、文章等植入广告的营销形式广泛受到微信和微博用户的接受。因此,热点营销和原生广告是移动社会媒体营销的发展重点,如图1-7所示。图1-7 移动社会化媒体用户愿意接受的营销形式调查数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

2015年5月,腾讯公司成立“社交与效果广告部”,将旗下的社交广告的业务统一至该部门,以促进腾讯广告业务及平台生态的更好发展。其中,微信广告中心业务并入广点通,主要包括2014年7月公测上线的微信公众号广告,以及2015年1月上线的朋友圈广告。

2015年1月,名为“微信团队”的微信号悄悄地出现在朋友圈里,发布了6连图和链接广告,第一批广告只有3个品牌:宝马、VIVO、可口可乐。配合“人世间最远的距离,是你收到宝马,而我只有可口可乐”等话题引爆朋友圈。为宝马带来近4600万的曝光量、20万粉丝,并引发舆论热议。

尽管微信朋友圈广告推送是否基于大数据分析存在着不同的见解,但是一个好的营销必须利用自身优势和特点,在娱乐化的时代引起震动。对于这种时代化的营销趋势和变化,企业必须重新制定营销策略,在新的时代特征中找到契机。3.智能终端:企业营销的新战场3.1 移动营销的时代来临

移动营销是指面向可移动终端用户,通过对各种营销工具和手段的系统化结合,根据不同的移动场景进行即时性的动态修正,使得营销主客体双方在交互中实现价值增值。利用社会化网络,如微博、微信、贴吧或者其他互联网协作平台媒体来进行营销、是公共关系和客户服务维护开拓的一种方式。目前,由于移动端良好的社交性而逐渐向移动端发展。利用手机、平板等移动终端进行的B2B、B2C或C2C的电子商务活动。能够实现随时随地、线上线下的购物与交易、在线电子支付以及各种交易活动、金融活动和相关的综合服务活动等。

随着智能手机的普及、移动基础设施的完善,互联网用户开始向移动端迁徙。iiMedia Research(艾媒咨询)数据显示,2015年中国手机网民规模达6.79亿人,其中超过40%的手机用户日均使用时长达到4小时以上,用户与移动终端设备的亲密度加深,如图1-8所示。图1-8 2014Q1-2016Q1中国手机网民规模数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

用户黏性和对智能终端依赖性的基础,是HTML5、大数据、跨屏追踪和程序化购买等技术的完善。基础设施的完善,推动了跨屏技术的进一步融合,用户使用也更为便捷,因此,移动营销大有成为主流选择的态势。2015年智能手机用户规模达6.17亿人,终端的普及和可以支持多种数据业务机型的丰富将为用户提供较好的移动互联网服务体验平台,如图1-9所示。图1-9 2014Q1-2015Q4中国手机网民规模数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

移动营销的发展在经历了初期的摸索后,现阶段已经进入高速增长期,营销形式逐渐多样化,社会化媒体营销、移动整合营销、移动大数据营销及程序化购买成为关注重点,如图1-10所示。利用移动互联网的私人性和场景化等优势,通过大数据技术对用户信息进行全面有效的利用,整合各种生态资源,构建更完整的移动营销生态链。图1-10 移动营销的发展阶段

移动营销的环境在初期的野蛮生长后,在日渐成熟之下,其发展环境也有了很大改变,相关法律法规逐步完善,行业秩序日趋规范。2011年,移动互联网、LTE、物联网、云计算、移动支付成“十二五”期间发展重点,互联网和移动互联网在“十二五”期间空前融合。2014年和2015年,政府密集出台移动互联网相关政策,对移动终端硬件进行规范化管理,设立移动互联网安全问题的管理规范,如表1-1所示。表1-1 “十二五”期间的互联网政策梳理

除了政府层面介入进行行业规范外,国内宏观经济环境也在推动移动互联网行业持续发展。数据显示,国民经济增速放缓但增长趋势不变,人均收入的提高为移动互联网业务的消费和使用提供了经济保障。电信业、广告业和互联网行业的彼此渗透和介入将有效刺激移动互联网的良性竞争,如图1-11所示。

另外,随着智能终端和移动互联网的快速发展,移动购物的便利性越来越突出。在主流电商平台的大力推动下,用户移动购物习惯已经养成。2015年有超半数的手机网民曾在移动端购物,规模达到3.64亿人。移动电商成交额首超PC端。据预测,2018年中国移动电商用户规模将接近5亿。图1-11 2010-2015年中国国内生产总值及其增长速度(上)及城镇和农民收入(下)数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》3.2 即时分析应用:零时差营销

用户移动购物的习惯已经养成,企业也相应地将营销重心转移到移动互联网上,对移动营销的需求日益增大。移动营销渐渐成为企业营销采取的重要手段,移动营销市场正不断扩大。iiMedia Research(艾媒咨询)数据显示,自2014年起,移动广告的投放占比不断提升,甚至反超传统媒体渠道广告,逐渐成为主流,如图1-12所示。图1-12 2014-2018年中国广告市场规模及预测数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

随着移动互联网的发展,移动广告市场结构也发生了一些变化。移动搜索广告和APP广告发展迅猛,占比不断扩大。iiMedia Research(艾媒咨询)数据显示,移动广告市场中短、彩信广告占比逐年下降,预测到2018年仅剩1.5%,短、彩信广告将逐渐退出舞台。另一方面,移动搜索广告和APP广告发展迅猛,艾媒咨询分析师预测,到2018年,移动广告市场将主要由APP广告(40.9%)和移动搜索广告(37.6%)构成,如图1-13所示。图1-13 2014-2018年中国移动广告市场规模及预测数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

移动广告逐渐成为不可或缺的媒介,相应的,这一产业链也正在日益完善。与传统互联网的“广告主—代理公司—广告平台—媒体”产业链不同,移动互联网的产业链参与者众多,产业链环节更加复杂,如图1-14所示。

产业链最上游的广告主是移动营销行业发展的原动力。部分广告主直接通过运营商,在移动媒体进行广告投放;也有广告主寻找终端商,在手机、平板、车载屏幕、可穿戴设备等终端进行投放,向受众传递信息。或者,对于有一定广告制作能力的广告主而言,可以直接通过移动广告平台、私有广告交易平台,进行精准的广告投放。不过,这类广告,通常有比较固定的受众群体,广告主对于自己的受众和广告投放目的有着清晰的估量。图1-14 移动广告产业链图解数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

或者没有能力自己开拓广告投放渠道,或者对于自己的受众仍然处于寻找、摸索阶段,或者希望借助更多元的形式进行传播,绝大多数广告主更常见的做法,是寻找广告代理公司进行传播。广告代理公司再通过运营商、终端商以及移动广告服务平台,进行适当投放。与传统广告投放最大的不同,便是移动广告服务平台的环节。

移动广告服务平台是产业链的核心,为广告主们带来了更为便利的移动营销方式—移动程序化购买。程序化购买指的是通过数字平台,代表广告主,自动地执行广告媒体购买的流程,其具有实时、高效、精准的显著优势。

目前,可以较常见的成熟应用,包括移动DSP、移动广告平台、DMP、广告交易平台、移动SSP等渠道,辅助ATD以及广告优化平台,到达移动媒体,再通过跨屏幕的终端,呈现在受众面前。

DSP(Demand Side Platform)是广告需求方平台。平台汇集各种广告交易平台、广告网络、供应方平台,甚至媒体库存,通过数据整合、分析实现基于受众的精准投放,为广告主提供跨媒介、跨平台、跨终端的广告投放方案,并且实时监控不断优化。由于移动DSP平台整合、优化了不同渠道的流量信息,广告主可以通过一个平台管理多个渠道的流量来源。相较于传统的人力购买,程序化购买的实现,包括实时竞价模式(RTB)和非实时竞价模式(Non-RTB)。这一过程依赖于需求方平台(DSP)和广告交易平台(Ad Exchange),避免复杂的媒体购买方式带来的资源浪费,如图1-15所示。图1-15 下一个风口:移动程序化购买

所谓的实时竞价(RTB),是移动程序化购买中较为常见的模式,其中包括广告主、移动DSP、广告交易平台、SSP、DMP等多个参与主体。DSP平台收集广告主的广告需求,互联网媒体将自己的广告流量资源提交到SSP,DSP和SSP通过与广告交易平台的技术对接的方式完成RTB竞价购买整个过程。

当受众访问一个广告发布媒体时,SSP向广告交易平台发送访问请求,随后广告位的具体信息则会经过DMP的分析、处理和需求匹配后发送给DSP,DSP将通过RTB的方式对此次广告展示进行竞价,价高者会获得这个广告展现机会,并被最终向该媒体实际的访问受众展示。整个过程从开始竞价到完成投放仅需100毫秒,可以视作实时。

衡量移动营销效果最重要的指标就是销售成绩、点击量、流量、转化率提升,然而广告主对于投放广告的效果,很难准确了解。因投放渠道的数据一般只是线上点击率、访问量,往往不能形成即时的转化率,并且数据来源相对独家,广告主很难校验真伪。艾媒咨询分析师总结,目前大部分企业在做移动营销的时候都会遇到非常多的困扰,排行最高的是缺乏有效的效果评估工具或者监测,第二块是如何对效果进行提升。排行最高的是缺乏一个效果评估工具。

广告主常遇到的坑有3种:第一种是投放的效果非常难监测,不知如何才能捕捉到这些用户以及每天投出去的渠道是否有效;第二种是数据跟效果不符合;第三种是误导性的投放,就是投放不精准。因此,目前广告主最需要的是第三方数据监测,商家都希望知道广告投去了哪里,被哪些人知道,或者广告费效果的差异性,这些都是目前商家和代理公司非常关心的一个问题。

因此,在移动网络广告投放产业链条中,移动广告效果监测的机构和软件开始崭露头角。目前,市面上获得较高认可度的ADiimedia移动广告效果监测系统,是由艾媒咨询自主研发的。系统通过专业的信息来源、去向、轨迹、行为、转化、流失、营销效果等全网监测,可以全方位地了解客户行为和动机,并通过定制数据进行深度剖析。此外,依托独家开发的ATC(Anti-cheating)信息技术,可以有效过滤虚报、刷量、作弊等投放平台的数据报告系统。通过大数据监测主要KPI指标实时在线更新,可以帮助投放公司及时发现问题,评估数据投资的详细情况,并且及时调整计划的准确性,令广告到达更为精准的用户群体,并刺激潜在用户,以更少的资源、更高的性价比实现更高的KPI指标。

由于程序化购买具有精准、高效的特点,能够很好地适应移动互联网带来的碎片化和跨屏化。艾媒咨询分析师认为,未来3年程序化交易将成为移动广告的重要组成部分,并有望成为下一个百亿级市场。3.3 挑战与机遇并存

在移动营销大行其道的今天,各行业企业面临的形势瞬息万变,风险挑战与日俱增,机遇也随之而来。移动营销形势下,企业的销售竞争压力大,对于不了解互联网广告投放的企业来说,成本控制难度增加,数据处理成本需要耗费大量资金,数据库的准确度低、全面性差,使得大数据营销难以落地执行。

而这种数据的不完整性,难以精准定位消费群体,未能明确了解消费群体,并且有针对性地进行信息传播,此前的投资,往往都只是打水漂。这种困境,往往令企业对于自身未来发展充满不确定性,这就更容易跟风而为,甚至引致决策失误。目前大部分企业不具备大数据应用能力,价值变现能力有待加强,在战略决策上使用时较为谨慎。可见,尽管移动时代革了营销方式的命,但现阶段给企业带来的更多还是风险。

不过,所谓祸兮福所倚,有危机自然就有机遇。招商银行就很好地抓住了这种精准营销的趋势,顺势推出的消费贷、生意贷、购房贷三大新型业务板块,提供与其他银行差异化的服务内容,开创“互联网+金融”服务新模式,抢占更多的用户群体,在互联网端赢取更多的粉丝。招商银行现阶段的移动广告传播,主要有两个策略。(1)深度本地化策略:以西安为例,在营销传播中,深入研究西安本地目标人群行为特征,从西安历史文化厚重这一显著特征作为切入点,将招商银行产品与西安古典文化相结合,再植入移动互联网元素,创造出能引起西安人情感深度共鸣与好感的内容来传播。(2)情景式互动策略:在本次传播中,针对产品理念、内容的传播这一大难点,利用营造对话式的场景,在人物的对话中植入产品信息,使目标受众更容易理解产品内容,对产品产生兴趣,激发购买欲。

然而,商海中更多的还是初创企业,是自身实力不够雄厚的公司。所以,为广告主提供一站式营销服务的公司也开始出现。这种营销服务的产业链,包括广告设计、广告策划、用户画像,以及精准推广。商海中也有自身就可以提供一条龙营销服务的公司。力美科技是中国较早涉足移动大数据的营销传媒集团,致力于打造大数据时代领先的移动数字营销生态圈,为全球范围的广告主提供基于大数据的移动营销服务。

自2011年成立以来,力美科技成立了力美广告、力竞广告、力美社群、力美互娱等全资子公司以及参股的多家科技创新公司,建立独家DSP平台,累积行业数据。融合力美建立的ADN模型,将行业数据标签化后,通过该模型精准分发广告资源。基于对广告资源监测,再通过DMP的移动广告信息数据平台进行效果监测,并分析得出新的优化效果,目前已完成以移动DSP、移动PDB、移动广告网络等为核心的全方位业务布局。

据力美科技CTO陈昱称,目前移动营销广告投放,主要涉及DSP、PDB、DMP及ADN 4个方面的技术。中国第一家与Google Double Click ADX实现RTB对接的移动广告平台,便是力美科技旗下的力竞广告(力美DSP),以独创的“DMP+移动DSP”模式及率先提出的“移动程序化场景营销”概念,通过对接国内外多个广告交易平台,和线上线下跨行多纬数据的整合利用,实现覆盖全球的基于“人群定向”的广告投放。

而整个移动广告投放过程中,广告投放效果才是广告主最关心的内容,如何呈现最佳的广告效果,是整个行业都在探索的。移动PDB(Mobile Programmatic Direct Buy),是以Non-RTB技术,通过移动程序化,在私有交易市场中直接购买。可以实现在不打扰广告主传统预算投入及排期的情况下,为广告主优化投放结果,提高明星或优质流量中广告投放的性价比,进一步提高可视化程度,为广告主带来更优质的流量选择和投放。

力美科技创始人舒义是目前力美的首席执行官,负责力美科技的整体战略和运营。据他介绍,PDB的优势,首先在于移动营销尤其是移动DSP所具备和积累的技术实力和经验,其次在于DMP在移动数据广度和深度上的深厚积累,第三则在于移动营销领域积累的投放资源。正如力美科技的全方位产业布局,在完成以移动广告网络、移动DSP、自媒体社群和视频娱乐的核心产业后,力美与double click、inmobi、芒果和优酷平台建立了广告交易合作伙伴关系,可以在这些用户达到一定量级的平台进行广告交易。

力美科技的营销副总裁别星表示:“更好地服务用户,进一步优化投放渠道,是力美一直在追求和改进的。”通过与全国最大的商业Wi-Fi聚合平台广告家及覆盖全国70%地铁Wi-Fi南方银谷的合作,2016年,力美DMP在线下数据上得到了极大的扩充,在原有12亿台移动设备数据、1.6万个人群标签的基础上,新增11个大类、120种POI信息,覆盖全国34省、367市、800个城市的3000个商圈,如图1-16所示。图1-16 力美科技公司数据采集及投放渠道

可见,除了需要分析广告主自身情况,广告投放机构,还需要明确用户的使用行为。在目标用户使用最多的终端、使用最久的时间段进行广告投放,才是所谓的精准营销,才可能有事半功倍的效果。

由于移动广告的特殊性,在投放移动广告之前,需要先了解网民各场景下使用手机的应用。iiMedia Research(艾媒咨询)数据显示,在家观看移动视频的用户占中国手机网民总数的56%,即时通信社交应用的使用场景分布较广,生活服务类应用在外出购物、户外运动、旅游、出差与外出就餐等场景下的使用频率较高,如表1-2所示。表1-2 2015年中国手机网民各场景下使用的手机应用数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

在移动营销场景下,中国手机网民对移动广告并没有过度排斥。iiMedia Research(艾媒咨询)数据显示,63.5%的中国手机网民很少主动点击移动广告,但仍有43.1%的用户愿意参与步骤简单的广告互动。广告形式的互动性、广告内容的个性化和可分享功能是吸引手机网民主动点击移动广告的主要因素,如图1-17所示。图1-17 2015年中国手机网民对移动广告的反应方式(上)及主动点击移动广告的场景分布(下)数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

iiMedia Research(艾媒咨询)数据显示,轻松娱乐或缓解压力是阅读移动广告的首要动机。娱乐性与实用性是中国手机网民对移动广告内容较为看重的因素。其中有47.3%的用户表示会主动获取轻松娱乐的广告来缓解压力,如图1-18所示。图1-18 2015年中国手机网民希望移动广告内容带来的益处数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

根据调查发现,在移动广告中,网民对搜索广告最反感,另外,推送频率过高最易引起反感。iiMedia Research(艾媒咨询)数据显示,搜索类广告(38.9%)是中国手机网民最为反感的移动广告形式,其次为社交媒体信息流广告(35.9%)。广告推送频率过高和妨碍应用使用是造成手机网民不满的主要原因,分别有47.9%和44.3%,如图1-19所示。图1-19 2015年中国手机网民较为反感的移动广告形式(上)及其不满的主要原因(下)数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

看过了网民最反感的移动广告形式,现在来看看网民较为感兴趣的移动广告形式。iiMedia Research(艾媒咨询)数据显示,互动分享(39.1%)、定向推送(35.3%)和短视频广告(29.3%)是中国手机网民较为感兴趣的移动广告形式,如图1-20所示。图1-20 2015年中国手机网民较为感兴趣的移动广告形式数据来源:iiMedia Research(艾媒咨询)《2015—2016年中国移动营销发展研究》

总而言之,许多企业早已意识到这是大数据时代,也希望能够获取数据,但是自己获取数据说起来容易,做起来极为困难,且耗费人力物力巨大,此时,一种便利的形式就是与拥有或能抓取海量数据的平台、企业及政府机构合作。企业在移动营销进程中,需要海量的数据进行支撑,然而并非每一个企业都能依靠自己抓取到足够的海量数据,目前大部分企业不具备大数据应用能力,价值变现能力有待加强,在战略决策上使用时较为谨慎。因此,这种时候就需要与一些拥有或能抓取海量数据的平台、企业以及政府机构合作,借助他们抓取数据的能力来为自己的移动营销打基础,形成事半功倍的效果。

当企业获取了海量数据后,往往无法判断这些数据是否就是贴近企业自身发展情况的数据,也无法确保数据的相关性。这种时候,建立企业自己在互联网上的平台就显得尤为重要。目前大数据的数量和质量差距使大数据营销难以落地执行,另一方面,用户营私泄露也逐渐成为一个引起关注的问题。为了确保获取的数据与企业本身的高度相关性,企业需要建立自己在互联网上的平台,从自己的平台中来获取数据,才能更准确也更贴近企业本身的实际情况。

当企业已经具备海量数据,同时确保这些数据与企业本身的相关性较大时,企业需要从这些数据中挖掘出对自身发展有价值的点,当企业自己无法实现时,与大数据分析和挖掘公司合作不失为一个良策。

试读结束[说明:试读内容隐藏了图片]

下载完整电子书


相关推荐

最新文章


© 2020 txtepub下载