
未來營(yíng)銷闖關(guān)標(biāo)配:大數(shù)據(jù)+智能硬件
像手機(jī)這樣的智能設(shè)備不僅是人們時(shí)刻不離的隨身物,更是生產(chǎn)數(shù)據(jù)的來源。而如今,大數(shù)據(jù)已成為企業(yè)中與資產(chǎn)、能源同等重要的戰(zhàn)略資源。如何從海量數(shù)據(jù)中挖掘有價(jià)值的洞見、更準(zhǔn)確地預(yù)見未來,成為企業(yè)營(yíng)銷管理工作的重中之重。
想要做出精彩的創(chuàng)意、拉近與消費(fèi)者的距離、準(zhǔn)確傳遞企業(yè)的信息,營(yíng)銷官們需要深度交往大數(shù)據(jù)和智能硬件這兩個(gè)新的小伙伴。
數(shù)據(jù)技術(shù)的三個(gè)發(fā)展階段
從大數(shù)據(jù)中挖金,需要我們回顧數(shù)據(jù)技術(shù)的發(fā)展歷史。
第一階段:數(shù)據(jù)倉(cāng)庫(kù)(Data House)時(shí)代。在20世紀(jì)90年代,以電信和銀行企業(yè)為代表,企業(yè)將內(nèi)部交易性數(shù)據(jù)做了一個(gè)集成,進(jìn)行整合分析,形成企業(yè)內(nèi)部的數(shù)據(jù)倉(cāng)庫(kù)。這些數(shù)據(jù)被ERP(企業(yè)資源管理計(jì)劃)和CRM(企業(yè)客戶管理系統(tǒng))所使用,提供企業(yè)決策提供一些支持。
第二階段:Web 2.0時(shí)代。互聯(lián)網(wǎng)的興起讓百度、騰訊、阿里、google、雅虎等互聯(lián)網(wǎng)公司在除了企業(yè)內(nèi)部數(shù)據(jù)之外,還拿到了用戶消費(fèi)者在網(wǎng)上的點(diǎn)擊流的點(diǎn)擊數(shù)據(jù)來做大數(shù)據(jù)分析。此時(shí)大數(shù)據(jù)分析的成果主要體現(xiàn)在精準(zhǔn)推薦,比如“猜你喜歡”、百度小廣告等等。
第三階段:IoT和O2O時(shí)代。包括可穿戴設(shè)備、智能家居在內(nèi)的智能硬件興起再次擴(kuò)充了數(shù)據(jù)的范圍。通過智能硬件可以收集到用戶談話的語音、社交媒體發(fā)表的狀態(tài)、線下行為軌跡流、支付交易數(shù)據(jù)等等。這些數(shù)據(jù)的產(chǎn)生速度和量級(jí)都遠(yuǎn)遠(yuǎn)超過之前兩個(gè)時(shí)代,對(duì)數(shù)據(jù)技術(shù)的要求也大大提升了。IoT時(shí)代里,大數(shù)據(jù)能夠做到場(chǎng)景化的推薦,知曉消費(fèi)者在此時(shí)此地的情況,結(jié)合其歷史數(shù)據(jù)信息,進(jìn)行更加精準(zhǔn)的推薦。
行為數(shù)據(jù)還原用戶畫像
關(guān)鍵詞組成用戶畫像已是營(yíng)銷官們熟悉的用戶分析手段和解釋方式。過去進(jìn)行的數(shù)據(jù)分析是一條條地分析網(wǎng)頁(yè)信息流,捕捉其中關(guān)鍵詞,打上標(biāo)簽,最終生成用戶畫像。因此ERP和CRM系統(tǒng)對(duì)于企業(yè)來說非常重要。
通過智能硬件設(shè)備,完全可以收集到用戶的行為軌跡信息。現(xiàn)在商城都會(huì)提供免費(fèi)WIFI,如果商場(chǎng)提供的是智能WIFI,那就可以在用戶免費(fèi)使用WIFI的時(shí)候掌握他們的行為數(shù)據(jù)。
用戶連接智能WIFI之后,企業(yè)就可以捕捉到他在每一家店里面的行為軌跡是怎么樣的,在哪家店鋪里停留的時(shí)間長(zhǎng),有什么樣的消費(fèi)偏好等等。這些數(shù)據(jù)已經(jīng)不是點(diǎn)擊流,而是用戶在線下逛商店的時(shí)候自然產(chǎn)生的。
移動(dòng)端蘋果的iOS系統(tǒng)和安卓適用的Beacon技術(shù)是通過藍(lán)牙掌握消費(fèi)者的行為數(shù)據(jù),也能對(duì)其進(jìn)行個(gè)性化的推薦。
某商場(chǎng)利用智能設(shè)備采集到的線下客流熱區(qū)圖
除了智能WIFI之外,商戶還可以設(shè)置智能攝像頭和智能POS機(jī)。智能攝像頭可以甄別用戶熱區(qū)、感應(yīng)用戶的行為軌跡,由此可以判斷店內(nèi)商品展示是否合理。智能POS機(jī)可以在用戶刷卡的一霎那將交易的數(shù)據(jù)明細(xì)上傳到云端。
因此,一張用戶行為畫像就如同上圖所示,時(shí)間越長(zhǎng)、用戶的偏好越重、主要行為關(guān)鍵數(shù)據(jù)就越明顯。消費(fèi)者不用簽到、不用發(fā)朋友圈、也不用發(fā)任何評(píng)價(jià),企業(yè)就能了解到他的消費(fèi)水平、習(xí)慣和偏好,針對(duì)此進(jìn)行個(gè)性化的推薦。
人臉識(shí)別作為用戶ID
微軟小冰今年夏天重回朋友圈,解密了一個(gè)全新黑科技“合影解密計(jì)”。該技能就是人臉識(shí)別技術(shù)通過性別、年齡、顏值、面容相似度、姿態(tài)趨向和細(xì)微的人類小動(dòng)作,進(jìn)而扒出照片中隱藏的八卦關(guān)系。
這只是人臉識(shí)別技術(shù)的初步應(yīng)用,現(xiàn)在人臉識(shí)別技術(shù)已經(jīng)能夠做到比較精準(zhǔn)的識(shí)別。未來,在用戶同意的情況下,人臉也可以作為身份識(shí)別的ID。那么用戶的購(gòu)物場(chǎng)景也會(huì)發(fā)生非常有意思的變化。
過去導(dǎo)購(gòu)人員需要觀察一位進(jìn)店客人的穿著、行為等,初步估算該顧客的客單價(jià),大致猜測(cè)他可能會(huì)購(gòu)買的東西;通過跟顧客聊天交流猜測(cè)用戶的喜好,進(jìn)行推薦。
有了智能硬件之后就大有不同。企業(yè)獲取顧客人臉識(shí)別的信息,通過智能眼鏡或是耳機(jī)告知導(dǎo)購(gòu)。導(dǎo)購(gòu)看到消費(fèi)者的時(shí)候已經(jīng)知道了他是誰、他的喜好和他過去的消費(fèi)記錄。
智能硬件在這里是作為大數(shù)據(jù)的出口。智能硬件調(diào)用了過去的數(shù)據(jù),將大數(shù)據(jù)平臺(tái)給到的推薦,經(jīng)過導(dǎo)購(gòu)人腦處理再推薦給用戶。導(dǎo)購(gòu)在從跟客戶打招呼開始就能像老朋友聊天一般地進(jìn)行溝通和推薦。讓消費(fèi)者可以感受到以前只能在奢侈品vip才能體驗(yàn)到的貼心服務(wù)。
數(shù)據(jù)安全需要環(huán)環(huán)把關(guān)
數(shù)據(jù)技術(shù)發(fā)展到IoT和O2O時(shí)代,智能硬件是大數(shù)據(jù)重要的入口和出口。用戶大量的個(gè)人信息、行為數(shù)據(jù)和消費(fèi)數(shù)據(jù)等等都被企業(yè)收集起來。
在享受數(shù)據(jù)帶給企業(yè)營(yíng)銷的便利的同時(shí),對(duì)數(shù)據(jù)安全的把控也是需要著力鉆研的部分。數(shù)據(jù)安全包括網(wǎng)絡(luò)、接口等技術(shù)安全問題以及企業(yè)內(nèi)部的數(shù)據(jù)管控問題。
網(wǎng)絡(luò)基礎(chǔ)設(shè)施安全。基礎(chǔ)網(wǎng)絡(luò)是很重要的部分。很多時(shí)候大數(shù)據(jù)出現(xiàn)安全問題都是因?yàn)榛A(chǔ)網(wǎng)絡(luò)被攻破、被盜取了應(yīng)用授權(quán)或管理員授權(quán)而造成數(shù)據(jù)泄露。另外,智能硬件與互聯(lián)網(wǎng)和云端大數(shù)據(jù)的配合會(huì)讓數(shù)據(jù)傳輸經(jīng)歷層層接口。
手機(jī)應(yīng)用上的SDK(數(shù)據(jù)采集包)是否安全,決定著數(shù)據(jù)會(huì)不會(huì)在本地就被盜取。采集端的安全需要特別設(shè)置,保證它有驗(yàn)證,能自我檢查,自我升級(jí)。在數(shù)據(jù)上傳到云端的時(shí)候,云端和客戶端的接口安全也需要特別注意,防攻擊、防篡改、防模擬登陸這些保障都要測(cè)試。
大數(shù)據(jù)本身也可以對(duì)這塊做監(jiān)控。因?yàn)檎I蟼鞯臄?shù)據(jù)流一般都會(huì)有固定的模式,如果上傳時(shí)發(fā)現(xiàn)異常數(shù)據(jù)流,也可以將其識(shí)別出來,進(jìn)行反攻擊。國(guó)外現(xiàn)在有一些創(chuàng)業(yè)公司就在專門進(jìn)行這一方面的應(yīng)用研究。
企業(yè)內(nèi)部數(shù)據(jù)管控。數(shù)據(jù)在企業(yè)內(nèi)部的安全問題主要是體現(xiàn)在數(shù)據(jù)管控方面。這就包括誰應(yīng)該能夠有什么樣的權(quán)限去保衛(wèi)什么樣的東西,數(shù)據(jù)的整個(gè)管理機(jī)制是什么,授權(quán)流程是什么,怎么能夠去保證他拿到他需要的數(shù)據(jù)之后,沒有拿其他數(shù)據(jù)。
每個(gè)企業(yè)的數(shù)據(jù)管控都應(yīng)該有嚴(yán)格的流程。無論是采集程序還是智能硬件在采集用戶數(shù)據(jù)的時(shí)候,都需要經(jīng)歷法律團(tuán)隊(duì)和技術(shù)安全測(cè)試團(tuán)隊(duì)的雙重檢測(cè)和審批。
法律團(tuán)隊(duì)主要查看該產(chǎn)品對(duì)用戶的數(shù)據(jù)需求是否符合當(dāng)?shù)胤煞ㄒ?guī),而技術(shù)安全團(tuán)隊(duì)是一個(gè)像黑客一樣的團(tuán)隊(duì)不斷地進(jìn)行攻擊模擬,測(cè)試數(shù)據(jù)在各個(gè)端口的傳輸是否會(huì)出現(xiàn)安全問題。
大數(shù)據(jù)與智能硬件的配合是營(yíng)銷升級(jí)的必備利器。然而,真正的數(shù)據(jù)分析決策必定是一個(gè)人腦加電腦的共同結(jié)果。
智能硬件與大數(shù)據(jù)的組合其實(shí)是延伸了營(yíng)銷官們的眼睛和耳朵,讓他們不用經(jīng)歷繁瑣復(fù)雜的問卷、焦點(diǎn)小組等市場(chǎng)調(diào)研就能迅速了解消費(fèi)者。與此同時(shí),在執(zhí)行營(yíng)銷策略時(shí),智能硬件也能成為營(yíng)銷官們的手臂,為用戶打造一個(gè)個(gè)性化定制推薦的消費(fèi)場(chǎng)景。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10