Big Data大數(shù)據(jù)重塑營(yíng)銷_數(shù)據(jù)分析師

IBM的超級(jí)計(jì)算機(jī)Watson2011年在美國(guó)著名電視問(wèn)答節(jié)目《Jeopardy》上擊敗節(jié)目歷史上最厲害的兩位選手后，便一舉成名。它能夠以極快的速度處理數(shù)百萬(wàn)份以人類文字語(yǔ)言書(shū)寫(xiě)的文件——一般來(lái)說(shuō)，電腦處理傳統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)文件毫無(wú)問(wèn)題，但Waston的絕招在于同樣可以閱讀非結(jié)構(gòu)性文件，即那些電子郵件、新聞報(bào)告、網(wǎng)站中的信息。

最終，花旗銀行花大價(jià)錢(qián)聘請(qǐng)了Watson，要借用它對(duì)這些文件的處理能力來(lái)幫助決定應(yīng)該對(duì)一個(gè)客戶提供哪些新的產(chǎn)品和服務(wù)。它的第一份工作很可能是降低欺詐案件概率，以及搜尋哪些客戶有信用度降低的跡象。

這是大數(shù)據(jù)時(shí)代的一個(gè)故事。

大數(shù)據(jù)改變未來(lái)

“大數(shù)據(jù)”熱潮最近的一次推力來(lái)自于2011年10月份McKinsey&Company發(fā)布的報(bào)告《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿（Big Data：Next Frontier of Innovation,Competition,Productive）》。

報(bào)告指出，“大數(shù)據(jù)”源于數(shù)據(jù)生產(chǎn)和收集的能力和速度的大幅提升——由于越來(lái)越多的人、設(shè)備和傳感器通過(guò)數(shù)字網(wǎng)絡(luò)連接起來(lái)，產(chǎn)生、傳送、分享和訪問(wèn)數(shù)據(jù)的能力也得到徹底變革。2010年，超過(guò)40億人(世界人口的60%)在使用手機(jī)，其中約12%擁有智能電話——其滲透率以每年20%以上的速度增長(zhǎng)。如今，3000多萬(wàn)聯(lián)網(wǎng)傳感器節(jié)點(diǎn)分布在交通、汽車(chē)、工業(yè)、公用事業(yè)和零售部門(mén)，其數(shù)量正以每年30%以上的速度增長(zhǎng)。

“大數(shù)據(jù)”趨勢(shì)將會(huì)在5個(gè)方面提供價(jià)值：

數(shù)據(jù)的高透明度及廣泛可獲取性：一些制造商正試圖集成多種系統(tǒng)的數(shù)據(jù)，甚至從外部供應(yīng)商和客戶處獲取數(shù)據(jù)來(lái)共同制造產(chǎn)品。以汽車(chē)這類先進(jìn)制造行業(yè)為例，全球供應(yīng)商生產(chǎn)著成千上萬(wàn)的部件。集成度更高的平臺(tái)將使公司及其供應(yīng)鏈合作伙伴在設(shè)計(jì)階段就開(kāi)始協(xié)作。

決策驗(yàn)證對(duì)競(jìng)爭(zhēng)方式的影響：大數(shù)據(jù)可能使決策制定發(fā)生根本性的改變。利用可控實(shí)驗(yàn)，公司可驗(yàn)證假設(shè)、分析結(jié)果以指導(dǎo)投資決策及運(yùn)作改變。

應(yīng)用于廣泛的實(shí)時(shí)的用戶定制及其對(duì)企業(yè)的影響：面向用戶的企業(yè)已長(zhǎng)期利用數(shù)據(jù)來(lái)細(xì)分和定位用戶。大數(shù)據(jù)實(shí)現(xiàn)了用戶定制的質(zhì)的飛躍，使得實(shí)時(shí)個(gè)性化成為可能。下一代零售商通過(guò)互聯(lián)網(wǎng)點(diǎn)擊流可跟蹤個(gè)體用戶的行為，更新其偏愛(ài)，并實(shí)時(shí)模仿其可能的行為。

大數(shù)據(jù)對(duì)管理的改變及替代作用：大數(shù)據(jù)能進(jìn)一步提高算法和機(jī)器分析的作用。一些制造商利用算法來(lái)分析來(lái)自生產(chǎn)線的傳感數(shù)據(jù)，創(chuàng)建自動(dòng)調(diào)節(jié)過(guò)程以減少損失，避免成本高昂（且有時(shí)具危險(xiǎn)性）的人工干預(yù)，最終增加產(chǎn)出。

建立基于數(shù)據(jù)的商業(yè)模型：大數(shù)據(jù)催生了新類型的公司，其能建立由信息驅(qū)動(dòng)的商業(yè)模型。許多公司都在價(jià)值鏈中發(fā)揮中間作用，通過(guò)商業(yè)交易創(chuàng)建極具價(jià)值的“排出數(shù)據(jù)”。如一家運(yùn)輸公司收集了大量的全球產(chǎn)品出貨信息，并專門(mén)建立一個(gè)部門(mén)負(fù)責(zé)向經(jīng)濟(jì)預(yù)測(cè)方銷售數(shù)據(jù)。

思維與應(yīng)用的鴻溝

大數(shù)據(jù)的價(jià)值聽(tīng)起來(lái)十分鼓舞人心，而在實(shí)際的營(yíng)銷活動(dòng)中，營(yíng)銷人對(duì)大數(shù)據(jù)的應(yīng)用情況又如何？

Columbia Business School今年推出報(bào)告《Marketing ROI in the Era of Big Data》中指出，雖然91%的公司高層營(yíng)銷管理人員認(rèn)為成功的品牌需要使用客戶數(shù)據(jù)來(lái)做營(yíng)銷決策，然而觀察他們收集數(shù)據(jù)的類型，只有35%的公司會(huì)收集社交媒體數(shù)據(jù)、19%會(huì)收集移動(dòng)數(shù)據(jù)；其中51%的人指出在他們組織內(nèi)部缺乏分享客戶數(shù)據(jù)的機(jī)制，阻礙了他們有效衡量營(yíng)銷ROI，45%的人認(rèn)為公司沒(méi)有利用數(shù)據(jù)有效地將營(yíng)銷溝通個(gè)性化。

營(yíng)銷領(lǐng)域真正的進(jìn)展似乎并不符合大數(shù)據(jù)熱浪的如火如荼之勢(shì)，正如報(bào)告撰寫(xiě)者指出，“我們希望了解到底現(xiàn)在人們?cè)谟脭?shù)據(jù)做營(yíng)銷這條路上走了多遠(yuǎn)，大數(shù)據(jù)的熱潮是否真正地促使?fàn)I銷者實(shí)踐的改變，但迄今為止，營(yíng)銷領(lǐng)域的大數(shù)據(jù)實(shí)踐依然剛剛開(kāi)始，在許多公司組織中，有效利用數(shù)據(jù)做營(yíng)銷的實(shí)際進(jìn)展要落后于人們實(shí)際的意愿。”

那么，在大數(shù)據(jù)熱潮撲面而來(lái)的時(shí)候，究竟給營(yíng)銷者帶來(lái)哪些機(jī)遇和挑戰(zhàn)？《成功營(yíng)銷》系統(tǒng)梳理營(yíng)銷產(chǎn)業(yè)鏈上的相關(guān)各方觀點(diǎn)與案例，希望能給企業(yè)加入大數(shù)據(jù)營(yíng)銷做出參考。

大數(shù)據(jù)落地1+1>2的營(yíng)銷未來(lái)

如果將這兩個(gè)數(shù)據(jù)源進(jìn)行對(duì)接，并且能夠保持實(shí)時(shí)更新，營(yíng)銷的游戲規(guī)則將會(huì)隨之而變：消費(fèi)者洞察和預(yù)測(cè)分析這兩個(gè)營(yíng)銷最重要的領(lǐng)域，會(huì)獲得前所未有的價(jià)值發(fā)掘。

什么樣的實(shí)時(shí)優(yōu)惠對(duì)某個(gè)用戶更有效？基于此用戶的偏好，哪種網(wǎng)絡(luò)頁(yè)面能產(chǎn)生更好的服務(wù)效果？當(dāng)一個(gè)潛在客戶填寫(xiě)了網(wǎng)頁(yè)表格后，跟他敲定一筆交易的可能性有多大？在一天的特定時(shí)間段中，哪種促銷方式最有效？當(dāng)一個(gè)用戶被營(yíng)銷活動(dòng)覆蓋到后，他在六個(gè)月內(nèi)購(gòu)買(mǎi)的機(jī)會(huì)有多大？

在大數(shù)據(jù)時(shí)代，這些問(wèn)題都會(huì)找到答案。對(duì)于營(yíng)銷這一原本就屬于數(shù)據(jù)驅(qū)動(dòng)的領(lǐng)域，大數(shù)據(jù)提供了一個(gè)前所未有的機(jī)會(huì)，用先前不能做到的方式來(lái)挖掘消費(fèi)者洞察。

那么在大數(shù)據(jù)時(shí)代之前，我們通常利用哪些營(yíng)銷數(shù)據(jù)？答案是：CRM系統(tǒng)中的顧客信息、廣告效果、展覽等線下活動(dòng)的效果等。這些數(shù)據(jù)來(lái)源都提供了一些信息，但是并不足夠給出一個(gè)重要的洞察和發(fā)現(xiàn)。

讓我們?cè)賮?lái)另外一批信息數(shù)據(jù)：官方網(wǎng)站登錄數(shù)據(jù)、社交媒體數(shù)據(jù)、郵件數(shù)據(jù)、地理位置數(shù)據(jù)等。

這些信息源在幾年前可能并不存在，而這些就是“大數(shù)據(jù)”所指的非結(jié)構(gòu)性或者叫做多元機(jī)構(gòu)性數(shù)據(jù)，它們更多以文字、圖片、視頻等方式出現(xiàn)，而且這些數(shù)據(jù)來(lái)源還在不斷增加。

而如果將這兩個(gè)數(shù)據(jù)源進(jìn)行對(duì)接，并且能夠保持實(shí)時(shí)更新，營(yíng)銷的游戲規(guī)則將會(huì)隨之而變：消費(fèi)者洞察和預(yù)測(cè)分析這兩個(gè)營(yíng)銷最重要的領(lǐng)域，會(huì)獲得前所未有的價(jià)值發(fā)掘。

比如微軟正在通過(guò)對(duì)論壇、社交媒體上內(nèi)容的監(jiān)測(cè)，來(lái)發(fā)現(xiàn)人們對(duì)微軟產(chǎn)品和營(yíng)銷活動(dòng)的反應(yīng)，這個(gè)夏天微軟Window8發(fā)布后，就采用了傳統(tǒng)數(shù)據(jù)收集和實(shí)時(shí)數(shù)據(jù)收集的兩種手法，“我們對(duì)網(wǎng)絡(luò)反饋信息的收集是連續(xù)的和實(shí)時(shí)的，我們也依然使用傳統(tǒng)的消費(fèi)者滿意度調(diào)研，最終會(huì)將兩者產(chǎn)生的數(shù)據(jù)結(jié)合起來(lái)進(jìn)行分析。但是前者那種以日為單位的市場(chǎng)信息捕捉，能夠使我們更快地對(duì)市場(chǎng)做出反應(yīng)。

總的來(lái)說(shuō)，大數(shù)據(jù)的到來(lái)將在以下幾方面改變?cè)械臓I(yíng)銷流程，或者營(yíng)銷效果：

對(duì)原有營(yíng)銷方式價(jià)值的再次發(fā)掘。IBM的一個(gè)商業(yè)合作伙伴正在研究讓呼叫中心產(chǎn)生的所有對(duì)話轉(zhuǎn)換成文字，從而可以實(shí)現(xiàn)對(duì)這一營(yíng)銷渠道的數(shù)據(jù)挖掘?！斑@能夠讓市場(chǎng)部門(mén)獲得之前沒(méi)有的消費(fèi)者洞察，知道消費(fèi)者對(duì)品牌的感受以及他們?cè)趺椿貞?yīng)新產(chǎn)品”，IBM新興技術(shù)項(xiàng)目總監(jiān)Peter Waggett稱更深入挖掘數(shù)據(jù)會(huì)幫助許多公司找到商業(yè)問(wèn)題解決方案。

更好地對(duì)營(yíng)銷策略進(jìn)行優(yōu)化。麥當(dāng)勞的部分門(mén)店安裝了搜集運(yùn)營(yíng)數(shù)據(jù)的裝置，用于跟蹤客戶互動(dòng)、店內(nèi)客流和預(yù)訂模式，研究人員可以對(duì)菜單變化、餐廳設(shè)計(jì)以及培訓(xùn)等是如何對(duì)勞動(dòng)生產(chǎn)力和銷售額的影響進(jìn)行建模；一些領(lǐng)先的零售企業(yè)也監(jiān)控客戶的店內(nèi)走動(dòng)情況以及與商品的互動(dòng)。它們將這些數(shù)據(jù)與交易記錄相結(jié)合來(lái)展開(kāi)分析，從而在銷售哪些商品、如何擺放貨品以及何時(shí)調(diào)整售價(jià)上給出意見(jiàn)，此類方法已經(jīng)幫助某領(lǐng)先零售企業(yè)減少了17%的存貨，同時(shí)在保持市場(chǎng)份額的前提下，增加了高利潤(rùn)率自有品牌商品的比例。

除了線下活動(dòng)優(yōu)化外，還可以根據(jù)消費(fèi)者在網(wǎng)絡(luò)上的表現(xiàn)來(lái)優(yōu)化網(wǎng)站的體驗(yàn)，比如eBay就做過(guò)數(shù)千次實(shí)驗(yàn)來(lái)改變自己網(wǎng)站不同部分的架構(gòu)，來(lái)確定最優(yōu)的頁(yè)面效果和其他諸如導(dǎo)航、照片等功能的設(shè)置。

更完整的消費(fèi)者描述。通過(guò)更豐富的消費(fèi)者數(shù)據(jù)，包括網(wǎng)站瀏覽數(shù)據(jù)、社交數(shù)據(jù)和地理追蹤數(shù)據(jù)等，可以繪制出更完整的消費(fèi)者行為描述。比如英國(guó)葛蘭素史克GSK公司，近期就發(fā)起了一個(gè)項(xiàng)目，獲取更完整的消費(fèi)者信息，從而獲得更加深入的消費(fèi)者洞察。他們通過(guò)定位那些談?wù)撨^(guò)旗下子品牌的人們，并且追蹤他們?cè)诠_(kāi)論壇上所談到的所有其他東西，來(lái)建立消費(fèi)者描述，而這些外部數(shù)據(jù)會(huì)和營(yíng)銷部門(mén)已有的數(shù)據(jù)進(jìn)行整合，從而設(shè)定更為精準(zhǔn)的優(yōu)惠和促銷，吸引人們來(lái)到對(duì)應(yīng)的子品牌網(wǎng)站?！斑@是個(gè)不成熟的市場(chǎng)，但是品牌必須要了解怎么利用這些數(shù)據(jù)”，該公司CRM部門(mén)顧問(wèn)James Parker說(shuō)道。

更精細(xì)的消費(fèi)者細(xì)分。這一功能基于上面一條“更完整消費(fèi)者描述”的實(shí)現(xiàn)。消費(fèi)者細(xì)分不是一個(gè)新鮮的概念，但是大數(shù)據(jù)時(shí)代中更多的數(shù)據(jù)，以及更好的分析工具，使商家能夠以多種不同的維度對(duì)消費(fèi)者進(jìn)行細(xì)分，不僅僅是簡(jiǎn)單的劃分群體，而是真正做到個(gè)性化。比如在原有的傳統(tǒng)市場(chǎng)調(diào)研數(shù)據(jù)和購(gòu)物歷史數(shù)據(jù)之上，商家可以追蹤和利用更多數(shù)據(jù)如網(wǎng)絡(luò)上的點(diǎn)擊，瀏覽記錄，來(lái)更好地細(xì)分消費(fèi)者。

高端零售商N(yùn)eiman Marcus就建立了行為分類體系和多級(jí)會(huì)員獎(jiǎng)勵(lì)制度的體系，并將兩者結(jié)合起來(lái)，來(lái)激勵(lì)最富裕、最具長(zhǎng)期價(jià)值的客戶購(gòu)買(mǎi)更多高利潤(rùn)率的產(chǎn)品；零售商Williams Sonoma也將他們6000萬(wàn)的顧客數(shù)據(jù)庫(kù)和其家庭信息鏈接起來(lái)，通過(guò)了解這些家庭的收入、房屋價(jià)值和孩子數(shù)量等對(duì)顧客進(jìn)行精準(zhǔn)劃分，其電子直郵郵件是根據(jù)不同消費(fèi)者群體的行為方式和選擇偏好來(lái)設(shè)定的，而基于這些信息的直郵郵件所獲得的反饋數(shù)量是之前沒(méi)有進(jìn)行精準(zhǔn)化的18倍。

最終完成真正精準(zhǔn)化的營(yíng)銷：這一精準(zhǔn)性包括精準(zhǔn)的時(shí)間、地點(diǎn)、人物。理想的一個(gè)案例是：當(dāng)一個(gè)顧客進(jìn)入店鋪后，一個(gè)零售商搜索他們的數(shù)據(jù)庫(kù)，發(fā)現(xiàn)這位顧客是其希望留住的有價(jià)值顧客，之后他們通過(guò)將其過(guò)去的購(gòu)物歷史和Facebook主頁(yè)獲得的這位顧客的信息綜合起來(lái)，來(lái)了解需要花多少錢(qián)來(lái)留住他，從而確定所售賣(mài)物品的合適價(jià)格和零售商可以退讓的利潤(rùn)空間，針對(duì)這一位顧客給出最佳的優(yōu)惠策略和個(gè)性化的溝通方式。因此，營(yíng)銷者最大的機(jī)會(huì)——在恰當(dāng)?shù)臅r(shí)間、恰當(dāng)?shù)那澜o一個(gè)潛在用戶或者老客戶提供最合適的產(chǎn)品和營(yíng)銷——將最終實(shí)現(xiàn)。

大數(shù)據(jù)——根據(jù)維基百科的解釋，“大數(shù)據(jù)”指的是“普通軟件工具不能在一定時(shí)間內(nèi)抓取、管理以及處理能力的數(shù)據(jù)集合”，而另一個(gè)常見(jiàn)的描述是3V——Volume（規(guī)模）、Variety（種類）和Velocity（速度），即在這三個(gè)維度上都超出傳統(tǒng)工具能夠應(yīng)付的數(shù)據(jù)集合。