大数据，让营销更精确

客户世界 | 2015年7月13日 | 2013年 | 评论已关闭 | 1270

客户世界|吴勇毅|2013-03-14

前言

何为大数据？根据IDC机构的定义，大数据是指为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取有价值的信息而设计的新一代架构和技术，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

21世纪什么最贵？大数据

大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。

电影《天下无贼》里有这样一句经典对白：“21世纪什么最贵？人才！”如今选项可能还要加上一个：数据。而这数据已不是传统意义的一般数据，而是超大数据、海量数据，就是现在所谓的“大数据（Big Data）”。如今大数据可谓风起云涌、红红火火，俨然成为2012年信息技术领域最时髦的词汇，IBM 、微软、Oracle、SAP等IT巨鳄像是寻找到了新的金矿，开始全力挖掘大数据，多方位推广大数据理念，争抢“头烫汤”，而众多中小IT厂商也跟着蜂拥而至，以分得大数据市场一杯羹。

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂、变化的速度也极快。大数据呈现三种特性：Volume（极多的数据量）、Velocity（极快的处理速度）、Variety（极繁的数据种类）。Volume指的是数据量庞大，如今有许多企业已面临单日数据量以数十、数百TB（万亿字节，1TB=1024GB）的速度增加，而近几年累加的总数据量也达到了PB(1000个TB)甚至EB(一百万个TB)等级，这样的数据量已经让传统的数据库难以处理；Velocity是指企业数据增加的速度越来越快，如移动化、社交网络的广泛应用使得数据增加的速度比传统的企业应用程式来得快很多，一旦数据增生速度越快，数据处理、分析的速度也就得跟上；而Variety则是指数据的多样性、复杂性，一方面互联网不但产生文字资讯，同时也不断在产出与以往不同的数据：照片、视频、微博等，另一方面，IT遍及工作生活中的每个角落，各种各样的传感器、监控器不断产生，各种机器资讯数据的形式日趋复杂多样，从结构化数据到非结构化数据不断转化，这就催生了大数据技术的强烈需求。

今天从搜索引擎、社交网络的普及到人手一机的智能移动，全球互联网上的信息总量正以每年30～50% 的增速不断爆涨，包括每天Facebook 上分享的几亿条内容，每日15 TB 的 Twitter 信息，每天淘宝上数十亿条店铺、商品浏览纪录及上亿的成交、收藏纪录以及3000多万条传感器咨讯等等。市场研究机构IDC的研究结果显示，去年全球创造的信息数量达到1800EB，并且还以每年50%的速度高速增长；到2020年，全球每年产生的数字信息将达到35ZB（ 1ZB=1024EB）。据IDC 统计，2011 年全球所产生的数据总量是1.8ZB，如果把这些数据刻录到 CD 碟片中，这些碟片可环绕地球30圈！

“在大数据时代，信息将呈爆发式增长，而数据价值密度非常低，找到有价值的数据如同大海捞针，将通过什么样的产品平台和方式提炼数据价值关系到企业生存大计，颇值得大家以战略角度思索！”在2012年百度世界营销分论坛上，百度商业产品与技术执行总监郑子斌提出他对大数据时代的见解。

可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多。面对这些只是静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门如何通过系统功能来有效利用和整合来发掘有价值的数据，给公司营销管理提供决策支持，已成为摆在企业信息部门及其它管理部门面前的难题，而浩如烟海的客户及市场、销售和服务信息如果没有一个具有高度商业智能的数据分析和处理系统，则是不可想象的。用户想要从庞大海量的数据库中提取出对自己有用的信息，就离不开大数据分析技术和工具。事实证明，传统基于事实的商业管理系统如BI（智能分析系统）、CRM（客户管理系统）也能够为企业带来价值，但是今天一个优秀的大数据系统更能将数据挖掘技术与现有技术很好地结合起来。将特殊领域的商业逻辑与数据仓库技术集成起来，找出对未来企业战略具有影响的因素，使数据挖掘的分析效果和效益尽可能达到峰值，让企业营销管理能“运筹帷幄，决胜千里”。

大数据技术与BI或CRM一个主要区别在于其能在BI的基础上进行更大容量数据和非机构化数据处理。大数据分析不仅关注结构化的历史数据，它们亦能对Web、社交网络、RFID传感器等非结构化海量数据进行更好地分析、计算。整体相比BI、CRM而言，大数据是一个完美的大提升。当前适用于大数据的技术包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台以及互联网和可扩展的存储系统，另外也包含这些常规数据挖掘技术和分析技术：数据集市(Data Mart)、数据仓库(Data Warehouse, DW)；用户查询和报表(Query &Reports)；联机分析处理(On-Line Analytical Processing, OLAP)，也称为多维分析；数据挖掘(Data Mining)；关键绩效指标(KPI)；分析型应用(Analytic Application)。

像Facebook、Twitter这样面临数据量大爆炸的国际社交网络公司已经开始用Hadoop（分布式程序系统）基础架构、NoSQL（非关系型的数据库）等新兴大数据技术来解决海量市场信息问题并取得了成效。国内最大电子商务公司阿里巴巴也已在利用大数据技术提供具体服务，如阿里信用贷款与淘宝数据魔方。以淘宝数据魔方为例，利用淘宝平台上的大数据应用方案，商家可以了解淘宝平台上的行业宏观情况、自己品牌的销售情况、市场排名、消费者行为情况等，并可以据此作出经营决策。

大数据，重构精确营销模式

大数据时代之前，企业多从哪些平台提取数据、利用哪些营销数据？一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。而其它85%的数据如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据和包括数据量更大、逐渐广泛应用、以传感器为主的物联网信息以及风起云涌的移动3G互联网信息等等，这些就是大数据所指的非结构性或者叫做多元机构性所需的数据，它们更多以图片、视频等方式，几年前可能被置之度外，不会被运用，价值尚未被有效地挖掘，而今大数据能进一步提高算法和机器分析的作用，这类数据在如今竞争激烈的市场却日显宝贵、作用突出，并能被大数据技术所充分挖掘、运用。

对营销决策数据进行更好的优化。包括沃尔玛、家乐福、麦当劳等知名企业的一些主要门店均安装了搜集运营数据的装置用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾问意见等对物流和销售额的影响进行建模。这些企业可将这些数据与交易记录相结合起来并利用大数据工具展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见。此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。

以前相关一些CRM系统只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“你(用户)想要什么事发生”。据称，集成整合Essbase服务技术的Oracle大数据平台已能为用户提供面向策略级、未知信息分析预测能力和个性化自助式定制等。

对目标对象进行更完整的分析、描述。通过获取更丰富的消费者数据包括网站浏览数据、社交数据和地理追踪数据等可以绘制出更完整的消费者行为描述，譬如大数据技术能对客人方方面面的信息进行充分有效管理并深度挖掘。

如果某个客人是某酒店的老主顾，那么该大数据系统就会向酒店提供个性化服务，清楚告知酒店经理人这位客人的习惯和喜好，如是否喜欢靠路边、是否吸烟、是否喜欢大床、喜欢什么样的早餐，甚至从事什么工作、有什么商务需求等等。当客人再次光临时不用客人自己提出来，酒店大数据系统就会自动提供客人所喜欢的房间和服务等相关信息，大大提升酒店管理效率。

利用大数据中的语义搜索功能，系统能理解自然语言的含义，包括理解工作的头衔、技能、行业和教育等。除此之外，它可以做到智能地处理拼写错误、缩写、标点符号等更多问题，也能识别相同的词在不同语境中的含义，以便更好地为营销管理服务。例如销售经理，财务经理，人事经理，它们中都有“经理”二字，显然代表了不同的语义，借用语义搜索技术能对目标对象实现智能的区隔、判断。

实现点对点智能广告模式。对于广告主来说，广告核心问题在于如何从海量数据中寻找目标受众并投放相应的广告信息。

时下广告不是点对点模式的，而是主从模式，像单个“老师”（产品）对众多满地跑的“学生”（消费者等受众），可是“老师”却总是抓不住多数“学生”，把99%的广告费都扔了。随着大数据的发展，这些钱或者会被一一捡回来。

大数据能通过互联网点击流，可跟踪个体用户的行为以更新其偏爱，并实时模仿其可能的行为，让点对点的RTB（实时竞价广告）成为可能。在美国，在大数据的帮助下，RTB能把炙手可热的目标用户拍卖给广告商。以前，电梯里上来一个秃头的中年人，如果你在电梯里打的是洗发水广告，那肯定瞎了。现在有了RTB，广告将盯住不是满地跑的“学生”，而是那个喜欢看广告的目标人；广告市场上卖的也不是传统意义上的广告位了，而是访问这个广告位的具体用户。

那么RTB实时竞价广告系统是如何实现精准的呢？假设潜在客户在浏览某网页面，某网会向广告交易平台（Ad Exchange）请求广告。交易平台向所有需求端平台（DSP）发出公告，“某网有访客，要不要向他发广告”，同时DSP请求大数据管理平台（DMP）帮助分析这位访客情况并根据结果进行出价决策。Ad Exchange为出价高的DSP匹配相关广告代码，并最终做出广告。

今天尖端的追踪技术和多种的大数据管理平台(DMPs)可以将受众以及广告效果数据整合于单一界面上，让广告主轻易撷取关键指标，包括转化率、流失率以及各个渠道的贡献比率等等。

更好地进行顾问式营销。如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和Facebook主页获得的这位顾客的信息综合起来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这一位顾客给出最佳的优惠策略和个性化的沟通方式。

如今在美国沃尔玛大卖场，当收银员扫描完顾客所选购的商品后POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料并正在促销，位于D5货架上，您要购买吗？”这时顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”

这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例，因为计算机系统早就算计好了，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、佐料了，而提供这一决策分析支持的就是其位于美国一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。

大数据时代，要为营销准备什么？

虽然大数据展示非凡的前景和巨大作用，不过大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。但实际情况是，真正启动大数据营销，你面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构来真正地挖掘那座数据金矿。

确定企业的短中期目标和标准

大数据的资源极为繁杂丰富，如果企业没有明确的目标，就算没有走入迷途至少会觉得非常迷茫。因此首先要确定企业运用大数据的短中期目标，定义企业的价值数据标准，之后再使用那些能够解决特定领域问题的工具。逐步推广，步步为营，不要把理想定得太高，否则失望会愈大。

储备好大数据相关技术人才

企业运用大数据为营销管理服务之前技术团队要到位，企业的营销团队要能够非常自如地玩转数据。许多人认为社交媒体营销人是个有趣的工作，其实只是个艰苦的活儿。它非常注重数据、衡量标准和数据可视化等问题。要能熟悉驾驭，首先要确保企业技术人员已经接受过相关技能培训，了解如何最大化利用大数据的作用和潜力为企业营销服务。

解决碎片化问题

企业启动大数据营销一个最重要的挑战是数据的碎片化，各自为政。许多公司组织中数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联并且实现技术共享才是能够最大化大数据价值的关键。营销者当留意的是：数据策略要成功提升网络营销成效，要诀在于无缝对接网络营销的每一步骤, 从数据收集、到数据挖掘、应用、提取洞悉、报表等。

培养内部整合能力

要做好大数据的营销运用，其一，要有较强的整合数据的能力，整合与来自企业各种不同的数据源、各种不同结构的数据，如客户关系管理、搜索、移动、社交媒体、网络分析工具、普查数据以及离线数据，这些整合而得的数据是定向更大目标受众的基础。其二，要有研究探索数据背后价值的能力。未来营销成功的关键将取决于如何在大数据库中挖掘更丰富的营销价值，像是站内、站外的数据整合、多方平台的数据接轨、结合人口与行为数据去建立优化算法等都是未来的发展重点。其三，探索出来之后给予精确行动的营销指导纲领，同时通过此纲领进行精确快速实时性行动。

“决胜千里，运筹帷幄”，或就在大数据中！

本文刊载于《客户世界》2013年1-2月合刊；作者为厦门智者恒通管理顾问机构总监。