苏萌:大数据营销向何处去

标签:大数据营销

访客:23864  发表于:2014-06-26 10:49:18

如今越来越多的人在谈论大数据的应用,个人认为大数据营销的未来主要是四个方向:实时性营销,自动化营销,全渠道营销和数据融通。

实时性营销

一个用户乘坐地铁,从北京大学到西直门。如果他在西直门停留的时间超过3分钟,就可以推测用户在西直门下车。这个时候可以考虑为用户推送西直门附近的一些餐馆,这就是实时性营销。

现在的企业有了可以对消费者行为进行实时监的渠道,实时地和用户进行交互,把握消费者在消费时刻的场景。

通过网页轨迹来实时分析消费者的消费需求,对不同的消费需求提供不一样的营销解决方案。为了做到实时营销,企业需要有非常好的分析方法,实时与用户产生交互,为消费者提供最理想的商品和信息。

自动化营销

自动化营销意味着越来越智能的营销系统,营销不再是人工的,而是根据规则进行判断,由规则引擎解决问题。例如一个用户不断的在当当网查看同一本书的信息页面,通过记录页面停留时间等数据引发智能营销的动作,了解并预测该用户需求,做出为该用户发送邮件、优惠券,提醒用户优惠选购或者推荐相关其他书籍的营销动作,这就是自动化营销。通过工具,实时给消费者提供营销的解决方法。

自动化的营销系统其实就是推荐系统,某种程度来讲,是非常智能的。实时的数据采集,捕捉消费者的偏好,利用群体智慧给消费者做推荐。底层的基础设施包括两个处理平台、场景引擎(通过消费者的路径,行为,挖掘消费者在这一刻他想干什么)、规则引擎(推荐产品的顺序规则)、算法引擎、展示引擎(在合适的时间,向合适的人展示合适的商品)。这一整套都需要精准大数据的算法和大数据挖掘的技巧。

全渠道营销

以前的营销,可能是单点的,或者说营销预算是分成的,例如分为精准营销的预算,社交网络的预算,户外的预算等,而如今营销需要多个渠道打通。消费者和企业拥有多个接触点,包括微信、微博、邮箱、用户ID等。如果把用户线上线下的渠道打通,企业对用户的理解就会越来越深入,这其中用户ID的打通和线上线下的打通尤为重要。

全渠道营销需要有非常好的基础设施,包括底层的大数据的管理。企业获取一个客户,包括对潜在的客户获取、评级和分组,然后通过销售预警和销售智能化,通过多个渠道(线营销、短信、微信营销、社会化营销、微博)多触点的实时整合营销,向客户在合适的时间,合适的地方,以合适的方式推荐出来消费者想要的商品信息以及品牌广告。这就是我们希望未来能做的营销趋势。

数据融通

企业拥有很多大量内部的数据,包括企业内部CRM的系统,ERP系统,网站,移动端等,实时的在获取消费者的信息。对于潜在用户和已有用户的行为轨迹进行了解,这就是企业的内部数据。但是能真正够利用到的内部数据是有限的。企业还需要有大量的外部数据。例如沃尔玛和宝洁公司有一个数据共享的协议,共享的数据包括:沃尔玛店铺中购物车加上载的移动跟踪仪采集的消费者行走轨迹、停留区域与时长,消费者最后的购物清单等。而宝洁公司的市场研究每年做出的大量消费者洞察、消费者研究、产品测试、包装测试等,这些数据也会和沃尔玛进行分享,即提高了数据利用效率,也提高了整个社会效率。

将来在一定程度上,无论是企业内部不同部门之间的数据,还是企业之间的数据,数据功效都需要在保证用户隐私和数据安全的情况下进行进一步的流通,数据只有流转起来才能真正的发挥价值,既可以加深对于一个消费者的了解,同时提供更好的精准体验。

除了共享数据,第三方数据也是外部数据,怎么利用第一方、第二方、第三方的数据,也是未来大数据营销非常关键的一点。如果企业能做到数据的流动和数据的共享,将来就可以非常清晰把客户进行精准画像。数据的融通,让对消费者的了解和洞察不再片面。

大数据管理和应用

大数据管理主要分成两部分,一个是用户管理,一个是商品管理。

用户管理系统包括访客的管理(用户从外部网站进入,怎么将其真正的转化,这就需要实时监测。现在的监测系统包括百度统计和GA)、会员管理系统(记录用户信息偏好,购物意图的猜测,购物场景和销售预期预测等)和用户忠诚度的管理(将CRM系统里的线下数据变为线上数据,成为鲜活能用的活数据)。

商品管理系统包括品类规划(通过大数据挖掘将产品进行分类,分出高销售量产品与高利润产品等)、商品定价、商品销售预测和生命周期管理。品类规划指将产品进行分类,分出高销售量产品与高利润产品,将合适的产品推送给有需求的用户,这就需要大数据把它挖掘出来。

通过大数据技术的计算,将产品进行分类,及时调整产品定位,预测产品周期,将合适的产品推送给有需求的用户以提高产品生命周期。

大数据挑战

首先大数据让企业有更多的机会了解消费者的行为轨迹,但精准并深度的模型挖掘仍不是容易的事,在国内外都是学者最关注的问题。目前已经有很多模型,但都不够完善。更好的模型可以为企业提供更好的产品预算,广告预算等参考意见。

第二是数据价值评估。想要知道外部数据价值有多高,这目前在美国的学术界和现实里,数据定价也是很头疼的问题。首先是数据的物权,数据的所有权是属于终端消费者的。消费者授权给企业,企业获取和利用这些数据,以提供更好的服务,提高用户体验。同时授权它可以和第三方技术服务提供商进行分享,让用户体验更好。目前有一些企业之间的联盟以进行数据共享,但是这个联盟是跨行业的,一个行业仅有一家,很难出现同行业共享的局面。

第三个就是不同数据的融合。在互联网中有很多大数据,但是真正能把握并进行调研的却是小数据,怎么让大数据和小数据结合起来,还做的不够完善。

理清快数据与慢数据的关系。快数据主要指一些企业级大数据软件市场所挖掘出的海量数据,这些快数据非常有前途。而慢数据主要指在大量数据中沉淀筛选出的数据,这些数据在一定时间衰减过程中能保持一定的稳定性,更具有价值,更值得积淀。这两样数据的结合可以为企业提供大而精准的数据支持。

最后是行为数据和态度数据的融合。越来越多的应用想获取用户的行为,甚至获取用户的联系方式,但在获取数据后,怎样和用户的态度进行打通还是个问题。

(苏萌,北京大学新媒体营销研究中心执行主任。本文根据苏萌教授在2014年中国数字营销峰会的演讲整理,未经本人审阅)

评论(2)

您可以在评论框内@您的好友一起参与讨论!

    1. 林静 快数据主要指一些企业级大数据软件市场所挖掘出的海量数据,这些快数据非常有前途。而慢数据主要指在大量数据中沉淀筛选出的数据,这些数据在一定时间衰减过程中能保持一定的稳定性,更具有价值,更值得积淀。这两样数据的结合可以为企业提供大而精准的数据支持。

      回复[0] 2014/06/26 14:35

    1. 段一轩 大数据营销在不断落地,除了精准互联网广告之外,越来越多大数据分析应用将出现。

      回复[0] 2014/06/26 14:30

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");