網民洋洋來到一家淘寶商城選包包，看了一會兒發(fā)現沒有合適，悻悻離去。哪想到，第二天早上卻在瀏覽一家新聞網站的時候“無意中”又一次看到這個包包的廣告，而這包包似乎變得“更可愛些”，于是又勾起了她購物的欲望。“奇怪了，昨天還覺得一般，今天卻覺得挺喜歡的。”洋洋說。

這項反復跟蹤推薦的技術，就是營銷技術公司開發(fā)的所謂“到訪定位”技術，針對目標用戶進行再次營銷，其精準的效果要大大好于傳統(tǒng)手段。而這背后則是大數據分析在起根本作用，通過搜索引擎、云計算技術、統(tǒng)計原理等，智能分析用戶數據庫中每一個用戶的網頁瀏覽記錄，提取正文關鍵詞，找到用戶興趣關注點，然后對用戶屬性綜合(行情 專區(qū))分析，最后提供精確的細分服務、個性服務，達到營銷目標。

重構精確營銷模式

大數據時代之前，企業(yè)多從哪些平臺提取數據、利用哪些營銷數據?一般是CRM或BI系統(tǒng)中的顧客信息、市場促銷、廣告活動、展覽等結構化數據以及企業(yè)官網一些數據。但這些信息只能達到企業(yè)正常營銷管理需求的10%的量能，并不足夠給出一個重要洞察和發(fā)現規(guī)律。

而其它85%的數據，諸如社交媒體數據、郵件數據、地理位置、音視頻等這類不斷增加的信息數據，和包括數據量更大、逐漸廣泛應用、以傳感器為主的物聯網信息，以及風起云涌的移動3G互聯網信息，等等，這些就是大數據所指的非結構性或者叫做多元機構性所需的數據。

幾年前可能被置之度外，不會被運用，價值尚未被有效地挖掘，而今大數據能進一步提高算法和機器分析的作用，這類數據在如今競爭激烈的市場卻日顯寶貴、作用突出，并能被大數據技術所充分挖掘、運用。

對營銷決策數據進行更好的優(yōu)化。包括沃爾瑪、家樂福、麥當勞等知名企業(yè)的一些主要門店均安裝了搜集運營數據的裝置，用于跟蹤客戶互動、店內客流和預訂情況，研究人員可以對菜單變化、餐廳設計以及顧問意見等是如何對物流和銷售額的影響進行建模。這些企業(yè)可將這些數據與交易記錄相結合起來，并利用大數據工具展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助這些領先零售企業(yè)減少了17%的存貨，同時增加了高利潤率自有品牌商品的比例。

以前相關一些CRM系統(tǒng)，只能促使分析報告回答“發(fā)生了什么事”，現在一個優(yōu)秀的大數據系統(tǒng)已可以被用來回答“為什么會發(fā)生這種事”，而且一些關聯數據庫還可以預言“將要發(fā)生什么事”，最終發(fā)展為非常活躍的數據倉庫，從而能判斷“你(用戶)想要什么事發(fā)生”。 據稱，集成整合Essbase服務技術的Oracle大數據平臺已能為用戶提供面向策略級、未知信息分析預測能力和個性化自助式定制等。

對目標對象進行更完整的分析、描述。通過獲取更豐富的消費者數據，包括網站瀏覽數據、社交數據和地理追蹤數據等，可以繪制出更完整的消費者行為描述。譬如，大數據技術能對客人方方面面的信息進行充分有效管理并深度挖掘。

如果某個客人是某酒店的老主顧，那么該大數據系統(tǒng)就會向酒店提供個性化服務，清楚告知酒店經理人這位客人的習慣和喜好，如是否喜歡靠路邊，是否吸煙，是否喜歡大床，喜歡什么樣的早餐，甚至從事什么工作，有什么商務需求，等等。當客人再次光臨時，不用客人自己提出來，酒店大數據系統(tǒng)就會自動提供客人所喜歡的房間和服務等相關信息，大大提升酒店管理效率。

利用大數據中的語義搜索功能，系統(tǒng)能理解自然語言的含義，包括理解工作的頭銜、技能、行業(yè)和教育等，除此之外，它可以做到智能地處理拼寫錯誤、縮寫、標點符號等更多問題，也能識別相同的詞在不同語境中的含義，以更好地為營銷管理服務。例如：銷售經理，財務經理，人事經理，它們中都有“經理”二字，顯然代表了不同的語義，借用語義搜索技術，能對目標對象實現智能的區(qū)隔、判斷。

實現點對點智能廣告模式。對于廣告主來說，廣告核心問題在于：如何從海量數據中尋找目標受眾，并投放相應的廣告信息。

時下廣告不是點對點模式的，而是主從模式，象單個“老師”(產品)對眾多滿地跑的“學生”(消費者等受眾)，可是“老師”卻總是抓不住多數“學生”，把99%的廣告費都扔了。隨著大數據的發(fā)展，這些錢或會被一一撿回來。

大數據能通過互聯網點擊流，可跟蹤個體用戶的行為，更新其偏愛，并實時模仿其可能的行為，讓點對點的RTB(實時競價廣告)成為可能。在美國，在大數據的幫助下，RTB能把炙手可熱的目標用戶，拍賣給廣告商。以前，電梯里，上來一個禿頭的中年人，如果你在電梯里打的是洗發(fā)水廣告，那肯定瞎了�，F在，有了RTB，廣告將盯住不是滿地跑的“學生”，而是那個喜歡看廣告的目標人;廣告市場上賣的也不是傳統(tǒng)意義上的廣告位了，而是訪問這個廣告位的具體用戶。

那么RTB實時競價廣告系統(tǒng)是如何實現精準的呢?假設潛在客戶在瀏覽某網頁面，某網會向廣告交易平臺(Ad Exchange)請求廣告。交易平臺向所有需求端平臺(DSP)發(fā)出公告，“某網有訪客，要不要向他發(fā)廣告”。同時，DSP請求大數據管理平臺(DMP)幫助分析這位訪客情況，并根據結果進行出價決策。Ad Exchange為出價高的DSP匹配相關廣告代碼，并最終作出廣告。

今天尖端的追蹤技術和多種的大數據管理平臺(DMPs)可以將受眾以及廣告效果數據整合于單一界面上，讓廣告主輕易擷取關鍵指標，包括轉化率、流失率以及各個渠道的貢獻比率，等等。

更好地進行顧問式營銷。比如當一個顧客進入店鋪后，一個零售商利用大數據技術搜索他們的數據庫，發(fā)現這位顧客是其希望留住的有價值顧客，之后他們通過將其過去的購物歷史和主頁獲得的這位顧客的信息綜合起來，來了解需要花多少錢來留住他，從而確定所售賣物品的合適價格和零售商可以退讓的利潤空間，并最終針對這一位顧客給出最佳的優(yōu)惠策略和個性化的溝通方式。

如今在美國沃爾瑪大賣場，當收銀員掃描完顧客所選購的商品后，POS機上會顯示出一些附加信息，然后售貨員會友好提醒顧客：“我們商場剛進兩三種配酒佳料，并正在促銷，位于D5貨架上，您要購買嗎?”這時，顧客也許會驚訝地說：“啊，謝謝你，我正想要，剛才一直沒找到，那我現在再去買。”

這就是沃爾瑪在大數據系統(tǒng)支持下實現的“顧問式營銷”的一個實例。因為計算機系統(tǒng)早就算計好了，如果顧客的購物車中有不少啤酒、紅酒和沙拉，則有80%的可能需要買配酒小菜、佐料了。而提供這一決策分析支持的就是其位于美國一個龐大的、通過衛(wèi)星與全球所有賣場實時連通的企業(yè)級數據倉庫。

而1號店而利用對大數據的分析給顧客發(fā)送個性化EDM(電子郵箱營銷)。若顧客曾經在1號店網站上查看過一個商品而沒有購買，則有幾種可能：a。缺貨，b。價格不合適，c。不是想要的品牌或不是想要的商品，d。只是看看。若在顧客查看時該商品缺貨則到貨時立即通知顧客;若當時有貨而顧客沒有買就很有可能是因為價格引起的，則在該商品降價促銷時通知顧客;同時，在引入和該商品相類似或相關聯的商品時溫馨告知顧客。另外，通過挖掘顧客的周期性購買習慣，在臨近顧客的購買周期時適時的提醒顧客。

要為營銷準備什么?

雖然大數據展示非凡的前景和巨大作用，不過，大數據營銷仍面臨不少問題與挑戰(zhàn)。首先面臨的是技術難題，畢竟大數據技術尚處于活躍前期，各方面技術并不太扎實，各項工具需要進一步完善。但實際情況是，真正啟動大數據營銷，你面臨的不僅僅是技術和工具問題，更重要的是要轉變經營思維和組織架構，來真正地挖掘那座數據金礦。

大數據的資源極大繁雜豐富，如果企業(yè)沒有明確的目標，就算沒有走入迷途至少會覺得非常迷茫。因此，首先，要確定企業(yè)運用大數據的短中期目標，定義企業(yè)的價值數據標準，之后再使用那些能夠解決特定領域問題的工具。逐步推廣，步步為營，不要把理想定得太高，否則失望會愈大。

企業(yè)運用大數據為營銷管理服務之前，技術團隊要到位是基礎。企業(yè)的營銷團隊要能夠非常自如地玩轉數據。許多人認為社交媒體營銷人是個有趣的工作，其實只是個艱苦的活兒。它非常注重數據、衡量標準和數據可視化等問題。要能熟悉駕馭，首先要確保企業(yè)技術人員已經接受過相關技能培訓，了解如何最大化利用大數據的作用和潛力為企業(yè)營銷服務。

企業(yè)啟動大數據營銷一個最重要的挑戰(zhàn)，是數據的碎片化，各自為政。許多公司組織中，數據都散落在互不連通的數據庫中，而且相應的數據技術也都存在于不同部門中，如何將這些孤立錯位的數據庫打通、互聯，并且實現技術共享，才是能夠最大化大數據價值的關鍵。營銷者當留意的是，數據策略要成功提升網絡營銷成效，要訣在于無縫對接網絡營銷的每一步驟， 從數據收集、到數據挖掘、應用、提取洞悉、報表等。

要做好大數據的營銷運用，其一，要有較強的整合數據的能力，整合與來自企業(yè)各種不同的數據源、各種不同結構的數據，如客戶關系管理、搜索、移動、社交媒體、網絡分析工具、普查數據以及離線數據，這些整合而得的數據是定向更大目標受眾的基礎;其二，要有研究探索數據背后價值的能力。未來營銷成功的關鍵將取決于如何在大數據庫中挖掘更豐富的營銷價值。像是站內、站外的數據整合、多方平臺的數據接軌、結合人口與行為數據去建立優(yōu)化算法等都是未來的發(fā)展重點;其三，探索出來之后給予精確行動的營銷指導綱領，同時通過此綱領進行精確快速實時性行動。

“決勝千里，運籌帷幄”，或就在大數據中!