큰 데이터 심오한 인간의 본성을 발견 하는 때

큰 데이터 마케팅의 마법에 대 한 용어는 마케팅 영역에 대 한 얘기는 인터넷을 통해 빨간 되지 않은 큰 데이터에 이야기가입니다.

이야기는 이것 같이 간다:

미네소타 국가의 외곽에서 대상 슈퍼마켓에 습격 한 남자 2012의 시작 부분에서 크롤 링: 왜 슈퍼마켓 보내 않았다 그의 혹은 그녀의 고등학교 딸 아기 기저귀 샘플 및 수식 우유에 대 한 할인 쿠폰? "당신은 그녀 임신을 장려 하는"? 성 난 아버지 대상 슈퍼마켓 관리자를 심문. 몇 일 후, 아버지의 톤 되었다 평화로운, 그리고 그가 그의 딸 임신 하 고 8 월에 예정 되었다는 사실의 답례로 사과 슈퍼마켓 관리자는 아버지에 게 사과 하 라고. 이것은 소매점 마케팅, 뉴욕 타임즈에 의해 보고 되는 이야기를 큰 데이터를 적용 하는 어떻게의 이야기 그리고 큰 데이터의 파워는 미국 전체 감각 되었습니다.

왜 대상 기적 예측을 만들 수 있습니까? 이 때문에 대상 매우 표준 대용량 데이터 관리 시스템을 설립 했다, 그것은 임산부의 소비자 레코드 보기 후 데이터 분석 팀은, 고객 "임신 추세" 전망에 관련 된 것이를 통해 협회의 20 이상 종류를 식별 연료 소비에 해당 쿠폰을 보내. 가능 하다 면, 큰 데이터 시스템의 줄 것 이다 각 고객 ID 번호. 당신은 당신의 신용 카드를 슬쩍, 쿠폰을 사용 하 여, 설문 작성, 메일 반환 주문, 고객 서비스 호출을 호출, 광고 메일을 열고, 모두는 당신의 ID 번호에 기록 될 것 이다 웹사이트를 방문. 이 ID 번호 또한 귀하의 인구 통계 학적 정보를 찍은 것입니다: 나이, 결혼 여부, 자녀, 도시, 대상, 급여, 최근 이동 홈, 당신의 지갑에 신용 카드 주소에 살고 자주 방문한 Url, 등등. 대상 또한 다른 관련 기관에서 다른 정보를 구입할 수 있습니다: 인종, 고용 역사, 좋아하는 잡지, 파산 기록, 결혼 역사, 가정 구입 기록, 학교 기록, 독서 습관, 등.

전통적인 마케팅 시대에서 Lasswell 모드는 통신 모드 광고의 가장 기본적인 모드입니다, 그리고 그것은 미국의 정치학자, 해 롤 드 · 심리학자에 의해 1948 D. Lasswell 제안한 대표적인 선형 모델 라고도 "모드 5W", 광고 정보 보급 과정 포함 요소는 5 키: 누가 (WHO), 어떻게 말 (말), 무슨 채널 (채널을), (을), 누구를 위해 어떤 효과 달성을 통해 (어떤 효력으로).

누가 참조 제목의 보급 즉, 브랜드 그리고 전통적인 마케팅 시대에도 제품 자체는 어려운 일입니다. 사실, 전통적인 마케팅 시대에서 가장 해결 하기 어려운은 누가 (누구), 보급 (에 어느 채널에서), 어떤 채널을 통해 어떤 효과 (효과)와 세 가지 주요 문제, 그래서 전통적인 마케팅 시대에서 달성 브랜드 매니저는 종종 그들의 대리인의 질문을 질문: "난 내 광고 비용의 낭비는, 문제는 내가 어떤 반" 대상의 관점에서 큰 데이터 매우 정확 잠그고도 다음 소비자 행동을 예측할 수 이것은 브랜드 매니저 날카로운 무기와 사용자의 요구를 혼란 시간 전통적인 마케팅에서.

(에 채널), 어떤 채널을 통해 빅 데이터 시대의 도래와 함께 누가 (누구), 그리고 어떤 영향 (와 어떤 효과), 전통적인 마케팅 시대에서 이러한 세 가지 포인트 문제를 해결할 수 없는, 해결 될 것으로 보인다 큰 데이터 마케팅의 본질은 쇼핑의 심리학 경로 전에 대상 소비자에 영향을, 때문에 그것은 주로에 사용 된 세 가지 측면: 1, 큰 데이터 채널 최적화, 2, 정밀 마케팅 정보 푸시, 온라인 및 오프 라인 마케팅 연결 3. 큰 데이터 마케팅의 영향, 마케팅에 가장 어려운 문제 중 하나는 정확 하 게 대상 사용자의 요구를 예측 하 고 2014 국내 DSP 플랫폼 개발에 큰 데이터 마케팅의 가치 솔루션을 제공 하는 방법입니다.

하나, 누구에 게? -큰 데이터 대상 그룹을 정확히 파악할 수. 대상 소비자의 소비 습관, 심리적 특성, 데이터의 깊이 같은 취미를 요약 하기 위해 인구 통계 학적 특성에 의해 주로 전통적인 마케팅 전문 시장 조사 회사에 의존 하 고 큰 데이터 기술의 도움으로, 마케팅 무한히 닫을 수, 각 사람의 특성의 거의 정확한 판단. 대규모 소비자 정보 및 큰 데이터 (예: 지역, 성별) 소비자 특성에 따라 기술, 모델링을 사용 하 여 컬렉션을 통해 일부 기업 및 관심, 구매 행동 및 다른 차원, 마이닝 대상 소비자, 그리고 이러한 마케팅 정보 푸시, 개별 소비자에 따라 레이블 계층의 분류 레이블 계층 부문의 3 개의 종류에 따라 모바일 DSP 군중 사용자의 개인 설정된 요구를 분석,이 맞춤 제품과 서비스를 제공 한다 또는 더 정확한 광고를 실현:

1, 속성 레이블 계층입니다. 이러한 속성 수 인구 특성 (성별, 나이, 직업, 소득, 등), 장비 속성 (장비 가격, 장비 시스템, 장비 모델, 등)에서 연산자 특성 (차이나 모바일, 유니콤, 중국 텔레콤, 등), 도시 특성 (개발 수준, 인구 수, 지역 위치), 비즈니스 지구 특성 (기능, 위치, 등.) 라벨, 특성 레이블 수와 기술 및 경험의 플랫폼의 주요 특성 중 일부는 직접적인 관계를, 더 성숙한 기술, 특성의 더 정확한 캡처, 더 많은 경험, 더 합리적인 특성의 분류를 있다.

2, 레이블 계층의 동작입니다. 특정 시간 또는 위치를 하는 동안 사용자의 방문 페이지 또는 응용 프로그램의 동작의 분석에 의해 생성 된 레이블 계층을 말합니다. 레이블, 사용자의 행동, 일정 기간 내 몇 번만은 하 고 레이블로 표시 되지 것입니다 수 있도록 통계의 발생의 주파수에 따라 동작 태그 계층 분류, 일반 주파수 또는 사이클의 동작의 항목만 레이블로 간주 됩니다. 예를 들어 자주 게임을 휴대 전화, 종종 비즈니스 여행 군중의 세분 등 관광 소프트웨어를 사용 하 여, 손 방문자 그룹, 금융 사람들, 자동차, 화장품 관객, 교육 청중 등. 사용자 행동의 다양성 때문에 라벨의이 종류는 광고의 수천 수만, 전달의 정확성은 의심할 여 지 없이 큰 장점.

3, 대상 군중 수준입니다. 이것은 광고의 가장 직접적 관련된 수준, 대상 인구 계층은 주로 레이블 계층의 조합 후 특성 태그 계층 및 동작 태그 계층에 따라,이 조합은 큰 라벨을 생산할 예정 이다, 동안 사용자 태그의 번호와 함께 표시 될 것입니다 포괄적인 레이블 몸 뿐만 아니라 대상 모집단의 정확성을 보장 하기 예를 들어 광고주 35 세 남성 자동차 관객에서 찾이 필요가, 나이, 성별 플러스 대상 군중 동작 조합을 탐색 하는 자동차의 두 번째 수준 첫 번째 수준을 전달할 수 있도록 가장 관련 된 사람, 그래서 광고 타겟 매우 강력 하 고 우수한 결과 함께 브랜드.

Ii. 어느 채널에서? 큰 데이터는 실시간으로 전송 채널을 최적화할 수 있습니다. 공공 미디어 리소스에 대 한 많은 관객을 커버 하기 위해 기회를 만들 연락처, 청중과 가능한 광고주 자주 해야는 미디어를 통해 확산. 하지만 어떻게 예산 할당? 이 이번에 대용량 데이터 대량 사용자 데이터, 조정, 마케팅 채널 할당의 분포에 따라 최고의 결정 참조, 최고의 포트폴리오입니다.

온라인 실시간 최적화 채널: 채널 마케팅 최적화, 사용자의 인터넷 흔적에 따라 다른 웹 페이지에 쿠키를 삽입 하 여 가장 고객의 고객을 소스는 어떤 마케팅 채널은 실제로 가장, 구매를 인터넷 고객의 행동 궤적에 따라 여부는 대상 고객 등에 주문 배달의 다양 한 채널에서 마케팅 리소스를 조정 합니다. 둥 펑 닛산, 예를 들어 포털, 검색, microblogging 등 다양 한 네트워크 채널 마케팅 자원을 개선 하기 위해 고객 소스 추적을 사용 합니다.

온라인 실시간 피드백: 패스트 패션 브랜드 자라 다양 한 카메라의 저장소 레이아웃에서, 같은 게 조 수에 대응 하는 게에서 고객 등 "맘에 안이 치마 지퍼", 즉시 매니저를 통해 디자인 직원의 본부를 요약 후 요약 및 분석, 고객에 따라 요구 즉시 최적화 제품을.

닫힌된 루프의 효과의 온라인 오프 라인 공동 구현: 심지어 일부 기업 인터넷 상하이 소비자 행동 추적 데이터와 오프 라인의 볼륨 데이터 온라인 달성을 통해 마케팅 시너지의 채널 오프 라인 구매 될 것입니다. 예를 들어, 둥 펑 닛산, 온라인 및 오프 라인 공동 마케팅 접근: 그 포털 제공 순서 단서, 이러한 단서, 고객의 온라인 거래를 촉진 하기 위하여 반환 전화 서비스 담당자를 통해. 이 과정에서 둥 펑 닛산 소비자 기록 입력, 검색, 클릭, 등록, 방문 전화 및 대용량 데이터 분석 지원, 폐쇄 루프 마케팅 채널의 지속적인 최적화의 마케팅 효과 대 한 라인에 걸쳐 줄을 달성 하는 데이터의 모든 측면을 구입.

셋째, 어떤 효과 함께? 대용량 데이터 실시간 피드백 효과, 대용량 데이터 실시간 분석 엔진입니다. 과정에서 출시, 고객 행동, 흐름 구성 및 기타 실시간 데이터 등 실제 데이터에 따라 타겟 고객 초점을 맞춘 시간, 사용자, 마이닝 새로운 잠재적인 소비자의 깊이 결정 하는 관객의 창조적인 버전으로 최고의 응답을 찾을 지점 광고 적시 판단 및 조정과 위의 과정을 찾을 수 동적 이다, 진짜 시간입니다.

이상적인 큰 데이터 나이 하면 정확한 과거에는, 데이터의 처리를 통해 각 활동의 평가 브랜드 매니저에 의해 두려워 했다의 "나는 낭비의 어느 부분이"몰라 두려움 결코 찾을 수, 그리고 각 단계 미디어 구매자의 경험에 의존 하는 것 외에도, 광고의 구매는 정확한 데이터 프레 젠 테이 션, 브랜드 매니저의 모든 결정은 더 많은 마케팅 기회와 전략을 빅 데이터 시대에 간과 되어 볼 것 이다.

전 포스트 조사 및 소비자 의견에 대 한 평가 방법의 전통적인 마케팅 보급은 매우 느린, 적시성은 또한 매우 가난한, 하지만 다양 한 커뮤니케이션 효과의 "빅 데이터" 마케팅 거의 실시간으로 피드백 데이터, 정보, 상세한 및 추적, 마케팅 커뮤니케이션 최적화 의사 결정에 대 한 훌륭한 가치를 제공 하는.

큰 데이터 마케팅 전통적인 마케팅에서 가장 어려운 문제 중 일부를 해결할 수 있습니다 (통신 군중, 통신 채널, 커뮤니케이션의 효과 그래서 일반적인 합의 도달 하는 아주 짧은 시간에 거의 산업: 디지털 광고 산업 더 많은 활동가 "전통적인 광고 이다 죽은" 보기를 앞으로 넣어가지고 프로그래밍 구입 쪽으로 이동 또한 뷰는 큰 데이터 소비자의 더 정확 하 고 더 파노라마 사진을 달성 하기 위해 사용할 수 있습니다.

하지만 큰 데이터 마케팅 정말 전 능은? 내 생각에는, 가장 간단한 모드에서 5W에 커뮤니케이션의 "무엇 말 (말)을" 정확 하 게 마지막 문제 해결할 수 없는 큰 데이터 마케팅 이다. "무엇 말 (말)을" 기반으로, 소비자의 실제 요구에 대 한 통찰력이이 통찰력 때문에에서 파생 됩니다, 소비자의 인간성의 탐지는 시스템 및이 단계에서 인간을 대체할 수 있는 프로세스의 경험.

5W 통신 모드 대용량 데이터 마케팅 폐쇄-루프 산업을 달성 하는 유일한 방법은 같은 광고 프로그램 구입을 통해 디지털 미디어 예산의 대부분 전기 딜러 처럼 완벽 하 게 합리적인 이므로 전기 사업 산업입니다. 회사의이 종류 주로 두고 있기 때문에 효과 광고 읽기 광고 전환율을 소비자에 게 관심을 지불, 즉 여부 것 이다 온라인으로 구입 즉시. 프로그래밍 방식으로 구매 싼 광고 위치, 더 많은 타겟 고객을 달성 하기 위해 최적화 알고리즘을 통해 얻을 수 있습니다.

그러나, 제품, 서비스 및 다른 코어 브랜드, 큰 데이터 마케팅 도울 수 없어요 그들의 브랜드를 구축,이 년, 아리 브란트 "광고 나이"에 게시 된 문제 해결 문서 "왜 광고주의 프로그램 구입 수 없습니다는 원하는 결과가지고 마케팅?" 그는 말한다 "Millward 브라운 300 디지털 마케터 및 마케팅 의사 결정자의 특별 한 설문 조사를 실시를 의뢰: 여부 프로그래밍 구입 브랜딩 도구가 될 수 있습니다." 연구 결과 대부분 응답자, 프로그램 구입, 보이지 않는 배너 광고를 포함 하 여 높은-품질의 미디어 리소스에 대 한 많은 우려를가지고의 혼란을 반영 하는 내 의혹 클릭 속임수, 브랜드 보안 및 비-인간 트래픽을 확인 합니다. "

비-전기 비즈니스 제품에 대 한 여부 FMCG 또는 소비자 내구 재 또는 3 C 제품 또는 패션 산업, 그들의 가장 중요 한 일, 또한에 판매, 지속적으로 구축 하 고 소비자, "브랜드를 구축 및 유지 보수" 라고 하는 관계와 의미 있는 관계를 유지 하는 것입니다. 그것은 인간의 본성, 아니라 다른 감기 데이터 분석 및 절차 심사에 대 한 깊은 통찰력에서 온다.

큰 데이터 찾을 빠른 의사 소통 대상 소비자 그룹 우리가 더 정확 하 게, 과거 우리 즉 샘플링 방식으로 소비자를 공부, 무작위에 의해 소비자 또는 할당량 원칙, 그리고 설문 조사 데이터를 사용 하 여 사용 하지만, 빅 데이터 시대에 우리를 도울 수 있습니다. 그것은 매우 효율적이 고 저렴 하거나 추적 소비자는 인터넷에 의해 생성 된 행동 데이터의 질량 에입니다.

소비자의 진짜 동기는 얼음 아래 깊은 거짓말 후 큰 데이터 마케팅을 통해 구매 우리가 단순히 프로그래밍 방식으로 만들 경우 정확한 타깃, 캡처, 우리가 정말 모르는 소비자가 정말 원하는 것, 소비자 수요 때문에, 빙산 처럼 당신은 쉽게 관찰할 수는 빙산의 일각; 깊은 통찰력은 전체 빙산의 흔들 필요 합니다. 빙산 이론에 따르면 잠재적인 인간의 의식의 대부분은 표면 의식과 행동에 영향 그리고 사용자의 잠재 수요는 제품의 실제 구매 동기 부여.

사실은 거기 없다 좋은 감지 하는 방법은 인간의 본성이이 단계에서 그리고 대상 슈퍼마켓의 이야기 소비자 수요 검색의 두 가지 방법을 가장 잘 반영 하 인스턴트 마 카로 니에 대 한 이야기가입니다.

이야기는 이것 같이 간다:

인스턴트 마 카로 니 브랜드 시장 조사를 완료 했다, 그들은 매우 신선한 발견을 받은 소비자는 인스턴트 마 카로 니를 요리 사려 마 카로 니 공장 일부 양파를 추가 하는 소비자에 대 한 인스턴트 양념 가방에 새로운 제품을 발명 그래서 작은 양파를 추가 하는 시간. 결과적으로 때 그것은 실제로 판매 했다, 아니 양파 추가 파스타 판매 시장 연구원을 당황 하 게 왼쪽 양파에 추가 새 제품 보다 더 했다. 저기, 사실, 여기에 숨겨진 인간 기반 통찰력: 그들의 가족에 대 한 인스턴트 마 카로 니를 요리 하는 주부의 죄는 주부의 의무를 하지 않으면이 죄 책이 감 해소를 위해 그들은 약간을 추가 하도록 선택할 것 이다 감각이 식사 자신에 의해 준비 되었다 나타내는 요리 파스타에 그들의 자신의 준비 된 양파의. 그들은 게으른, 무능 한 주부, 그래서 그들은 양파 없이 인스턴트 마 카로 니를 구입 하도록 선택할지 않습니다.

확신 하기 위해, 큰 데이터 잡아 microblogs, Renren 및 포럼 데이터, 즉시 보기 및 태도의 제품을 소비자 브랜드에 대 한 액세스의 다양 한에 의해 크롤 링 될 수 있습니다 하지만 소비자의 행동은 항상 그들의 자신의 이유가, 이러한 이유로, 일부 소비자 입에 달아 기꺼이 고 말, 주로 몇 가지 피상적인 이유 그리고 그들은 말할 수 없다 드라이브 하지만 그의 행동은 요소 잠재 소비자에 숨어, 소비자 통찰력,이 브랜드와 소비자 "의미 있는" 관계 필수 링크, 대용량 데이터를 설정 하는 인간을 대체할 수 없습니다. 소비자 인 사이트의 대부분은 하지 계량된 연구 데이터에서 파생 된 연구 보고서를 작성, 차가운 디지털 기호 문자열 보다 더 원시적인 방법 거리 조사, 소비자 행동 관찰, 대화 더 근거, 대상 그룹, 소비자와 직접, 깊은 접촉에서 온다, 군중 라벨 대체 될 수 있다.

큰 데이터 마케팅 인간 기반 소비자 인 사이트에 대 한 대체 하지 않습니다 하지만 그것은 어느 광고 회사 하고있다 창조적인 일을 지난 몇 주 동안 속도 변경할 수 있습니다, 그리고 홍보를 실시간 데이터 마이닝 기술을 기반으로 대용량 데이터와 광고 기업과 핫 관련 콘텐츠, 통신 회사를 성능에 따라 학생 들의 창의력을 변경할 수 있습니다. 예를 들어 최근 월드컵 마케팅, 소비자 뜨거운 주제에 소셜 미디어에 새로운 아이디어를 생성 하 고 아이디어의 확장을 결정 하에 따라 몇 시간 마다에서는 뜨거운 주제 밖으로 사회 큰 데이터 마이닝 등 바다에서입니다.

충성 하 고 지속적인 좋은 소비자 관계를 설정 하기 위해 광고주에 반환 해야 합니다 커뮤니케이션의 본질 즉, 귀중 한 만들 이며 혁신적인 브랜드 정보는 또한 인기 있는 "콘텐츠 마케팅" 모바일 인터넷 통신, 콘텐츠 창조 5W 통신에서 가장 중요 한 말 광고 회사의 핵심 경쟁력은 언제나. 그러나, 큰 데이터 타이 드 마케팅, 광고 회사 배워야 합리적으로 대상 군중에 도달 하는 큰 데이터를 사용 하는 방법을 통해 소비자와 정서적 관계를 깊게 하기 위해 사용자에 게이 정보를 전달 하는 지능형 방법.

원/종 웨이산

(책임 편집기: Mengyishan)