大資料行銷的十大切入點

仲介交易 SEO診斷 淘寶客 雲主機 技術大廳

近兩年，人人都在談論大資料，然而說得雲裡霧裡者多。 許多企業家更關心的事是：如何才能真正找到大資料行銷的切入點?本文作者總結了以下十點。

文/陳永東

許多人感覺到大資料時代正在到來，但往往只是一種朦朧的感覺，對於其真正對行銷帶來的威力可以用一個時髦的詞來形容——不明覺厲。 實際上，還是應儘量弄明白，才會明白其厲害之處。 對於多數企業而言，大資料行銷的主要價值源于以下幾個方面。

第一，使用者行為與特徵分析。 顯然，只要積累足夠的使用者資料，就能分析出使用者的喜好與購買習慣，甚至做到「比使用者更瞭解使用者自己」。 有了這一點，才是許多大資料行銷的前提與出發點。 無論如何，那些過去將「一切以客戶為中心」作為口號的企業可以想想，過去你們真的能及時全面地瞭解客戶的需求與所想嗎?或許只有大資料時代這個問題的答案才更明確。

第二，精准行銷資訊推送支撐。 過去多少年了，精准行銷總在被許多公司提及，但是真正做到的少之又少，反而是垃圾資訊氾濫。 究其原因，主要就是過去名義上的精准行銷並不怎麼精准，因為其缺少使用者特徵資料支撐及詳細準確的分析。 相對而言，現在的RTB廣告等應用則向我們展示了比以前更好的精准性，而其背後靠的即是大資料支撐。

第三，引導產品及行銷活動投使用者所好。 如果能在產品生產之前瞭解潛在使用者的主要特徵，以及他們對產品的期待，那麼你的產品生產即可投其所好。 例如，Netflix在近投拍《紙牌屋》之前，即通過大資料分析知道了潛在觀眾最喜歡的導演與演員，結果果然捕獲了觀眾的心。 又比如，《小時代》在預告片投放後，即從微博上通過大資料分析得知其電影的主要觀眾群為90後女性，因此後續的行銷活動則主要針對這些人群展開。

第四，競爭對手監測與品牌傳播。 競爭對手在幹什麼是許多企業想瞭解的，即使對方不會告訴你，但你卻可以通過大資料監測分析得知。 品牌傳播的有效性亦可通過大資料分析找准方向。 例如，可以進行傳播趨勢分析、內容特徵分析、互動使用者分析、正負情緒分類、口碑品類分析、產品屬性分佈等，可以通過監測掌握競爭對手傳播態勢，並可以參考行業標杆使用者策劃，根據使用者聲音策劃內容，甚至可以評估微博矩陣運營效果。

第五，品牌危機監測及管理支援。 新媒體時代，品牌危機使許多企業談虎色變，然而大資料可以讓企業提前有所洞悉。 在危機爆發過程中，最需要的是跟蹤危機傳播趨勢，識別重要參與人員，方便快速應對。 大資料可以採集負面定義內容，及時啟動危機跟蹤和報警，按照人群社會屬性分析，聚類事件程序中的觀點，識別關鍵人物及傳播路徑，進而可以保護企業、產品的聲譽，抓住源頭和關鍵節點，快速有效地處理危機。

第六，企業重點客戶篩選。 許多企業家糾結的事是：在企業的使用者、好友與粉絲中，哪些是最有價值的使用者?有了大資料，或許這一切都可以更加有事實支撐。 從使用者訪問的各種網站可判斷其最近關心的東西是否與你的企業相關;從使用者在社會化媒體上所發佈的各類內容及與他人互動的內容中，可以找出千絲萬縷的資訊，利用某種規則關聯及綜合起來，就可以説明企業篩選重點的目標使用者。

第七，大資料用於改善使用者體驗。 要改善使用者體驗，關鍵在於真正瞭解使用者及他們所使用的你的產品的狀況，做最適時的提醒。 例如，在大資料時代或許你正駕駛的汽車可提前救你一命。 只要通過遍佈全車的感應器收集車輛運行資訊，在你的汽車關鍵部件發生問題之前，就會提前向你或4S店預警，這決不僅僅是節省金錢，而且對保護生命大有裨益。 事實上，美國的UPS快遞公司早在2000年就利用這種基於大資料的預測性分析系統來檢測全美60000輛車輛的即時車況，以便及時地進行防禦性修理

第八，SCRM中的客戶分級管理支援。 面對日新月異的新媒體，許多企業想通過對粉絲的公開內容和互動記錄分析，將粉絲轉化為潛在使用者，啟動社會化資產價值，並對潛在使用者進行多個維度的畫像。 大資料可以分析活躍粉絲的互動內容，設定消費者畫像各種規則，關聯潛在使用者與會員資料，關聯潛在使用者與客服資料，篩選目標群體做精准行銷，進而可以使傳統客戶關係管理結合社會化資料，豐富使用者不同維度的標籤， 並可動態更新消費者生命週期資料，保持資訊新鮮有效。

第九，發現新市場與新趨勢。 基於大資料的分析與預測，對於企業家提供洞察新市場與把握經濟走向都是極大的支援。 例如，阿裡巴巴從大量交易資料中更早地發現了國際金融危機的到來。 又如，在2012年美國總統選舉中，微軟研究院的David Rothschild就曾使用大資料模型，準確預測了美國50個州和哥倫比亞特區共計51個選區中50個地區的選舉結果，準確性高於98%。 之後，他又通過大資料分析，對第85屆屆奧斯卡各獎項的歸屬進行了預測，除最佳導演外，其它各項獎預測全部命中。

第十，市場預測與決策分析支援。 對於資料對市場預測及決策分析的支援，過去早就在資料分析與資料採礦盛行的年代被提出過。 沃爾瑪著名的「啤酒與尿布」案例即是那時的傑作。 只是由於大資料時代上述Volume(規模大)及Variety(類型多)對資料分析與資料採礦提出了新要求。 更全面、速度更及時的大資料，必然對市場預測及決策分析進一步上臺階提供更好的支撐。 要知道，似是而非或錯誤的、過時的資料對決策者而言簡直就是災難。