大数据全景调研与发展战略研究分析

大数据全景调研与发展战略研究分析市场营销的含义（一）市场营销的定义国内外学者对市场营销的定义有上百种，企业界对营销的理解更是各有千秋。美国学者基恩•凯洛斯曾将各种市场营销定义分为三类：一是将市场营销看作是一种为消费者服务的理论；二是强调市场营销是对社会现象的一种认识；三是认为市场营销是通过销售渠道把生产企业同市场联系起来的过程。这从一个侧面反映了市场营销的复杂性。实际上，伴随营销理论与实践的不断创新，营销的概念在不同时期有不同的主流表述。如美国市场营销协会（AMA）在1960年的定义是：“市场营销是引导货物和劳务从生产者流转到达消费者或用户所进行的一切企业活动”，而到1985年，该定义则变成为“市场营销是个人和组织对理念（或主意、计策）、货物和劳务的构想、定价、促销和分销的计划与执行过程，以创造达到个人和组织的目标的交换。”2007年AMA公布市场营销的新定义是：“市场营销是创造、传播、传递和交换对顾客、客户、合作者和整个社会有价值的市场供应物的一种活动、制度和过程。”著名营销学家菲利普•科特勒教授认为，市场营销可以区分其管理定义和社会定义。市场营销管理的定义是：“选择目标市场并通过创造、传递和传播卓越顾客价值，来获取、维持和增加顾客的艺术和科学。”而市场营销的社会定义则是：“市场营销是一个社会过程，在这个过程中，个人和团体可以通过创造、提供和与他人自由交换有价值的产品与服务来获得他们的所需所求。”根据上述定义，我们可以将市场营销概念从管理角度其体归纳为下列要点：（1）市场营销的基本目标是“获取、维持和增加顾客”。（2）“交换”是市场营销的核心。市场营销的基本业务就是为了实现交换，不断地“创造、传递和传播”卓越的顾客价值和管理顾客关系。（3）交换过程能否高绩效地顺利进行，取决于营销者创造的产品和价值满足顾客需求的程度，以及对交换过程管理的水平。（二）市场营销的核心概念1、需要、欲望和需求人类需要是市场营销的基石。所谓需要，是指人们与生俱来的基本要求。如为了生存与发展，人们会有吃、穿、住、安全、归属、受人尊重、对知识和自我实现等需要。这些需要存在于人类自身生理和社会之中，市场营销者可用不同方式去满足它，但不能凭空创造。欲望是指想得到上述需要的具体满足品的愿望，是个人受不同文化及社会环境影响表现出来的对需要的特定追求。如为满足“解渴”生理需要，人们可能选择（追求）喝开水、茶、汽水、果汁或者矿泉水。市场营销者无法创造需要，但可以影响欲望，并通过创造、开发及销售特定的产品和服务来满足欲望。需求是指人们有支付能力并愿意购买某个具体产品的欲望。在营销者看来，需求就是对某特定产品及服务的市场需求。优秀的公司总是通过各种方式深入地了解顾客的欲望和需求，并据以制定自己的营销策略。它们认真研究顾客行为和偏好，分析有关用户调查、产品保证与服务等方面的数据，观察对比本公司产品及竞争产品的顾客，以了解他们的喜好，培训销售人员以使他们能发现尚未满足的欲望。2、市场细分、目标市场和定位不同人群的需求往往是不同的。市场营销者需要通过识别人口、心理和行为差异来区分不同的细分市场，然后选择进入具有最大机会的目标市场。对每一个目标市场，营销人员都要开发一种产品（服务），在目标客户群心中建立能够提供某些关键利益的定位。3、产品和服务在营销学中，产品特指能够满足人的需要和欲望的任何事物，其价值在于它给人们带来对欲望的满足。人们购买轿车不是为了得到一种机械，而是要得到它所提供的交通服务。产品实际上只是获得服务的载体，这种载体可以是有形物品，也可以是不可触摸的、无形的“服务”，如人员、地点、活动、组织和观念。当我们心情烦闷时，为满足轻松解脱的需要，可以去参加音乐会听歌手演唱（人员）；可以到风景区旅游（地点）；可以参加校友聚会（活动）；可以参加消费者假日俱乐部（组织）；也可以参加研讨会接受一种不同的价值观（观念）。市场营销者必须清醒地认识到，其创造的产品（服务）不管形态如何，如果不能满足人们的需要和欲望，就必然会失败。4、效用、费用和满足效用是消费者对产品满足其需要的整体能力的评价。消费者通常根据这种对产品价值的主观评价和支付的费用来做出购买决定。如某人为解决其每天上班的交通需要，他会对可能满足这种需要的产品选择组合（如自行车、摩托车、汽车、出租车等）和他的需要组合（如速度、安全、方便、舒适、节约等）进行综合评价，以决定哪一种产品能提供最大的总满足。假如他主要对速度和舒适感兴趣，也许会考虑购买汽车。但是，汽车购买与使用的费用要比自行车高许多。若购买汽车，他必须放弃用其有限收入可购置的许多其他产品（服务）。因此，他将全面衡量产品的费用和效用，选择购买能使每一元花费带来最大效用的产品。5、交换、交易和关系交换是指从他人处取得所需之物，而以自己的某种东西作为回报的行为。交换是市场营销的核心概念，营销的全部内容都包含在交换概念之中。交易是交换的基本组成单位，是交换双方之间的价值交换。交换是一种过程，在这个过程中，如果双方达成一项协议，我们就称之为发生了交易。交易通常有两种方式：一是货币交易，如甲支付800元给商店而得到一台微波炉；二是非货币交易，包括以物易物、以服务易服务的交易等。建立在交易基础上的营销可称之为交易营销。为使企业获得较之交易营销所得到的更多，就需要关系营销。关系营销是营销者与有价值的顾客、分销商、零售商、供应商以及广告代理、科研机构等建立、保持并加强长期的合作关系，通过互利交换及共同履行诺言，使各方实现各自目的的营销方式。与顾客建立长期合作关系是关系营销的核心内容。同各方保持良好的关系要靠长期承诺和提供优质产品、良好服务和公平价格，以及加强经济、技术和社会各方面联系来实现。关系营销可以节约交易的时间和成本，其营销宗旨从追求每一次交易利润最大化转向与顾客和其他关联方共同长期利益最大化，即实现“双赢”或“多赢”。企业建立起这种以战略结盟为特征的高效营销网络，也就使竞争模式由原来单个公司之间的竞争，转变为整个网络团队之间的竞争。6、市场营销与市场营销者在交换双方中，如果一方比另一方更主动、更积极地寻求交换，我们就将前者称为市场营销者，后者称为潜在顾客。换句话说，所谓市场营销者，是指希望从别人那里取得资源并愿意以某种有价值的东西作为交换的人。市场营销者可以是卖方，也可以是买方。当买卖双方都表现积极时，我们就把双方都称为市场营销者，并将这种情况称为相互市场营销。大数据全生命周期管理大数据生命周期进一步细分为大数据集成、存储和处理、治理、建模、挖掘和流通等阶段。（一）大数据集成大数据集成包括大数据采集和大数据整合。大数据采集主要是通过各种技术手段将分散的海量内容数据（文本、音频、视频等）、行为数据（访问、查询、搜索、会话、表单等）、工业生产数据（传感器数据、监控数据）等从业务系统中收集出来。由于大数据本身具有分散、海量、高速、异质的特征，采集难度较大，因此保证数据采集的稳定性、可靠性、高效性、可用性和可扩展性等是主要的技术目标，越来越多的企业开始选用专业的数据采集服务。大数据整合的目标是将各种分布的、异构的数据源中的数据抽取后，进行清洗、转换，最后加载到数据仓库或数据集市中，作为数据分析处理和挖掘的基础；这个过程常常也被称为ETL（Extract/抽取，Transform/转换，Load/加载），通常ETL占到整个数据仓库开发时间的60%~80%。大数据时代，数据整合软件的市场也开始了整体的技术升级，主要解决两个主要技术问题，一是独立的ETL应用服务器的计算能力普遍不足，二是无法处理半结构化和非结构化数据。经过几年的技术发展，ETL过程逐步演进为ELT，即数据抽取后直接加载（Load）到大数据平台中，再基于大数据平台的计算能力来实现数据转换（Transform），不再依赖ETL应用服务器做抽取和转化工作，这样可以解决ETL应用服务器的处理能力不足问题，充分利用大数据平台的分布式计算能力提升数据集成的效率和稳定性。（二）大数据存储和处理大数据存储与处理要用用服务器及相关设备把采集到的数据存储起来，使得数据能够被高效地访问和运算。由于数据量的爆发式增长，尤其是非结构化数据的大量涌现，传统的单机系统性能出现瓶颈，单纯地提高硬件配置已经难以跟上业务的需求，产生的海量数据没有合适的存储场所，企业被迫放弃大量有价值的数据；数据处理的速度和性能出现瓶颈，业务的深度和广度受到限制。因此，过去十年间，计算机系统逐步从集中式向分布式架构发展。分布式架构及相关技术通过增加服务器的数量来提升系统的处理能力，每个节点都是一个可独立运行的单元，单个节点失效时不会影响应用整体的可用性。分布式系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具有明显优势。（三）数据治理根据国际数据管理协会的定义，数据治理是对数据资产管理形式权利和控制的活动集合。数据治理是一个管理体系，包括组织、制度、流程和工具，随着集成和存储的数据量增加，数据治理的难度也逐渐增加，牵扯的关联方也越来越多，因此需要一套适合企业的方法论来开展工作。业界逐渐形成了DAMA、DCMM等较完整的数据治理体系框架，一般包括制定数据治理战略、定义数据治理工作机制、通过各个业务专题来落实相关数据治理工作内容，并最终落实到数据治理工具上来实现高效持续的数据治理的执行流程。具体到数据治理的内容，一般包括元数据管理（包括元数据采集、血缘分析、影响分析等）、数据标准管理（包括标准定义、查询与发布等）、数据质量管理（包括质量规则定义、质量检查、质量报告等）、数据资产管理（包括数据资产编目、数据资产服务、资产审批等）、数据安全管理（包括数据权限管理、数据脱敏、数据加密等）、数据生命周期管理（包括数据归档、数据销毁等）以及主数据管理（包括主数据申请、发布、分发等）这几个主要的部分。（四）数据建模数据建模是构建企业数据仓库、数据湖和数据集市的重要过程，其通过一个业务级别的数据模型设计，将分散在不同数据源中的数据集成在一起，并通过一种面向业务主题的方式将数据分门别类来做重新组织和标准化，形成有明确业务意义的数据形式，统一为数据分析、数据挖掘等提供可用的数据。面向业务主题（如客户主题、账户主题等）的数据组织管理方式便于业务人员对数据的理解和综合使用。具体到技术层面，数据建模一般包括业务调研、架构设计、数据模型设计、数据库SQL开发与测试、业务集成上线等几个阶段，架构设计是整个工作的核心，一般会面向不同的行业来设计相关行业的逻辑数据模型。在数据建模过程中使用的工具主要包括：数据模型设计与管理工具、SQL开发工具、任务调度工具等。（五）数据分析和挖掘大数据分析和数据挖掘的核心目标是对客观事实规律进行描述、展示和总结、刻画、推广，可以从大量的数据中通过算法来揭示出隐含的、未知的并有潜在价值信息，并对客观规律进行溯源和解释，从而帮助决策者做出正确的预测和决策。围绕这个目标，大数据分析和挖掘的手段可以分为模型驱动、数据驱动等，一般通过统计、在线分析、情报检索、机器学习和专家系统等在内的多种方法来实现这一目标。现阶段在面对大数据4V问题时，大数据分析和数据挖掘工具对传统数据分析和挖掘工具做进一步自动化和智能化；与此同时，近年来深度学习的兴起又为大数据分析提供了新的手段，其做为当前计算机行业的热点研究方向之一，其本质的目标是从大量数据中提取模式和知识，其要处理的对象包括结构化数据、半结构化数据和非结构化数据在内的所有类型数据，例如近年来在视频、语音等非结构化数据的分析需求快速增加，相应的深度学习技术也取得了飞速发展。（六）数据流通数据流通是按照一定规则，将存储的数据或者数据分析、挖掘得到的信息作为流通对象，从供应方传递到需求方的过程。数据流通的具体内容包括可视化的分析报告、面向运营人员的数据标签、面向应用可以直接调用的数据指标API、面向数据分析人员的数据集、面向数据挖掘人员的数据特征、和面向业务建模人员的单方或多方的建模模型等。基于数据水印、数据加密和脱敏、隐私计算、联邦学习的数据流通安全技术，可以提高数据流通的完整性和保密性。大数据行业发展背景（一）大数据时代下传统数据管理软件面临多种挑战近年来随着互联网、移动互联网、物联网、5G等信息通信技术及产业的不断发展，全球数据量呈爆发式增长态势。数据作为和土地、资本、劳动力、技术一样的生产要素，在数字经济不断深入发展的过程中，地位愈发凸显。我国是数据资源大国，IDC研究报告指出，到2020年，中国数据量约12．6ZB，较2015年增长7倍，年复合增长率为124%。2025年中国的数据量预计达到48．6ZB，约占全球数据总量的30%。数据资源总体呈现出4V的特点，即海量的数据规模（Volume）、多样的数据类型（Variety）、价值密度低（Value）、快速的数据流转（Velocity）。海量的数据规模指数据量大，包括采集、存储和计算过程中所涉及数据量都非常大。大数据的起始计量单位通常是PB（约1，000TB）、EB（约100万TB）或ZB（约10亿TB）。多样的数据类型指数据种类和来源多样化，包括结构化、半结构化和非结构化数据，具体表现为关系型数据、日志、音频、视频、文本、图片、地理位置信息等类型数据，多类型的数据对数据的处理能力提出了更高的要求。价值密度低指有价值数据所占比例低。随着互联网以及物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，通过结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代需要解决的重要问题之一。快速的数据流转指数据增长速度快，处理速度要求快，时效性要求高。例如实时监测场景中，企业需要对物联网设备数据进行实时处理并做出反应；零售电子商务应用类软件将消费者所持的移动设备的地理位置信息和其个人偏好相结合，推送有针对性的促销信息。这是大数据区别于传统数据使用的显著特征。随着信息技术以及实际业务需求的快速发展，传统数据管理软件在处理大数据场景时不能很好适应数据的4V特性，面临较多技术挑战。因此，传统数据管理软件迫切需要技术革新。（二）传统集中式软件栈向新兴分布式软件栈演进1970-2000年，数据管理软件主要为集中式架构的关系型数据库，其软件产品具备不可分割性（atomicity）、一致性（consistency）、隔离性（isolation，又称独立性）、持久性（durability）即ACID功能特性，占据了数据管理软件的主导地位。关系型数据库技术出现在20世纪70年代，经过二十余年的发展，到90年代已经成熟。市场上具有代表性的集中式架构关系型数据库产品包括Oracle、IBMDB2以及微软SQLServer等。2000年以来，随着互联网和计算机技术的快速发展，需要处理的数据量更大、类型更丰富、速度要求更快，传统集中式计算架构已无法适应数据海量、异构、多源等特点，在部署的扩展性、容错性、经济性、灵活性等方面有一定局限性。谷歌于2003年-2006年间的三篇论文奠定了分布式存储和计算的基础，而后行业从业者基于以上理论建立了Hadoop、Spark等大数据分布式系统框架，并交由Apache软件基金会托管；2009年，在JohanOskarsson开源分布式数据库的讨论中，来自Rackspace的EricEvans重提NoSQL概念，用以指代非关系型的分布式数据存储系统。针对于不同的场景，分别产生了图数据库、搜索引擎、文档数据库、键值数据库等NoSQL数据库，代表性NoSQL数据库提供商包括MongoDB、Elastic等。2010年以来，随着数字化转型的逐步深化，快速变化的业务场景呈现了复杂化、多样化的态势。复杂的业务场景往往需要使用多种数据模型，以及数据模型间的融合。这个时期的，行业内大部分数据库都是面向单一数据模型而设计的，用以解决特定业务场景的特定问题。例如，使用传统的关系型数据库解决结构化数据的存储和处理问题、使用图数据库解决图相关的存储和处理问题、使用文档数据库解决文本相关的存储和处理问题。由于结构化数据和非结构化数据通常以不同的格式和模式存储，单模型数据库虽然优化了数据存储和处理，却难以满足日趋增长的、多样的业务场景需求。当同一业务需要用到不同类型数据的时候，受限于单模型数据库的处理能力，客户往往需要部署多个相互独立的单模型数据库，在对不同模型数据进行联合处理的时候，需要对数据进行搬迁或融合，导致架构复杂度高、开发成本高、运维成本高以及数据处理效率低。由此，催生了从单一数据管理系统到融合型、多模型数据管理系统的技术需求。此外，随着云计算技术的大规模应用，传统各类软件产品都开始由独立部署模式向云服务模式转变。其中数据库作为信息系统核心软件，逐渐附加云化能力形成云原生数据库，以服务的形式对外提供技术支撑。云原生数据库按照部署方式可以分为公有云部署和私有云部署。其中，私有云部署模式由企业提供云数据库依赖的底层物理资源，数据库服务商负责部署云原生数据库软件，后期企业和数据库服务商约定运维维护工作的具体职责分工等，特点是自有资源池化，数据不外流等。相比公有云部署下的云数据库，私有云模式更加关注信息安全，能够实现对数据安全性和服务质量最有效控制，仅限于企业员工和取得授权的合作伙伴使用。多模型数据库云原生相关技术已经成为信息产业的未来发展方向，促使大数据软件进一步革新，规模呈现快速增长趋势，代表性企业如Snowflake、AWS等。相较于国内外的现状，私有云在面向国计民生的相关行业更受客户欢迎，面向私有云模式的云原生数据库预计在未来将获得快速增长。随着技术不断成熟，分布式架构将逐渐成为主流。自底向上，传统的集中式资源管理调度逐渐向基于云原生技术的分布式统一资源管理平台发展；数据管理软件技术架构也会因为计算模式的转变发生重大变革，传统的集中式数据库逐渐向分布式、多模型数据库发展；传统数据分析软件逐渐向新型的分布式数据开发和智能分析软件发展。（三）国产基础软件迎来爆发式增长阶段当前，中国大数据软件领域处于发展的历史机遇期，我国高度重视大数据在经济社会发展中的作用，十八届五中全会提出实施国家大数据战略，《促进大数据发展行动纲要》指出，建立安全可信的大数据技术体系是推进大数据产业基础研究和核心技术攻关的重要目标。十四五规划和2035年远景目标纲要提出，培育壮大人工智能、大数据等新兴数字产业，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统行业转型升级，打造数字经济新优势。全球新一代信息产业处于加速变革期，大数据相关底层技术处于创新突破期，国内市场需求处于爆发期，为国内基础软件厂商带来明确的增长机遇。同时，随着国内基础软件人才的不断增加，在应对新一代场景，不断积累技术经验过程中，国内已形成具备自主研发实力且能与国外厂商竞争的基础软件厂商，并开始实现规模产业化落地。大数据行业的挑战（一）技术创新与支撑能力有待进一步提高技术创新是推动大数据产业发展的内在动力，但是目前我国技术创新对于大数据产业的引领作用仍然不强。一方面，国内企业对大数据核心技术、开源技术和相关生态系统影响力总体较弱。另一方面，大多数大数据企业的创新仍以模仿性、渐进性创新为主，突破性、颠覆性创新偏少，自主研发具有国际影响力的先进技术较少，同质化竞争日益加剧。此外，由于我国基础科学技术水平研发投入相对不足，大数据底层技术投入与国外存在较大差距，虽然具有大数据应用的需求，但较少通过扎实的底层技术手段来推动创新，我国大数据技术创新能力有待持续提高。（二）对开源体系的依赖程度相对较高基于开源的数据库技术，或部分开源的功能方案，已经成为当前众多企业的软件技术建设重要模式，目前数据库开源体系由国外主导。众多软件开发者对于开源软件的认知较有限，甚至误以为开源软件等同于免费软件，可以不受限制地随意使用。事实上，开源软件的著作权既没有被放弃也没有过期，开源软件知识产权风险分为版权侵权风险，专利侵权风险、商标侵权风险三大类。因此市场对待目前开源体系的法律风险意识有待提高，自主研发的国产数据库软件市场占有率有待进一步提升，降低对国外开源体系的依赖。（三）企业对于数据价值的认知及运用能力有待提高近年来，越来越多企业认识到数字化转型的必要性，但是对于数据管理的认知水平较多停留在收集数据、存储管理数据的层面，对于如何把数据有效运用及相关认知有待提高，对数据平台、数据技术的资源投入不足。企业往往只是在部分业务实现数字智能化，各个板块的协同不足，各个部门的信息孤岛现象明显，整个企业的数智化缺乏完整规划，企业对数字化转型的目标和路径不够清晰。在此环境下，中国数据管理软件服务厂商在聚焦于内部产品研发和技术迭代的同时，也需加强对下游实际的业务场景和大数据使用需求的逐步理解、适配，使得更多企业可以容易的运用大数据解决发展面临的数字化转型需求。（四）专业人才短缺问题成发展瓶颈我国仍存在严峻的大数据人才短缺问题，尤其紧缺基础技术研发、专业咨询、数据分析挖掘等方面的专业人才以及兼具专业运营能力、行业动态理解力、解决问题能力的多学科复合型人才，难以满足大数据产业的高速发展需求。一方面，我国高科技人才储备不足，高科技人才储备难以应对与日俱增的大数据人才市场需求。另一方面，我国大数据人才培养体系不完善，大数据人才培养体系起步晚，规模小，层次和模式相对单一，技能知识和理念落后，难以有效匹配产业发展速率。虽然近几年随着我国产业数字化转型的发展，数字科技行业的从业人员逐步增多，但从事基础软件领域研究的专业人员仍然稀缺，尚不能满足大数据行业对于高端专业人才的需求。大数据人才的不足一定程度上影响到大数据产业的发展，业内为争取优秀人才，造成行业内人才竞争不断加剧。扩大市场份额应当考虑的因素一般而言，如果单位产品价格不降低且经营成本不增加，企业利润会随着市场份额的扩大而提高。但是，切不可认为市场份额提高就会自动增加利润，还应考虑以下三个因素。1、经营成本许多产品往往有这种现象：当市场份额持续增加而未超出某一限度的时候，企业利润会随着市场份额的提高而提高；当市场份额超过某一限度仍然继续增加时，经营成本的增加速度就大于利润的增加速度，企业利润会随着市场份额的提高而降低，主要原因是用于提高市场份额的费用增加。如果出现这种情况，则市场份额应保持在该限度以内。2、营销组合如果企业实行了错误的营销组合战略，比如过分地降低商品价格，过高地支出公关费、广告费、渠道拓展费、销售员和营业员奖励费等促销费用，承诺过多的服务项目导致服务费大量增加等，则市场份额的提高反而会造成利润下降。3、反垄断法为了保护自由竞争，防止出现市场垄断，许多国家的法律规定，当某一公司的市场份额超出某一限度时，就要强行地将其分解为若干个相互竞争的小公司。西方国家的许多著名公司都曾经因为触犯这条法律而被分解，微软公司也曾引起反垄断诉讼。如果占据市场领导者地位的公司不想被分解，就要在自己的市场份额接近于临界点时主动加以控制。建立持久的顾客关系精明的企业不仅要创造顾客，还想要“拥有”顾客的“一生”。为此，它必须建立持久的顾客关系。企业可以在多个层次上建立顾客关系。一般地说，企业对那些数量庞大、边际利润低的顾客，更多会谋求建立层次较低的基本关系。如洗涤剂生产厂商通常不会逐个打电话给洗衣粉家庭用户，分别了解、征询意见，而会通过广告、促销、服务电话或电子网站来建，立关系。但对那些数量很少且边际利润很高的顾客，如大用户、大型零售商，企业则希望与它们建立全面伙伴关系。在这两个极端之间，企业可根据不同情况建立其他层次的顾客关系。（1）财务层次。指通过价格优惠等财务措施来树立顾客价值和满意度。如宾馆为常客提供免费或降价服务；商场提供惠顾折扣券；民航公司对常客实施优惠方案等。（2）社交层次。即通过加强社会交往来提高企业与顾客的社会化联系，与常客保持特殊关系。如企业主动与顾客保持联系，不断了解顾客需要和提供服务；向常客赠送礼品和贺卡，表示友谊和感谢；组织常客社交聚会，增强信任感等。（3）结构层次。指使用高新技术成果，精心设计服务体系，使顾客得到更多消费利益，来增强顾客关系。如批发公司通过计算机数据交换系统，帮助零售商客户做好存货管理、订货、信贷等一系列工作；宾馆用其信息系统储存旅客客史档案，为其再次光临时提供个性化定制服务等。体验营销的主要原则1、适用适度体验式营销要求产品和服务具备一定的体验特性，顾客为获得购买和消费过程中的“体验感觉”，往往不惜花费较多的代价。应该看到，中国经济和消费水平与西方发达国家尚有一定差距，大多数消费者虽然逐步从温饱需要向感性需求发展，但还没到可以为一个愉悦的体验而付出太多金钱的程度。在中国操作体验营销要把实质的利益充分考虑进去，让消费者进行愉悦体验的同时获得实质的利益，营销活动才更容易获得成功。星巴克在中国难以大面积推广，仅在上海等经济发达城市获得成功就可以证明这点。2、合理合法体验式营销能否被消费者接受，与地域差异关系密切。各个国家和地区由于风俗习惯和文化的不同，价值观念和价值评判标准也不同，评价的结果存在差异。因此，体验营销活动的安排，必然适应当地市场的风土人情，既富有新意，又合乎常理。同样的道理，各个国家和地区的法律体系，如消费者权益保护法、反不正当竞争法、广告法、商标法、劳动法、公司法、合同法等，既存在差别，又极其复杂，体验营销实施过程中，具体的操作环节和内容，都应该在国家政策和法律法规允许的范围之内。营销调研的方法（一）确定调查对象调查对象的代表性直接影响调查资料的准确性。根据调研的目的及人力、财力、时间情况，要适当地确定调查样本的多少和确定调查对象。1、普查和典型调查普查是对调查对象进行逐个调查，以取得全面、精确的资料，信息准确度高，但耗时长，人力、物力、财力花费大。典型调查是选择有代表性的样本进行调查，据以推论总，体。只要样本代表性强，调查方法得当，典型调查可以收到事半功倍的效果。2、抽样调查当调查对象多、区域广而人力、财力、时间又不允许进行普查时，依照同等可能性原则，在所调研对象的全部单位中抽取一部分作为样本，根据调查分析结果来推论全体。常用的抽样方法有：（1）纯随机抽样。完全不区别样本是从总体的哪一部分抽出，总体中的每个单位都有同等机会被抽取出来。如采用抽签法或乱数表法。（2）机械抽样。遵照随机原则，将全部调查单位按照与研究标志无关的一个中立标志加以排列，严格按照一定的间隔机械地抽取调查样本。由于样本在总体中分配较均匀，样本代表性也较大。（3）类型抽样。实行科学分组与抽样原理相结合，先用与所研究现象有关的标志，把被研究总体划分为性质相近的各组，以减低各组内的标志变异度，然后在各组内用纯随机抽样或机械抽样的方法，按各组在总体中所占比重成比例地抽出样本。这种方法也叫类型比例抽样，样本代表性更大，可得到较纯随机抽样或机械抽样更精确的结果。（4）整群抽样。上述方法都是从总体中抽取个别单位，整群抽样则是整群地抽取样本，对这一群单位进行全面观察。其优点是比较容易组织，缺点是样本分布不均匀，代表性较差。（5）判断抽样。由专家判断而决定所选的样本，也称立意抽样。（二）收集资料调查收集第一手资料的方法，主要有以下几种。1、固定样本连续调查用抽样方法，从母体中抽出若干样本组成固定的样本小组，在一段时期内对其进行反复调查以取得资料。调查技巧可采用个别面谈、问卷调查、消费者日记或观察记录调查。固定样本连续调查能掌握事项的变化动态，分析发展趋势。但如持续时间长，被调查者会感到厌烦。所以，对一般问题的调查，往往采用一次性调查，其方法包括观察法、实验法和询问法。2、观察调查由调查人员到现场对调查对象的情况有目的、有针对性地观察记录，据以研究被调查者的行为和心理。这种调查多是在被调查者不知不觉中进行的，除人员观察外，也可利用机械记录处理。如广告效果数据，国外多利用机械记录器来收集。直接观察所得的资料比较客观，实用性也较大。其局限性在于只能看到事态的现象，往往不能说明原因，更不能说明购买动机和