大数据营销基础与实务课件

项目一大数据与大数据营销通过大数据营销，企业可以更加深入地了解潜在消费者的需求和兴趣爱好，并根据这些信息制定更加切合实际的营销策略，从而提高企业的市场营销效率和盈利能力，促进企业的快速发展。目录contents01初识大数据02初识大数据营销极速洞察副总裁在某场分享课中深入解读了大数据如何帮助企业持续提升创新力和洞察力。她认为，舆情系统在企业中的日常应用更多起到舆情监测、危机预警和危机后重建的作用，除此之外，舆情系统还可以应用到企业商情领域中。舆情监测数据在企业商情领域有4种应用，包括广告投放前的策略研究、广告投放后的营销效果评估、品牌健康度监测、热点活动和热点话题的追踪与监测。极速洞察合作过的一个主流牙膏品牌曾做过品牌健康度监测，极速洞察便以全网信息监测分析帮助该品牌实现健康度追踪。极速洞察为客户制定了“品牌健康度监测+营销效果评估”方案。一方面，极速洞察依托大数据能力监测品牌健康度，深入挖掘“品牌社媒心动指数”排名增长的驱动因素，使品牌可以及时掌握市场格局，并为制定市场营销活动策略提供数据上的支撑；另一方面，极速洞察基于“品牌社媒心动指数”排名较高、增长较快的品牌，深入剖析其线上营销活动，分析社交媒体表现，找到助推排名快速上升的关键点，并评估营销活动对品牌形象的影响和提升作用。极速洞察将市面上主流的口腔护理相关品牌纳入监测范围，全面衡量品牌的线上表现，按照不同权重设计分析社交、电商、视频类等全媒体平台的用户反馈数据，分析消费者对品牌的真实反馈，包括品牌认知度、品牌互动量和品牌喜好度，其中品牌认知度是指与品牌相关的原贴数量，而品牌互动量是指转发、评论、点赞和回复数量，品牌喜好度是指消费者对品牌的喜好程度，综合分析这些维度的信息就可以得出“品牌社媒心动指数”。通过深入分析，极速洞察建议该品牌与在中国市场上更具产品力且已有丰富衍生作品的IP合作，融入一些复古、怀旧元素，并运用国潮元素与年轻人互动，从而提升品牌影响力。引导案例Part/

01初识大数据大数据，顾名思义，就是大量的数据。但是，这种简单的认知无法使我们在商业领域的营销活动中充分感受大数据的魅力。要想做好大数据营销，我们首先要对大数据有一个全面的了解和认识，建立大数据思维。（一）大数据的内涵和特征数据存储单位符号中文名说明bitb比特二进制数中的一个数位，可以是0或1，是计算机中数据的最小单位ByteB字节1B=8bKilobyteKB千字节1KB=1024BMegabyteMB兆字节1MB=1024KBGigabyteGB吉字节1GB=1024MBTerabyteTB太字节1TB=1024GBPetabytePB拍字节1PB=1024TBExabyteEB艾字节1EB=1024PBZettabyteZB泽字节1ZB=1024EBYottabyteYB尧字节1YB=1024ZB数据存储单位（一）大数据的内涵和特征大数据的定义目前并没有统一的说法，可以简单地将大数据理解为大量的数据，其具体是指一种规模庞大的、可以实现对数据进行获取、存储以及管理等功能的集合，能够将特定行为人的消费方式、生活习惯、兴趣爱好及交往关系等完整地展现出来。规模性多样性准确性时效性低价值密度大数据的内涵大数据的特征（二）大数据的类型数据的结构结构化数据非结构化数据半结构化数据0102数据能否再现不可再生数据可再生数据03数据的存储层次基础层数据中间层数据应用层数据04数据的状态静态数据动态数据05数据的隐私性隐私数据非隐私数据（三）大数据的技术架构0102030405使用大数据采集技术获得来自传感器、移动互联网等的各种类型的海量的结构化、半结构化及非结构化数据数据采集在线处理：Storm是一个免费并开源的分布式实时计算系统离线处理：离线处理涉及Hadoop、SparkCore、Hive等系统数据处理信息检索：Lucene和Elasticsearch等开源项目为信息检索的实现提供了支持关联分析：通常用来挖掘数据之间的内在联系，常用于产品推荐与引导、用户精准营销等方面数据应用持久化存储：常见的持久化存储工具有Hadoop分布式文件系统（HDFS）、HBase、MongoDB等非持久化存储：常见的非持久化存储工具有Memcached等数据存储通常利用R语言、Python、Matlab等对数据进行ETL预处理，然后根据算法模型、业务模型进行融合建模，以便更好地为业务应用提供优质的底层数据数据治理与融合建模Part/

02初识大数据营销大数据分布式存储、大数据挖掘及分析技术的发展为海量数据的收集、整合、处理、分析等操作提供了技术支持，为企业实现精准营销、优化管理、提升市场竞争力创造了更多的可能。在这样的时代背景下，大数据营销应运而生。（一）大数据营销的内涵与特点大数据营销是指通过对海量的数据信息进行筛选、整理、分析，从中提取出有价值的信息，最终为企业制定具有针对性的营销策略的过程。多平台个性化时效性强高效率关联性互动性大数据营销的内涵大数据营销的特点（一）大数据营销的内涵与特点案例链接一物一码赋能蒙牛深度连接C端作为一家传统企业，蒙牛积极拥抱数字化、智能化，利用大数据等信息技术，已经成为新时代背景下乳业数字化的新典范。在数字化转型中，营销数字化是最有效的一个切入点，可以解决传统企业在发展过程中解决不了的问题，如深度连接C端。在数字化时代，品牌需要深度触达用户，持续经营每一个能够和用户连接的触点。一物一码就是品牌伸向全渠道的触手，能把每一件产品都变成品牌的营销入口，通过触点为品牌带来源源不断的数据资产，从而实现品牌直连用户、精细化运营的目标。蒙牛早已使用一物一码技术，例如，蒙牛天猫旗舰店曾推出一款0糖气泡水风味饮料——酸酸乳乳气泡水。蒙牛在气泡水的瓶盖内嵌入一个唯一的二维码，开展“酸酸乳星际探索”互动营销，消费者扫描蒙牛气泡水瓶盖内的二维码后，就会跳转到充满活力气息的“酸酸乳星际探索”页面，从而可以领取积分进行互动游戏，根据游戏进度领取不同的奖励。有趣的游戏加上奖励的钩子，引发消费者自发为品牌传播，进行圈层扩散。设置一物一码营销活动吸引用户互动，不仅使蒙牛与消费者建立了简单的联系，还发挥了更多的效能，具体内容如下。一是一物一码帮助蒙牛读懂消费者。二是一物一码助力蒙牛精准触达潜在消费者。（二）大数据营销的发展第一阶段：

互联网时代在这个阶段，网站点击数据、搜索记录数据等是众多营销人员的关注重点。精准定位目标消费者通过互动拉近企业与用户的距离低成本进行舆论监控和市场调查企业可获得低成本组织的力量第二阶段：

社交网络时代个性化分众识别即时信息互动沟通第三阶段：

移动互联网时代区别传统大众营销传统互联网营销移动营销传播对象传统媒体用户有限的PC端用户全面的移动端用户传播方向单向传播以单向传播为主双向互动传播成本高低低传播类型各种格式的文本、音频与视频各种格式的文本、音频与视频受限于传播速度及视觉空间大小的文本、音频与视频营销设计丰富丰富简约营销终端固定媒体PC单屏多屏交互营销路径泛化传播水平撒网立体真实营销效果品牌展示品牌展示及产品促销用户即时参与移动营销与传统营销的区别（二）大数据营销的发展第一阶段：

互联网时代在这个阶段，网站点击数据、搜索记录数据等是众多营销人员的关注重点。精准定位目标消费者通过互动拉近企业与用户的距离低成本进行舆论监控和市场调查企业可获得低成本组织的力量第二阶段：

社交网络时代个性化分众识别即时信息互动沟通第三阶段：

移动互联网时代不同数据库之间的整合与协同场景成为大数据营销的着力点通过效果监测实时优化策略第四阶段：

人工智能时代（三）大数据营销的基本流程数据

采集数据存储数据处理数据分析数据应用数据采集的工具有很多种，包括爬虫软件、应用程序编程接口（API）、传感器采集、日志采集等。数据存储的方式有很多种，包括关系型数据库、NoSQL数据库、Hadoop等。确定需要分析的数据范围，运用大数据技术对初始数据、原始数据和坏数据进行清洗和预处理。数据分析的方法有统计分析、机器学习、数据挖掘等。以图形格式表示数据，让决策者看到直观呈现的数据分析结果，从而做出更科学的决策。数据应用的方式有推荐系统、风险控制、营销策略等。数据反馈利用营销技术获知客户行为和各个营销节点的过程量，以便定量地证明营销的投入产出比，进而优化营销和业务流程。数据

可视化案例链接九阳借助数据中台洞察消费者，定制差异化策略九阳自成立以来，不仅积累了技术、形成了品牌效应，还存储了大量宝贵的用户数据，但这些原始数据在以前十分分散，呈现出碎片化的特点，而且用户的主体数据没有得到整合，九阳也没有建立系统、完善的标签画像体系。因此，如何有效挖掘数据价值并合理使用，以提升品牌增长量，是摆在九阳面前的一大难题。数据中台是九阳把握数据、实现数据化运营的有效工具，它可以帮助九阳盘活沉睡的数据资产，挖掘出数据中蕴含的价值。阿里云为九阳打造的数据中台，融合了九阳线上线下的全域消费者数据，通过ONEID技术统一识别和整合，构建了消费者数据的标准和规范。在数据中台上线不久后，九阳就迎来了“6·18”年中促销活动的大考。九阳借助阿里云数据中台，基于数据中台共创IP人群运营，在某IP联名新品优选放大人群，投资回报率提升了3倍。此外，九阳通过数据中台的核心产品之一QuickAudience，对品牌近两年的自有信息进行分析、运营和管理，同时根据类目活跃度、消费行为特征等描绘出更为精准的消费人群，从而使整个营销链路、数据闭环更加完整。九阳结合人群渠道和消费属性，为全域消费者定制了差异化的策略，例如，针对A人群（认知人群）高频触达；针对I人群（兴趣人群）中的折扣敏感型、高价值人群推出不同的营销策略，让其转化为P人群（购买人群），从而在减少营销成本的同时实现成交转化率的提升。基于数据中台提升营销触达效率，九阳根据消费者的体验旅程和关键场景，精心设计运营策略，最终提升了营销精准率；而在未来，九阳也可以基于数据中台建立标签，实现营销效果的动态迭代，依托数据中台灵活且高扩展性的标签组合能力，实现不同产品组合下的精准营销。营销提效只是数据中台能力的一部分，数据中台之后还将不断迭代，全链路的数智化可以在从消费者需求满足到新品研发，再到供应链改造等方面，不断为九阳提升差异化服务能力。（三）大数据营销的基本流程你认为哪个企业的大数据营销模式应用得比较成熟？与同学讨论该企业在应用大数据营销模式时都有哪些营销动作？效果如何？课堂讨论（四）大数据营销人员配置1．数据策略师2．营销分析师3．系统工程师4．数据挖掘师5．数据质量专员6．数据库管理员数据策略师是企业内部的营销数据操盘手，需要同时精通业务和营销，并负责与业务需求层面进行沟通，从而为企业设计科学的大数据营销模式。数据策略师是大数据营销团队的核心人物，应当在企业内部长期培养。数据挖掘师是指通过对海量数据进行挖掘，寻找数据的存在模式和规律，从而解决具体问题的人员。数据挖掘师必须精通数据库知识，必须熟练掌握数据挖掘工具、数据挖掘算法。营销分析师负责大数据营销的执行层面，包括抽取、分析日常数据，熟练操作大数据营销工具。一个有SQL背景、懂数据库逻辑的人员与业务人员磨合半年，就能成为合格的营销分析师。数据质量专员负责完成日常的数据库质量检查工作。具有一定的SQL操作能力和数据库知识的偏IT领域的人员即可胜任。系统工程师负责建设和管理大数据营销的基础设施，包括新系统的开发上线和系统上线后的日常维护。系统工程师属于IT领域的岗位，一般设置在企业的IT部门。数据库管理员是负责管理和维护数据库服务器的人员。企业在选择数据库管理员时，与技术能力相比，对其职业操守的要求更高，在招聘时需要投入巨大的精力做背景调查，通常不会选择外包。（五）大数据营销的基础理论市场营销理论是不断发展的，这主要体现为4P、4C、4R、4I理论的不断演化。在此过程中，营销人员对营销、市场及消费者的理解不断加深，市场营销活动变得更加灵活、有效。（六）大数据营销的分析模型描述性分析模型用于更好地理解和描述给定的数据集，定量和统计地总结出数据所包含的信息，侧重于对客观事实整体情况的静态描述。常见的描述性指标包括平均值、中位数、四分位距、方差、峰度、偏度等。●描述性分析模型常见的描述性指标术语说明最小值数据的最小值最大值数据的最大值平均值数据的平均得分值，反映数据的集中趋势标准差数据的标准差，反映数据的离散程度中位数样本数据升序排列后最中间的数值。如果数据偏离较大，一般用中位数描述整体情况，而不是用平均值25分位数分析某项中所有数值由小到大排列后位于第25%的数值，用于了解部分样本占整体样本集的比例75分位数分析某项中所有数值由小到大排列后位于第75%的数值，用于了解部分样本占整体样本集的比例IQR四分位距（InterquartileRange，IQR）=75分位数-25分位数方差用于度量随机变量和其数学期望（即均值）之间的偏离程度标准误即样本均值的标准差，反映样本数据的离散趋势峰度反映数据分布的平坦度，通常用于判断数据的正态性情况偏度反映数据分布偏斜方向和程度，通常用于判断数据的正态性情况变异系数变异系数=标准差÷平均值，表示数据沿着平均值波动的幅度，反映数据的离散趋势（六）大数据营销的分析模型描述性分析模型用于更好地理解和描述给定的数据集，定量和统计地总结出数据所包含的信息，侧重于对客观事实整体情况的静态描述。常见的描述性指标包括平均值、中位数、四分位距、方差、峰度、偏度等。●描述性分析模型用户行为模型用于对用户的购买、浏览、社交等行为进行分析与预测，形成用户的行为特征和行为规律的描述。用户行为模型的分析方法有关联分析、回归分析、分类分析和聚类分析等。●用户行为模型用户行为模型说明使用的数据和方法用户购买倾向用户购买倾向是指用户对某些产品或服务的购买意愿和可能性，影响用户的消费决策和消费效果，用户对某个品牌的忠诚度会影响其购买倾向利用用户购买历史、用户购物车、用户收藏夹等数据，根据数据的时效性和相关性选择合适的方法用户浏览习惯用户浏览习惯是指用户在浏览网页或应用时的行为模式和偏好，影响用户的信息获取和信息消费利用用户的浏览记录、用户点击率、用户停留时间等数据，根据数据的完整性和可追溯性选择合适的方法用户社交媒体

互动用户社交媒体互动是指用户在社交媒体上的行为表现和影响力，影响用户的社交关系和社交声誉利用用户社交媒体账号、社交媒体内容、社交媒体网络关系等，根据数据的公开性和可信性选择合适的方法用户行为模型（六）大数据营销的分析模型描述性分析模型用于更好地理解和描述给定的数据集，定量和统计地总结出数据所包含的信息，侧重于对客观事实整体情况的静态描述。常见的描述性指标包括平均值、中位数、四分位距、方差、峰度、偏度等。●描述性分析模型用户行为模型用于对用户的购买、浏览、社交等行为进行分析与预测，形成用户的行为特征和行为规律的描述。用户行为模型的分析方法有关联分析、回归分析、分类分析和聚类分析等。●用户行为模型留存分析模型用于分析用户参与情况或活跃程度，考察进行初始行为的用户中有多少人会进行后续行为。该模型是衡量产品对用户价值高低的重要工具。留存分析模型支持条件过滤和多人群对比分析，支持对全量数据随机抽样计算。●留存分析模型漏斗分析模型能够科学地反映用户行为状态以及从起点到终点各阶段用户转化率的情况。通过埋点事件配置关键业务路径，能够分析在多种业务场景下的用户转化和流失情况。●漏斗分析模型Session即会话，指在指定的时间段内在网站、H5、小程序、App上发生的一系列用户行为的集合。一次会话可以包含多次页面浏览、交互等。根据不同的切割规则，可以生成不同长度的Session。●Session分析模型细分维度说明渠道来源分组用于区分每次访问的渠道来源，仅适用于网站、H5、小程序浏览页面数以步长值5为间隔，统计每次浏览页面数的分布情况（步长是指连续序列号的差）着陆页用于区分每次访问的着陆页，可以评价不同着陆页的访问质量退出页用于区分每次访问的退出页，可以评价不同页面的退出情况，找到退出率高的页面进行优化访问时长按照0～3秒、3秒（不含）～10秒、10秒（不含）～30秒、30秒（不含）～60秒、1分钟（不含）～3分钟、3分钟（不含）～10分钟、10分钟（不含）～30分钟、30分钟（不含）～60分钟、1小时以上的区间进行划分，统计每次访问的时长分布Session分析细分维度（六）大数据营销的分析模型描述性分析模型用于更好地理解和描述给定的数据集，定量和统计地总结出数据所包含的信息，侧重于对客观事实整体情况的静态描述。常见的描述性指标包括平均值、中位数、四分位距、方差、峰度、偏度等。●描述性分析模型用户行为模型用于对用户的购买、浏览、社交等行为进行分析与预测，形成用户的行为特征和行为规律的描述。用户行为模型的分析方法有关联分析、回归分析、分类分析和聚类分析等。●用户行为模型留存分析模型用于分析用户参与情况或活跃程度，考察进行初始行为的用户中有多少人会进行后续行为。该模型是衡量产品对用户价值高低的重要工具。留存分析模型支持条件过滤和多人群对比分析，支持对全量数据随机抽样计算。●留存分析模型漏斗分析模型能够科学地反映用户行为状态以及从起点到终点各阶段用户转化率的情况。通过埋点事件配置关键业务路径，能够分析在多种业务场景下的用户转化和流失情况。●漏斗分析模型Session即会话，指在指定的时间段内在网站、H5、小程序、App上发生的一系列用户行为的集合。一次会话可以包含多次页面浏览、交互等。根据不同的切割规则，可以生成不同长度的Session。●Session分析模型分布分析主要提供“维度指标化”之后的数据分解能力，将原有维度按照一定的数值区间进行维度划分，进而分析每个维度区间的分布情况。分布分析模型主要针对的是数值型和日期型数据。●分布分析模型（七）大数据营销伦理大数据杀熟擅自收集个人信息无底线侵犯私域企业在营销

过程中存在的伦理失当行为完善互联网信息技术与安全体系的