大数据营销总结精选(九篇)
前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的大数据营销总结主题范文，仅供参考，欢迎阅读并收藏。
第1篇：大数据营销总结范文
中图分类号：F274 文献标识码：A 文章编号：1003-9031（2016）03-0070-04 DOI：10.3969/j.issn.1003-9031.2016.03.15
当今时代，以移动互联网、云计算技术、搜索引擎为代表的新一代信息技术全面渗入金融行业，对金融业态产生重要影响。同时，伴随网络技术的发展，数据渗透到了每一个行业，“大数据”应运而生，已成为重要的生产要素。对最早实现数字化交易的银行业来说，大数据能反映银行产品管理的综合信息，也隐藏着产品相关的客户行为模式，有助于实现基于客户行为的产品营销管理。
一、大数据技术概况
大数据尚未有统一的概念，目前采用较多的是麦肯锡咨询公司的定义，大数据是“规模大到传统的数据库软件工具已经无法采集、存储、管理和分析的数据集”，且大数据具有“4V”的特点，即数据量大（Volume）、数据种类繁多（Variety）、数据更新快（Velocity）、数据具有极大的价值（Value）[1]。IDC的报告预测未来5年中国的数据量将以51.4%的速度增长[2]。数据作为一种信息，记录了企业所有的产品信息，并能更精确、更客观地展现客户需求，具有重大的商业价值[3]。基于大数据技术的各种商业创新，会使得未来的营销活动以更贴近消费者需求方式以及在更为合理的时间实施，取得更好的效果[4]。
现有的大数据分析挖掘的方法有很多，常用的有如下几种。
1.关联分析法。这是最常见的大数据分析方法之一，指的是从现有的数据库中找出特定序列的数据在特定事件中存在的数据关联性。确定关联规则是关联分析法的重要基础，不同关联规则的设定会产生不同的关联结果。该方法主要用于发现某一事件中不同数据是否存在关联性，如产品间的内在关联性。
2.序列分析法。序列分析法与关联分析法规则类似，但寻找的是某一事件中数据之间在时间上的关联性。加入了时间序列，使得分析结果更具动态性和延续性。这种分析法对于发现潜在用户具有明显作用，能够广泛应用到金融、医疗、工程等领域的企业中。
3.分类和预测分析法。实际上是两个过程，第一步是确定模型描述，针对指定的数据类型和概念集进行分类划分，第二步是使用这种分类基于模型进行预测分析。这一类分析方法主要用于挖掘隐藏在数据背后的消费者特定的消费习惯，并预测其后续的可能行为。
4.聚类分析法。聚类分析法能够将数据库内数据特征未知的信息进行相似性最大化处理，帮助企业了解哪些是较为典型性的用户，哪些是忠实用户，哪些是流失用户等，从而有助于企业根据不同用户的消费特征制定不同的营销策略。
二、大数据技术在商业银行的应用现状
国内的金融行业，尤其是银行业，大数据的应用尚处于起步阶段，远远落后于互联网行业。但金融行业实现数字化交易以来，沉淀了大量的用户数据，是较为适合大数据分析的行业。银行业的数据分析尚处于从数据碎片化到数据整合时代的过渡阶段。现阶段，大数据技术在商业银行的应用主要集中在风险控制和零售业务，主要有三种模式。
首先，基于网上交易流水的数据挖掘。银行与电商合作，直接接触电商平台、支付平台上的大量卖家和买家，并通过交易流、信息流、资金流覆盖其产业链上的生产、物流、消费等多个环节。基于此，银行借助成熟的数据分析技术，实施风险控制和拓展营销。如工商银行“易融通”会自动处理客户信息，选取客户融资需求量、还款资金来源及其可靠性等因素作为贷款额度指标，在线批量审批与发放贷款。招商银行与敦煌网共同推出的“敦煌网生意一卡通”客户信息共享，为小微企业提供融资、结算、理财一体化的金融服务。
其次，基于第三方系统的征信数据挖掘。这一类数据主要包括人行征信、工商、税务、电力、房管局、车管所、社保、海关等政府数据，学历、购物、支付、物流等社会征信数据以及各大金融机构的金融数据等。这些数据使得银行能更加全面判断企业客户的属性和资质，更有针对性地根据其综合情况实施精准营销。如平安银行在接入平安保险、平安租赁等集团子公司数据的同时，辅之以政府公共数据，全面分析客户情况并据此营销。
最后，基于POS流水的数据应用。商业银行依托在线贷款业务平台系统，对客户进行综合信用评价，向符合贷款条件的POS商户，以其一定期限内的POS结算流入量为授信额度的依据，在线发放用于生产经营的信用贷款。已有的POS流水数据应用有招商银行和通联支付合作的流水贷、中信银行和银联商务合作的网络商户贷款业务，浦发银行和通联支付合作的流水贷业务等。
除了基于行内数据进行挖掘分析外，国内许多商业银行还与专业第三方公司合作，争取顺应大数据潮流，进一步加快应用大数据的步伐。如平安银行与SPSS公司合作，进行消费贷产品的大数据营销管理；宁波银行利用客户购买某项产品大数据分析结果挖掘潜在客户。这些探索为商业银行拥抱大数据技术，利用大数据技术转变营销理念和营销方法提供了很好的借鉴。
随着云计算、物联网等新型信息技术的发展和跨渠道跨终端的整合，银行的大数据将日渐完善。产品的客观数据与客户信息也将有效结合，形成完整的“产品――用户”数据库，用于银行各类产品的规模化和定制化综合推介，尤其是对于具有复杂的金融产品综合运用需求的对公客户来说，大数据的应用将是一片蓝海。
三、大数据技术在对公业务营销中的应用方案
对公客户是商业银行的主要利润来源之一，且该类客户沉淀了大量复杂的数据，将大数据技术应用于对公客户服务和对公产品营销具有重要意义。基于大数据技术的营销管理是一项系统性工程，需循序渐进，最终形成一套成熟体系。张湛梅等提出一套针对移动互联网的大数据营销体系“PDMA”，主要包括认知客户（perceive）、挖掘需求（data-mining）、精准营销（marketing）、营销评估（assessment），构成一个闭环体系[5]。基于“PDMA”的框架能很好地建立银行产品和客户两个维度。结合客户属性进行产品大数据分析，才能以更符合客户偏好和需求的方式实施产品营销，并对营销的效果进行事后评估，以持续改进。本文以“PDMA”为框架，系统阐述商业银行借助大数据技术进行对公产品营销管理的应用方案。
（一）P――认知客户行为
对公客户与零售客户有本质的区别，客户的金融需求复杂，且更加个性化多样化。在银行进行大数据分析之前，应当对对公客户有一个全面认识，并结合客户情况认知银行对公产品现状。认知企业客户行为可以从三个方面着手。
1.基于客户属性建立客户特征库。客户特征库包括银行数据库中的所有对公客户相关字段，可以对客户的自身属性、所在地区、财务状况、与银行合作紧密程度等进行初步分析，掌握客户基本情况。
2.结合客户持有产品情况，认知银行的产品结构。以产品管理系统中的产品库为依据，分析持有不同数量产品的客户分布、各门类产品的客户总体分布、下属分行及其经营机构的客户持有产品情况，以及结合多个时点的各门类产品客户数的变化趋势等。
3.在认知产品的基础上，基于产品记录，分析客户行为习惯。包括客户对产品门类的偏好，对产品购买渠道的偏好，对资金流动性的需求，购买产品时段偏好等。
（二）D――挖掘客户需求
在认知产品和客户的基础上，应用大数据技术，挖掘隐藏在产品信息和客户信息背后的客户需求，为后续的精准营销打下基础。
1.基于客户产品持有行为判断不同产品的相关程度。在客户持有产品的全数据中，同一客户持有多种产品的现象较为普遍。分析客户持有的产品明细清单，找出同一客户持有产品组合的一般规律，可以准确判断各产品之间的相关程度，测算出持有某种产品的客户同时使用该产品相关产品的可能性。产品相关分析的结果可以形成定期的产品相关性监测报告和营销建议。
2.基于产品的监测报告，判断产品持有的平均水平。结合客户产品的平均持有水平分析，将低于产品平均持有水平的对公客户认为是具有产品潜力的客户群，生成这一类客户清单。同时根据客户清单中对公客户所在分行进行分类，将这部分产品需求未充分挖掘的客户清单推送到分行，以帮助分行更好地锁定目标营销客户。同时也可以针对不同门类产品的客户情况进行统计分析，判断持有某类产品的客户使用其它门类产品的情况，也即产品的跟进情况。
3.对非结构化的大数据进行分析，全方位挖掘客户的产品需求。非结构化数据可以分为行内数据和行外数据。行内数据中，银行内部的资金来往记录和银行内部企业授信报告等都可以作为非结构化数据来源。此外，银行还可综合应用外部数据，如电力、税务、工商和人行征信系统数据。通过这类交易数据可以形成企业的社会网络关系图，作为供应链金融大数据营销的重要依据。
总之，需求发现环节应紧密结合产品和客户的数据，挖掘大数据背后客户对产品的需求，是借助大数据实现对公产品营销管理的基础性工作。
（三）M――产品精准营销
充分挖掘客户需求后，根据需求实施精准营销。具体可以有如下应用。
1.结合客户的产品门类偏好推荐同一类别的其它产品。根据客户偏好分析和需求挖掘结果，掌握客户对某类产品的使用记录，为其推荐同门类产品中其它热门产品（依据热门产品排名），提高同一门类产品的渗透率。此外，还可以具体到各分行，分析各分行同类产品使用情况，并将之与全行产品应用情况对比分析。低于全行各门类产品应用水平的分行建议就其薄弱的产品门类进行重点营销。
2.对持有某些产品的客户推荐产品组合中的其它产品。通过产品相关分析梳理出相关度高的产品组合，结合只持有这些产品组合中的部分产品的客户清单，生成各个客户还可进行关联营销的具体产品清单，推送给各分行，指导其根据该客户潜在产品清单对客户进行产品关联推荐。
3.通过客户属性分析开发潜在客户。从产品出发，通过聚类法和分类预测法分析持有某种产品的客户群体的共同属性，然后比对具有这些属性但还未持有该种产品的客户，作为该种产品的潜在客户名单，对名单上的客户推荐该种产品，通过分析现有客户成功开发新客户。
（四）A――营销效果评估
营销评估是贯穿“PDMA”大数据营销体系全流程的最后一环，也是营销管理流程中承上启下的重要步骤，能及时帮助商业银行掌握大数据分析的效果。银行在精准营销评估过程中，应当加入时间序列，结合产品和客户情况进行综合评估，并定期对基于大数据分析的精准营销实施评估，根据评估效果改善大数据分析和精准营销的成果。对有成效的分析结果形成定期营销报告，对于成果不显著的从业务角度总结原因，调整大数据分析模型和参数，改进结果。
四、对公业务营销中的典型案例
总体来说，相比国有银行，股份制银行更加积极拥抱大数据技术。2015年3月，民生银行“金融e管家”平台正式上线，这是民生银行利用大数据技术的一大利器。该平台主要针对国内商业银行客户关系管理系统管理功能、分析功能、应用功能相互脱离的弊端而开发的基于大数据分析的一站式服务平台。“金融e管家”服务于全行对公客户管理，覆盖“PDMA”框架的四个环节，是对公业务应用大数据技术的典范。
首先，认知客户行为（P）。该平台对接民生银行内200多个生产系统和数据中枢，并导入上市公司数据、人行征信数据、工商数据等行外的数据，形成完善的数据结构，通过不同的规则组合数据，如对公客户和产品的交叉组合，或者基于供应链的客户上下游集合等，使用户可从不同角度解读对公客户的特性，同时通过行内资金流和行内外信息流，精确掌握客户的行为习惯。
其次，挖掘客户需求（D）。该平台对客户信息更深层次的挖掘，去除无效信息，将有效信息放大，结合线下业务资源，挑选出最适合营销的企业关系群体，应用多种大数据分析方法，建立关系网络分析模型，识别出群体的特征和相互之间业务重点，并以极具可用性的界面展示客户潜在需求挖掘的结果，帮助客户经理深度挖掘客户的金融需求。
再者，产品精准营销（M）。该平台是一个智能化的融资理财和资源整合平台，主要围绕核心客户，通过后台数据的支撑，建立交易网络模型和上下游客户推荐模型，并据此匹配最适合的金融产品，实现精准营销。该平台上线后，对公产品关联营销的成功率大大提高。
最后，产品营销评估（A）。该平台建立了基于历史记录的客户绩效评价体系，科学全面的评价客户绩效，并根据评价结果改进营销方向。后评价功能涵盖对公业务的不同情况，如对个性化服务方案的综合评价，对集团客户也能建立综合收益的评价，而不仅仅是单独考虑单笔业务的收益，适应了缺资产时代的商业银行经营新思路。
可以预见，在信息技术发展日新月异的当代，随着对公业务背后纷繁复杂的信息流、资金流、物流等多样化数据不断沉淀，大数据技术在商业银行对公业务营销中的应用价值将日益凸显，并将逐渐成为商业银行对公业务的核心竞争力之一。
参考文献：
[1]Manyika， J.，M.Chui andB.Brown et al.Big Data：The Next Frontier for Innovation[R].Competition， and Productivity，2011.
[2]Franks， B.著，黄海，车皓阳，王悦等译.驾驭大数据[M].北京：人民邮电出版社，2013.
[3]杨威.大数据时代下的电子商务企业营销方式变革[J].中国电子商务，2014（14）.
第2篇：大数据营销总结范文
市场营销工作在大数据背景下受到一定的影响，市场营销作为一门实用性非常强的学科要与实际市场营销紧密联系才能够培养出符合社会需要的人才。因此，市场营销教学方法在大数据背景下成为新的热点课题。本文首先分析了大数据背景下市场营销的特点，然后细致讨论了该背景下市场营销教学的方法和策略。旨在为高校市场营销课程专业的教学教研工作者提供参考。
关键词：
大数据背景；市场营销；教学方法
“大数据”成为了网络时代中一个新的名词，所谓“大数据”既不是一种新的技术，也不是一个软件。“大数据”主要是网络时代信息高度共享后出现的一种现象，即单位时间内呈现出的数据的数目激增。市场营销工作很大比重依赖于对数据的整合与分类，从而确定营销方案。面对庞大的数据，市场营销工作的开展有了更好的机遇，同时也面临着庞大工作量的挑战。另外，量的积累导致质的飞跃这一哲学原理也适用于市场营销工作，当数据量非常大的时候，就可以创造性进行应用以实现市场营销工作的创新。所以在大数据背景下市场营销教学方法必然要进行适度调整。
一、大数据背景下市场营销的特点
1.具有商品关联挖掘网络营销特点商品关联挖掘营销是指在某种特殊联系的基础上将两种商品放在一起，进行营销推广。这种商品关联挖掘网络营销模式需要以大数据为基础探索商品之间的联系。啤酒和尿不湿本是不相及的两种商品，但是经过巧妙联系却可以绑定在一起销售。美国妈妈照顾宝宝没有时间出去买尿不湿，爸爸下班买啤酒的时候正好把尿不湿买回家。
2.具有基于大数据的用户行为分析营销特点在大数据背景下建立用户行为分析营销模式意指通过记录和分析用户的上网数据，总结出用户的喜好和经济水平，筛选出有价值的潜在客户，对其制定一对一的营销计划。时下淘宝和美团都根据用户的已购买信息来为用户推送相关商品,这种营销行为也受到客户的好评，他增加了客户与商家的互动粘度。
3.具有基于大数据的个性化推荐营销特点网络营销模式中，基于大数据背景下的个性化推荐营销模式是非常重要的模式，在目前的一些社交网络平台中，比如微信、微博、知乎等，用户可以根据自己的喜好建立属于自己的社交圈，在自己的社交圈中随时随地自己喜欢的信息，利用大数据，销售者可以收集这些用户喜欢的信息，分析消费者的心理需求，利用快速的网络传播速度和目前庞大的社交群体，进行个性化的商品推荐，这种营销方式和用户行为分析营销方式有很大的相同点，也具有极强的针对性。
4.具有现代通信的大数据分析营销特点现代通信数据分析营销模式的运用在实际生活中的例子有很多，其中比较有名的有淘宝中量子恒道统计，它主要有两种功能，一种是量子恒道网站统计，另一种是量子恒道店铺统计，网站统计主要是统计客户和第三方的一些数据和内容，比如网站访问量，全面监控数据变化，同时通过分析收集的互联网数据，归纳总结客户的网络使用规律，根据分析结果制定相关的网络营销策略，量子恒道店铺统计通常是实时统计淘宝店铺在运营中产生的数据，利用这些数据对店铺作出相应修改，吸引客户。
二、大数据背景下市场营销教学的方法和策略
1.增加学生做课堂报告的案例分析课比重增加学生做课堂报告的案例分析课比重的目的在于让学生对于市场营销活动有整体感知，能够将市场营销的理论知识应用于分析当中，对学生市场营销基本功的夯实大有弊。此外，市场营销专业的每位学生都要做一个课堂报告，不同的学生的兴趣点不同，学生们在做课堂报告时就是信息共享的一个过程。在学生做课堂报告的案例分析中，老师要注意以下三点以达到理想的教学预期。第一，教师要为学生提供一个经典的模板。制作模板的目的是让学生们知道要做哪些事情，做到什么程度。这样就让学生养成良好的市场营销思路，具有扎实的专业基础。第二，教师要对学生的案例分析进行深度点评。老师的点评主要分为两个部分，一是课上点评，主要是抓住案例的亮点和学生分析的独到之处，从而让学生们共同学习；二是课后点评，主要是对学生的不足之处和课堂上时间限制而点评完的内容进行补充。老师的深度点评能为学生的案例分析提供新的方向和反思。第三，教师要将学生的案例分析作品汇集成册。该项工作开展主要是为了达到教学相长的目的，教师对学生案例进行点评要与时俱进地结合当下市场营销实际，长期积累后的案例分析作品集就是校本教材的雏形。
2.将市场营销课堂转移到计算机网络中心将市场营销课堂转移到计算机网络中心的目的在于让市场营销专业的学生能够熟练使用现代通信设备，从而能够在大数据背景下在营销工作中娴熟运用现代通信设备。时下市场营销中的问题是营销专业的工作人员的通讯设备使用能力欠缺，而通信设备专业工作人员不懂营销，两者之间的沟通误差造成了营销效果不理想。增强营销专业学生的讯通设备使用能力则可以提高市场营销活动能力。在计算机网络中心进行市场营销课程的讲解要注意以下三点。第一，教师要通过主机对学生所用计算机进行总体控制。教师所用计算机为主机，学生所用的为子机。教师在进行课程讲解时要通过主机对子机的控制来学，从而避免学生开小差。第二，教师要将学习讲义提前发给学生供学生预习思考。该教学过程可以参考美国教学中常用的“翻转式”课堂教学方法。将课堂转移到计算机网络中心的目的主要是增强学生利用计算机来处理数据的能力，所以课堂练习是重要部分，通过预习能够大幅减小课堂讲解的时间，从而为大量练习提供必要的时间保证。第三，利用校内网来构建网络学习平台，下课前学生要将课上的练习任务提交到网络平台上。网络学习平台能够对学生的课堂练习情况进行监督和反馈，同时也为教师对学生练习的批改提供了方便。
3.构建师生互动式教学模式构建师生互动式教学模式的目的在于让学生在课堂上有更多的话语权，从而实现学生主体教师主导，教师将学生们的观点和信息进行有效整合，从而挖掘商品关联性，进而培养学生用普遍联系的观点来思考问题，最终培养出适应社会需要的创新型人才。在构建师生互动教学模式时，要注意以下三点。第一，扮演主持人的角色，掌握课堂讨论话题的主导权。互动式课堂的弊端是容易出现学生跑题的状况，老师要对学生讨论内容的主题进行把控。第二，适当提问，引导学生思考。互动式教学成果得益于教师和学生的深度沟通和交流，老师适当提问能够引导学生向着预期的方向思考，从而有利于教学的顺利进行。第三，适时质疑，激发学生的思考辩论潜力。青年学生有着不服输的精神，老师适时的质疑能够激发学生的潜能。
4.增加学生的实践课程比重增加学生的实践课程比重的目的在于让学生在大量实践中掌握用户行为分析的能力。不同学生感兴趣的营销课题不同，经过实践学生能够找到自己喜欢的课题，并对商品用户的行为进行分析。在增加学生的实践课程比重要要注意以下三点。第一，要对学生的实践课程进行进度追踪和成果检查。对进度的追踪是督促学生以克服学生的惰性，成果检查是对学生做事效率的要求。第二，要在学生的实践课程中与学生保持互动联系，从而予以学生技术上支持和理论上的帮助。学生实践的目的在于将理论知识应用到实际中，大数据时代下，很多营销活动都发生了变化，学生需要老师对其实践进行答疑解惑。第三，在条件允许的情况下，教师要与学生所在的实践单位的营销负责人联系，从而对学生面临的营销内容有深度的了解，进而给学生具体的有效的指导。
三、结语
综上所述，大数据背景下，市场营销方式发生变化，相应的市场营销的教学方法也要有针对性地进行改革。这既是市场营销专业适应企业需求的需要，也是对教育领域中全面深化改革的践行。增加学生做课堂报告的案例分析课比重，能够让学生将市场营销的理论知识应用到分析当中，提升学生能力，同时不同学生做不同类型的课堂报告，能够拓宽学生视野，增大整个学习阶段的信息量。将市场营销课堂转移到计算机网络中心可以保证师生在课堂上共享网络资源，教师可以知道学生应用现代通讯技术对大数据进行处理以服务于市场营销工作。构建师生互动式教学氛围，能够增加学生的话语权，在教师的引导下让各种思想碰撞出火花，从而了解各种商品的关联性。增加学生实践课的比重，可以让学生对自己感兴趣的商品进行用户分析，从而提升学生的市场营销实战能力。因此，高校市场营销专业教师教研工作者要对当下市场营销的特点进行深入分析，从而创造性地研究出有效的教学方法。
参考文献:
[1]徐国虎,孙凌,许芳.基于大数据的线上线下电商用户数据挖掘研究[J].中南民族大学学报(自然科学版),2013(02).
第3篇：大数据营销总结范文
随着物联网、云计算、数据挖掘技术等的发展和渐渐成熟，大数据已成为企业关注的焦点。电信运营商拥有其他企业不具有的数据资源，大数据技术的出现与发展为电信运营商深挖数据提供了技术手段，同时也为其更好地服务客户提供了新的机遇。本文结合大数据的技术现状以及4C营销策略的特点，探析了大数据技术在电信运营商应采用的营销策略。
【关键词】
大数据；电信运营商；4C营销策略
0 引言
继移动互联网、云计算、物联网等互联网信息技术之后，大数据作为一个崭新的名词出现在我们面前。大数据是信息产业一次巨大的技术革命，对企业管理决策、拓展业务和组织流程，以及人们的生产生活方式等都会在一定程度上产生很大的影响。
大数据（Big Data）就是在一定时间内，用传统数据库软件工具没有办法对其内容进行提取、管理和分析的数据集合。它具有4个特点，即：（ 1） Volumes 指数据体巨大。 （ 2） Variety 数据类别繁多，主要包括了大量的不易处理的半结构化和非结构化数据。（ 3） Value 数据的价值密度较低，由于数据量大，所以从中提取的有价值的信息就相对总量来说很少。 （ 4） Velocity数据处理速度要求非常快。不光有历史数据，同时包含大量实时或在线数据需要处理。
1 大数据时代电信运营商的机遇及挑战
1.1 机遇和优势
在大数据逐渐应用到各行各业的背景下，电信运营商具有其他企业不具有的数据资源。首先，电信网络具有垄断地位，只有电信运营商具有提供可管控的全程全网服务和端到端网络接入能力；其次，电信运营商作为用户的第一接触者，具有很强的用户聚合能力，拥有独一无二的用户资源；再者，电信运营商在业务运营和提供服务的过程中获得网络状态、业务状态等数据，更重要的是对用户身份、业务类别、关系网络和消费能力与信用等特征数据的识别。
1.2 挑战和劣势
近十年来，电信产业产生了史无前例的技术变革，尤其是在2009年至今，3G技术的迅猛发展，移动互联网的普及，各种商业模式被慢慢打破。网络的扩容与升级并没有给电信运营商带来可观的利润，通过分析2013年第一季度的数据，可知电信、移动、联通三大运营商的传统业务和整体固网业务都在一定程度上受到了互联网的较大冲击，增长减缓甚至下滑。
此外，大数据时代运营商还面临着来自数据获取、分析及管理方面的挑战。大量的半结构化和非结构化的数据形式在很大程度上降低了数据分析处理的效率，在数据读写及存储方面，给运营商也带来了巨大的压力。大数据使人们更加关注隐私的保护，“棱镜”事件给大数据时代的政府和企业都敲了警钟，以牺牲个人隐私为代价的商业价值的创造会受到来自各方面的抵制压力。因此电信运营商也要重视用户的隐私问题，对地理位置、用户身份、行为路径等涉及隐私的信息实施有效保护。
2 电信运营商的4C营销策略
随着市场竞争越来越激烈，媒介传播的速度也越来越快，美国学者罗伯特·劳特朋（Robert Lauterborn）教授在1990年提出了与传统营销的 4P 营销理论相对应的 4C 营销理论。即：Customer（顾客）顾客的真正需求、Cost（成本）顾客获取产品或服务的成本、Convenience（便利）顾客消费的方便性、Communication（沟通）产品促销和消费者信息反馈。电信运营商的系统本质是为用户与用户、设备与设备、用户与设备之间提供通信信道，每天承载着海量信息，大数据的出现为运营商完成高效的4C营销策略提供技术支持.
2.1 Customer（顾客）主要指顾客的需求。电信运营商只有通过对合法取得数据的高效分析，做到真正地了解客户需求，才能开发出更适合顾客的产品。其策略主要有：（1）现有业务的优化和改进。比如：运用大数据分析，对所有的在网用户的消费者行为进行分析，了解他们的消费习惯，逐渐完善电信行业的产品定制化；（2）4G时代的到来将推动移动数据业务量的不断增长，电信运营商不能只作为一个渠道商，要更多地与设备和应用提供商合作，推出客户需要的产品。比如：中国电信与网易合作推出了“易信”；（3）创新业务模式，主要的业务对象包括家庭、企业、政府及第三方。对于家庭用户，利用运营商的网络数据和GPS数据相结合，在合法的前提下提供针对特殊群体的定位服务。对于企业用户，主要有两种模式创新：一是基于运营商的数据分析，提供相应的咨询服务；二是将运营商的数据与企业的信息传送能力相结合，使数据与电信业务相互促进。对于政府和第三方，则主要提供信息服务和基于业务类型的统计服务。
2.2 Cost（成本） 不单指企业的生产成本，而应该更多考虑顾客的购买成本，同时也意味着产品定价的理想情况应该是既低于顾客的心理价格，又能够让企业盈利。运营商利用大数据技术对消费者信息的分析，掌握消费者的消费习惯，更精确地预测出消费者心理价格，合理定价。
2.3 Convenience（便利） 即为顾客提供最大的购物和使用便利。顾客取得电信服务的渠道主要有：营业网点、网上营业厅（包括微博、微信、易信等平台）、语音客服。营业网点主要办理开户业务；网上营业厅主要办理缴费和增值业务；语音客服主要处理客户使用过程中遇到的问题。运用大数据分析各个服务渠道的使用情况，合理地调配资源，更高效地为让客户服务。
2.4 Communication（沟通）企业、顾客双向沟通，建立基于共同利益的新型关系。电信运营商不仅要通过营销让客户了解并且购买电信产品，还要及时从客户那得到客户对产品及其服务的反馈，以便运营商能更好地改进和提高产品和服务的质量。电信运营商运用大数据分析不同客户接触广告媒体的习惯，并分配好营销资源，及分配互联网营销和传统营销在整个营销过程中所占比例。通过营业网点、网上营业厅、语音客服运营商可以收集到很多客服的意见和建议，运用大数据技术对这些信息进行处理分析，能让运营商更好地了解客户以及产品的优缺点，做到高效沟通。
3 总结
大数据时代的到来，给电信运营商带来机遇同时也带来了挑战。随着科技的发展、技术的进步，电信运营商会在不触犯消费者隐私的前提下把这些转化为其资产。将4C的营销理论应用到电信运营商大数据的处理过程中，优化并开发出满足客户的产品，最后把大数据资产转换成电信运营商的利润。
【参考文献】
[1]李政、李继兵、丁伟。基于大数据的电信运营商业务模式研究。移动通信2013年05期
[2] 童晓渝 张云勇 房秉毅 雷磊。大数据时代电信运营商的机遇。信息通信技术 2013年 第01期
[3]百度文库.4C营销理论。2013/11/20 http：///link？url=7ir8faGnOdL6FQVLduLPufoF2bHO3v6NAgYSm3qoX-mPD74FMoTtFELhwkwaHm977k00X--MK_NV_MaIzL_UTa
第4篇：大数据营销总结范文
［关键词］大数据;精准营销;互联网
1引言
1.1研究背景
1980年，美国著名未来学家阿尔文托夫勒在《第三次浪潮》一书中将大数据盛赞为“第三次浪潮的华彩乐章”［1］。提出大数据的定义:“指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产”［2］。大数据精准营销的定义源自德国，Dresden大学的TanjaJoerding在1999年实现了一个多样化的电子商务原型系统———TELLIM。这一发现引起很大反响，在以后的十年时间，譬如NEC、Google、纽约大学、雅虎等各大公司纷纷在此领域开始耕耘。一直到2009年7月，中国的首个个性化研究团队成立，这也象征着中国独立的电子商务体系成立、大数据精准营销解决方案团队的开始。大数据精准营销是在传统精准营销的基础上进行思想定位的，依托于互联网发展的新趋势，创建出多元化并且多样化的用户使用及沟通场景，初步实现了营销成本的控制，正因为如此，其成为互联网精准营销的主要核心价值。
1.2已有文献研究
王薇(2020)研究立足于P2P网贷平台，在大数据背景下分析其精准营销;白卓男(2020)以爱奇艺为例，研究基于大数据的消费者精准营销;王艨(2020)阐述了大数据背景下的奥龙世博公司精准营销策略。目前已有文献研究基于大数据的精准营销，但不足之处在于学者们都基于具体的某一行业或企业，没有涉足大的互联网平台。本文立足于互联网各平台，分析企业的精准营销，弥补研究不足。
1.3研究内容
本文第一部分为研究背景，第二部分叙述了大数据精准营销的过程，第三部分总结大数据时代精准营销的4大核心思维，第四部分分析目前企业大数据精准营销存在问题，第五部分提出大数据时代企业精准营销的建议，第六部分结语。
2大数据精准营销的过程
传统营销是一种静态的营销方式，是根据性别、年龄、职业和收入等基本属性来判断顾客的购买力和产品需求，从而对市场进行细分，并制定相应的产品营销策略。而大数据不仅记录了人们的行为模式，而且记录人们生活习惯，分析人们的情感，可以准确预测客户的需求。这些数据一旦被企业获知，则可以针对性准备基于客户生命周期的营销策略，这是一个动态的营销过程。大数据营销的过程大致分为以下内容:
2.1客户信息收集与处理
客户数据收集和处理是数据准备流程的关键组成部分，是数据分析和深层挖掘的基础。营销所需的信息分为三类:描述性信息型、行为信息型和相关信息型。描述信息是指客户的基本属性信息，常见的如年龄、性别、职业、收入、联系信息等。行为信息是指客户购买行为的特征，通常包括客户购买的产品或服务的类型、消费记录、购买数量、购买频率、退货行为、支付方式、客户与企业之间的联系记录以及客户的消费偏好等。关联信息是顾客行为的内在心理因素。常用的相关信息包括满意度和忠诚度，对产品和服务的偏好或态度，损失倾向和与企业的联系倾向。
2.2客户细分与市场定位
组织必须对每个客户组进行区分，以便有效地管理每个客户组并执行差别化市场营销活动。传统的市场细分变量(例如人口、地理和心理因素)提供了相对不明确的客户概要信息，因此很难为正确的营销决策提供依据。在大数据时代利用大数据技术，我们可以快速地从收集到的大量非结构化信息中过滤出有价值的信息，并对客户行为模式和客户价值进行准确的评估和分析。我们甚至可以从“每个人”而不是“目标群体”中获得深刻的理解，以提供客户的一瞥和提供营销策略。
2.3营销决策与营销战略设计
在现有数据的基础上建立不同的客户概要信息后，商家将企业战略、企业职能和市场环境结合起来，以发现多个环境中的潜在销售机会。最终，您需要为每个消费者群体定制个性化的营销策略，提出的每个营销策略都对应满足特定的目标群体，如吸引品位相同的客户、进行捆绑销售或促销，以及吸引新顾客维护老客户等。
2.4精准的营销服务
动态数据跟踪可增强用户体验。组织可以跟踪并提前通知用户产品使用情况。例如食品接近陈列室，汽车磨损，需要维护等。流媒体数据使产品“生存”，使公司能够根据反馈数据进行规划，准确预测客户需求，并提高客户的生活质量。对于潜在的客户或消费者，通过各种最新信息传递工具，组织可以直接或通过电子邮件跟踪消费者的反应。
2.5营销方案设计
宏观数据时代需要一个良好的营销策略，以便能够将注意力集中在特定的目标客户上，包括目标产品组合、产品定价结构和渠道设计。能够根据消费者的兴趣和喜好提供特定的市场推广组合，包括一对一沟通解决方案(例如020渠道设计)，在线广告客户购买模型和实时拍卖技术，基于位置的升级等。
2.6营销结果反馈
在大型数据时代，市场营销活动结束后，会对在营销活动执行期间收集的各种数据进行全面分析，以根据大量数据开发最有效的企业市场绩效与之相比，我们了解了基于新数据的度量标准和价值。评估活动、渠道、产品和广告的效果。为后续营销活动打下坚实的基础。
3大数据时代精准营销的
4大核心思维4C理论作为大数据精准营销的理论基础，它根据消费者需求拟定了构成营销组合的四个基础要素:即消费者(Customer)、成本(Cost)、便利(Convenience)和沟通(Communication)。大数据营销的关键是对销售市场进行准确的定量分析，整合数据库系统，对客户资源进行长期的多元化跟踪，保持互动沟通。部分数据的客户使用人工智能和大数据计算，对企业的目标用户进行信息智能触摸和产品智能推荐，从而帮助企业正确实现客户营销。以客户为中心，依托强大的数据库资源，通过对数据的分析和整合，对客户进行准确的分析和定位，实现合适的时间，恰当的地点，能被消费者接受的价格，通过独特的营销渠道，为目标的客户群体提供他们所心仪的产品，最大限度地实现企业的利益。精准营销的本质是，依据消费者的个性化需求来提品和服务，这其中的大数据技术仅是满足客户需求的手段而已。
3.1核心思维一:以用户为导向
无论是以前传统营销，还是现在流行的精准营销，营销的中心一直未变，均是以客户为主。而大数据也确实向企业描绘了客户的样子，营销人员可以根据大数据分析的结婚了解用户的消费行为习惯，以及用户年龄、消费水平、收入等情况，以便针对不同的客户，制定不同的营销策略。3.2核心思维二:一对一个性化营销大部分销售员在销售过程中会遇到这样的问题:产品是相同的，但每一个用户的需求不同，那怎么样才能将相同的产品销售给不同的用户?这里就需要销售人员进行“一对一”的个性化营销。利用大数据分析，团队可以建立一个完美的用户肖像，了解消费者，从而做出准确的个性化营销。
3.3核心思维三:深度洞察用户
解用户和了解用户的潜在需求。使用数据标签准确了解您的潜在消费需求。比方说，如果企业了解到你买了奶粉，他可能推测你有了家庭、有了宝宝。后续针对性推出适龄尿不湿、辅食、玩具、早教书籍等。一旦了解了您的需求，市场营销的效果将比Internet更高效、更易于处理。
3.4核心思维四:营销的科学性
实践证明，在数据指导下，正确的市场营销比传统的市场营销更科学.与无目的被动营销相比，向用户推荐“投入”和推荐对潜在客户感兴趣的产品更有效。如今是互联网时代，企业要想营销取胜，必须重视大数据，重视精准营销。大量的数据营销，以及颠覆性的营销观念变化，也逐渐验证了大数据的商业价值。预计在未来，数据营销将完全取代传统的单一营销方式，从而占据主导地位。但对企业和许多营销人员来说，最终的解决方案是如何利用这一重要趋势，并积极应对机遇和挑战。4企业大数据精准营销存在问题在大数据时代，人们在互联网上留下了越来越多的数据。“数据指导下的准确营销”正开始被营销者所接受。然而目前多数企业存在以下问题:第一，意识混乱。很多企业仍然处于大数据营销的混乱时期，这是一个非常困难的阶段，说不清道不明精准营销的重要性，后台留存的一堆数据有什么用?精准营销真的可以锁定目标客户吗?第二，过分依赖合作伙伴。在竞争激烈的商海，企业习惯抱团取暖。毋庸置疑，企业的发展离不开合作伙伴，找到合适的合作伙伴，有助于提升自己的实力。但过分依赖合作伙伴，使部分企业丧失了思考，谁可以帮助您解决业务问题?知道你的困难是什么?他会不会总是关注你的计划是否有效，并随时调整它，以达到最好的效果。第三，无智能数据库。大多数企业的数据来源很多，但是如何从众多的数据中挖掘有利的数据，则是一个大难题。即使挖掘有用的数据，企业各部门之间的数据没有联通，难以交流，有用的数据也变得没用。企业可以利用大数据的长处来解决团队在工作当中业务的困难，挣脱传统的商业模式，让你的企业智能化。
5大数据时代企业精准营销的建议
“互联网”的普及代表了一种新的经济形式正在逐渐壮大起来。“互联网”不是对传统产业的否决，而是对传统产业的升级换代。尤其是移动互联网+，驱动了传统产业更新换代的步伐。“互联网+”就像是给传统产业安上了一对“互联网”翅膀，使其如虎添翼。大数据实现了多个平台的营销数据收集、人脸的行动分析，做到了愈加完善和全面，它促使了企业的营销快捷化，使企业的团队节省时间和精力。互联网与大数据的结合使企业与互联网进一步融合转型，让企业依托互联网中的大数据分析，为企业找到准确的客户群。首先，要充分利用大数据技术来了解消费者的需求和问题。经过数据信息分析再从中筛选出有利的数据，进行整合处理，再将这些数据进行分析处理利用。目前，大数据时代下互联网企业精准营销有很多方式，比如设计制作网页来了解消费者的浏览偏向、爱好、点击量等方面，收集相关信息后进行整合处理，进行一系列研究和分析。同时，还可以收集到同行竞争对手的动向和重要数据，对其做出相关策略和预测，了解很多内外部信息，适应内外部的环境，准确把握行业的未来发展方向。其次，利用大数据做好对消费者的消费行为进行定位分析，再进行精准营销。互联网的消费方式便捷，给消费者带来不一样的消费体验，但同时也会存在很多竞争对手。在这种条件下，企业可以用数据的有利资源对其销售产品的消费人群进行准确的定位，从而获得更多更忠实的顾客。通过大数据来了解消费者对于商品的爱好、喜好。针对性的对消费者的要求做出更好，让消费者更容易接受更满意的商品。然后对其精准营销，做到对每一位消费者都用心服务，用诚意和专业的服务态度去为消费者更好的服务，用更好的服务区吸引消费者打动消费者。最后，调整企业的营销策略。大数据的出现，传统营销的时间、空间的，营销活动等限制都被打破，原先的营销策略难免有不足之处。完善和调整营销策略，快速适应数据时代的营销模式，通过大数据和媒体渠道，对目标客户在合适地进行营销活动，以实现效果的最大化。
第5篇：大数据营销总结范文
关键词：大数据时代 传统营销 营销革命议
据CSDN对2011年中国云计算的调研显示，超过50%的企业目前每日生成的数据量在1T以上，超过10T 的有10%，有5%的企业每日声称的数据量已达到了50T以上。可见，海量数据已成为发展趋势，大数据时代悄然而至。
一、大数据的含义
按照百度百科上的定义，大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。数据量之大已经不是以我们所熟知的多少G和多少T为单位来衡量，而是以P（1000个T），E（一百万个T）或Z（10亿个T）为计量单位。业界将大数据的特点归纳为4个"V"：Volume/Variety/Value/Velocity（体量巨大、多样性、价值密度低和秒处理）。由于各维度都在迅速膨胀，用户数据产生的速度要远远超过处理数据的速度，信息核爆炸般的裂变传播，正影响着每一个企业、每一个人。
二、大数据的角色
大数据的角色和作用决定了这场“微革命”。美国麻省理工学院斯隆管理学院的经济学教授埃里克·布吕诺尔夫松（Erik Brynjolfsson）将海量数据的测量活动称为“现代版的显微镜革命”——显微镜能让人们看到以前无法看到的细胞并对其进行测量。同样，集结谷歌搜索、脸谱网（Facebook）和推特（Twitter）消息的“大数据”，使得企业对人们行为和情绪的细节化测量成为可能。
巴西第二大百货公司Magazine Luiza为消费者量身定制了Facebook上的“虚拟网店”。利用社交网络巨大的用户数量、消费者商品的喜好以及对于家人、朋友信息分享的信赖，成功地引导了数字化的口碑营销。根据统计，由“网店”产生的客户转化率比Magazine Luiza公司的官网高出50%左右。我们可以看到，在商业经济领域中，决策行为将日益基于数据和分析，并非基于经验和直觉。数据所承担的无法撼动的根基地位在风起云涌的大数据时代显而易见。企业对信息的获取、存储、处理分析与应用在营销决策中起决定性的作用。因此，企业应该建立属于自己的数据库，及时更新补充数据资料，归纳总结企业软肋和错误，从而形成解决问题的产业链。即：数据获取（各种采集设备、业务软件以及智能检测软件）数据储存（存储设备、数据库软件以及存储软件）数据处理与分析（服务器、信息智能提取识别以及商务智能软件）数据应用（显示设备、协同管理软件以及数据共享交流平台）。同时，三项服务必不可少，即：数据中心的建设与维护，IT咨询与方案实施、信息安全保障。
三、传统营销与大数据时代的营销比较
1. 传统营销方式
（1）交易营销模式。传统的企业营销将众多产品和服务提供给顾客，消费者在消费过程中可获得产品与休闲乐趣的双重体验。这也使得企业获得了大众信赖。
（2）传统的营销渠道。制造商批发商零售商消费者是企业传统的营销模式。流通环节的冗长往往会增加产品的成本、降低产品时效性。
（3）营销组合策略。4P组合策略（即产品、价格、渠道、促销）是传统的营销组合策略。这种模式下，企业利润的重要性要高于顾客的需求。据此，以舒尔兹教授为首的一批营销学者提出了4C的市场营销理论，即消费者的需求和欲望、成本、便利和沟通。
（4）强化市场营销的全过程。在企业传统的营销模式下，对市场营销全过程理论的细分盖过了市场细分，个性化的营销战略和战术的忽略使得企业在面对不同的市场环境时手忙脚乱，不知所措。
2.大数据时代的营销方式
大数据营销是指在互联网普及的当下，社会化应用以及云计算，使得网民的网络痕迹能够被追踪、分析等，而这个数据是海量的以及可变化的，企业或第三方服务机构借助这些数据为企业的营销提供咨询、策略、投放等营销服务。
3. 大数据营销相较于传统营销的优势
（1）产品可以个性化定制。利用如社交网络等互联网较强互动性和及时性的优势了解并满足消费者的个性化需求，提供个性化定制服务，这一点在传统营销模式中是较难实现的。比如说戴尔，其在线订购和自选配置就是产品定制化的最好体现。再比如，美国第二大的超市塔吉特百货（Target），通过云存储的海量数据和大数据的分析技术对消费者及其消费行为特征进行极端细分，从而搞清楚海量孕妇顾客的怀孕情况，市场营销部门就可以早早的给他们发出量身定制的孕妇优惠广告，早早圈定宝贵的顾客资源。
（2）价格策略更加柔性化。传统营销模式下，价格的变动具有一定的滞后性，然而，电子商务的发展使企业实时修改产品价格成为可能。大数据时代，产品价格信息变更后能在第一时间反馈给顾客，同时相关的促销信息也可及时，实现价格柔性。
（3）增强企业与消费者的交互性。这是大数据时代市场营销模式区别于传统营销模式最显著的区别，能够最大限度满足消费者独立自我的个性化购物心态。SNS（社交化媒体网络）是大数据时代一个重要的载体。微博、QQ、阿里旺旺等多种交流工具弥补了传统营销受时间和地狱局限的不足，拓宽企业市场，变被动为主动，带给消费者方便与实惠。
（4）提高了“顾客让渡价值”。“顾客让渡价值”是指顾客总价值与顾客总成本之间的差额。传统营销模式的基本思想是市场导向，数据时代的营销则是顾客导向。个性化产品与服务渐成主流，增强了产品价值适应性，提高顾客满意度，从根本上提高了顾客购买产品获得的总价值。
（5）节约营销成本，提高营销效率。传统的营销模式的营销链很长，企业必须建立自己的专业营销队伍，人员成本很高。现代营销模式缩短了营销渠道，仓储费用大大降低，不需要去繁华地段租商铺，降低运营成本。
沃尔玛开发了一个叫做Retail Link的大数据工具，通过这个工具供应商可以事先知道每家店的卖货和库存情况，从而可以在沃尔玛发出指令前自行补货，这可以极大地减少断货的情况和供应链整体的库存水平，从而降低库存成本，减少店内商品陈设的投入。通过在整条供应链上分享大数据技术，沃尔玛引爆了零售业的生产效率革命。
虽然大数据时代的营销方式与传统模式相比有许多与生俱来、令传统营销模式可望而不可及的优势，并对企业的传统经营方式形成了巨大冲击。但是我们必须看到，大数据营销也是在传统营销方式（product， price， promotion， place）的架构上，以数据的获取、存储、处理分析与应用为基础而形成的。因此，我们不能完全否定传统营销方式，而应当配合使用，各取所长，从而最大限度地提高品牌的知名度，企业的效率，增强市场竞争力。
四、大数据时代如何营销
1.解每个消费者的个性化需求，创建个性化的营销策略。
2.据客户需求，创建一个全接触系统，重塑客户体验，从与客户的每次交互中创造最大价值。
3.企业文化与品牌的真正融合，使企业的形象表里如一。
在大数据时代，信息几乎完全透明，CMO们要引领企业建立真正伟大的公司和伟大的品牌，就要了解充分了解企业自身。
4. CMO携手CIO
大数据时代站在市场一线的“战士”并非营销官（CMO）独尊。若说首席营销官是引爆这场革命的先锋，那么，首席信息官（CIO）便是这场革命的军师。面对被数字工具武装起来的客户，首席营销官必须要与首席信息官（CIO）联手，依靠首席信息官专业的技术能力，以及对数据的分析洞察赢得这场革命的胜利。
在大数据推动的商业革命暗涌中，与时俱进绝不仅仅是附庸风雅的卡位之战，海量数据隐藏的微小信息就在那里，谁能率先通过显微镜捕捉那些数据的端倪，谁便能够占据营销大战的主动权。大数据时代，要么学会使用大数据的杠杆创造商业价值，要么被大数据驱动的新生代商业格局淘汰。这是天赐良机，更是生死之战。成功者将是中国产业链升级独领的枭雄，失败者拥有的只有遗憾。
参考文献：
[1]宋宝香.数据库营销：大数据时代引发的企业市场营销变革 [A] . 2012
第6篇：大数据营销总结范文
雅虎的研究小组从轻博客Tumblr浩如烟海的1.889亿个博客账户的831亿篇文章中抽取出与足球相关的内容，再将焦点凝聚在今年2月至5月2730万篇与世界杯相关的粉丝评论，以“为每支队伍赋予优势值”的方式，判断出巴西队的赢面较大。
与我们这个时代最伟大的物理学家霍金教授应用“世界杯夺冠公式”来测算比赛结果不同，雅虎给出的结果由于是基于轻博客粉丝讨论，因而更多地展现了多数观众的倾向和预期――每位球迷都有心目中的冠军球队，桑巴足球凭借强悍实力和出众的观赏性而深得人心，夺冠呼声极高。巴西队大比分惨败德国后，球迷的悲痛也是个证明。但比赛结果不取决于亿万观众票选，而是场上十几人的表现。这一点也正如霍金教授所言：相对于量子力学来说，足球要复杂多了。
无论如何，雅虎的预测都是一种非常有益的尝试。在那些粉丝倾向足以决定结果的领域，类似的研究对于企业研究市场和消费者需求会很有帮助。
雅虎对世界杯赛结果的研判还可能引发更多思考：比如近来被炒得有点儿过热的大数据能否预测未来？一些业界同仁和分析家认为数据可以揭示规律，进而帮助人和企业预知结果；另一些研究者则认为大数据的功用有限、迷信大数据是愚蠢的。
作为在此领域有所涉猎的研发人员，我的观点介于两者之间。
大数据揭示的是关联与现象，而非规律和本质，所谓“知其然而不知其所以然”正是大数据分析结果的写照。商学院流传很广的一个案例，卖场数据显示啤酒和纸尿裤的销售相关。经过调查发现，这是年轻父亲被妻子指派采购婴儿用品时夹带啤酒私货的一种趋同倾向。如果仅限于发现关联，卖场也许会简单地把两种商品摆放在一起；而了解到现象背后的模式，便可以开展更有针对性的促销。
也就是说，大数据能提供宝贵的线索，但不能替代人工研究――比如深入现场去发掘消费行为链背后隐藏的逻辑。有兴趣的读者可以看看《品牌洗脑》一书，作者是资深营销人士，书中列举了很多生动却可能让人惊诧的例子：现代营销是如此无孔不入，比如，人还没出生营销就开始了，孕妇常去的卖场的背景音乐对婴儿有止啼的效果等等。
这些案例经常有研究数据支撑，虽然未必达到大数据的级别，但已经相当精密，包括用核磁共振扫描测试者的大脑。
对大数据极度乐观或悲观的人，其实都是将大数据视为传统营销模式的延伸。乐观派渴望找到一个“大杀器”，对消费者实现完美的“引诱”和控制。而悲观派则更理性一些――物极必反，过度营销会招致消费者反抗，利用大数据分析结果来强化原本已如水银泻地般无孔不入的营销，这真是好事吗？
在我看来，消费者行为实际上很难预测和控制――据传萨特在战后出版哲学巨著《存在与虚无》，出版商对这部巨著的销量并不看好，权当支持文化事业，但销售成绩居然大大超出预期。出版商惊讶之余，发现原来战争期间金属被搜刮一空，商贩缺乏秤砣，用各种物品代替，有不知名的商贩发现该书的重量正好是一磅，于是商贩普遍购来充当秤砣。
第7篇：大数据营销总结范文
电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。
大数据在电信行业应用的总体情况
目前国内运营商运用大数据主要有五方面：(1)网络管理和优化，包括基础设施建设优化和网络运营管理和优化；(2)市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；(3)客户关系管理，包括客服中心优化和客户生命周期管理；(4)企业运营管理，包括业务运营监控和经营分析；(5)数据商业化指数据对外商业化，单独盈利。
第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。
(1)基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。
(2)网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。
利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。由于用户群的不同，不同小区对运营商的贡献也不同。运营商可以将小区的数据进行多维度数据综合分析，通过对小区VIP用户分布，收入分布，及相关的分布模型得到不同小区的价值，再和网络质量分析结合起来，两者叠加一起，就有可能发现某个小区价值高，但是网络覆盖需要进一步提升，进而先设定网络优化的优先级，提高投资效率。
德国电信建立预测城市里面的各区域无线资源占用模型，根据预测结果，灵活的提前配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，使得无线网络的运行效率和利用率更高。
法国电信通过分析发现某段网络上的掉话率持续过高，借助大数据手段诊断出通话中断产生的原因是网络负荷过重造成，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长；
第二方面，市场与精准营销。此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。
(1)客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。
(2)关系链研究。运营商可以通过分析客户通讯录、通话行为、网络社交行以及客户资料等数据，开展交往圈分析。尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户；或者分析社交圈子寻找营销机会。如在一个行为同质化圈子里面，如果这个圈子大多数为高流量用户，并在这个圈子中发现异网的用户，我们可以推测该用户也是高流量的情况，便可以通过营销的活动把异网高流量的用户引导到自己的网络上，对其推广4G套餐，提升营销转化率。总之，我们可以利用社交圈子提高营销效率，改进服务，低成本扩大产品的影响力。
(3)精准营销和实时营销。运营商在客户画像的基础上对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。如我们可以利用大数据分析用户的终端偏好和消费能力，预测用户的换机时间尤其是合约机到期时间，并捕捉用户最近的特征事件，从而预测用户购买终端的真正需求，通过短信、呼叫中心、营业厅等多种渠道推送相关的营销信息到用户手中。
(4)个性化推荐。利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知；或者在应用商城实现个性化推荐，在电商平台实现个性化推荐，在社交网络推荐感兴趣的好友。
第三方面，客户关系管理。此方面包括客服中心优化和客户生命周期管理。
(1)客服中心优化。客服中心是运营商和客户接触较为频繁的通道，因此客服中心拥有大量的客户呼叫行为和需求数据。我们可以利用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径、等候时长，并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据，建立客服热线智能路径模型，预测下次客户呼入的需求、投诉风险以及相应的路径和节点，这样便可缩短客服呼入处理时间，识别投诉风险，有助于提升客服满意度；另外，也可以通过语义分析，对客服热线的问题进行分类，识别热点问题和客户情绪，对于发生量较大且严重的问题，要及时预警相关部门进行优化。
(2)客户关怀与客户生命周期管理。客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。在客户获取阶段，我们可以通过算法挖掘和发现高潜客户；在客户成长阶段，通过关联规则等算法进行交叉销售，提升客户人均消费额；在客户成熟期，可以通过大数据方法进行客户分群(RFM、聚类等)并进行精准推荐，同时对不同客户实时忠诚计划；在客户衰退期，需要进行流失预警，提前发现高流失风险客户，并作相应的客户关怀；在客户离开阶段，我们可以通过大数据挖掘高潜回流客户。国内外运营商在客户生命周期管理方面应用的案例都比较多。如SK电讯新成立一家公司SK Planet，专门处理与大数据相关的业务，通过分析用户的使用行为，在用户做出离开决定之前，推出符合用户兴趣的业务，防止用户流失；而T-Mobile通过集成数据综合分析客户流失的原因，在一个季度内将流失率减半。
第四方面，企业运营管理。可以分为业务运营监控和经营分析。
(1)业务运营监控分可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。构建灵活可定制的指标模块，构建QoE/KQI/KPI等指标体系，以及异动智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。
(2)经营分析和市场监测。我们可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。过去，这些报告都是分析师来撰写。在大数据时代，这些经营报告和专题分析报告均可以自动化生成网页或者APP形式，通过机器来完成。数据来源则是企业内部的业务和用户数据，以及通过大数据手段采集的外部社交网络数据、技术和市场数据。分析师转变为报告产品经理，制定报告框架、分析和统计维度，剩下的工作交给机器来完成。
第五方面，数据商业化。数据商业化指通过企业自身拥有的大数据资产进行对外商业化，获取收益。国内外运营商的数据商业化都处于探索阶段，但相对来说，国外运营商在这方面发展的更快一些。
(1)对外提供营销洞察和精准广告投放。
营销洞察：美国电信运营商Verizon成立了精准营销部门Precision Marketing Division。该部门提供精准营销洞察(Precision Market Insights)，提供商业数据分析服务。如在美国，棒球和篮球比赛是商家最为看中的营销场合，此前在超级碗和NBA的比赛中，Verizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等；美国电信运营商Sprint则利用大数据为行业客户提供消费者和市场洞察，包括人口特征、行为特征以及季节性分析等方面。
精准广告投放：Verizon的精准营销部门基于营销洞察还提供精准广告投放服务；AT&T提供Alert业务，当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。
(2)基于大数据监测和决策支撑服务。
客流和选址：西班牙电信于2012年10月成立了动态洞察部门DynamicInsights开展大数据业务，为客户提供数据分析打包服务。该部门与市场研究机构GFK进行合作，在英国、巴西推出了首款产品名为智慧足迹(Smart Steps)。智慧足迹基于完全匿名和聚合的移动网络数据，帮助零售商分析顾客来源和各商铺、展位的人流情况以及消费者特征和消费能力，并将洞察结果面向政企客户提供客流分析和零售店选址服务。
第8篇：大数据营销总结范文
关键词 热点 营销体系 营销触发 营销策划 营销监控 营销评估
一、研究背景
移动互联网时代，为客户提供个性化的产品和服务将成为市场竞争的核心能力。如何从客户当前和潜在的需求着手，将产品和服务进行精准推荐，对营销方案的设计、实施、评估都提出了更高的要求。目前电信运营商或多或少存在缺乏专业数据源收集和整理能力，对互联网营销时机、热点捕捉不及时，对于营销活动缺乏动态调配能力，营销渠道未实现系统化整合和应用等问题，这些都不利于有效开展基于互联网热点的精准营销。基于以上营销痛点，电信运营商势必需要构建一套围绕互联网热点的营销运营体系，从而满足客户需求。
二、研究基础
热点是大众关注的新闻事件或信息，具有实时性（突然爆发）、病毒性（广泛传播）、互动性（舆论讨论）的特点，落脚到互联网比较鲜明的例子就是各种小道消息，娱乐圈就是各种八卦新闻。热点的几种可能：与公众相关或大众能够参与或具备争议与猜测的信息，否则没有人愿意传播则无以成热点。
互联网热点具有更新快、传播快、影响大等特点，所以互联网产品营销必须在短时间内、快速吸引用户、获取客户。而“热点营销”作为互联网通用、典型的营销手段，利用具有新闻价值、社会影响以及名人效应的人物或事件，以网络为传播载体，吸引媒体、社会团体和消费者的兴趣与关注，最终促成产品或服务的销售。
事件营销往往是通过营销策划行为后，形成网络和社会热点关注话题，才达到事件营销的概念标准，被称之为事件。也有些营销行为，是在社会关注点出现后及时跟进传播策略，进行商业品牌的进一步植入，并取得不错的传播成果，这种行为被称为利用网络热点进行事件营销。
三、研究方法
电信运营商利用互联网热点开展营销运营是通过及时捕捉互联网营销时机和热点，利用大数据分析能力，对客户当前和潜在的需求进行剖析，通过营销方案的设计、执行和监控过程，对营销动作、策略和渠道的进行动态优化，将产品和服务进行精准推荐，并形成客户和产品标签体系，沉淀更多的营销经验和可固化的营销模板。
互联网运营体系是按照营销触发、营销分析、营销策划和方案制定、营销执行、营销评估、营销沉淀六个环节，形成闭环式的运营流程。
营销触发环节是通过对互联网热点的捕捉触发营销流程或根据热点挖掘模型自动触发。互联网的热点捕捉渠道包括互联网社会化媒体、新媒体平台、各大品牌门户网站和各大搜索引擎。通过对内容阅读次数、传播次数、下载次数、使用人数、传播人数等关键数据的综合分析，结合各大门户网站的品牌影响力，构建热点内容捕捉模型，利用此模型挖掘互联网热点内容。
其次，营销分析环节是通过对热点、目标客户、产品或服务、营销渠道进行分析，为营销策划环节提供可筛选、可识别的基础信息，具体分析方法如下：从热点的价值型、可传播性、影响力判断是否符合开展热点营销；从受众用户群、分类进行分析，精准匹配目标客户群和所营销产品；从传播周期和传播途径分析，制定热点营销的活动周期和营销渠道。
借助大数据平台整合话单、信令、GN口数据、VGOP平台等各个系统数据，通过建立客户标签库（包括基础属性、业务特征、消费价值特征、营销活动偏好、终端偏好、渠道偏好、互联网内容偏好、服务偏好等），从而进一步挖掘用户当前需求和潜在需求。利用大数据平台打通各类系统数据源，并能够整合B域、O域等现有系统的数据源（DPI、话单、位置等），有效支撑实时营销。通过大数据的聚合和大数据处理技术，进行多维度洞察、整理、解析数据特征，为运营策略制定提供数据支撑。将营业厅、短信、呼入呼出、电子渠道、互联网及新业务触点进行整合，建立触点协同运营机制，根据实时营销方案内容实时匹配可营销触点。
在营销策划和方案制定环节，利用上述对互联网热点、客户、产品和渠道等标签体系的分析信息，对按照映射关系进行匹配，实现营销动作场景和方案的设计。（如图1）
只有向客户提供符合其真正需要的产品才能促使客户订购量的提升，所以做好营销产品与客户的匹配工作至关重要。依据分群画像后的各个潜在订购客户群标签信息、内容标签信息进行互联网产品内容和用户的匹配，向互联网产品潜在用户推荐个性化互联网内容。只有通过合适的营销渠道才能成功有效的接触到目标客户，从而促进客户业务订购量的提升，这是整个营销执行的关键环节。
营销活动中的交互环节比较多，执行周期也较长，为了尽可能降低执行中的风险和及时发现问题，各个执行环节的监控必不可少。通过对整个互联网产品营销活动的全流程进行监控，包括营销渠道监控、营销进度监控、营销质量等，提高整体营销活动流程的可靠性和可控性。
营销效果评估是阶段性营销任务完成以后，对营销活动进行全面总结的过程。通过评估不仅可以获取营销活动的实施效果，分析营销活动是否达到最初设定的目标，而且可以总结营销活动存在的问题与经验，为营销活动的改进提供依据。
营销结束后进行营销标签沉淀，标签类别涵盖客户基础信息、业务特征、消费价值特征、营销活动偏好、终端偏好、触点偏好、互联网内容偏好和服务偏好等内容，并形成个性化的微营销场景，将合适的业务，在合适的时间，通过合适的渠道推广给合适的客户。
四、研究结果与讨论
运营商为提升互联网产品的发展水平，必须把握产品内容特征、互联网特性，准确识别用户对互联网的需求驱动，利用互联网的舆论热点事件，向偏好符合、终端符合、价值符合的用户进行营销，并且不断引进大数据挖掘等新技术和新的营销思维，进行互联网产品营销的深度探索，在开展具体的营销活动中，积累沉淀更多、更好的营销经验。
（作者单位为中国移动通信集团内蒙古有限公司）
参考文献
[1] 罗森文.运营商打破营销困局之路：精确营销[J].通信信息报，2014.
第9篇：大数据营销总结范文
大数据助力金融服务
关于大数据，目前市场有很多说法，也存在很多误区。首先就是数据量大，其实数据多并不代表是大数据，大数据更多强调的是大价值，核心内涵是数据的交叉融合。不同行业领域的数据融合会比单一领域的数据简单叠加价值要大，不同领域的数据融合是乘法效应，相同领域的数据叠加是加法效应。很多金融机构都会说有很多数据，尤其银行特别爱说这样的话，其实对金融机构来讲，如果做大数据，更应该掌握其中的原因，而不是结果。
百融金服总裁张韶峰表示：“金融行业的核心其实是解决信息不对称，但金融机构自己一样存在信息不对称的问题，解决得好就可以盈利，解决不好就会亏损。这其中包括风险防范、精准营销、管理、催收以及风险定价、产品设计等诸多方面。”如今银行呈现的客户数据可以说是片面的，很难准确判断和定制特殊群体的具体服务。大数据的参与会让授信风险、反欺诈以及精准营销都变得可控可把握。从欺诈角度来看，大数据可以帮助金融机构判断个人信息是否准确，风险的识别无外乎两种，一种是欺诈风险，另一种是信用风险。信用风险核心识别是身份识别，现在也出现了一些案例，为实名欺诈，就用本名、信用卡、手机号、邮箱等进行一次性犯罪；信用风险防范方面就会涉及到是否愿意还钱，有没有能力偿还等问题。
通过互联网数据帮助银行判断个人的资质是不是可以发送信用卡，以此降低金融风险；同时，在精准营销方面，帮助银行分析客户，进行精准定点营销。“为什么总说银行竞争不过互联网产品呢？当然一个原因是基数不同，另外就是互联网产品所获取的客户信息更准确一些，能够抓住积极需求完成定点营销的工作。如今多数银行只能从熟悉的角度看待人以及行为，但并不知道客户的具体行为是怎样的，由于看不到全景必然会导致营销的障碍。当看到全景后，所谓的营销就不再是扔产品给他，而是希望和他进行互动，用需求营造好的产品氛围，从而形成一个真正的定制化服务，这也是大数据对银行的三个基本服务的情况。”吴海斌总结道。
传统金融机构建模思路主要涉及几个变量，分别是发生金融行为的时间，信用记录的时间，有没有逾期、坏账、额度这些数据干扰等，其中最重要的变量就是是否形成坏账这个因素，主要借此预测下一次借款会不会逾期，会不会直接形成坏账。如果说用户之前有过借款行为，用这个数据预测下一次借款是否偿还，或许还有可行性，但如果用户之前根本就没有借款行为，这种评估方式就会存在问题。如今我国还有很大一部分群体没有信用记录，这让传统的金融机构建模在现实运行中产生了障碍。另外就是身份的打通，以及IP的打通。一个有问题的借款人，可能会隐藏自己的身份，对于一些有意隐藏的信息是否可以迅速察觉，这是很重要的一点，要把所有可查询的信息进行综合评估，否则就会被欺骗。
集奥聚合“大数据先行”
针对大数据改变金融服务的诸多方面，吴海斌阐释了集奥平台对此的诸多借鉴。“这个平台是一个数据化交互平台，首先把所有的信息整合在一起，具备一个匹配功能。因为这个数据是非个性化数据，可以匹配。然后可以结合ID，把信息打通。比如说银行最头疼的是什么？就是所谓的净值客户，如此就可以很好地解决净值客户在无任何行为情况下的信用评估问题。”
如今集奥有四大块业务基础，首先是基地大平台，把所有的数据整合在一起做数据加工、整理和分析，通过标签超市，把每个人的行为做一个评价进而进行预测，从此价值就会得到体现。不管是销售还是风控，最重要的还是标签，因为标签可以将个体进行描述，所有的信息都可以作为预测参数。当个体信息体现之后，它可以帮助预测消费倾向、风险倾向包括一些催收的倾向。
吴海斌说：“我们现在的标签系统基本上从几个方向来看，涉及到基本属性，还有偏好，例如以金融的相关信息来抓取，可以分析个体是不是经常看金融网站或者网页等，通过互联网的行为把个体行为完全描述出来，然后和银行数据进行结合。”
对于整个标签超市的体现，包括数据产生的方式一级企业的信息对接，甚至可以细微到一些移动端、PC端的收集。采集后就可以进行数据分析，将拿到的数据描述成一个人的行为，做一种倾向分析。
有了这些分析之后再进行数据应用，就可以把这些多角度且五花八门的信息统统串联起来。对于风险防范与运营管理，可以通过银行设立网点，以此得知怎样的网点会聚集怎样的客户群，进而知道目标客户的具体动态，也可以得知网点设置是否准确，这或许就是整个标签体系对金融机构的服务。
在构建大数据与金融服务的融合过程中一定要集成很多不同维度的数据，维度太少就会让结果产生问题。另外就是合作数据平台本身的公平公正公允性，合作之间的数据交换以及借款人的诸多审核等。
