大数据论文：探究大数据营销的发展趋势

　　大数据论文：探究大数据营销的发展趋势

　　嫡要」基于大数据论文时代的发展，分析大数据营销产生的意义，界定营销时代的划分，并探求新的4P营销理论。对大数据营销NES模型进行了探究，得出了大数据营销的核心以及大数据营销D. I. E. T学习循环方法，并预测了大数据营销的未来。

　　民键词」大数据;大数据营销;碎片化;;NES模型;降维

　　一、大数据时代

　　互联网时代，尤其是社交网络、电子商务与移动通信把人类社会带入了一个以‘`PB”为单位的结构与非结构数据信息的新时代。大数据的出现，使得通过数据分析获得知识、商机和社会服务的能力扩大到了普通的机构、企业和政府部门。大数据之所以成为一个“时代”，是源于其已经不再仅是少数专家学者的研究对象，而变成了可以由社会各界广泛参与、处处开花结果的社会运动。

　　大数据将逐渐成为现代社会基础设施的一部分，使人类第一次有机会和条件，在众多的领域以及更加深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识，得到过去无法企及的商机。在大数据时代，谁能找出数据的潜藏价值，谁就有机会抢占先机，大数据正在改变商业竞争模式与生态。

　　2大数据营销

　　2. 1大数据营销的意义

　　大数据时代，新的应用和新的商业模式颠覆了以往竞争的形态，大数据改变了世界的竞争规则，掀起了整条产业及商业链的风暴革命[00。大数据时代的营销思维亦从“经营产品”转向“经营顾客”，大数据提供观点，帮助企业转型，改变以往营销从经验出发推测顾客爱好、但缺乏统计消费者行为的实证数据与诊释的方式。从感性推测到理性分析，企业的任务是找出“想用数据解决什么问题”，当大数据遇上营销，大数据营销就演变成了一场跨越时空的虚拟战争，大数据营销就可以在顾客消费的7天前预知顾客需要什么。

　　2. 2营销时代的划分

　　现实生活中的商业世界，营销经历了消费者要什么，企业提供什么的“营销1. 0”时代、从产品核心转为以消费者为中心的“营销2. 0”时代、以社会价值与品牌责任为使命的“营销3. 0”时代、进入到了“营销4. 0”数据时代[}z}。数据科学家和人类学家已经可以快速进行数据分析，根据消费者个性化需求，找出产品前测，找到精准目标客户，进行一对一营销，甚至可以精算出成交转化率，从而提升投资回报率。营销4. 0的革命，不但要比决策时间点，更要比决策速度，需要做降维减法思考和精益J恩考。营销演化序表如表1所示。

　　大数据时代，虚实的竞争边界早已被摧毁。营销人利用大数据，从顾客的真实交易行为数据中，计算论文出每个消费者的下次购买时间，在什么时机、提供什么宣传方案，顾客会愿意再度消费。营销人根据数据预测顾客行为，提高成交率。

　　大数据时代是人机分工的时代。大数据人机分工，是帮助营销人在大数据时代进化的重要前提。营销人做的每一个决策，都是基于一个观点，观点就是目标。计算机帮助人分析大数据，让营销人员从体力密集过渡到脑力密集，把庞杂的工作量缩小到人足以理解、体力上也足以承受的程度，让人有时间思考数据呈现的结果，找到观点，变成决策。

　　数据能够产生意义的关键在于具体市场营销的执行方案。数据不是越大就越好，重点在于要付诸什么样的具体行动，在行动中证明我们的假设，而且行动要有策略、有目标，不要盲目行动。让我们在众多问题里作出决策比较，例如:为什么A比B重要，什么原因让B影响A;如果要优先解决，是A还是B。

　　2. 3大数据营销理论

　　    1)新4P理论

　　大数据营销及大数据整合营销是最具革命性的营销大趋势。最先提出4P理论的是全球最具权威的IT研究与顾问咨询公司—高德纳咨询公司的副总裁金百利·科林斯，而我们将最后一个P(promotion，促销)修正为预测(prediction)，得到大数据营销下的一个全新的4P:消费者(people)、成效(performance、步骤(process)和预测(prediction)。新4P革命为:实时控制预测带来智慧控制。

　　从旧4P到新4P，由于每一位消费者的购买时间、购买周期、购买特性都不相同，传统营销无法细致地做到个人化营销，多是大众营销或群体化营销。大数据营销颠覆了传统营销，让“一对一营销”“个人化营销”成为了基本服务。

　　    2)奥卡姆剃刀(Occam' s Razor)原理

　　著名的奥卡姆剃刀原理主张，当两个解说具有完全相同的解释力和预测力时，应该使用较为简单的那个。事实上，越复杂的数据，越需要减法。面对复杂的数据问题，需要回归到营业收入，即企业获利水平是否获得提升。数据越复杂，解释越简单。

　　    3) 20/80法则

　　由意大利著名统计经济学家弗雷多.帕累托提出的‘`20 /80法则”，也称“最省力法则”，该法则主张，80%的产出往往源自20%的投入。成比例的投资回报率是"20 /80法则”的最大特色。

　　3大数据营销模型分析

　　3. 1大数据营销NES模型[4]

　　大数据时代，诊释问题的角度和观点是决定成败的关键。大数据的竞争，比的是谁的观点最犀利、判断最快、预测最准。观点决定切入数据的角度，决定是否可以准确地针对核心问题深度挖掘，建立有价值的预测模型。

　　在运用大数据前，我们要做的第一步是找出观点，给问题定性。我们将解决办法聚焦在顾客的交易行为，专注于完成演算模型的研发，进行实际顾客使用测试，借由数据演算出的交易DNA数据来投放广告，真正实现数据决策的优势。

　　对于营业收入，一个精简的观点即营收方程式为

　　营业收入=有效顾客数x顾客活跃度x客单价。

　　管理者只要能够认清营业收入背后的干扰变项，就能有目标和策略地搜集必要的关键数据，然后依循一定的逻辑制定各种改善方案，并通过数据的实时变化作出优化调整。营销活动由人群到个人，当每个顾客都可以成为一个分众市场的时候，出现了个人营销。

　　大数据营销的第一个P是消费者。在以人为核心的大数据时代，由于消费者存在异质性和变动性，变动性又最难掌握，所以对顾客可以构建一个NES模型:

　　N=新顾客(new customer。

　　E=既有顾客(existing customer)，分以下3种:

　　1) EO主力顾客:个人购买周期2倍时间内重复购买的人。

　　2) S1磕睡顾客:超过个人购买周期2倍未重复购买的人。

　　3) S2半睡顾客:超过个人购买周期2. 5倍未重复购买的人。

　　S=S3=沉睡顾客(sleeping customer):超过个人购买周期3倍未重复购买、重复购买率低于10%的人。

　　NES模型是为实时掌握顾客的变动性而设计的，可以根据消费者实际交易数据演算，并配合数据更新进行动态修正。 NES模型将消费者分成N(新顾客),E0(主力顾客),S1 (}}睡顾客)、S2(半睡顾客)以及S3(沉睡顾客)5种类型。随着顾客沉睡度越来越深，品牌能够唤起顾客的机会越低，而相应的唤醒成本也将越高。

　　传统营销将营销预算和时间消耗在从顾客之前的累积消费贡献、前一次的交易记录，并结合顾客的性别以及消费能力指标，来确定他们的标签与经营方式，但低估了隐藏在数据背后，时间对消费者动机干扰的影响力。仅通过一个“平均数”的概念，定义180天没有重复购买的顾客，就是所谓的“沉睡顾客”。

　　通过NES模型验算后发现，现实生活中很多顾客在120天左右就进入到了S3(沉睡顾客)阶段，大数据营销最重要的第一步就是实时掌握每个消费者的实际状态。如果我们已有能力为每个顾客量身定制专属的沟通时间节点，营销网随时都可能收紧，就不至于有太多的顾客流失。

　　大数据营销的第二个P是成效。企业经营的最终目标就是获利，影响获利的因素诸多，包括增加顾客数、提高客单价以及提高活跃度。每一家门店营运的关键绩效指标都应该根据自身问题作个}h}化设定。商家应该仔细分析各门店的数据，来决定它们应该优先改善什么。

　　大数据营销的第三个P是步骤。通过有层次的执行程序，改善营收方程式。当营业收入的3个变量出现问题时，就采取适当的战略去解决问题。即当商家发现营业收入下滑时，先评估单品销售状况、进店数与客单价等数据。当顾客人数不够时，就想办法增加新顾客，或是想办法留住顾客。当顾客活跃度不够或忠诚度不足时，就针对早期购买顾客或现有顾客，进行定期关怀、购买时的事先提醒等，以不同的行动提升顾客活跃度。当问题出在顾客的客单价不够时，就进一步去评估，究竟是新顾客不足，还是老顾客不够。当新客的客单价不够，就用很优越的价格吸引新顾客进来，但如果进来的是“不健康”的顾客，接下来他很可能不会继续贡献价值，导致新客的客单价太低、重复购买率也太低。

　　大数据营销的第四个P是预测。大数据营销的“预测”，是说控制能够被智能化监控与执行。有了大数据，营销就可以及早作出应对方案。用数据分析未来，预测出会员的“再次购买时间”，让商家在准确的时间与最有可能上门的顾客会话。智能控制可以做到实时观测、零时差沟通和个性化信息。实时而且动态地调节，完全零时差、零误差，这也是大数据的精髓。

　　NES模型不关注顾客的年龄、职业、性别、收入、兴趣以及属于哪个族群，而是根据消费者具体的购买行为，企业可以清楚掌握顾客的重复购买潜力与现状，了解消费者购买动机，并为其提供相关服务。

　　3. 2大数据营销的核心

　　大数据具有数量大、速度快、多样性、不确定性四大特性。爆炸的信息量让人的理解和记忆难以负荷，而且也不可能花很多时间看报表、看数据。所以越是大数据时代，人越是需要用减法思考，在关键点上做对关键的事。

　　大数据营销的核心理念是降维，即如何将繁杂的数据报表精简到人的心力可接受的范围。营销人可以找出10个关键指标，用这10个指标即新增率、变动率、流失率、转化率、活跃度、S1 }}睡顾客唤醒率、S2半睡顾客唤醒率、S3沉睡顾客唤醒率、新顾客客单价及主力顾客客单价，作降维思考，作出决策。

　　大数据重新定义商业竞争规则，比的是核心数据的解读能力。减法思考的好处在于，每天只要监控这10个指标，出现问题就可以立即解决，可以加J决决策的速度、提升决策的精准度。营销人需要一边决策一边修正，即决策会因不断修正而变得精准。

　　3. 3数据质量重于数据规模

　　大数据成为最热门的趋势话题，社交媒体的兴起，更助推了这股热潮，让人以为，掌握社交大数据，就可以掌握营销、掌握消费者。从社交媒体上得到的数据，往往并没有办法立即转换为营收。大数据依据性质分为小而准数据、大而乱数据以及开放数据。小而准数据如PUS交易数据，结构化而准确;大而乱数据就像社交媒体数据、WIFI数据，非结构化而且杂乱;开放数据则是指天气、人口普查之类的数据。

　　数据越大，不确定性就越高，含金量则越少;反之，数据越小越精准，含金量则越高。小而准的数据因材料采集明确且与核心运营项目相关性高，所以含金量比其他两者高。大数据时代，竞争的关键是解决问题与决策反应效率。当数据超过心力的临界值，就必须进行降维。降维有两大做法:一是认知降维，做到可视化，将复杂的数据报告精简到人的心力可以接受的范围;二是执行上的降维，利用自动化实现人机分工，将数据降维到个人体力能承受的程度。

　　将复杂的大数据降维，简化到可以处理掌握的范围，把大数据整理出来形成一些观点或维度，这是认知的降维。将人做的事情降维为机器做，营销人的价值，就可以还原到负责更有意义的营销决策、用数据诊释更高价值的工作。

　　大数据营销，营销人要学会如何优化营销观点，把日常程序和报表整理工作交给机器处理，把关注点放在认识商品与商业模式、学习思考与解读数据背后的意义、练习作决策等方面，以活动日志观测消费者的行为轨迹，从中分析消费者的喜好与使用状况，并适时出击。

　　3. 4大数据营销D. I. E. T

　　大数据营销，需要边跑边修正，因为我们可以

　　运用科学方法算出数据[[5]，帮助修正决策，不用再

　　去猜结果，这就是迭代式边跑边修的决策方法。大

　　数据的实时实验报告，需要遵循D. I. E. T ( D看到-

　　DataIntegration } I知道intelligence } E做到-

　　Engagement } T学到一racking)学习循环(Learning

　　Cycle) 4步骤，如表2所示。

　　如果回馈显示的结果不如预期，就要重新评估原始假设，并制定下一步测试计划，直到找到最佳方案，这个过程就是营销人最宝贵的学习经验。品牌与顾客沟通的元素要落地执行，有4个“对”的元素:‘对的大’‘对的时可’‘对的渠道’‘对的内容”。如表3所示。

　　所有的营销策略，在D. I. E. T学习循环中都变成一场场的实时实验。从看到数据、知道问题、做到方案，直至学到智能，从被动的报表分析，到跑到数据之前，开始做营销预测，这次得以充分地学习知识，下一次就能启发更多的实验想象。

　　大数据关注个人需求，针对用户行为轨迹，比如在线浏览轨迹、购物行为、群体标签等做到精准定向服务，都在指向一个新的时代—大数据+消费者洞察，成为新的精准营销模丸‘精准推荐”成为大数据改变零售业的核心功能，下一步将运用“推荐”成为数据支持的销售模式。未来，营销人将以专业的数据预测，搭配人性的亲切互动，升级成为消费顾问。

　　4大数据发展趋势

　　现实社会正在过渡中:应用无线化、信息数据化、交易无纸化、人类智能化、决策实时化以及线下线上化，这已经是我们生活的一部分。应用无线化提供了更大的便利性与移动性;信息数据化则是让信息的流通、交换、加工及运用更趋标准及结构化，DT(数据处理技术)时代数据的应用变得更加即时直接;交易无纸化则是彻底改变了我们的交易行为及资金流，并赋予未来微经济商业模式更加创新思考的可能性;人类智能化则是描绘大数据所产生的创新价值如何与人类交互并深入于生活之中，人的思维与新科技将会发生前所未有的碰撞。大数据创新循环示意图如图1所示[0]。

　　图1定义了两个维度:大数据是被需求驱动的，而需求来自对现有已知或未知问题的解决，所以在纵轴上将问题区分为明确的问题以及模糊或复杂的问题，这表达在应用大数据前，我们究竟是否清楚要解决的问题是什么;而横轴则是定义大数据在原料端的呈现形式，一端是条理清楚的集中化数据，另一端则是结构模糊的碎片化数据。

　　在了解了基本定义后，就可以应用图1阐述大数据趋势的发展。首先，所有的数据应用都是从第二象限“数据驱动”(第一阶段)开始，这部分的数据集中而且要解决的问题很明确，已经可以开始运用数据来优化我们的决策，在这个阶段可以观察到人类的惰性，以至于没有办法把数据作为核心竞争力，所以通过数据驱动把数据用起来，尝试去解决一些老问题。然后随着数据不断地快速增加，很多碎片化的数据或其他冗余的数据开始加入，这个时期我们可以称之为“大数据驱动”(第二阶段)，开始能够应用自身之外、来自第三方的冗余数据来解决自身的问题，这是判断是否进入大数据应用领域的重要标准。这个阶段面临的挑战，是来自决策者过去的习惯以及数据人的惰性，首先我们要了解在第一和第二阶段，数据处理所需要的能力是不一样的，因为第二阶段的数据零散性要求我们在收集不同数据和加工数据时有一套新的方法。

　　从第一阶段到第二阶段，可以称之为连续性创新。但是到了第三阶段的“大数据变革”，我们面对模糊的问题、碎片的数据，第三阶段开启的是一种乘法的思维，通过模糊问题与碎片资料的碰撞，我们将会看见新的问题与新的机会。

　　这几个阶段不是一个线性的延展，而是一个滚动的闭环。第三阶段碰撞出来的问题与机会，经过系统化的验证与标准化后，所需要的数据源以及能够解决的问题也会逐渐稳定下来，形成一种新的服务或方案，于是就会再次回归到数据驱动的解决层面，也正因为这种特性，定义这是一种大数据的创新循环链。

　　每一次的大数据变革都会激荡出新的问题与机会，当这些新的问题一旦聚焦，同时对应的数据源也趋于集中的时候，就代表一个新的产业链即将随之产生。这些中间层的服务与创新对大数据产业的产生起到了至关重要的作用，同时本身也蕴藏着巨大的商机。大数据落地点已经萌芽的有金融、医疗、电商等行业，下一步大数据将在不同的领域各自发展，如零售、医疗、教育、金融等行业，都会受到“互联网+”的带动而发展。

　　大数据未来将会从过去的浅层变成深层，在大数据由浅而深的演变中，尝试以网络数据为出发点切入思考，再把行业的思维放进来碰撞。尝试碰撞出创新的思维，就像优步、空中食宿都颠覆了以往行业运用网络的概念，通过这种思考与创新的方式才能将跨行业的深层次内容提炼出来。

　　5结束语

　　在大数据浪潮下，各产业正酝酿一场新的变革。未来企业的运作，靠的是关键数据。谁掌握了大数据，谁就掌握了未来。大数据不只改变产销模式，也正在颠覆既有游戏规则，从零售业、金融、房地产、医疗、娱乐到农业等多个领域。大数据的趋势是运用集体智慧去优化个体的意愿，这种互动是一种新的生活方式。