大數據營銷的特征
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數據營銷的特征范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
大數據營銷的特征范文第1篇
隨著現代信息技術日漸融入人們的日常生活，人們每時每刻的行為都被數據記錄和保存下來，人類產生的數據正在以指數級成倍增長。谷歌、百度、騰訊、阿里巴巴等電商企業在大數據資源的占有方面擁有天然的優勢，其不僅在公司內部擁有大量累積的數據量，還能通過股權購買等形式獲取企業外部的大數據。大數據被普遍視為未來經濟發展的“石油”，電商企業作為新時期經濟發展的新型驅動力，理應重視大數據的挖掘和盈利問題。借助大數據的挖掘和利用，電商企業的營銷方式和盈利模式能夠獲得轉型升級。因此，在大數據時代，研究電商企業的大數據營銷困境及其優化策略具有重要的意義。
1 大數據營銷的基本特征
大數據能夠解決企業發展的趨勢和方向問題，運用大數據思維看待企業的發展，能夠為企業經營決策提供參考和輔助。大數據營銷是企業決策的重要組成部分，通過對大數據的采集和分析，針對性識別客戶，根據客戶特點作出企業營銷決策，從而幫助企業實現利潤最大化增長。因此，大數據營銷具備顛覆傳統營銷模式的潛質，與傳統營銷模式截然不同，大數據營銷具備以下三點基本特征。
1.1 重視從海量數據中挖掘相關性
從字面上理解，大數據與普通數據不同，有量上的規模限制，達到一定量級的數據才會凸顯其商業價值。傳統營銷模式只注重局部樣本的抽樣調查，抽樣調查的誤差、滯后性等缺陷和不足需要依靠后期的加權等方式予以彌補，傳統營銷調查的主觀性色彩濃厚，精準性程度不夠。
此外，傳統營銷模式只看到“為什么”，注重分析事物之間的因果關系，事實上，因果關系的確定非常難，調查者會根據主觀經驗進行推斷和認定原因，導致調查的客觀性不足。與之相比，大數據營銷則注重調查樣本的無限擴大化，試圖通過用戶在網站點擊、消費記錄、售后評價等形式和途徑盡可能采集全樣本數據，并通過大數據挖掘和分析工具，對全樣本數據進行深度加工和處理，試圖通過大數據的關聯分析發現海量數據之間的相關性，進而找到企業營銷的突破口和針對性。
1.2 重視營銷對象的行為屬性
傳統營銷注重營銷對象的年齡、性別、職業等基本個人人口學屬性，營銷調查分析識別出來的營銷對象群體比較模式，潛在的消費群體購買商品的可能性預測效果不強，這種基于個人基本熟悉的數據調查帶來的營銷效果不明顯。大數據營銷則注重營銷對象的行為屬性，在關注個人基本屬性的同時，尤其注重營銷對象的消費行為和消費行動，試圖通過了解消費者的行動軌跡，預測其消費需求，進而調整營銷策略。消費者通過電腦、手機客戶端等工具購物、刷微信、刷微博、看新聞等，每天都會留下海量的行為數據，這些行為數據記錄了消費者對公司產品的購買意愿、購買態度、購買周期、品牌評價等，能夠清晰識別忠實消費者和潛在消費者。
1.3 重視營銷效果的精準性
傳統營銷具有較強的模糊性，既不能精準識別潛在的消費群體，也不恩那個對既有消費者的行為數據進行分析，更不能夠對消費者在線行為的變化作出研判。建立在全樣本行為火速據基礎上的大數據營銷，能夠根據用戶的網絡瀏覽記錄和網友之間的互動評價來識別潛在的消費者群體，經過這些數據的分析預測潛在消費者購買產品的概率，進而針對性推送購買信息和鏈接廣告，以達到說服購買的目的。
大數據營銷對既有消費者，能夠通過其評價和反饋，了解其對使用過產品的基本評價和再次購買意愿，進而改進產品，進行一對一的定制化商品推送，亞馬遜即是這方面的成功典范。大數據營銷能夠識別不同人群的消費行為，進而將群體細分和貼標簽，商家可以根據群體標簽定制化推送商品。經過大數據挖掘和分析所得出的營銷決策應通過微信、微博、電子郵件、私信等方式提醒消費者，以期讓消費者及時了解產品變動情況。
2 電商企業大數據營銷應用面臨的現實困境
從大數據營銷的三點基本特征可以看出，大數據營銷為電商企業營銷提供了前所未有的機遇。但大數據營銷目前尚處于起步和探索階段，任何一個新生事物都不可能盡善盡美、一帆風順，電商企業的大數據營銷同樣面臨著困境。實際上，數據并非越大越好，數據質量才是關鍵，精準營銷預期效果很好，但是也很難做到，大數據采集容易，但數據的泄漏會對消費者的隱私造成侵害。
2.1 大數據存在虛假可能
由于大數據但是全樣本的數據采集，導致數據中參雜很多不利于企業營銷的干擾信息和負面信息。例如，電商平臺的用戶ID并不唯一，一個人可能開通了幾個微博、有幾個微信號和QQ號，也可能有好幾個商家注冊ID，這可能導致數據的重復收集；再如，部分商家強制要求購買者好評，部分網站的跟帖和評論注了水，是有意而為之，要么經過嚴格的后臺審核方能，要么經過后臺選擇性刪除的結果，這些人為干預都會影響大數據的真實性和客觀性。外加上大數據對干擾信息的識別技術還不先進，人工識別的工作量又太大，導致大數據存在虛假的可能。因此，大數據營銷需要剔除這些虛假數據，提升收集到的大數據質量。
2.2 大數據精準營銷效果難達預期
精準性是大數據營銷的根本特征，所有企業的營銷都針對精準性做著不懈的努力。對商家而言，精準性意味著對用戶的商品推介能夠迅速轉化成為購買率，至少能夠大大提高購買的可能性。但實際上，很多消費者不習慣商家的定制化推送，甚至將商家的電子郵件和社交網絡推送行為視為騷擾行為，進而產生厭煩情緒，大大影響了商家的形象。因此，大數據營銷分析之后，如何柔性推送大數據營銷的應用結果，是商家應該重點考慮的問題。
2.3 數據泄露威脅用戶隱私
當消費者的個人特征數據和行為數據被采集起來后，數據泄露的風險也驟然增加，一旦集成的大數據遭到泄露，不僅會對商家造成經濟損失，更會大量泄露公民個人隱私，嚴重威脅消費者的人生和財產安全。現代化過程中不斷滋生著現代性風險，大數據營銷為企業帶來便利的同時，也給用戶帶來了困然。很多電商企業在未獲得用戶同意的基礎上，私自采集和購買用戶數據，用戶數據被私自交易，由于很多電商企業的技術防衛措施不到位，數據很容易泄露，導致用戶的生活受到干擾，財產安全受到威脅，因此，大數據營銷應用中存在的個人隱私及安全也是目前關注的重點。
3 促進電商企業大數據營銷的優化策略
3.1 提升大數據處理技術
數據之所存在虛假的可能，主要因為數據處理技術跟不上。針對海量的數據，電商企業應該抓緊研制大數據處理技術，尤其是數據加工處理技術。數據的加工處理是大數據營銷的首要步驟，如果數據的處理技術強烈依賴于其他公司，營銷的自主性就無法保證。因此，電商企業應借助自身力量加工和處理數據。例如，阿里巴巴之所以能夠在大數據營銷方面起帶頭作用，關鍵是其自主研發的海量數據離線處理服務ODPS能夠隨需擴展、處理海量數據，主要應用于數據分析、海量數據統計、數據挖掘以及商業智能等領域。因此，中小企業應借鑒阿里巴巴的成功經驗，自主研發大數據分析工具，提高數據質量。
3.2 培養大數據分析師
數據本身是死的，需要人去識別和分析。大數據營銷還需要有能夠敏銳洞察市場需求的大數據分析師。然后，大數據分析師并不是一蹴而就，這就導致我國目前的電商行業大數據分析師極度匱乏，大數據分析師基本處于缺口狀態。數據專家畢竟只是少數，聘請成本高，競爭激烈。因此，各電商企業一方面應立足自身實際，從內部挖掘具有專業背景和數據處理能力的員工進行大數據分析培訓。另一方面，電商企業可以聘請外部的大數據分析師，有條件的甚至可以聘請國外的大數據分析師。當然，更為重要的是，各企業應建立常態化的大數據人才培養機制，從核心數據的分析，到數據分析的可視化，再到數據分析報告的潤色，再到數據分析報告的講解，最后到大數據分析與商業的融合等環節，都需要一支能力強、有梯隊的大數據分析師隊伍作為支撐。
3.3 提高精準營銷的效果
電商企業的大數據營銷遇到了阻力，迫切需要改變現有的商品推介模式，改善用戶的厭惡情緒。具體而言，電商企業首先應注重營銷的及時性，經過對消費者行為的分析后，能夠在第一時間作出恰到好處的信息推送和購買方案的制定，便能迅速搶占先機，不但不會引起用戶反感，還會起到立竿見影的效果。
其次，要改變反復向購買者推銷其曾經購買過產品的習慣，這種推銷只會讓人更討厭，電商企業可以轉變推銷思維，將同質推銷轉變為互補產品推銷，從而勾起消費者的注意，創造潛在的購買需求。
最后，精準營銷不能影響用戶生活和工作，因此，要善于利用用戶的上下班休閑時間對用戶進行商品推介，提高精準營銷的效果。
3.4 增強數據隱私防衛
大數據營銷的特征范文第2篇
關鍵詞：大數據市場營銷機遇與挑戰
1大數據的概念及其特征
大數據是互聯網發展到現今階段的一種產物，但是到目前為止，都沒有人或機構對其做出一個權威的定義。根據研究機構Gartner對大數據的定義，大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。還有這樣的定義，大數據，又稱巨量資料，指的是所涉及的數據資料量規模巨大到無法通過人腦甚至主流軟件工具，在一定的時間內達到擷取、管理、處理并整理成為幫助企業經營決策更積極目的的資訊。2011年，麥肯錫在研究報告《海量數據：創新、競爭和提高生成率的下一個新領域》中指出，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素；而人們對于海量數據的運用將預示著新一波生產率增長和消費者盈余浪潮的到來[1]。國際數據咨詢公司IDC指出大數據有4個特征，并將其總結為4V，即Variety(種量多)、Velocity(流量大)、Volume(容量大)、Value(價值高)[2]。想要大數據更好地為人類服務，就必須找出其內在規律，從而更好地將其應用到市場營銷及各行各業中去。
2大數據時代下市場營銷的機遇與挑戰
2.1大數據時代下市場營銷的機遇
利用大數據，結合網絡營銷(目前主要的網絡營銷理論有整合營銷、直復營銷、軟營銷和關系營銷)，依托數據庫及數據挖掘(指從大量的數據庫中抽取出此前還沒有發現的有效、實用的信息，并且此后使用此信息來幫助制訂關鍵的商業決策的過程)，企業可以獲取消費者對產品的喜愛程度、分布區域、基本特征等數據信息，從而更有針對性地改善產品及制訂出相應的市場營銷策略。
2.1.1大數據背景下的精準營銷，為客戶提供個性化服務
所謂精準營銷，是指在精準定位的基礎上，依托現代信息技術手段建立個性化的顧客溝通服務體系，實現企業可度量的低成本擴張之路。精準營銷的核心理論為4C理論，即顧客(customer)、成本(cost)、方便(convenient)、溝通(communicacation)。它貫徹了消費者導向的基本原則，倡導企業的全部行為都要以消費者需求和欲望為基本導向；它由于銷售渠道短，可減少流轉環節，降低營銷成本，從而降低顧客的滿足成本；它可向顧客提供大量的商品和服務信息，使顧客足不出戶就可以購買到自己想要的產品，提高了顧客購物的便利性；最重要的是，它可以實現與顧客的雙向溝通。大數據已經為精準營銷提供了必要的基礎條件，基于歸納整理后的可流轉數據以及透明可見的客戶個體行為和偏好數據，使得企業可以實現“一對一”的營銷，在大數據背景下，企業的產品設計充分考慮了消費者需求的個性特征，增強了產品價值的適應性，從而為顧客創造了更大的產品價值。
2.1.2通過對銷售數據的分析，實現產品的交叉銷售
交叉銷售是指在同一個客戶身上挖掘、開拓更多的顧客需求，而不是只滿足于客戶某次的購買需求，橫向開拓市場。以大型超市為例，不可否認，超市每天都會有大量的銷售數據，如果能夠應用數據挖掘技術對這些銷售數據進行深層次地挖掘分析，從而了解消費者的購買特點及習慣，再針對這些特點及習慣對產品進行優化組合，可以達到提高銷售額的目的，美國沃爾瑪超市就是一個成功的案例。在美國，照顧嬰孩的母親一般會讓下班的父親順便去超市購買小孩用的紙尿褲，商家通過對一年多的原始交易數據進行挖掘分析，在沃爾瑪超市推出了紙尿褲和啤酒擺放在一起的新組合，果然，爸爸們在買完紙尿褲后會順手為自己買愛喝的啤酒，這樣，產品的銷售額大大提高。網上商店也是通過儲存消費者在一定時期內的消費交易數據，然后對這些數據進行分析處理，從而得出消費者的消費行為模式。以筆者自己為例，筆者曾經在天貓上的羅曼風情旗艦店購買了兩雙價位相差不大的新款靴子，拿到后感覺很滿意，并且給了商家好評。今年剛一入冬，羅曼風情旗艦店就給我發來短信說有新款女靴上市，還發鏈接給我，我當時就隨便點進去看了一下，發現還蠻漂亮的，而且價位也跟我去年買的兩雙差不多，那時真心感覺到大數據時代的方便，都不用自己找商品，商品自己就找上門。
2.1.3基于客戶關系管理，與客戶建立長期友好的關系
客戶關系管理是指企業為提高核心競爭力，利用相應的信息技術以及互聯網技術來協調企業與顧客間在銷售、營銷和服務上的交互，從而提升其管理方式，向客戶提供創新式的個性化的客戶交互和服務的過程，其最終目標是吸引新客戶、留住老客戶以及將已有客戶轉為忠實客戶，增加市場份額。隨著經濟全球化和大數據時代的到來，產品同質化已經演變為市場營銷中的一個難題。企業要想銷售更多的產品，必須提高顧客滿意度，與客戶建立長期友好的關系。客戶關系管理堅持以客戶為中心、為客戶創造價值，它可以幫助企業甄別不同價值的客戶，實現企業與客戶之間的“雙贏”，并且可以提高顧客的滿意度，增強客戶的忠誠度。客戶關系管理的核心是客戶價值管理，它通過對客戶的信息進行歸類分析與收集，進而對客戶進行“一對一”營銷，為客戶提供個性化需求，從而提高客戶的滿意度與忠誠度，與客戶建立長期友好的關系。客戶關系管理系統在市場營銷過程中，能夠幫助市場人員分析目標客戶群體，從而獲知目標客戶的相關信息，進而對這些客戶進行分類處理，以此來增加銷售額并降低銷售成本。
2.2大數據時代下市場營銷的挑戰
隨著大數據時代的到來，信息的傳遞越來越便捷，與此同時，企業除了要加強信息處理的技術，更要加強信息甄別的能力。大數據帶來了大量數據，也加大了數據的混亂程度，數據中包含了很多的實用信息，同時也摻雜了虛假信息，如何選擇并保證數據的完整性與客觀性、保證基于數據預測的正確性，是大數據時代急需解決的問題。
2.2.1垃圾信息泛濫，消費者產生疲勞與抵抗
在大數據背景下，商業環境越來越復雜，由于缺少用戶特征數據支撐及詳細準確的分析，過去名義上的精準營銷并不怎么精準，這導致了信息爆炸的同時也帶來了垃圾信息的泛濫。這樣一來，消費者對這些鋪天蓋地的不可靠信息產生疲勞與抵抗，最終將不利于市場營銷的進行。
2.2.2市場人員需要投入大量成本重新去適應與學習新技術
在大數據時代，傳統的出門拜訪客戶、電話溝通等方式越來越不受重視，市場人員需要利用數據挖掘分析出消費者的購買特點以及消費行為模式，從而展開“一對一”營銷。當然，前提是市場人員必須要掌握處理數據及分析數據的能力，這就要求他們為適應市場的變化需花費大量的時間、精力、金錢成本重新去學習一門新的技能。與此同時，企業也將花費更大的成本去跟進相關硬件設施及培養相關人才。
2.2.3信息傳輸過程中的安全問題
隨著計算機技術、網絡技術以及其他高科技的發展，使得社會中傳統的犯罪及不道德行為更加隱秘和難以控制。一些不法分子很可能截獲網絡傳輸過程中的信息，或通過對信息流量和流向、通信頻度和長度等參數的分析，推斷出有用信息，并對這些信息加以利用。有了這樣的前例，消費者可能會拒絕透露自己的相關信息，這樣使得營銷人員很難獲取消費者的真實信息，無法分析出消費者的特征及行為模式，將不利于正常營銷活動的開展。
3結語
大數據時代已經到來，它實現了市場營銷過程中對客戶的數據進行分析與處理，使市場營銷人員更了解他們的客戶，從而為其提供個性化的需求服務，加大客戶的滿意度與忠誠度。同時，消費者獲得信息的渠道和方式也大大增加了，并且信息爆炸式的傳播速度也讓消費者迷失其中，這就在一定程度上加大了營銷的難度。總之，在大數據時代，市場營銷既迎來了新的機遇，也無法避免新的挑戰。企業必須合理利用大數據，進行正確的數據挖掘及分析，使得精準營銷成為可能、客戶關系管理更有針對性，并實現交叉銷售、降低渠道成本，這樣才能完勝前端的市場營銷工作。
作者:陳香蓮 趙婧 劉永忠 單位:江西中醫藥大學 江西中醫藥大學經濟與管理學院 江西中醫藥大學經濟與管理學院
參考文獻:
大數據營銷的特征范文第3篇
關鍵詞：大數據技術；對公業務營銷
中圖分類號：F274 文獻標識碼：A 文章編號：1003-9031（2016）03-0070-04 DOI：10.3969/j.issn.1003-9031.2016.03.15
當今時代，以移動互聯網、云計算技術、搜索引擎為代表的新一代信息技術全面滲入金融行業，對金融業態產生重要影響。同時，伴隨網絡技術的發展，數據滲透到了每一個行業，“大數據”應運而生，已成為重要的生產要素。對最早實現數字化交易的銀行業來說，大數據能反映銀行產品管理的綜合信息，也隱藏著產品相關的客戶行為模式，有助于實現基于客戶行為的產品營銷管理。
一、大數據技術概況
大數據尚未有統一的概念，目前采用較多的是麥肯錫咨詢公司的定義，大數據是“規模大到傳統的數據庫軟件工具已經無法采集、存儲、管理和分析的數據集”，且大數據具有“4V”的特點，即數據量大（Volume）、數據種類繁多（Variety）、數據更新快（Velocity）、數據具有極大的價值（Value）[1]。IDC的報告預測未來5年中國的數據量將以51.4%的速度增長[2]。數據作為一種信息，記錄了企業所有的產品信息，并能更精確、更客觀地展現客戶需求，具有重大的商業價值[3]。基于大數據技術的各種商業創新，會使得未來的營銷活動以更貼近消費者需求方式以及在更為合理的時間實施，取得更好的效果[4]。
現有的大數據分析挖掘的方法有很多，常用的有如下幾種。
1.關聯分析法。這是最常見的大數據分析方法之一，指的是從現有的數據庫中找出特定序列的數據在特定事件中存在的數據關聯性。確定關聯規則是關聯分析法的重要基礎，不同關聯規則的設定會產生不同的關聯結果。該方法主要用于發現某一事件中不同數據是否存在關聯性，如產品間的內在關聯性。
2.序列分析法。序列分析法與關聯分析法規則類似，但尋找的是某一事件中數據之間在時間上的關聯性。加入了時間序列，使得分析結果更具動態性和延續性。這種分析法對于發現潛在用戶具有明顯作用，能夠廣泛應用到金融、醫療、工程等領域的企業中。
3.分類和預測分析法。實際上是兩個過程，第一步是確定模型描述，針對指定的數據類型和概念集進行分類劃分，第二步是使用這種分類基于模型進行預測分析。這一類分析方法主要用于挖掘隱藏在數據背后的消費者特定的消費習慣，并預測其后續的可能行為。
4.聚類分析法。聚類分析法能夠將數據庫內數據特征未知的信息進行相似性最大化處理，幫助企業了解哪些是較為典型性的用戶，哪些是忠實用戶，哪些是流失用戶等，從而有助于企業根據不同用戶的消費特征制定不同的營銷策略。
二、大數據技術在商業銀行的應用現狀
國內的金融行業，尤其是銀行業，大數據的應用尚處于起步階段，遠遠落后于互聯網行業。但金融行業實現數字化交易以來，沉淀了大量的用戶數據，是較為適合大數據分析的行業。銀行業的數據分析尚處于從數據碎片化到數據整合時代的過渡階段。現階段，大數據技術在商業銀行的應用主要集中在風險控制和零售業務，主要有三種模式。
首先，基于網上交易流水的數據挖掘。銀行與電商合作，直接接觸電商平臺、支付平臺上的大量賣家和買家，并通過交易流、信息流、資金流覆蓋其產業鏈上的生產、物流、消費等多個環節。基于此，銀行借助成熟的數據分析技術，實施風險控制和拓展營銷。如工商銀行“易融通”會自動處理客戶信息，選取客戶融資需求量、還款資金來源及其可靠性等因素作為貸款額度指標，在線批量審批與發放貸款。招商銀行與敦煌網共同推出的“敦煌網生意一卡通”客戶信息共享，為小微企業提供融資、結算、理財一體化的金融服務。
其次，基于第三方系統的征信數據挖掘。這一類數據主要包括人行征信、工商、稅務、電力、房管局、車管所、社保、海關等政府數據，學歷、購物、支付、物流等社會征信數據以及各大金融機構的金融數據等。這些數據使得銀行能更加全面判斷企業客戶的屬性和資質，更有針對性地根據其綜合情況實施精準營銷。如平安銀行在接入平安保險、平安租賃等集團子公司數據的同時，輔之以政府公共數據，全面分析客戶情況并據此營銷。
最后，基于POS流水的數據應用。商業銀行依托在線貸款業務平臺系統，對客戶進行綜合信用評價，向符合貸款條件的POS商戶，以其一定期限內的POS結算流入量為授信額度的依據，在線發放用于生產經營的信用貸款。已有的POS流水數據應用有招商銀行和通聯支付合作的流水貸、中信銀行和銀聯商務合作的網絡商戶貸款業務，浦發銀行和通聯支付合作的流水貸業務等。
除了基于行內數據進行挖掘分析外，國內許多商業銀行還與專業第三方公司合作，爭取順應大數據潮流，進一步加快應用大數據的步伐。如平安銀行與SPSS公司合作，進行消費貸產品的大數據營銷管理；寧波銀行利用客戶購買某項產品大數據分析結果挖掘潛在客戶。這些探索為商業銀行擁抱大數據技術，利用大數據技術轉變營銷理念和營銷方法提供了很好的借鑒。
隨著云計算、物聯網等新型信息技術的發展和跨渠道跨終端的整合，銀行的大數據將日漸完善。產品的客觀數據與客戶信息也將有效結合，形成完整的“產品――用戶”數據庫，用于銀行各類產品的規模化和定制化綜合推介，尤其是對于具有復雜的金融產品綜合運用需求的對公客戶來說，大數據的應用將是一片藍海。
三、大數據技術在對公業務營銷中的應用方案
對公客戶是商業銀行的主要利潤來源之一，且該類客戶沉淀了大量復雜的數據，將大數據技術應用于對公客戶服務和對公產品營銷具有重要意義。基于大數據技術的營銷管理是一項系統性工程，需循序漸進，最終形成一套成熟體系。張湛梅等提出一套針對移動互聯網的大數據營銷體系“PDMA”，主要包括認知客戶（perceive）、挖掘需求（data-mining）、精準營銷（marketing）、營銷評估（assessment），構成一個閉環體系[5]。基于“PDMA”的框架能很好地建立銀行產品和客戶兩個維度。結合客戶屬性進行產品大數據分析，才能以更符合客戶偏好和需求的方式實施產品營銷，并對營銷的效果進行事后評估，以持續改進。本文以“PDMA”為框架，系統闡述商業銀行借助大數據技術進行對公產品營銷管理的應用方案。
（一）P――認知客戶行為
對公客戶與零售客戶有本質的區別，客戶的金融需求復雜，且更加個性化多樣化。在銀行進行大數據分析之前，應當對對公客戶有一個全面認識，并結合客戶情況認知銀行對公產品現狀。認知企業客戶行為可以從三個方面著手。
1.基于客戶屬性建立客戶特征庫。客戶特征庫包括銀行數據庫中的所有對公客戶相關字段，可以對客戶的自身屬性、所在地區、財務狀況、與銀行合作緊密程度等進行初步分析，掌握客戶基本情況。
2.結合客戶持有產品情況，認知銀行的產品結構。以產品管理系統中的產品庫為依據，分析持有不同數量產品的客戶分布、各門類產品的客戶總體分布、下屬分行及其經營機構的客戶持有產品情況，以及結合多個時點的各門類產品客戶數的變化趨勢等。
3.在認知產品的基礎上，基于產品記錄，分析客戶行為習慣。包括客戶對產品門類的偏好，對產品購買渠道的偏好，對資金流動性的需求，購買產品時段偏好等。
（二）D――挖掘客戶需求
在認知產品和客戶的基礎上，應用大數據技術，挖掘隱藏在產品信息和客戶信息背后的客戶需求，為后續的精準營銷打下基礎。
1.基于客戶產品持有行為判斷不同產品的相關程度。在客戶持有產品的全數據中，同一客戶持有多種產品的現象較為普遍。分析客戶持有的產品明細清單，找出同一客戶持有產品組合的一般規律，可以準確判斷各產品之間的相關程度，測算出持有某種產品的客戶同時使用該產品相關產品的可能性。產品相關分析的結果可以形成定期的產品相關性監測報告和營銷建議。
2.基于產品的監測報告，判斷產品持有的平均水平。結合客戶產品的平均持有水平分析，將低于產品平均持有水平的對公客戶認為是具有產品潛力的客戶群，生成這一類客戶清單。同時根據客戶清單中對公客戶所在分行進行分類，將這部分產品需求未充分挖掘的客戶清單推送到分行，以幫助分行更好地鎖定目標營銷客戶。同時也可以針對不同門類產品的客戶情況進行統計分析，判斷持有某類產品的客戶使用其它門類產品的情況，也即產品的跟進情況。
3.對非結構化的大數據進行分析，全方位挖掘客戶的產品需求。非結構化數據可以分為行內數據和行外數據。行內數據中，銀行內部的資金來往記錄和銀行內部企業授信報告等都可以作為非結構化數據來源。此外，銀行還可綜合應用外部數據，如電力、稅務、工商和人行征信系統數據。通過這類交易數據可以形成企業的社會網絡關系圖，作為供應鏈金融大數據營銷的重要依據。
總之，需求發現環節應緊密結合產品和客戶的數據，挖掘大數據背后客戶對產品的需求，是借助大數據實現對公產品營銷管理的基礎性工作。
（三）M――產品精準營銷
充分挖掘客戶需求后，根據需求實施精準營銷。具體可以有如下應用。
1.結合客戶的產品門類偏好推薦同一類別的其它產品。根據客戶偏好分析和需求挖掘結果，掌握客戶對某類產品的使用記錄，為其推薦同門類產品中其它熱門產品（依據熱門產品排名），提高同一門類產品的滲透率。此外，還可以具體到各分行，分析各分行同類產品使用情況，并將之與全行產品應用情況對比分析。低于全行各門類產品應用水平的分行建議就其薄弱的產品門類進行重點營銷。
2.對持有某些產品的客戶推薦產品組合中的其它產品。通過產品相關分析梳理出相關度高的產品組合，結合只持有這些產品組合中的部分產品的客戶清單，生成各個客戶還可進行關聯營銷的具體產品清單，推送給各分行，指導其根據該客戶潛在產品清單對客戶進行產品關聯推薦。
3.通過客戶屬性分析開發潛在客戶。從產品出發，通過聚類法和分類預測法分析持有某種產品的客戶群體的共同屬性，然后比對具有這些屬性但還未持有該種產品的客戶，作為該種產品的潛在客戶名單，對名單上的客戶推薦該種產品，通過分析現有客戶成功開發新客戶。
（四）A――營銷效果評估
營銷評估是貫穿“PDMA”大數據營銷體系全流程的最后一環，也是營銷管理流程中承上啟下的重要步驟，能及時幫助商業銀行掌握大數據分析的效果。銀行在精準營銷評估過程中，應當加入時間序列，結合產品和客戶情況進行綜合評估，并定期對基于大數據分析的精準營銷實施評估，根據評估效果改善大數據分析和精準營銷的成果。對有成效的分析結果形成定期營銷報告，對于成果不顯著的從業務角度總結原因，調整大數據分析模型和參數，改進結果。
四、對公業務營銷中的典型案例
總體來說，相比國有銀行，股份制銀行更加積極擁抱大數據技術。2015年3月，民生銀行“金融e管家”平臺正式上線，這是民生銀行利用大數據技術的一大利器。該平臺主要針對國內商業銀行客戶關系管理系統管理功能、分析功能、應用功能相互脫離的弊端而開發的基于大數據分析的一站式服務平臺。“金融e管家”服務于全行對公客戶管理，覆蓋“PDMA”框架的四個環節，是對公業務應用大數據技術的典范。
首先，認知客戶行為（P）。該平臺對接民生銀行內200多個生產系統和數據中樞，并導入上市公司數據、人行征信數據、工商數據等行外的數據，形成完善的數據結構，通過不同的規則組合數據，如對公客戶和產品的交叉組合，或者基于供應鏈的客戶上下游集合等，使用戶可從不同角度解讀對公客戶的特性，同時通過行內資金流和行內外信息流，精確掌握客戶的行為習慣。
其次，挖掘客戶需求（D）。該平臺對客戶信息更深層次的挖掘，去除無效信息，將有效信息放大，結合線下業務資源，挑選出最適合營銷的企業關系群體，應用多種大數據分析方法，建立關系網絡分析模型，識別出群體的特征和相互之間業務重點，并以極具可用性的界面展示客戶潛在需求挖掘的結果，幫助客戶經理深度挖掘客戶的金融需求。
再者，產品精準營銷（M）。該平臺是一個智能化的融資理財和資源整合平臺，主要圍繞核心客戶，通過后臺數據的支撐，建立交易網絡模型和上下游客戶推薦模型，并據此匹配最適合的金融產品，實現精準營銷。該平臺上線后，對公產品關聯營銷的成功率大大提高。
最后，產品營銷評估（A）。該平臺建立了基于歷史記錄的客戶績效評價體系，科學全面的評價客戶績效，并根據評價結果改進營銷方向。后評價功能涵蓋對公業務的不同情況，如對個性化服務方案的綜合評價，對集團客戶也能建立綜合收益的評價，而不僅僅是單獨考慮單筆業務的收益，適應了缺資產時代的商業銀行經營新思路。
可以預見，在信息技術發展日新月異的當代，隨著對公業務背后紛繁復雜的信息流、資金流、物流等多樣化數據不斷沉淀，大數據技術在商業銀行對公業務營銷中的應用價值將日益凸顯，并將逐漸成為商業銀行對公業務的核心競爭力之一。
參考文獻：
[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，黃海，車皓陽，王悅等譯.駕馭大數據[M].北京：人民郵電出版社，2013.
[3]楊威.大數據時代下的電子商務企業營銷方式變革[J].中國電子商務，2014（14）.
大數據營銷的特征范文第4篇
[關鍵詞]大數據;營銷模式;商業模式
[中圖分類號]F713.5 [文獻標識碼]A [文章編號]1672-2426（2014）12-0063-06
一、理論綜述
在過去的數年中，信息技術在社會、經濟、生活等各個領域不斷滲透和推陳出新，在移動計算、物聯網、云計算等一系列新興技術的支持下，社交媒體、協同創造、虛擬服務等新型應用模式持續拓展著人類創造和利用信息的范圍和形式。新興信息技術與應用模式的涌現，使得全球數據量呈現出前所未有的爆發式增長態勢（Lynch，2008）。全面基于信息和網絡的生產和創新模式，正在將人類社會帶入“第三次工業革命”時代（Rifkin，2012）。作為計算機時代的核心――計算能力，其主要目的在于提高對大量數據的處理功能，并對其進行分析挖掘，進而從中獲得有價值的信息，最終衍化出一種新的商業模式，本文主要是分析在大數據條件下，企業市場營銷模式的轉變，從大數據理論與特征出發，探討大數據對于商業的價值，以及大數據趨勢下企業市場營銷模式的轉變。
（一）大數據時代營銷與企業的營銷模式
大數據是指那些超過傳統數據庫系統處理能力的數據，數據量通常在10TB以上。在當今社會互聯網普及和發展快速的情況下，社會化應用以及云計算，使得網民的網絡痕跡能夠被追蹤p分析等，而這個數據是衡量的以及可變化的，企業或第三方服務機構借助這些數據為企業的營銷提供咨詢、策略、投放等營銷服務的行為稱為大數據營銷。企業的營銷模式是營銷戰略和各種策略的集合，是企業開展業務的特定方式。
（二）國內外相關理論研究
Bug hin et al.（2011）指出大數據可以通過信息透明化釋放巨大的價值，大數據時代會產生新的管理規則，并提出數據導向競爭優勢的概念。Brown et al.（2011）指出大數據所帶來的巨大影響是可以改變游戲規則，企業的成功不僅僅取決于新技術而且取決于關于大數據時代如何發展的新思維：一個受大數據影響的擴展了的管理實踐循環以及大數據對潛在的、破壞性的、新的商業模式的作用;進而指出：徹底定制化（Radical Customization）、永恒的實驗（Constant Experimentation）和新奇的商業模式（Novel Business Models）是公司在捕捉和分析海量數據時代競爭的新標記。
大數據時代消費者和網民的區分逐步一體化，企業的疆界日漸模糊，數據越來越成為核心的資產，并將對企業的業務模式產生深刻影響，甚至重構其組織和文化;商業活動的各個領域在這場運動中都不能置身事外（McAfee、Brynjolfsson，2012）。對于大數據這個概念，國際數據公司（IDC）將其定義為：通過高速捕捉、發現或分析等途徑，從大容量數據中提取價值的一種新的技術架構。大數據的核心一般認為是基于相關關系分析法的預測，其精髓不是抽樣、絕對精確和因果，而是分析更多數據甚至全部數據、追求效率、重視相關。本文認為大數據是對海量數據進行管理、分析、挖掘以支持決策的理論、方法、技術的統稱。
（三）傳統企業營銷模式的制約因素
傳統企業營銷模式的制約因素主要體現為：營銷市場環境，如市場營銷環境通過市場內容的不斷擴大和自身因素的不斷變化，對企業的營銷活動發生影響，同時企業的營銷環境依賴于市場環境正常進行。消費群體，如有購買力和欲望的現有及潛在消費群體分布非常廣泛和分散，且具有多變性。調研方式，如企業的調研活動通過市場觀察、訪談、電話訪問或發放問卷等形式展開時，需要大量人、財、物的投入，周期較長，難以進行廣泛調研且不具代表性等。營銷廣告，如營銷廣告主要是通過電視、報紙、雜志等形式對受眾進行聽覺、視覺刺激，把信息強加給受眾。營銷策略，如企業針對一個目標市場會利用一個組合策略，通常使用4P’s組合策略，以達到企業的市場目標，但是該組合強調必須以適當的產品、適當的價格、適當的渠道和適當的促銷手段，將適當的產品和服務投放到特定市場。營銷理念，如企業做市場營銷的條件是產品供過于求和市場競爭的加劇，所以市場營銷的理念僅僅是銷售產品，滿足客戶需求。
二、大數據的特征及其商業價值
（一）大數據的特征
大數據的“大”，不同于以往數據的顯著特點表現在“4V+1C”：第1個V是Volume，即高容量，TB～ZB級;第2個V是Velocity，高速度，實時處理，數據量增長越來越快，需要處理的速度和響應的時間越來越快，對系統的延時要求相當高;第3個V是Variety，多類型、多格式，包括結構化、半結構化和非結構化數據;第4個V是Vitality：分析和處理模型必須快速變化，因需求在變;1C是Complexity，處理和分析的難度非常大，處理、升級或利用大數據的分析手段比處理結構化數據要復雜的多。大數據營銷的特點主要表現在以下幾個方面：
1.提高個性化。主要是通過對大數據的分析來更加有針對性的了解客戶的需求，使為客戶提供的服務更加個性化和有效。
2.數據驅動的營銷。隨著原始數據的不斷堆積，大數據平臺已經出現，為營銷人員更好地了解客戶提供了大量的信息。在這些信息數據的驅動下，營銷人員才能夠真正了解客戶的真實需求，并通過滿足這些需求來提升客戶體驗。
3.預測分析能力。大數據的累積使得營銷人員可以通過外部和內部兩個系統的數據來分析客戶當前和未來的購買行為。外部系統指的是web和社交媒體等，內部系統指的是CRM和購買歷史記錄等。通過這些數據的組合分析可以推動現有的產品和服務的銷售并同時帶來更好的產品服務的改進。
4.虛擬活動能力。通過大數據模擬可將人們的一些創新性的營銷想法進行虛擬的市場測試，這種虛擬的測試消除了在真實市場中存在的風險，節約了成本費用。同時因為所使用的數據是來自真實世界的，因此虛擬測試結論具有較強的可靠性。通過不斷地測試、挑戰和重新測試，直到這些營銷想法成為實際的活動――其有效性隨后可以使用營銷后分析來測量。
5.不僅僅適用于大型企業。大數據分析需要的成本較少，因此這一發展趨勢不只是針對大企業有效，對于小企業來說同樣可以運用已有的軟件工具從存儲、管理、分析和可視化數據中分析獲得很大的優勢。因此，在這方面，小型企業與大型企業處于公平競爭的環境中。
（二）大數據的商業價值
1.大數據的來源與應用。大數據是由海量交易數據、海量交互數據和海量數據處理三種技術應用匯聚而成。以淘寶網為例，淘寶網的數據以及流量產生的核心是圍繞著買賣雙方的交易展開的，以此向外擴展，衍生出海量的相關數據與信息。同時，也正因為這些數據、信息都與交易相關，因此也形成了極具商業價值的數據信息，為淘寶轉型為電商“生態圈”的基礎服務提供商、數據服務商進行數據開發與銷售奠定了基礎。通過對用戶網上消費行為的全流程追蹤，淘寶數據的產生從大范圍上可以劃分為三種。第一種是來自淘寶網外部的數據，主要包括相關的廣告點擊、搜索引擎的搜索數據、SNS上的推薦與鏈接、關聯軟件的操作與推薦。第二種是直接訪問帶來的相關數據，包括瀏覽器訪問、軟件訪問等。第三種也是最大的數據來源，即淘寶網內部的數據產生，這些數據的產生與買賣雙方的交易密不可分，同時也圍繞著這種交易產生了相關的信息與數據，包括內部搜索、站內SNS社區、頁面瀏覽與點擊、會員及用戶相關頁面、購買與交易數據、后臺管理數據以及即時通訊數據信息等。
這些數據通過存儲、分析、運算和管理，可以用來優化自身的產品、服務、界面和管理。此外，在具備極大商業價值的數據與信息方面，淘寶對外界至少還能提供三類。第一類針對消費者，主要包括各種商品與店鋪以及促銷信息，是便利其購物與消費的數據信息;第二類針對賣方以及店鋪，主要包括媒體接觸及使用行為、網絡使用行為、消費者的消費行為、行業競爭及市場發展的數據與信息等，是可以有效提升商品銷售效果以及其店鋪管理的數據信息;第三類主要包括購買數據、消費者行為數據、銷售數據、交易數據等，是可以幫助社會及第三方機構了解電商企業和淘寶相關的數據及信息。
2.大數據所帶來的商業價值。大數據時代帶來了思維、商業、管理的大變革，在商業的變革中，對大數據進行挖掘所產生的商業價值日益激增，基于大數據的幾個商業價值方面的杠桿有：通過運用大數據來模擬實境，探索新的需求以及提高投入回報率;分析顧客群體，進行量體裁衣，對每個不同群體采取獨特而富有針對性的行動;提高大數據成果在各個相關部門的分享率，進而提高整個產業鏈條和管理鏈條的回報率;進行商業模式、服務和產品的創新等方面來實現由大數據所帶來的商業價值，如圖1所示。
在諸多領域，大數據浪潮正在引致顛覆性創新，即通過提供相對簡單卻更加廉價與便利的產品，或者引入遜于現有產品的產品和服務，誘導次要市場上不太挑剔的消費者，抑或非消費者。根據McGuire et al.（2012）的闡釋，大數據通過五種途徑獲得新競爭優勢，即精密的分析、更多的交易信息數字化、針對更窄細分市場量身定做的服務和產品、信息透明化、以及服務和產品的前瞻性開發。大數據的價值模型如圖2所示。
三、大數據時代的商業模式
商業模式反映了企業如何創造價值、傳遞價值和獲取價值。商業模式一般涉及九方面要素，大致覆蓋了商業模式的四個主要方面，如表1所示。商業模式猶如一個戰略藍圖，可以通過企業組織結構、系統和流程來實現。
商業模式的九要素之間相互作用、相互決定：同樣的渠道通路可以擁有不同的核心資源、不同的關鍵業務、不同的成本結構等。相同的價值主張不必通過相同的渠道通路去實現。商業模式只要有一個構成要素不同，就意味著是不同的商業模式。事實上不僅如此，在動態變化的市場系統中，為了應對變化多端的新環境，商業模式也必須靈活多變。市場環境的變化和生產技術的發展，會使曾經成功的商業模式受到挑戰。所以，新興技術的推動、市場需求的改變、行業垂直整合、競爭對手的模仿、企業家精神等因素都可能推動企業進行商業模式的創新。
以大數據為線索，重新審視自身商業模式并進行創新設計，是當今企業在整體結構性方面獲取差異優勢的重要來源。一方面，讓各種類型的數據轉變成可以快速獲得的有價值信息，這是大數據技術具有的優勢;另一方面，全息可見的消費者個體行為和偏好數據以及基于交叉融合之后的可流轉性數據。所以，未來的營銷可以根據每位消費者獨特的偏好與興趣，為他們精準地提供專屬性的個性化服務和產品。大數據不僅帶來一種新的核心能力和戰略資源，而且還可以實現企業界乃至整個社會資源的利用、控制、配置方式的開放化和虛擬化，提高經濟運行率和資源利用率。
四、大數據時代企業營銷模式的革新
（一）大數據時代企業營銷模式的演變
大數據時代不斷催生新的理念和商業經營模式，大數據是面向用戶、面向業務和應用的一種思維，一種戰略，基于科學的數據進行決策已經成為大數據時代經營的新型模式。傳統的消費者行為分析的營銷模型“AISAS”在不斷變化的大數據時代，轉變成了“TSPS”的新型模式，這種新路徑更多的被應用在網購的營銷模式中，如圖3所示。
（二）大數據時代帶來的營銷變革
通過對大宗用戶數據進行一系列的整合、分析、開發與積累，營造出新型產品的運營和營銷模式，像Google、Facebook、Twitter、Amazon等公司都已在大力推進這些業務模式。大數據可以幫助企業優化營銷策略：通過分析用戶的社交媒體活動，企業可以向用戶推薦消費者感興趣的產品或者服務，通過公開社交數據，企業可以有針對性地進行線上和線下的產品推薦活動，在了解用戶消費趨向的同時，可在相應地區增加相關產品庫存，通過社交媒體的監控將能夠針對用戶需求的產品提前備貨。
在大數據的幫助下，商家能夠實現真正的消費者個性化，而不僅僅是劃分不同的群體。大數據可以幫助企業做得更加精準，可以精確到人，在云端的數據庫中，所有用戶都以標簽屬性的形式存在。用戶在現實生活中的行為，如瀏覽、訂閱、搜索、產品應用等被數據庫記錄和分析。在云端，這些行為可以轉化為用戶的性別、年齡、收入、城市、愛好、品牌偏好等清晰化屬性標簽。進而一些門戶網站如搜狐等可以以這些標簽為依據，幫助廣告主開展更加有效的各類營銷活動。互聯網的高速發展為現代企業創造了無限的空間和可能，在利用網絡這個平臺上，大數據將會為營銷帶來更大的機遇。
1.統一的客戶視圖形成于第三代PaaS平臺，以此為基礎實現市場細分。CRM系統（客戶關系管理系統）是基于云計算與大數據建立起來的，這一系統可以深度挖掘目標客戶，幫助企業實現各部門之間的綜合應用與管理，建立客戶中心導向的營銷管理平臺，對客戶群體進行細分，幫助企業有效掌握最為重要的客戶，以便實現效益最大化。沃爾瑪、麥當勞、家樂福等知名企業的一些主要門店都著眼大數據，在店內安裝了搜集運營數據的裝置，可以跟蹤店內客流、客戶互動和預訂情況，因此研究人員可以對餐廳設計、菜單變化和顧問意見等對銷售額和物流的影響進行建模。這些企業可將這些交易記錄與數據相結合，還可運用大數據工具展開分析。通過獲取社交數據、網站瀏覽數據和地理追蹤數據等更豐富的消費者數據，公司可以據此繪制出更加完整的消費者行為。大數據技術能充分有效管理顧客各方面的信息并進行深度挖掘。
2.確定營銷策略時以客戶為導向，對市場營銷實現全過程管理。對企業的客戶群體進行準確分析時，可以按照橫縱多維方式，根據龐雜的客戶數據，篩選出核心目標客戶，并且能夠準確傳達產品、折扣等信息，確保實現“精準”營銷。例如一位顧客進入店鋪后，零售商可以運用大數據技術搜索數據庫，發現這位顧客是其需要留住的有價值顧客，進行精準的顧問式營銷。
（1）基于客戶行為分析的產品推薦。產品推薦包括兩個重要方面，一個方面是基于客戶交易行為分析的交叉銷售;另一個方面是基于客戶社交行為分析的社區營銷。前者根據客戶信息、交易歷史和購買過程等行為軌跡的歷史數據與統一商品其他客戶的行為數據進行行為的相似性分析，從而為客戶推薦產品。比如我們在網購行為中常見的提示：瀏覽（購買）了這一商品的客戶還瀏覽（購買）了哪些商品等。后者是通過分析客戶在微博、微信、社區等網絡平臺上所關注的興趣、愛好等數據，投其所好，為其推薦相關產品。通過這種客戶行為的數據分析可以使得產品推薦更加的精準化、個性化。傳統企業可以通過對本企業內部的客戶交易數據、公司自有電子商務網站數據等的分析來實現企業直銷渠道的產品推薦，也可以通過大型電子商務公司和社區網絡的產品推薦系統來提升銷售量。
（2）基于客戶評價的產品設計。客戶評價包括很多方面，有對產品的滿意程度的評價，對物流效率的評價、對服務質量的評價等，同時也有對于產品的外觀、包裝、功能等方面的體驗評價，與此同時，客戶會針對這些方面的不足提出一些有針對性的改進意見。有效采集和分析這些客戶評價數據將有助于企業改進產品的外觀、性能和服務，同時有助于企業建立以客戶為中心的產品創新體系。
（3）基于數據分析的廣告投放。在澳大利亞，一家名為Millward Brown的市場研究公司正在利用網絡攝像頭監控人們對電視商業廣告的面部反應，真正做到看“臉色”來做營銷。而DSP（Digital Signal Processing，簡稱DSP）為廣告主提供包括廣告投放試驗、時段分析和效果分析等在內的數據分析服務。“例如，依托數據平臺記錄每次用戶會話中每個頁面事件的海量數據，可以在很短的時間內完成一次廣告位置、顏色、大小、用詞和其他特征的試驗。當試驗表明廣告中的這種特征更改促成了更好的點擊行為，這個更改和優化就可以實時實施。再如，根據廣告被點擊和購買的效果數據分析，根據廣告點擊時段分析等，針對性進行廣告投放的策劃。”（趙剛，2013）
（4）基于數據分析的產品定價。合理的進行產品定價需要進行數據試驗和分析。將客戶按照其對產品價格的敏感度進行分類，同時測量不同客戶群對價格變化的直接反應和容忍度，進而為產品定價決策提供參考。大數據分析使全球零售業巨頭沃爾瑪獲益。通過對消費者購物行為進行分析，公司發現男性顧客購買嬰兒尿布時，通常會順便搭配幾瓶啤酒來犒賞自己，于是推出了將啤酒和尿布進行捆綁式銷售的促銷手段。如今，這個“啤酒+尿布”的數據分析成果也成了大數據技術運用中的經典案例。
（5）基于物聯網數據分析的產品生命周期管理。“條形碼、二維碼、RFID等能夠唯一標識產品，傳感器、可穿戴設備、智能感知、視頻采集、增強現實等技術能將產品生命周期的信息進行實時采集和分析，這些數據能夠幫助企業在供應鏈的各個環節跟蹤產品，收集產品使用信息，從而實現產品生命周期的管理。”（趙剛，2013）這種管理在物流行業得到了廣泛的應用，如UPS快遞的最佳行車路徑其多效地利用了地理定位數據。為了使總部能在車輛出現晚點的時候跟蹤到車輛的位置和預防引擎故障，它的貨車上裝有傳感器、無線適配器和GPS。同時，這些設備也方便了公司監督管理員工并優化行車線路。UPS為貨車定制的最佳行車路徑是根據過去的行車經驗總結而來的。2011年，UPS的駕駛員少跑了近4828萬公里的路程。
3.暢通渠道，重組服務流程，建立穩定客戶群。通過運用大數據，企業可以從市場競爭者的產品、促銷等數據，從外部環境的數據，例如天氣、重大節日、國家大事、熱門話題、社交媒體上人們的情緒中先導性的預測到外部形勢的演變，從而選擇正確的應對方式。此外，大數據可以用于客戶流失預測。比如，針對客戶投訴增多、客戶評價負面、購買量減少等現象，可以根據客戶行為模型，運用這些客戶數據，對于客戶流失的可能性進行預測，進而采取相應的措施。
通過運用通信技術和先進的數據庫技術，可以實現與顧客的長期個性化交流，不斷滿足客戶的個性化需求，實現精準營銷。這種營銷可以為企業建立穩定忠實的顧客群體，實現客戶增值的鏈式反映，是營銷達到可調控、可度量的精準要求。大數據已經展現出巨大的作用和非凡的前景，但是，大數據營銷仍面臨較多問題與挑戰。面臨的首要問題是技術難題，畢竟現在還處于大數據技術的活躍前期，各方面技術尚不夠完善，各項工具需要進一步改進。然而實際情況是，大數據營銷一旦真正啟動，你面臨的不僅僅是工具和技術問題，還有更重要的是轉變組織架構和經營思維，真正參與挖掘這座數據金礦。
大數據時代下的企業營銷模式正在面臨著空前的機遇與挑戰，在大數據環境里，企業在不斷地創造和革新出符合時代需要的營銷思維和營銷模式，建立在客戶響應和分析需求行為的基礎上，挖掘大數據的價值，創建個性化的營銷策略，源源不斷地為企業帶來巨大的市場價值和商業價值，使企業擁有持續的競爭優勢，幫助企業建立制勝未來的核心競爭力。本文側重于理論分析，在今后的研究中應進一步加強實證部分的研究。
參考文獻：
[1]馮芷艷，郭訊話，曾大軍，陳煜波，陳國清.大數據背景下商務管理研究若干前沿課題[J].管理科學學報，2013，（1）.
[2]杰里米?里夫金.第三次工業革命[M].北京：中信出版社，2012.
[3]李文蓮，夏健明.基于“大數據”的商業模式創新[J].中國工業經濟，2013（5）：83-95.
[4]孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013，50（1）：146-169.
[5]覃雄派等.數據管理技術的新格局[J].軟件學報，2013，24（2）：175-197.
[6]王珊，王會舉，覃雄派，周@.架構大數據：挑戰、現狀與展望[J].計算機學報，2011，34（10）：1741-1752.
大數據營銷的特征范文第5篇
關鍵詞：電力企業；大數據時代；營銷管理；管理創新；營銷手段 文獻標識碼：A
中圖分類號：F426 文章編號：1009-2374（2016）32-0169-02 DOI：10.13535/ki.11-4406/n.2016.32.083
隨著互聯網信息技術的飛速發展，大數據是高科技時代的產物。大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。時至今日，大數據已經滲透到我們工作、生活等各個領域，電力企業也不例外，推動我國實現由工業化社會向信息化社會的過渡。電力企業在市場經濟發展環境下，競爭壓力日趨加大，要想實現長遠、健康發展，創新電力市場營銷管理策略是重要突破口。并且我們必須承認我國電力企業營銷管理存在著較大的問題，這就有必要就電力企業的創新營銷管理手段做出探究。大數據環境為我國的電力企業發展提供了機遇，也提出了新的挑戰，電力企業在大數據環境下對營銷管理進行創新更是工作的重中之重。
1 大數據與電力營銷管理理論
1.1 大數據理論
大數據是高科技時代的產物。自從“大數據”術語出現以來，便被應用到各個領域。為此，大數據獲得了諸如以下的美稱：“大數據是新的石油”“大數據是新時期的引擎”等。對于“大數據”（Big data），研究機構Gartner給出了這樣的定義：“大數據”是需要嫁接在新處理模式之上來與海量、高增長率和多樣化的信息資產相輔相成，維持其較強的決策力、洞察發現力和流程優化能力。大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。換而言之，如果把大數據比作一種產業，那么這種產業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。在大數據時代的背景下，大數據理論滲透到了各行各業，并且發揮著其獨特的優勢，電力大數據就是在此背景下應運而生的。電力大數據具備與大數據相似的特征，筆者簡要概括為“3V”，具備類型多、體量大以及速度快的特征。將電力大數據應用到電力企業市場營銷中去，能夠提升電力企業的業務發展和管理水平。
1.2 電力營銷管理理論
電力營銷是電力企業對外主營的業務之一，電力營銷實質上是指電力企業以客戶為銷售主體，實現一種高質量、長時間的供用關系。企業電力市場營銷的目的，不僅是為了給客戶提供安全、穩定以及經濟的電力產品以及相關服務，更為了提升電力企業運營的效率，承擔起社會責任，憑借優質的服務樹立起良好的社會形象，實現良好的經濟效益以及社會效益。電力營銷不同于一般的市場營銷，其具備以下特點：電力行業的基礎性、支柱性地位決定其服務性要極強，否則滿足不了廣大客戶的用電需求；發電廠、輸電線路、變電、配電、用電是電力網的整個環節，缺一不可，因此決定了電力營銷要具備整體性；電力網的復雜性以及電力技術的專業性決定了其需具備較強的技術性。
1.3 大數據背景下電力營銷發展趨勢
大數據時代，不僅為電力企業營銷帶來了機遇，同時也帶來了挑戰。大數據為電力企業深化改革、提升服務層次、強化企業管控提供了新的創新途徑。大數據時代下，對于電力大數據的智能化管理、操作以及運行等提出了更高的要求。對數據的收集和儲存不再僅僅是電力大數據的主要任務，而是致力于挖掘更加有效的信息。在大數據背景下，電力營銷具備以下發展趨勢：一是多專業數據融合。電力大數據主要是指在電力生產、服務等各個環節實現數據的融合與提煉，并且實現與其他部門以及業務的數據共享。實現電力企業數據系統的信息化管理；二是數據可視化。電力大數據借助可視化的圖形，將數據的細節清晰地展示出來，且能根據企業自身的運行狀況做出調節，及時、全方位、準確地反映各類數據的狀態。
2 大數據背景下電力企業營銷管理創新的實現
2.1 故障搶修可視化管理
建立基于電力生產搶修平臺的標準化運行搶修體系是實現故障搶修可視化管理的首要前提。配電網是連接客戶以及電網之間的紐帶，對于實現電網以及用戶之間的供用關系發揮著巨大的作用。配電網在電力生產中極其容易出現故障，因此，對于電力網的搶修是電力生產中工作的重點。在對配電網進行維修時，難免要與客人碰面，而且搶修人員還要克服周邊環境以及時間因素的限制，加上我國配電網搶修工作正處于初步建設時期，搶修技術尚且不夠成熟。這就要求對于配電網的搶修，要嚴格遵循以下流程：首先，供電公司會接到相關的報告電話，并迅速給當地配網運行搶修指揮中心下達工作任務，搶修指揮平臺根據客戶描述的故障性質，判斷故障原因；其次，再下設第一梯隊，第一梯隊達到故障發生現場后，如果確定是簡單故障，可以直接開展故障處理，再向上級匯報搶修記錄，但是如果故障情況較為復雜，就迅速指示第二梯隊達到現場，做出故障處理，并做好匯報搶修記錄。
