誰在做大數據營銷？做什么？怎么做？

1.誰在做大數據營銷？

大家都說自己在做大數據營銷。

基于：

• 業務：和市場營銷相關，因此政府機關單位數據不考慮。
• 體量：擁有足夠多有價值的數據。這一條很多互聯網企業和傳統大企業都能滿足。
• 技術：有技術能力處理大數據。

       上面3個因素，國內能做大數據市場營銷的還真只有BAT三家。國外的不熟悉，這里不談。

眾所周知，三家的數據特點各不相同。騰訊優勢在社交數據；阿里巴巴優勢在商品和交易數據；百度優勢在全網信息、消費者行為和主動需求數據。

       當然例如平安、寶潔、沃爾瑪這樣的大企業，其自身肯定積累了大量的數據，基于這些數據的數據挖掘、過去就一直在做的網站分析等業務，雖然現今都冠以 “大數據”的名義，但這與我們討論的大數據還不盡相同，他們用傳統數據工具對抽取一定數據進行分析，能基于那些數據進行挖掘，只是數量增多了而已，總體而 言仍然屬于傳統的小數據范疇

2.大數據營銷做什么？

營銷業務類型

       如果粗略劃分的話，廣告主市場營銷的預算一般可以分為實效營銷和品牌營銷兩大塊，根據自身發展需要和行業業務特點各有側重。例如過去京東、一號店等 電商類企業，平安等金融類企業主要做效果營銷，互聯網是更適合做效果的媒體投放渠道；寶潔等FMCG客戶、奔馳奧迪等汽車客戶主要做品牌營銷，傳統電視渠 道是主要的媒體投放渠道。當然現在情況也逐漸改變，主要反映在：

• 越來越多的品牌類廣告主也開始把品牌營銷預算放在互聯網上做
• 越來越多的營銷形式越來越綜合。效果類客戶逐漸開始做品牌（京東）；品牌類客戶也開始做效果（汽車，考核線下4S店銷量轉化）。

2.1.實效營銷

       實效營銷，互聯網人太清楚了。由于業務特性，過去的百度和阿里巴巴大數據主要應用還是中小客戶和消費者的個性化廣告，騰訊也主要是面向消費者的個性化廣告（阿里還可以用支付數據作信用風險評估，但是金融方面的了）。

       例如像大家相對熟悉用大數據訓練優化數據挖掘模型，Amazon等一眾零售電商普遍應用這種個性化推薦技術，在我看來只是市場營銷中的應用類型之 一。包括BAT及各大電商在內的各種個性化搜索和展示廣告都是這個路子?；旧隙际菍嵭I銷，考核CPC。在很多互聯網人眼里，由于熟悉實效營銷，會有一 種認知，市場營銷就是這些東西。掛廣告，考核CPM/CPC/CPD/CPS。

2.2品牌營銷

       據我觀察，不少互聯網人其實對于品牌營銷是比較陌生的。關于品牌營銷

這里需要先說為什么做品牌營銷？

理由1.賺錢的需要：實效（效果）營銷錢賺到天花板了，互聯網媒體要搶品牌營銷大頭的預算了。

        整個廣告市場，大廣告主手上的預算，占大頭的還是品牌營銷預算，投放的媒介上傳統媒體（例如電視等）居多，投給數字媒體上的錢只是10%~30%（大概數字）左右。

理由2.客戶的需要：別再跟我提CPC了，很多東西沒法通過點擊衡量，品牌的知名度、美譽度、忠誠度怎么用CPC衡量？因此需要對大客戶提供整合營銷的解決方案。

百度過去是效果營銷的典型代表。

       有一種認知，百度在網民眼里是個搜索工具，賺錢靠SEM，靠競價排名，賺不良廣告主的錢。我覺得這也是 @Fenng 提到的智力上偷懶的表現。

百度除了廣泛的中小企業客戶，還有大量的大品牌客戶，例如寶潔、奔馳、寶馬、平安、歐萊雅等等，收入比重很大。對這些大客戶，需要品牌營銷。

        這樣百度大數據的價值就體現出來了。前邊說到百度數據的優勢在于全網信息和消費者真實行為和需求的表達。覆蓋的廣度不是商品交易數據能比的。因此對為品牌提供整合營銷解決方案奠定了基礎。

基于以上，對百度最有價值的方式是基于大數據提供品牌營銷解決方案。

3.大數據營銷怎么做？

基于數據的營銷基本過程

       大數據的基本營銷過程與過去數據分析基本過程沒有差別，需要在定義商業問題之后，采集和處理數據、建模分析數據、解讀數據這么三個大層面。但是大數據對三個層面的影響使得具體的做法又與傳統不一樣。

3.1 數據層：采集和處理數據

       傳統采集數據的過程一般是有限的、有意識的、結構化的進行數據采集，例如問卷調研的形式。你能采集到的數據一定是你能設想到的情況。數據的結構化較好。一般的數據庫Mysql甚至Excel就能滿足數據處理過程。

       而互聯網時代里，大數據的采集過程基本是無限的、無意識的、非結構化的數據采集。各種紛繁復雜的行為數據以行為日志的形式上傳到服務器。專屬的例如Hadoop、Mapreduce等工具就不贅述。

3.2 業務層：建模分析數據

       使用的數據分析模型，例如基本統計、機器學習、例如數據挖掘的分類、聚類、關聯、預測等算法，傳統數據和大數據的做法差別不大，例如銀行、通信運營 商、零售商早已成熟運用消費者的屬性和行為數據來識別風險和付費可能性。但是由于數據量的極大擴增，算法也獲得極大優化提升的空間。

3.3 應用層：解讀數據

數據指導營銷最重要的是解讀。

       傳統一般是定義營銷問題之后，采集對應的數據，然后根據確定的建?；蚍治隹蚣?，數據進行分析，驗證假設，進行解讀。解讀的空間是有限的。

       而大數據提供了一種可能性，既可以根據營銷問題，封閉性地去挖掘對應數據進行驗證，也可以開放性地探索，得出一些可能與常識或經驗判斷完全相異的結論出來?？山庾x的點變得非常豐富。

4.大數據營銷目前做得怎么樣？

大數據探索品牌營銷目前做得怎么樣？

       阿里巴巴怎么做我不清楚，感覺阿里的大數據還主要在實效營銷的方面發力。通過“西湖品學·大數據峰會”的報道上看來的。

      有的的部門便是基于客戶的真實商業需求和問題，通過大數據的應用提供解決方案，目前也已經和客戶產生了不少優秀的模型方法和案例成果。

      與傳統品牌營銷的幾方面類似，大數據在品牌營銷的主要應用方向也有：

• 消費者洞察
• 媒體價值研究
• 市場競爭分析
• 品牌管理