大數(shù)據(jù)時(shí)代下的企業(yè)營(yíng)銷實(shí)踐

于衛(wèi)東,郝建林，白　然

(1.承德石油高等?？茖W(xué)校 外語(yǔ)與旅游系，河北　承德　067000；2.承德石油高等?？茖W(xué)校 管理工程系，河北　承德　067000)

?

大數(shù)據(jù)時(shí)代下的企業(yè)營(yíng)銷實(shí)踐

于衛(wèi)東1,郝建林2，白然1

(1.承德石油高等?？茖W(xué)校 外語(yǔ)與旅游系，河北承德067000；2.承德石油高等?？茖W(xué)校 管理工程系，河北承德067000)

摘要：大數(shù)據(jù)時(shí)代使得企業(yè)可以從用戶數(shù)據(jù)中對(duì)用戶行為進(jìn)行分析，進(jìn)而影響企業(yè)的營(yíng)銷策略。通過(guò)分析大數(shù)據(jù)時(shí)代的特點(diǎn)以及大數(shù)據(jù)時(shí)代下的用戶行為，提出企業(yè)如何利用大數(shù)據(jù)進(jìn)行精準(zhǔn)化營(yíng)銷。

關(guān)鍵詞：大數(shù)據(jù) ; 用戶行為 ; 營(yíng)銷實(shí)踐

2014年7月8日，阿里云計(jì)算最重要的一款產(chǎn)品——ODPS(Open Data Processing Service)正式開放商用。簡(jiǎn)單來(lái)說(shuō)，ODPS是一項(xiàng)Web服務(wù)，不用花大錢建數(shù)據(jù)中心，就能分析海量數(shù)據(jù)。按照阿里云測(cè)試，100PB的數(shù)據(jù)任務(wù)可在6 h內(nèi)跑完，這個(gè)數(shù)據(jù)量相當(dāng)于1億部高清電影[1]。ODPS的背后，是要求使這些海量數(shù)據(jù)產(chǎn)生價(jià)值。這就要求企業(yè)先擁有大規(guī)模的數(shù)據(jù)存儲(chǔ)和處理能力，再能夠?qū)?shù)據(jù)進(jìn)行挖掘、算法和分析。從存儲(chǔ)和處理的角度看，海量數(shù)據(jù)往往存于云端；從挖掘算法和技術(shù)的角度看，企業(yè)往往傾向于使用智能機(jī)器學(xué)習(xí)等算法(如支持向量機(jī)、遺傳算法等)進(jìn)行數(shù)據(jù)分析和挖掘。2012年以來(lái)，“大數(shù)據(jù)”一詞被提及的次數(shù)愈來(lái)愈頻繁。越來(lái)越多的企業(yè)認(rèn)識(shí)到數(shù)據(jù)的重要性——企業(yè)至少能從海量數(shù)據(jù)中對(duì)用戶行為進(jìn)行有效的分析，預(yù)測(cè)未來(lái)用戶行為軌跡，從而提高營(yíng)銷工作的精準(zhǔn)度。

1大數(shù)據(jù)的特點(diǎn)

美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院(NIST)曾表示，大數(shù)據(jù)是“數(shù)量大、獲取速度快或形態(tài)多樣的數(shù)據(jù)”，它“難以用傳統(tǒng)關(guān)系型數(shù)據(jù)分析方法進(jìn)行有效分析，或者需要大規(guī)模的水平擴(kuò)展才能高效處理”[2]。隨著大數(shù)據(jù)時(shí)代的降臨，在商業(yè)、經(jīng)濟(jì)及食品安全、醫(yī)療衛(wèi)生、軍事和環(huán)保等各個(gè)領(lǐng)域中，決策的做出將均基于數(shù)據(jù)和對(duì)數(shù)據(jù)的分析，并非基于直覺(jué)與經(jīng)驗(yàn)。

大數(shù)據(jù)的特點(diǎn)可以用4個(gè)“V”來(lái)闡述[3]：體量(Volume)、多樣性(Variety)、價(jià)值密度(Value)和速度(Velocity)。體量[3]，是指在大數(shù)據(jù)時(shí)代下，非結(jié)構(gòu)化數(shù)據(jù)占有越來(lái)越大的比例(約80～90%)，數(shù)據(jù)量是傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的10～50倍[4]，一般以PB為臨界點(diǎn)；多樣性，是說(shuō)數(shù)據(jù)的形式不再單單局限于文本和數(shù)字，圖像和視音頻等多媒體數(shù)據(jù)頻頻出現(xiàn)，并且數(shù)據(jù)的模式更為模糊；價(jià)值密度低，是因?yàn)閿?shù)據(jù)中有著大量不相關(guān)的信息，因此需要使用更為復(fù)雜的數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)；速度快，使得數(shù)據(jù)分析需要實(shí)時(shí)進(jìn)行而非批量進(jìn)行[3]。此外，大數(shù)據(jù)時(shí)代下要求企業(yè)的分析網(wǎng)絡(luò)永遠(yuǎn)在線、實(shí)時(shí)反應(yīng)，并且具有分治思想和細(xì)粒度分析[5]。

2大數(shù)據(jù)時(shí)代的用戶行為分析

用戶行為在本文中意即用戶在日常生活中通過(guò)對(duì)產(chǎn)品的使用而產(chǎn)生的行為。

用戶的行為是多樣的，不同行業(yè)所關(guān)注的行為也不同。例如，電子商務(wù)網(wǎng)站關(guān)注用戶的瀏覽界面、點(diǎn)擊網(wǎng)頁(yè)、搜索、購(gòu)物車、購(gòu)買、分享、退貨等行為記錄，而手機(jī)運(yùn)營(yíng)商(如中國(guó)移動(dòng)、中國(guó)電信等)則關(guān)注用戶的用戶入網(wǎng)時(shí)注冊(cè)的基本信息，如單位時(shí)間通話時(shí)長(zhǎng)、數(shù)據(jù)流量種類及用量、消費(fèi)數(shù)額、地理位置信息和使用的應(yīng)用軟件(APP)等，中小型實(shí)體超市可能更為關(guān)注用戶購(gòu)買某些商品的頻率、在同一次消費(fèi)中購(gòu)買的商品等。

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，企業(yè)趨向于在云端儲(chǔ)存和記錄用戶行為，進(jìn)而利用挖掘算法和統(tǒng)計(jì)學(xué)理論進(jìn)行實(shí)時(shí)分析。以手機(jī)運(yùn)營(yíng)商為例，手機(jī)運(yùn)營(yíng)商在后臺(tái)記錄有用戶使用APP的情況，如打開APP的地理位置和持續(xù)時(shí)間等。利用這些數(shù)據(jù)，手機(jī)運(yùn)營(yíng)商可以進(jìn)行諸多分析。譬如：

1)提取出同一用戶在不同時(shí)段的行為數(shù)據(jù)，可以記錄用戶行蹤。通過(guò)對(duì)用戶行蹤的分析，推測(cè)、歸納出用戶的職業(yè)、年齡等，進(jìn)而對(duì)用戶進(jìn)行群體分類；

2)提取出不同用戶在同一區(qū)域的行為數(shù)據(jù)，可以從職業(yè)、生活規(guī)律等方面進(jìn)行用戶的聚類；

3)提取出不同區(qū)域在同一時(shí)段的行為數(shù)據(jù)，可以對(duì)城區(qū)進(jìn)行聚類。

3大數(shù)據(jù)時(shí)代的企業(yè)營(yíng)銷實(shí)踐

正如前文所述，在大數(shù)據(jù)時(shí)代下，企業(yè)能夠從海量數(shù)據(jù)中對(duì)用戶行為進(jìn)行有效的分析，從而預(yù)測(cè)未來(lái)用戶行為軌跡，指導(dǎo)企業(yè)的營(yíng)銷實(shí)踐。

3.1利用大數(shù)據(jù)精準(zhǔn)定位客戶需求

不同的行業(yè)關(guān)注和記錄用戶行為，使得企業(yè)更為精準(zhǔn)地定位客戶的需求。企業(yè)通過(guò)建立用戶價(jià)值分類模型，實(shí)現(xiàn)對(duì)用戶最基本的分類，這對(duì)于生產(chǎn)和營(yíng)銷工作具有指導(dǎo)性意義。雖然不同的行業(yè)可以有不同的客戶價(jià)值分類模型，但是它們的本質(zhì)接近，都是區(qū)分不同客戶從而為企業(yè)帶來(lái)的價(jià)值。例如，對(duì)于電子商務(wù)網(wǎng)站而言，當(dāng)它獲取用戶上述的各種行為后，先對(duì)用戶進(jìn)行粗分類，進(jìn)而實(shí)現(xiàn)商品個(gè)性化推薦、個(gè)性化營(yíng)銷，最終改進(jìn)品牌戰(zhàn)略。再例如，手機(jī)運(yùn)營(yíng)商通過(guò)關(guān)注用戶的上述行為信息，歸納和計(jì)算出用戶的消費(fèi)能力、忠誠(chéng)度、對(duì)新產(chǎn)品的接受能力和公司為其服務(wù)所花費(fèi)的成本等，繼而依照這些數(shù)據(jù)，通過(guò)建模等數(shù)學(xué)方法將用戶分類。比如，可以根據(jù)客戶金字塔的客戶關(guān)系管理理論[6]將用戶分為重鉛層、鋼鐵層、黃金層和鉑金層四類，從而更為精準(zhǔn)地定位客戶需求，實(shí)現(xiàn)個(gè)性化營(yíng)銷。

3.2利用大數(shù)據(jù)實(shí)現(xiàn)產(chǎn)品的大規(guī)模個(gè)性化定制

個(gè)性化定制對(duì)于企業(yè)的成本要求過(guò)高，因此大規(guī)模個(gè)性化定制更為符合當(dāng)今的市場(chǎng)發(fā)展情況。大規(guī)模個(gè)性化定制發(fā)源于制造業(yè)，強(qiáng)調(diào)大規(guī)模的快速生產(chǎn)與結(jié)合用戶需求的個(gè)性化生產(chǎn)相結(jié)合，目前已經(jīng)在服裝、汽車等行業(yè)有所發(fā)展。而服務(wù)業(yè)具有無(wú)庫(kù)存調(diào)控、顧客參與度高等特點(diǎn)，應(yīng)用大規(guī)模定制成本較低，收益較好。服務(wù)業(yè)具有降低營(yíng)銷成本的內(nèi)在需求，而實(shí)行基于用戶行為分析的大規(guī)模定制正是其最佳解決方案。

其實(shí)早在大數(shù)據(jù)時(shí)代前，大規(guī)模個(gè)性化定制一詞便已被提出，但一直處于緩慢發(fā)展?fàn)顟B(tài)。隨著大數(shù)據(jù)時(shí)代的來(lái)臨，大規(guī)模個(gè)性化定制被推動(dòng)著加速發(fā)展。

3.3利用大數(shù)據(jù)有效管理市場(chǎng)份額

在大數(shù)據(jù)時(shí)代下，企業(yè)通過(guò)數(shù)據(jù)分析更易進(jìn)行輿情監(jiān)測(cè)與分析，預(yù)測(cè)高危用戶，從而進(jìn)行市場(chǎng)份額的管理。例如，美國(guó)Blab公司基于社交媒體進(jìn)行趨勢(shì)分析，給顧客提供公關(guān)策略[7]。它通過(guò)對(duì)社交媒體的監(jiān)測(cè)與分析，可以及時(shí)處理小范圍內(nèi)的不滿言論，避免針對(duì)企業(yè)的負(fù)面情緒傳播。特別是在市場(chǎng)狀況接近飽和的情況下，客戶的流失對(duì)于企業(yè)是一種巨大的損失，也是一種警告。利用大數(shù)據(jù)對(duì)消費(fèi)額逐漸降低、使用產(chǎn)品頻率減少的用戶行為進(jìn)行監(jiān)測(cè)和預(yù)測(cè)，從而在徹底流失客戶之前做出反應(yīng)，以便及時(shí)采取行動(dòng)以留住客戶。

3.4利用大數(shù)據(jù)時(shí)代提高營(yíng)銷的精準(zhǔn)度

大數(shù)據(jù)時(shí)代促使原有的用戶行為提供更大的信息熵，進(jìn)而增強(qiáng)了精準(zhǔn)化營(yíng)銷的準(zhǔn)度。

隨著人們?cè)诰W(wǎng)絡(luò)上留下的數(shù)據(jù)越來(lái)越多，海量數(shù)據(jù)的維度也激增。多重的信息維度大幅度增加了信息熵。這些信息熵又意味著更多可以挖掘的用戶行為模式。同時(shí)，不同維度的數(shù)據(jù)(信息)又可進(jìn)行重組，使得不同企業(yè)都在謀求各平臺(tái)間的內(nèi)容、用戶、廣告投放的全面打通，以期通過(guò)用戶關(guān)系鏈的融合，網(wǎng)絡(luò)媒體的社會(huì)化重構(gòu)，在大數(shù)據(jù)時(shí)代下為廣告用戶帶來(lái)更好的精準(zhǔn)社會(huì)化營(yíng)銷效果[8]。

在這方面，NetFlix公司表現(xiàn)得就較為突出。NetFlix是一家在線影片租賃提供商，而它在中國(guó)成名則是因?yàn)樗嘘P(guān)大數(shù)據(jù)分析的百萬(wàn)大獎(jiǎng)：公司提供上億個(gè)影片評(píng)分，包含影片名稱，評(píng)價(jià)星級(jí)和評(píng)價(jià)日期，比賽要求參賽者預(yù)測(cè)用戶喜歡什么影片，要把預(yù)測(cè)的效率提高10%以上。例如，NetFlix上的評(píng)分?jǐn)?shù)據(jù)記錄了不同用戶在不同時(shí)間為同一部電影打分的情況。通過(guò)對(duì)這類數(shù)據(jù)的分析，可以對(duì)不同用戶的觀影偏好進(jìn)行統(tǒng)計(jì)分析，進(jìn)而進(jìn)行大規(guī)模個(gè)性化定制服務(wù)。這樣的服務(wù)更具有針對(duì)性。

此外，其擁有的《紙牌屋》的數(shù)據(jù)庫(kù)中則記錄了千萬(wàn)量級(jí)的用戶收視選擇、評(píng)論和百萬(wàn)量級(jí)的主題搜索。最終，拍什么、誰(shuí)來(lái)拍、誰(shuí)來(lái)演、怎么播，都由數(shù)千萬(wàn)觀眾的客觀喜好統(tǒng)計(jì)決定。從受眾洞察、受眾定位、受眾接觸到受眾轉(zhuǎn)化，每一步都由精準(zhǔn)細(xì)致高效經(jīng)濟(jì)的數(shù)據(jù)引導(dǎo)，從而實(shí)現(xiàn)大眾創(chuàng)造的C2B，即由用戶需求決定生產(chǎn)[9]。

4結(jié)語(yǔ)

互聯(lián)網(wǎng)使得人和人之間的距離大大縮小，真正使得這個(gè)時(shí)代成為“小”時(shí)代。然而，“小”時(shí)代下的大數(shù)據(jù)，卻給企業(yè)帶來(lái)了翻天覆地的變化。筆者認(rèn)為，不論是定位客戶需求，還是實(shí)現(xiàn)大規(guī)模個(gè)性化定制，抑或是幫助企業(yè)管理市場(chǎng)份額，都是精準(zhǔn)營(yíng)銷策略的體現(xiàn)。因此，對(duì)于企業(yè)來(lái)說(shuō)，大數(shù)據(jù)時(shí)代實(shí)質(zhì)是利用先進(jìn)的數(shù)據(jù)存儲(chǔ)能力、數(shù)據(jù)處理技術(shù)和數(shù)據(jù)挖掘算法，在原有的管理理論(如客戶分類理論)之上，實(shí)施更為精準(zhǔn)的營(yíng)銷策略。理論和技術(shù)的結(jié)合，在大數(shù)據(jù)時(shí)代下體現(xiàn)得淋漓盡致。

參考文獻(xiàn)：

[1]阿里云發(fā)布大數(shù)據(jù)產(chǎn)品ODPS, 6小時(shí)處理100PB數(shù)據(jù)[EB/OL]. http://tech.sina.com.cn/it/2014-07-08/14289482287.shtml. [2014/08/05].

[2]NIST[EB/OL]. http://www.nist.edu. [2014/08/03].

[3]大數(shù)據(jù)的4個(gè)V[EB/OL]. http://bbs.pinggu.org/thread-2367579-1-1.html. [2014/08/05].

[4]王珊，王會(huì)舉，覃雄派，等.架構(gòu)大數(shù)據(jù): 挑戰(zhàn)、現(xiàn)狀與展望[J]. 計(jì)算機(jī)學(xué)報(bào), 2011(10): 1741-1752.

[5]趙國(guó)棟. 大數(shù)據(jù)時(shí)代的三大發(fā)展趨勢(shì)[J]. 高科技與產(chǎn)業(yè)話, 2013(5): 50-53.

[6]李海芹. 客戶關(guān)系管理[M]. 北京: 北京大學(xué)出版社, 2013.

[7]如何用大數(shù)據(jù)“預(yù)測(cè)未來(lái)”[EB/OL]. http://www.ifanr.com/430849utm_source=rss&utm_medium=rss&utm_campaign=. [2014/08/06].

[8]大數(shù)據(jù)的“微”能量[EB/OL]. http://epaper.21cbh.com/html/2013-06/24/content_68888.htmdiv=-1. [2014/08/06].

[9]2個(gè)在大數(shù)據(jù)下的營(yíng)銷成功的應(yīng)用案例[EB/OL]. http://www.ciotimes.com/bi/sjck/91617.html. [2014/08/07].

Enterprise Marketing Practice in Big Data Period

YU Wei-dong1， HAO Jian-lin2， BAI Ran1

(1.Department of Foreign Languages and Tourism, Chengde Petroleum College,Chengde 067000, Hebei, China;2.Department of Management Engineering, Chengde Petroleum College,Chengde 067000, Hebei, China)

Abstract:With the rapid development of big data, enterprises are able to identify user behavior by analyzing considerable number of data, which impacts marketing strategies on business a lot. This paper displays how to run marketing more precisely by analyzing the characteristics of big data period as well as user behavior.

Key words:big data; user behavior; marketing practice

收稿日期：2015-09-21

作者簡(jiǎn)介：于衛(wèi)東(1968-),女，河北承德人，承德石油高等專科學(xué)校外語(yǔ)與旅游系教授，碩士，主要從事管理工程方面的教學(xué)與研究。

中圖分類號(hào)：F274

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1008-9446(2016)02-0077-03