如何用大数据探索市场营销实践

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

1.谁在做大数据营销?

大家都说自己在做大数据营销。

基于:

1,业务:和市场营销相关,因此政府机关单位数据不考虑。

2.体量:拥有足够多有价值的数据。这一条很多互联网企业和传统大企业都能满足。

3.技术:有技术能力处理大数据。

上面3个因素,国内能做大数据市场营销的还真只有BAT三家。国外的不熟悉,这里不谈。

众所周知,三家的数据特点各不相同。腾讯优势在社交数据;阿里巴巴优势在商品和交易数据;百度优势在全网信息、消费者行为和主动需求数据。

当然例如平安、宝洁、沃尔玛这样的大企业,其自身肯定积累了大量的数据,基于这些数据的数据挖掘、过去就一直在做的网站分析等业务,虽然现今都冠以“大数据”的名义,但这与我们讨论的大数据还不尽相同,他们用传统数据工具对抽取一定数据进行分析,能基于那些数据进行挖掘,只是数量增多了而已,总体而言仍然属于传统的小数据范畴。

2.大数据营销做什么?

营销业务类型

如果粗略划分的话,广告主市场营销的预算一般可以分为实效营销和品牌营销两大块,根据自身发展需要和行业业务特点各有侧重。例如过去京东、一号店等电商类企业,平安等金融类企业主要做效果营销,互联网是更适合做效果的媒体投放渠道;宝洁等FMCG客户、奔驰奥迪等汽车客户主要做品牌营销,传统电视渠道是主要的媒体投放渠道。当然现在情况也逐渐改变,主要反映在:

  • 越来越多的品牌类广告主也开始把品牌营销预算放在互联网上做
  • 越来越多的营销形式越来越综合。效果类客户逐渐开始做品牌(京东);品牌类客户也开始做效果(汽车,考核线下4S店销量转化)。

2.1.实效营销

实效营销,互联网人太清楚了。由于业务特性,过去的百度和阿里巴巴大数据主要应用还是中小客户和消费者的个性化广告,腾讯也主要是面向消费者的个性化广告(阿里还可以用支付数据作信用风险评估,但是金融方面的了)。

例如像大家相对熟悉用大数据训练优化数据挖掘模型,Amazon等一众零售电商普遍应用这种个性化推荐技术,在我看来只是市场营销中的应用类型之一。包括BAT及各大电商在内的各种个性化搜索和展示广告都是这个路子。基本上都是实效营销,考核CPC。在很多互联网人眼里,由于熟悉实效营销,会有一种认知,市场营销就是这些东西。挂广告,考核CPM/CPC/CPD/CPS。

2.2品牌营销

据我观察,不少互联网人其实对于品牌营销是比较陌生的。关于品牌营销

这里需要先说为什么做品牌营销?

理由1.赚钱的需要:实效(效果)营销钱赚到天花板了,互联网媒体要抢品牌营销大头的预算了。

整个广告市场,大广告主手上的预算,占大头的还是品牌营销预算,投放的媒介上传统媒体(例如电视等)居多,投给数字媒体上的钱只是10%~30%(大概数字)左右。

理由2.客户的需要:别再跟我提CPC了,很多东西没法通过点击衡量,品牌的知名度、美誉度、忠诚度怎么用CPC衡量?因此需要对大客户提供整合营销的解决方案。

百度过去是效果营销的典型代表。

有一种认知,百度在网民眼里是个搜索工具,赚钱靠SEM,靠竞价排名,赚不良广告主的钱。我觉得这也是 @Fenng 提到的智力上偷懒的表现。

百度除了广泛的中小企业客户,还有大量的大品牌客户,例如宝洁、奔驰、宝马、平安、欧莱雅等等,收入比重很大。对这些大客户,需要品牌营销。

这样百度大数据的价值就体现出来了。前边说到百度数据的优势在于全网信息和消费者真实行为和需求的表达。覆盖的广度不是商品交易数据能比的。因此对为品牌提供整合营销解决方案奠定了基础。

基于以上,对百度最有价值的方式是基于大数据提供品牌营销解决方案。

3.大数据营销怎么做?

大数据的基本营销过程与过去数据分析基本过程没有差别,需要在定义商业问题之后,采集和处理数据、建模分析数据、解读数据这么三个大层面。但是大数据对三个层面的影响使得具体的做法又与传统不一样。

3.1 数据层:采集和处理数据

传统采集数据的过程一般是有限的、有意识的、结构化的进行数据采集,例如问卷调研的形式。你能采集到的数据一定是你能设想到的情况。数据的结构化较好。一般的数据库Mysql甚至Excel就能满足数据处理过程。

而互联网时代里,大数据的采集过程基本是无限的、无意识的、非结构化的数据采集。各种纷繁复杂的行为数据以行为日志的形式上传到服务器。专属的例如Hadoop、Mapreduce等工具就不赘述。

3.2 业务层:建模分析数据

使用的数据分析模型,例如基本统计、机器学习、例如数据挖掘的分类、聚类、关联、预测等算法,传统数据和大数据的做法差别不大,例如银行、通信运营商、零售商早已成熟运用消费者的属性和行为数据来识别风险和付费可能性。但是由于数据量的极大扩增,算法也获得极大优化提升的空间。

3.3 应用层:解读数据

数据指导营销最重要的是解读。

传统一般是定义营销问题之后,采集对应的数据,然后根据确定的建模或分析框架,数据进行分析,验证假设,进行解读。解读的空间是有限的。

而大数据提供了一种可能性,既可以根据营销问题,封闭性地去挖掘对应数据进行验证,也可以开放性地探索,得出一些可能与常识或经验判断完全相异的结论出来。可解读的点变得非常丰富。

4.大数据营销目前做得怎么样?

阿里巴巴怎么做我不清楚,感觉阿里的大数据还主要在实效营销的方面发力。通过“西湖品学·大数据峰会”的报道上看来的。

我所在的部门便是基于客户的真实商业需求和问题,通过大数据的应用提供解决方案,目前也已经和客户产生了不少优秀的模型方法和案例成果。

与传统品牌营销的几方面类似,大数据在品牌营销的主要应用方向也有:

1.消费者洞察

2.媒体价值研究

3.市场竞争分析

4.品牌管理


本文作者:数控小V

来源:51CTO

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
27天前
|
SQL 分布式计算 运维
如何对付一个耗时6h+的ODPS任务:慢节点优化实践
本文描述了大数据处理任务(特别是涉及大量JOIN操作的任务)中遇到的性能瓶颈问题及其优化过程。
|
3月前
|
数据采集 运维 Cloud Native
Flink+Paimon在阿里云大数据云原生运维数仓的实践
构建实时云原生运维数仓以提升大数据集群的运维能力,采用 Flink+Paimon 方案,解决资源审计、拓扑及趋势分析需求。
18471 54
Flink+Paimon在阿里云大数据云原生运维数仓的实践
|
1月前
|
数据采集 算法 搜索推荐
R语言营销数据分析:使用R进行客户分群的实践探索
【9月更文挑战第1天】R语言以其强大的数据处理和统计分析能力,在金融数据分析、营销数据分析等多个领域发挥着重要作用。通过R语言进行客户分群,企业可以更好地理解客户需求,制定精准的营销策略,提升市场竞争力和客户满意度。未来,随着大数据和人工智能技术的不断发展,R语言在营销数据分析中的应用将更加广泛和深入。
|
2月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
|
2月前
|
分布式计算 搜索推荐 物联网
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
|
2月前
|
人工智能 分布式计算 架构师
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
|
3月前
|
存储 机器学习/深度学习 大数据
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
Apache Flink 诚邀您参加 7 月 27 日在杭州举办的阿里云开源大数据 Workshop,了解流式湖仓、湖仓一体架构的最近演进方向,共探企业云上湖仓实践案例。
163 12
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
【图像生成技术】人工智能在广告营销的革新:图像生成技术的应用与实践代码示例
随着人工智能技术的飞速发展,广告营销行业迎来了前所未有的变革。图像生成技术,作为AI领域的一颗璀璨明星,正被广泛应用于创造个性化、高吸引力的产品展示图、海报乃至宣传视频,以精准对接目标受众,显著提升广告的转化率和整体营销效果。本文将深入探讨这一技术的应用场景,并通过一个简单的代码示例,展示如何利用深度学习框架TensorFlow来实现创意图像的自动生成。
53 4
|
2月前
|
SQL 监控 大数据
"解锁实时大数据处理新境界:Google Dataflow——构建高效、可扩展的实时数据管道实践"
【8月更文挑战第10天】随着大数据时代的发展,企业急需高效处理数据以实现即时响应。Google Dataflow作为Google Cloud Platform的强大服务,提供了一个完全托管的流处理与批处理方案。它采用Apache Beam编程模型,支持自动扩展、高可用性,并能与GCP服务无缝集成。例如,电商平台可通过Dataflow实时分析用户行为日志:首先利用Pub/Sub收集数据;接着构建管道处理并分析这些日志;最后将结果输出至BigQuery。Dataflow因此成为构建实时数据处理系统的理想选择,助力企业快速响应业务需求。
118 6
|
2月前
|
存储 运维 Cloud Native
"Flink+Paimon:阿里云大数据云原生运维数仓的创新实践,引领实时数据处理新纪元"
【8月更文挑战第2天】Flink+Paimon在阿里云大数据云原生运维数仓的实践
237 3

热门文章

最新文章

下一篇
无影云桌面