《网站分析师实战指南》一第1章 沃纳梅克的名言已死1.1 海量数据的深入挖掘

简介:
+关注继续查看

本节书摘来自异步社区《网站分析师实战指南》一书中的第1章,第1.1节,作者【美】Brent Dykes,更多章节内容可以访问云栖社区“异步社区”公众号查看

第1章 沃纳梅克的名言已死

网站分析师实战指南
“我知道花在广告上的投资有一半是无用的,但问题是我不知道是哪一半!”

——约翰·沃纳梅克

19世纪伟大的美国商人沃纳梅克抛出这个有见地的论断后,无数的市场营销人员都面临同样的挑战,即努力区分市场营销策略的好坏。随着时代的发展,我们逐渐从传统的工业经济步入数字经济时代,所以我们必须要面对现实,这个著名的论断已经落后过时了。市场营销人员再也不能将沃纳梅克过时的言论,作为市场营销活动效果差劲的借口了。

事实上,如果这位上世纪的报纸广告、百货公司、价格标签以及退款保证的开拓者活到今天,我认为他会收回那句蒸汽时代的老式商人的名言。开拓者沃纳梅克一定会充分利用最先进的技术为零售者和市场营销人员服务,如移动触屏购物车、本地精准广告、Facebook商店应用、基于Twitter的个人服务等,也许他还会利用现有的技术设计出我们目前还没有发现的新玩意。最重要的是,他一定会加大对分析工具的投入,通过分析工具精确追踪和优化线上及线下的市场营销活动,更好地了解市场营销活动的效果。作为我们这个时代的企业家和零售商,约翰·沃纳梅克能更大施拳脚。

注意:
目前大家普遍认为这个著名的论断是由约翰.沃纳梅克提出的。不过也有其他的观点,认为Lord Leverhulme、Henry Ford、William Wrigley等企业家也有可能说过这句话。《The Quote Verifier》(St. Martin’s Griffin, 2006) 一书的作者拉尔夫·凯斯也无法确认这句话到底是谁说的。《The Quote Verifier》是本专门记录名人名言的书籍,描述了那些名言出自何时何地何人。
虽然大多数公司目前并没有一个完善的市场营销行为评价系统,但是已经有许多公司在过去的五到十年中迈出了历史性的一步,让公司充满数据驱动的文化,并且开始详细研究市场营销费用中无用的部分。不幸的是,前进的路途步履维艰。2007年,世界著名的富尔奈斯市场营销集团(The Fournaise Marketing Group是全球领先的市场营销研究公司,专门追踪各种行销、广告等效果的公司——译者注)曾经对超过3000名市场营销人员进行调查,然后得出一个结论:“65%的市场营销费用并没有为客户带来明显的效果。”当然,市场营销人员可以为这些浪费掉的市场费用找些借口,但不可否认的是,自沃纳梅克时代以来,低效的市场营销活动与日俱增。看完本书之后,你会发现有很多事情可以做,机会的大门向数据驱动型的公司打开了,数据驱动型公司利用技术和分析师优化市场营销活动。

1.1 海量数据的深入挖掘

网站分析师实战指南
沃纳梅克时代唯一比我们现在缺少的就是数据。然而今天的公司却面临另一个问题。事实上,许多大集团都已经讨论过海量数据的问题了。这些海量的、被分类的和没被分类的数据是如此繁多,以至于我们都没有办法将它们归类存放到传统的数据库软件中。数据存储能力的爆发式增长甚至超过了计算机处理能力的增长(记得著名的摩尔定律吗),数据存储能力每9个月就翻倍,而计算机芯片的集成度每18个月才翻一番。过去,公司受到技术的限制,只能收集某些类别的数据,而今天的公司收集数据就像老鼠进入米仓一样自如了。

你留意过公司的大量数据吗?如果没有技术和投入上的限制,所有公司都会选择存储所有的数据,这些数据可能比他们实际要用到的多很多。在2010年的麻省理工的调查中,60%的商务人士感觉公司掌握的数据量远远超出实际使用的数据量。大多数情况下,真正的挑战是从包含市场营销活动、推广渠道以及客户行为的数据海洋中获得可执行见解。那么我们如何从收集的所有数据中提取价值呢?

相关文章
|
3月前
|
算法 数据挖掘
点球成金:数据分析对抗传统经验的超级案例 | 彭文华
点球成金:数据分析对抗传统经验的超级案例 | 彭文华
|
3月前
|
机器学习/深度学习 存储 缓存
遍览数年历史视频、挖掘用户隐藏兴趣,快手终身行为建模方案TWIN入选KDD 2023
遍览数年历史视频、挖掘用户隐藏兴趣,快手终身行为建模方案TWIN入选KDD 2023
417 0
|
数据可视化 数据挖掘 程序员
技术人最不该忽视可视化数据分析! | 9月2号栖夜读
今天的首篇文章,讲述了:在这个“人人都是数据分析师”的时代,阿里的同学几乎都在参与数据的采集、加工与消费。数据可视化作为连接“加工——消费”的重要一环,其质量至关重要。优秀的可视化能促成卓越洞见,糟糕的内容则让所有的努力失去意义。
3189 0
|
算法 大数据 数据挖掘
机器理解大数据秘密:聚类算法深度剖析
在理解大数据方面,聚类是一种很常用的基本方法。近日,数据科学家兼程序员 Peter Gleeson 在 freeCodeCamp 发布了一篇深度讲解文章,对一些聚类算法进行了基础介绍,并通过简单而详细的例证对其工作过程进行了解释说明。
1365 0
推荐文章
更多