人們對(duì)于大數(shù)據(jù)時(shí)代的到來，往往只是一種朦朧的感覺，真正對(duì)營(yíng)銷帶來的威力可以用一個(gè)時(shí)髦的詞來形容——不明覺厲。實(shí)際上，我們還是應(yīng)盡量弄明白，才會(huì)明白其厲害之處。對(duì)于多數(shù)企業(yè)而言，大數(shù)據(jù)營(yíng)銷的主要價(jià)值源于以下十個(gè)方面。

1.用戶行為與特征分析

顯然，只要積累足夠的用戶數(shù)據(jù)，就能分析出用戶的喜好與購(gòu)買習(xí)慣，甚至做到“比用戶更了解用戶自己”。有了這一點(diǎn)，才是許多大數(shù)據(jù)營(yíng)銷的前提與出發(fā)點(diǎn)。無論如何，那些過去將“一切以客戶為中心”作為口號(hào)的企業(yè)可以想想，過去你們真的能及時(shí)全面地了解客戶的需求與所想嗎？或許只有大數(shù)據(jù)時(shí)代這個(gè)問題的答案才更明確。

2.精準(zhǔn)營(yíng)銷信息推送支撐

過去多少年了，精準(zhǔn)營(yíng)銷總在被許多公司提及，但是真正做到的少之又少，反而是垃圾信息泛濫。究其原因，主要就是過去名義上的精準(zhǔn)營(yíng)銷并不怎么精準(zhǔn)，因?yàn)槠淙鄙儆脩籼卣鲾?shù)據(jù)支撐及詳細(xì)準(zhǔn)確的分析。相對(duì)而言，現(xiàn)在的RTB廣告等應(yīng)用則向我們展示了比以前更好的精準(zhǔn)性，而其背后靠的即是大數(shù)據(jù)支撐。

3.引導(dǎo)產(chǎn)品及營(yíng)銷活動(dòng)投用戶所好

如果能在產(chǎn)品生產(chǎn)之前了解潛在用戶的主要特征，以及他們對(duì)產(chǎn)品的期待，那么你的產(chǎn)品生產(chǎn)即可投其所好。例如，Netflix在近投拍《紙牌屋》之前，即通過大數(shù)據(jù)分析知道了潛在觀眾最喜歡的導(dǎo)演與演員，結(jié)果果然捕獲了觀眾的心。又比如，《小時(shí)代》在預(yù)告片投放后，即從微博上通過大數(shù)據(jù)分析得知其電影的主要觀眾群為90后女性，因此后續(xù)的營(yíng)銷活動(dòng)則主要針對(duì)這些人群展開。

4.競(jìng)爭(zhēng)對(duì)手監(jiān)測(cè)與品牌傳播

競(jìng)爭(zhēng)對(duì)手在干什么是許多企業(yè)想了解的，即使對(duì)方不會(huì)告訴你，但你卻可以通過大數(shù)據(jù)監(jiān)測(cè)分析得知。品牌傳播的有效性亦可通過大數(shù)據(jù)分析找準(zhǔn)方向。例如，可以進(jìn)行傳播趨勢(shì)分析、內(nèi)容特征分析、互動(dòng)用戶分析、正負(fù)情緒分類、口碑品類分析、產(chǎn)品屬性分布等，可以通過監(jiān)測(cè)掌握競(jìng)爭(zhēng)對(duì)手傳播態(tài)勢(shì)，并可以參考行業(yè)標(biāo)桿用戶策劃，根據(jù)用戶聲音策劃內(nèi)容，甚至可以評(píng)估微博矩陣運(yùn)營(yíng)效果。

5.品牌危機(jī)監(jiān)測(cè)及管理支持

新媒體時(shí)代，品牌危機(jī)使許多企業(yè)談虎色變，然而大數(shù)據(jù)可以讓企業(yè)提前有所洞悉。在危機(jī)爆發(fā)過程中，最需要的是跟蹤危機(jī)傳播趨勢(shì)，識(shí)別重要參與人員，方便快速應(yīng)對(duì)。大數(shù)據(jù)可以采集負(fù)面定義內(nèi)容，及時(shí)啟動(dòng)危機(jī)跟蹤和報(bào)警，按照人群社會(huì)屬性分析，聚類事件過程中的觀點(diǎn)，識(shí)別關(guān)鍵人物及傳播路徑，進(jìn)而可以保護(hù)企業(yè)、產(chǎn)品的聲譽(yù)，抓住源頭和關(guān)鍵節(jié)點(diǎn)，快速有效地處理危機(jī)。

6.企業(yè)重點(diǎn)客戶篩選

許多企業(yè)家糾結(jié)的事是：在企業(yè)的用戶、好友與粉絲中，哪些是最有價(jià)值的用戶？有了大數(shù)據(jù)，或許這一切都可以更加有事實(shí)支撐。從用戶訪問的各種網(wǎng)站可判斷其最近關(guān)心的東西是否與你的企業(yè)相關(guān)；從用戶在社會(huì)化媒體上所發(fā)布的各類內(nèi)容及與他人互動(dòng)的內(nèi)容中，可以找出千絲萬縷的信息，利用某種規(guī)則關(guān)聯(lián)及綜合起來，就可以幫助企業(yè)篩選重點(diǎn)的目標(biāo)用戶。

7.大數(shù)據(jù)用于改善用戶體驗(yàn)

要改善用戶體驗(yàn)，關(guān)鍵在于真正了解用戶及他們所使用的你的產(chǎn)品的狀況，做最適時(shí)的提醒。例如，在大數(shù)據(jù)時(shí)代或許你正駕駛的汽車可提前救你一命。只要通過遍布全車的傳感器收集車輛運(yùn)行信息，在你的汽車關(guān)鍵部件發(fā)生問題之前，就會(huì)提前向你或4S店預(yù)警，這決不僅僅是節(jié)省金錢，而且對(duì)保護(hù)生命大有裨益。事實(shí)上，美國(guó)的UPS快遞公司早在2000年就利用這種基于大數(shù)據(jù)的預(yù)測(cè)性分析系統(tǒng)來檢測(cè)全美60000輛車輛的實(shí)時(shí)車況，以便及時(shí)地進(jìn)行防御性修理。

8.SCRM中的客戶分級(jí)管理支持

面對(duì)日新月異的新媒體，許多企業(yè)想通過對(duì)粉絲的公開內(nèi)容和互動(dòng)記錄分析，將粉絲轉(zhuǎn)化為潛在用戶，激活社會(huì)化資產(chǎn)價(jià)值，并對(duì)潛在用戶進(jìn)行多個(gè)維度的畫像。大數(shù)據(jù)可以分析活躍粉絲的互動(dòng)內(nèi)容，設(shè)定消費(fèi)者畫像各種規(guī)則，關(guān)聯(lián)潛在用戶與會(huì)員數(shù)據(jù)，關(guān)聯(lián)潛在用戶與客服數(shù)據(jù)，篩選目標(biāo)群體做精準(zhǔn)營(yíng)銷，進(jìn)而可以使傳統(tǒng)客戶關(guān)系管理結(jié)合社會(huì)化數(shù)據(jù)，豐富用戶不同維度的標(biāo)簽，并可動(dòng)態(tài)更新消費(fèi)者生命周期數(shù)據(jù)，保持信息新鮮有效。

9.發(fā)現(xiàn)新市場(chǎng)與新趨勢(shì)

基于大數(shù)據(jù)的分析與預(yù)測(cè)，對(duì)于企業(yè)家提供洞察新市場(chǎng)與把握經(jīng)濟(jì)走向都是極大的支持。例如，阿里巴巴從大量交易數(shù)據(jù)中更早地發(fā)現(xiàn)了國(guó)際金融危機(jī)的到來。又如，在2012年美國(guó)總統(tǒng)選舉中，微軟研究院的DavidRothschild就曾使用大數(shù)據(jù)模型，準(zhǔn)確預(yù)測(cè)了美國(guó)50個(gè)州和哥倫比亞特區(qū)共計(jì)51個(gè)選區(qū)中50個(gè)地區(qū)的選舉結(jié)果，準(zhǔn)確性高于98%。之后，他又通過大數(shù)據(jù)分析，對(duì)第85屆屆奧斯卡各獎(jiǎng)項(xiàng)的歸屬進(jìn)行了預(yù)測(cè)，除最佳導(dǎo)演外，其它各項(xiàng)獎(jiǎng)?lì)A(yù)測(cè)全部命中。

10.市場(chǎng)預(yù)測(cè)與決策分析支持

對(duì)于數(shù)據(jù)對(duì)市場(chǎng)預(yù)測(cè)及決策分析的支持，過去早就在數(shù)據(jù)分析與數(shù)據(jù)挖掘盛行的年代被提出過。沃爾瑪著名的“啤酒與尿布”案例即是那時(shí)的杰作。只是由于大數(shù)據(jù)時(shí)代上述Volume（規(guī)模大）及Variety（類型多）對(duì)數(shù)據(jù)分析與數(shù)據(jù)挖掘提出了新要求。更全面、速度更及時(shí)的大數(shù)據(jù)，必然對(duì)市場(chǎng)預(yù)測(cè)及決策分析進(jìn)一步上臺(tái)階提供更好的支撐。要知道，似是而非或錯(cuò)誤的、過時(shí)的數(shù)據(jù)對(duì)決策者而言簡(jiǎn)直就是災(zāi)難。