大数据时代下的精准营销.docx

______________________________________________________________________________________________________________

精品资料

2012年以后，大数据（bigdata）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”本文总结一下：利用海量数据和先进的数据挖掘技术，研究客户行为特征，进行精准营销。

数据库营销
关于数据库营销，美国全国数据库营销中心是这样定义的：“数据库营销是一个动态的数据库管理系统，该数据库的内容涵盖现有顾客和潜在顾客，并可以随时扩充、更新。就其功能而言，要能实现以下目标：确认最佳目标顾客及潜在顾客，然后与顾客建立起长期的、牢固的、融洽的关系，同时根据数据库建立先期模型，进行针对性营销。”
拉克萨根据数据库营销的产生和演进，把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段，所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。
数据挖掘
通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中，提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具，用以在海量数据中发现模型和数据间关系的过程，然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为，帮助人们作出前瞻的、基于知识的决策。
CRISP-DM（跨行业数据挖掘标准流程）是世界公认的方法论之一，也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现，也不仅仅表现为对数据的分析和统计建模，其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。
CRISP-DM将整个挖掘过程分成了以下六个步骤：商业理解，数据理解，数据准备，建立模型，模型评估，模型发布。
通常来说，把模型的结果转化成一段数据库存储过程的代码，并与数据处理代码进行整合，就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中（BOSS系统、经分系统、大客户管理系统、客服系统等）嵌入相应的模块。

精准营销理论
1999年，美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论：是以科学管理为基础，以消费者洞察为手段，恰当而贴切地对市场进行细分，并采取精耕细作式的营销操作方式，将市场做深做透，进而获得预期效益。
通常可以划分成五个阶段：
收集并整理目标客户的相关信息，建立一个客户数据库；
对数据进行分析，加深客户理解，整理出细分客户群体的差异化需求；
为不同的细分客户群体需求设计差异化的产品和服务；
提供满足不同细分客户群体的差异化产品和服务；
通过各种营销活动的反馈，进一步深化对客户本质需求以及客户购买和使用习惯的理解。
具体的内容包括：
（1）客户信息收集与处理
客户数据管理是一个数据准备的过程，是搞好精准营销的基础。好比指挥官为将来绘制战场地图，把战场上所有的地理信息及变化要素等输入电脑一样，市场人员也必须将分散的数据集中到一个数据库中，这些存在于企业内部各系统中的内部数据和企业外部数据（如市场调查、第三方数据等）分类后，以客户ID为主键进行整理、转换后汇集（ETL）到一个集中的数据库中，就有了准确的客户数据，之后市场人员就可以对客户进行全面的研究和分析。
（2）客户细分与定位
客户分群是根据客户的特征相似程度把客户分成若干个群体，群体内部特征非常相似，而在群体之间，特征非常不相似。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高，许多新的客户分析技术和方法正被运用于各种营销领域，数据挖掘这一统计领域的前沿性技术就被广泛的应用，它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析，已经成为今后客户细分领域的主流。
（3）营销战略制定
在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户