大數據營(yíng)銷(xiāo)的大數主要價(jià)值(zhi)源于以下十個(gè)方面。

1、據對價(jià)值用??戶(hù)行為與特征分析

顯然，營(yíng)銷(xiāo)有什義只要積累足夠的(′?｀*)和意用戶(hù)數據大數據 營(yíng)銷(xiāo)，就能分析出用戶(hù)的大數喜好與購買(mǎi)習慣，甚至做到“比用戶(hù)更了解用戶(hù)自己”。據對價(jià)值有了這一點(diǎn)，營(yíng)銷(xiāo)有什義才是和意許多大數據營(yíng)銷(xiāo)的前提與出發(fā)點(diǎn)。無(wú)論如何，大數那些過(guò)去將“一切以客戶(hù)為中心”作為口號的據對價(jià)值企業(yè)可以想想，過(guò)去你們真的營(yíng)銷(xiāo)有什義能及時(shí)全面地了解客戶(hù)的需求與所想嗎？或許只有大數據時(shí)代這個(gè)問(wèn)題的答案才更明確。

過(guò)去多少年了，大數精準營(yíng)銷(xiāo)總在被許多公司ヽ(′▽?zhuān)?ノ提及，據對價(jià)值但是營(yíng)銷(xiāo)有(╯°□°）╯(you)什義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(guò)去名義上的精準營(yíng)銷(xiāo)并不怎么精準，因為其(╯‵□′)╯缺少用戶(hù)特(′_ゝ`)征數據支撐及(ji)詳細準確??的分析。相對而言，現在的RTB廣告等應用???則向我們展示了比以前更好的精準性，而其背后ヽ(′ー｀)ノ靠的即是大數??據支撐。

3、引導產(chǎn)品及營(yíng)銷(xiāo)活動(dòng)投用戶(hù)所好

如果能在產(chǎn)品生產(chǎn)之前了解潛在用戶(hù)的主要特征，以及他們對產(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(guò)大數據分析知道了潛在觀(guān)眾最喜歡的導演與演員，結果果然捕獲了觀(guān)眾的心。又比如，《小時(shí)代》在預告(???)片投ヽ(′ー｀)ノ放后，即從微博上通┐(′?｀)┌過(guò)大數據分析得知其電影的主要觀(guān)眾群為90后女性，因此后續的營(yíng)銷(xiāo)活動(dòng)則主要針對這些人群展開(kāi)。

競爭對手在干什么是許多企業(yè)想了解的，即使對方不會(huì )告訴你，但你卻可以通過(guò)大數據監測分析得知。品??牌傳播的有效性亦可通過(guò)大數據分析找準方向。例如，可以進(jìn)行傳播趨勢分析、內容特征分析、互動(dòng)用戶(hù)分析、正負情緒分類(lèi)、口碑品類(lèi)分析、產(chǎn)品屬性分布等，可以通過(guò)監測掌握競爭對手傳播態(tài)勢，并可以參考行業(yè)標桿用戶(hù)策劃，根據??用戶(hù)聲音策劃內容，甚至可以評估微博矩陣運營(yíng)效果。

5、品牌危機監測及管理支持

新媒體時(shí)代，品牌危機使許多企業(yè)談虎色變，然而大數據可以讓企業(yè)提前有所洞悉。在危機爆發(fā)過(guò)程中，最需要的是跟蹤危機傳播趨勢，識別重要參與人員，方便快速應對。大數據可以采集負面定義內容，及時(shí)啟動(dòng)危機跟蹤和報警，按照人群社會(huì )屬性分析，聚類(lèi)事件過(guò)程中的觀(guān)點(diǎn)，識別關(guān)鍵人物及傳播路徑，進(jìn)而???可以保護企業(yè)、產(chǎn)品的聲譽(yù)，抓住源頭和關(guān)鍵節點(diǎn)，快速有效地處理危機。

6、企業(yè)重點(diǎn)客戶(hù)篩選

許多企業(yè)家糾結的事是：在企業(yè)的用戶(hù)、好友與粉絲中ヽ(′ー｀)ノ，哪些是最有價(jià)值的用戶(hù)？有了大數??據，或許這一切都可以更加有事實(shí)支撐。從用戶(hù)訪(fǎng)問(wèn)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(hù)在社會(huì )化媒體上所發(fā)布的各類(lèi)內(nei)容及與他人互動(dòng)的內容中，可以找出千絲萬(wàn)縷的信息，利用某種規則關(guān)聯(lián)及綜合起來(lái)，就可以??幫助企業(yè)篩選重點(diǎn)的目標用戶(hù)。

7、大數據用于改善用戶(hù)體驗

要改善用戶(hù)體驗，關(guān)鍵在于真正了解用戶(hù)及他們所使用的你的產(chǎn)品的狀況大數據 營(yíng)銷(xiāo)，做最適時(shí)的提醒。例如，在大數據時(shí)代或許你正駕駛的汽車(chē)可提前救你一命。只要通過(guò)遍布全車(chē)的傳感器收集車(chē)輛運行信息，在你的汽車(chē)關(guān)鍵部件發(fā)生問(wèn)題之前，就會(huì )提前向(′?｀)你或4S店預警(′Д` )，這決不僅僅是節省金錢(qián)，而且對保護生命大有裨??益。事實(shí)上，美國的UPS快遞公司早在2000年就利用這種基于大數據的預測性分析系統來(lái)檢測全美60000輛車(chē)(che)輛的(de)實(shí)時(shí)車(chē)況，以便及時(shí)地進(jìn)行防御性修理。

8、SCRM中的客戶(hù)分級管理支持

面對日新月異的新媒體，許多企業(yè)(ye)想通過(guò)對粉絲的公開(kāi)內容和互動(dòng)記錄分析，將粉絲轉化為潛在用??戶(hù)，激活社會(huì )化資產(chǎn)價(jià)值，并對潛在用戶(hù)進(jìn)行多個(gè)維度的畫(huà)像。大數據可以分析活躍粉絲的互動(dòng)內容，設定消費者畫(huà)┐(′?｀)┌像各種規則，關(guān)聯(lián)??潛在用戶(hù)與會(huì )員數據，關(guān)聯(lián)潛在用戶(hù)與客服數據，篩選目標ヾ(＾-＾)ノ群體做精準營(yíng)銷(xiāo)，進(jìn)而可以使傳統客戶(hù)關(guān)系管理結合社會(huì )化數據，豐富用戶(hù)不同維度的標簽，并可動(dòng)ヾ(?■_■)ノ態(tài)更新消費者生命周期數據，保持信息新鮮有效。

9、發(fā)現新市場(chǎng)??與新趨勢

基于大數據的分析與預測，對于企業(yè)家提供洞察新市場(chǎng)與把握經(jīng)濟走向都是極大的支持。例如，阿里巴巴從大量交易數據(′?｀)中更早地發(fā)現了國際金融危機的到來(lái)。(′▽?zhuān)?又如，在2012年美國總統選舉中，微軟研究院的DavidRothschild就曾使用大數據模型，準確預測了美國50個(gè)州和哥倫比亞特區共計51個(gè)選區中50個(gè)地區(qu)的選舉結果，準確性高于98%。之后，他又通過(guò)大數據分析，對第85屆屆奧斯卡各獎項的歸屬進(jìn)行了預測，除最佳導演外，其它各項獎預測全部命中。

10、市場(chǎng)預測與??決策分析支持

對于數據對市場(chǎng)預測及決策分析的支持(°o°)，過(guò)去早就在數據分析與??數據挖掘盛行的年代被提出過(guò)(′▽?zhuān)?。沃爾瑪(′ω｀*)著(zhù)名的“啤酒與尿布”案例即是那時(shí)的杰作。只是由于大數據時(shí)代上述Volume（規模大）及Variety（類(lèi)型多）對數據分析與數據挖掘提出了新要求。更全面、速度更及時(shí)的大數據，必然對市場(chǎng)預測(′▽?zhuān)?)及決策分析進(jìn)一步上臺階提供更好的支撐。要知道，似是而非或錯誤的、過(guò)時(shí)的數據對決策者而言簡(jiǎn)直就是災難。