大数据精准营销的关键要素

随着搜索引擎、社交网络及智能移动设备的普及，用户每天网络活动产生的数据成倍增长，海量数据使用户和企业的行为产生了诸多改变。

大数据本质上是一种工具。只有当数据被企业利用并开始创造价值时，它们才有了真正的意义。企业应该如何驾驭数据使之为己所用，利用大数据洞察用户行为变化，准确地分析用户的特征和偏好，挖掘产品的潜在高价值用户群体，实现市场营销的精准化、场景化，是企业使用大数据技术实现精准营销时必须要考虑的问题。

1.用户画像

大数据精准营销的第一步是进行个性化的用户画像——针对每一类数据实体，将其进一步分解为具体的数据维度，刻画每个用户的特征，再聚集起来形成人群画像。

用户画像是根据用户的社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型，具体包括以下5个维度。

① 用户固定特征：包括性别、年龄、教育水平、职业、星座等。

② 用户兴趣特征：包括兴趣爱好，经常查看的网站，使用的App，浏览、收藏、评论的内容，以及品牌和产品偏好。

③ 用户社会特征：包括生活习惯、婚恋情况、人际交往和社交情况以及家庭成员等。

④ 用户消费特征：包括收入状况、消费水平、产品购买渠道、购买频次和购买产品种类偏好等。

⑤ 用户动态特征：包括用户当下需求、正在前往的地方、周边的商户、周围的人群等信息。

构建和生成用户画像一般通过采集和分析数据、用户分群和优化整理数据3个步骤实现。

（1）采集和分析数据

数据是构建和生成用户画像的核心依据，只有建立在客观数据基础上的用户画像才是真实可靠的。数据来源有3种，即相关的文献资料和研究报告、产品数据后台以及问卷调研和用户访谈。例如，收集网站用户行为数据时，当用户登录电商平台或网站后，其Cookie就一直驻留在浏览器中，通过用户点击的链接和按钮，或点赞、评论，以及访问的路径，可以记录用户的所有浏览行为，然后持续分析其浏览过的关键词和页面，可分析出其短期需求和长期兴趣。也可以通过社交网站，获得用户的职业、兴趣爱好等方面的信息。

多渠道的数据统一收集和管理可以帮助企业用已知的数据寻找线索，不断挖掘素材，不但可以巩固老会员，还可以分析得出未知的顾客与需求，进一步开发市场。

（2）用户分群

用户分群就是为用户贴上标签，用标签将用户分类，进而可以做到“一对一”的精准营销。例如，一个“80后”用户喜欢上午11点时在生鲜网站下单买菜，晚上6点回家做饭，周末喜欢去附近吃韩国烤肉。经过信息搜集与转换，系统就会产生一些标签，如“80后”“生鲜”“韩国烤肉”等。再如，一位用户在社交网站上经常分享旅游照片，他的服饰、背包等都是同一品牌，即可以为该用户贴上如“旅游”“某牌控”等标签。

（3）优化整理数据

生成准确的用户画像后，便能清楚了解用户需求，在实际操作上便能深度经营用户关系，甚至找到扩散口碑的机会。例如，对于前面提到的那位“80后”用户，如果有生鲜打折券，烤肉最新推荐，营销人员就可以将产品的相关信息精准推送给他。

除此之外，在不同阶段，企业还需要观察营销的成功率，并追踪用户反馈的信息，确认整体经营策略与方向是否正确。如果效果不佳，就应该对营销策略做出相应调整，反复尝试并调整，做到循环优化。

2.预测分析

在“营销1.0”时代，以产品为中心，满足传统的用户需求；在“营销2.0”时代，以社会价值与品牌为使命，但不能非常精准地对接个性化需求；进入“营销3.0”数据时代后，可实现“一对一营销”，对每个用户实施个性化匹配，甚至精确计算成交转化率，从而提高投资回报比。

“营销3.0”时代的关键词是“预测”，企业运营比的是早一步的预知能力。利用大数据，可从用户真实交易数据中预测下一次的购买行为。预测能力能够让企业专注于一小群用户，而这群用户能代表特定产品的大多数潜在用户。例如，将营销活动的目标用户锁定为20万潜在用户或现有用户，拨出部分预算用于吸引部分用户群（如10%的用户），从而可预测特定产品的整个用户群，同时可减少营销成本。

大数据营销的预测能力强调的是决策价值，与被动接收和观察数据不同，如购买时间，与以前注重观察用户购买频率、最后购买日期不同的是，预测注重分析的是下次购买的时间，预测用户终身价值。预测催生了一种新的数据驱动营销方式，就是以用户为中心，核心在于帮助企业完成从以产品或渠道为中心到以客户为中心的转变。

3.精准推荐

大数据最大的价值不是事后分析，而是预测和推荐，“精准推荐”成为大数据改变零售业的核心功能。例如，在个性化推荐机制方面，大多数服装订购网站采用的是用户提交身形、风格数据，编辑进行人工推荐的模式，而服装订购网站Stitch Fix还结合了机器算法进行推荐，通过用户提供的身材比例等主观数据，加上销售记录的交叉核对，挖掘出每个人专属的服装推荐模型。

数据整合改变了企业的营销方式，从海量业务广播式推送，过渡到了一对一以用户体验为中心的业务精准推荐。一对一精准营销在某一刻，以合适的价格，为用户推送最需要的业务。运营商在注重用户体验的同时可达到最佳的营销效果，并且可对营销过程进行全程跟踪，从而不断优化营销策略。未来，销售人员将升级成为顾问型销售，能以专业的数据预测，通过用户的行为数据去做匹配推荐。

4.技术强化

大数据资源繁杂丰富，大数据精准营销要解决的首要问题是数据的整合汇聚。企业启动大数据营销的一个最主要的挑战是数据信息系统各自为政。在许多企业中，数据散落在互不相通的数据库中，相应的数据处理技术也存在于不同部门中。将这些孤立的数据库互联、交换，并且实现技术共享，才能够有效实现大数据精准营销。为此，需要构建大数据交换共享平台，整合共享数据，汇集用户在多个渠道上的行为数据，一方面实时监控各渠道的用户特征、运营和营销效果，另一方面集中用户数据，以便后续进行深入挖掘分析，提高数据价值，实现用户交互的精准识别和多渠道数据汇集，为用户提供更加准确的服务和营销策略。

整合汇聚数据后，再将数据进行可视化分析。通过三维表现技术来展示复杂的大数据分析结果，借助人脑的视觉思维能力，通过挖掘数据之间重要的关系，将若干关联性的可视化数据进行汇总处理，揭示出大量数据中隐含的规律和发展趋势，进一步提高大数据对精准营销的预测能力。