大数据营销第2版（网络营销电子商务相关专业）全套教学课件

大数据营销第一章大数据营销概述全套可编辑PPT课件第1章大数据营销简介第2章产品创新与定价策略第3章产品促销与程序化购买第4章客户关系管理第5章精准营销第6章商品关联营销第7章跨界营销第8章舆情监测与公关第9章大数据营销伦理与未来前言Qianyan随着现代互联网技术的飞速发展，大数据已经逐渐渗透到各行各业，并成为重要的生产因素，当然营销行业也不例外。大数据改变了传统营销方式，使营销更加智能化，更有针对性。随着大数据技术的不断发展和成熟，大数据营销已然成为各大企业的核心竞争力。主目录0405030201大数据简介初识大数据营销大数据营销的基础设施和人员配置大数据营销活动的流程大数据营销的认识误区在介绍大数据营销之前，为便于理解，我们先来认识一下大数据。大数据是当今非常热门的话题，本节主要介绍大数据的概念和特征、大数据的影响及大数据的应用。01大数据简介大数据的概念大数据（bigdata）也称海量数据或巨量数据，是指数据量大到无法利用传统数据处理技术在合理的时间内获取、存储、管理和分析的数据集合。1.1.1大数据的概念和特征1.1.1大数据的概念和特征volume大数据具有数据规模大（volume）、处理速度快（velocity）、数据多样性（variety）和价值密度低（value）四大特征，简称“4V”。velocityvarietyvalue大数据的特征1.1.1大数据的概念和特征volumevelocityvarietyvaluevolume是指巨大的数据量。在大数据时代，各种渠道产生的数据不断增加，数据集合的规模已从MB、GB扩展到了PB、EB甚至ZB。velocity可以理解为更快地满足实时性需求。variety指数据的来源及类型是多样的。大数据真正的价值体现在从大量不相关的各类数据中，挖掘出有价值的数据大数据对科学研究、思维方式和社会发展都具有重要而深远的影响。1.1.1大数据的概念和特征1.1.2大数据的影响科学研究在大数据时代，一切以数据为中心，我们可以从数据中发现问题、分析问题、解决问题，从而实现数据的价值。社会发展（1）大数据决策成为一种新的决策方式。（2）大数据推动新技术和新应用的不断涌现。（3）大数据应用促进信息技术与各行业的深度融合。思维方式（1）处理的对象往往是全部数据，而不是抽样数据。（2）更加注重效率，而非精确性。（3）更加注重关联性，而非因果性。1.1.3大数据的应用教育行业大数据在教育行业的应用包括优化教学管理、学生管理、教学内容、教学手段、教学评价等。大数据在电商行业的应用较为广泛。例如观察用户喜好等。电商行业大数据在金融行业的应用也比较广泛。例如，大数据来驱动业务运营。金融行业大数据在互联网行业的应用非常广泛。借助大数据技术，企业可以分析客户行为，进行商品推荐和有针对性的广告投放。

互联网行业医疗行业大数据在医疗行业的应用包括疾病预防、临床应用、远程医疗、医学研究、医院管理等。02初识大数据营销1.2.1数据营销的发展历史直复营销数据库营销大数据营销数据营销的第一个阶段，它是以盈利为目标，通过个性化的沟通媒介向目标人群发布信息，以寻求对方直接回应（问询或订购）的一种营销方式。与传统媒体广告相比，直复营销更有针对性。数据库营销是数据营销的第二个阶段，它是企业通过收集和积累用户信息，经过分析筛选后，有针对性地使用电子邮件、短信、电话、信件等方式进行客户深度挖掘与关系维护的营销模式。大数据营销是数据营销的第三个阶段，它是基于多平台的大量数据，在大数据技术基础上，应用于互联网广告行业的一种营销方式。1.2.2数据营销的知识领域1统计学2业务3营销4技术统计学是应用数学的一个分支，主要利用概率论建立数学模型，收集数据，对数据进行量化的分析、总结，进而进行推断和预测，为相关决策提供依据和参考。业务是指个人或某个机构的专业工作，是大数据营销人员最基本的能力，这种能力靠的是长期的磨炼。数据营销人员首先需要了解营销的逻辑和模式，掌握营销策略的组合，即产品（product）、价格（price）、促销（promotion）、渠道（place），也就是“4P营销理论”。具有操作海量数据的能力是对大数据营销人员的基本要求。例如，熟练使用结构化查询语言（SQL）、商业智能分析工具（Tableau）、数据挖掘工具（Matlab）、大数据工具（Hadoop）等。1.2.3大数据营销的特点多平台数据采集大数据营销的数据来源是多方面的，包括电商网站、社交网站、搜索引擎等。多平台数据的采集能使企业对目标用户行为的刻画更加全面且准确。个性化营销企业通过大数据分析技术可以很清楚地了解目标用户身处何地，及其关注点和个人喜好等情况，还可以在同一媒体的相同界面为不同用户投放不同的广告信息，达到为不同用户提供不同营销服务的目的。时效性强使用大数据技术可帮助企业及时掌握消费者的购买需求及其购买行为和方式的变化趋势，从而在第一时间内响应消费者的需求，让其在决定购买的黄金时间内接收到商品广告。性价比高大数据营销在最大程度上让广告主的广告投放更加精准，并根据广告效果的实时反馈，及时对广告投放策略进行调整，从而最大程度地减少营销传播的浪费，而不像传统广告那样“一半的广告费浪费了”。03大数据营销的基础设施和人员配置1.3.1大数据营销的基础设施数据治理工具CRM系统数据分析工具电商引流工具舆情监测工具营销数据库商业智能分析工具1.3.2大数据营销的人员配置1.3.2大数据营销的人员配置1营销分析师应具备数据分析能力，能够通过分析客户与产品数据，制定出合理的营销计划或方案。营销分析师23456数据策略师是大数据营销团队的核心人物，他可帮助企业选择适合自身业务的大数据营销模式，避免盲目选择而不能解决实际问题。数据策略师系统工程师在数据策略师的配合下，对业务需求和逻辑进行梳理，然后开发新系统，并负责系统后期的日常运维工作，属于IT领域的范畴。系统工程师数据挖掘工程师根据营销需求收集到用户数据后，首先对数据进行预处理，然后使用数据挖掘软件及算法建立数学模型，最后分析数据，从庞大的用户数据中得到有用的信息。数据挖掘工程师数据质量专员的主要任务是负责客户数据的质量检查。例如，数据完整性、数据一致性和数据合规性等。数据质量专员数据库管理员是仅次于数据策略师的最重要的角色，其职责是保证数据库管理系统的稳定性、安全性和完整性等数据库管理员04大数据营销活动的流程1.4大数据营销活动的流程对大数据营销有了一个简单的了解后，本节介绍实施大数据营销的具体流程，如图所示。1.4.1数据收集企业要进行大数据营销，首先要收集数据，并明确数据的类型及来源。1．数据的类型此处的数据类型有两类，一类是传统CRM数据，还有一类是数字数据，如表所示。数据类型用户信息用户识别码传统CRM数据基本信息及购买行为信息姓名、联系方式等数字数据互联网行为信息IP地址、MAC地址等1.4.1数据收集2．数据的来源数据来源可细分为第一方数据、第二方数据和第三方数据。

数据第一方数据第二方数据第三方数据前提来源①通过自己的网站、App所收集的客户行为数据。②CRM系统中的数据。③客户反馈数据。企业须寻找拥有自己需要数据的公司，并与他们建立关系。企业只能通过购买、交换和租赁等方式使用这些数据。优点①不必过多担心数据的隐私。②针对的是企业现有客户，潜在客户。③数据具有很高的价值，且免费。能够保证数据真实性，以其为基础进行营销，可以最大程度实现营销的精准性。数据规模大，数据类型丰富。缺点除了需要实名认证的行业，如银行、运营商等，大部分行业很难收集到客户的真实信息。据源不属于企业自身，可能造成基于第二方数据建设的数据设施和营销模式失效。数据的原始来源未知，需要考虑合规性问题。1.4.2数据整理1．数据标准化处理数据标准化处理主要包括数据格式的统一和语义分析两个方面。（1）数据格式的统一。对于收集到的数据，需要为字段的数据类型设定一个统一的标准。（2）语义分析指运用各种方法，学习和理解一段文本所表示的语义内容。任何对语言的理解都可以归纳为语义分析的范畴。1.4.2数据整理下面通过一个实例介绍如何进行语义分析。原句：“今天在商场试了一件衣服，上身合适又好看，就是价格太贵了！”拆分后的句子：今天在商场试了

一件

衣服上身合适又

好看

就是价格太贵了语义分析结果：用户的评价是，衣服——合适又好看；价格——太贵通过上述语义分析可以得出，对企业来说，用户对衣服很满意，给出了“合适又好看”的评价，但是对价格却不满意，因为“太贵了”，这样就找到了用户的“痛点”（价格）。1.4.2数据整理2．数据清洗数据清洗是指将数据录入系统前，营销人员对这些数据进行鉴别，并清理虚假有误的数据。例如，用户在调查问卷上填写的虚假姓名、联系方式和工作单位等都属于需要清理的数据。数据清理过程如图所示。1.4.2数据整理3．数据匹配数据匹配是指，当同一个用户的信息出现在多个不同数据源时，企业须匹配这些信息来拼合数据，从而更加精准地了解用户，并找到更加精准的推送渠道。4．数据整合数据整合是将加工处理后的数据整合到一个数据库中，这就涉及数据表的基本操作，如数据的插入、更新、删除，以及多表之间的映射。1.4.3数据平台360度客户视图是企业将通过多种不同数据源收集到的客户行为数据，整合成业务人员能简单理解的客户标签，也就是客户所有数据的集合。客户数据由客户的基本信息（包括姓名、出生日期、学历等）、客户识别码（包括联系方式、MAC地址等）、接触方式（包括如电子邮件、各类App等）、客户标签（包括用于营销的客户特征等）等组成。1.4.4数据营销在经过数据收集、数据整理和数据平台三个阶段后，就可以使用数据进行营销了。在营销阶段，最重要的是营销策略的制定，这需要营销人员对用户进行细分。此外，在营销阶段还涉及如何进行商业决策，这需要通过数据挖掘技术建立数学模型，并对用户进行分析，最终确定目标用户的购买潜力，从而实现营销。1.4.5结果衡量在实施了具体的营销策略后，需要对营销结果进行衡量，确定营销的投入产出比，并根据营销结果，优化营销策略和业务流程。接下来简单介绍衡量结果的常用技术手段——网站分析。网站分析是企业通过数据来分析客户体验或网站逻辑设计是否合理的一种技术手段。通过网站分析，可以判断网站的推广方式和页面设计是否合理，以便及时完善优化。网站分析05大数据营销的认识误区1.5大数据营销的认识误区大数据营销无所不能大数据营销使得品牌形象塑造容易大数据营销提升效率和降低成本案例Target对公司活动“迎婴聚会”登记表里的客户消费数据进行建模分析发现，许多孕妇在第2个妊娠期大量购买无香味乳液；在怀孕的最初20周大量购买补充钙、镁、锌的善存片等保健品。最后Target选出25种典型商品的消费数据，建立了“怀孕预测指数”模型，通过该模型，Target能够在很小的误差范围内预测到客户的怀孕情况，因此Target可以抢先一步将孕妇装、婴儿床等优惠广告寄给客户，吸引客户购买。谢谢观看！大数据营销第二章产品创新与定价策略前言Qianyan在市场竞争日益激烈的今天，产品创新与定价策略已经成为企业能否占据市场主导地位的关键。大数据的应用，不仅使新产品的开发过程更可控，并且实现了为不同用户制定不同价格的个性化定价策略和灵活把控市场需求的动态化定价策略，大数据定价已成为各大企业和商家制定产品价格的不二之选。主目录0405030201大数据背景下的产品层次分析大数据背景下的产品创新大数据背景下产品的动态管理大数据定价的关键环节产品定价策略01大数据背景下的产品层次分析产品是指能够作为商品提供给市场，供人们使用和消费，并能满足人们某种需求的任何东西。它既包括有形的物品实体，又包括无形的服务、经历、信息和观念等。2.1.1产品概述2.1.1产品概述产品的5个层次，就构成了产品整体概念的基本内容，即：产品整体=核心产品+形式产品+期望产品+延伸产品+潜在产品企业在规划产品时，要考虑到产品的这5个层次。2.1.2大数据对产品层次划分的作用使用大数据可以更深入细致地了解每一个客户的需求，然后根据其需求构建不同的细分领域。使用大数据技术可以精准判断产品能够满足消费者需求的程度，界定用户对某一需求的最低要求，如果达到这些要求，就获得了顾客忠诚。02大数据背景下的产品创新2.2.1新产品的定义和分类企业市场技术第一次生产销售的产品都视为新产品只有第一次出现的产品才是新产品原理、结构、功能和形式发生了改变的产品都称为新产品。营销学的新产品包括了以上3方面的成分，但更注重消费者的感受与认同，它是从产品整体概念的角度来定义的，即凡是产品整体概念中任何一部分的创新、改进，能给消费者带来某种新的感受、满足和利益的相对新或绝对新的产品，都可称为新产品。2.2.1新产品的定义和分类指应用新技术、新原理、新结构和新材料研制成功的前所未有的产品。全新产品换代新产品改进新产品重新定位新产品降低成本新产品仿制新产品指在原有产品的基础上，部分采用新技术、新材料或新结构制成，在性能上有显著提高。指采用各种技术对原有产品的品质、特点、样式及包装等做出一定改变与更新的产品。又称为企业新产品，是指模仿市场上已有的产品自己进行首次生产。是指企业利用新技术改进生产工艺或提高生产效率，削减原产品的成本，但保持其原有功能不变的新产品。是指企业的老产品进入新的目标市场而被称为该市场的新产品。例如，“好想你”品牌的市场定位从高端礼品转变为日常休闲食品，2.2.2大数据背景下的新产品开发及其特征使用大数据处理和分析技术，企业能以较低的成本获取用户的实时反馈产品生命周期更长企业利用大数据能对市场整体状况做出准确判断产品定位更精准在大数据基础上对产品进行规划预测，开发出真正满足用户需求的产品。判断依据更客观使用大数据的处理及分析技术实时监测用户需求，并预测用户需求可能在未来发生的变化，使新产品的时效性更强。产品时效性更强PART01PART02PART03PART042.2.3利用大数据开发新产品的流程在介绍利用大数据开发新产品之前，先来简单了解一下传统新产品开发的流程。传统新产品开发流程分为8个阶段，如图所示。传统新产品开发流程有以下两方面的不足。第一，各部门之间的信息不能实时同步，人员沟通困难，开发时间较长，开发成本高。第二，开发流程可逆性较差。而大数据能够有效解决上述问题。2.2.3利用大数据开发新产品的流程利用大数据开发新产品大致分为4个阶段，如图所示。新产品设计往往需要企业各部门之间互相配合，做到数据互通，实时共享。经过新产品设计及生产调试阶段后，先进行小规模试销，然后再正式投入生产。经过以上3个阶段后，就可以大批量生产新产品并投入市场了。03大数据背景下产品的动态管理2.3.1产品的生命周期产品生命周期（productlifecycle，PLC）是指产品从进入市场开始，直到最终淘汰退出市场为止所经历的市场生命循环过程，它是产品的一种更新换代的经济现象。2.3.1产品的生命周期典型的产品生命周期一般可分为4个阶段，分别是导入期、成长期、成熟期和衰退期，如图所示。（1）导入期是指在市场上推出新产品，产品销售呈缓慢增长状态的时期。（2）成长期是指产品在市场上迅速为顾客所接受，销售额迅速上升的时期。（3）成熟期是指大多数购买者已经接受该产品，市场销售额增长放缓或开始下降的时期。（4）衰退期是指销售额急剧下降，利润趋于零的时期。2.3.1产品的生命周期2．产品生命周期各阶段的传统判断方法正确判断产品生命周期各阶段的临界点，确定产品所处阶段，是企业制定营销策略的基础。一般情况下，产品生命周期各阶段的判断方法主要有以下两种。（1）销售增长率分析法是指用不同时期实际销售增长率数据的动态分布曲线，来判定、预测该产品处于生命周期的哪个阶段。销售增长率的计算方法如下：

（2）产品普及率分析法是按人口平均普及率来分析产品生命周期所处的阶段。人口平均普及率的计算方法如下：2.3.2利用大数据制定产品营销策略1．产品生命周期各阶段的判断针对传统判断方法的不足，企业可借助大数据分析技术，提供一种更精确、更可靠的产品生命周期各阶段的判断方法。首先，引入更多不同的变量，然后根据这些变量拟合产品生命周期曲线，最后预测产品的生命周期及其各阶段。2．产品生命周期各阶段的营销策略对产品生命周期各阶段做出明确划分后，还要针对不同阶段制定不同的营销策略，并模拟用户反映进行效果评估。利用大数据分析并制定新产品生命周期各阶段营销策略的过程如图所示。2.3.3利用大数据对产品组合进行动态优化产品组合是指一个企业在一定时期内提供的全部产品线和产品项目的组合。其中，产品线又叫产品系列或产品大类，是一组在技术与结构上密切相关的产品。产品项目是指在同一产品线下不同型号、规格、款式、颜色或品牌的产品。2.3.3利用大数据对产品组合进行动态优化指产品组合中所拥有的产品线数目。宽度指产品组合中产品项目总数，即产品线的总长度长度指产品线中的某一款产品有多少品种规格深度指各产品线在最终用途、生产条件、分销渠道或其他方面相互联系的程度。粘度企业的产品组合可以用4个变量来衡量，分别是产品组合的宽度、长度、深度和黏性。2.3.3利用大数据对产品组合进行动态优化2．产品组合的动态优化对产品组合进行动态优化前，首先对产品线和产品项目进行分析。产品线分析产品项目分析

通常情况下，产品组合中有多条产品线，企业须定期对产品线进行分析，确定是否需要调整产品线。在大数据时代，产品线分析可采用多个指标，如销售额、利润、客户满意度、市场份额和产品生命周期等，使用多个指标对同一条产品线进行分析，可以提高分析的准确性。

一条产品线上可能有多个产品项目，每个产品项目对产品线总销售额和利润的影响是不同的。企业可利用大数据技术对一条产品线上不同产品项目的市场地位、客户满意度、搜索指数等进行分析，从而决定剔除哪些产品项目。04大数据定价的关键环节2.4.1确定影响产品定价的因素产品成本市场需求市场竞争定价目标其他因素法律政策（1）生存。（2）利润。（3）市场占有率。（4）质量。（5）改善形象。产品成本是产品定价的基础因素，任何企业都不能随心所欲地制定价格。当产品的市场需求大于供给时，产品的价格可高一些；当产品的市场需求小于供给时，价格可适当低一些。在市场经济条件下，竞争无处不在，产品价格是市场上最敏感、最残酷的竞争因素之一。企业在制定价格的过程中，应密切关注货币政策、贸易政策、法律和行政调控对市场流通和价格的影响。除上述因素外，国内外的经济形式、货币流通情况，以及利率的高低等，都会影响产品成本和顾客对产品定价与价值的理解，从而影响企业定价方法和策略的选择。2.4.2构建指标体系在明确了影响产品定价的主要因素后，可以将这些因素量化为影响定价的指标，并构建影响定价的指标体系，进而进行产品定价，如图所示。指标体系是由若干个相对独立又相互联系的指标系统地组织起来构成的一个整体，便于从不同维度梳理业务。一个指标不能叫指标体系，几个毫无关系的指标也不能称为指标体系。2.4.2构建指标体系要严格从研究问题的目的出发选取指标。指标的筛选，应尽可能不受主观因素的影响，而应客观地分析所选指标的含义。所选的指标应尽可能有数据支撑，且数据易获取，对于数据不易获取的指标只能舍弃。所选的指标应尽可能覆盖研究对象的不同方面。所选的指标应尽可能稳定，变化尽可能规律。05产品定价策略2.5.1产品定价方法指企业制定价格时主要以成本为依据，同时考虑企业目标、政府法令、需求情况、竞争格局等因素。成本导向定价法企业以消费者对产品价值感知为出发点的定价思路，其目标是最大程度获取消费者的理解和需求。需求导向定价法企业依据竞争对手产品的价格来确定自己产品的价格。当然，定价过程中也必须考虑自己产品的成本，市场需求情况等。竞争导向定价法2.5.2传统产品定价策略是指在新产品投放市场的初期，利用消费者的求新心理和竞争者较少的有利条件，将产品以高价销售，在短时间内获得尽可能多的利润，是一种高价策略指在新产品投放市场的初期，将产品价格定得低于人们的预期，给消费者物美价廉的感觉，在价格上取得竞争优势，借此迅速打开销路，占领市场，是一种低价策略。指在新产品投放市场的初期，将价格定在介于高价和低价之间，使企业能够获取适当的利润，同时也使消费者感到合理，这是一种折中价格策略。根据交易对象、交易时间、地点等的不同，制定两种或多种不同价格，以适应消费者的不同需求，从而扩大销售，增加利润。2.5.2传统产品定价策略差别定价策略定义举例顾客差别定价策略企业把一种产品或服务卖给不同的消费群体时采用不同的价格公园、铁路局等对不同消费者（儿童、学生、老年人、军人等）收取不同的票价形式差别定价策略企业对不同型号或形式的产品分别制定不同的价格容量分别为5kg和6kg的洗衣机价格相差500元地点差别定价策略企业对于处在不同位置或地点的产品分别制定不同的价格剧院不同位置的票价不同时间差别定价策略企业对于不同季节、不同时期甚至不同钟点的产品分别制定不同的价格旅行社在旅游淡季和旺季定价不同2.5.3大数据背景下的个性化定价个性化定价是指企业在认识到每位顾客均具有个性化需求的前提下，以顾客信息为基准，对顾客的特征、喜好等进行分析，为每位顾客制定不同的价格。2.5.3大数据背景下的个性化定价2．个性化定价的步骤了解顾客支付意愿是实施个性化定价的前提。对于任何一个产品，企业首先需要了解不同顾客愿意为其支付的金额。在了解了顾客的支付意愿后，分析这些顾客是否为企业的目标受众，从而确定产品售卖的目标顾客。在了解顾客支付意愿和确定目标顾客后，企业须设计差别化的定价策略，对不同顾客设置不同的价格。实施个性化定价策略的企业需要对商品价值进行分割，也就是说，支付不同价格的顾客，应该享受到不同的服务，得到不同的商品价值。OURBEGINNINGSPART01OURBEGINNINGSPART02PART03OURBEGINNINGS制定顾客愿意支付的价格。个性化定价在对顾客精准分析的基础上，能够准确地了解顾客的支付意愿，从而为其制定他们能接受的价格。提高顾客的忠诚度。企业在实施个性化定价的过程中，实际上也是一对一的营销，因此，顾客会感受到企业对他们的重视，从中获得满足感。为企业获取利润。个性化定价可以从愿意支付高价的顾客身上获取高额利润，并且利用低价吸引大量顾客，企业以此获取利润。2.5.3大数据背景下的个性化定价2.5.4大数据背景下的动态化定价在大数据背景下，我们可以这样定义动态化定价：企业根据自身供应能力、市场需求等内外因素，将同一商品的价格进行实时调整，或者以不同价格销售给不同人群。动态化定价的本质是差别定价。2.5.4大数据背景下的动态化定价动态化定价策略内容价格匹配定价策略根据竞争对手商品或服务价格变化而适时调整价格，该策略在零售行业中较常见有限供应动态定价策略基于需求变化或不同时间制定不一样的定价，如飞机的座位价格在起飞前30天和前一周是不同的企业可以利用动态定价提升收益水平。动态化定价策略可细分为价格匹配定价策略和有限供应动态定价策略，具体如表所示。案例华为作为信息、通信和技术行业的领军企业，在大数据、云计算和互联互通领域具有天然优势，因而能在大数据环境下，快速适应产品创新模式的变革。谢谢观看！大数据营销第三章产品促销与程序化购买前言Qianyan在有了高质量的产品和服务，以及合适的产品价格后，还必须让目标消费者了解与认可企业，才能赢得信任、激发需求、促进销售。促销本质上是企业与消费者之间的一种沟通方式，既是企业争取目标消费者的有效方法，又是应对市场竞争的有力武器。在移动互联网迅速发展的今天，广告主多元化需求之下，基于大数据技术驱动的程序化购买，将迎来前所未有的发展机遇。主目录04030201促销概述大数据背景下促销活动的基本流程大数据背景下促销活动的实施方法大数据广告：程序化购买01促销概述促销是促进销售的简称，是指企业通过各种方式，将所经营的商品和提供的服务信息传递给目标市场，刺激消费者的购买欲望，使其产生购买行为的综合性策略活动。3.1.1促销的概念和作用传递信息，引导购买。指导消费，扩大销售。突出特点，扩大需求。强化形象，巩固地位。其具体作用主要包括以下4方面。3.1.2促销方式和促销组合促销方式是指企业进行促销活动时所采取的具体方法和手段。促销方式具体工具、方式沟通方式促销功效优点缺点广告促销电视、广播、印刷品等依靠媒介、单项沟通提高企业与产品知名度传播范围广、形式多样、可控、人均成本低信息传播量有限、总成本高人员推销销售展示、交易会等面对面、双向沟通与消费者建立良好关系针对性强、灵活、见效快成本高、覆盖范围有限、预算困难公共关系新闻发布会、赞助等间接促销、单向沟通树立良好的企业形象客观、可信度高可控性差销售促进折扣、优惠券、赠品等直接促销、单向沟通短期内增加销售量直接、见效快、可控性强某些推广形式成本高

促销组合是指企业在营销过程中，将广告促销、人员推销、公共关系和销售促进4种促销方式中的几种搭配组合运用，使这些促销方式互相配合、协调一致，最大限度地发挥整体效果，从而顺利实现促销目标。02大数据背景下促销活动的基本流程

3.2大数据背景下促销活动的基本流程大数据以数据信息为核心点给予媒体和企业一定的决策支撑，使促销决策的制定由传统的经验决策转变为大数据时代的科学决策，最终让促销推广效果达到最优。大数据背景下促销活动的基本流程如图所示。3.2.1精准定位目标消费群体使用大数据技术，企业不仅可以准确得到消费者的购买记录、购买偏好，以及用户标签和用户画像（如年龄、学历、职业、居住城市等），还可以通过对关联数据的分析，预测消费者的购买需求，从而为促销活动定位目标消费群体，并制定有针对性的促销计划。精准定位目标消费群体既节约了广告成本，又提升了促销效果。3.2.2合理选择促销方式企业精准定位目标消费群体后，就可以选择合理的促销方式并开展促销活动，常见的促销方式如图所示。对于促销方式的促销效果，一般是通过直接量化的销售量来衡量，而公共关系本身不具有直接促进销售的作用，所以，在传统促销活动中，公共关系很少使用，更多的是广告促销、人员推销和销售促进。在大数据时代，公共关系是很常见的，它指的是通过热门、热点事件推广自己的产品或企业，这往往需要找到能够与企业品牌或产品相结合的点。3.2.3根据消费者需求设计促销内容人们的需求不会永远停留在一个水平上，当一种需求得到了满足，就会产生更高的需求。在大数据时代背景下，企业可以通过分析目标消费者的交易行为、购买偏好、情感态度等，及时预测目标消费者的购买需求，从而实现根据消费者需求设计个性化促销内容的目的。另外，企业也可以通过大数据技术预测目标消费者心目中最适合企业的品牌形象代言人，或目标消费者更喜欢的广告内容，以及目标消费者满意的优惠措施，甚至是最符合某一位目标消费者需求的销售人员，等等。3.2.4精准投放促销信息大数据时代，基于数据分析的企业促销活动更加精准。企业可通过对消费者的网页浏览行为、手机使用行为、购买频率行为等数据加以分析，判断消费者经常浏览的网页、经常使用的App，以及对一些推送广告的态度等，从而有针对性地为消费者推送促销信息。3.2.5实时优化促销信息的投放

使用大数据能够持续监测目标消费者对促销信息的实时反馈，并分析促销信息的投放效果，然后根据分析结果对促销信息的投放做出及时的调整与改进。根据分析结果能大致确认哪些消费者可以为企业带来价值，然后在后期投放促销信息时，剔除那些从未打开链接、从未消费支付或从未将信息转发给他人的消费者，而增加那些实际消费支付、将信息转发给他人的消费者的促销信息投放次数。03大数据背景下促销活动的实施方法

无论是传统促销还是大数据背景下的促销，目的都是吸引消费者关注，并刺激其消费。大数据技术的运用让促销活动更有针对性。使用大数据技术的数据分析和挖掘能力，能够有效解决传统促销活动中市场调研难、促销商品定价难和促销信息传播不可控等问题。3.3.1企业形象的塑造

企业形象指社会公众对企业整体的印象和评价，它是企业文化建设的核心。企业形象的构成因素有很多，如图所示。指产品的质量、性能、价格，以及外形、名称、商标和包装等给外界公众的整体印象。指职工的服务态度、职业道德、进取精神，以及装束、仪表等精神面貌给外界公众的整体印象。指外界对企业现状所持有的印象，是企业的真正形象。指企业通过公共关系活动，给公众留下的对企业本身的印象。只有建立一个良好的企业形象，才能在消费者心中树立良好的口碑，从而得到消费者的认同，提高消费者对企业的信任度。3.3.2广告的精准投放指的是在一个特定时期内，对于某个特定的目标受众所要完成的传播任务和所要达到的沟通程度。指企业投入广告活动的资金费用。信息内容产品信息包括产品名称、技术指标、销售地点、销售价格等企业信息包括企业名称、发展历史、企业声誉等服务信息包括产品保证、技术咨询、结款方式等广告信息需要通过一定的媒体才能有效地传播出去，广告传播媒体的选择恰当与否，直接影响着广告效果。为了对广告传播进行有效控制，企业必须对广告效果进行评估。3.3.2广告的精准投放用户信息充斥在网络中，企业可以利用大数据技术将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，构成用户画像，分析出目标消费者的广告喜好。广告信息大数据时代，企业须在综合考虑广告目标、目标受众覆盖面、送达率、影响价值、展露频率、媒体成本等因素的基础上，合理选择传播广告的媒体。媒体选择广告投放成功后，企业须跟踪广告投放效果。这项任务在大数据时代是轻而易举的。广告效果在大数据时代背景下，企业可以利用更多信息，对这5个要素做出更准确的决策。下面主要介绍在广告信息、媒体选择和广告效果这几方面，如何利用大数据进行决策。3.3.3销售促进与信息传达销售促进是指促进销售的行为和手段，是一种短期促销方式，通常结合其他促销方式一起使用。当企业塑造了一个好的形象，且将广告进行精准投放后，就会在消费者心中建立一个好的印象，从而使消费者对企业及产品产生好感、信任和偏爱。3.3.3销售促进与信息传达销售促进手段有很多，常见的有打折、满减优惠、免费试用样品、买赠等。企业在制定好销售促进方案后，还须清楚销售促进的信息应该发给谁，这对于身处大数据时代的企业来说非常容易。不同消费者能接受的销售促进手段是不一样的，如有些消费者喜欢商品打折优惠，有些消费者却更愿意使用满减优惠券。04大数据广告：程序化购买

大数据背景下，程序化购买的表现形式很多。例如，你浏览了机票信息，当你打开今日头条网站时，可能推送的就是携程的特价机票；你在搜狐网浏览了汽车信息，然后你会发现，当你打开其他网站（网易新闻、新浪网、搜狐新闻等）时，页面上会出现汽车的广告。3.4.1程序化购买概述在传统媒体购买方式中，企业与代理公司称为买方，媒体和广告网络称为卖方，如图所示。随着移动互联网和信息技术的高速发展，传统媒体购买已经无法满足需求，主要原因如下。（1）传统广告所依托的媒介形式，如报纸、杂志、广播等逐渐走向衰落，互联网已经成为主流。（2）消费者追求个性化的产品与服务，而传统广告在投放时不会对消费者进行细分，特别容易引起消费者的反感。（3）在大数据时代，广告主（企业）已不能被动等待消费者注意到自己的广告，应主动出击，通过分析消费者的喜好和消费习惯，主动为其推荐“可能需要的产品”。3.4.1程序化购买概述程序化购买（programmaticbuying）是指通过广告技术平台自动执行广告资源购买，即资源的对接和购买过程都呈现自动化、智能化特性，通过公开竞价和私有竞价两种竞价模式完成购买。程序化购买的核心是通过大数据技术，投放真正对用户有用的广告信息，让每一个受众所看到的广告都是为自己量身定制的。3.4.2程序化购买的流程为便于理解，下面以一个实例介绍如何进行程序化购买。在该过程中，广告主通过公开竞价来购买广告位，以便向目标受众展示其广告内容。程序化购买通过大数据分析技术帮助广告主快速找到目标消费群体，从而实现智能、精准的广告投放。A120元A215元A312元A1内容假设有这样一个情景。一位北京地区的女性用户是一位香水爱好者，曾在网页上搜索并浏览了多款香水，以上就完成了一次程序化购买。3.4.3程序化购买的特征1．精准化精准化体现内容广告的最优化投放广告主在投放广告的过程中，通过DSP（需求方平台）事先设定广告信息和目标受众等，如果有符合条件的用户出现，就会将广告信息展示给用户，相反则不展示广告效果的精准评估在大数据基础上分析用户对广告的反应，从而判断广告传播对销售的影响，帮助广告主对广告效果进行精准评估并持续优化2．人性化程序化购买为广告主、媒体及目标受众提供了人性化的服务。对于广告主来说，程序化购买有公开竞价和私有竞价两种竞价模式，广告主可根据自身需求进行选择。另外，广告主可以在DSP中设置自身投放广告的条件。3.4.4程序化购买产业链图

程序化购买产业链3.4.4程序化购买产业链1．DSP需求方平台（demandsideplatform，DSP）是指面向并服务于广告主的广告投放管理平台。一个真正意义上的DSP，必须拥有以下两项核心技术。（1）强大的实时竞价（realtimebidding，RTB）基础设施和能力（2）先进的用户定向技术。3.4.4程序化购买产业链2．AdExchange广告交易平台（AdExchange）能够将广告主和媒体联系在一起并提供在线广告交易。AdExchange的运作过程如图所示。3.4.4程序化购买产业链PART01PART02供应方平台（supplysideplatform，SSP）用于对媒体的广告位进行全方位的分析和管理。它主要基于媒体立场，帮助媒体进行流量分配管理、资源定价、广告请求筛选，使其可以更好地进行自身资源的定价和管理，从而优化收益。SSP的运用有效简化了交易流程，缩短了交易时间。SSP数据管理平台（datamanagementplatform，DMP）将分散的多方数据整合纳入统一的技术平台，并对这些数据进行标准化和细分，以帮助企业建立更合理的大数据营销策略，更精准地定位目标人群及提供更具针对性的广告创意等。DMP3.4.4程序化购买产业链ACB广告主广告主是指想为自己的品牌或产品做广告的企业，如淘宝网店铺、大众、小米等。TDTD最大的亮点在于，将不同DSP平台上相对零散的资源和数据进行整合，并为广告主提供统一、便利的管理平台，节约时间、提高效率。AdNetwork广告网络（AdNetwork）在广告业内是一个较为广泛的概念，它是一种介于想出售广告资源的媒体与想在网站上投放广告的广告主之间的平台（本质上是中介），一方面帮助广告主寻找媒体广告位，另一方面帮助媒体寻找广告主，如图所示。3.4.4程序化购买的竞价模式程序化购买的竞价模式出价方式展现量保证对应关系公开竞价RTB竞价不保证多对多私有竞价PDB定价保证一对一PD定价不保证一对一PA竞价不保证一对多案例5月18日，歌诗达邮轮全新威尼斯号在上海首航。就如何利用程序化购买方式提升歌诗达邮轮在中国市场的知名度，更高效地找到目标消费人群，并与之进行深度沟通的问题，歌诗达高层采取了一系列措施。

谢谢观看！

大数据营销第四章客户关系管理前言Qianyan客户关系管理（CRM）是企业为提高核心竞争力而针对客户所采取的一系列措施。企业将数据存储在CRM系统中，利用大数据技术挖掘新客户、挽留老客户，并将已有客户转化为忠实客户，从而获得更大的投资回报。同时，使用大数据技术还可以对客户细分，进而对有价值的客户群体展开更具针对性的营销。

主目录030201客户关系管理基本知识客户关系管理系统大数据在客户关系管理系统中的应用01客户关系管理基础知识

4.1.1客户关系管理的定义不同商业机构对客户关系管理（customerrelationshipmanagement，CRM）有着不同的定义，如表所示。商业机构定义GartnerGroupCRM为企业提供全方位的管理视角，并赋予企业更完善的客户交流能力，最大化客户收益率HurwitzGroup

（赫尔维茨集团）CRM用于改善与销售、市场营销、客户服务和支持等领域的客户关系有关的商业流程并实现自动化，它既是一套原则制度，也是一套软件和技术。CRM的目标是缩减销售周期和销售成本，增加收入，寻找拓展业务所需的新市场和渠道，以及提高客户的价值、满意度和忠诚度IBMCRM包括企业识别、挑选、获取、发展和保持客户的整个商业过程。IBM将客户关系管理分为3类，分别是关系管理、流程管理和接入管理4.1.2客户关系管理的发展CRM的发展历程如图所示。CRM的提出主要缘于以下两点。（1）GartnerGroup公司提出的企业资源计划（enterpriseresourceplanning，ERP）系统在功能方面存在局限性，并没有很好地实现对客户的管理。（2）随着互联网应用的普及，数据仓库、商业智能等技术得到了长足发展，另外，新经济的需求也进一步推动了CRM的产生。02客户关系管理系统

客户关系管理（CRM）系统是指利用软件、硬件和网络技术，为企业建立的客户信息收集、管理、分析和利用的信息系统。CRM系统以客户数据的管理为核心，记录企业在市场营销和销售过程中和客户发生的各种交互行为，以及各类有关活动的状态，并提供各类数据模型，为后期的分析和决策提供支持。4.2.1CRM系统的基本功能CRM系统的基本功能如图所示。4.2.1CRM系统的基本功能客户管理客户基本信息管理等联系人管理联系人概况的记录、存储和检索等时间管理日历；设计约会、活动计划，有时间冲突时，系统会提示等潜在客户管理业务线索的记录、升级和分配等销售管理组织和浏览销售信息等电话营销生成电话列表等营销管理产品和价格配置器等客户服务服务项目的快速录入等呼叫中心呼入呼出电话处理4.2.2CRM系统为企业带来的益处一个强大的CRM系统会给企业带来显著效益。具体来说，CRM系统为企业带来的益处主要有提高销售额、降低销售成本、提高客户满意度、企业管理更加科学等，如图所示。销售人员利用CRM系统提供的多渠道客户信息，能够准确了解客户需求，提高销售成功率，进而提高销售额。使用CRM系统可以分析出用户的需求，并有针对性地向客户推送产品或服务，使市场推广和销售策略的制定与执行避免了盲目性，节约时间和资金，降低销售成本。CRM系统为客户提供多种形式的沟通渠道，同时又确保各沟通方式中数据的一致性与连贯性。CRM系统将中小企业传统的单一人性化管理方式转变为制度化管理与人性化管理，淘汰了仅仅使用几张表格对企业销售进行管理的方式。4.2.3CRM系统的选择企业在选择CRM系统时，应考虑如图所示的几个问题。在选择CRM系统时，企业必须从各个方面考虑系统是否适合自身规模。例如，小型企业不适合选择集团型CRM系统，这样盲目选择会造成浪费。企业可以针对自身所处行业选择不同的CRM系统。稳定性是评价系统质量的基本指标。随着企业的不断发展，业务量的不断增多，其数据信息系统（如办公自动化系统、电子商务系统等）也在不断扩充增强，如果CRM系统的扩展性差或不具备扩展性，那么在使用过程中，这些系统可能会彼此孤立，从而导致企业各部门之间的信息沟通和交流受到影响。企业在选择CRM系统时，应向使用过该系统或类似系统的用户了解使用情况，然后再结合自身需求进行考虑。值得注意的是，为了提高参考价值，应尽可能在同行中借鉴其使用效果。03大数据在客户关系管理系统中的应用

4.3大数据在客户关系管理系统中的应用具体来说，大数据在客户关系管理系统中的应用如图所示。4.3.1挖掘新客户新客户主要指对产品不了解的潜在消费者，或竞争对手的客户。挖掘新客户的能力是企业业务发展的主要指标。企业可以利用大数据技术获取客户使用产品的反馈信息，或使用数据挖掘工具建立“客户反馈”预测模型，然后利用该模型计算出客户对营销活动的反应。获得反馈信息后，可以判断出哪些客户对企业所提供的产品或服务感兴趣，从而精准地定位目标用户群体，获取真正的客户。4.3.2增强客户黏性客户黏性（见图）指的是客户对品牌或产品的忠诚、信任与良性体验等结合起来形成的依赖感和再消费期望值。依赖感越强，客户黏性越强；再消费期望值越高，客户黏性越强。企业需要利用大数据技术在与客户互动的海量数据中提取出有价值的信息并进行分析，在了解客户消费习惯和偏好的基础上，改善产品并为客户提供个性化服务，从而增强客户黏性。4.3.3客户分类在对客户进行分类时，可以根据客户的属性特征进行有效性识别和差异化区分，并将具有相似属性的客户划分为同一个类别。因为每一类客户的属性特征是类似的，但是不同类别之间却有很大不同，企业可以利用大数据技术对现有客户进行聚类分析。一般情况下，根据客户消费能力可以将客户大致分为4类，如图所示。消费能力低，他们在消费上花费的时间和金钱通常都很少，并且更加关注产品的价格，所以这类客户属于消费水平低的客户。更加注重品牌和口碑较好的产品，所以这类客户属于具有一定消费能力的客户。消费没有定性，通常是在能够满足自己需求或觉得合适的情况下就会购买，他们对产品的品牌和价格不会太在意。追求的是购买的便捷性，这类客户通常没有太多时间花费在选购产品或纠结价格上，但是这类客户的消费能力可能较高。4.3.4预测客户购买行为随着企业间竞争的加剧，企业越来越意识到预测客户购买行为的重要性。在大数据背景下，人们无须进行大量人工分析，通过大数据的预测功能就可以直接由数据本身得出结论。也就是说，企业可以从历史数据中找出规律，去预测用户未来的购买需求，让产品遇到最需要它的人。4.3.5客户流失分析客户是企业的重要资源，也是企业的无形资产，客户的流失就意味着企业资产的流失，因此，客户流失分析对企业来说至关重要。大数据技术可以帮助企业对客户流失情况进行分析。下面以电信行业为例，介绍客户流失分析的步骤，如图所示。案例在互联网金融迅速发展的背景下，差异化营销和个性化服务越来越成为银行长期维系客户的重要策略。传统银行CRM主要关注内部数据，关注如何把银行内部各个业务环节中零散的客户信息搜集、汇聚起来。而在大数据时代，伴随社交和移动化的盛行，外部数据越来越丰富，促使银行不仅要关注内部数据，更要想办法把外部数据整合利用起来。基于上述背景，恒丰银行开始建设基于大数据的客户关系管理系统，为“大力发展企业金融业务，聚焦重点行业核心客户”服务，达到自上而下实现客户定位与营销指引的目标。谢谢观看！

大数据营销第五章精准营销前言Qianyan在科技发展的推动下，社会的进步让人们越来越关注自我、强调个性，这导致人们的需求也越来越多元化、动态化。面对这样的情况，传统营销方式遇到了瓶颈，大数据营销应运而生。大数据营销最经典的应用就是精准营销，本章主要介绍精准营销的相关知识。

主目录0201精准营销概述利用大数据进行精准营销01精准营销概述

5.1.1精准营销简介精准营销是在充分了解客户信息的基础上，针对用户喜好，有针对性地进行营销。目前，越来越多的企业通过精准营销在激烈的市场竞争中取得了竞争优势。5.1.1精准营销简介精准营销借助数据挖掘、用户定位等现代信息技术，实现了营销信息的精准推送及线上/线下营销的连接，使营销更加有的放矢，有效地降低了营销成本。相对于传统营销，大数据背景下的精准营销具有的优势，如图所示。精准营销借助大数据、数据库和网络通信等技术，保障了与用户的长期有效沟通，所以营销效果可度量、可调控。精准营销使用先进技术手段保障企业与用户之间的直接沟通，也使企业和用户的互动成为可能，从而不断满足用户需求，提高用户黏性，实现企业长期稳定的发展。精准营销利用大数据、数据挖掘等现代信息技术，挖掘并分析用户数据，从而准确预测用户需求并进行用户定位，然后对其进行有针对性的信息推送，如此可大大提升用户的购买率。在互联网时代，用户的消费行为和购买方式极易在很短的时间内发生变化，在用户需求点最高时及时进行营销非常重要。5.1.1精准营销简介对个性化精准营销最简单的理解就是“量体裁衣”，即企业面向顾客，直接服务于顾客并按照顾客的特殊要求提供个性化产品。要做到个性化精准营销，除了刚开始基于用户画像的针对性营销，还需要之后基于用户反馈的二次调整，也就是企业收集用户对产品的反馈信息，发掘用户的真实需求，实时调整针对用户的营销内容，从而使营销更加精准，如右图所示。5.1.2用户精准定位精准营销的前提是找到目标用户，并对其进行广告信息的精准投放。要对用户进行精准定位，须分析用户的基本信息、搜索或浏览行为、历史购买行为、心理特征等，如图所示。1．用户群体精准定位用户基本信息是指用户的性别、年龄、居住地等，可以根据这些信息建立分析模型，预测用户的购买行为，并为其推荐合适的产品。企业可以通过用户的搜索关键词或浏览行为预测用户需求，进而精准定位用户并进行营销。通过对用户的历史购买记录、购买产品的价格、购买频率等属性进行分析，可预测用户的习惯和喜好，进而定位用户的类型。用户心理特征指的是用户在购买产品时的心理活动。5.1.2用户精准定位可以分别从性别、年龄、身份的角度来分析用户的心理特征，如图所示。5.1.2用户精准定位通过对用户精准分析后就可以为用户打标签，进而得到用户画像，如图所示。企业可以通过用户画像有针对性地进行营销。5.1.2用户精准定位2．大客户精准定位大客户通常是指能为企业带来较大利润或对企业的发展较有价值的客户。根据著名的“二八定律”，在每个企业中，20%的客户将为企业贡献80%的利润，这20%的客户就是企业的大客户，企业应精准定位大客户。在大数据时代，企业可以通过数据分析非常方便地找到大客户。（1）使用大数据技术按照客户的价值对客户进行排序，从而找到价值最大的客户，最终发展成为企业的大客户。（2）对客户需求进行分析，往往有大需求的客户更有可能成为大客户。5.1.3广告投放形式企业精准定位目标消费群体后，就可以将广告投放给这些用户。常见的广告投放形式有横幅广告、背投广告、视频广告、悬浮广告和链接广告等，如图所示。横幅广告是自左向右贯通整个网页的广告，一般以GIF或JPG等格式存在.背投广告是打开网站页面时在当前页面的背后弹出的一个广告窗口视频广告在日常生活中比较常见，它通过“视频+音效”的方式进行传播悬浮广告是在屏幕的右下角弹出一个小的窗口广告链接广告看上去非常简单，就是一行普通的链接文字，单击链接可以看到广告的具体内容5.1.4把握营销时机企业要想实现精准营销，除了精准定位用户、选择合适的广告投放形式外，还需要准确把握营销时机。天时地利人和企业须在适当的时间给用户推送营销信息，如晚上、周末、节假日等时间段，因为在这些时间段用户上网较集中。不同地域的人群，对产品的需求是不同的。在用户最需要的时候为其推荐产品，成功率将非常高，如在用户购买新手机时为其推荐手机壳、耳机等产品。02利用大数据进行精准营销

5.2利用大数据进行精准营销通常情况下，利用大数据进行精准营销须按照图所示的流程进行。5.2.1确定营销目标企业在进行精准营销前，应确定希望通过精准营销解决什么问题，也就是确定营销目标。常见的企业营销目标有4个，如图所示。有些企业将获得新客户作为营销目标，但是如何让客户对企业及产品产生信任并最终购买产品，是企业面临的一个难题。对于第一次购买产品的客户，企业应该考虑如何让他们再次购买，从而使其成为企业的老客户。企业与客户建立商业关系后，需要用很多方法延长这种关系的持续时间，其中收益增长最快、最节约成本的方法就是针对现有客户扩大销售和交叉销售。有些企业将激活休眠客户作为营销目标。5.2.2收集数据确定了营销目标后，就需要收集数据。具体来说，企业要对客户的各种信息进行收集，并最终提炼出对企业有价值的数据。企业可通过直接渠道和间接渠道两种方式收集所需数据。1．直接渠道企业通过直接渠道获取客户数据的方式主要有以下几种。（1）与客户直接交流。5.2.2收集数据（2）在营销活动中收集客户数据。企业可通过一些营销活动获取客户的具体信息，如小程序抽奖、纪念日活动、注册会员卡、积分商城等。（3）企业可通过内部App或网站收集客户数据。（4）通过客户追踪回访收集客户信息。企业可定时对客户进行回访，调查客户对产品的满意度，也可以通过分析客户对产品的反馈明确客户的想法。5.2.2收集数据2．间接渠道（1）社交媒体。企业可以通过客户在社交媒体上发表的言论，了解客户的真实想法。（2）客户调查。企业可通过自己的网站、App或短信、电子邮件等方式引导客户填写调查问卷，以获取客户信息。除此之外，企业还可利用定位系统对客户定位，从而获取客户所在地信息，然后向其提供基于地域的服务和营销活动。5.2.3建模分析确定了营销目标并收集了可用数据后，就可以进行精准营销的第3步，也就是建模分析。预测性分析是最常用的分析方法之一，通过分析当前数据和历史数据，从而对未来做出预测。在不同的营销目标中，预测性分析都发挥了极其重要的作用。预测性分析可以根据历史顾客流失情况建模，分析客户休眠的原因，并预测隐藏的趋势和行为。（4）营销目标为激活休眠客户。通过建模并分析，能够预测出现有客户还可能购买的产品，帮助营销人员为客户发送最合适的营销信息，从而扩大销售。（3）营销目标为针对现有客户扩大销售和交叉销售。通过预测性分析，可以使营销活动更具目标性，从而大大降低营销成本。（1）营销目标为获得新客户。企业可以通过建立模型并分析，了解客户的消费行为、消费周期，以及对价格或产品的态度，从而为老客户制定最合适的营销策略。（2）营销目标为维系老客户。5.2.4制定营销战略以上3个步骤都完成后，就可以进行精准营销的最后一步，也就是制定营销战略。在这个阶段，企业会将收集到的数据进一步挖掘、分析，最终制定与营销目标相符合的营销战略，从而实现精准营销。数据可指导企业在制定具体营销战略时获得成功，但是如果营销活动没有达到预期的效果，也可以通过数据改进现有的营销战略。总的来说，营销战略的实施靠的是大量数据的有力支撑。案例作为一个源自德国的百年厨电品牌，库博仕在高端品牌众多的厨房电器行业中，面临着目标人群触媒习惯分散和库博仕品牌不能被快速识别的营销难题。为了在高端厨电行业获得更多市场，库博仕需要做到线上精准曝光和品牌形象在用户层面的认知升级。机遇和挑战并遇的库博仕，经过多重评估，最终选择了专注于“线上整合营销，为企业增长赋能”的服务商——曼朗。曼朗的专业服务，使库博仕快速实现了“搜索端引流能力提升120%”的营销效果，解锁了厨电行业品牌营销新打法。谢谢观看！

大数据营销第六章商品关联营销前言Qianyan日常生活中，人们经常会同时购买多种商品，并且这些商品之间往往存在一定关联。为此，商家通常将关联性强的商品摆放在一起，一方面可以提高商品销售量，另一方面也方便顾客购买。在大数据时代，可使用Apriori算法对商品之间的关系进行科学分析并生成关联规则，为商家进行商品关联营销提供指导性建议。

主目录0201商品关联营销概述关联规则商品关联营销是企业获得更大利润的手段之一，也是企业重点关注的问题之一。01商品关联营销概述

6.1.1关联营销简介关联营销也称绑缚营销，是指在一个产品页上放置其他同类、同品牌或互补型可搭配的关联产品，是一种建立在双方互赢互利基础上的营销。1.在一家企业的自有网站或者其他平台上有另一家企业所售产品的描述、评价等信息2.同一家企业对多个产品的引导销售，即一款产品销售页面上除了该产品的信息之外，还有同类型或者与该产品有关联的产品信息6.1.2关联营销中商品的关联方式关联营销中，商品的关联方式主要有3种，如图所示。互补关联强调搭配的商品和主推商品之间有直接的关联性，如商家主推商品为粉底液，则可以搭配卸妆水、洗面奶等同场景产品。替代关联是指所关联的商品能够替代主推商品。例如，下雨天可以使用雨衣代替雨伞。潜在关联重点强调潜在互补关系6.1.3商品关联问题分析关联分析是数据挖掘中基础且重要的技术，用于挖掘隐藏在数据间的相互关系，其应用场景有很多，最典型的就是购物篮分析。购物篮分析是通过挖掘购物篮中不同商品之间的联系，分析顾客的购买行为，并了解顾客同时购买哪些商品的概率更大，以帮助零售企业制定合理的营销策略，从而提升转化率，提高客单价，提高店内商品曝光率。一种是简单的关联分析，即顾客在一次购买行为中放入购物篮中的不同商品之间的关联关系另一种是序列模式，即顾客在购买某种商品后，下一次购买的商品与这次购买商品之间存在关联关系，如购买了自行车的顾客可能过段时间会购买后车座。02关联规则

对关联关系进行分析得出的结果就是关联规则。关联规则的研究有助于发现数据集中不同商品（项目）之间的联系，找出顾客购买行为模式，如购买某一商品对购买其他商品的影响。6.2.1关联规则的基本概念为了更好地了解关联规则，下面介绍关联规则的一些基本概念。1.事务事务是关联分析的分析对象，可以理解为一种行为。2.项目项目是事务中涉及的对象，如面包、牛奶等。一个事务通常包含0个或多个项目，0个或多个项目的集合称为项目集，简称“项集”。6.2.1关联规则的基本概念关联规则是两个项集之间的蕴涵表达式，其表达形式如下：也就是说，如果有两个不相交的项集X和Y，可以有以下关联规则：其中，前项X可以只有一个项目，也可以是包含多个项目的项集；后项Y一般包含一个项目，表示某种结论或事实；Ss%表示规则的支持度为s%；Cc%表示规则的置信度为c%。例如，有如下规则：3．关联规则的表达形式这条规则的前项和后项均包含一个项目，分别为啤酒和尿布，该规则的含义是，购买了啤酒的顾客，有60%的概率同时购买尿布，且可信度为85%。6.2.1关联规则的基本概念4．支持度支持度（Support）表示同时出现项集A和项集B的事务在所有事务中所占的比例，其计算方法如公式所示。6.2.1关联规则的基本概念5．置信度置信度（Confidence）表示同时出现项集A和项集B的事务在所有出现项集A的事务中所占的比例，其计算方法如公式所示。置信度揭示了项集A出现的条件下，项集B出现的概率，即这条规则有多大程度上是可信的，如果置信度为100%，则项集A和项集B（商品）可以关联销售；如果置信度太低，则说明项集B的出现与否与项集A关系不大。6.2.1关联规则的基本概念了解了什么是支持度和置信度后，就可以通过设定支持度阈值和置信度阈值找出具有较高支持度和置信度的强关联规则，如图所示。6．频繁项集和候选项集若项集的支持度大于等于预先设定的最小阈值，则称此项集为频繁项集。包含k个项目的频繁项集称为频繁k-项集，记作。候选项集是有可能成为频繁项集的项目集合，一般将候选项集中满足频繁项集条件的项集保留，不满足条件的则舍弃。6.2.2关联规则分析关联规则分析须经过准备数据集、生成频繁项集和生成强关联规则3步，如图所示。1．准备数据集建立事务数据集对象，如表所示。TID项集11、2、522、331、2、4、541、3、56.2.2关联规则分析2．生成频繁项集关联规则算法Apriori是最常用也是最经典的挖掘频繁项集的算法，其核心思想是通过连接产生候选项集并计算支持度，然后通过剪枝生成频繁项集。Apriori算法遵循以下两个核心原则。（1）如果一个项集是频繁项集，则它的所有子集都是频繁项集。（2）如果一个项集不是频繁项集，则它的所有父集（超集）都不是频繁项集。在图中，如果是频繁项集，那么它的所有子集也是频繁项集。如果不是频繁项集，则它的所有父集（超集）也不是频繁项集。6.2.2关联规则分析Apriori算法采用迭代的方法。首先，扫描候选1-项集并计算对应的支持度，剪枝去掉小于支持度的候选1-项集，得到频繁1-项集。然后对频繁1-项集进行连接，得到候选2-项集，剪枝去掉小于支持度的候选2-项集，得到频繁2-项集，以此类推进行迭代，直到无法找到频繁（k+1）-项集为止，对应的频繁k-项集的集合即为算法的输出结果。为便于理解，下面以表6-2为例，演示使用Apriori算法生成频繁项集的过程。步骤1：生成候选1-项集C1，并计算5个数据的支持度，如图所示。6.2.2关联规则分析步骤2：剪枝得到频繁1-项集L1，如图所示。6.2.2关联规则分析步骤3：L1自身连接，产生候选2-项集C2，并计算支持度，如左图所示。步骤4：剪枝得到频繁2-项集L2，如右图所示。6.2.2关联规则分析步骤5：L2和L1进行连接，产生候选3-项集C3，并计算支持度，如图所示。步骤6：最终得到频繁3-项集为{1，2，5}，如图所示。6.2.2关联规则分析3．生成强关联规则使用Apriori算法生成频繁项集后，就可以判断关联规则是否满足设定的置信度阈值，如果满足，就可以生成强关联规则。对于上述实例来讲，频繁项集包含3项，所以有以下3条关联规则，下面分别计算这3条关联规则的置信度。由以上计算结果可知，（2）的置信度66.7%<75%（设定的置信度阈值），（1）和（3）的置信度100%>75%（设定的置信度阈值）。6.2.2关联规则分析所以，对于上述实例生成的频繁3-项集，可生成如下强关联规则：综上所示，顾客购买商品1和商品2的同时，再购买商品5的概率是50%，且该规则100%可靠；顾客购买商品2和商品5的同时，再购买商品1的概率是50%，且该规则也是100%可靠。基于该分析结果，可以将商品1、2和5摆放得近一点，这样不仅可以增加销量，还能给顾客带很好的购物体验。6.2.2关联规则分析6.2.3关联规则的实用性评价使用Apriori算法生成的强关联规则并不都具有实际意义或指导意义，须使用另外一个指标，即提升度（Lift）判断其实用性。提升度表示“项集A发生的条件下，项集B发生的概率”与“项集B总体发生的概率”的比值，也就是规则置信度与后项支持度的比值，其计算方法如公式所示。提升度反映了项集A的出现对项集B的影响程度，也就是关联规则中项集A与项集B的相关性，具体情况如下。（1）若提升度>1且越高，表明正相关性越高，即项集A的出现对项集B的出现有促进作用，这样的关联规则有实用价值。（2）若提升度<1且越低，表明负相关性越高，即项集A的出现与项集B的出现具有相互排斥的作用。（3）若提升度=1，表明没有相关性，即项集A的出现对项集B是否出现没有影响。6.2.2关联规则分析为便于理解，下面通过一个实例从两方面介绍如何通过提升度判断强关联规则的实用性。假设有这样的交易记录，如表所示。TID项集1牛奶、酸奶、苹果、可乐2牛奶、酸奶、苹果3牛奶、鱼4牛奶、啤酒5啤酒、酸奶6啤酒、鱼6.2.2关联规则分析根据支持度和置信度的计算方法，得出规则“牛奶→酸奶”的支持度和置信度分别是33%和50%，在最小支持度和置信度均为30%时，该规则为强关联规则。接着计算提升度，即规则的置信度与酸奶的支持度之比，结果为1。这是因为前项（牛奶）和后项（酸奶）的支持度都很高，所以它们之间的关联可能只是巧合，即购买牛奶和购买酸奶这两个行为之间并不存在关联。因此，这样的关联规则不具有实际意义。另外一种情况是，对于关联规则“酸奶→啤酒”来讲，在无任何条件下购买啤酒的支持度为50%，而购买酸奶时购买啤酒的概率（置信度）为33%，也就是说设置了购买酸奶这个条件，购买啤酒的概率反而降低了，这就意味着购买酸奶和购买啤酒是相互排斥的。也就是说，尽管该规则为强关联规则，但是可能没有指导意义，甚至具有误导性。这个结果可通过提升度得到验证，因为该规则的提升度为66%。综上所述，强关联规则并不一定都具有实用性。不具有实用性的强关联规则是不可取的。案例对廊坊师范学院的60位在校女大学生在廊坊市沃尔玛超市的购物信息进行搜集和整理，并用数据挖掘软件Clementine，结合Apriori算法对购物篮商品关联性进行分析。鉴于篇幅有限，此处仅选择牛奶、方便面、坚果、水果、火腿肠、果汁、果酱、面包及薯片这九大类商品的购买情况进行分析。谢谢观看！

大数据营销第七章跨界营销前言Qianyan如今品牌竞争越