大数据营销 课件 第一章 大数据基础

第一章大数据营销基础1课程内容2王峰@湖南大学学习目标 认识大数据的特征 掌握大数据营销的概念和基本知识技能 理解大数据驱动的营销决策范式3本章思维导图4开篇案例1号店的大数据营销建立营销系统，实现全自动化构建数据仓库，挖掘每个用户潜力立足产品特点，打造产品推荐抓住用户个性，提高用户体验利用网络技术，实现自动调价实现订单聚类，优化拣货环节注重数据安全，保护用户隐私5提问：与传统营销决策相比，1号店的大数据驱动营销决策，有什么样的特征？6第一节

大数据的内涵数据定义的三个要点：数据是可以被用来推理、讨论或计算的事实信息数据是可以被传输或处理的数字形式的信息数据是由传感器等设备输出的信息，包含有用的和冗余的信息，必须经过处理才有价值数据被划分为定量数据和定性数据

定性数据是指通过问卷调查、访谈或观测方式收集到的非数值型数据，这些数据往往可以观察但不能测量。

定量数据是指可以被计算或测量的数据，这些数据是可以量化的信息。数据只有被处理和分析后，才能成为帮助企业或个体进行决策的有用信息。7一、什么是数据？企业界对于大数据的定义：IBM公司认为大数据具有容量大、速度快和多样性的特点。TIBCO软件公司指出大数据是数量巨大且不断增长的数据，包括结构化、半结构化和非结构化数据，且这些数据很难使用传统方法分析。SAS公司认为大数据是采用传统方法已不太可能处理的庞大、快速和复杂的数据。8二、大数据的含义学术界对于大数据的定义：一部分学者对大数据的定义侧重于获取其特征。例如，DeMauro等人(2015)提出大数据是海量、速度快和多样性的信息资产，需要特定的分析方法和技术才能将数据转化为价值。另一部分学者对大数据的定义则侧重于背后的技术需求。例如，Wang等人(2015)提出大数据是由多渠道来源生成的庞大、复杂，纵向和分布式的数据集。9综上所述：

大数据是指从各种渠道来源产生的不同类型的数据是具有容量大、速度快和多样性特征的信息资产需要特定的分析方法和信息处理技术对其进行价值转化，从而帮助企业增强洞察力和辅助企业决策。二、大数据的含义量大（Volume）

大数据时代的到来，使得企业需要存储和分析的数据量越来越大。Statista统计数据库预测到2025年，全球每年产生的数据量将增加10倍，达到163泽字节（zettabytes）。高速（Velocity）

高速是指新数据生成和移动的速度越来越快，因此关系数据库处理、存储和分析数据的速度也就越来越快。全球每秒钟就会产生约290万封电子邮件、“淘宝”上每天产生约630万订单。多样性（Variety）

数据的多样性是指数据类型的多样性，包括结构化、半结构化和非结构化数据。10三、大数据的特征准确性（Veracity）

大数据的准确性是指企业对所收集数据的信任程度，这不仅包括数据本身的质量，还包括数据来源和数据处理的准确性。低价值密度（Value）

海量的数据，使得大数据的价值密度较低。大数据的潜在价值是巨大，但企业若没有挖掘数据价值的能力，大数据将变得毫无用处。11三、大数据的特征12第二节

大数据技术与工具大数据存储技术：是指用于收集和管理大型数据集的技术，旨在帮助研究人员选择更适合他们需要的存储机制。大数据挖掘技术：是指对海量数据集进行挖掘或提取的技术，其目的在于从海量数据集中提取有价值的信息。大数据分析技术：是指对不同来源和不同类型的大数据集进行分析的技术，通过分析可以挖掘出市场趋势和客户偏好等信息，以此来帮助企业做出明智的决策。大数据可视化技术：是以图表、地图、散点图和回归线等形式呈现大数据集内部关系的可视化技术，以帮助决策者更直观地理解市场趋势和商业模式等。13一、大数据技术14二、大数据技术架构数据源：是大数据技术架构的起点。

数据源往往来自于多个渠道，数据源往往来自于多个渠道，包括移动应用程序、社交媒体平台、物联网设备、传感器、企业服务器和关系数据库等。数据存储：是大数据的接收端。

它将从多个数据源接收（获取）的不同格式的数据储存起来。实时信息摄取：是对大数据进行实时捕获和存储。

交易和运营等实时数据，需要企业在技术架构中构建捕获和储存实时数据的机制。该机制是将源源不断的新数据放到文件夹中进行储存，相当于一个信息的缓存区，也支持一定规模的数据处理。批处理：是指批量处理大数据。

由于数据量十分庞大，大数据技术架构的批处理系统可以等待数据堆积到一定数量后，然后再输入分析系统。15二、大数据技术架构流处理：是指对大数据进行实时处理。

大数据的流处理系统会对实时获取的数据进行立即处理，通常在较短时间完成。

与批处理相比，流处理具有低延迟性。分析数据存储：是指将分析后的数据集中放到一个地方，然后以结构化格式提供分析后的数据。

企业可以采用对分析数据进行查询，其中支持冷路径（批处理层）和热路径（速度层）数据查询的分析型数据存储被统称为服务层。分析和报告：是指在对数据进行处理后，需要对数据进行分析以生成报告。

可视化工具可以帮助企业生成带有图表的分析报告，有助于企业更好更快的制定决策。编排：是指数据获取、数据存储和数据处理等操作往往是重复的。

因此需要将这些操作封装在工作流中。通过将工作流自动化，可以帮助企业持续不断地从大数据中获取洞察力。16二、大数据技术架构17三、大数据技术的信息科学基础大数据技术的发展依赖于四个关键领域：互联网：作为大数据的主要来源，互联网使企业能够处理和分析数据，以挖掘顾客行为、情绪等有价值信息，生成用户画像后进行个性化推荐。物联网：物联网是指通过红外传感器、全球定位系统和激光扫描器等技术将物理对象连接到互联网，并交换数据。物联网使企业能够实时分析机器生成的数据，支持即时决策。人工智能：人工智能是指运用计算机系统来模拟人类思维过程的智能行为，在没有人工干预的情况下使用算法学习，帮助人们完成特定任务。云计算：云计算的实质是基于互联网技术向用户提供资源，其中“云”是储存资源的共享池，而计算是指允许计算机运行、构建、部署并与信息交互的基础设施和系统。18第三节

大数据的价值与应用大数据有助于提高顾客体验：企业可以从多个渠道获取与顾客相关的大数据，包括交易数据、社交数据、评论数据、浏览数据、地理位置数据和人口统计信息数据等。大数据有助于企业优化决策：企业利用大数据分析实现三方面目标：一是实时响应市场变化，做出快速决策；二是监控竞争对手，评估市场反响，以制定动态定价和促销策略；三是预测客户需求，指导产品创新方向。大数据有助于提高企业的成本收益：一方面，大数据降低了企业的成本。例如，通过对大数据的分析提高物流配送效率，降低了企业的物流成本。另一方面，大数据提高了企业的收益。例如，大数据帮助企业优化定价策略，增加企业业务收入。大数据帮助企业进行风险管理：企业可以利用大数据对顾客信用、顾客流失、供应商等进行风险评估，进而识别和预测损害企业业务的潜在风险。例如：金融机构可以通过大数据识别“洗钱”等非法交易活动和“空壳公司”，以降低风险。19一、大数据的商业价值医疗领域：一方面，大数据可以被用于控制流行疾病的爆发。例如，通过大数据可以在疫情期间实现对人员流动的检查，并迅速溯源找到密切接触患者，进而控制疫情的爆发。另一方面，大数据可被用于监测患者病情。例如，电子病历和“可穿戴设备”的使用，在监测患者病情方面起着不可忽视的作用。20二、大数据的应用领域金融领域：通过对大数据的分析有助于识别欺诈活动、评估信贷风险和降低投资风险等。以银行业为例，银行基于大数据创建“反欺诈门户中心”，既能避免银行遭遇交易欺诈和信贷申请欺诈，同时还能识别“洗钱”、虚假交易和套现等行为。21二、大数据的应用领域教育领域：教育领域充斥着大量与学生成绩和教学评价等相关的数据，大数据正在改变学校的运行方式。例：学校可以利用大数据分析对学生的学习情况进行评估，通过给学生制定个性化学习计划进行因材施教，以改善学生成绩。22二、大数据的应用领域交通运输领域：一方面，大数据可以优化路线规划。例如：优步公司将顾客数据集中在Hadoop数据池中，通过算法分析为顾客规划最优路线，以减少顾客的等车时间和到达时间，进而提升顾客的使用体验。另一方面，大数据可以预测交通事故高发区。通过大数据预测分析还可以识别事故高发区，从而减少事故发生，提高交通安全水平。

23二、大数据的应用领域企业应先明确业务目标：企业在进行数据收集之前需要明确业务目标，以锁定企业数据需求。如果业务目标不明确，企业则会收集许多与业务无关甚至错误的数据。即使企业收集到正确数据，目标不明确也会使数据变的毫无价值。企业应消除数据孤岛：数据孤岛是指企业内部的各个职能部门都拥有自己的数据，但与其他部门的数据隔离开来，这将导致各个部门之间的数据缺乏关联，并且部门之间的数据库无法兼容。一个企业若没有良好的大数据管理策略，则很容易产生数据孤岛。数据孤岛的产生会降低组织内部的透明度和信任，也不利于企业对数据进行整体分析。企业应保证数据安全：当收集到的顾客数据被破坏时，企业失去数据的同时也会失去顾客的信任。企业面临着人为因素和自然因素对数据安全的威胁，为了避免数据丢失，企业应确保数据资源的安全性。关于人为因素的威胁，企业可以通过恶意软件扫描、垃圾邮件过滤和防火墙等措施进行数据保护。高温、潮湿和寒冷等极端自然因素也会对数据资源造成破坏，企业应保障数据库免受恶劣环境的影响。24三、大数据资源管理25第四节

大数据营销概况杨扬等人(2020)提出大数据营销是指企业利用大数据技术和方法对不同来源和不同类型的营销大数据进行分析，从而洞察大数据背后的价值。Goyzueta和Samuel(2015)提出大数据营销属于整合营销的范畴，它作为公司的内部流程，旨在从大数据中寻求价值和信息以更好的理解顾客偏好和需求。Lisa(2013)提出大数据营销又被称为数据驱动营销，它是企业通过收集和分析数据来获得洞察力的过程，旨在提高顾客参与度，改善营销结果，并衡量内部责任。26一、什么是大数据营销大数据营销被定义为：企业基于多个平台的大数据，并利用大数据技术和方法挖掘数据背后的价值和信息，来帮助企业进行营销决策，进而达到更好的满足顾客需求、加强顾客参与和提高企业绩效的目的。数据多样化：包括数据来源多样化和类型多样化。一方面，数据来源多样化是指企业采集大数据的渠道众多。另一方面，企业获取数据类型多样化，可以获得结构化、半结构化和非结构化等复杂形式的数据。个性化：企业在获取海量大数据后，通过大数据分析可以将顾客群体进行更具体地细分，从而实施个性化内容推荐和个性化产品推荐等营销策略。时效性：在移动互联网时代，顾客偏好和需求会迅速发生变化，产生实时数据。企业需要这些实时数据来快速洞察并响应顾客变化，从而做出及时的决策。大数据为营销活动提供支持，使企业能够实现快速、高效且可追踪的营销，最终提高整体收益。成本收益高：基于大数据，企业能识别潜在顾客和发现流失顾客，通过采取针对性措施获取新顾客和挽留老顾客，进而提高产品转化率和企业收益率。此外，企业还可以基于大数据展开精准化营销，通过向目标顾客投放合适的内容，提高顾客参与度，从而降低营销成本。27二、大数据营销的特点构建用户画像：企业可以通过收集用户交易数据、社交数据和人口统计信息数据等，给用户打标签。用户标签类型主要包括统计类标签、规则类标签和机器学习挖掘类标签。统计类标签是构成用户画像的基础，如性别、年龄和用户注册时长等都属于统计类标签。规则类标签是根据用户行为和确定的规则而产生，例如可将用户注册时长大于1年的用户标签化为老用户。机器学习挖掘类标签是指通过机器学习技术对用户进行标签化，如根据用户交易数据预测用户是高价值还是低价值用户。28三、大数据营销的应用场景29三、大数据营销的应用场景个性化推荐：企业根据顾客行为数据，挖掘顾客的需求和偏好，进而向顾客推荐他们可能感兴趣的内容和商品。个性化推荐系统是企业常用的智能平台，包括基于内容的推荐、基于物品的协同过滤推荐和基于用户的协同过滤推荐等。基于内容的推荐是指根据用户历史浏览内容进行推荐基于物品的协同过滤推荐是指给顾客推荐与他过去喜欢的相似物品基于用户的协同过滤是指给用户推荐与他相似用户所喜欢的物品病毒营销：是指基于社交媒体平台，通过用户将产品或服务的营销信息像“病毒”一样传播起来，旨在吸引顾客和增加品牌曝光度。企业可以利用大数据实现营销信息的有效传播，进而成功实施病毒营销。一些营销人员根据直觉或经验判断认为实现病毒营销的关键是识别“影响者”。利用大数据可以帮助企业更准确的识别“合适人”去传播“合适人的内容“，以避免营销成本的浪费，这也是成功实现病毒营销的关键。30三、大数据营销的应用场景品牌定位：是指一个企业的品牌与竞争对手的不同之处，是品牌在顾客心中的位置。品牌定位的关键是企业需要充分聆听顾客“声音”，通过大数据及时洞察顾客“声音”可以减少品牌定位偏差。大数据“声音”测量可以辅助品牌定位，通过大数据技术可以挖掘顾客对品牌的认知，实现品牌定位过程的可追踪化和可视化。31三、大数据营销的应用场景大数据营销发展的1.0阶段（1970-2000）：数据仓库的兴起是第一阶段发展的基础。数据仓库用于集中存储顾客业务和生产流程中产生的数据，其目标在于创建一个可供企业检索和分析的数据库。与以往仅凭直觉做出营销决策相比，数据仓库中的大量历史数据让企业能根据事实做出营销决策，并帮助企业获得对商业现象的客观且深刻的理解。大数据营销发展的2.0阶段（2000-2007）：这个时期的互联网主要是通过电脑端，而不是移动端连接互联网和用户。用户只能简单地通过网页浏览器进行信息搜索和内容浏览，即用户只能被动接收互联网内容。企业可以通过电子邮件向潜在或现有顾客发送有价值的信息，进而加强与顾客之间的联系。大数据营销发展的3.0阶段（2007-2018）：2007年苹果公司发布了第一代iPhone手机，这标志着移动互联网时代的到来。移动设备的使用为企业提供了丰富的用户数据来源，可以记录用户的点击和搜索数据，能够帮助企业全方位洞察用户。大数据营销发展的4.0阶段（2018-至今）：“人工智能”、“云计算”和“物联网”的发展，推动大数据营销进入更高速的发展阶段。传统的数据分析方法已无法处理海量的数据，人工智能和机器学习等新兴技术应运而生，避免了过度的人工操作，使企业可以在较快时间内完成数据处理。32四、大数据营销的发展历程33第五节

大数据与营销决策营销决策是指营销人员为实现产品或服务的营销目标和战略而做出的决策，是企业成功实现营销活动的关键环节。营销经理计划为不同产品或服务做出营销决策时，需要基于4P营销理论来展开

4P是指产品(Product)、价格(Price)、促销(Promotion)和渠道(Place)。34一、营销决策的内涵4P营销理论的本质是四个与营销相关的重大决策：产品决策是指企业为设计出满足现有顾客对产品的需求而做出的决策。价格决策是为了帮助企业实现盈利，定价取决于产品成本和顾客对产品的感知价值。促销决策是指企业为吸引潜在顾客和现有顾客的注意力，以增加销售量的决策。渠道决策是指企业将产品推向市场，针对销售渠道做出的决策，其目的是为了让更多的顾客接触到产品。大数据驱动营销决策是指企业通过对顾客、竞争对手以及企业本身产生的大数据进行分析，来获得有价值的信息和洞察力，进而帮助企业更快更准确地做出营销决策。若想成功利用大数据进行营销决策，则需要注意以下两点：企业需要确定获取哪些数据。若营销目标不清晰，则会导致收集错误数据，产生错误决策。例如，如果企业想实施动态定价决策，则需要实时收集竞争对手的价格数据以及市场需求数据等；企业需要制定数据质量政策。高质量的数据有助于企业做出更准确的决策，如果收集数据是不完整、不准确和不连贯的，企业同样可能会做出偏离顾客最佳体验、喜好和选择的决策。因此，为了降低决策失误的风险，企业需要制定数据质量政策来确保数据的兼容性、完整性和准确性。35二、大数据驱动营销决策的含义使营销决策更加精准：大数据为企业洞察顾客提供了机会，可以帮助企业做出更加精准的营销决策，包括精准识别顾客，精准广告投放和精准营销服务等。使营销决策更具有效率：营销自动化工具可以简化营销过程中的冗余环节。好的自动化工具可以快速帮助企业识别目标受众，并根据时间表自动向顾客发送正确的内容。成功的企业运用大数据营销自动化去推动营销决策。大数据驱动的营销决策更具有透明度和问责制：基于大数据做出的营销决策会使流程变得更加透明，每个流程中的员工会密切关注自己的数据，每个员工各司其职。当企业出现营销决策失误时，可以及时进行溯源，进而发现决策失误背后的原因。提高了营销决策的成本收益率：从成本来看，大数据驱动的营销决策可以便捷地从多个渠道获取大量数据，并利用大数据技术快速的帮助企业做出决策，在一定程度上节约了时间成本和人力成本。从收益来看，企业可以从大数据中洞察顾客偏好，通过向其实施个性化产品推荐策略，提高顾客的转化率，进而提高企业收益。使营销决策更具有前瞻性：大数据可以使企业根据已知来预测未知，包括预测顾客行为、预测产品价格和预测销售额。36三、大数据对传统营销决策的改变顾客满意度指数模型：该模型是衡量顾客对自己所购买产品或服务的整体评价，是衡量顾客满意度水平的综合评价指数。其中顾客满意度是指企业所提供的产品、服务以及体验达到顾客期望的程度，是顾客的一种心理状态。STP决策模型：该模型主要包括市场细分、目标顾客和产品定位这三个部分，其目的是帮助企业选择最有价值的细分市场，然后再为每个细分市场定制差异化策略。大数据让市场细分更加精准化，更有利于实施定制化策略，提高企业的营销收益。新产品设计模型：该模型是指企业根据顾客对产品或服务的购买意向和偏好排序等信息，对产品属性重要性进行估计，从而开发出符合顾客需求的新产品。企业可以利用顾客在品牌社区上的产品反馈数据和电商平台的产品评论数据，设计出更加符合顾客需求的新产品。此外，利用大数据支持新产品设计，还可以给让企业缩短新产品的上市时间，提高顾客的产品采用率和降低成本等。37四、大数据对经典营销决策模型的革新定价决策模型：该模型是指企业从产品或服务的成本以及其供需状况出发，为产品或服务制定出最合适的价格。制定合适的价格对企业来说尤为重要，如果企业的定价太高，则会将顾客推向竞争对手的怀抱。如果企业定价太低，则会降低企业的利润。大数据技术会帮助企业监测竞争对手价格和充分了解市场价格，从而依据市场变化做出动态定价决策，以提高企业收益。物流决策模型：该模型是指企业旨在以最小成本将货物运送到指定地点，这需要针对货物的库存、运输、仓储以及选址等方面进行综合考虑，做出相应决策。大数据可以优化货物配送路线，提高货物的运输效率。此外，大数据还能对货物需求进行预测，进而减少货物囤积，减少库存成本。最优促销组合模型：该模型是指企业在整体层面如何确定最佳促销组合和在微观层面如何对某种具体的促销工具进行选择的决策。企业通过大数据对顾客进行智能细分，从而实施定制化广告促销策略，来提高顾客转化率。38四、大数据对经典营销决策模型的革新获取高质量数据的挑战：高质量的数据具有完整性、准确性、及时性和相关性的特点，质量差的数据会让企业做出偏离正确轨道的营销决策，缺失的数据可能会让企业根据猜测做出决定，不即时的数据会让企业的营销决策滞后，很难在顾