大数据营销（中篇共上中下3篇）

大数据营销北京出版社项目三大数据时代的消费者洞察大数据时代消费者洞察的认知大数据时代消费者行为洞察大数据时代消费者洞察下的客户管理目录/CONTENTS01大数据时代消费者洞察的认知一、基于大数据的消费者洞察的优势01030204（四）真实可信：客观VS主观传统的消费者洞察更多是主观的介入，然而人是非常复杂的动物，人会思考，且富有情感。大数据则不然，大数据是对消费者各个方面特征的客观捕捉。（二）优化效果：动态VS静态传统的市场调研方法是静态的，这种静态特质不仅体现为时间上的静态，更体现为调研内容上的静态。大数据能打破时间和空间的限制，使对消费者的分析实时动态更新，真正做到随时随地了解他们当下的需求。（一）提高效率：大数据VS小数据与传统的消费者洞察方法相比，大数据时代的消费者洞察是基于消费者自身在互联网中产生的庞大真实数据。这种方式能节省大量调查的人力和费用，缩短信息反馈周期，大大提高洞察的准确性。（三）深入洞察：全面VS片面基于大数据的消费者洞察的基本特性之一就是数据获取的全面性。有全面的数据才能有全面的分析，所了解的情况才能与消费者的实际情况更加接近。二、基于大数据的消费者洞察的用户分析方法23145（五）跨屏数据打破界限依靠“PC+移动”的数据才是大数据时代进行消费者洞察最理想的方法，这种方法囊括了PC端和移动端的数据，既有消费者的基本属性（如性别、年龄等），又有消费者全网浏览、搜索及购物行为的数据。（四）电商数据体现消费正因为电商的用户如此之多，所以电商数据也成为大数据分析不可忽视的一部分。（二）搜索数据揭示兴趣搜索引擎就像是企业和消费者之间的一个信息接口，为企业信息提供了一块展板，也满足了消费者的信息获取需求。（三）社交数据发现身份企业可以充分利用社交媒体来收集客户数据，从中发掘客户的年龄、性别、喜好等信息，根据分析结果来开展精准营销活动。（一）Cookie数据追踪行为Cookie是服务器暂存在用户电脑上的一笔资料，以便识别用户，它存储在用户的本地电脑上，而且经过了加密处理。三、基于大数据的消费者洞察流程（一）收集整理消费者数据从大数据中提取有价值的数据，剔除冗杂无关的数据，建立消费者数据库。数据收集后，要确定相应的筛选标准、筛选范围、筛选具体对象等，据此对有效信息和无效信息进行鉴别。确定消费者数据中哪些对企业而言是有用的、哪些是没用的。一般来说，消费者数据的筛选需要经过初步筛选、入围筛选和精选三个阶段。（四）获得反馈，改进营销策略在营销活动的执行过程中，通常会根据反馈信息进一步完善消费者洞察及营销方案。因此，获得用户反馈是改进营销策略的重要途径之一。（二）利用标签绘制消费者画像在建立消费者数据库的基础上，利用数据挖掘技术依据消费者各自的特征对消费者进行归类，贴上相应的标签，然后基于这些标签采用不同的、定制化的活动，进行定向的精准营销。（三）针对消费者特征制定营销策略找到目标消费者并制定个性化的营销策略。在最合适的时间和地点，用最合适的方式为其提供差异化的产品和服务。最后通过对营销活动的评价和反馈，进一步了解消费者需求。还是以轻奢女包品牌为例。02大数据时代消费者行为洞察（一）购买前1.自主性在社会分工日益精细化和专业化的趋势下，即使是在购买生活必需品时，大多数消费者也缺乏足够的专业知识来识别和评价产品。但是，他们获取商品相关信息和知识的心理并没有消失，反而越来越强。2.交互性数字消费者可以直接参与生产和分销，并直接与制造商沟通。消费者与制造商、企业的交互意识加强。3.价值性首先，消费升级使得“冲动”的消费者转向了“理智”的消费者，质量和价值是他们考虑的主要因素,其次，理智的买家希望了解产品的一切。一、数字消费者购买行为特征（二）购买过程中1.个性化随着经济的发展和收入水平的提高，消费者对商品和服务的需求会越来越多。从产品设计到产品包装，从产品使用到产品售后服务，不同的消费者有着不同的要求。2.差异性根据马斯洛的需求层次理论，当人们的低层次需求得到满足时，往往会产生更高层次的需求，如自我实现等需求，这些需求在消费过程中发挥着越来越重要的作用。3.实时性网络时代的消费者随时随地随性购物，称为“场景触发式购物”。一、数字消费者购买行为特征4.理性化消费者行为偏理性化。在电子商务环境下，消费者面对的是各种电子商务平台。为了避免嘈杂的环境和各种影响与诱惑，消费者可以根据自己的需求主动寻找适合自己的产品或服务，不再被动地接受商家的推荐。（三）购买后1.在线评论由于数字消费平台的互动性为消费者提供了一个良好的信息交互平台，消费者的反馈信息可以及时有效地传播。但由于信息的公开性，部分负面信息或失真信息也得到传播。如何区分信息的真实性是消费者做出理性决策的关键，也是企业引导信息反馈的重要因素。在线评论使客户能够讲述他们的购买故事，这为其他潜在客户提供了社会证明。社会证明是公众对服务或产品提供的可信度水平。2.基于大数据的复购分析复购分析可以帮助市场策略分析师和决策人员直观判断客户的购买意愿，以及商品搭配的合理性，因此对于精准营销具备非常高的参考价值。从商品品类的角度看，复购分析通常可以基于单品类和跨品类这两种场景来进行，前者主要观察客户在同一品类下的购买意愿，后者则注重不同品类商品搭配的合理性是否能够挖掘消费潜力。一、数字消费者购买行为特征二、数字消费者行为影响因素（一）经济因素当经济繁荣时，消费者的收入增加，可支配收入增多，消费水平相对会提高；当经济衰退时，随着收入的减少，人们会节约开支，消费水平自然也就相应降低。（二）社会文化因素消费者行为还会受到社会因素的影响，不同的社会群体、家庭等的消费行为具有相似的特点和规律。文化因素对消费者行为具有较深远的影响。（六）心理因素对数字消费者行为影响较大的心理因素包括动机、直觉、学习、认知和态度。（三）政策因素政策因素包括国家政策、法规等对网络消费行为产生的影响。（五）个人因素数字消费者行为还受到数字消费者个人因素的影响，包括消费者的年龄、收入、职业、受教育程度、个性等。（四）购物平台属性特征与线下实体商店购物相比，网络购物因为存在买卖双方之间的空间分离，从而使消费者对商品的感官体验和认知与实体店购物差别较大，因此，网店属性呈现信息的方式与效果成为消费者网购中重要的情境要素，对消费者的购买决策影响很大。三、大数据技术赋能数字消费者研究1.信息环境的变化各种数字媒体和社交媒体大规模取代了传统媒体，信息基础设施从分级网向无级网的转变，消费者与商家之间从信息不对称向信息透明转变。2.数字消费者社区成为消费者行为的主体社会网络和社交媒体促成了虚拟社区的广泛涌现，互动、共享、众筹和共同创造的力量已成为主导的社会驱动力。3.数字化口碑随着数字媒体的出现，“电子口碑”“网络口碑”或“数字化口碑”正成为营销管理的利器。4.数字化消费者决策模式与传统消费者决策模式形成了鲜明的对比消费者决策的路径和时间影响权重都有了很大变化，这极大地改变了传统的终端购买行为。（一）消费者行为模式的改变三、大数据技术赋能数字消费者研究由于大数据和智能终端技术的广泛应用，企业可以实现对消费者的智能记录、识别和分析，随时随地与消费者进行互动。因此，对于消费者行为研究的方法以及效果也迥然不同。数字消费者在网络消费过程之中，通常会进行浏览、搜索、加入购物车等方面的操作，从而产生了与消费者相关的大量的数据，对这些数据进行有效利用需要借助大数据相关技术和工具。（二）消费者行为洞察技术的变化（一）数字消费者购买决策过程1.需求唤醒（1）数字媒体激发。（2）智能推荐。（3）场景激发。（4）社交激发。6.收取商品与传统购物不同，数字化购物一般不支持消费者在付款后立即获得产品，这需要一段时间的物流或邮寄时间，才能将产品送达买方。3.比较评估为了使消费需求与自己的购买动机、购买能力、兴趣相匹配，比较评估是购买过程中必不可少的环节。2.收集信息数字消费者网络信息搜寻行为是数字消费者为完成某一购买需求所进行的网络信息检索、浏览和选择的行为。5.授权支付数字购买行为的另一个便利特征是，它改变了传统的面对面、以现金支付的购买交易模式，可以采用多种在线结算方式。现在大多采用更为安全的第三方电子支付。4.确认订单数字消费者在完成了对商品的比较评估之后，还要进入确认订单阶段，该阶段是做出购买决定的阶段。四、数字消费者购买决策7.评价分享（1）购后评价。（2）购后分享。（二）大数据技术对数字消费者购买决策过程的影响四、数字消费者购买决策2.数字消费者购买决策过程更加理性商对客电子商务模式电子商务平台的发展使得消费者更加关注对产品或服务的评价。消费者将使用收集的信息来比较和选择不同品牌的产品。3.数据疲惫与马太效应在大数据时代，大量的数据信息有助于客户决策的合理化。然而，大量的信息不仅给了数字消费者很大的选择余地，也增加了选择的难度。市场营销中的马太效应是指企业通过对以往消费者的高质量评价来吸引新的消费者的滚雪球效应。1.数字消费者购买冲动性增加通过机器学习处理消费者数据后，企业可以准确地总结消费者的购买偏好、时间和地点信息，以便在适当的场景中对消费者进行营销。大数据时代下的购物社交03大数据时代消费者洞察下的客户管理1.增强客户黏性飞速发展的信息技术使得信息透明度越来越高，企业若想要全方位地满足客户需求，提高客户黏性，关键的任务就是要了解客户的消费习惯及偏好，从而改善产品并向客户提供个性化服务。而客户的消费习惯及偏好信息就在企业与客户的日常互动中，企业若能从海量的互动数据中提取到有价值的信息并进行大数据分析，那么将对企业准确地认识客户大有裨益。2.挖掘潜在客户大数据分析不仅可以帮助企业分析现有客户，还能为新客户的开发提供支持。企业利用大数据技术把产品及其相关信息推送给客户，同时能从与客户的互动中获取客户的反馈数据。3.建立客户分类客户分类是基于客户的属性特征所进行的有效性识别与差异化区分。（一）大数据在客户关系管理中的作用一、大数据客户关系管理概述（二）基于大数据进行客户关系管理的流程一、大数据客户关系管理概述011.收集整理客户数据从大数据中提取有价值的数据，剔除无关的数据，建立客户数据库。022.细分客户企业要对不同客户群展开有效的管理并采取差异化的营销手段，就需要区分出不同的客户群。033.针对客户特征制定营销策略找到目标客户并制定个性化的营销策略，在最合适的时间和地点，用最合适的方式为其提供差异化的产品和服务。044.获得反馈改进营销策略在大数据时代，营销活动结束后，可以对营销活动执行过程中收集到的各种数据进行综合分析，从海量数据中挖掘出最有效的企业市场绩效度量。二、客户关系管理中数据的分类、收集及清洗（一）客户关系管理中的数据分类1.描述性数据描述性数据是客户的基本信息。2.促销性数据促销性数据是体现企业曾经为客户提供的产品和服务的历史数据。3.交易性数据交易性数据是反映客户对企业做出的回馈的数据。（二）客户关系管理中的数据收集企业在客户管理过程中需要收集客户数据，特别是那些需要针对客户开展个性化营销且预算充足的企业，更应该考虑通过自己建立客户数据库的方式收集客户数据。（三）客户关系管理中的数据清理首先，数据分析人员需要凭借经验对收集的客户数据质量进行评估。其次，通过相关字段的对比了解数据的真实性。最后，通过测试工具对已经确认格式和逻辑正确的数据进行测试。（四）客户流失风险分析客户流失风险是指企业管理不善或对客户关系认识不足，导致客户关系的背离或客户的流失而产生的风险。客户流失风险的一般分析方法可以分为经验判断法、模型预测法、KPI关键指标评价法和其他一些技术方法等。（二）客户群体的聚类划分客户分群是利用顾客特征属性，将顾客总体分成若干顾客群组，组内顾客特征相似，并且不同组的顾客之间的特征差异较为明显。（三）客户背景的概念描述与分析概念描述就是使用大数据对某类对象的内涵进行描述，并概括这类对象的有关特征。概念描述可分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述同类对象之间的区别。三、基于大数据的客户管理分析（一）预测客户购买行为的趋势分析大数据环境下，随着企业间的竞争加剧，企业越来越意识到客户购买行为预测的重要性。以下是六种用于预测客户购买行为的趋势分析方法。1.数据分析

2.市场调研3.行业分析

4.社交媒体分析5.个性化推荐

6.组合模型（一）客户生命周期的定义客户是企业重要的资源之一，具有价值与生命周期的特点。企业与客户由准备建立关系到成功建立关系，再到最后终止关系的过程，称为客户生命周期（也称为客户关系生命周期）。客户生命周期描述了客户关系从一种状态（一个阶段）向另一种状态（另一个阶段）发展的总体特征。客户生命周期所起的作用，是基于客户的消费和行为数据，指导企业发现高利润区域和维系潜在离网客户。四、客户生命周期管理（二）客户生命周期的五个阶段（1）获客期。客户刚购买了产品，处于一个了解产品的过程中，如果他是冲动消费，还存在退货的可能性。（2）成长期。客户慢慢开始熟悉产品，对品牌和产品有了初步信任，逐渐提升了满意度。（3）稳定期。经过一段时间的磨合，产品性能发挥得淋漓尽致，这时存在大量交叉销售和提升销售的机会，对企业来说是利润最高的阶段。（4）休眠期。当产品性能开始老化，市场上出现升级换代的产品，以及契约也开始进入最后的时间区段时，客户开始更换现有产品。（5）衰退期。产品寿命即将到期，客户开始采购替代品。客户生命周期曲线如图3

-

9所示，图中有两条曲线，分别代表交易额与利润，描绘了交易额与利润在客户生命周期各阶段的变化趋势。四、客户生命周期管理感谢聆听大数据营销北京出版社项目四大数据驱动的营销组合创新产品创新定价策略渠道创新促销创新目录/CONTENTS01产品创新国际著名经济学家库珀（Cooper）认为，产品创新，无论是开发新产品还是改进现有产品，对现代企业生存和发展均至关重要。数据赋能环境下，企业利用大数据技术快速进行产品迭代更新，是其竞争优势的来源。我国学者陈曦、郭星光认为，通过技术创新、企业开放式创新和企业敏捷三种路径，数据赋能驱动产品创新。第一种路径：数据赋能—技术创新—产品创新。第二种路径：数据赋能—企业开放式创新—产品创新。第三种路径：数据赋能—企业敏捷—产品创新。一、数据赋能驱动产品创新的路径“参与式设计”概念源于20世纪60年代的北欧国家，它是指在产品开发的过程中，所有利益相关方都被邀请与设计师、开发师、研究者合作，一起定义问题、定位产品、提出解决方案，并对方案做出评估。用户参与设计指的是产品的终端用户、潜在用户更深入地融入产品设计的过程。用户参与设计是高度考虑并尊重用户的一种体现，用户感受到自己是产品的创造者、设计者、改变者，研发人员则从更丰富的角度挖掘用户的意识和需求，扮演着协调者、配合者和观察者的角色，着力满足用户需求和期望。一般来说，用户参与设计的产品能更贴近消费者需求，满足消费者。二、用户参与设计产品定制最为业界熟知的当属戴尔电脑，通过直销网站实现用户定制方案，再组织生产。手机行业出现了青橙手机，用户可以选择手机配置、外壳颜色、预装应用等。目前，产品定制的实现方式有三种。三、大数据下的产品定制第一种，通过成熟的模块组合快速形成个性化，即模块化定制。产品模块化可以满足一个群体的需求，基于此实现一定的规模化。戴尔电脑、青橙手机属于此类。第二种，让用户参与到产品设计中，即群体调研定制。产品经理会注重了解用户需求再进行设计。第三种，先收集需求再生产的预售模式。预售模式可以提前获得部分或全部货款，可以最大化地降低库存，提高产销比。但实质上，预售模式收集的不是用户个性化需求，而是用户有没有这样的需求。010203用好数据，做好外贸02定价策略1.最主要因素分析影响定价的因素首先要从营销战略层面开始，应考虑3个重要因素：公司本身、顾客和竞争者，这就是3C战略三角模型。从3C战略三角模型的逻辑来看，只有将公司、顾客与竞争者整合在同一个战略内，可持续的竞争优势才有存在的可能。2.其他市场因素成本、需求和竞争3个因素基本决定了企业采用的定价方法，但最终价格的确定还要考虑到定价策略问题，而定价策略则主要受制于以下4个因素。（1）政府干预。

（2）消费者心理和习惯。（3）企业或产品的形象。

（4）技术创新与发展。（一）影响定价的因素一、大数据定价的理论基础（二）企业定价的一般方法一、大数据定价的理论基础3.竞争导向定价法竞争导向定价法是根据同类产品或服务的市场竞争状态为主要定价依据的定价方法，分为通行价格定价法和竞争价格定价法两种。在现代市场经济条件下，竞争导向定价法已经被广泛应用。2.需求导向定价法需求导向定价法是基于需求的定价方法，即以产品的社会需求状态为主要定价依据，综合考虑成本和竞争因素来确定价格的定价方法。需求导向定价法分为习惯定价法、可销价格倒推法和认知价值定价法。1.成本导向定价法成本导向定价法是基于成本的定价，主要依据产品的总成本。不同企业和不同产品的成本形态不同，核算利润的方法也各不相同，产品的成本导向定价法分为成本加成定价法和目标利润定价法两种。（三）定价的基本策略一、大数据定价的理论基础1.大数据定价与传统定价互联网背景下的定价策略与传统定价策略相比发生了巨大的变化，具体表现如下。（1）定价策略之“有权”。（2）定价策略之“有利”。（3）定价策略之“有趣”。2.大数据创新定价策略（1）个性定价。个性化定价是企业在认识到每个顾客均具有个性化需求的前提下，以顾客的个体信息为基础，针对顾客的特定需求调整企业行为，它是在顾客需求的差异化日益显著的背景下产生和发展起来的。（2）动态定价。随着电子商务的崛起和各种数据分析工具的诞生，零售商对竞争对手的反应前所未有的快速和准确，在竞争对手出价数秒后就能马上跟进。二、个性化定价策略（一）个性化定价的内涵从认知上来说，我们认为个性化定价的范畴是广义的。但在个性化定价的方法中，我们将重点探讨狭义上的个性化定价，即一级差别定价的应用。在狭义的个性化定价策略中，最核心的内容是根据消费数据识别消费者的支付意愿。（二）个性化定价的方法1.个性化定价的步骤（1）识别顾客支付意愿。（2）确定目标顾客。（3）制定差别化定价方案。（4）制定商品价值分割方案。2.支付意愿的量化分析在过去几十年的研究中，直接询问法和专家评判法是测量顾客支付意愿比较常见的两种方法。这两种方法的操作相对比较简单。（三）个性化定价的实施为了让顾客觉得公平，在实施个性化定价时，商家需要设定一个“门槛”来分割产品某一部分的价值。若是愿意放弃一些其他价值跨过门槛，那么顾客就被认为愿意牺牲一些其他利益，来获得产品低廉的价格；而不愿意跨过门槛时，则被认为愿意接受高一些的价格。这个“门槛”与顾客的支付意愿水平无关，仅仅是为了分割产品的价值，使得顾客愿意以高价享受这部分价值。三、动态化定价策略（三）把控动态化定价系统运用动态化定价，企业必须转变审视自身商业运营的视角，并着手管理产品、供需和定价等一系列复杂的核心问题。对一个大型企业来说，高水平的收益管理和动态化定价技巧必将带来复杂的计算过程，企业唯有运用现代化的信息技术和计算技术，建立完善而有效的动态化定价系统，才能实现真正意义上的动态化定价，并使其发挥功效。（一）动态化定价的机制在动态化定价的应用领域，从早期的航空业开始，已广泛应用于酒店、汽车旅馆、汽车租赁、铁路、旅游、货物运输等服务行业，甚至在能源、医疗、服饰、餐饮、高尔夫球馆等非传统动态化定价领域也开始应用。（二）动态化定价的方法1.基于时间定价策略基于时间定价策略的关键在于把握顾客在不同时间对价格承受的心理差异。2.基于市场细分与限量配给策略基于市场细分与限量配给策略的基本原理是，在不同渠道、不同时间、不同花销情况下，顾客表现出来的对差别化价格的承受能力。3.基于动态推销策略基于动态推销策略利用互联网赋予的强大优势，根据供应情况和库存水平的变化，迅速、频繁地实施价格调整，为顾客提供不同的产品。03渠道创新一、大数据背景下渠道的选择（一）大数据时代的市场营销机遇1.为客户提供更加精准的营销方式2.实现产品交叉营销3.便于建立良好的客户关系（三）大数据驱动的渠道变革1.建设网络销售渠道，提升渠道效率2.建设自有零售终端渠道，缩短企业与消费者距离3.打破固有规则，整合全渠道营销（二）大数据驱动的渠道优化在渠道管理与规划中，可以通过大数据分析有针对性地进行整体布局和优化，以达到提升企业销售业绩的目的。1.渠道管理理念2.渠道结构优化3.数据驱动管理（一）大数据背景下对营销渠道结构的影响营销渠道结构是指营销渠道中所有渠道成员所组成的体系，也被称为营销渠道模式。其本质是企业或个人将其转移的货物或劳务进行任务分派，渠道功能在渠道参与者之间的剖析。营销渠道的布局策略如表4-1所示。二、大数据对营销渠道的影响（二）大数据背景下对营销渠道控制的影响二、大数据对营销渠道的影响1.渠道控制力水平的关键--渠道的忠诚度渠道控制力主要是指两个方面：一是渠道供应链条的整体控制水平；二是渠道客户忠诚度的掌握能力。4.渠道控制力有效性的关键--分工协同（1）企业在对目标市场进行有效细分的前提下，要进一步对可能的销售渠道的分销效能、服务能力、维护成本和影响力等方面进行综合分析，从而明确各渠道的优势和劣势。（2）强调整合各细分渠道中素质、规模、实力、服务和管理等方面有特长的终端、大批发商和新兴大型零售商等优秀渠道资源，注重渠道质量。2.产品的核心竞争力--分销渠道控制管理分销渠道控制管理是与产品在区域市场终端上的活跃度息息相关的大事，也是区域市场网络稳定、有序、健康发展的技术保证。3.渠道控制力效率的关键--渠道规划渠道规划应充分考虑今后管理流程中的商流、信息流、物流、资金流等的顺畅性和运营维护成本。规划区域市场的渠道结构时，除考虑容量、需求、产品特性和地理等一般性影响因素外，还应该考虑到区域商流的习惯性。（三）大数据背景下对消费者渠道选择的影响二、大数据对营销渠道的影响1.产品因素对消费者渠道选择的影响（1）产品特性。网络购物具有一定的虚拟性，不能如实体店般直观准确地对产品做出判断。（2）产品差异化程度。差异化程度较高的产品，消费者感知的产品风险较高，更希望接触后再进行购买。（3）产品价格。产品的价格是影响消费者购买决策的重要因素。2.消费者因素对购买渠道选择的影响消费者购买渠道的选择受个人购物动机、感知风险、购买涉入度和渠道忠诚度等个人消费特性的影响。在消费者产生需求动机时，就会在购买前期收集相关的信息，如价格、个人隐私泄露、质量、购物后的评价、商家的优惠力度等，然后进行综合考虑和对比，对于感知风险较大的，倾向于线下渠道购买，反之则倾向于线上渠道购买。三、大数据背景下营销渠道的创新（一）全渠道深度融合创新在大数据营销背景下，营销渠道呈现复杂化、多元化的特点，尤其是时尚品牌，多采用线上线下有机融合的全渠道布局捕捉市场需求。所谓全渠道，是一种以顾客为中心，使用户能够在购买产品的过程中享受到所有渠道之间无缝有效链接的战略。（二）精准化数字营销创新数字营销是指使用互联网数字技术通过手机应用程序，展示广告和任何其他数字媒体对产品或服务进行的营销。数字营销渠道是一种基于互联网的系统，可以通过数字网络创建，加速将产品价值从生产者传递到终端消费者。（三）依托大数据进行供应链管理优化大数据时代对电商供应链管理主要依托于智能云计算，即信息数据处理能力的相关应用所带来的人员的行为、思想变革及社会生产要素变化。社会生产资料要适应社会生产力的发展，即在巨量数据的分析收集背景下，电商供应链管理模式通过更好的供给侧结构性改革实现电商企业竞争力的整体提升，以满足市场经济中的多层次消费需求。04促销创新（一）大数据背景下促销组合实施的流程1.确定促销信息的目标受众传统促销组合在实施过程中往往不具有明显的针对性，对于目标受众的选择只是大概给出一个形象的文字性描述，并不会确定到具体的消费者。2.选择合适的促销工具组合企业确定目标消费群体以后就要选择合适的促销工具组合。5.分析与优化投放效果以往企业在分析促销组合实施效果时存在明显的滞后性，并且有一些促销效果是不能用量化的数据进行统计分析的。在大数据背景下，企业可以通过促销信息投放数据及目标消费者的实时反馈数据持续跟踪、分析促销信息的投放效果，并据此分析结果不断优化促销信息的投放。3.按消费者需求设计促销内容利用大数据的精准定位对消费群体在信息渠道、交易行为、情感与态度、购买偏好等方面进行分析，总结和预测企业目标消费群体的喜好，以便对促销内容进行个性化的设计。4.精准投放促销信息通过消费者网络使用行为分析、手机使用行为分析，企业可以轻松地获得消费者浏览过的网页、经常使用的App，以及其对推送广告的反应等信息，这样企业就可以利用这些途径进行促销信息的传播。一、大数据背景下的促销组合设计（二）销售促进手段及信息传达作用销售促进的具体手段有很多，常见的主要有样品、折价券、现金返还、买赠、满减、抽奖等。这些手段往往能给消费者带来附加价值，从而激励消费者的购买行为。然而，附加价值对消费者的激励作用是边际递减的。当附加价值达到某一水平后，每增加一个单位的附加价值能够带来的销售利润开始为负。因此，企业需要确定附加价值的大小，如分发样品的数量、折价券的具体折扣、满减时的标准设定等。在传统营销中，销售促进的工具往往是根据企业以往经验以及竞争对手水平来确定的，即使有些企业会对消费者对不同促销手段的反应进行调研，但是也只是事后才能获得结果，仅能为以后的销售促进活动提供参考。在大数据背景下，企业可以通过对比消费者以往的购买行为数据和企业相应的优惠措施及优惠程度，预先测试出消费者对不同优惠程度的反应，然后通过建模判断企业提供的附加价值的边际临界值，以最小的成本获得相对最优的消费激励效果。一、大数据背景下的促销组合设计二、大数据广告与程序化购买1.大数据精准广告的含义大数据精准广告实现了媒体价值到消费者价值的彻底转变，其核心逻辑就是“以消费者为中心”。2.大数据精准广告的分类（1）按照广告的展示方式，大数据精准广告分为展示广告和搜索广告。（2）按照广告定向设备，大数据精准广告分为PC端广告和手机端广告。（3）按照交易手段，大数据精准广告分为实时竞价广告和非实时竞价广告。3.大数据精准广告的特征（1）精准。（2）可量化。（3）效果导向。（一）大数据精准广告二、大数据广告与程序化购买1.程序化购买的特点（1）购买受众人群精准化。（2）广告素材数据化。（3）服务人性化。2.程序化购买的主要模式（1）实时竞价（RTB）模式。实时竞价是程序化购买广告最早的交易模式，是一种结合人群定向算法和市场化竞争机制而产生的广告投放模式。（2）非实时竞价模式。非实时竞价模式表现为程序化直接交易，“优先购买广告”“邀请