《网络营销第4版》课件-12章大数据营销

青岛理工大学网络营销课程第12章大数据营销章导言“大数据”时代，在网络营销领域，拥有客户数据库等大数据资源或许不再是一个竞争优势，但没有却绝对是一个竞争劣势。数据共享、存储与分析技术的日渐成熟，企业会发现“数据”已经成为比资金更重要的企业核心资源，通过资源整合与数据分析可以实现全新的营销模式，在大幅度降低营销成本的同时还带来了更好的营销结果。学习目标【本章要点】•大数据营销的内涵•营销数据管理平台•大数据营销的主要处理流程•大数据营销的应用场景目录Contents12.1大数据营销的内涵12.2营销数据管理平台12.3大数据营销的主要处理流程12.4大数据营销的应用场景目录Contents12.1大数据营销的内涵12.2营销数据管理平台12.3大数据营销的主要处理流程12.4大数据营销的应用场景12.1.1大数据的定义所谓大数据，狭义上可以定义为：用现有的一般技术难以管理的大量数据的集合。。IBM公司说：“可以用三个特征相结合来定义大数据：数量（Volume）,或称容量、种类，或称多样性（Variety）和速度(Velocity)，或者就是简单的3V，即庞大容量、种类丰富和极快速度的数据”。大数据的定义

IBM在3V的基础上又归纳总结了第4个V——Veracity(真实和准确)。“只有真实而准确的数据，才能让对数据的管控和治理真正有意义。随着社交数据、企业内容、交易与应用数据等新数据源的兴起，传统数据源的局限性被打破，企业愈发需要有效的信息治理，以确保其真实性和安全性。”12.1.2大数据营销的概念大数据营销也被称为数据驱动营销，就是利用大数据技术从具有低价值密度的海量数据集合中，深度挖掘、准确分析，进而获得巨大的商业价值。大数据营销的定义在互联网与未来的移动互联网主导下的数字营销时代下，企业可以用前所未有的速度收集用户的海量行为数据。企业在大数据的基础上分析、洞察和预测消费者的偏好，并据此为消费者提供能满足他们需求的产品、信息和服务，以及传递准确的广告信息给他们。大数据营销特点多样化、多平台化数据采集个性化营销性价比高强调时效性关联性1543212.1.3大数据营销的特点目录Contents12.2营销数据管理平台12.3大数据营销的主要处理流程12.4大数据营销的应用场景12.1大数据营销的内涵12.2.1数据管理平台内涵数据管理平台（DataManagementPlatform，DMP）是把分散的多方数据整合并纳入统一的技术平台，通过对这些数据进行标准化和细分，让企业可以把得到的结果推向现有的互动营销环境以激活运用的平台。12.2.2数据管理平台的分类第二方DMP第一方DMP很多企业在积累了自己的用户数据后，纷纷开始着手建立第一方DMP，这样一方面可以为后续形成自己的营销闭环打下基础，另一方面可以让品牌主的营销基于数据分析和定量优化实现营销智能化。第二方DMP是指需求方平台提供的DMP服务。对于没有自有DMP的广告主来说，如果想在广告投放过程中通过运用数据实现精准投放，则可以利用媒体提供的DMP服务。第三方DMP第三方DMP往往由专门的数据公司构建，它们在营销过程中输出数据能力，为品牌主更精准地定位目标人群、更全面地洞察消费者提供帮助。第二方DMP第一方DMP对于客户洞察，完全基于第一方DMP积累的数据其实是不够的，因为这些数据只能反映消费者的部分特征，因此还需要借助一些第三方数据的支持，以此来实现对消费者的360度画像。其主要限制体现在三个方面：①封闭性②各个媒体和DSP的标签构建逻辑各有差异。③知识沉淀和共享的难度也很高第三方DMP①各个第三方DMP自身数据源和加工逻辑不同②如果需要与多家第三方DMP合作，需要做多家DMP之间的重合度测试和标签互补性、相关性测试各方DMP注意要点目录Contents12.2营销数据管理平台12.3大数据营销的主要处理流程12.4大数据营销的应用场景12.1大数据营销的内涵数据源采集数据清洗数据转换12.3.1数据ETL1.数据源采集这里所说的数据源包含第一方、第二方和第三方的数据源。该阶段主要判断各数据源对接的难度，包含判断是否可对接，以及评估对接的费用成本和时间成本等。2．可利用的数据源业务应用场景和流程需要根据目前DMP业务构建的阶段目标要完成的应用来确定，即根据上层业务应用所需，设计要采集的数据和数据的加工处理方式，也就是以终为始。所以不是一开始就把能够采集到的所有数据都纳入DMP平台。1．了解业务应用场景和流程数据源采集DMP可以纳入的数据源种类非常丰富，对不同的异构数据源，DMP都需要具备相应的数据采集能力，这些能力包括但不限于如下各项。3．数据采集技术确定JS监测代码采集开放API接口采集离线文件上传接口采集2.数据清洗数据清洗的任务是过滤掉那些不符合要求的数据，可以直接过滤掉，也可以将过滤的结果在上层展现，由业务部门确认是直接过滤掉还是由数据源修正之后再进行抽取。数据清洗的任务不完整的数据错误的数据重复的数据3.数据转换数据转换的任务数据格式转换数据结构转换数据表示方式转换数据转换是指将数据从一种格式、结构或表示方式转换为另一种的过程12.3.2数据处理IDMapping反作弊数据脱敏标签体系设计经过ETL后，数据已经加载到DMP平台，此时就可以进行后续的处理工作了。数据处理流程主要包括IDMapping、反作弊、数据脱敏、标签体系设计等。1.IDMapping由于DMP的数据源来自众多的系统，这些系统中的客户采用不同的ID来识别，以便针对每个客户在平台上的行为特征信息进行采集，DMP若要把这些分散的特征信息整合在一起，形成一个完整的360度特征视图，就必须把这些ID系统打通基于统计学的Mapping方法模糊IDMapping借助第三方数据能力进行IDMapping2.反作弊在程序化广告营销领域，流量作弊是非常常见的，因为广告主通常使用各种指标来进行广告费用结算，同时衡量广告效果的优劣，因此就会带动某些不法服务商进行数据伪造。这种行为不但损害了广告主的利益，而且带坏了行业风气，造成劣币驱逐良币的现象，最终使得广告主对程序化购买产生怀疑，进而避而远之。作弊手段人工作弊机器作弊“羊毛党”3.数据脱敏保护所谓数据脱敏保护是指对某些用户的敏感信息或私密性信息，通过脱敏规则进行数据的去隐私化或变形，最终实现数据的可靠保护。常见的数据脱敏算法包括但不限于：Hiding算法：将数据替换成一个常量，如500→0。Hashing算法：将不定长度的数据映射为定长哈希值，如张三→123；李四→456。Truncation算法：将数据尾部截断，只保留前半部分，010。Mask算法：数据长度不变，但只保留部分数据信息，130****1555。Floor算法：数据或日期取整，如：2017021312:31:45→20170213。4.标签体系设计标签是一个实体具备的特征。对于市场营销来说，最重要的实体就是消费者了，因此主要的标签体系需要描述清楚一个消费者具有的所有特征从标签计算方式来看模型标签衍生标签预测标签事实标签标签的形式 第一层级：按业务层次划分，包括用户基本属性、用户关联关系、用户兴趣偏好、用户价值信息、用户风险信息、用户营销信息。 第二层级：按应用类别划分，包括人口属性、产品偏好、用户价值、用户风险评价等。 第三层级：具体的标签实例。12.3.3数据分析大量数据经过处理以后，就要进行数据分析。数据分析（DataAnalysis）是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究与概括总结的过程。在实际操作中，数据分析可帮助人们做出判断，以便采取适当行动。描述性分析预测性分析措施性分析数据分析的层次关联分析异常分析聚类分析特异群组分类分析演变分析人群画像分析归因分析数据分析方法目录Contents12.2营销数据管理平台12.3大数据营销的主要处理流程12.4大数据营销的应用场景12.1大数据营销的内涵客户管理对于客户关系管理的而言，大数据的作用主要体现在增强客户粘性、挖掘潜在客户及建立客户分类。商品关联分析关联营销一般称之为“购物篮分析”。购物篮分析是通过发现顾客在一次购买行为中放入购物篮中不同商品之间的关联，研究客户购买行为，从而辅助零售企业制定营销策略的一种数据分析方法。精准营销精准营销简单来说就是五个合适，即在合适的时间、合适的地点、将合适的产品以合适的方式提供给合适的人。跨界营销跨界营销是依据消费者表现出来的具有联系或者共性的消费特征，将不同偏好、产业、环境的消费群体联系起来，将一些之前没有任何联系的要素进行延伸、融合或渗透，从而彰显出独特的价值观念、审美情趣和生活态度，以此赢得目标消费者的好感，最终实现跨界企业的利润最大化和市场扩大化。情感分析情感分析是一种特殊的文本分析，侧重于确定个人的偏见或情绪。通过对自然语言语境中的文本进行分析来判断作者的态度。案例&拓展大数据是把“双刃剑”讨论题：1.大数据的“双刃剑”具体体现在哪些方面？2.企业、个人、政府该如何保护个人信息安全？关键术语&思考题大数据大数据营销数据管理平台第一方DMP第二方DMP第三方DMP数据ETL