商业营销巨变！大数据让模式重构，这样准备一定不会输

在线化、数据化、智能化将是未来企业的重要“脸谱”。随着近几年大数据基础设施的日益完善和大数据技术的日新月异，人类正从IT时代走向DT时代，使得人类社会制造出的数据呈指数级井喷，以大数据驱动的营销应用得以更好的实现并越来越凸显重要。

越来越多的快消品企业将用户分析甚至是企业应用同大数据加以融合结合，用数据来整合优化提升自己的流程、产品以及决策，让运营管理变得更有效。

大数据时代到来之前，企业多从哪些平台提取数据、利用哪些营销数据?一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。

而其它85%的数据，诸如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据，和包括数据量更大、逐渐广泛应用、以传感器为主的物联网信息，以及风起云涌的移动互联网信息等等。

这些就是大数据所指的非结构性或者叫做多元机构性所需的数据，它们更多以图片、视频等方式，几年前可能被置之度外，不会被运用，价值尚未被有效地挖掘。

而今大数据能进一步提高算法和机器分析的作用，这类数据在如今竞争激烈的市场却日显宝贵、作用突出，并能被大数据技术所充分挖掘、运用。

包括沃尔玛、家乐福、麦当劳等知名零售连锁企业的一些主要门店均安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾问意见等是如何对物流和销售额的影响进行建模。

这些企业可将这些数据与交易记录相结合起来，并利用大数据工具展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。

以前相关一些CRM系统，只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“你(用户)想要什么事发生”。

通过获取更丰富的消费者数据，包括网站浏览数据、社交数据和地理追踪数据等，可以绘制出更完整的消费者行为描述。譬如，大数据技术能对客人方方面面的信息进行充分有效管理并深度挖掘。

如果某个客人是某餐饮酒店的老主顾，那么该大数据系统就会向酒店提供个性化服务，清楚告知酒店经理人这位客人的习惯和喜好，当客人再次光临时，不用客人自己提出来，酒店大数据系统就会自动提供客人所喜欢的房间和服务等相关信息，大大提升酒店管理效率。

利用大数据中的语义搜索功能，系统能理解自然语言的含义，包括理解工作的头衔、技能、行业和教育等，除此之外，它可以做到智能处理拼写错误、缩写、标点符号等更多问题，也能识别相同的词在不同语境中的含义，以更好地为营销管理服务。例如：销售经理，财务经理，人事经理，它们中都有“经理”二字，显然代表了不同的语义，借用语义搜索技术，能对目标对象实现智能的区隔、判断。

对于广告主来说，广告核心问题在于：如何从海量数据中寻找目标受众，并投放相应的广告信息。

时下广告不是点对点模式的，而是主从模式，象单个“老师”(产品)对众多满地跑的“学生”(消费者等受众)，可是“老师”却总是抓不住多数“学生”，把99%的广告费都扔了。

大数据能通过互联网点击流，可跟踪个体用户的行为，更新其偏爱，并实时模仿其可能的行为，让点对点的RTB(实时竞价广告)成为可能。在美国，在大数据的帮助下，RTB能把炙手可热的目标用户，拍卖给广告商。

以前，电梯里，上来一个秃头的中年人，如果你在电梯里打的是洗发水广告，那肯定瞎了。现在，有了RTB，广告将盯住不是满地跑的“学生”，而是那个喜欢看广告的目标人;广告市场上卖的也不是传统意义上的广告位了，而是访问这个广告位的具体用户。

那么RTB实时竞价广告系统是如何实现精准的呢?假设潜在客户在浏览某网页面，某网会向广告交易平台(Ad Exchange)请求广告。交易平台向所有需求端平台(DSP)发出公告，“某网有访客，要不要向他发广告”。

同时，DSP请求大数据管理平台(DMP)帮助分析这位访客情况，并根据结果进行出价决策。Ad Exchange为出价高的DSP匹配相关广告代码，并最终作出广告。

今天尖端的追踪技术和多种的大数据管理平台(DMPs)可以将受众以及广告效果数据整合于单一界面上，让广告主轻易撷取关键指标，包括转化率、流失率以及各个渠道的贡献比率，等等。

比如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和社交网页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这一位顾客给出最佳的优惠策略和个性化的沟通方式。

如今在美国沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗?”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”

这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例。因为计算机系统早就算计好了，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、佐料了。

而提供这一决策分析支持的就是其位于美国一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。

若顾客看过一个商品而没有购买，则有几种可能：a.缺货，b.价格不合适，c.不是想要的品牌或不是想要的商品，d.只是看看。若在顾客查看时该商品缺货则到货时立即通知顾客;若当时有货而顾客没有买就很有可能是因为价格引起的，则在该商品降价促销时通知顾客;同时，在引入和该商品相类似或相关联的商品时温馨告知顾客。另外，通过挖掘顾客的周期性购买习惯，在临近顾客的购买周期时适时的提醒顾客。

虽然大数据展示非凡的前景和巨大作用，不过，大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。

但实际情况是，真正启动大数据营销，零售连锁企业面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构，来真正地挖掘那座数据金矿。

为今之计，对多数零售连锁企业而言，如何巧获捷径，构建大数据挖掘与分析系统，让数据赋能，培育核心竞争力，以立于不败之地?

大数据的资源极大繁杂丰富，如果企业没有明确的目标，就算没有走入迷途至少会觉得非常迷茫。因此，首先，要确定企业运用大数据的短中期目标，定义企业的价值数据标准，之后再使用那些能够解决特定领域问题的工具。逐步推广，步步为营，不要把理想定得太高，否则失望会愈大。

零售连锁企业运用大数据为营销管理服务之前，技术团队要到位是基础。企业的营销团队要能够非常自如地玩转数据。

许多人认为社交媒体营销人是个有趣的工作，其实只是个艰苦的活儿。它非常注重数据、衡量标准和数据可视化等问题。要能熟悉驾驭，首先要确保企业技术人员已经接受过相关技能培训，了解如何最大化利用大数据的作用和潜力为企业营销服务。

3、从BI系统开始，做好数据的收集和积累

这主要体现在数据获取收集方面，这是数据分析的基础。不仅仅是指盲目获取数据，而是明确需要获取的数据类型。这就需要根据零售连锁企业的业务发展需求以及战略，明确数据获取的主要类型。

一般而言，零售连锁企业主要集中的数据需求在人员、终端、渠道商、费用、资产、业务行为等方面，可先从引进应用小型BI分析系统开始，根据企业实际情况进行具体数据类型的建模收集，打好基础，然后进一步做大企业大数据智能分析系统。

企业启动大数据营销一个最重要的挑战，是数据的碎片化，各自为政。许多公司组织中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。

当留意的是，数据策略要成功提升网络营销成效，要诀在于无缝对接网络营销的每一步骤,从数据收集、到数据挖掘、应用、提取洞悉、报表等。

要做好大数据的营销运用，其一，要有较强的整合数据的能力，整合与来自企业各种不同的数据源、各种不同结构的数据，如客户关系管理、搜索、移动、社交媒体、网络分析工具、普查数据以及离线数据，这些整合而得的数据是定向更大目标受众的基础;

其二，要有研究探索数据背后价值的能力。未来零售连锁企业营销成功的关键将取决于如何在大数据库中挖掘更丰富的营销价值。像是站内、站外的数据整合、多方平台的数据接轨、结合人口与行为数据去建立优化算法等都是未来的发展重点;

这就要求快消品企业数据分析系统要统一协调，要有较强的整合数据的能力，能整合来自企业各种不同的数据源、各种不同结构的数据，如客户关系管理、搜索、移动、社交媒体、网络分析工具、普查数据以及离线数据，这些整合而得的数据是定向更大目标受众的基础。

这就需要一个大平台系统，能将各个系统业务数据串联整合起来，帮助企业管理者真正发现业务中存在的问题与起因的内在联系，进而帮助管理者寻找发现问题、解决问题的积极因素。

许多中小零售连锁企业没有构建分析海量数据的能力与财力，此时它们可和大数据研发公司合作。

另外，零售连锁企业可借助现代先进的技术进行高效全方位的数据收集，例如近年来快速发展的AI技术，其先进的算法能力，能高效并且全面地辅助快消企业掌握终端数据。