2.3 大数据营销的革新和应用
大数据技术自率先应用于零售行业以来，在市场营销领域日益发挥着重要的作用，不仅渗透到传统营销框架中，如目标市场的刻画与细分、产品的预测与规划、价格制定与调整、销售促进与管理、客户关系管理，也在营销新领域中应用颇多，如精准营销、跨界营销以及电商和新媒体营销平台分析和品牌数据化运营等诸多领域。未来，大数据技术还会渗透到更多的领域，它不仅革新了传统营销工具，也开辟了新的盈利模式。本书会在后面章节中具体展开介绍。在本节中，关于大数据营销的作用和领域，只对部分研究理论和应用现状做整理和综述。
2.3.1 对传统营销的革新
李巍等（2014年）借鉴Porter经典的战略分析框架构建大数据时代营销创新的“钻石模型”，将大数据时代营销创新主要焦点划分为逻辑上相互联结的四大部分，如图2.1所示。
图2.1 大数据时代营销创新的“钻石模型”
（资料来源：李巍，席小涛.大数据时代营销创新研究的价值、基础与方向[J].科技管理研究，2014（4））
在“钻石模型”中，将营销创新置于企业战略和营销职能平衡与互动的组织视野下，考察大数据如何升级并革新相关营销要素，为营销活动的形式和内容带来全新变化。通过探讨大数据及其营销层面特性对需求预测与产品开发、价格测试与收益管理、顾客发掘与营销传播，以及价值维护与顾客管理等关键营销环节的影响，梳理营销创新之间的逻辑关系，厘清大数据背景下企业实施营销创新的内在机理。大数据技术使营销活动更加科学化、更加个性化，企业营销组织机构和人员工作职能将围绕数据展开，营销活动将可预测。
2.3.2 大数据营销的应用
当前大数据可以辅助销售的方面包括提高潜在客户的质量、提高销售机会数据的质量、提高目标客户开发精确性、区域规划、赢利率等。而在市场营销中，大数据也功不可没。除了提供提高转换率策略、销售前景预测、增加收入和客户生命周期，还可以帮助我们判断销售周期内各阶段哪些内容是最有效的，以及提升客户关系管理。下面就是大数据变革在市场营销和销售中的六大应用。
1.价格策略和优化定价
麦肯锡公司的分析发现，一家典型的公司75%的收入来源于其标准产品，在每年这成百上千种标准产品的定价决策中30%的时候公司无法定出最好的价格。假定销售量没有减少，1%的价格提高却可以带来经营利润8.7%的增加，合理的定价能够显著地提高企业的盈利能力，如图2.2所示。
图2.2 麦肯锡公司关于商品销售与价格关系的分析
（资料来源：Using big data to make better pricing decisions[OL].https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/using-big-data-to-make-better-pricing-decisions）
2.客户分析
如图2.3所示，客户分析（48%），操作分析（20%），欺诈和合规（12%），新产品与服务创新（10%）和企业数据仓库优化（10%）是当今最常见的大数据销售和营销案例。大数据联盟（Data Meer）最近的研究发现，客户分析统领大数据在销售和市场营销部门的应用。而支持这个趋势的有下面四个关键策略：增加潜在客户、减少客户流失、增加每个客户的投入以及改进现有产品。
图2.3 大数据在商业案例中的使用比例
（资料来源：Big Data：A Competitive Weapon for the Enterprise[OL].https://blogs.adobe.com/digitalmarketing/wp-content/uploads/2015/10/laxalt-fig1.jpg）
3.提升客户关系管理
通过大数据分析、定义和指导客户管理，营销人员可以创造更高的客户忠诚度。
来自SAS（全球最大的软件公司之一）赞助的Forrester的研究发现，大数据分析提高了营销人员在营销活动中的执行能力，并使他们更加成功地建立客户关系。营销人员通过使用大数据分析得到的客户开发的定义和指导书，提高了客户潜在的忠诚度，改善了客户生命周期。客户价值分析最近正在成为新兴的热门话题，因为一系列基于大数据的技术在保持和衡量客户关系的过程中缩短了销售周期。现如今，客户价值分析成为一系列在销售网络中精心维护优质全面的客户体验的科技。
4.客户响应能力和洞察力
如图2.4所示，Forrester的研究发现：44%的B2C营销人员正在使用大数据分析来提高客户的响应率；36%的B2C营销人员运用数据分析和挖掘，获取更多深层客户信息来策划更多的关系驱动的市场策略。
5.智能嵌入的情景营销
有大数据及其附属技术支持，现在可以将智能嵌入技术应用到新媒体营销中。许多公司的营销平台正在迅速扩大，基于不断发展的客户、销售、服务和渠道需求，现有的系统已不能满足。因此，在数据和操作层面，许多营销平台还没有完全集成。大数据分析可为创建可扩展的智慧系统提供基础，并有助于缓解这一问题。
6.长期的营销战略
曾有机构对美国公司的首席营销官（Chief Marketing Offices，CMO）就“影响未来营销计划是否成功的三个关键因素是什么”这一问题做了调查。这是一个多选题，调查中允许被调查者的选择超过一项，其结果如图2.5所示。调查表明，58%的首席市场官表示，搜索引擎优化和营销、电子邮件营销和移动营销是大数据对当今营销计划影响最大的领域。49%的首席营销官认为大数据分析将对客户细分具有重大影响。而41%的首席营销官认为大数据分析将对其长期的营销战略至关重要。
调查问题：“影响未来营销计划是否成功的三个关键因素是什么”的回应
图2.4 对于未来营销项目的成果最重要的三个影响因素
（资料来源：Marketing’s Big Leap Forward[R].Forrester Research，Inc.2014）
调查问题：“目前在以下哪个领域，大数据分析对营销执行方式或组织决策方式的影响最大”的回应
图2.5 对于大数据分析在哪个领域影响最大的调查数据
（资料来源：Big Data and the CMO：What’s Changing for Marketing Leadership？[OL].https://www.spencerstuart.com/research-and-insight/big-data-and-the-cmo-whats-changing-for-marketing-leadership-cmo-summit-survey-results）
实例2-2 LinkedIn的大数据驱动
LinkedIn（领英）社交网络创建于2002年，致力于向全球职场人士提供沟通平台，并协助他们发挥所长，达到事半功倍的效果。作为全球最大的职业社交网站，LinkedIn会员人数在世界范围内已超过4.5亿，每个《财富》世界500强公司均有高管加入。
LinkedIn成立之初，公司基本上是以产品为导向，基本依靠集成在产品端的各种特性，甚至也包括通过大数据算法得到的“你可能知道的人”等特性，但是发展相对缓慢。2012年开始，LinkedIn整合了各种资源，并且大幅度开放给普通用户。例如，网红改变了原来Invite Only的邀请模式，放开人数限制，允许更多的人撰写文章，分享想法，以及允许大家制作并分享PPT等。同时开展了大数据驱动市场营销领域的各种运营，如内容运营。大数据驱动市场营销主要体现在优化项目上，首先设计和明确要解决的商业问题；然后选择正确的优化目标以及分解优化目标；之后再对目标用户进行优化分析；最后在A/B测试之后，对内容推荐策略、推动周期策略进行优化。具体来说，内容推荐策略优化就是根据用户的状态，个性化推送内容，起到引导内容消费的作用。首先，新用户不知道有哪些内容频道，有哪些热门话题，有了初步接触之后，有的新用户想要了解更多，就需要逐步引导。用户不了解最新动态，需要适当提醒。所以需要考虑用户不同的活跃周期，对内容进行优化，适时地推送个性化的服务和内容。其次，推送周期策略优化就是有节奏地推送内容，这才是用户容易接受的形式，不然很容易引起反感。需要对推送的频率进行优化，避免推送重复内容，避免一周推送多次。配合用户生命周期的进化速度和阶段，安排合理的节奏，如每周一篇个性化精选，逐步推进，推送以一个周期为准，循环进行。因此，优化是一个完整的方案，而且是循环迭代的过程。每个步骤都是依据大数据的分析和预测，如机器学习等，不是一个模型或者一个分析那么简单，需要综合用到很多的技术，如优化方程、预测算法、聚类分析、机器学习、客户画像、A/B测试、个性化推荐、效果测量、结果可视化和工程化等。直至2016年，LinkedIn用户以每秒2人的速度增长，而且基本没有通过花钱带来流量。同年6月14日，微软宣布以262亿美元的现金价格收购职业社交网站LinkedIn。
由此可见，大数据技术可以优化和支持市场营销，一旦优化成果，效果会是巨大的，数十倍甚至几十倍的增长，都是可以期待的。
（资料来源：LinkedIn官网）
思考：
LinkedIn取得的成果主要源于它使用大数据技术在哪些方面的运用？