大数据正在引领一场营销变革

大数据正在引领一场营销变革,第1张

数据正在引领一场营销变革

短短十数年,大数据、物联网、云存储、移动互联从趋势成为主流,商业生态早已迈过无数个可能,进入了今天飞速发展的快车道。大数据产业已渐趋成熟,亟待被各行各业所运用。小米数据产品总监刘洋在易观智库学术沙龙交流会上表示,随着大数据概念越来越清晰,运用产品类型的形式在数据当中应用将会越来越多。

大数据规模日趋庞大

所谓的大数据技术,就是从各种类型的数据中,采用新处理模式快速获得有价值的信息,从而实现深度理解、敏锐发现与精准决策。随着互联网+影响力的不断深入,人们的生产和生活方式发生了极大的改变。新一代信息技术与经济社会各领域的深度融合,引发了数据量的爆发式增长,使得数据资源成为国家重要的战略资源和核心创新要素。

据统计,全球所掌握的数据,每18个月就会翻倍。到2020年,全球的数据量将达到40ZB,其中我国所掌握的数据将占20%。

利用大数据分析,能够总结经验、发现规律、预测趋势、辅助决策,充分释放和利用海量数据资源中蕴含的巨大价值。大数据冲击传统市场,渗入更多的企业成为趋势。

据了解,2015年全球大数据产业规模达到了1403亿美元。预计到2020年,这一数据将达到10270亿美元。其中,2020年中国大数据产业规模或达13626亿元。

百分点产品市场总监、中关村(000931,股吧)大数据交易产业联盟副秘书长张涵诚向《中国产经新闻》等媒体表示,从卖产品转变为卖服务,服从管理转为创造客户价值,互联网核心思维是数据思维,是大数据冲击传统市场的三方面表现。

同时,随着数据资源的开放及使用逐步深入,应用创新成了大数据发展的主要驱动力。目前就传统的企业而言,已经将数据分析、数据资源作为一种新的业务,且投入程度可能强于传统的业务。

据相关数据分析显示,到2020年,中国大数据产业细分市场规模中,应用层规模占比将达到40%,衍生层规模占比达18.5%。

另外,按照行业来划分,未来大数据应用预计将以政府和金融为主,预计2020年政府和金融大数据应用或将占60%,随后是工业以及电力应用。

大数据是一种技术,一种思维的创新,也是数据本身价值的发掘。大数据时代,很多企业已经以数据化运营来驱动企业重大战略决策和业务发展,获得了卓越的成绩,成为行业里数据化运营的领先者。

刘洋在会上解说了数据驱动的两种模式,即分析决策和应用产品。其中分析决策包括战略分析、竞争分析以及商业分析。他表示,市面上大部分企业在做商业分析之前往往忽略了先做战略分析和竞争分析。

而所谓产品应用,刘洋表示,是与产品相关的数据,把这类数据包装成行业的内容或者是服务,提供给用户。

不仅如此,利用产品跟用户建立关系,利用数据发现规律从而驱动产品创新,也是一个非常好大数据的应用。张涵诚认为,这将能够实时了解用户需求,并及时对服务做出迎合客户群的调整,以赢得更大的市场占比。

电商平台没有评论,意味着转化率的降低、客单的下降。个性化的推荐,需要一个推荐引擎了解消费者的偏好、行为习惯,帮助他推荐一款产品。利用大数据可以洞察消费者的建议,对产品的看法,通过迅速做反馈,可以创造更大的营销。

大数据基因植入传统企业,还会使一些企业成为平台型的企业。张涵诚表示,有了数据以后,企业可以无限地延伸,采购大量的数据可以跟供应商更多做集成。例如,生产数据服务将会有更多的订单,销售渠道数据将同行商品放在平台上卖。

完善大数据体系建设

对制造业企业而言,大数据技术的战略意义不仅在于掌握庞大的数据信息,更在于对数据的“加工能力”——对大量的数据进行专业化的处理,使之转化成为对企业有用的信息。

虽然,很多企业已经意识到以数据驱动企业决策的价值,但是在“淘金”大数据过程中,仍然对思维架构、方式方法有些模糊不清。尤其是当企业IT部门面对瞬息万变的业务要求,面对TB/PB级的海量大数据的实时分析,面对多维度复杂的数据分析时,常常束手无策。

数据处理的成本非常高,业务发展多元化的时候发现经常遇到一个问题就是数据不准。就目前行业发展情况来看,基本上大规模的公司相对多一些,小的开发者可能越来越艰难。在中大型的开发者越来越多的情况下,发现用户的需求已经脱离了原来老的模式,这就需要把自己的数据拿过来做分析,放到系统里面与CRM、销售系统、投放系统、运营系统做打通,做一个全盘分析。

“大数据分析分四个步骤,即数据应用、数据分析、数据存储和计算以及数据源。其中数据源主要是保证数据不脏。”刘洋说道。

大数据在业务中的分析流程大概分两种类型。一种是当我们有数据和数据分析系统时的监控,通过业务上线、数据的监控、异常数据的发现、异常状况处理的策略、业务改进,形成一个闭环模式。另一种是产品要上新的功能,通过业务上线、效果评估、改进策略、业务改进、效果评估来形成闭环模式。

而就大数据团队架构,分为分散式和中心式。相较于分散式大数据团队的高成本、灵活、难管理特点,中心式的大数据团队的特点则是低成本、易管理、低效率。

分散式的大数据团队,因为每个业务都比较庞大,业务与业务之间的耦合度较低,需要灵活、快速的数据支撑,大型的数据平台无法满足快速变化的业务要求,于是业务会自建平台和分析人员。

仅中心式的大数据团队而言,各个业务有一些区分度,但是区别不大,于是公司会采用统一的数据树立部门,对所有的业务进行数据分析的支撑。

目前,形形色色的大数据已然成为了各领域发展的新宠。伴随技术的发展,大数据正在引领一场营销变革。大数据的存在让营销者能更好地、更实时地对消费者画像并实现无限的消费者细分。大数据强大的分析、挖掘、整合能力让营销变得简单起来。

在这互联网发达,数据为主的时代,我们先来看看目前企业营销人员的心头都有哪些痛。

第一,营销核心的受众发生“质”的变化。

我国市场消费阶层的购买力分为金领阶层、白领阶层、灰领阶层、蓝领阶层和无领阶层。从消费趋势的角度看,真正领导消费趋势的是白领阶层、金领阶层。这两个阶层一般是25~45岁,大专以上学历,个人月收入在3000元以上的人群,近日发布的(2014年全球社交、数字和移动》报告显示,中国有13.5亿人口,城市人口比例为51%,其中互联网网民比例为44%,中国手机设备持有量超12亿台,调查结果表明,都市白领和金领正逐渐成为互联网用户的中坚力量,网络已成为他们工作、生活不可或缺的工具。这些人群正是营销的核心受众,他们普遍具有收入较高、购买力强、消费需求旺盛的特点。由于大众的生活方式改变,由传统媒体向网络媒体“漂移”,优质的核心用户向网络媒体“集结”时,基于传统媒体的传统营销效果便会大打折扣,甚至是逐渐失效。

第二,消费者行为模式的改变,购买决策流程的改变,让以往的营销管理流程,对于潜在销售机会的把握,变得更加困难。研究已经证实买家的决定跟传统营销沟通基本上没有任何关联,消费者通常用自己的一套路子来获取产品和服务信息,其中最常用的是网络,当然还有企业之外的信息来源,比如人们的口头表述或者是客户反馈。

第三,互联网让市场更加广阔,价格也变得透明,竞争也变得激烈,在企业运营中不断“成本控制”的高压下,营销的预算也成为营销人员的痛。人们都说CEO(首席执行官)们已经没那么多耐心。根据201

1年伦敦Foumaise Marketing

Group(营销集团)对600名CEO和决策者的调查显示,73%的人认为他们的CMO(首席营销官)缺乏商业信誉更重要的是无法驱动收入增长,72%称很多人只是嚷嚷着要钱但却无法解释这些投入如何带来新增收人,77%的人表示他们天天跟你谈品牌资产和其他类似的东西,但他们却无法将这些工作与真正的市场估值或是其他重要的金融指标联系起来。又要马儿跑,又要马儿不吃草,极高的ROI(投资回报率)考核让很多营销人员都觉得崩溃。

第四,社交媒体、电子营销的出现,让很多企业专门划归出一些新兴针对客户的服务部门,来尝试新事物。因此,面对同样的客户,同样客户的各种反馈被把持在不同的部门中,不同的营销部门之间就会出现在企业资源、客户信息上的竞争。企业的营销人员确实有点内忧外患。相应地,这种内耗和无序也带来企业整体运营成本的上升,而利润却未见提升。

第五,我们要讲,在日益发展的社交媒体环境中,传统营销不仅起不到作用却也没有意义。你雇用的多个员工,但是他们并不是买家,不能站在另一方来看待事情,利益和买家是完全相反的,所以在社会媒体的世界里,传统媒体已经失效。所以当今的局势就是这样,传统营销策略已经失效,取而代之的是更多有创意的、符合现代环境理念的、跟得上科技的模式。

对于传统营销而言,大数据时代,将发生如下变革性影响:

第一,从“人找货”到“货找人”。“人货场”的关系发生巨大变化,过去生产什么就卖什么,消费者从海量商品中“搜索”自己所需要的。所以,生产厂家和销售公司,得化大价钱去搭场,做广告,吸引自己消费者的注意。但大数据时代,这一个关系发生变化,通过数据分析,可以精准确定定位到人在哪里,然后将货送到附近。

第二,预售、定制、个性化服务、柔性化生产成为可能。先集单,根据需求而生产。这样,我们很多营销工作都被“前置”,而不是在生产完成之后。这会在很大程度降低我们的库存量(甚至是零库存),仓储成本大幅降低,供应链效率大幅提高,但对服务的要求与投入肯定要增加,在便利性与快捷响应是大数据时代的“标配”。

第三,社交化营销成为主流。包括微信、微博、直播与短视频,越来越多成为“内容制造与输出”的载体,带宽成本的降低会随5G时代进一步实现。大数据会围绕社区化、社群化的大趋势,助力于更多的新业态的发展。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zz/7259904.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-03
下一篇 2023-04-03

发表评论

登录后才能评论

评论列表(0条)

保存