[恒丰银行]基于大数据的精准营销模型应用

【案例】恒丰银行——基于大数据的精准营销模型应用 https://mp.weixin.qq.com/s?src=3&timestamp=1500159788&ver=1&signature=pCHfpePVrKXUGp39JEg577lopIPT9KCdx9FqIL2LbRmunZMQ-86itFcexY XKcX3Vb1ypwGo8v0IU6fkNgcs QIafGAccsZFmMb6yBYcuPdqH63EKBvL88BGFaUrBBPQl0v*mpgzYxrTCkcaJGaX2iIFRHZEDNCmuM0qhqqN294=

本篇案例为数据猿推出的大型 “金融大数据主题策划” 活动 （查看详情） 第一部分的系列案例/征文；感谢** 恒丰银行** 的投递

作为整体活动的第二部分，2017年6月29日，由数据猿主办，上海金融信息行业协会、互联网普惠金融研究院合办，中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席数据官联盟、中国大数据技术与应用联盟协办的 《「数据猿·超声波」之金融科技·商业价值探索高峰论坛》 还将在上海隆重举办 【论坛详情】 【上届回顾（点击阅读原文查看）】

在论坛现场，也将颁发 “技术创新奖”、“应用创新奖”、“最佳实践奖”、“优秀案例奖” 四大类案例奖

本文长度为 6000 字，建议阅读 12 分钟

如今，商业银行信息化的迅速发展，产生了大量的业务数据、中间数据和非结构化数据，大数据随之兴起。要从这些海量数据中提取出有价值的信息，为商业银行的各类决策提供参考和服务，需要结合大数据和人工智能技术。国外的汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者。在国内的商业银行中，大数据的思想和技术逐步开始在业务中获得实践和尝试。

面对日趋激烈的行业内部竞争及互联网金融带来的冲击，传统的上门营销、电话营销，甚至是扫街营销等方式跟不上时代的节奏。利用精准营销可节约大量的人力物力、提高营销精准程度，并减少业务环节，无形中为商业银行节约了大量的营销成本。

虽然恒丰银行内部拥有客户的基本信息和交易等大量数据，但是传统的营销系统并没有挖掘出行内大量数据的价值，仍然停留在传统的规则模型。当下，恒丰银行接入了大量的外部数据，有着更多的维度，如果将内部数据与外部数据进行交叉，则能产生更大的价值。客户信息收集越全面、完整，数据分析得到的结论就越趋向于合理和客观。利用人工智能技术，建立精准营销系统变得可能且必要。

恒丰银行基于大数据的精准营销方案是利用大数据平台上的机器学习模型深入洞察客户行为、客户需求，客户偏好，挖掘潜出在客户，实现可持续的营销计划。

周期/节奏

2016.4-2016.5 完成需求梳理和业务调研，并在此基础上进行总体方案设计。

2016.5-2016.8 整理银行内、外部数据，根据营销需求制定客户标签和设计文档，实施用户画像。

2016.8-2016.10 在用户画像的基础上，构建理财产品个性化推荐系统。其中包括个性化推荐算法调研，模型对比等一系列工作。

2016.10-2017.1 客户需求预测并对客户价值进行建模，并完善整合精准营销应用模型。

2017.1-2017.3 用户画像、个性化推荐、客户价值预测等精准营销模型上线。

客户名称/所属分类

恒丰银行/客户管理

任务/目标

根据零售业务营销要求，运用多种数据源分析客户行为洞察客户需求，实现精准营销与服务，提高银行客户满意度和忠诚度。

针对不同的客户特征、产品特征和渠道特征，制定不同市场推广策略。为了完成以上任务，主要从以下几个方面构建精准营销系统：

1.用户画像： 结合用户的历史行为和基本属性给用户打标签。

2.精准推荐系统： 给用户推荐个性化理财产品， 例如在微信银行中给每个客户推荐他喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。

3.需求预测和客户价值： 新产品发售的时候，找到最有可能购买该产品的客户，进行短信营销，进而提高产品响应率。客户价值精准定位，根据客户价值水平制定不同的推荐策略。银行通过计算客户使用其产品与服务后所形成的实际业务收益，充分了解每一个客户的贡献度，为管理层提供决策支撑。

挑战

项目实施过程由用户画像，精准推荐系统，需求预测和客户价值建模三部分组成，采用TDH机器学习平台Discover所提供的算法和模型库进行开发和验证。

（一）用户画像的建立

客户标签主要包含客户基本属性，客户等级标签，客户偏好标签，客户交易特征，客户流失特征，客户信用特征，客户终身价值标签，客户潜在需求标签。

（二）精准推荐系统的建立

由于系统复杂，且篇幅有限，仅对其中最重要的理财推荐系统做详细阐述。精准推荐系统架构图如下。

2.1业务问题转化为机器学习问题

业务问题

银行理财产品个性化推荐给客户。 例如在微信银行中给每个客户推荐此客户喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。

将业务问题转化为机器学习问题

理财产品种类繁多，产品迭代速度很快，客户在繁多的产品中不能快速找到适合自己的产品，因此有必要建立一个自动化推荐模型，建立客户理财偏好，给客户推荐最适合的产品。

将银行理财产品推荐业务问题转化为机器学习问题，进而利用人工智能技术提高推荐产品的点击率和购买率。例如在恰当的时间，通过用户偏好的渠道给用户推荐产品，推荐的结果为用户购买或者未购买。这个问题可以看作一个典型机器学习二分类问题：基于历史营销数据来训练模型，让模型自动学到客户购买的产品偏好，并预测客户下次购买理财产品的概率。对模型预测出所有客户对所有产品的响应概率进行排序，可选择客户购买概率最高的topN个产品推荐给客户。

下面将叙述如何构建该推荐预测模型。

2.2数据源准备

在建立的一个理财推荐模型之前，可以预见到相似的客户可能会喜好相似的产品（需要表征客户和产品的数据），同一个人的喜好可能具有连续性（购买历史交易数据，包括基金国债等），他的存款、贷款资金可能决定了他能购买什么档次的理财等等。因此，我们需要准备以下数据。

客户基本属性：客户性别，年龄，开户时间，评估的风险等级等等。

产品基本属性：产品的逾期收益率，产品周期，保本非保本，风险等级等。

客户购买理财产品的历史：在什么时候购买什么产品以及购买的金额。

客户的存款历史： 客户历史存款日均余额等。

客户的贷款历史： 客户历史贷款信息等。

客户工资：客户工资的多少也决定了客户购买理财的额度和偏好。

用户画像提取的特征：用户的AUM等级，贡献度，之前购买基金，国债的金额等。

2.3特征转换和抽取

有了这么多数据，但是有一部分特征是算法不能直接处理的，还有一部分数据是算法不能直接利用的。

特征转换

把不能处理的特征做一些转换，处理成算法容易处理的干净特征。举例如下：

开户日期。就时间属性本身来说，对模型来说不具有任何意义，需要把开户日期转变成到购买理财时的时间间隔。

产品特征。从理财产品信息表里面可以得到风险等级，起点金额等。但是并没有标志这款产品是否是新手专属，是否是忠诚客户专属。这就需要我们从产品名字抽取这款产品的上述特征。

客户交易的时间信息。同客户的开户日期，孤立时间点的交易信息不具有任何意义，我们可以把交易时间转变为距离上次购买的时间间隔。

特征抽取

还有一部分数据算法不能直接利用，例如客户存款信息，客户交易信息。我们需用从理财交易和存款表中抽取可能有用的信息。

用户存款信息：根据我们的经验，客户购买理财之前的存款变动信息更能表明客户购买理财的真实想法，因此我们需要从客户历史存款数据抽取客户近三个月，近一个月，近一周的日均余额，以体现客户存款变化。

客户交易信息：客户最近一次购买的产品、购买的金额、及其相关属性，最近一个月购买的产品、购买的金额及其相关属性等等。

以上例举的只是部分特征。

2.4构造、划分训练和测试集

构造

以上说明了如何抽取客户购买理财的相关特征，只是针对正样本的，即客户购买某种理财时候的特征。隐藏着的信息是，此客户当时没有购买其他在发售的产品。假设把客户购买了产品的标签设为1，没有购买的产品样本设为0，我们大致有如下训练样本（只列举部分特征）。

其中客户是否购买产品是我们在有监督训练的标签，也就是我们建立的是一个预测客户是否会购买产的模型。

划分训练集和测试集

考虑到最终模型会预测将来的某时间客户购买某种产品的概率，为了更真实的测试模型效果，以时间来切分训练集和测试集。具体做法如下。假设我们有2016-09-01 ~ 2017-03-20 的理财购买相关数据。以2016-09-01 ~ 2017-03-19的理财交易数据作为训练，2017-03-20这一天的客户对每个产品是否购买的数据作为测试。以2016-09-01 ~ 2017-03-18的理财交易数据作为训练，2017-03-19这一天的客户对每个产品是否购买的数据作为测试，以此类推。

2.5模型训练

根据提取的特征，组成样本宽表，输入到分类模型，这里选择了TDH平台机器学习组件Discover所提供的近百个分布式算法进行建模和训练，同时我们还使用了特征的高阶交叉特性进行推荐的预测和分析。

2.6模型评估

评价推荐好坏的指标很多，比较常用的有

1.ROC曲线下面积（AUC）

2.logloss

3.推荐产品第一次命中rank的倒数（MRR）

4.TopN

针对银行的理财推荐实际业务，客户当天绝大多数是只购买了某一款理财，MRR(Mean Average Precision 的特殊情况)能反应这种情况下推荐的好坏。另一种直观的评价指标是TopN，假定我们只推荐N个模型认为客户最有可能购买的产品，并和真实情况比较，就能得到当天推荐的结果的混淆矩阵，TN，TP，FN，FP，recall，precision等。

我们在生产上验证了最近十天的推荐效果，即测试了2017-03-20， 2017-03-19，…… , 2017-03-11等十天的推荐效果，以下是这些结果的评价。

AUC

Logloss

MRR

0.89

0.45

0.78

也可以把新客户（之前没有购买理财）和老客户（至少购买过一次）分开评估效果。 新客户的购买占了整个理财购买的1/3 以上。

测试新客户的预测效果，可以看出模型对冷启动问题解决的好坏。

对新客户的预测效果

AUC

Logloss

MRR

0.80

0.73

0.32

对老客户的预测效果

AUC

Logloss

MRR

0.92

0.38

0.88

2.7模型优化

1.上线之前的优化：特征提取，样本抽样，参数调参

2.上线之后的迭代，根据实际的A/B testing和业务人员的建议改进模型

（三）需求预测和客户价值

“顾客终生价值”(Customer Lifetime Value)指的是每个购买者在未来可能为企业带来的收益总和。研究表明，如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。

经典的客户终身价值建模的模型基于客户RFM模型。模型简单的把客户划分为几个状态，有一定意义但不一定准确，毕竟RFM模型用到的特征不全面，不能很好的表征客户的价值以及客户银行关系管理。

为了方便的对客户终身价值建模，有几个假定条件。其一把客户的购买价值近似为客户为企业带来的总收益，其二把未来时间定义在未来一个季度、半年或者一年。也就是我们通过预测客户在下一个时间段内的购买价值来定义客户的终身价值。因此，我们将预测的问题分为两个步骤：第一步预测这个客户在下一个阶段是否会发生购买（需求预测）。第二步对预测有购买行为的客户继续建模预测会购买多大产品价值。

3.1需求预测

提取客户定活期存款、pos机刷卡、渠道端查询历史等特征，以这些特征作为输入预测用户在当前时间节点是否有购买需求，训练和测试样本构造如下：

1.历史用户购买记录作为正样本。

2.抽样一部分从未购买的理财产品的用户作为负样本集合Un，对于每一个正样本Un中随机选取一个用户构造负样本。

3.选取2016.04-201610 的购买数据作为训练样本，2016.11的数据作为测试样本。

使用机器学习算法进行分类训练和预测，重复上述实验，得到下列结果:

AUC: 0.930451274

precision: 0.8993963783

recall: 0.8357507082

fmeasure: 0.8664062729

进一步对客户分群之后，可以更好的对新客户进行建模，对于老客户我们可以进一步提取他们的历史购买特征，预测他们在下一段时间内购买的产品价值（数量，金额等），对于新客户，可以进根据他的存款量预测其第一次购买的产品价值，把存款客户变成理财客户。通过分析客户存款变动于客户购买理财的关系，我们发现客户购买理财的前一段时间内定活期的增加的有不同的模式，如下图。

根据需求预测模型，我们给出新客户最有可能购买的top N 列表，然后由业务人员进行市场推广。

3.2客户价值预测

进一步预测有购买需求的客户的购买价值高低。这是个回归问题，但是预测变量从二分类变量变为预测连续的金额值。训练的时候预测值取训练周期内（一个月或者季度）客户所购买的总金额。

算出客户的当前价值（即当前阶段购买的产品价值）和未来价值（预测的下一个阶段的客户价值）可以帮助我们鉴定客户处于流失阶段，或者上升阶段，或者是稳定阶段。当前价值取的是当前时间前三个月的交易量。对流失阶段高价值客户可以适当给予营销优惠，对于有购买意向的客户适当引导。如下图所示。

结果/效果

一是提高银行营销准确性。随着客户不断增加，理财产品也在不断推陈出新，在实时精准营销平台的帮助下，银行从以前盲目撒网式的营销方式转变到对不同客户精准触达，提高了理财产品的营销成功率，降低销售和运作成本。理财产品推荐的上线以来，产品推荐成功率比专家经验排序模型最高提升10倍。

二是增加银行获客数量。精准营销系统洞察客户潜在需求和偏好，提高了银行获取目标客户群的准确率。从数百万客户中,通过机器学习模型,找到最有可能购买产品的客户群，通过渠道营销，实现响应率提升。相比传统盲发模式，发送原38%的短信即可覆盖80%的客户。

通过构建基于大数据的精准营销方案，恒丰银行深入洞察客户行为、需求、偏好，帮助银行深入了解客户，并打造个性化推荐系统和建立客户价值预测模型，实现可持续的营销计划。

科学的案例分析可以帮助企业及时掌握市场信息,提高经营管理水平,在竞争中占据有利地位。那么下面是我整理的网络新媒体营销成功案例分析，希望能够有所帮助。

网络新媒体营销成功案例分析一

饰品网络营销：Mbo_音乐盒的成长历程

Mbo_音乐盒的历史并不复杂，甚至可以用平淡来形容，只是一个普通的网络 创业 故事 。

Mbo_音乐盒韩国饰品店最初成立于2002年，在那个网络购物刚刚开始的年代，店主田依雯通过销售一些自己的闲置物品，渐渐发现了网络销售的商机。于是，一个网络饰品品牌&ldquoMbo_音乐盒&rdquo诞生了。

普通的网络创业故事

店主田依雯读大三时，开始在网络购物平台&ldquo易趣&rdquo上卖东西。由于做得很有起色， 毕业 后她索性全职投入。随着生意越来越忙，丈夫石先生也干脆辞了工作来帮她。

从最初的53元启动资金，到第一张自己拍摄的饰品照片，到第一个自己设计的商品页面，Mbo_完全是由店主&ldquo盒子&rdquo&mdash&mdash田依雯自己一个人完成。不同风格、亲民价格、来自韩国的时尚饰品，让Mbo_渐渐在网络上有了第一批自己的客户，雇佣了第一个员工。Mbo_完成了第一次从纯粹个人的小店，逐渐蜕变成了有独立工作室的网店。

2005年Mbo_被高速发展的&ldquo淘宝&rdquo所吸引，在淘宝上注册了自己的第一家店：musicbo_。更多的竞争对手、越来越多的模仿者、更低的产品价格，让Mbo_深深体会到了市场的残酷。然而，淘宝本身就像一个不断进化的机器，在淘宝不断的自我升级中，Mbo_也领悟到了应变的策略。于是，Mbo_开始寻找自己的特色，定位自己的目标客户群，并一直坚持走了下来。最终，Mbo_在淘宝上成功的生存了下来，并且茁壮成长。

在田依雯和丈夫的精心打理下，网店的生意做得更是有声有色。从开始的销售别人的产品，渐渐转变为开始销售自己设计的产品。2008年，Mbo_成立公司，注册自己的商标并成功加入淘宝商城，目前现在已经成为年销售额几百万元，十几个人的专业团队，成长为一个真正的网络品牌。

不过，田依雯坦言，周围有很多比他们大10倍的网络卖家，而他们则&ldquo发展得不快，不过还算稳定&rdquo。

但在发展过程中，田依雯也有了自己的目标：Mbo_音乐盒要做一流的网络饰品销售品牌。&ldquo我们做的不仅是销售产品，而是希望可以通过淘宝这个平台打造出一个真正的饰品品牌，买家是因为喜欢Mbo_品牌而来购买，而不是因为价格便宜而来购买。在Mbo_，买家不仅是买产品，而且更能享受到我们更多的服务，只有这样，一个公司才能长久生存下去。&rdquo田依雯认为，淘宝就像一个孵化器，不仅孵化出了很多个人卖家，而且还孵化出了像Mbo_一样的拥有自己品牌的网络销售公司。

丈夫石先生则说，三年内的目标是结合网络和实体店，走立体网络的发展道路，长远之计则是希望能将自己的品牌推广开。总之，先活下来，再考虑如何活的更好，继而建立自己的品牌。夫妻俩都明白，建立品牌是一个长期的过程。

搭顺风车的网络品牌

然而，一次偶尔的活动，让田依雯夫妇发现，借助网络的力量，建立网络品牌也许没有想象的那么困难。

当时，淘宝搞了一个&ldquo最值得 收藏 的101家店铺&rdquo活动，Mbo_音乐盒并不知道已被网友主动推举上了名单，可店铺的销量在短期内一下子翻了5倍。田依雯问客户，&ldquo怎么看到我们家商品的&rdquo，没想到客户说，是在淘宝的活动页面上看到的。就是从那个时候，他们充分领略到了网络平台的推广具有多么大的作用。

其实，最初创业时，Mbo_音乐盒并没有很注意自己的品牌。但后来他们发现，客户群很稳定，老客户的重复购买率很高，逐渐有了&ldquo品牌&rdquo意识。这期间，两个人也曾经尝试做过其他产品，但都放弃了，&ldquo因为你会发现，别人卖得好不一定你能卖得好。其实每一行都需要时间和 经验 的积累，而且饰品行业的市场其实很大，而我们只能做很小的一部分。&rdquo田依雯这么谈论自己的新体会。

于是，Mbo_音乐盒重新审视了自己的定位。他们意识到，在网络饰品这个领域，中国还没有一个真正的好品牌，且基本还没有流行饰品的概念。目前，饰品行业叫得响的品牌只有老庙黄金、周大福等这些做贵重金属首饰的企业，但是这些产品的市场相对来说并不大，一来价格高，二来款式也较少、陈旧，大部分更适合成熟的人群。

而对18岁至30岁的女性来说，她们比较时尚、年轻，她们需要的是款式新颖、能经常更换的饰品，而不是动辄一两千元的高档贵重饰品。就线下的市场来说，这种流行饰品一般只在一些商场的专柜或专卖店销售，而且价格不菲，很多人往往找不到购买场所二是性价比相对来说比较低，所以认为这个市场还大有作为。

&ldquo事实证明，现在从事这块业务的企业也越来越多，网络饰品的销售带来了销量，让那些厂家也看到了商机。逐渐地，流行饰品的市场从生产到推广再到销售就完全网络化了。&rdquo石先生笑言，&ldquo虽然竞争对手多了，但证明这确实是利润点，否则也不会有那么多人进入这一市场。&rdquo

在他们看来，网络购物平台就像一个放大器，把市场放大了。而且随着网络不断深入到百姓生活，这个市场仍在不断扩大。此外，&ldquo支付宝&rdquo等第三方机构又解决了消费者对网络交易的不信任问题，从而吸引了更多的消费者。

从经营产品到经营人心

任何一个事物都有两面，金融危机同样如此。当它对实体经济带来巨大冲击时，或许正成为网络经济的一个机遇，也给了网络品牌更大的发展空间。

石先生觉得，网络价格更透明，性价比更高&mdash&mdash就像淘宝的 广告 所说，&ldquo让1分钱变2分钱&rdquo&mdash&mdash所以经营品牌更需要用心。目前的网络也存在一些问题，如商品良莠不齐，但如果想在网络上长期稳定发展，那就与做实体经济很类似，需要经营人心。所谓经营人心，就是要站在发展品牌的角度上考虑，如果卖什么赚钱就卖什么，可能前期也能赚到钱，但绝不会长久，可能一辈子就是个网络上的&ldquo倒爷&rdquo。

这一点，一个大卖家的话让田依雯夫妇记忆犹深。那是全球最大的电子配件卖家，一年销售额约4500万美元，可田依雯夫妇与他交流时发现，&ldquo他比我们低调多了，把很多问题都理顺了，架构搭得很好，做得很稳。他们前期并不是为了扩张，而是在不断修改本身的问题，建立 企业 文化 ，建立自己的核心竞争力，后来他们的优势逐渐起来了，销售额也越来越高。&rdquo

受到启发后，Mbo_音乐盒的网络品牌之路也着重从建立自己的文化着手。田依雯介绍说，&ldquo我们的第一目标就是为了给广大买家提供质优价廉的商品，让客户在我们这里可以开心愉快满意的购买商品，而利润只是目标的一部分，但不是首要的。我们发现，当把质量、服务等提高后，品牌就自然而然地推广了。因为网络销售的一个重要特点是口碑相传，一个人买了觉得好后，她会推荐其他人来买。再后来，我们开始从包装等方面树立自己的品牌，有了印有品牌标志的包装盒、包装纸，并采用会员机制，给老客户一定的让利，对外的推广则联合淘宝等网络平台进行一些活动吸引新客户。&rdquo

网络新媒体营销成功案例分析二

DELL网络整合营销案例

DELL网络整合营销案例演示了在当今社会的互联网让营销力量得到了极大的释放，网络营销如此深刻地融入企业的运营模式之中。Dell公司的网络营销策略迎合了时代的潮流，利用了先进科技发展其网络销售，可谓是开直销之先河，抓住了商机。

DELL网络整合营销案例：

DELL是国际个人电脑销售排名第一的公司，DELL公司除了门店直接销售PC外，最主要的营销方式就是网络营销，据了解DELL公司每年绝大部分营业额就是网络营销。

DELL公司是由年仅19岁的企业家迈克尔戴尔创立的，他是计算机业内任期最长的首席执行官，他的销售理念是非常简单，那就是：按照各户要求制造计算机，并且向客户直接发货，使公司更能明确的了解客户要求，然后以最快的速度作出回应。这个直接的 商业模式 消除了中间商，这样就减少了不必要的成本和时间。

直销的另一个好处就是能充分了解到客户的需求并对其作出快速响应。通过网络营销，商家的产品从定位、设计、生产等阶段就能充分吸纳用户的要求和观点，而用户的使用心得也能通过网络很快的在产品的定位、设计、生产中反映出来DELL公司的设计，开发，生产，营销，维修和支持一系列从 笔记本 电脑到工作站的个人计算机显示，每一个系统都是根据客户的个别要求而量身订做的。因此在美国，DELL公司是商业用户，政府部门， 教育 机构个人消费者市场名列第一的主要个人计算机供应商。

电脑软硬件产品是十分适用于网络直销，首先，网络用户大多数是电脑发烧友，对于这类信息最为热衷，再加上电脑产品的升级换代快，使得这一市场有着永不衰退的增长点。戴尔充分利用这点，利用互联网推广其直销订购模式，凭借着出色网络营销发展模式，一举超越所有竞争对手，成为全球销售第一的计算机公司。进入中国市场之后，戴尔以&ldquo直效营销Be Direct&rdquo的网络营销模式为基础，加以强大的营销推广，在中国市场上起得了迅猛的发展，仅次联想、方正之后，成为中国PC市场第三大巨头。

整合营销案例分析---网络整合营销4I原则中的：

Interests利益原则

整合营销案例thldl.org.cn中当戴尔接触网络时，凭着对新技术的敏锐，戴尔率先搭上了最新因特网班车。&ldquo我们就应该扩大网站的功能，做到在线销售。&rdquo戴尔在出席董事会时，坚定地表示：&ldquo网络可以进行低成本、一对一而且高品质的顾客互动，在线销售最终会彻底改变戴尔公司做生意的基本方式&rdquo。1996年8月，戴尔公司的在线销售开通，6个月后，网上销售每天达100万美元。1997年高峰期，已突破600万美元。Internet商务给戴尔的直销模式带来了新的动力，并把这一商业模式推向海外。在头6个月的时间里，戴尔电脑的在线国际销售额从零增加到了占总体销售额的17%。经过近10年的发展，到2006年，公司收入已经有60&mdash70%来自网上销售。网络是一个信息与服务泛滥的江湖，营销活动不能为目标受众提供利益，但是设身处地的思考消费者的需要，为消费者提供更多的资讯，然而面对免费利益，消费者接受度也自然会大增。

Interaction互动原则

网络媒体区别于传统媒体的另一个重要的特征是其互动性。如果不能充分的挖掘运用这个usp，新瓶装旧酒，直接沿用传统广告的手法手法，无异于买椟还珠，再加上网络媒体在传播层面上失去了传统媒体的&ldquo强制性&rdquo，如此的&ldquo扬短避长&rdquo，单向布告式的营销，肯定不是网络营销的前途所在，只有充分挖掘网络的交互性。充分挖掘网络的交互性，充分地利用网络的特性与消费者交流，才能扬长避短，让网络营销的功能发挥至极致。不要再让消费者仅仅单纯接受信息，数字媒体技术的进步，已经允许我们能以极低的成本与极大的便捷性，让互动在营销平台上大展拳脚。而消费者们完全可以参与到网络营销的互动与创造中来。Dell为消费者提供了互动交流的平台为消费者提供售后的技术支持。dell以博客的形式为消费者提供资讯，产品介绍，发布新品。

另外这里还设置了视频区你可以看到设计师，工程师设计研发的过程。把消费者作为一个主体，发起其与品牌之间的平等互动交流，可以为营销带来独特的竞争优势。未来的品牌将是半成品，一半由消费者体验、参与来确定。当然，营销人找到能够引领和主导两者之间互动的 方法 很重要他们会逐一做着介绍，让大家看到自己的研发过程，给予消费者对产品质量的信赖感，这也满足了不分消费者对产品制造研发的好奇心理。

开设网上在线论坛。不仅是大客户，那些小型企业、大批的居家办公者也被吸引在Dell品牌的周围。从1998年秋季开始，DELL设立的高层主管与客户的在线论坛&ldquo与Dell共进早餐&rdquo，扩大到小型的商业用户，这种现场聊天的话题包括服务器市场走势等大题目，而且还设法让一般用户有机会提出各种各样的问题，然后通过Dell的在线知识库在人工智能软件帮助下给予自动回答。

提供搜索服务。Dell也提供了全方位的搜索服务。设置搜索服务可以方便用户查找自己所想要的产品和技术支持。搜索的范围很宽，既有对硬件的搜索，也有对软件的搜索既有对各种组装好的整机的搜索，也有对各种零配件的搜索等。

Individuality个性原则

进入Dell主页，给人一目了然，井井有条的感觉。Dell计算机公司将其产品分别按照产品种类或者应用领域进行分类。例如，按产品种类可以分为： 台式机 、便携机、服务器和工作站等等。按应用领域可以分为：家庭用、小型商业用、大型商业用、教育用和政府用。不同的产品面向不同的市场，因而实行不同的策略，这实际上也是一种市场策略。

DELL根据顾客需要，为顾客量身订做电脑，正所谓【量体裁衣】

每一位顾客对电脑的要求是不一样的所以DELL公司为消费者【分门别类】

针对不同人群，为不同的人群，不同的资讯

也对不同国家的人群，提供不同语言的服务 还添加了友情链接

让更多的人了解DELL走向国际化

用户可以根据显示内容和提示，很快的可以找符合你要求的产品，并且了解到产品的价格和各项功能。

戴尔一直坚持以客户为中心组织企业内部的架构，忠诚地执行最好的&ldquo客户体验&rdquo的企业 口号 ，从市场、销售到后勤、客户服务部门都以统一的面貌出现在客户面前，客户找到任何一个部门，都能得到统一的答复。在提高客户体验的同时，戴尔的市场、销售成本却大量缩减，这就是戴尔公开的秘密。

>>>点击下页进入更多网络新媒体营销成功案例分析相关内容

这个就太多了，你参考下下面的说的：

市场分析工具、方法及应用

第一章：市场环境分析方法及应用（PEST分析）

1、政治法律环境分析

政治稳定性、税收政策、产业政策、法律限制等等

2、经济环境分析

　 经济增长率、汇率、货币政策、GDP、恩格尔系数等

3、技术环境分析

　 技术变革速度、产品生命周期、技术保护、知识产权等

4、社会环境分析

　 人口数量与素质、地理环境、生活方式、价值观等

案例：福特E-dsel汽车项目的失误

　中国汽车节能化发展还是豪华化发展方向？

第二章：行业竞争分析方法及应用

1、行业规模及发展潜力分析

　 产业生命周期、市场潜力、销售预测等

2、行业结构分析

　 行业集中度、竞争强度（波特五力分析）、行业盈利率等

3、竞争对手分析

　 竞争对手界定五大方法、竞争性路径分析法等

4、消费者分析

　 消费者购买特点、消费者购买黑箱、马斯洛需求层次、影响消费者决策的四大情境因素等

5、市场地位分析

　 市场占有率、波士顿“三四”规则、市场定位“三”法则等

讨论：中国轿车业行业特点及市场结构？

案例：新天葡萄酒竞争对手分析及其目标市场的选择

第三章：市场机会分析与选择工具

1、企业资源分析

　 企业异质资源、价值链、行业关键成功要素、资料杠杆、资源模仿性分析等

2、核心能力分析

　 核心能力的识别、核心能力与企业价值等

3、SWOT分析

　 SWOT矩阵、SWOT战略组合等

4、业务选择与组合

　 BCG矩阵、GE矩阵、战略钟、财务能力雷达图等

案例：比亚迪进军汽车市场面临的挑战

　郎能电器BCG分析

第四章：营销战略分析方法及应用

1、市场细分类型

　 什么是市场细分、市场细分的依据、消费者市场细分的八大类型等

2、评估细分市场

　 市场细分评估标准、细分市场的规模和成长性、细分市场结构吸引力等

3、选择目标市场

　 目标市场选择的五种模式、三类目标市场营销策略等

4、常用营销战略

　 市场范围战略、市场地域战略、市场进入战略、市场退出战略等

案例：中国电信市场细分战略

　大众银行市场细分战略

第五章： 营销策略分析工具与应用

1、产品定位与选择

　 包括产品生命周期、整体产品、毛利、产品盈利、产品组合等

2、价格决策方法

　 产品价格d性、定价目标、定价基本方法、降价策略等

3、渠道决策方法

　 经销商成本分析、中间商选择原则、销售渠道发展趋势、KA的发展方向等

4、促销决策方法

　 促销组合、广告、公共关系、销售促进、人员推销策略的应用等

案例：新天葡萄酒产品规划

格兰仕的竞争策略

索尼平板彩电降价

讨论：价格战在什么条件下有效？

　利润与销量的关系？

低毛利的产品应该停产吗？

第六章： 品牌管理工具、方法及应用

1、品牌管理分析框架

　 品牌工作三阶段：品牌调研、品牌设计、品牌传播

2、USP理论及其应用

　 独特的销售主张的含义、宝洁、摩托罗拉等USP的应用

3、品牌形象理论及应用

　 奥格威的广告准则、奥美的品牌管理之道等

4、品牌定位理论及应用

　 特劳特定位理论基本内容、品牌定位的四步骤、品牌定位四象限法等。

---