《大圣归来》为什么营销得如此成功？

  首先，作品本身拿得出手，营销这是前提条件。一般电影的营销，主要是营销关注度，制造话题，吸引眼球，通过各种活动手段广而告之，小时代虽然不是好的电影，但在营销上的成功不可否认。这需要什么？充足的经费，完整的的推广团队，参演明星的知名度和话题度。现在绝大多数都是这么做的。由此也能佐证为什么翻拍这么被青睐，因为它先天有营销优势。同样大圣作为国民男神，这个优势同样存在。

  大圣的传播并非以这样种传统渠道完成的。当然它未必不想，但钱是死穴。它的推广一开始是用点映来让人知道这样一部高质量的作品。随即喷涌出的是各路大手的长评，手绘，剪辑，手工作品！这不同于大v们随手转个推荐，这些作品无疑是需要耗费很多时间和精力的，这种推荐对阅读者而言就不会是垃圾信息，它们是有效的甚至高效的。看到这类信息的普通观众至少会有这样的直观感受：它至少是值得花时间去看一看的。这才导致我们现在感受到的热力营销。

  个人认为《大圣归来》这种成功更多的是口碑层面印象层面的成功，并不是经济上的成功。

“互联网+”作为一种新的经济形态，可以充分发挥互联网在生产要素配置中的优化和集成作用，将之融合于经济社会各领域之中，有助于提升实体经济的创新力和生产力。《大圣归来》就充分利用和发挥了“互联网+”的优势，从而在资金和宣传资源有限的情况下出奇制胜，给人留下了深刻的印象。

一，精准传播，锁定网络核心受众群。

营销的首要问题是明确目标受众，细分市场，制定个性化的传播策略。《大圣归来》的营销 *** 作即颇可玩味：（1）锁定种子用户。《大圣归来》的第一支MV《从前的我》在bilibili投放后，即收获了400万次的点击量。“有爱有燃，有笑有泪”的关键词，牢牢抓住了以80后、90后为主体的“二次元”粉丝。（2）重视受众的体验感。网络媒体的一个重要特征就是“互动性”。在精准传播的过程中，强化与受众的联结才能取得更好的效果。影片上映后《大圣归来》官微即频繁转发其他微博账号关于该片的评价。片方官微的这种做法其实既是一种鼓励，更是一种动员。最终，形成了互联网上铺天盖地的刷屏，并因之成为一种文化现象。

二，拓宽渠道，与线上网络售票平台合作。

《大圣归来》营销活动的另一个创新就是在渠道上跟“微票儿”绑在一起。《大圣归来》通过B站圈住忠实影迷之后，需要进一步到社交平台放大口碑，微信就是当时最合适的选择。而主推微票的微影时代公司同时还带来了其他资源。如拟推出金罐包装的加多宝与微影时代合作后，曾通过派发微信电影票优惠活动参与了电影《大圣归来》的推广宣传。

在传统营销模式里，动画电影与真人电影相比并无多少优势。而“互联网+”打破了这一限制，使得影迷可以直接在网络上进行相应互动，大大增强了影迷的体验感。《大圣归来》充分把握住了市场机遇，积极运用互联网营销，最终取得成功。

数据挖掘，已成为各大公司的必备职位，针对顾客行为和购买历史等进行数据整合、分析挖掘，达到精准定位营销的目的。但数据挖掘并不是简单的数据采编，更多需要一些算法技巧，比如我们做数据挖掘会采用分类算法、聚类算法、关联规则等。下面 大圣众包威客平台 我就这三种算法详细介绍下，如何实现精准营销。

分类算法：

我们做电商平台，用户留存是很重要的一部分，但顾客流失走向我们是无法控制的，只能通过预测，这时就需要运用到分类模型。分类算法属于预测性模型，根据过去数据、分析来预测将来一段时间的行为过程。分类学习方法所使用的数据集称为训练集，训练集中每一个个体都有明确的类别，通过训练集中的数据表现出来的特征，为每一个类找到一种准确的描述或者模型。其优点是容易理解、预测准确度高。分类算法有logistic回归，神经网络、贝叶斯分类器、SVM等算法。

分类算法实际应用案例：

比如高尔夫球场，这个跟天气情况关系密切，因为前期的数据分析，得出天气是否晴朗，气温如何，湿度如何、风力如何都会影响到打高尔夫球场的人，因此，作为一个高尔夫球场的运营人员便可以根据分类模型，去构建决策树，不同的天气因素，决定是否开放等。

聚类算法：

说完分类算法，谈谈聚类，聚类算法主要是按照样本、数据自身的属性去归类，用数学方法根据相似性或差异性指标，定量确定样本亲疏关系。聚类有Kmeas，Two-step

聚类算法实际应用案例：

电商公司想要新进一批高端服装，但究竟进什么款式等，这需要根据消费群体特征来分类，首先需要从上一年的数据，查看顾客购买行为、消费额、购买时间等通过聚类方法进行分类，找出每类群体的特征，然后根据这类群体进行相应的推送，而不是广撒网模式。

关联规则：

关联分析是从大量数据中发现样本之间有趣的关联和关系，从而为用户推送。关联分析主要用“支持度”(support)和“置性度”(confidence)两个概念衡量事物之间的关联规则。关联规则A->B的支持度support=P(AB)，指的是事件A和事件B同时发生的概率。置信度confidence=P(B|A)=P(AB)/P(A),指的是发生事件A的基础上发生事件B的概率。这有点像我们高中的概率学。

我们常见的电商平台，“为你推荐”、“购买该产品的用户还购买了”等都属于关联分析，其依据就是通过分析之前购买产品的顾客的购物篮分析，分析顾客的购买习惯，可以帮助零售商制定营销策略。

数据挖掘不是简单的数据整合，采集，更多是根据用户的行为习惯，深入分析用户的意图，了解背后的动机，才能给予企业决策，更好服务营销。

原文地址： http://www.dashengzb.cn/articles/a-146.html

---