大数据在中国B2C电子商务精准营销中的应用研究

大数据在中国B2C电子商务精准营销中的应用研究（共5篇）

大数据在中国B2C电子商务精准营销中的应用研究 篇1

大数据技术在精准营销中的应用

大数据时代，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。对于海量数据数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。回顾近两年对大数据的探索历程，某基础运营商一方面顺应大势，牢牢把握大数据技术快速发展的机遇，另一方面应势而动，充分释放前期IT集中化、一体化的红利，鉴定推进数据集中。先后经历了数据集中采集的积淀、初试大数据平台、传统数据库与sefve(四方传媒)获客云混搭架构的大数据平台创建，以及目前朝开放式大数据服务平台迈进四个阶段。

sefve获客云拥有着精准化营销与维系系统，依托大数据精准定位支撑端到端多维度系体系，构建在大数据平台之上，面向客户、面向服务、面向管理，深化数据分析、数据挖掘能力、洞察客户、透视企业，是将大数据转化为实际生产力的重要云化应用之一。

大数据技术架构

MPP数据库

MPP（Massively Parallel Processing，大规模并行处理系统）由多个SMP（SymmetricMultiProcessing，对称多处理系统）服务器通过一定的节点互联网络进行连接，协同工作，完成相同的任务，从用户的角度看它是一个服务器系统。其基本特征是由多个SMP服务器（每个SMP服务器称为一个节点）通过节点互联网络连接而成，每个节点只访问自己的本地资源（内存、存储等），节点之间的信息交互是通过节点互联网络实现的。目前的技术可实现512个节点互联。MMP数据库有以下特点。

①一般存储为结构化数据，有明显的星型或雪花型结构，适用于大数据分析的应用；

②每个服务器都有自己独立的存储、内存和CPU，允许动态地增加或删除节点； ③数据分区划分到不同的物理节点上，通过分布式查询优化来提高系统整体性能；

④主要用在数据仓库和大规模的分析处理应用中。ETL技术

ETL是指将数据从源端经过抽取（Extract）、转换（Transform）、加载（Load）至目的端的过程，该部分在数据挖掘和分析过程中为最基础的一部分。一个良好的ETL系统应该有以下几个功能。①消除数据错误并纠正缺失数据；

②对于数据可信度的评估提供文档化衡量； ③获取相互作用的数据流程来保护数据； ④整合多个源数据；

⑤将数据进行结构化供最终用户使用。

大数据在中国B2C电子商务精准营销中的应用研究 篇2

本论文的研究方法为定性研究，通过深度访谈的方法，以京东商城为具体研究对象进行研究。通过对京东商场的具体研究分析，理清B2C电子商务企业收集、整理、存储和分析大数据的流程；分析用户多次的购物记录形成关系网，知悉更多用户的购买习惯和喜好；将客户分为不同的类型，将个性化的信息推荐给客户，以客户为中心，进行实时营销和精准营销。但本文仍存在诸多不足之处，希望在后续研究中能使研究对象进一步细化，并且将案例研究进一步地深入。

关键词：大数据；电子商务；精准营销；京东商城

1 绪论

从20世纪互联网出现至今，互联网已经越来越融入人们的生活，不得不说，网购已经成为了一种潮流和趋势，已经成为了相当一部分人生活中不可或缺的部分，同时，也带动了中国电子商务的发展进程。

网络交易规模的不断扩大和增长，对于电子商務行业来说是一个难得的发展机会，但机遇与挑战永远是并存的。过去传统的粗放式营销方式开始逐渐转变为精准式营销，精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系。这种精准式营销方式主要特征就是以客户为核心，营销的目的就是实现与客户之间的交易，只有制造出令客户满意的产品，充分满足客户的个性化需求，才能够实现交易，与客户保持良好的合作关系，充分实现收益，获得较高的投资回报。

随着网络的发展和技术的进步，从2009年开始大数据这个词语越来越多地被人们所提及。不可否认，“大数据”一词在整个世界范围内也越来越热， “大数据”时代已经来临。2013年也被中国媒体广泛称之为 “大数据元年”。不得不说，大数据的时代已经来临了。京东（JD.com）是中国最大的自营式电商企业， 2014年5月，京东在美国纳斯达克证券交易所正式挂牌上市，是中国第一个成功赴美上市的大型综合型电商平台，与腾讯、百度等中国互联网巨头共同跻身全球前十大互联网公司排行榜。2014年，京东市场交易额达到2602亿元人民币，净收入达到1150亿元人民币。

最近两年，大数据在电信、医疗和公共交通方面已有应用，但在B2C的电子商务网站方面还未得到广泛的运用，所以本论文的研究问题可以归纳为两个方面：

①如何通过大数据技术获得有利于对B2C电子商务企业的顾客信息挖掘？

②如何将大数据技术分析处理后的数据运用于B2C电子商务企业的精准营销中？

本文的研究目的总体可以分为以下三个方面：

①对于B2C类型的电子商务企业而言，收集的大数据主要包括消费者的购买行为，对其进行整理和分析，可以预测消费者的下次购买行为，可以为企业在精准营销过程中节省大量的人力、财力和物力，减少成本扩大收益。此外，通过精准营销能够很好地维护企业和客户之间的关系，提高客户满意度，真正做到以客户为中心。京东商城就是通过大数据的分析，来维护与网购客户的关系，提高客户在京东商城购买产品的频率和次数，最终提高客户对京东商城的忠诚度。

②对于消费者而言，B2C企业推送的产品信息更具有针对性，更符合自己所需购买产品的期望，减少搜索和寻找相关产品的时间，能及时快速地了解B2C企业的产品信息，帮助消费者做出购买决策，指导其消费行为。消费者收到京东商城发送的产品信息之后，直接就去京东商城的网站上面进行挑选和选购，节省许多时间和精力。

③精准营销研究的侧重点大多在于客户关系管理方面的营销策划研究，基于行业的精准营销也大多集中于银行、图书、消费品等相关领域，但是随着大数据时代的来临，电子商务网站的精准营销研究相对来说就比较匮乏，这就使得本论文的研究更加具有创新性和实用性。

本论文主要以在B2C电子商务企业中非常有代表性的京东商城为研究对象，探索大数据在电子商务精准营销中的应用。

2013年可以称为中国的“大数据元年”，以此计算，中国在大数据领域内的研究还处于最初的起步阶段，且处于宏观研究的层面，对于应用涉及的更加少。而且大数据的显著4V特征：（规模（Volume）、快速（Velocity）、多样（Variety）和价值（Value）由于数据的海量化，规模巨大化和多样化，单个数据的价值密度就显得较低，如何将大数据的海量化、多样性的特点与精准营销的精准性看似矛盾对立的两个方面在营销过程中充分完美地结合起来，最终成功实现营销，这将是本文的研究创新点。

2 文献综述

本章节通过对电子商务、大数据、精准营销等概念进行文献研究，然后通过大数据在电信行业和公共交通行业的应用提供借鉴意义，为大数据能够更好地服务于电子商务行业的后续应用研究奠定基础。

2.1 电子商务

电子商务这一提法最初是由欧洲、美国等西方发达国家提出的，但是经过多年的发展和推广，电子商务已经在全世界的范围内遍地开户，占领了相当大的市场份额，基于这种情况，世界上的众多学者都开始针对电子商务进行了大量而细致的研究工作。

联合国经济合作组织（2007）把电子商务定义为：“电子商务是用开放式的网络作为交易的基础，并且依靠这一基础开展企业与企业之间、消费者与消费者之间、企业与消费者之间的商业上的往来”。

Daniel Amor （2012） 在《电子商务：变革与演进》一书中提出的看法是：立足于电子商务带来的机遇和挑战，对电子商务涵盖的技术进行了评论，同时全是电子商务的核心理念，对于电子商务未来的发展前景进行了展望和评估。该书在对于电子商务的发展给予一定肯定的同时，也毫不避讳的提出了电子商务在发展过程中出现的诸多问题。

中国的电子商务企业相对于国外企业来说起步较晚，但是发展速度却不慢，而且劲头十足，但是，由于受到种种条件的制约，现阶段中国电子商务企业的研究大多还只是停留在理论层面。

张婷，朱邦毅（2014）针对中国当前B2C电子商务市场进行研究的同时，总结了B2C电子商务的三种模式：垂直型、平台型和综合型。并在此基础上，深入解析了各种模式的优缺点和利弊后，得出以下结论：传统的大中型企业开拓销售渠道时比较适用于垂直型的模式；大中型企业在获得企业长远经营利益方面比较实用综合型模式；而平台型的模式则是中小企业最初进入网络交易市场的不二选择。

截至目前为止，针对电子商务企业在理论与实践方面的研究还非常少，这一领域还非常地薄弱，这就更加迫切地需要针对电子商务在B2C企业领域的实践进行更加系统的研究。

2.2 大数据

20世纪互联网出现，特别是进入21世纪以来，互联网的发展势头锐不可挡，无处不在的移动设备每时每刻都在产生着大量的数据，信息的交互更是时时刻刻都在处理大量的数据。此时，对于数据处理的实时性和实效性都提出了更高的要求，传统的处理手段已经不能胜任。因此，大数据技術当之无愧地成为了一个最新的技术热点，并引起了世界单位内的广泛关注。

维基百科对于大数据的定义是“大数据是一个常规软件无法在一定时间内对其内容进行获取、整理和分析的数据集合”。大数据与海量数据相比，在数据体量、复杂性和产生速度这三个方面相较于传统数据的形态有了很大的超越，此外，也超越了传统技术处理手段的范围，还能够带来巨大的经济效益。

IBM公司将大数据的特征总结成为三个“V”：规模（Volume）、快速（Velocity）和多样（Variety），但是更多的人则将其概括为四个“V”，即规模（volume）、快速（Velocity）、多样（Variety）和价值（value）。

依据一般的信息处理流程，大数据的处理过程可以划分为以下六个环节，分别是数据收集、数据整理、数据存储及管理、数据分析、数据显化及产业应用：

①数据收集。数据收集是大数据处理过程首要的一环，也是基础。

②数据整理。每年数据的产生量是非常大的，完成大量数据的收集工作之后，如何才能筛选出有用的数据，并使有用的数据顺利传递到下一环节，是大数据处理过程中必要的并且非常重要的环节。

③数据存储及管理。数据存储和数据管理是环环相扣的，采用何种方式进行数据管理直接决定了数据存储的方式，同时数据存储的方式又决定了数据管理的深度和广度。

④数据分析。开始比较早的传统数据处理公司具有明显的竞争优势，但是，以Cloudera为代表的基于开源软件基础构架的数据分析公司由于能够较好地满足客户的数据分析需求，在这几年间取得了快速的发展。

⑤数据解读。数据分析这一环节，起步比较早的传统数据处理公司同样具有一定的竞争优势，通过在传统业务之上融入新的知识，很快就成为该领域中的领头羊。

⑥数据展示。这一环节中在一定程度上也可以称之为数据应用，大数据开始帮助管理实践。

2.3 精准营销

20世纪90年代，美国的莱斯特·伟门第一次提出了精准营销的概念。Zabin和Brebach （2004）提出了精准营销的4R法则，亦即正确的顾客（right customer），正确的信息（right message），正确的渠道（right channel）以及正确的时间（Right time），通过把正确的信息在正确的时间通过正确的渠道顺利传递到正确的客户手中，借此真正实现对目标客户的购买决策形成有力影响，并促成营销目标的顺利达成。

刘征宇（2013）在《精准营销方法研究》中提出精准营销的方法应该分为三大类，分别是基于数据库营销的方法、基于Internet的方法和借助其他渠道的方法三大类。姜何（2014）用精细化营销来形容精准营销，指出所谓的精细化管理是相较于粗放式管理而言的，实施精细化管理，就意味着要开展客户细分，针对不同类型的客户实施不同的营销策略，充分了解客户的个性化需求，为客户提供所需的服务，实现营销目标。曹彩杰（2014）提出，精准营销体系应该以网络和信息技术手段为核心，未来也许会替代传统的营销模式，并逐步发展成为现代企业管理营销发展的新态势。

中国三大电信运营商经过多年的经营，累积了大量的数据。目前大数据在电信行业中的应用主要体现在网络管理和优化、市场与精准营销和企业运营管理。目前面临的问题是，电信行业发展好应用大数据技术面临的最大障碍不是技术能不能实现的问题，而是数据孤岛无法充分共享的问题。所以，对于电信运营商来说，要真正的利用大数据并使其更好地服务于运营商，数据的统一和整合是第一步，也时最为重要的一步。

应用大数据手段可以将海量的数据进行一个集合，通过把离散的数据需求集合成交通管理的体系，来满足以往不能实现的需求。利用大数据技术可以收集来自各方面的信息，这一点同样也可以应用于交通管理方面，可以应用大数据技术提升城市交通管理的水平，有效改善交通状况。在利用大数据技术治理交通方面，美国等西方发达国家最具代表性，在国内而言，深圳可以说是做得比较好的。

在B2C电子商务的精准营销中，首先利用大数据对客户进行“画像”，通过在网上的交易记录和购买情况，可以对客户情况有一个大概的了解，可以算是“素描画”。然后结合之前多次的交易情况，对客户信息进一步的补充和完善，形成关系网或关系链，这样客户的“画像”更加全面和形象，客户的消费行为和消费喜好也有一定的预测和判断。第三步就是制定销售策略，将客户分为不同的类型，通过邮件或短信，将个性化的信息推荐给客户。最后就是评估大数据在精准营销中的效果和作用，通过实施精准营销前后的销售额的变化对比，来进行验证和证实。

3 研究方法

本论文采用深度访谈法作为研究方法，主要是基于以下两个方面的考虑：

一是大数据的研究总体来说还是处于探索和研究阶段，尽管很多个行业领域都在提及大数据，但并未得到普及，大数据更多的对人们来说只是一个概念而已。

二是企业出于商业保密的原因，很多企业内部的资料无从查找，为了能够获取更多详实的内部资料和数据，需要对京东企业的内部人员进行访谈。同时为了保证企业的正常利益，访谈内容中关于京东企业的内部资料和信息仅用于论文研究使用，不可用于商业用途。

内容分析法（Content Analysis）是指来源于新闻传播领域的一种分析方法，

通过定性分析与定量分析相结合的方式，针对传播内容进行系统化的客观分析，并且描述传播内容特征和检验传播研究假设的一种研究方法。

本论文主要通过对访谈的形式，对相关人员进行访问，并对访谈的内容进行分析，将其运用于大数据在B2C电子商务精准营销中的应用研究。

本论文选取京东商城为研究对象，针对京东商城使用大数据在电子商务精准营销中的应用情况进行深入研究。之所以选择京东商城为例，有三方面的原因：

①京东商城是中国目前最大的自营式电子商务企业，已经积累了大量的数据信息。京东商城無论从规模还是盈利能力，在B2C电商市场中都是很具有代表性和影响力的，具有研究的价值和意义。

②京东商城经过多年的发展，在中国自营式B2C电商中的市场占有率高达一半，具有良好的消费者群众基础，便于进行调查问卷的发放和收取工作，方便进行数据的收集，为后期进行数据分析奠定了基础。

③京东商城尽管在行业中处于领先地位，但并非处于龙头老大的地位，希望可以通过借助于大数据的契机来缩小与天猫商城的差距，更加巩固京东商城在B2C电商市场中的地位。

鉴于以上三点，本文特意选择京东商城作为研究对象，重点研究和分析其如何使用大数据在B2C电子商务精准营销中进行应用。

4 研究过程

本章节将针对大数据在B2C电子商务中进行精准营销的具体过程进行研究，这部分内容可以划分为两个阶段和三个过程。第一个阶段是数据的收集和处理阶段，第二个阶段是数据的应用阶段。在数据的应用阶段可以划分为三个过程：第一是运用大数据为客户进行画像，第二是补充完善客户信息，形成关系网或者关系链，第三是制定营销策略，首先将客户分为不同的类型，针对不同类型的客户采取不同的营销策划，确定营销策划后通过邮件或者短信的方式将个性化的信息推荐给客户，真正做到以客户为中心进行实时营销和精准营销。

4.1 大数据收集和处理阶段

结合第二章节中已经提及的数据收集和处理过程，将B2C电子商务中的数据收集和处理过程划分为数据采集、数据清理、数据存储及管理和数据分析四个部分。

对于B2C电子商务公司而言，在决定采集数据之前，必须明确哪些数据有用需要采集，哪些数据没用不需要采集，这些数据必须区分开来，避免进行不必要的数据采集。经过第一阶段的数据收集工作，进入到数据整理的环节。数据整理，顾名思义，就是对收集到的数据进行处理，也可以成为数据预处理。在这个阶段的主要工作就是做好数据处理前的所有准备工作，做好预备工作。

京东商城的用户量每年都在快速递增，大量用户产生了大量的数据信息，所有这些用户数据信息的存储和管理也是至关重要的。现在京东商城主要采用的是并行数据库的方式来存储和管理客户的大数据。并行数据库是高性能和高可用性的数据库系统，高性能体现在进行数据整理过程中，所需用的时间越来越短，处理的数据量也越来越大；高可用性指的就是并行数据库的健壮性，换句话说，也就是并行数据库在进行数据处理过冲的一个节点或多个节点部分失效或完全失效时，整个系统对外持续响应的能力。

然而并行数据库系统的最大缺点就是灵活性不好，弹性差，这种特点对于刚成立的公司企业、对于中小型企业来说运用起来是十分有利的。京东商城通过使用并行数据库的方法，将客户的详细信息进行整理分类，便于后续的存储及管理，同时也为下一步的数据分析奠定了基础。

通过多种多样的渠道收集的各种数据，需要进行后续的整理和分析才能充分体现其价值，通过一定的分析得出的结果才能显示出什么内容是企业发展所需要的，并且使其产生一定的经济效益。对于京东商城而言，不同渠道收集到的数据，数据分析方法也略有不同。京东商城通过多渠道和多种途径来分析数据，分析出用户的特征、地域、教育程度、浏览器、网络接入商、操作系统、终端类型等属性，为大数据的运用做好准备。

4.2 大数据运用阶段

在大数据运用阶段主要包含三个过程，分别为：第一，运用大数据技术为客户进行画像；第二，对客户信息进行完善补充，形成关系网或关系链；第三，制定销售策略，将客户分为不同的类型，通过邮件或短信，将个性化的信息推荐给客户，更多地以客户为中心，进行实时营销和精准营销。

用户画像可以很全面地展示一个用户的全部信息，是B2C电子商务企业运用大数据的基础。通过用户画像，京东商城无论是在精准营销领域、搜索引擎领域，还是在广告投放等其他各种应用领域，都在原有的基础上进一步提升精准度，提高了信息获取的效率。京东商城通过一次购物记录描绘出用户的360画像，但这个画像相对来说是模糊的，不清晰的，需要通过更多的信息来核对，来弥补和完胜。大数据的关系网或关系链正好提供了这些数据和信息。

通过大数据的360度画像和关系网，京东商城对自己的客户有了更详细的了解和认识，为下一步大数据的销售策略提供了极大的帮助和支持。通过大数据的分析，京东商城的营销策略一方面以客户为中心，另一方面借助于互联网的优势进行实时营销和精准营销。

以客户为中心，企业能更好地为客户提供服务，满足客户的合理需求，完成企业自身产品的销售，并逐步在客户中塑造出良好的企业信誉和口碑，为企业自身的长远发展有很好的帮助和影响。京东商城对于用户的网络行为数据和用户所发布的内容数据非常重视，因为京东商城认为使用这些数据可以对客户进行更加深入的了解并判断客户的潜在需求。因此京东商城每次推出新的产品或服务的时候，都可以快速的推向市场。而当产品和服务推出之后，京东商城会利用大数据技术对消费者在网站上留下的点击、购买、评论和推荐等数据进行分析，对该款新产品或服务的受欢迎程度进行打分，还可以预测出消费者是否会为该产品或服务买单，根据预测的结果来决定是应该继续推广这款产品或者服务，或者是停止推向市场。

大数据时代用户的多场景、多渠道、多样化的需求已经给传统营销产业带来了影响和冲击，也为营销实时化带来了新的机遇。面对这种机遇，京东商城应该根据自身条件尽快制定有效的实时营销策略，建立高效的实时营销系统，从而提高企业的服务水平，培育客户的品牌忠诚度。

在大数据时代，随着大数据技术的日趋成熟、数据量的日益增长、数据类型的丰富多样使得更加深入的精准营销成为一种可能和必然的发展趋势，因此京东商城在进行营销活动时需要依托大数据，加大精准营销在营销活动中的比重，这样能够大幅降低营销成本，显著提高营销效率。仅仅掌握大量的数据和信息并不具有太大的价值，只有对数据进行专业处理，挖掘出数据中间所隐藏的巨大价值才能体现大数据的战略价值。而对大数据进行专业化处理和分析的最重要的方面就是进行数据挖掘。

通过本章的研究分析，可以看出京东商城在大数据时代下精准营销的具体过程，归纳总结为两个阶段和三个过程。第一个阶段就是京东商城进行数据收集和处理阶段；第二个阶段是京东商城运用大数据进行分析的阶段。在京东商城运用大数据阶段又分为三个过程：第一，京东商城利用大数据为客户进行360度的客户画像；第二，京东商城对客户信息进行完善补充，形成关系网或关系链。第三，京东商城制定销售策略，将客户分为不同的类型，通过邮件或短信，将个性化的信息推荐给客户，更多地以客户为中心，进行实时营销和精准营销。

5 研究总结

本论文主要研究大数据在中国B2C电子商务精准营销中的应用研究，通过第四章的研究分析，本章节主要是从三个方面做出研究总结，分别是研究结论、研究建议、研究局限与展望。

结合本论文第一章节中提出的两个研究问题（如何通过大数据处理技术，得到B2C电子商务企业所需的信息，以及如何将分析处理后的数据运用在B2C电子商务企业的精准营销中），通过本论文的研究总结，得出结论：京东商城主要采用的是并行数据库的方式来对存储和管理客户的大数据；京东商城受到QQ圈子的启发，将在京东商城网购用户的所有购物记录整合起来，形成京东商城网购用户自己的购物圈子；将客户分为不同的类型，将个性化的信息推荐给客户，以客户为中心，进行实时营销和精准营销。

在大数据时代，越来越多的用户行为都会被记录，这些都是数据，而电商企业所拥有的用户数据也会越来越多，面临技术手段的漏洞，这些数据也同样面临泄露或被滥用的可能，将会对企业的形象、品牌和口碑等带来重大的影响，营销数据的安全和隐私权的保护已经成为一个重要的课题和电商企业必须关注的问题。

随着大数据时代的进一步到来，电商行业的不断发展，新的大数据技术的涌现，营销理念的不断变革，电商企业在大数据时代还会有新的营销理念、营销模式的不断涌现，需要进行更加客观、更加全面的研究。本文的研究还有很多方面有必要做深入研究，可进一步细化研究对象，进一步深入案例研究，这也为笔者下一步进行研究指明了方向。

参考文献：

[1]Author， Central C.， & Ambiga， Dhiraj D. （2013）. Big Data， Big Analytics： Emerging Business Intelligence and Analytic Trends for Today's Businesses.

[2]Frank， J. （2012）. Ohlhorst.Big Data Analytics： Turning Big Data into Big Money （Wiley and SAS Business Series）.

[3]Bill Franks， B. （2012）. Taming The Big Data Tidal Wave： Finding Opportunities in Huge Data Streams with Advanced Analytics.

[4]Kotler， P. （2003）. Marketing Management （11th ed.）. Pearson Education， Inc.

[5]Lapis （2012）. Understanding Big Data . USA： The McGraw Hill Companies Viktor， MayerM.-Sch？nberger S. （2012）. Big Data： A Revolution That Will Transform How We Live， Work， and Think.

[6]万后芬.市场营销教程（第2版）[M].北京：高等教育出版社，2008.

[7]王方华.市场营销学[M].上海：上海人民出版社，2007.

[8]王成文.电子商务环境下市场营销的变化[J].法制与社会，2007，5.

[9]王森林，吴志玮.电子商务与企业成本竞争力[J].商场现代化，2007，6.

[10]甘晓，李国杰.大数据成为信息科技新关注点[J].中国科学报，2012，3.

[11]白云川.迎接大数据时代[J].中国制造业信息化，2011，12.

[12]边凌雁.4P营销组合和7P营销组合的比较研究[J].商场现代化，2007，2.

[13]苏兰君.现代市场营销能力培养与训练[M].北京：北京邮电大学出版社，2005.

[14]李鲤.数据挖掘在电子商务网络营销中的应用研究[J].广西大学报，2011，2.

[15]楊涌斌.论精准营销的实现[J].河南社会科学报，2012，4.

[16]张玉祥.对市场营销发展的新趋势的研究[J].企业家天地，2007，4.

[17]陈刚，李丛杉.关键时刻战略：激活大数据营销，2014.

[18]陈娟.我国电子商务发展趋势[J].创新科技，2006（8）.

[19]青虹宏.电子商务营销[M].北京：中国铁道出版社，2012.

[20]高虹.浅谈电子商务对传统市场营销的影响[J].电子商务，2007，50.

[21]涂子沛.大数据[M].广西：广西大学出版社，2012.

[22]陶雪娇，胡晓峰，刘洋.大数据研究综述[J].系统仿真学报，2013，8.

[23]舒尔茨.SIVA范式：搜索引擎触发的营销革命[M].北京：中信出版社，2014.

大数据下的精准营销方式 篇3

大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。电影《天下无贼》里有这样一句经典对白：“21世纪什么最贵？人才！”如今，选项可能还要加上一个：数据。

而这数据，已不是传统意义的一般数据，而是超大数据、海量数据，就是现在所谓的“大数据（Big Data）”。

如今大数据可谓是风起云涌，红红火火，俨然成为信息技术领域最时髦的词汇。IBM、微软、Oracle、SAP等IT巨鳄，像是寻找到了新的金矿，开始全力挖掘大数据，多方位推广大数据理念，而众多中小IT厂商也跟着蜂拥而至，以分得大数据市场一杯羹。

数据爆炸的冲击波

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂，变化的速度也极快。研究表明，大数据呈现三种特性：Volume（极多的数据量）、Velocity（极快的处理速度）、Variety（极繁的数据种类）。如今有许多企业已面临单日数据量以数

十、数百TB（万亿字节）的速度增加，而近几年累加的总数据量也达到了PB(1000个TB)甚至EB(一百万个TB)等级，这样的数据量已让传统的数据库难以处理；而且企业数据增加的速度也越来越快，诸如移动化、社交网络的广泛应用，使得数据增加的速度比传统的企业应用程式来得快很多，一旦数据增生速度越快，数据处理、分析的速度也就得跟上；此外，数据更是呈现出多样性、复杂性的特征，一方面互联网不但产生文字资讯，同时也不断在产出与以往不同的数据：照片、视频、微博等，另一方面，IT遍及工作生活中的每个角落，各种各样的传感器、监控器也不断产生，各种机器资讯数据的形式日趋复杂、多样了，从结构化数据到非结构化数据不断转化。这就催生了大数据技术的强烈需求。今天，从搜索引擎、社交网络的普及到人手一机的智能移动设备，全球互联网上的信息总量正以每年30%-50% 的增速不断暴涨，包括每天Facebook上分享的几亿条内容，每日15 TB的Twitter信息，每天淘宝上数十亿条店铺、商品浏览记录及上亿的成交、收藏记录以及3000多万条传感器资讯，等等。市场研究机构IDC的研究结果显示，去年全球创造的信息数量达到1800EB，并且还以每年50%的速度高速增长，到2020年，全球每年产生的数字信息将达到35ZB（1ZB=1024EB）。据IDC统计，2011年全球所产生的数据总量是1.8ZB，如果把这些数据刻录到CD碟片中，这些碟片可环绕地球30圈。

可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，面对这些只是静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门如何通过系统功能来有效利用和整合，发掘有价值的数据，给公司营销管理提供决策支持，已成为摆在企业信息部门及其他管理部门面前的难题。

而浩如烟海的客户及市场、销售和服务信息，如果没有一个具有高度商业智能的数据分析和处理系统是不可想像的。而用户想要从庞大海量的数据库中提取对自己有用的信息，就离不开大数据分析技术和工具。事实证明，传统基于过往事实的商业管理系统如BI（智能分析系统）、CRM（客户管理系统）也能够为企业带来价值，但是今天一个优秀的大数据系统更能将数据挖掘技术与现有技术很好地结合起来，将特殊领域的商业逻辑与数据仓库技术集成起来，找出对未来企业战略具有影响的因素，使数据挖掘的分析效果和效益尽可能达到峰值，让企业营销管理能“运筹帷幄，决胜千里”。

像Facebook、Twitter这样面临数据量大爆炸的国际社交网络公司，已开始用分布式程序系统基础架构、非关系型的数据库等新兴大数据技术来解决海量市场信息问题，并取得了成效。国内最大电子商务公司阿里巴巴也在利用大数据技术提供具体服务，如阿里信用贷款与淘宝数据魔方。以淘宝数据魔方为例，利用淘宝平台上的大数据应用方案，商家可以了解淘宝平台上的行业宏观情况、自己品牌的销售情况、市场排名、消费者行为情况等，并可以据此作出经营决策。

重构精确营销模式

大数据时代之前，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。

而其他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等等，更多以图片、视频等方式存在，几年前可能被置之度外，不会被运用，而今大数据能进一步提高算法和机器分析的作用，这类数据在竞争激烈的市场日显宝贵、作用突出。

包括沃尔玛、家乐福、麦当劳等知名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、餐厅设计以及顾客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。

如果说以前的一些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“用户想要什么事发生”。

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Facebook主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。

如今在美国的沃尔玛大卖场，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、作料了。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。企业要为营销准备什么

虽然大数据展示了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，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。

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也会觉得非常迷茫。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，否则失望会越大。当然，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。

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。许多企业中，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。营销者当留意的是，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。

大数据在中国B2C电子商务精准营销中的应用研究 篇4

导读近几年各行各业对大数据技术的应用越来越多，但凡有财力的企业都跃跃欲试，更何况是“手握重金”的金融行业。金融业如何利用大数据进行精准营销？如何构建新一代大数据运营中心？且听永洪科技高级咨询师胡星昱围绕金融行业的经验分享。

说到大数据，有两点我们要强调一下：一个是数据资产化，另一个是决策数据化。

 IT部门转变成利润中心

信息技术部门是做IT支撑的，每年都会进行软、硬件大批量采购，企业内部都认为信息技术部门是成本中心，信息技术部门的数据也都是伴随业务发生时产生的一个附属物。随着大数据技术发展，企业希望通过数据寻找业务规律，对客户需求进行挖掘，因为这样做会给业务带来直接的价值，帮助业务进行优化和提升，所以数据成了金融机构的一项宝贵资产，掌握数据量最大的信息技术部门也逐渐成为企业的利润中心。

从战略方向上讲，以前在企业内部，主要是决策人员根据经验主观判断进行决策，这样做的风险很大，因为人会受到自己所处环境和情绪的影响。所以企业必须借助数据的帮助来做决策，并进行客观的验证和预测，要从原来依据经验说话向依据数据说话进行转变。

在数据量和数据分析需求日益增加的挑战下，从战略层面上讲，金融机构需要建立一套“数据驱动型”的模式，即真正落实大数据运营中心。

从战术方面上讲，金融行业内企业可以尝试三种战术方向。首先可以通过用户画像、精准营销来做运营优化。其次是通过运营分析、产品定价来做精细化管理。最后是利用实时的反欺诈反洗钱应用，以及中小企业的贷款评估来提高风险控制能力，最终实现全面提升金融企业的核心价值和能力。

 新一代金融大数据运营中心 金融行业内的企业现在都需要一套整体化的业务架构。构建业务架构要从搭建一套企业级数据中心说起。企业级数据中心会包含企业的业务系统、外部数据和一些机器日志，这些结构化、半结构化和非结构化的数据，都要被汇集在一起。

在这些数据之上，金融行业内企业可以建立各种各样的分析模型。比如利用用户画像做精准营销，用EVA指标模型和反欺诈模型做多维盈利分析、反欺诈的交易分析等。

运营优化、管理提升、风险监控，这三个方向到底给金融行业带来什么价值？

首先是精准营销。精准营销真正要做的就是了解客户：客户到底是什么样的？客户是谁？客户需要什么产品？客户有什么产品偏好？客户喜欢哪些产品组合……还有就是如何进行有效营销、如何提升客户价值、保持客户忠诚度。

比如，现在很多金融机构都有APP，就可以分析用户在寻找什么产品，用户在找到一款产品并真正实现交易的过程中会浏览哪些页面，在哪个页面停留最长时间，交易中断是什么原因造成的等，而分析结果可以用于提升运营效果。

说到精准营销就不能不谈用户画像。以前经常听到“360度用户画像”这个词。但我觉得，“360度用户画像”更像一个广告宣传语，因为人是非常复杂的动物，很难用可数的纬度来100%地描述，所以需要从一定目的出发来建立用户画像。

尤其是在企业内部没有足够数据来构建用户画像，需要通过外界渠道来获取数据支撑的时候。数据的获取是有成本的，更不应该盲目搭建用户画像体系。也就是说，用户画像的本质其实应该是从业务角度出发，对客户需求、消费能力，以及客户信用额度等进行分析。

举个小例子，比如说做存贷款产品营销时，可对高价值信用卡用户的AUM进行分析。筛选他们每月的消费金额、信用额度、当前存款情况、贷款有没有拖欠，是不是商务卡持有者等，通过这些维度对用户进行分析。再针对不同用户分群给出不同的营销策略。比如说哪些用户该提升额度，哪些应该为其推荐金融产品。营销在落实时，可以先通过短信进行营销，再通过呼叫中心来了解客户意图。当客户有意向时，再交由理财经理进行进一步跟进。

除精准营销，还有多维盈利分析。多维盈利分析金融机构已经做很多年了，我最近也与国内几十家金融机构进行了交流，发现其实在业务上他们都希望多维盈利分析能够做到帐户级。可实际上，大部分金融机构现有的IT架构只能支撑做到产品级，或是科目级分析。为什么？就是因为金融机构普遍数据处理能力不够。如果要跑一个帐户级的结果出来，系统要跑好几个小时。而通过数据运营中心，就可以实现几十分钟出结果，企业就可以更好地进行精细化管理。

在风险监控方面，可以列出很多风险监控的指标，再通过这些指标用大数据平台进行实时监控，真正了解整个企业当前所处的风险等级。

 传统业务架构存在的6大缺点

上述应用在传统架构下能否实现？我认为传统业务架构存在6大缺点。

第一是不够敏捷，对业务新需求满足的时间太长。我通过交流了解到，有些金融机构内部业务新的需求提出后，需要几周，甚至几个月时间才能把报表提交上去，业务人员才能看到他需要的数据，这种效率显然跟不上市场变化。

第二是性能不佳，在海量数据面前，没有足够的计算能力去实时计算数据。

第三是洞察力弱，传统IT架构已无法深入挖掘海量数据的数据价值。金融企业的分析人员已不满足于只看到数据呈现，还希望对数据进行聚类、分类的算法来挖掘数据价值。第四是扩展性差，海量历史数据无法单机存储，传统的IT架构又不支持水平扩展。第五是无法挖掘非结构化数据价值，现在每年金融机构的数据增量中有百分之七十到八十的数据属于非结构化数据，如果不能把这部分数据的价值挖掘出来，是严重的浪费。

第六是成本高，从系统搭建到项目实施整个过程不可控。动辄上百万元资金成本或一到两年时间成本的项目在金融机构中很多。

所以，永洪提出了新一代的金融大数据应用中心的IT架构，可以根据业务需求不同，分为在线需求和离线需求。

在线or离线

为什么要分在线和离线？其实，很多需求都是按时效性区分的。

举个小例子，比如我们会分析现有的客户中，哪些属于即将流失的客户，哪些是高价值客户。在这个过程中，要经过复杂的模型，考量多个指标来判断，而结果也许并不需要马上就得到。但在分析某个地区时，高价值客户最近的消费倾向这种分析需求是非常灵活且时刻变化的，这就要求能够实时得到计算结果。

下面，我把在线和离线分开介绍。

在线分析需求，我们总结出了一个最佳实践。这里顺便回答下如何实现敏捷分析的问题。在以前的架构中，通常是把业务逻辑和数据模型结合在一起，也就是根据业务需求制作数据模型，制作CUBE，做二次表，进行汇总计算，最后反馈和展现的只是一个很小数据量的结果。在那这样的架构中，前端需求一旦变化就需要改模型，造成工作量大，交付时间也会拖长。

所以永洪提倡把数据模型和业务逻辑分开。数据模型只把跟分析主题相关的数据关联到一起，做一张大宽表。比如，现在要进行营销相关分析，就把数据交易数据、用户数据、渠道数据都打通，关联起来，但这些数据不要汇总，也就是要保持交易记录级的数据粒度，而要分析哪些纬度，需要什么粒度的数据，都可以通过实时的计算，这样就不会造成业务逻辑和数据模型混在一起。

不能每个分析需求都建一个CUBE，之前我见过有的企业数据仓库中有上千个cube，因为数量太大，根本没人来管理。而每当有新需求提出，也只能做新CUBE。这么做对企业来说有风险。

如果不愿意对数据来进行汇总计算，而是进行实时计算，就要提供大量细节数据实时计算的能力，这时可以采用了MPP数据集市来处理在线分析需求。

在这个过程中，永洪运用了列存储、分布式计算、列存计算的技术来提高运行效率，就算是百亿级的数据，也可以通过这种分布式的集群，实时进行分析计算，然后反馈给用户。此外，大数据平台离线分析是通过Hadoop的平台来做结构化和非结构化数据的存储，解析。然后在上面会用YARN量做资源管理——根据分析需求决定是用批处理模块还是搜索模块、是用流处理还是用机器学习等。

永洪科技现正在帮助国内各个企业进行数据挖掘应用。我们的客户范围涉及电信行业、能源、政府、金融、零售，还有IT互联网行业，永洪会帮助他们提升数据运营效果。

接下来，简单介绍几个做过的案例。

首先是一个股份银行，永洪通过大数据平台，帮助他们进行用户画像的精准营销，把金融机构持卡人的信息、信用卡信息、微信卡信息都拿过来。在大数据平台上，通过画像和算法给用户进行画像分群，根据分析需求来构建画像模型，基于Map Raduce聚类和算法对用户进行分类，然后再进行数据域处理，最终完成用户的画像。

另外,永洪也帮助华北一些金融机构在传统数仓上搭建在线分析平台，以及帮助他们建立全行的报表平台。例如行长驾驶舱和业务类型报表。永洪也为中信金融机构杭州分行、四川分行搭建了在线分析平台。杭州分行通过在线平台帮助用户实时分析零售数据。以前他们的分析人员大部分精力都用在整理数据和制作报表上，通过永洪的在线平台，业务人员可以自己接触到数据，并且可快速地生成分析报告，把真正精力都放在分析数据这块。

现在，整个行业正处在数据架构和数据分析系统的变革时期，永洪科技非常希望通过提供专业技术和服务来帮助金融机构把数据价值挖掘出来，提高业务能力，提高竞争力。

大数据在中国B2C电子商务精准营销中的应用研究 篇5

近几年，大数据精准营销这个概念充斥着我们生活的方方面面，可以这么说，无论是公司的发展，还是产品的营销，大数据都起着不可比拟的作用，尤其是它发挥的指导性的作用成为很多企业发展的参考依据。

但对于很多人来说，虽然置身大数据之中，但对于这个概念还是一知半解，今天小编就带大家来了解一下是什么大数据以及大数据精准营销的概念。

大数据精准营销起源于互联网行业，它依托多平台的大数据采集和大数据技术的分析与预测能力，使广告更加精准有效，给品牌和企业带来更高的投资回报率。其核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。

为了让更多的大学生感受到什么是大数据精准营销，近日，来自西安某高校的学子来到陕西华信智原，倾听大数据精准营销项目总监刘晓宇的体验课程。在体验课现场，刘老师以提问和回答的互动模式让大家明白了“互联网+”在各个领域的应用，同时也进一步明白了大数据精准营销在企业发展和产品营销中的关键作用，同时还向大家展示了专业的概念及魅力。这一堂精彩的体验课下来，大家都收获满满。

“在大学我们学习的是电子商务专业，但感觉内容过于陈旧，跟不上现在时代的发展，虽然明知是这样，但要去改变，却无从下手。”一位学习电子商务专业的学生表示说。

“大数据精准营销这个概念被越来越多的人知晓，同时对于学习电子商务的学生来说，进一步了解并掌握营销方法的使用，是很多高校需要解决的问题。”陕西华信智原项目总监胡老师表示说。