大数据营销：有效互动是唯一目的，本文主要内容关键词为：目的论文,互动论文,数据论文,是唯一论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
在大数据时代，市场营销的职能中心已经数字化，从强调漂亮的宣传照和朗朗上口的宣传语，转变为获取、整合、分析所有类型数据。根据现有案例我们发现，大数据营销本质上只做一件事：通过有效的客户互动来拉动价值。 未来的市场营销，将依靠数据驱动，在洞悉结构性和多元结构性公司数据（大数据）的基础上进行搜集、分析和执行，为营销人员提供良好标准，更高效地制定计划、执行任务和证明其业务价值。 获取400万名消费者数据，红牛只用了一场诉讼 2014年，一名叫本杰明·卡里瑟斯的消费者把红牛告上法庭，理由是他喝了10年红牛，却没有“长出翅膀”。原来，红牛刚刚发布一句新广告语：“红牛给你翅膀”。这位消费者认为自己受到了愚弄。 后来，红牛与原告签订了和解协议，承诺将支付1300万美元赔偿金。然而，这场离谱的官司并没有草草收场。 不久，美国《今日美国报》发布了红牛针对这一诉讼的回应，宣布根据双方达成的协议，只要在2002年1月1日～2014年10月3日之间购买红牛的美国消费者，都可获赔10美元现金或相当于15美元的红牛产品。 值得注意的是，消费者不用提供购物小票，无需证明自己买过红牛，只要在网上提交一份索赔申报表即可。此举让红牛一下子登上各国媒体头条，甚至引发了中国网友脑洞大开的吐槽热情。事实上，红牛趁此玩了一次以获取大数据为目的的事件营销。 原来，上述1300万美元并非支付给个人，而是作为赔偿总额支付给每位索赔者，每人获赔金额将按照索赔总人数重新计算。在红牛宣布索赔方法后，其官网在24小时内就获得了460万次访问，消费者很高兴地在索赔申报表上填写了自己的真实姓名、邮箱、银行卡等相关信息，以方便红牛支付赔偿金。 就这样，红牛实际上每人只支付了3美元，就一举获得了400多万个消费者的真实数据，接下来的精准营销可谓手到擒来。 怎么能够获取消费者的真实数据，还能够让人家津津乐道，关注你，谈论你，有效互动？ 为老用户画像，别克找到精准新用户 日前，别克与号称“跨平台、跨屏幕、跨渠道”的全域营销平台阿里妈妈，为即将在中国市场发布的新车“英朗”，设计了一场以找到精准消费者为目的的大数据营销。 营销团队认为，现在更多汽车消费者在消费之前会在互联网上留下痕迹，那么通过将上一代客户的互联网痕迹与潜在客户进行对比，就能找到未来消费者并对其进行精准广告投放。 为了对老用户进行精准画像，别克设置了5个维度进行描绘，涉及电商数据、用户特征、地理位置、思考周期等。具体如下。 首先，别克将近期购车的车主数据与阿里大数据进行匹配，发现匹配度高达80%左右，从而得到基本用户特征—— 其次，他们通过分析用户特征，发现女性车主数量庞大，35岁以下消费者占绝大多数，其中25岁～29岁最多；而单身用户占3成，恋爱或准备结婚用户近2成，已婚的用户过半。 再者，根据用户维度坐标分布，别克在中国地图上进行标识，得出用户分布图。这个分布图可精确至其所在的小区、街道和周边热点地区，从而识别不同地区的消费者特征差异，找到不同地区的主要用户群体特征。 然后，通过研究发现，用户从有意向买车到决策，基本需要经过60天思考。而这60天又可细分为几个阶段，每个阶段中的用户存在变化和差异。 第一个阶段处于购车前40～60天，用户主要关注汽车之家、太平洋汽车等汽车垂直媒体大量获取信息，同时开始关注太阳镜、苹果专用配件以及孕中期或为婴儿准备的玩具等。 第二个阶段处于购车前20～40天，开始对中级车的主要品牌做了解，开始购买汽车配件用品，主要用品类型集中在新车所需的装饰及保护垫等。 第三个阶段处于购车前20天，用户会直接搜索车型，并大量购买汽车配件和用品，主要集中在饰品、清洗、美容保养等，“呵护”未来的新车。 如此，别克就完成了对老用户数个维度的精准画像，将这些数据上传到阿里达摩盘（大数据营销平台）后，就能对符合这些数据特征的人群进行广告投放。 最终，交易数据显示，这些被投放网页广告的潜在消费者，人均点击1.36次；而在已下定金的客户人群中，有80.3%是由这群人转化而来的。 只需两个数值，LinkedIn让用户流失减少40% 拥有3.5亿用户、5000名销售的LinkedIn，已实现精确管理到每个客户。这让他们的用户流失率从50%降到10%，每年有90%的付费用户留存。 一开始，LinkedIn做了一个“客户流失模型”，每当检测到客户即将流失时，就启动E-mail营销，即发邮件给用户给予50%折扣或宣布这个月免费。但结果是，收到邮件的用户更快地流失掉了。 原来，很多付费用户早已忘记自己是在付费，邮件反而提醒了他们：“哦，原来我在付费！”于是，关闭账号的人反而越来越多。 LinkedIn意识到这一点后，选择将客户关系维护的时间节点往前推，结果是用户刚刚开始注册，客户关系维护部门就开始介入，教用户如何使用付费功能、如何将小技巧运用于工作学习。 那么，LinkendIn是如何识别客户行为的呢？ 首先，他们对每个用户的每个细微使用行为进行记录、分析，例如如何点击、查看、发布信息等，将之算成一个个积分。每天、每星期、每月的积分构成数据库，通过对数据库里面的积分进行排序，得出“最有可能流失客户”的数值，就可以监测到具体哪位用户可能会流失，客户维护部门就能及时针对个体做出反应。 为了简化数据库使用难度，LinkedIn又将数据归纳为两个数值：温度和健康度。温度，就是说用户继续购买LinkedIn服务的可能性有多少。健康度，就是说用户使用这个产品的频次有多少。 比如说一个客户非常健康却不购买，那么客户关系经理就要追卖东西；有的客户只付费不使用，这些客户一定会流失，客户关系经理就要开始培训客户如何使用付费功能。如此一来，这套体系也就带动了客户和平台之间越来越多的互动。