大数据是如何改变传统营销的
随着互联网从“搜索引擎时代”向“大数据时代”跨进，传统的网络营销方式已经不再适合时代的发展。现在，随着从多个渠道不断涌入的巨大数据量，营销人员正面对着巨大的“大数据”资源，他们会不自觉地从中获得可操作的营销策略。下面让我们来看看大数据如何从5个方面永久性地改变营销。
1.提高个性化
在大型百货公司的辉煌时代，当时的目标是为每一位客户提供贴心的服务来提高竞争力。为客户提供更加个性化的服务能够提高销量、获得客户的忠诚度以及增加口碑广告。现在，大型企业和小型企业的营销人员都可以利用大数据来更有效地了解客户的需求，比以前更具有针对性、相关性，更有个性化。其中一个很好的例子就是亚马逊，该公司利用从愿望清单、浏览历史记录和购买历史记录收集的数据，通过分析技术来为客户提供更个性化的产品建议。大数据为营销人员提供了很好的计划，让他们能够创建更富个性化的策略。
2.数据驱动的营销
大数据已经不再被认为是行业炒作术语，现在大数据已经迎来了数据驱动营销的时代。随着原始数据继续堆积，大数据平台（例如Hadoop）已经出现，来帮助营销人员更好地利用这些数据。现在，企业可以实时存储、管理和分析大量数据，让营销人员更好地了解客户，而不是通过人口数据或者样本数据，而是对个人进行分析。有了这些信息，营销人员能够了解客户真正需要的是什么，以及如何最好地满足这些需求来提升客户体验。
3.预测分析
有没有坐过旅行车面向后方的座位？希望现在没有这样的座位了。这些座位能够让乘客知道他们去过哪里，但对于他们要去哪里却没有提供任何线索。对于数据，营销人员一直坐在朝向后方的座椅。他们惟一的视图是之前的访问记录、点击情况、打开率、下载量等。只有过去的数据可以用来预测未来的客户行为，在不久前，并没有足够的营销数据来准确地预测未来的客户行为。现在，通过外部系统（例如社交媒体）以及内部系统（例如CRM和购买历史记录）的数据，营销人员足以分析客户当前和未来的购买行为，这些可操作的情报可以推动现有产品和服务的销售，并带来更新和更好的产品和服务。
4.虚拟活动能力
大数据情报，加上人类创造力，可以引发大胆的想法和宣传策略。同时，因为大数据模拟，这些大胆的想法可以在虚拟市场中进行测试，从而消除了市场内测试相关的风险和成本费用。通过使用真实世界的数据，即使是最古怪的营销思路也可以进行测试、挑战和重新测试，直到这些营销想法成为实际的活动——其有效性随后可以使用营销后分析来衡量。
5.不只是针对大型企业
大数据并不只是针对大型企业，即使是小型企业也可以从存储、管理、分析和可视化数据中获得很大的优势，并且只需要非常有限的成本。此外，现在的软件让企业可以借助大数据分析，来影响目标的完成，而不需要雇佣若干优秀的数据科学家。小型企业能够使用与大型企业相同的工具和技术来提高其营销策略，实现与大型企业公平竞争的机会。
可以说，在大数据的冲击下，传统的营销观念逐渐在改变。
（1）改变思维：从因果到关联。大数据前，营销分析更注重“为什么”，寻求营销行为和销售结果之间的因果关系；大数据后，我们只需要知道“是什么”，了解营销与效果之间的关联。
知道“是什么”足以创造点击率。
（2）改变战线：从线上到线下。大数据前，我们认为互联网类的线上企业更需要，也更便于大数据营销；大数据后，大数据营销思路势必贯穿线下，那些线下积累了庞大数据资源的集团或者企业很可能借助大数据出现井喷式增长，或者关键转型。
（3）改变核心资产：从品牌到数据。大数据前，营销者普遍认为品牌是公司的核心资产，营销工作的价值在于提升品牌价值，使产品可以溢价出售；大数据后，数据本身将成为更有价值的资产、重要的经济投入和新型商业模式的基石，营销的主要目的是为了准确地定义数据、收集数据，并通过创意发掘其潜在的巨大价值。
（4）改变竞争壁垒：从低到高。大数据前，数据竞争壁垒尚未形成，新兴企业在营销领域还有机会出奇制胜；大数据后，某些依赖大数据的行业竞争壁垒形成。新建起的企业因为不具备数据优势，难以撼动已有企业的地位。即使新公司设计的产品比当今行业领先者更优秀，也很难与竞争对手抗衡，不仅是因为经济规模、网络效应或者品牌价值不好，而是因为领先公司已经拥有了海量的客户交互数据，能据此提供更优质的服务，使用户形成依赖。
（5）改变调研：从定量到定性。大数据前，做市场分析，我们相信存在部分不可量化的关键因素；大数据后，一切皆可量化，推特和脸谱展示出，人们的经历、情感和社会关系都能被数据化，数据能反映越来越多微妙的指标，每个个体都能以数据化的形式被记录和分析。
（6）改变统计：从样本到总量。大数据前，营销调研的习惯方式是选取有限样本用户，用统计方法得出相关结论，样本的取样决定了调研结果是否合理是否准确；大数据后，数据统计和分析的样本等于数据的总量，任何一个用户的数据都有价值。即便是模糊、残缺甚至错误的数据，也具备价值。海量的数据将真实反映全貌。
（7）改变客户：从群落到个体。大数据前，营销对客户的细分方式是群组，也就是把特征相似的客户归为一个群落，考量不同群体的偏好和特征，从而区别出核心客户群、潜在客户群、高价值客户群以及低价值客户群等等；大数据后，数据记录了每个客户的行为，客户管理从群落还原到个体。通过每个客户的一系列历史数据，他的喜好可以被预测，行为可以被激发，购买可以被引导，个性化定制的推广方式已成定局。
可以说，营销中的数据在从“记录”向“预测”进化；品牌的营销沟通方式的改变使“人”与“服务”间建起了全新的链接；营销模式也从“展现”页面聚焦在了“服务”方式。如果不能顺应这些变化，你或许连消费者的影子都找不到。
大数据下的自动化营销
大数据营销不仅要将不同数据源整合到一起，为营销人员提供更佳的仪表盘和解析，还要利用大数据使营销实现自动化。
然而，做起来不如说得那么简单，因为营销由两个不同的部分组成：创意和投递。
营销的创意部分以设计和内容创造的形式出现。假如要运作一组潜在的广告，它也能分辨哪些最为有效。如果提供正确的数据，计算机甚至能针对特定的个人信息、文本或图像广告的某些元素进行优化。例如，广告优化系统可以将一条旅游广告个性化，将参观者的城市名称纳入其中，“查找迪拜和纽约之间的最低票价”，而非仅仅“查找最低票价”。接着，它就可以确定包含此信息是否会增加转换率。
从理论上来说，个人可以执行这种操作，因为有很多人这样做过。计算机图像处理员过去常常对每条广告单独进行优化。网站开发商则会为网页设置几种不同版本，再看哪种效果最好。这些方法的缺陷不仅体现在营销人员可以尝试的布局、颜色以及结构种类匮乏，也体现在营销人员难以区分同一优化对不同客户群所产生的不同效果。例如，按钮位置的变动可能对一个潜在客户群效果良好，但对其他的客户群却并非如此。
此外，对于数以十亿计的人群来说，执行这种自定义根本就不可行，而这正是网络营销的专长。例如，谷歌平均每天服务的广告发布量将近300亿。大数据系统擅长处理的情况是：大量数据需要处理，并且这些数据必须迅速处理、迅速发挥作用。
一些解决方案应运而生，它们为客户行为自动建模以提供个性化广告。像Tell Apart公司（一项重新定位应用）这样的解决方案正在将客户数据的自动化分析与基于该数据展示相关广告的功能结合起来。Tell Apart公司能识别离开零售商网站的购物者，当他们访问其他网站时，就向他们投递个性化的广告。这种个性化的广告将购物者带回到零售商的网站，通常能促成一笔交易。通过分析购物者的行为，Tell Apart公司能够锁定高质量顾客的预期目标，同时排除根本不会购买的人群。
就营销而言，自动化系统主要涉及大规模广告投放和销售线索评分，即基于种种预定因素对潜在客户线索进行评分，比如线索源。这些活动很适合数据挖掘和自动化，因为它们的过程都定义明确，而具体决策有待制定（比如确定一条线索是否有价值）并且结果可以完全自动化（例如选择投放哪种广告）。
