大數(shù)據(jù)的營銷案例

1、 大數(shù)據(jù)營銷案例 大數(shù)據(jù)怎樣實(shí)施 我們大數(shù)據(jù)第1頁大數(shù)據(jù)營銷案例一、未卜先知懷孕案例塔吉特：比父親更早知道女兒懷孕曾經(jīng)有一位男性用戶到一家塔吉特超市店中投訴，商店竟然給他還在讀書女兒寄嬰兒用具優(yōu)惠券。這家全美第二大零售商，會(huì)搞出如此大烏龍？但經(jīng)過這位父親與女兒深入溝通，才發(fā)覺自己女兒真已經(jīng)懷孕了。提問：為何塔吉特能知道這個(gè)用戶懷孕了？必須有哪幾個(gè)關(guān)鍵步驟A：用戶數(shù)據(jù)搜集 B：懷孕特征庫 C：懷孕潛在用戶篩選 塔吉特在和用戶溝經(jīng)過程中采取了哪種營銷方式A：電子郵件 B：直郵 C：電話營銷 D：數(shù)據(jù)庫營銷第2頁大數(shù)據(jù)營銷案例一、未卜先知懷孕案例關(guān)鍵步驟一：數(shù)據(jù)信息統(tǒng)計(jì)一家零售商是怎樣比一位女孩親生

2、父親更早得知其懷孕消息呢？每位用戶首次到塔吉特刷卡消費(fèi)時(shí)，都會(huì)取得一組用戶識(shí)別編號，內(nèi)含用戶姓名、信用卡卡號及電子郵件等個(gè)人資料。日后凡是用戶在塔吉特消費(fèi)，計(jì)算機(jī)系統(tǒng)就會(huì)自動(dòng)統(tǒng)計(jì)消費(fèi)內(nèi)容、時(shí)間等信息。再加上從其它管道取得統(tǒng)計(jì)資料，塔吉特便能形成一個(gè)龐大數(shù)據(jù)庫，利用于分析用戶喜好與需求。每個(gè)ID號還會(huì)對號入座統(tǒng)計(jì)下你人口統(tǒng)計(jì)信息：年紀(jì)、是否已婚、是否有兒女、所住市區(qū)、住址離Target車程、薪水情況、最近是否搬過家、錢包里信用卡情況、常訪問網(wǎng)址等等。Target還能夠從其它相關(guān)機(jī)構(gòu)那里購置你其它信息：種族、就業(yè)史、喜歡讀雜志、破產(chǎn)統(tǒng)計(jì)、婚姻史、購房統(tǒng)計(jì)、求學(xué)統(tǒng)計(jì)、閱讀習(xí)慣等等。乍一看，你會(huì)以為這

3、些數(shù)據(jù)毫無意義，但在Andrew Pole和用戶數(shù)據(jù)分析部手里，這些看似無用數(shù)據(jù)便暴發(fā)了前述強(qiáng)勁威力第3頁大數(shù)據(jù)營銷案例一、未卜先知懷孕案例關(guān)鍵步驟二：數(shù)據(jù)模型建立Andrew Pole想到了Target有一個(gè)迎嬰聚會(huì)(baby shower)記錄表。Andrew Pole開始對這些記錄表里用戶消費(fèi)數(shù)據(jù)進(jìn)行建模分析，很快就發(fā)覺了許多非常有用數(shù)據(jù)模式。比如模型發(fā)覺，許多孕婦在第2個(gè)妊娠期開始會(huì)買許多大包裝無香味護(hù)手霜;在懷孕最初20周大量購置補(bǔ)充鈣、鎂、鋅善存片之類保健品。最終Andrew Pole選出了25種經(jīng)典商品消費(fèi)數(shù)據(jù)構(gòu)建了“懷孕預(yù)測指數(shù)”，經(jīng)過這個(gè)指數(shù)，Target能夠在很小誤差范圍內(nèi)

4、預(yù)測到用戶懷孕情況，所以Target就能早早地把孕婦優(yōu)惠廣告寄發(fā)給用戶。第4頁大數(shù)據(jù)營銷案例一、未卜先知懷孕案例關(guān)鍵步驟三：建立和用戶溝通渠道那么，用戶收到這么廣告會(huì)不會(huì)嚇壞了呢？Target很聰明地防止了這種情況，它把孕婦用具優(yōu)惠廣告夾雜在其它一大堆與懷孕不相關(guān)商品優(yōu)惠廣告當(dāng)中，這么用戶就不知道Target知道她懷孕了第5頁大數(shù)據(jù)營銷案例一、未卜先知懷孕案例Target取得成就：依據(jù)Andrew Pole大數(shù)據(jù)模型,Target制訂了全新廣告營銷方案，結(jié)果Target孕期用具銷售展現(xiàn)了爆炸性增加。Andrew Pole大數(shù)據(jù)分析技術(shù)從孕婦這個(gè)細(xì)分用戶群開始向其它各種細(xì)分客戶群推廣，從Andr

5、ew Pole加入Target到年間，Target銷售額從440億美元增加到了670億美元。第6頁大數(shù)據(jù)營銷案例二、美國警察降低犯罪案例紐約犯罪兇殺從1994年1561起下降到1177起車輛偷竊從95420下降到72679起到，兇殺案下降到466起第7頁大數(shù)據(jù)營銷案例二、美國警察降低犯罪案例CompStat項(xiàng)目標(biāo)工作人員天天經(jīng)過電話和傳真向全紐約76個(gè)警區(qū)搜集數(shù)據(jù)，再將數(shù)據(jù)統(tǒng)一錄入到CompStat，進(jìn)行加總和分析。每七天二、周四早晨7點(diǎn)，布雷特就召集全部警區(qū)指揮官開會(huì)。最新發(fā)生案件以圓點(diǎn)形式出現(xiàn)在各個(gè)轄區(qū)地圖上，不一樣顏色代表著不一樣類型犯罪，特定位置成串圓點(diǎn)則表明那里發(fā)生了一系列案件。各個(gè)

6、指揮官在這些“績效指示燈”前面依次陳說自己轄區(qū)情況、對策以及警力調(diào)配“數(shù)據(jù)和信息是執(zhí)法工作當(dāng)中制訂戰(zhàn)略和決議基礎(chǔ)?！钡?頁大數(shù)據(jù)時(shí)代怎樣實(shí)施1、決議支持系統(tǒng) 1947年，美國科學(xué)家 西蒙提出，1978年因?yàn)樯虅?wù)決議過程研究取得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)2、商務(wù)智能 利用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)對客戶數(shù)據(jù)進(jìn)行系統(tǒng)地儲(chǔ)存和管理，并經(jīng)過各種數(shù)據(jù)統(tǒng)計(jì)分析工具對客戶數(shù)據(jù)進(jìn)行分析，提供各種分析匯報(bào)，如客戶價(jià)值評價(jià)、客戶滿意度評價(jià)、服務(wù)質(zhì)量評價(jià)、營銷效果評價(jià)、未來市場需求等，為企業(yè)各種經(jīng)營活動(dòng)提供決議信息。3、大數(shù)據(jù)時(shí)代 標(biāo)志著一個(gè)時(shí)代降臨，一個(gè)概念，而不是真正技術(shù) 大數(shù)據(jù)(big data)，或稱巨量資料，指是所包括資

7、料量規(guī)模巨大到無法透過當(dāng)前主流軟件工具，在合理時(shí)間內(nèi)到達(dá)擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決議更主動(dòng)目標(biāo)資訊。 大約從開始，“大數(shù)據(jù)”才成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)流行詞匯。 從產(chǎn)業(yè)角度，經(jīng)常把這些數(shù)據(jù)與采集它們工具、平臺(tái)、分析系統(tǒng)一起被稱為“大數(shù)據(jù)”。第9頁大數(shù)據(jù)時(shí)代怎樣實(shí)施一、數(shù)據(jù)輸入到輸出基本流程第10頁大數(shù)據(jù)時(shí)代怎樣實(shí)施二、決議支持系統(tǒng)第11頁大數(shù)據(jù)時(shí)代怎樣實(shí)施三、商務(wù)智能是什么 人們對商務(wù)智能了解如同那七個(gè)印度盲人對大象了解：有些人認(rèn)為它是高級管理人員信息系統(tǒng)（EIS），有些人認(rèn)為它是管理信息系統(tǒng)（MIS），有些人認(rèn)為它是決議支持系統(tǒng)（DSS）； 有些人說它是數(shù)據(jù)庫技術(shù)，有些人說它是

8、數(shù)據(jù)倉庫，有些人說它是數(shù)據(jù)集市，有些人說它是數(shù)據(jù)整合與清洗工具，有些人說它是查詢和匯報(bào)工具，有些人說它是在線分析處理工具，有些人說它是數(shù)據(jù)挖掘，有些人說它是統(tǒng)計(jì)分析；有些人把它當(dāng)做分析性ERP, 有些人把它當(dāng)做分析性CRM, 有些人把它當(dāng)做分析性SCM, 有些人把它當(dāng)做企業(yè)績效管理，有些人把它看成平衡記分卡 商業(yè)智能技術(shù)，它以數(shù)據(jù)倉庫（Data Warehousing）、在線分析處理（OLAP）、數(shù)據(jù)挖掘（Data Mining）3種技術(shù)整合為基礎(chǔ)，建立企業(yè)數(shù)據(jù)中心和業(yè)務(wù)分析模型，以提升企業(yè)獲取經(jīng)營分析信息能力，從而提升企業(yè)經(jīng)營和決議質(zhì)量與速度。 第12頁大數(shù)據(jù)時(shí)代怎樣實(shí)施三、商務(wù)智能四個(gè)產(chǎn)業(yè)

9、鏈1、關(guān)系型數(shù)據(jù)庫（銷售統(tǒng)計(jì)、用戶購置統(tǒng)計(jì)，提供報(bào)表）2、數(shù)據(jù)倉庫（數(shù)據(jù)系統(tǒng)整合，搜集，清洗）3、多維分析 （不一樣維度之間剖析，自定義）4、數(shù)據(jù)挖掘 （靈魂，產(chǎn)生價(jià)值地方） 5、展示：可視化界面第13頁商業(yè)智能技術(shù)體系（BIBusiness Intelligence ）在線分析處理技術(shù)（OLAP：Online Analytical Processing）數(shù)據(jù)挖掘技術(shù)（Data Mining）數(shù)據(jù)倉庫技術(shù)（ Data Warehousing）數(shù)據(jù)整合集成各系統(tǒng)歷史數(shù)據(jù)，建立面向主題企業(yè)數(shù)據(jù)中心數(shù)據(jù)分析靈活、動(dòng)態(tài)、快速多維分析、隨機(jī)查詢、即席報(bào)表知識(shí)發(fā)覺經(jīng)過數(shù)學(xué)模型發(fā)覺隱藏、潛在規(guī)律，以輔助決議

10、愈加全方面、深入分析形成知識(shí)庫指導(dǎo)決議、再分析三、商務(wù)智能體系大數(shù)據(jù)時(shí)代怎樣實(shí)施第14頁大數(shù)據(jù)時(shí)代怎樣實(shí)施四、關(guān)系型數(shù)據(jù)庫關(guān)系型數(shù)據(jù)庫就是由二維表及其之間聯(lián)絡(luò)組成一個(gè)數(shù)據(jù)組織，關(guān)系數(shù)據(jù)庫中數(shù)據(jù)結(jié)構(gòu)就是一張二維表，以表格（關(guān)系）形式存放數(shù)據(jù)經(jīng)典商業(yè)訂單條目數(shù)據(jù)庫會(huì)包含一個(gè)用列表示描述一個(gè)客戶信息表格：名字、住址、電話號碼，等等。 另外一個(gè)表格會(huì)描述一個(gè)訂單：產(chǎn)品、客戶、日期、銷售價(jià)格，等等報(bào)表：是關(guān)系型數(shù)據(jù)庫時(shí)代將數(shù)據(jù)轉(zhuǎn)化為信息主要伎倆不過報(bào)表是需要事先由開發(fā)人員定制比如：5月份廢單報(bào)表第15頁大數(shù)據(jù)時(shí)代怎樣實(shí)施五、數(shù)據(jù)倉庫我們能夠從多個(gè)菜市場，挑選我們做需要蔬菜，肉類等。當(dāng)然，我們處于一個(gè)選擇

11、過程。假如菜不新鮮，我們完全能夠不要它.第16頁大數(shù)據(jù)時(shí)代怎樣實(shí)施六、多維分析 OALP什么叫多維：沃爾瑪在北京銷量是多少?這就是地域和時(shí)間兩個(gè)維度交叉baidu投放：在年5月份廣東產(chǎn)生多少個(gè)口語計(jì)劃注冊？其驚艷之美在于 能夠依據(jù)用戶自己需要隨時(shí)創(chuàng)建萬維動(dòng)態(tài)報(bào)表，報(bào)表定制權(quán)由后臺(tái)開發(fā)人員直接轉(zhuǎn)移到前端用戶其代表：國雙動(dòng)態(tài)分析第17頁普通鉆取是改變維層次，包含上卷（roll up）與下鉆（drill down）。上卷是從維細(xì)節(jié)層向顆粒較大高層鉆取，方便宏觀把握數(shù)據(jù)匯總情況；下鉆是從維高層向顆粒較小細(xì)節(jié)層鉆取，方便觀察數(shù)據(jù)明細(xì)情況。舉例來說：某電信運(yùn)行商在分析總體話務(wù)量時(shí)發(fā)覺整年話務(wù)量為100億分

12、鐘，這除了說明整年總體話務(wù)量情況，不能說明任何問題?，F(xiàn)在分析人員想深入了解各個(gè)月份話務(wù)量情況，就必須針對時(shí)間維度進(jìn)行下鉆操作，以看到顆粒較細(xì)月份數(shù)據(jù)。反之就必須進(jìn)行上卷鉆取。六、多維分析普通鉆取網(wǎng)絡(luò)營銷大數(shù)據(jù)時(shí)代第18頁穿透鉆取是指從一個(gè)模型鉆透到另一個(gè)模型。舉例來說：某電信運(yùn)行商發(fā)覺本月通話時(shí)長下降5%，經(jīng)過下鉆發(fā)覺是IP本月通話時(shí)長下降了20%帶動(dòng)了整個(gè)通話時(shí)長下降3%，為了找到IP通話時(shí)長下降詳細(xì)原因就需要鉆取到面向IP業(yè)務(wù)分析主題，詳盡分析通話時(shí)長下降原因。這種跨越模型鉆取就稱為穿透鉆取。舉例：網(wǎng)絡(luò)營銷部廣告投放這個(gè)月注冊比上個(gè)月少了20%注冊，經(jīng)過下鉆發(fā)覺是騰訊比上個(gè)月下降80%，為

13、了找到騰訊原因必須鉆取到包括到騰訊下降其它原因（流量？頁面轉(zhuǎn)化率？）。六、多維分析穿透鉆取網(wǎng)絡(luò)營銷大數(shù)據(jù)時(shí)代第19頁切片與切塊是指選擇某一/些維度詳細(xì)類別，分析該類別數(shù)據(jù)關(guān)于其它維情況。舉例來說：某煙草企業(yè)分析發(fā)覺整年煙草銷售為10億元，現(xiàn)在想了解中華（軟）這種規(guī)格卷煙在第一季度銷售情況，就必須針對時(shí)間維度選擇第一季度，針對卷煙規(guī)格維度選擇中華（軟），經(jīng)過這么切塊方式能夠觀察相關(guān)維度詳細(xì)類別（如本例中中華（軟）在第一季度）數(shù)據(jù)情況，分析這些數(shù)據(jù)得出有效信息，以針對這些詳細(xì)類別進(jìn)行針對性決議。當(dāng)僅針對一個(gè)維度進(jìn)行切塊時(shí)稱為切片。六、多維分析切片與切塊網(wǎng)絡(luò)營銷大數(shù)據(jù)時(shí)代第20頁大數(shù)據(jù)時(shí)代怎樣實(shí)施六

14、、多維分析 OALP第21頁大數(shù)據(jù)時(shí)代怎樣實(shí)施六、多維分析第22頁大數(shù)據(jù)時(shí)代怎樣實(shí)施六、多維分析討論：經(jīng)過上圖我們能夠看到哪些維度數(shù)據(jù)1、某月東北 冰箱2、西北電器總和3、6月西北產(chǎn)品銷量第23頁大數(shù)據(jù)時(shí)代怎樣實(shí)施六、多維分析和數(shù)據(jù)倉庫關(guān)系第24頁大數(shù)據(jù)時(shí)代怎樣實(shí)施七、數(shù)據(jù)挖掘描述性數(shù)據(jù)挖掘預(yù)測性數(shù)據(jù)挖掘基本目標(biāo)以數(shù)據(jù)統(tǒng)計(jì)和分析為目數(shù)理統(tǒng)計(jì)求和、平均、方差等各種報(bào)表和即席查詢多維分析關(guān)聯(lián)分析關(guān)聯(lián)規(guī)則序列模式聚類分析相似特征挖掘分類識(shí)別基本目標(biāo)以未來預(yù)測和模擬為目分類分析分類函數(shù)分類模型回歸分析線性回歸非線性回歸決策樹神經(jīng)網(wǎng)絡(luò)時(shí)間序列移動(dòng)平均數(shù)據(jù)挖掘啤酒和尿布故事第25頁大數(shù)據(jù)時(shí)代怎樣實(shí)施七、數(shù)

15、據(jù)挖掘案例啤酒和尿布故事“啤酒與尿布”故事產(chǎn)生于20世紀(jì)90年代美國沃爾瑪超市中，沃爾瑪超市管理人員分析銷售數(shù)據(jù)時(shí)發(fā)覺了一個(gè)令人難于了解現(xiàn)象：在一些特定情況下，“啤酒”與“尿布”兩件看上去毫無關(guān)系商品會(huì)經(jīng)常出現(xiàn)在同一個(gè)購物籃中，這種獨(dú)特銷售現(xiàn)象引發(fā)了管理人員注意，經(jīng)過后續(xù)調(diào)查發(fā)覺，這種現(xiàn)象出現(xiàn)在年輕父親身上。當(dāng)然“啤酒與尿布”故事必須含有技術(shù)方面支持。1993年美國學(xué)者Agrawal （個(gè)人翻譯-艾格拉沃）提出經(jīng)過分析購物籃中商品集合，從而找出商品之間關(guān)聯(lián)關(guān)系關(guān)聯(lián)算法，并依據(jù)商品之間關(guān)系，找出客戶購置行為。艾格拉沃從數(shù)學(xué)及計(jì)算機(jī)算法角度提出了商品關(guān)聯(lián)關(guān)系計(jì)算方法A prior算法（關(guān)聯(lián)模型）。

16、沃爾瑪從上個(gè)世紀(jì)90年代嘗試將A prior算法引入到POS機(jī)數(shù)據(jù)分析中，并取得了成功，于是產(chǎn)生了“啤酒與尿布”故事第26頁大數(shù)據(jù)時(shí)代怎樣實(shí)施八、可視化界面啤酒和尿布故事第27頁大數(shù)據(jù)時(shí)代怎樣實(shí)施八、可視化界面啤酒和尿布故事第28頁數(shù)據(jù)處理業(yè)務(wù)層：輸出數(shù)據(jù)輸入即時(shí)查詢OLAP分析數(shù)據(jù)挖掘企業(yè)數(shù)據(jù)模型、多維數(shù)據(jù)模型 數(shù)據(jù)倉庫RDBMS：關(guān)系數(shù)據(jù)庫外部數(shù)據(jù)源操作環(huán)境層數(shù)據(jù)倉庫層業(yè)務(wù)層大數(shù)據(jù)時(shí)代怎樣實(shí)施第29頁選擇題：每小題8分*5數(shù)據(jù)倉庫是數(shù)據(jù)庫嗎？ A：不是 B：是商務(wù)智能里包含哪幾個(gè)主要版塊？ A：OLAP B: 數(shù)據(jù)倉庫 C：數(shù)據(jù)挖掘大數(shù)據(jù)給企業(yè)帶來好處是？A：了解用戶隱私 B：提供決議支持

17、 C：營銷針對性 D：提升效率你認(rèn)為下面哪些企業(yè)在大數(shù)據(jù)方面有潛力做很好，選2個(gè)A:阿里集團(tuán) B：麥當(dāng)勞 C:沃爾瑪簡答題：每小題15分*4假如2季度廣東區(qū)域網(wǎng)絡(luò)業(yè)績很差，為何？請寫分析思緒第30頁1、不是井里沒有水，而是你挖不夠深。不是成功來得慢，而是你努力不夠多。2、孤獨(dú)一人時(shí)間使自己變得優(yōu)異，給來人一個(gè)驚喜，也給自己一個(gè)好交代。3、命運(yùn)給你一個(gè)比他人低起點(diǎn)是想告訴你，讓你用你一生去奮斗出一個(gè)絕地還擊故事，所以有什么理由不努力!4、心中沒有過分貪求，自然苦就少?？诶锊徽f多出話，自然禍就少。腹內(nèi)食物能降低，自然病就少。思緒中沒有過分欲，自然憂就少。大悲是無淚，一樣大悟無言。緣來盡可能要惜，緣

18、盡就放。人生原來就空，對人家笑笑，對自己笑笑，笑著看天下，看日出日落，花謝花開，豈不自在，哪里來塵埃!5、心情就像衣服，臟了就拿去洗洗，曬曬，陽光自然就會(huì)蔓延開來。陽光那么好，何須自尋煩惱，過好每一個(gè)當(dāng)下，一萬個(gè)漂亮未來抵不過一個(gè)溫暖現(xiàn)在。6、不論你正遭遇著什么，你都要從落魄中站起來重振旗鼓，要繼續(xù)保持熱忱，要繼續(xù)保持微笑，就像從未受傷過一樣。7、生命漂亮，永遠(yuǎn)展現(xiàn)在她進(jìn)取之中;就像大樹漂亮，是展現(xiàn)在它負(fù)勢向上高聳入云蓬勃生機(jī)中;像雄鷹漂亮，是展現(xiàn)在它搏風(fēng)擊雨如蒼天之魂翱翔中;像江河漂亮，是展現(xiàn)在它波濤洶涌一瀉千里奔流中。8、有些事，不可防止地發(fā)生，陰晴圓缺皆有規(guī)律，我們只能坦然地接收;有些事，只要你愿意努力，矢志不渝地付出，就能慢慢改變它軌跡。9、與其埋怨世界，不如改變自己。管好自己心，做好自己事，比什么都強(qiáng)。人生無完美，波折亦風(fēng)景。別把失去看得過重，放棄是另一個(gè)擁有;不要經(jīng)常艷羨他人，人做到了，心悟到了，相信屬于