大數(shù)據(jù)營(yíng)銷基礎(chǔ)與實(shí)務(wù)課件

項(xiàng)目一大數(shù)據(jù)與大數(shù)據(jù)營(yíng)銷通過大數(shù)據(jù)營(yíng)銷，企業(yè)可以更加深入地了解潛在消費(fèi)者的需求和興趣愛好，并根據(jù)這些信息制定更加切合實(shí)際的營(yíng)銷策略，從而提高企業(yè)的市場(chǎng)營(yíng)銷效率和盈利能力，促進(jìn)企業(yè)的快速發(fā)展。目錄contents01初識(shí)大數(shù)據(jù)02初識(shí)大數(shù)據(jù)營(yíng)銷極速洞察副總裁在某場(chǎng)分享課中深入解讀了大數(shù)據(jù)如何幫助企業(yè)持續(xù)提升創(chuàng)新力和洞察力。她認(rèn)為，輿情系統(tǒng)在企業(yè)中的日常應(yīng)用更多起到輿情監(jiān)測(cè)、危機(jī)預(yù)警和危機(jī)后重建的作用，除此之外，輿情系統(tǒng)還可以應(yīng)用到企業(yè)商情領(lǐng)域中。輿情監(jiān)測(cè)數(shù)據(jù)在企業(yè)商情領(lǐng)域有4種應(yīng)用，包括廣告投放前的策略研究、廣告投放后的營(yíng)銷效果評(píng)估、品牌健康度監(jiān)測(cè)、熱點(diǎn)活動(dòng)和熱點(diǎn)話題的追蹤與監(jiān)測(cè)。極速洞察合作過的一個(gè)主流牙膏品牌曾做過品牌健康度監(jiān)測(cè)，極速洞察便以全網(wǎng)信息監(jiān)測(cè)分析幫助該品牌實(shí)現(xiàn)健康度追蹤。極速洞察為客戶制定了“品牌健康度監(jiān)測(cè)+營(yíng)銷效果評(píng)估”方案。一方面，極速洞察依托大數(shù)據(jù)能力監(jiān)測(cè)品牌健康度，深入挖掘“品牌社媒心動(dòng)指數(shù)”排名增長(zhǎng)的驅(qū)動(dòng)因素，使品牌可以及時(shí)掌握市場(chǎng)格局，并為制定市場(chǎng)營(yíng)銷活動(dòng)策略提供數(shù)據(jù)上的支撐；另一方面，極速洞察基于“品牌社媒心動(dòng)指數(shù)”排名較高、增長(zhǎng)較快的品牌，深入剖析其線上營(yíng)銷活動(dòng)，分析社交媒體表現(xiàn)，找到助推排名快速上升的關(guān)鍵點(diǎn)，并評(píng)估營(yíng)銷活動(dòng)對(duì)品牌形象的影響和提升作用。極速洞察將市面上主流的口腔護(hù)理相關(guān)品牌納入監(jiān)測(cè)范圍，全面衡量品牌的線上表現(xiàn)，按照不同權(quán)重設(shè)計(jì)分析社交、電商、視頻類等全媒體平臺(tái)的用戶反饋數(shù)據(jù)，分析消費(fèi)者對(duì)品牌的真實(shí)反饋，包括品牌認(rèn)知度、品牌互動(dòng)量和品牌喜好度，其中品牌認(rèn)知度是指與品牌相關(guān)的原貼數(shù)量，而品牌互動(dòng)量是指轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊和回復(fù)數(shù)量，品牌喜好度是指消費(fèi)者對(duì)品牌的喜好程度，綜合分析這些維度的信息就可以得出“品牌社媒心動(dòng)指數(shù)”。通過深入分析，極速洞察建議該品牌與在中國(guó)市場(chǎng)上更具產(chǎn)品力且已有豐富衍生作品的IP合作，融入一些復(fù)古、懷舊元素，并運(yùn)用國(guó)潮元素與年輕人互動(dòng)，從而提升品牌影響力。引導(dǎo)案例Part/

01初識(shí)大數(shù)據(jù)大數(shù)據(jù)，顧名思義，就是大量的數(shù)據(jù)。但是，這種簡(jiǎn)單的認(rèn)知無法使我們?cè)谏虡I(yè)領(lǐng)域的營(yíng)銷活動(dòng)中充分感受大數(shù)據(jù)的魅力。要想做好大數(shù)據(jù)營(yíng)銷，我們首先要對(duì)大數(shù)據(jù)有一個(gè)全面的了解和認(rèn)識(shí)，建立大數(shù)據(jù)思維。（一）大數(shù)據(jù)的內(nèi)涵和特征數(shù)據(jù)存儲(chǔ)單位符號(hào)中文名說明bitb比特二進(jìn)制數(shù)中的一個(gè)數(shù)位，可以是0或1，是計(jì)算機(jī)中數(shù)據(jù)的最小單位ByteB字節(jié)1B=8bKilobyteKB千字節(jié)1KB=1024BMegabyteMB兆字節(jié)1MB=1024KBGigabyteGB吉字節(jié)1GB=1024MBTerabyteTB太字節(jié)1TB=1024GBPetabytePB拍字節(jié)1PB=1024TBExabyteEB艾字節(jié)1EB=1024PBZettabyteZB澤字節(jié)1ZB=1024EBYottabyteYB堯字節(jié)1YB=1024ZB數(shù)據(jù)存儲(chǔ)單位（一）大數(shù)據(jù)的內(nèi)涵和特征大數(shù)據(jù)的定義目前并沒有統(tǒng)一的說法，可以簡(jiǎn)單地將大數(shù)據(jù)理解為大量的數(shù)據(jù)，其具體是指一種規(guī)模龐大的、可以實(shí)現(xiàn)對(duì)數(shù)據(jù)進(jìn)行獲取、存儲(chǔ)以及管理等功能的集合，能夠?qū)⑻囟ㄐ袨槿说南M(fèi)方式、生活習(xí)慣、興趣愛好及交往關(guān)系等完整地展現(xiàn)出來。規(guī)模性多樣性準(zhǔn)確性時(shí)效性低價(jià)值密度大數(shù)據(jù)的內(nèi)涵大數(shù)據(jù)的特征（二）大數(shù)據(jù)的類型數(shù)據(jù)的結(jié)構(gòu)結(jié)構(gòu)化數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)0102數(shù)據(jù)能否再現(xiàn)不可再生數(shù)據(jù)可再生數(shù)據(jù)03數(shù)據(jù)的存儲(chǔ)層次基礎(chǔ)層數(shù)據(jù)中間層數(shù)據(jù)應(yīng)用層數(shù)據(jù)04數(shù)據(jù)的狀態(tài)靜態(tài)數(shù)據(jù)動(dòng)態(tài)數(shù)據(jù)05數(shù)據(jù)的隱私性隱私數(shù)據(jù)非隱私數(shù)據(jù)（三）大數(shù)據(jù)的技術(shù)架構(gòu)0102030405使用大數(shù)據(jù)采集技術(shù)獲得來自傳感器、移動(dòng)互聯(lián)網(wǎng)等的各種類型的海量的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)采集在線處理：Storm是一個(gè)免費(fèi)并開源的分布式實(shí)時(shí)計(jì)算系統(tǒng)離線處理：離線處理涉及Hadoop、SparkCore、Hive等系統(tǒng)數(shù)據(jù)處理信息檢索：Lucene和Elasticsearch等開源項(xiàng)目為信息檢索的實(shí)現(xiàn)提供了支持關(guān)聯(lián)分析：通常用來挖掘數(shù)據(jù)之間的內(nèi)在聯(lián)系，常用于產(chǎn)品推薦與引導(dǎo)、用戶精準(zhǔn)營(yíng)銷等方面數(shù)據(jù)應(yīng)用持久化存儲(chǔ)：常見的持久化存儲(chǔ)工具有Hadoop分布式文件系統(tǒng)（HDFS）、HBase、MongoDB等非持久化存儲(chǔ)：常見的非持久化存儲(chǔ)工具有Memcached等數(shù)據(jù)存儲(chǔ)通常利用R語言、Python、Matlab等對(duì)數(shù)據(jù)進(jìn)行ETL預(yù)處理，然后根據(jù)算法模型、業(yè)務(wù)模型進(jìn)行融合建模，以便更好地為業(yè)務(wù)應(yīng)用提供優(yōu)質(zhì)的底層數(shù)據(jù)數(shù)據(jù)治理與融合建模Part/

02初識(shí)大數(shù)據(jù)營(yíng)銷大數(shù)據(jù)分布式存儲(chǔ)、大數(shù)據(jù)挖掘及分析技術(shù)的發(fā)展為海量數(shù)據(jù)的收集、整合、處理、分析等操作提供了技術(shù)支持，為企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷、優(yōu)化管理、提升市場(chǎng)競(jìng)爭(zhēng)力創(chuàng)造了更多的可能。在這樣的時(shí)代背景下，大數(shù)據(jù)營(yíng)銷應(yīng)運(yùn)而生。（一）大數(shù)據(jù)營(yíng)銷的內(nèi)涵與特點(diǎn)大數(shù)據(jù)營(yíng)銷是指通過對(duì)海量的數(shù)據(jù)信息進(jìn)行篩選、整理、分析，從中提取出有價(jià)值的信息，最終為企業(yè)制定具有針對(duì)性的營(yíng)銷策略的過程。多平臺(tái)個(gè)性化時(shí)效性強(qiáng)高效率關(guān)聯(lián)性互動(dòng)性大數(shù)據(jù)營(yíng)銷的內(nèi)涵大數(shù)據(jù)營(yíng)銷的特點(diǎn)（一）大數(shù)據(jù)營(yíng)銷的內(nèi)涵與特點(diǎn)案例鏈接一物一碼賦能蒙牛深度連接C端作為一家傳統(tǒng)企業(yè)，蒙牛積極擁抱數(shù)字化、智能化，利用大數(shù)據(jù)等信息技術(shù)，已經(jīng)成為新時(shí)代背景下乳業(yè)數(shù)字化的新典范。在數(shù)字化轉(zhuǎn)型中，營(yíng)銷數(shù)字化是最有效的一個(gè)切入點(diǎn)，可以解決傳統(tǒng)企業(yè)在發(fā)展過程中解決不了的問題，如深度連接C端。在數(shù)字化時(shí)代，品牌需要深度觸達(dá)用戶，持續(xù)經(jīng)營(yíng)每一個(gè)能夠和用戶連接的觸點(diǎn)。一物一碼就是品牌伸向全渠道的觸手，能把每一件產(chǎn)品都變成品牌的營(yíng)銷入口，通過觸點(diǎn)為品牌帶來源源不斷的數(shù)據(jù)資產(chǎn)，從而實(shí)現(xiàn)品牌直連用戶、精細(xì)化運(yùn)營(yíng)的目標(biāo)。蒙牛早已使用一物一碼技術(shù)，例如，蒙牛天貓旗艦店曾推出一款0糖氣泡水風(fēng)味飲料——酸酸乳乳氣泡水。蒙牛在氣泡水的瓶蓋內(nèi)嵌入一個(gè)唯一的二維碼，開展“酸酸乳星際探索”互動(dòng)營(yíng)銷，消費(fèi)者掃描蒙牛氣泡水瓶蓋內(nèi)的二維碼后，就會(huì)跳轉(zhuǎn)到充滿活力氣息的“酸酸乳星際探索”頁面，從而可以領(lǐng)取積分進(jìn)行互動(dòng)游戲，根據(jù)游戲進(jìn)度領(lǐng)取不同的獎(jiǎng)勵(lì)。有趣的游戲加上獎(jiǎng)勵(lì)的鉤子，引發(fā)消費(fèi)者自發(fā)為品牌傳播，進(jìn)行圈層擴(kuò)散。設(shè)置一物一碼營(yíng)銷活動(dòng)吸引用戶互動(dòng)，不僅使蒙牛與消費(fèi)者建立了簡(jiǎn)單的聯(lián)系，還發(fā)揮了更多的效能，具體內(nèi)容如下。一是一物一碼幫助蒙牛讀懂消費(fèi)者。二是一物一碼助力蒙牛精準(zhǔn)觸達(dá)潛在消費(fèi)者。（二）大數(shù)據(jù)營(yíng)銷的發(fā)展第一階段：

互聯(lián)網(wǎng)時(shí)代在這個(gè)階段，網(wǎng)站點(diǎn)擊數(shù)據(jù)、搜索記錄數(shù)據(jù)等是眾多營(yíng)銷人員的關(guān)注重點(diǎn)。精準(zhǔn)定位目標(biāo)消費(fèi)者通過互動(dòng)拉近企業(yè)與用戶的距離低成本進(jìn)行輿論監(jiān)控和市場(chǎng)調(diào)查企業(yè)可獲得低成本組織的力量第二階段：

社交網(wǎng)絡(luò)時(shí)代個(gè)性化分眾識(shí)別即時(shí)信息互動(dòng)溝通第三階段：

移動(dòng)互聯(lián)網(wǎng)時(shí)代區(qū)別傳統(tǒng)大眾營(yíng)銷傳統(tǒng)互聯(lián)網(wǎng)營(yíng)銷移動(dòng)營(yíng)銷傳播對(duì)象傳統(tǒng)媒體用戶有限的PC端用戶全面的移動(dòng)端用戶傳播方向單向傳播以單向傳播為主雙向互動(dòng)傳播成本高低低傳播類型各種格式的文本、音頻與視頻各種格式的文本、音頻與視頻受限于傳播速度及視覺空間大小的文本、音頻與視頻營(yíng)銷設(shè)計(jì)豐富豐富簡(jiǎn)約營(yíng)銷終端固定媒體PC單屏多屏交互營(yíng)銷路徑泛化傳播水平撒網(wǎng)立體真實(shí)營(yíng)銷效果品牌展示品牌展示及產(chǎn)品促銷用戶即時(shí)參與移動(dòng)營(yíng)銷與傳統(tǒng)營(yíng)銷的區(qū)別（二）大數(shù)據(jù)營(yíng)銷的發(fā)展第一階段：

互聯(lián)網(wǎng)時(shí)代在這個(gè)階段，網(wǎng)站點(diǎn)擊數(shù)據(jù)、搜索記錄數(shù)據(jù)等是眾多營(yíng)銷人員的關(guān)注重點(diǎn)。精準(zhǔn)定位目標(biāo)消費(fèi)者通過互動(dòng)拉近企業(yè)與用戶的距離低成本進(jìn)行輿論監(jiān)控和市場(chǎng)調(diào)查企業(yè)可獲得低成本組織的力量第二階段：

社交網(wǎng)絡(luò)時(shí)代個(gè)性化分眾識(shí)別即時(shí)信息互動(dòng)溝通第三階段：

移動(dòng)互聯(lián)網(wǎng)時(shí)代不同數(shù)據(jù)庫之間的整合與協(xié)同場(chǎng)景成為大數(shù)據(jù)營(yíng)銷的著力點(diǎn)通過效果監(jiān)測(cè)實(shí)時(shí)優(yōu)化策略第四階段：

人工智能時(shí)代（三）大數(shù)據(jù)營(yíng)銷的基本流程數(shù)據(jù)

采集數(shù)據(jù)存儲(chǔ)數(shù)據(jù)處理數(shù)據(jù)分析數(shù)據(jù)應(yīng)用數(shù)據(jù)采集的工具有很多種，包括爬蟲軟件、應(yīng)用程序編程接口（API）、傳感器采集、日志采集等。數(shù)據(jù)存儲(chǔ)的方式有很多種，包括關(guān)系型數(shù)據(jù)庫、NoSQL數(shù)據(jù)庫、Hadoop等。確定需要分析的數(shù)據(jù)范圍，運(yùn)用大數(shù)據(jù)技術(shù)對(duì)初始數(shù)據(jù)、原始數(shù)據(jù)和壞數(shù)據(jù)進(jìn)行清洗和預(yù)處理。數(shù)據(jù)分析的方法有統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等。以圖形格式表示數(shù)據(jù)，讓決策者看到直觀呈現(xiàn)的數(shù)據(jù)分析結(jié)果，從而做出更科學(xué)的決策。數(shù)據(jù)應(yīng)用的方式有推薦系統(tǒng)、風(fēng)險(xiǎn)控制、營(yíng)銷策略等。數(shù)據(jù)反饋利用營(yíng)銷技術(shù)獲知客戶行為和各個(gè)營(yíng)銷節(jié)點(diǎn)的過程量，以便定量地證明營(yíng)銷的投入產(chǎn)出比，進(jìn)而優(yōu)化營(yíng)銷和業(yè)務(wù)流程。數(shù)據(jù)

可視化案例鏈接九陽借助數(shù)據(jù)中臺(tái)洞察消費(fèi)者，定制差異化策略九陽自成立以來，不僅積累了技術(shù)、形成了品牌效應(yīng)，還存儲(chǔ)了大量寶貴的用戶數(shù)據(jù)，但這些原始數(shù)據(jù)在以前十分分散，呈現(xiàn)出碎片化的特點(diǎn)，而且用戶的主體數(shù)據(jù)沒有得到整合，九陽也沒有建立系統(tǒng)、完善的標(biāo)簽畫像體系。因此，如何有效挖掘數(shù)據(jù)價(jià)值并合理使用，以提升品牌增長(zhǎng)量，是擺在九陽面前的一大難題。數(shù)據(jù)中臺(tái)是九陽把握數(shù)據(jù)、實(shí)現(xiàn)數(shù)據(jù)化運(yùn)營(yíng)的有效工具，它可以幫助九陽盤活沉睡的數(shù)據(jù)資產(chǎn)，挖掘出數(shù)據(jù)中蘊(yùn)含的價(jià)值。阿里云為九陽打造的數(shù)據(jù)中臺(tái)，融合了九陽線上線下的全域消費(fèi)者數(shù)據(jù)，通過ONEID技術(shù)統(tǒng)一識(shí)別和整合，構(gòu)建了消費(fèi)者數(shù)據(jù)的標(biāo)準(zhǔn)和規(guī)范。在數(shù)據(jù)中臺(tái)上線不久后，九陽就迎來了“6·18”年中促銷活動(dòng)的大考。九陽借助阿里云數(shù)據(jù)中臺(tái)，基于數(shù)據(jù)中臺(tái)共創(chuàng)IP人群運(yùn)營(yíng)，在某IP聯(lián)名新品優(yōu)選放大人群，投資回報(bào)率提升了3倍。此外，九陽通過數(shù)據(jù)中臺(tái)的核心產(chǎn)品之一QuickAudience，對(duì)品牌近兩年的自有信息進(jìn)行分析、運(yùn)營(yíng)和管理，同時(shí)根據(jù)類目活躍度、消費(fèi)行為特征等描繪出更為精準(zhǔn)的消費(fèi)人群，從而使整個(gè)營(yíng)銷鏈路、數(shù)據(jù)閉環(huán)更加完整。九陽結(jié)合人群渠道和消費(fèi)屬性，為全域消費(fèi)者定制了差異化的策略，例如，針對(duì)A人群（認(rèn)知人群）高頻觸達(dá)；針對(duì)I人群（興趣人群）中的折扣敏感型、高價(jià)值人群推出不同的營(yíng)銷策略，讓其轉(zhuǎn)化為P人群（購(gòu)買人群），從而在減少營(yíng)銷成本的同時(shí)實(shí)現(xiàn)成交轉(zhuǎn)化率的提升?；跀?shù)據(jù)中臺(tái)提升營(yíng)銷觸達(dá)效率，九陽根據(jù)消費(fèi)者的體驗(yàn)旅程和關(guān)鍵場(chǎng)景，精心設(shè)計(jì)運(yùn)營(yíng)策略，最終提升了營(yíng)銷精準(zhǔn)率；而在未來，九陽也可以基于數(shù)據(jù)中臺(tái)建立標(biāo)簽，實(shí)現(xiàn)營(yíng)銷效果的動(dòng)態(tài)迭代，依托數(shù)據(jù)中臺(tái)靈活且高擴(kuò)展性的標(biāo)簽組合能力，實(shí)現(xiàn)不同產(chǎn)品組合下的精準(zhǔn)營(yíng)銷。營(yíng)銷提效只是數(shù)據(jù)中臺(tái)能力的一部分，數(shù)據(jù)中臺(tái)之后還將不斷迭代，全鏈路的數(shù)智化可以在從消費(fèi)者需求滿足到新品研發(fā)，再到供應(yīng)鏈改造等方面，不斷為九陽提升差異化服務(wù)能力。（三）大數(shù)據(jù)營(yíng)銷的基本流程你認(rèn)為哪個(gè)企業(yè)的大數(shù)據(jù)營(yíng)銷模式應(yīng)用得比較成熟？與同學(xué)討論該企業(yè)在應(yīng)用大數(shù)據(jù)營(yíng)銷模式時(shí)都有哪些營(yíng)銷動(dòng)作？效果如何？課堂討論（四）大數(shù)據(jù)營(yíng)銷人員配置1．?dāng)?shù)據(jù)策略師2．營(yíng)銷分析師3．系統(tǒng)工程師4．?dāng)?shù)據(jù)挖掘師5．?dāng)?shù)據(jù)質(zhì)量專員6．?dāng)?shù)據(jù)庫管理員數(shù)據(jù)策略師是企業(yè)內(nèi)部的營(yíng)銷數(shù)據(jù)操盤手，需要同時(shí)精通業(yè)務(wù)和營(yíng)銷，并負(fù)責(zé)與業(yè)務(wù)需求層面進(jìn)行溝通，從而為企業(yè)設(shè)計(jì)科學(xué)的大數(shù)據(jù)營(yíng)銷模式。數(shù)據(jù)策略師是大數(shù)據(jù)營(yíng)銷團(tuán)隊(duì)的核心人物，應(yīng)當(dāng)在企業(yè)內(nèi)部長(zhǎng)期培養(yǎng)。數(shù)據(jù)挖掘師是指通過對(duì)海量數(shù)據(jù)進(jìn)行挖掘，尋找數(shù)據(jù)的存在模式和規(guī)律，從而解決具體問題的人員。數(shù)據(jù)挖掘師必須精通數(shù)據(jù)庫知識(shí)，必須熟練掌握數(shù)據(jù)挖掘工具、數(shù)據(jù)挖掘算法。營(yíng)銷分析師負(fù)責(zé)大數(shù)據(jù)營(yíng)銷的執(zhí)行層面，包括抽取、分析日常數(shù)據(jù)，熟練操作大數(shù)據(jù)營(yíng)銷工具。一個(gè)有SQL背景、懂?dāng)?shù)據(jù)庫邏輯的人員與業(yè)務(wù)人員磨合半年，就能成為合格的營(yíng)銷分析師。數(shù)據(jù)質(zhì)量專員負(fù)責(zé)完成日常的數(shù)據(jù)庫質(zhì)量檢查工作。具有一定的SQL操作能力和數(shù)據(jù)庫知識(shí)的偏I(xiàn)T領(lǐng)域的人員即可勝任。系統(tǒng)工程師負(fù)責(zé)建設(shè)和管理大數(shù)據(jù)營(yíng)銷的基礎(chǔ)設(shè)施，包括新系統(tǒng)的開發(fā)上線和系統(tǒng)上線后的日常維護(hù)。系統(tǒng)工程師屬于IT領(lǐng)域的崗位，一般設(shè)置在企業(yè)的IT部門。數(shù)據(jù)庫管理員是負(fù)責(zé)管理和維護(hù)數(shù)據(jù)庫服務(wù)器的人員。企業(yè)在選擇數(shù)據(jù)庫管理員時(shí)，與技術(shù)能力相比，對(duì)其職業(yè)操守的要求更高，在招聘時(shí)需要投入巨大的精力做背景調(diào)查，通常不會(huì)選擇外包。（五）大數(shù)據(jù)營(yíng)銷的基礎(chǔ)理論市場(chǎng)營(yíng)銷理論是不斷發(fā)展的，這主要體現(xiàn)為4P、4C、4R、4I理論的不斷演化。在此過程中，營(yíng)銷人員對(duì)營(yíng)銷、市場(chǎng)及消費(fèi)者的理解不斷加深，市場(chǎng)營(yíng)銷活動(dòng)變得更加靈活、有效。（六）大數(shù)據(jù)營(yíng)銷的分析模型描述性分析模型用于更好地理解和描述給定的數(shù)據(jù)集，定量和統(tǒng)計(jì)地總結(jié)出數(shù)據(jù)所包含的信息，側(cè)重于對(duì)客觀事實(shí)整體情況的靜態(tài)描述。常見的描述性指標(biāo)包括平均值、中位數(shù)、四分位距、方差、峰度、偏度等?！衩枋鲂苑治瞿Ｐ统Ｒ姷拿枋鲂灾笜?biāo)術(shù)語說明最小值數(shù)據(jù)的最小值最大值數(shù)據(jù)的最大值平均值數(shù)據(jù)的平均得分值，反映數(shù)據(jù)的集中趨勢(shì)標(biāo)準(zhǔn)差數(shù)據(jù)的標(biāo)準(zhǔn)差，反映數(shù)據(jù)的離散程度中位數(shù)樣本數(shù)據(jù)升序排列后最中間的數(shù)值。如果數(shù)據(jù)偏離較大，一般用中位數(shù)描述整體情況，而不是用平均值25分位數(shù)分析某項(xiàng)中所有數(shù)值由小到大排列后位于第25%的數(shù)值，用于了解部分樣本占整體樣本集的比例75分位數(shù)分析某項(xiàng)中所有數(shù)值由小到大排列后位于第75%的數(shù)值，用于了解部分樣本占整體樣本集的比例IQR四分位距（InterquartileRange，IQR）=75分位數(shù)-25分位數(shù)方差用于度量隨機(jī)變量和其數(shù)學(xué)期望（即均值）之間的偏離程度標(biāo)準(zhǔn)誤即樣本均值的標(biāo)準(zhǔn)差，反映樣本數(shù)據(jù)的離散趨勢(shì)峰度反映數(shù)據(jù)分布的平坦度，通常用于判斷數(shù)據(jù)的正態(tài)性情況偏度反映數(shù)據(jù)分布偏斜方向和程度，通常用于判斷數(shù)據(jù)的正態(tài)性情況變異系數(shù)變異系數(shù)=標(biāo)準(zhǔn)差÷平均值，表示數(shù)據(jù)沿著平均值波動(dòng)的幅度，反映數(shù)據(jù)的離散趨勢(shì)（六）大數(shù)據(jù)營(yíng)銷的分析模型描述性分析模型用于更好地理解和描述給定的數(shù)據(jù)集，定量和統(tǒng)計(jì)地總結(jié)出數(shù)據(jù)所包含的信息，側(cè)重于對(duì)客觀事實(shí)整體情況的靜態(tài)描述。常見的描述性指標(biāo)包括平均值、中位數(shù)、四分位距、方差、峰度、偏度等?！衩枋鲂苑治瞿Ｐ陀脩粜袨槟Ｐ陀糜趯?duì)用戶的購(gòu)買、瀏覽、社交等行為進(jìn)行分析與預(yù)測(cè)，形成用戶的行為特征和行為規(guī)律的描述。用戶行為模型的分析方法有關(guān)聯(lián)分析、回歸分析、分類分析和聚類分析等?！裼脩粜袨槟Ｐ陀脩粜袨槟Ｐ驼f明使用的數(shù)據(jù)和方法用戶購(gòu)買傾向用戶購(gòu)買傾向是指用戶對(duì)某些產(chǎn)品或服務(wù)的購(gòu)買意愿和可能性，影響用戶的消費(fèi)決策和消費(fèi)效果，用戶對(duì)某個(gè)品牌的忠誠(chéng)度會(huì)影響其購(gòu)買傾向利用用戶購(gòu)買歷史、用戶購(gòu)物車、用戶收藏夾等數(shù)據(jù)，根據(jù)數(shù)據(jù)的時(shí)效性和相關(guān)性選擇合適的方法用戶瀏覽習(xí)慣用戶瀏覽習(xí)慣是指用戶在瀏覽網(wǎng)頁或應(yīng)用時(shí)的行為模式和偏好，影響用戶的信息獲取和信息消費(fèi)利用用戶的瀏覽記錄、用戶點(diǎn)擊率、用戶停留時(shí)間等數(shù)據(jù)，根據(jù)數(shù)據(jù)的完整性和可追溯性選擇合適的方法用戶社交媒體

互動(dòng)用戶社交媒體互動(dòng)是指用戶在社交媒體上的行為表現(xiàn)和影響力，影響用戶的社交關(guān)系和社交聲譽(yù)利用用戶社交媒體賬號(hào)、社交媒體內(nèi)容、社交媒體網(wǎng)絡(luò)關(guān)系等，根據(jù)數(shù)據(jù)的公開性和可信性選擇合適的方法用戶行為模型（六）大數(shù)據(jù)營(yíng)銷的分析模型描述性分析模型用于更好地理解和描述給定的數(shù)據(jù)集，定量和統(tǒng)計(jì)地總結(jié)出數(shù)據(jù)所包含的信息，側(cè)重于對(duì)客觀事實(shí)整體情況的靜態(tài)描述。常見的描述性指標(biāo)包括平均值、中位數(shù)、四分位距、方差、峰度、偏度等?！衩枋鲂苑治瞿Ｐ陀脩粜袨槟Ｐ陀糜趯?duì)用戶的購(gòu)買、瀏覽、社交等行為進(jìn)行分析與預(yù)測(cè)，形成用戶的行為特征和行為規(guī)律的描述。用戶行為模型的分析方法有關(guān)聯(lián)分析、回歸分析、分類分析和聚類分析等?！裼脩粜袨槟Ｐ土舸娣治瞿Ｐ陀糜诜治鲇脩魠⑴c情況或活躍程度，考察進(jìn)行初始行為的用戶中有多少人會(huì)進(jìn)行后續(xù)行為。該模型是衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要工具。留存分析模型支持條件過濾和多人群對(duì)比分析，支持對(duì)全量數(shù)據(jù)隨機(jī)抽樣計(jì)算?！窳舸娣治瞿Ｐ吐┒贩治瞿Ｐ湍軌蚩茖W(xué)地反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率的情況。通過埋點(diǎn)事件配置關(guān)鍵業(yè)務(wù)路徑，能夠分析在多種業(yè)務(wù)場(chǎng)景下的用戶轉(zhuǎn)化和流失情況?！衤┒贩治瞿Ｐ蚐ession即會(huì)話，指在指定的時(shí)間段內(nèi)在網(wǎng)站、H5、小程序、App上發(fā)生的一系列用戶行為的集合。一次會(huì)話可以包含多次頁面瀏覽、交互等。根據(jù)不同的切割規(guī)則，可以生成不同長(zhǎng)度的Session。●Session分析模型細(xì)分維度說明渠道來源分組用于區(qū)分每次訪問的渠道來源，僅適用于網(wǎng)站、H5、小程序?yàn)g覽頁面數(shù)以步長(zhǎng)值5為間隔，統(tǒng)計(jì)每次瀏覽頁面數(shù)的分布情況（步長(zhǎng)是指連續(xù)序列號(hào)的差）著陸頁用于區(qū)分每次訪問的著陸頁，可以評(píng)價(jià)不同著陸頁的訪問質(zhì)量退出頁用于區(qū)分每次訪問的退出頁，可以評(píng)價(jià)不同頁面的退出情況，找到退出率高的頁面進(jìn)行優(yōu)化訪問時(shí)長(zhǎng)按照0～3秒、3秒（不含）～10秒、10秒（不含）～30秒、30秒（不含）～60秒、1分鐘（不含）～3分鐘、3分鐘（不含）～10分鐘、10分鐘（不含）～30分鐘、30分鐘（不含）～60分鐘、1小時(shí)以上的區(qū)間進(jìn)行劃分，統(tǒng)計(jì)每次訪問的時(shí)長(zhǎng)分布Session分析細(xì)分維度（六）大數(shù)據(jù)營(yíng)銷的分析模型描述性分析模型用于更好地理解和描述給定的數(shù)據(jù)集，定量和統(tǒng)計(jì)地總結(jié)出數(shù)據(jù)所包含的信息，側(cè)重于對(duì)客觀事實(shí)整體情況的靜態(tài)描述。常見的描述性指標(biāo)包括平均值、中位數(shù)、四分位距、方差、峰度、偏度等?！衩枋鲂苑治瞿Ｐ陀脩粜袨槟Ｐ陀糜趯?duì)用戶的購(gòu)買、瀏覽、社交等行為進(jìn)行分析與預(yù)測(cè)，形成用戶的行為特征和行為規(guī)律的描述。用戶行為模型的分析方法有關(guān)聯(lián)分析、回歸分析、分類分析和聚類分析等?！裼脩粜袨槟Ｐ土舸娣治瞿Ｐ陀糜诜治鲇脩魠⑴c情況或活躍程度，考察進(jìn)行初始行為的用戶中有多少人會(huì)進(jìn)行后續(xù)行為。該模型是衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要工具。留存分析模型支持條件過濾和多人群對(duì)比分析，支持對(duì)全量數(shù)據(jù)隨機(jī)抽樣計(jì)算?！窳舸娣治瞿Ｐ吐┒贩治瞿Ｐ湍軌蚩茖W(xué)地反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率的情況。通過埋點(diǎn)事件配置關(guān)鍵業(yè)務(wù)路徑，能夠分析在多種業(yè)務(wù)場(chǎng)景下的用戶轉(zhuǎn)化和流失情況。●漏斗分析模型Session即會(huì)話，指在指定的時(shí)間段內(nèi)在網(wǎng)站、H5、小程序、App上發(fā)生的一系列用戶行為的集合。一次會(huì)話可以包含多次頁面瀏覽、交互等。根據(jù)不同的切割規(guī)則，可以生成不同長(zhǎng)度的Session?！馭ession分析模型分布分析主要提供“維度指標(biāo)化”之后的數(shù)據(jù)分解能力，將原有維度按照一定的數(shù)值區(qū)間進(jìn)行維度劃分，進(jìn)而分析每個(gè)維度區(qū)間的分布情況。分布分析模型主要針對(duì)的是數(shù)值型和日期型數(shù)據(jù)?！穹植挤治瞿Ｐ停ㄆ撸┐髷?shù)據(jù)營(yíng)銷倫理大數(shù)據(jù)殺熟擅自收集個(gè)人信息無底線侵犯私域企業(yè)在營(yíng)銷

過程中存在的倫理失當(dāng)行為完善互聯(lián)網(wǎng)信息技術(shù)與安全體系的