數(shù)字營(yíng)銷學(xué) 3第三章 營(yíng)銷數(shù)據(jù)及數(shù)據(jù)采集-試題及答案

第三章營(yíng)銷數(shù)據(jù)及數(shù)據(jù)采集試題及答案1.名詞解釋（1）營(yíng)銷數(shù)據(jù)營(yíng)銷數(shù)據(jù)是企業(yè)可以用于洞察市場(chǎng)、確定定位、傳播信息、銷售產(chǎn)品、管理顧客的各類數(shù)據(jù)。（2）埋點(diǎn)埋點(diǎn)是事件追蹤（EventTracking）的主要方式，它指針對(duì)特定用戶行為或事件進(jìn)行捕獲、處理和發(fā)送的相關(guān)技術(shù)及其實(shí)施過(guò)程。數(shù)據(jù)埋點(diǎn)是數(shù)據(jù)產(chǎn)品經(jīng)理、數(shù)據(jù)運(yùn)營(yíng)和數(shù)據(jù)分析師基于業(yè)務(wù)需求對(duì)用戶行為的每一個(gè)事件對(duì)應(yīng)位置進(jìn)行開發(fā)埋點(diǎn)，并通過(guò)SDK上報(bào)埋點(diǎn)的數(shù)據(jù)獲取過(guò)程。（3）物聯(lián)網(wǎng)物聯(lián)網(wǎng)（InternetofThings,簡(jiǎn)稱IOT）是指在計(jì)算機(jī)互聯(lián)網(wǎng)的基礎(chǔ)上，利用射頻識(shí)別技術(shù)、傳感器、紅外感應(yīng)器、全球定位系統(tǒng)、無(wú)線數(shù)據(jù)通信等裝置和技術(shù)，把物品和互聯(lián)網(wǎng)連接，進(jìn)行信息交換和通訊，實(shí)現(xiàn)對(duì)物品的智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)，覆蓋世界上的萬(wàn)事萬(wàn)物，也就是“實(shí)現(xiàn)物物相連的互聯(lián)網(wǎng)”。（4）射頻識(shí)別技術(shù)射頻識(shí)別技術(shù)（RadioFrequencyIdentification，簡(jiǎn)稱RFID），是一種無(wú)線系統(tǒng)，由一個(gè)詢問(wèn)器（閱讀器）和很多應(yīng)答器（或標(biāo)簽）組成。標(biāo)簽由耦合元件和芯片組成，每個(gè)標(biāo)簽具有擴(kuò)展詞條唯一的電子編碼。（5）ETL數(shù)據(jù)的提取（Extract）、轉(zhuǎn)換（Transform）和加載（Load），簡(jiǎn)稱為ETL過(guò)程，數(shù)據(jù)從數(shù)據(jù)來(lái)源端經(jīng)過(guò)抽取（extract）、轉(zhuǎn)換（transform）、加載（load）到目的端，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)清洗，最終按照預(yù)先定義好的數(shù)據(jù)模型，將數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中去，最后對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和處理。2.選擇題（單選題）（1）大數(shù)據(jù)的特點(diǎn)不包括：①數(shù)據(jù)體量巨大；②數(shù)據(jù)類型繁多；③數(shù)據(jù)統(tǒng)計(jì)復(fù)雜；④處理速度快答：③（2）手機(jī)APP的營(yíng)銷數(shù)據(jù)最優(yōu)的采集方式為。①爬蟲采集；②埋點(diǎn)采集；③IOT采集；④數(shù)據(jù)庫(kù)采集。答：②（3）數(shù)據(jù)埋點(diǎn)的過(guò)程及應(yīng)用不包括哪項(xiàng)：①在產(chǎn)品流程關(guān)鍵部位植入相關(guān)統(tǒng)計(jì)代碼。②建立用戶模型來(lái)具體化用戶在使用產(chǎn)品中的操作行為。③將文本、圖片、音頻、視頻等文件數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)。④通過(guò)數(shù)據(jù)埋點(diǎn)還原出用戶畫像及用戶行為。答：③3.簡(jiǎn)答題（1）請(qǐng)請(qǐng)簡(jiǎn)述營(yíng)銷數(shù)據(jù)的基本特征。營(yíng)銷數(shù)據(jù)的特征：來(lái)源豐富性、類型復(fù)雜性、目標(biāo)多樣性、應(yīng)用廣泛性、方法匯聚性。（2）請(qǐng)簡(jiǎn)述營(yíng)銷數(shù)據(jù)的分類。營(yíng)銷數(shù)據(jù)主要分類請(qǐng)參加圖1圖1營(yíng)銷數(shù)據(jù)的分類（3）請(qǐng)簡(jiǎn)述大數(shù)據(jù)有哪些采集方式。大數(shù)據(jù)的采集方式如表1表1數(shù)據(jù)采集方式一覽數(shù)據(jù)采集方式描述典型公司PC機(jī)cookie采集通過(guò)分布式計(jì)算機(jī)進(jìn)行海量PC用戶的cookie采集。秒針PC應(yīng)用行為數(shù)據(jù)對(duì)PC應(yīng)用的行為進(jìn)行數(shù)據(jù)采集。搜狗拼音、360殺毒、華為運(yùn)動(dòng)網(wǎng)絡(luò)爬蟲通過(guò)分布式網(wǎng)絡(luò)爬蟲采集網(wǎng)上數(shù)據(jù)。針對(duì)微博的抓取最為普遍設(shè)備傳感器數(shù)據(jù)通過(guò)手機(jī)、機(jī)頂盒、新能源汽車等采集用戶的設(shè)備使用行為。蘋果、歌華、特斯拉、比亞迪交易行為數(shù)據(jù)通過(guò)分布式計(jì)算機(jī)進(jìn)行海量PC用戶的cookie采集。阿里巴巴、騰訊手機(jī)APP通過(guò)在APP中埋點(diǎn)的方式進(jìn)行用戶行為數(shù)據(jù)采集，也可以通過(guò)APP采集通訊錄、位置能數(shù)據(jù)。幾乎所有APP應(yīng)用電信運(yùn)營(yíng)商數(shù)據(jù)通過(guò)通信網(wǎng)絡(luò)采集用戶的行為，包括使用行為、位置、通話等。中國(guó)移動(dòng)、中國(guó)聯(lián)通操作系統(tǒng)通過(guò)通信網(wǎng)絡(luò)采集用戶的行為，包括App使用行為、位置、通話等等。微軟、安卓、IOS顧客關(guān)系系統(tǒng)通過(guò)社群、會(huì)員行為、社區(qū)行為、評(píng)論等采集數(shù)據(jù)。小米（4）請(qǐng)簡(jiǎn)述時(shí)間分析模型的設(shè)計(jì)都包括哪些內(nèi)容？事件分析模型是常用的分析模型之一。事件模型（Event模型）用來(lái)描述用戶的各種行為，包括事件（Event）和用戶（User）兩個(gè)核心實(shí)體。以某APP的事件設(shè)計(jì)為例，通常包括APP啟動(dòng)，退出、頁(yè)面瀏覽、按鈕事件點(diǎn)擊，頁(yè)面訪問(wèn)時(shí)長(zhǎng)等。一個(gè)完整的事件（Event），包含如下幾個(gè)關(guān)鍵因素：①Who，即參與這個(gè)事件的用戶是誰(shuí)。②When,即這個(gè)事件發(fā)生的實(shí)際時(shí)間。③Where，即事件發(fā)生的地點(diǎn)。④How，即顧客從事這個(gè)事件的方式。⑤What，以字段的方式記錄用戶所做的事件的具體內(nèi)容。User表示實(shí)體，每個(gè)User實(shí)體對(duì)應(yīng)一個(gè)真實(shí)的用戶，每個(gè)用戶有各種屬性，常見(jiàn)的屬性例如：年齡、性別，和業(yè)務(wù)相關(guān)的屬性則可能有：會(huì)員等級(jí)、當(dāng)前積分、好友數(shù)等等。這些描述用戶的字段，就是用戶屬性。（5）請(qǐng)說(shuō)明營(yíng)銷數(shù)據(jù)管理的幾個(gè)階段以及對(duì)應(yīng)的核心內(nèi)容？營(yíng)銷數(shù)據(jù)管理包括數(shù)據(jù)采集、數(shù)據(jù)匯聚、數(shù)據(jù)開發(fā)、數(shù)據(jù)資產(chǎn)管理、數(shù)據(jù)服務(wù)和數(shù)據(jù)可視化。數(shù)據(jù)匯聚：數(shù)據(jù)匯聚是指將企業(yè)中各個(gè)業(yè)務(wù)產(chǎn)生的數(shù)據(jù)通過(guò)數(shù)據(jù)處理后匯聚到數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)開發(fā)是數(shù)據(jù)加工的