互联网大数据时代，怎么样通过大数据来做营销决策？

原标题：互联网大数据时代，怎么样通过大数据来做营销决策？

数字是为营销服务的，不是营销为数字服务。营销大数据的目的是利用大数据技术和思维更好地了解用户，维系用户，从而更好地实现产品的销售增长等目标。

分享营销大数据决策模型之前，我们要明白大数据决策和传统的营销决策模式的区别。

根据《大数据时代》一书中的观点，大数据时代给人类思维带来了很大的冲击，其中最重要的是：用相关关系而不是因果关系来理解这个世界，知道“是什么”比“为什么”更能有效地解决问题。

传统营销团队进行消费者洞察的主要目的是要找出消费者行为背后的原因，即为什么购买或不购买某个品牌的产品或服务，为什么喜欢或为什么不喜欢，消费者是基于怎样一种观念或态度来决策的，这样的因果推断会成为我们营销决策的重要依据。

而以大数据为基础的消费者画像更多的是相关关系分析，在海量数据中发现隐含的相关性，这为我们提供了一种全新的消费者洞察与决策路径。下面介绍如何实现营销大数据决策。我总结了一个“大数据营销的决策模型”，明白这个决策模型背后的思维模式，才是关键。

营销大数据，让商业决策更科学化

这个模型主要有两大模块，一个是左边的用户画像模块，根据数据采集、数据挖掘、数据建模和验证步骤形成用户画像。另一个就是右边的“营销战略和4P”模块。

中间的“用户购买行为”是这两大模块的连接关键点，没有前面的用户画像，就很难预测用户的购买行为；有了用户的购买行为的预测后，再去制定营销战略与措施，才更有效果。

下面展开来说说：

1.“大数据”用户画像

了解用户，本质就是了解用户画像。

用户画像就象是镜子一样，照出用户的虚拟镜像。这个虚拟镜像越接近用户的真实情况，就能越准确地预测用户的需求与行为动机，进而制定更有效的营销战略与措施。

我这里讲的大数据用户画像与普通的用户画像不一样。

在大数据的用户画像中，既需要按照大数据的计算，通过各种标签还原出消费者的各种特质与轨迹，又需要把消费者放入情景化中，把这些特质的表现串联起来，这样营销战略既能够有数据化的精确，又能有效切入消费者的生活轨迹

(普通用户画像与大数据用户画像的比较)

营销大数据，让商业决策更科学化

大数据的用户画像的形成大概有四个步骤：

1、数据采集：首先根据企业的战略需求和业务目标找到适合的数据源。比如用户的消费行为数据、第三方数据、CRM数据等，然后进行数据采集。

2、数据挖掘：根据采集的数据进行处理，大概包括以下动作：

数据清洗——去掉重复或不完整的数据。

用户识别——确定用户多个ID的唯一性。因为同一个人可能有不同渠道的ID账号。

数据分类——分为用户属数据（性别、年龄、城市等）和用户行为数据。

建立标签和权重体系——标签就是对人、物、事或场景显著性的分类、提炼与总结的过程，因为标签化是精准营销分析的重要前提；而权重就是对程度或概率的一种量化，表示用户发生某种行为的偏好、概率或同一个动作在不同地点和时间的权重多少。

3、数据建模：利用关联规则和聚类、逻辑回归等方法，对各种数据进行分析，发现数据之间的相关性。然后利用其中的规则总结和相关性逻辑进行建模。比如你是卖面膜的，通过分析知道你的目标用户在什么渠道，什么时间会比较容易下单买你的产品，然后根据这个模型去制定更大量的营销推广活动。

4、验证、对以上的数据模型进行验证，以保证该模型是准确抓住了用户的特征，减少模型的偏差性。

比如你是开餐厅的，发现每周六的时候，甜点卖得最好（可能周末了小孩子比较多），准备根据这个发现去提前准备每周六的甜点存货量。然后通过检验确实如此，那就可以制定相关措施。

最后根据验证，把一些偶然的相关发现或不能准确反映事实的数据剔除后，用剩下的模型形成用户画像。这样的用户画像，应用到企业的营销决策中去，才不会有太大的偏差。

接着就是根据用户画像的标签和模型去预测用户的需求动机和购买行为，最后就是“营销战略决策和4P”模块了。

2.营销战略和4P变化

用户画像只是一个决策参考，但营销决策这个环节，需要用到各种营销思维和考虑各种综合因素做出营销战略决策和相关措施。其中，在经典的营销4P中，大数据的4P会可能变化“动态化和互动式”，也就是前面说的“动态改进”和“参与”等特点。

（1）产品(product):在大数据经济中，产品更强调的是与用户共同创造的模式。还会实现规模化的个性化产品服务的创造，这背后是企业成本评估和用户画像的精准分析。

（2）定价(price):定价模式也从标准化定价逐渐走向动态化的定价模式，可以根据不同的用户、不同的时间和不同的场景等进行动态定价，优化产品的盈利。

这种和目前酒店的“大数据杀熟”不一样的地方在于，“杀熟”是根据不同用户的消费力和品牌忠诚度来实现利润最大化（用户会反感），而大数据的动态定价是根据不同的用户需求来定价，实现用户与企业的价值双赢。

（3）渠道(place)：传统的分销渠道是从工厂到经销商，再到各种零售终端的模式，而大数据的渠道是”以人为主“的分销模式，人对人分销，不局限于某个渠道。这背后需要很好的渠道利益设计和模式重构。

比如现在的微商和社区团购模式部分契合了该特点，只是还没能完全实现”人对人“的渠道模式，这背后涉及一些比较复杂的政策、技术和商业体系的问题，随着区块链等数字技术的普及，相信会越来越好的。

（4）推广(promotion)：

传统的广告、促销等推广方式更偏向单向的传播，大数据的推广策略更看重用户的社交传播，用户帮我们主动传播。因为用户买了你的产品，营销才刚刚开始，购后的一系列措施才是关键，比如用户关系管理等。

当然，大数据营销决策中还涉及很多其他因素，比如数据获取来源、用户购买行为的验证和企业其他部门的支持等等，篇幅原因，这里不一一展开了。

长沙未来音速友情提示，商业大数据、营销大数据的历史进程已经来临，过去只凭感觉、靠经验去做商业决策的时代会慢慢远去。未来一定是人充分利用大数据来提高决策效率的时代，经验也会有用，但用好大数据的经验会更有竞争力，让商业决策更科学。