基于大数据的互联网营销

《基于大数据的互联网营销》由会员分享，可在线阅读，更多相关《基于大数据的互联网营销（29页珍藏版）》请在金锄头文库上搜索。

1、基于大数据的互联网营销基于大数据的互联网营销 Nov. 2015 中央财经大学商学院中央财经大学商学院 徐茵徐茵 P. 2 of 30 大纲大纲 互联网营销互联网营销 大数据定义大数据定义 基于大数据的营销应用基于大数据的营销应用 企业如何进行大数据营销企业如何进行大数据营销 P. 3 of 30 互联网营销的特征互联网营销的特征 用户体验用户体验 交互式营销交互式营销 开放平台开放平台 基于大数据基于大数据 P. 4 of 30 大纲大纲 互联网营销互联网营销 大数据定义大数据定义 基于大数据的营销应用基于大数据的营销应用 企业如何进行大数据营销企业如何进行大数据营销 P. 5 of 30

2、大数据的概念大数据的概念 海量数据海量数据 B KB MB GB TB PB 依托于互联网技术依托于互联网技术 非结构化数据非结构化数据 文本、图片、语音、视频 P. 6 of 30 大数据可以做什么大数据可以做什么 P. 7 of 30 大纲大纲 互联网营销互联网营销 大数据定义大数据定义 基于大数据的营销应用基于大数据的营销应用 企业如何进行大数据营销企业如何进行大数据营销 P. 8 of 30 微观环境分析微观环境分析4cs4cs 1.1.消费者消费者 2.2.竞争者竞争者 3.3.协作者协作者 4.4.企业内部企业内部 营销战略营销战略STPSTP 1.1.市场细分市场细分 2.2.目

3、标市场目标市场 3.3.市场定位市场定位 宏观环境分析宏观环境分析PESTPEST 1.1.政治法律政治法律 2.2.经济人口经济人口 3.3.社会文化社会文化 4.4.技术自然技术自然 营销组合营销组合 4ps 1.产品策略产品策略 2.定价策略定价策略 3.促销策略促销策略 4.渠道策略渠道策略 市场调研市场调研 P. 9 of 30 9 互联网调研：欧莱雅美白护肤品互联网调研：欧莱雅美白护肤品 欧莱雅美白护肤品曾委托某欧莱雅美白护肤品曾委托某SEOSEO公司对网上用户如何评价该类公司对网上用户如何评价该类 产品进行了专项调研。其信息搜索媒体包括各大门户及主流产品进行了专项调研。其信息搜索

4、媒体包括各大门户及主流 报刊网站，与生活美容杂谈相关的报刊网站，与生活美容杂谈相关的BBSBBS共共5 5万个，化妆美容保万个，化妆美容保 健的相关博客健的相关博客800800个。个。 通过对抓取内容文字分析发现如下结果通过对抓取内容文字分析发现如下结果（1 1）关注“美白”功）关注“美白”功 能的消费者，最关注的品牌依次为“能的消费者，最关注的品牌依次为“欧莱雅欧莱雅”、“旁氏”和”、“旁氏”和 “玉兰油”；（“玉兰油”；（2 2）消费者出现“肤色暗沉”、“色斑”问题）消费者出现“肤色暗沉”、“色斑”问题 时，会更易想到美白护肤品，而且特别关注美白产品的“功时，会更易想到美白护肤品，而且特别

5、关注美白产品的“功 效”和“安全”；（效”和“安全”；（3 3）消费者认为美白品的功效不仅包括“）消费者认为美白品的功效不仅包括“ 变白”，而且兼带“保湿”和“防晒”；（变白”，而且兼带“保湿”和“防晒”；（4 4）消费者美白产）消费者美白产 品类型最先选择“美白面膜”与“美白精华”。品类型最先选择“美白面膜”与“美白精华”。 在竞争分析中，研究发现：（在竞争分析中，研究发现：（1 1）关注“玉兰油”、“面膜”）关注“玉兰油”、“面膜” 的消费者，还关注产品的“美白效果”与“价格”；关注“的消费者，还关注产品的“美白效果”与“价格”；关注“ 欧莱雅欧莱雅”、“美白精华”的消费者，还关注产品的代

6、言人和”、“美白精华”的消费者，还关注产品的代言人和 “美白效果”。“美白效果”。 P. 10 of 30 从上一周的声量表现来看，浦发银行声量略高于上海银行。 从声量平台分布来看，浦发银行在新闻、论坛和博客上产生的声量远高于上海银行。 网络舆情模拟案例网络舆情模拟案例 一周总声量 备注：数据周期为2015年7月20日-7月26日，浦发银行总声量为2,733，上海银行总声量为1,608。 声量平台分布 P. 11 of 30 浦发银行热词云图 舆情监控：热词云图舆情监控：热词云图 在新闻平台上，浦发银行经常与平安银行、宁波银行和交通银行等共同提及，上海银行提及量较为靠后。 股票和理财产品是最为

7、热门的两个讨论话题。 在新闻平台上，浦发银行经常与平安银行、宁 波银行、交通银行、兴业银行、华泰证券，上 海银行、中信银行和浦发银行共同提及。 股票是时下的热议话题，在银行板块的股票 中，浦发银行的正面评价居多。 理财产品也收到消费者热议，其收益率表现 是普遍关注点。 备注：数据周期为2015年7月20日-7月26日，浦发银行总声量为2,733，上海银行总声量为1,608。 P. 12 of 30 舆情监控：热词云图舆情监控：热词云图 上海银行与招商银行、平安银行、民生银行等共同提及率较高。 其房贷首付六折政策在新闻平台上传播较广。 消费者对信用卡和理财产品最为关注。 上海银行热词云图 备注：

8、数据周期为2015年7月20日-7月26日，浦发银行总声量为2,733，上海银行总声量为1,608。 上海银行与招商银行、平安银行、民生银行、 浦发银行、汇丰银行、光大银行、交通银行、 兴业银行和宁波银行等共同提及率较高。 上海银行实行房贷首付六折政策，相关新闻报 道较多。 信用卡和理财产品是消费者较为关注的话题。 P. 13 of 30 舆情监控：情感表现舆情监控：情感表现 由于声量来源以新闻为主，因此带有情感倾向的消费者讨论声量非常小。其中，浦发银行的口碑优于负面口碑。 浦发银行由于股票未跌停以及没有手续费收到好评，然后消费者也对其报表持不信任态度。 上海银行的正面声量主要来源于对其银行的

9、崇拜和公益活动的称赞，负面声量较为含糊，未明确为指出原因。 备注：数据周期为2015年7月20日-7月26日，浦发 银行总声量为2,733，上海银行总声量为1,608。 情感表 现 浦发银行 上海银行 正面 9 4 中立 2,723 1,598 负面 1 6 声量情感表现 负面声量举例 不良率和业绩增速指标整体都不容乐观。 此外浦发银行的报表会美到我不敢相信。 正面声量举例 而我买的 浦发银行 是银行里唯一涨得还 是很欣慰的。. 银行板块也普遍下跌，仅 浦发银行 一只 股票在涨。. 只有少数银行没有手续费，目前好像有 浦 发银行 . 例举 负面声量举例 上海银行 是不是倒闭了啊，没有听到动静

10、跑了好几站路，发现一家 上海银行 ，结果不能办 现在坐车去浦发银行看看. 正面声量举例 今天很幸运见到了上海银行的夏董事长，估计这辈子也 就只能这一次了，其他的行长都没什么特别的，他一出 场就有一股浩然正气的感觉 为让这些马路天使能在这么酷热的天气中有个喝口水、 歇歇脚的地方，锦帆路社区联系 上海银行 沧浪支行在 行里为环卫工人们设立了一处“清凉驿站”，给他们一 个夏日小憩、清凉饮水之处。. P. 14 of 30 个性化产品推荐、广告及定价个性化产品推荐、广告及定价 P. 15 of 30 个性化产品推荐、广告及定价个性化产品推荐、广告及定价 P. 16 of 30 个性化产品推荐、广告及定

11、价个性化产品推荐、广告及定价 P. 17 of 30 数据量巨大，低成本实现了传 统关系型数据库无法处理的复 杂数据分析 基于数据挖掘(DataInsight)和 可视化产品，持卡人的自动化 画像和消费预测等业务应用 业务上完成商圈聚合分析， 20 种持卡人的自动化画像，持卡 人的100+多维分析和关联挖掘 分析， 竞争交叉分析； 持卡 人消费预测的精准度使得银联 和主要商户一起进行精准营销 和个性化推荐 大数据营销案例大数据营销案例 P. 18 of 30 商圈竞争形势分析 刷卡笔数 刷卡金额 椭圆状：商店与商圈内同行业其它商店 的比对。椭圆形状越宽，表示商店的笔 数越高，椭圆形状越长，表示

12、商店的金 额越高。 2014年X月 分店选择 商圈聚合与竞品分析商圈聚合与竞品分析 P. 19 of 30 P. 20 of 30 大纲大纲 互联网营销互联网营销 大数据定义大数据定义 基于大数据的营销应用基于大数据的营销应用 企业如何进行大数据营销企业如何进行大数据营销 P. 21 of 30 企业大数据营销的步骤企业大数据营销的步骤 整合数据来源整合数据来源 内部内部 外部（免费，收费）外部（免费，收费） 建立营销数据库建立营销数据库 数据挖掘数据挖掘 P. 22 of 30 营销内部数据库营销内部数据库 顾客基本信息顾客基本信息 人口特征人口特征（姓别姓别 年龄年龄 收入收入 、家庭规模

13、、户主的职业、婚姻状况、家庭规模、户主的职业、婚姻状况 、有无孩子、有无孩子,居住时间、教育水平、自有或租房、住所的类型、汽车拥居住时间、教育水平、自有或租房、住所的类型、汽车拥有和类型、性别、种族有和类型、性别、种族） 心理及生活方式心理及生活方式（活动类包括业余爱好活动类包括业余爱好,假期假期,娱乐娱乐,俱乐部成员俱乐部成员 、体育等、体育等;兴趣类包括家庭、工作、时尚、食物、传媒等兴趣类包括家庭、工作、时尚、食物、传媒等;观点类包括观点类包括政治、商业、经济、教育、产品、文化等政治、商业、经济、教育、产品、文化等） 交易数据交易数据 营销活动数据营销活动数据 其他数据其他数据 22 P.

14、 23 of 30 P. 24 of 30 凡客诚品凡客诚品 P. 25 of 30 标签维标签维 度度 子维度子维度 关键词匹关键词匹 配配 语义分析语义分析 机器学习机器学习 标签文本标签文本 标签取值标签取值 姓名姓名 姓 y 姓 置信度 名 y 名 置信度 人口属性人口属性 性别 y y y 0表示女，100表示男 年龄 y 年龄 置信度 教育程度 y 0,1,2,3 置信度 收入水平 y 0,1,2,3 置信度 职业 y y 职业 置信度 地域 y y 地域 置信度 家庭成员家庭成员 有配偶 y 0表示无，100表示有 有老人 y 0表示无，100表示有 有子女 y y 0表示无，1

15、00表示有 有宠物 y y 0表示无，100表示有 消费兴趣消费兴趣 行业大类 y y 频次 子类目 y y 频次 个性标签 y y 频次 推荐标签 y 置信度 大数据客户画像大数据客户画像 P. 26 of 30 大数据客户画像大数据客户画像 自定义自定义 航空出行 y y 频次 租车 y y 频次 旅游 y y 频次 信用卡 y y 频次 P2P y y 频次 外部数据源 y 置信度 逾期 y 频次 退货 y 频次 统计指标统计指标 短信数量 短信数量 高频词 高频词（多个） 频次（多个） P. 27 of 30 客户标签客户标签 通用标签：海归，运动，篮球，科比，易建联，高 尔夫，伍兹，

16、热血，星座，双子座，红酒，不重时尚 ，游戏，流行音乐 人口统计学标签：UID: 537821068，性别：男 ，年龄39，工作状态：在职；工作行业：IT，教育程 度：硕士生，地域：北京市海淀区上地科技园区 长期购物喜好 喜好品类1：T恤；购买比例：46；消费力等级：2 级：50，1级：50；特征tag偏好：风格-时尚休闲： 83，领型-圆领：66，图案-纯色：50，图案-条纹： 50，领型-翻领：44 短期购物场景 关注品类1：男士剃须刀；查看比例：31；消费力 等级：1级：63，2级：30；特征tag偏好：刀头-旋 转式2刀头：60，电源方式-充电式：43，刀头-旋转 式3刀头：33 价值标签： 房主：是；位置：市中心 是否拥有奢侈品：是 是否股民：是 是否信托客户：是 金融服务 贷款：房贷：额度：200万