數(shù)據(jù)營(yíng)銷學(xué) 課件全套 黃勁松 第1-15章 數(shù)字營(yíng)銷概述-數(shù)字營(yíng)銷的法律法規(guī)

第一章數(shù)字營(yíng)銷概述MARKETING數(shù)字營(yíng)銷學(xué)黃勁松教授/博士生導(dǎo)師開(kāi)篇案例：數(shù)據(jù)分析助力成功的聯(lián)合促銷

國(guó)內(nèi)某知名嬰幼兒奶粉品牌，收集了來(lái)自于北京大型連鎖超市零售數(shù)據(jù)，通過(guò)購(gòu)物籃分析，發(fā)現(xiàn)公司的嬰幼兒奶粉品牌與C公司的嬰幼兒紙尿褲有較強(qiáng)的關(guān)聯(lián)關(guān)系。隨后公司聯(lián)系了C公司，希望與C公司展開(kāi)聯(lián)合促銷活動(dòng)，并實(shí)施了聯(lián)合折扣券促銷、聯(lián)合陳列展示、聯(lián)合路演宣傳等活動(dòng)。在隨后的一個(gè)月時(shí)間里，雙方在12個(gè)省市進(jìn)行了聯(lián)合促銷活動(dòng)，獲得非常好的營(yíng)銷效果。公司的嬰幼兒奶粉銷量同比增長(zhǎng)了105%，銷售額同比增長(zhǎng)26%。所有試點(diǎn)省市的銷量增長(zhǎng)率均超過(guò)50%，部分省市的增長(zhǎng)率超過(guò)700%。目錄第一節(jié)

數(shù)字營(yíng)銷導(dǎo)論第二節(jié)數(shù)字營(yíng)銷的發(fā)展歷程第三節(jié)

數(shù)字營(yíng)銷的特征和實(shí)施框架目錄第一節(jié)

數(shù)字營(yíng)銷導(dǎo)論第二節(jié)數(shù)字營(yíng)銷的發(fā)展歷程第三節(jié)

數(shù)字營(yíng)銷的特征和實(shí)施框架一、數(shù)字營(yíng)銷的概念界定二、數(shù)字營(yíng)銷的不同類型第一節(jié)

數(shù)字營(yíng)銷導(dǎo)論一、數(shù)字營(yíng)銷的概念界定（一）數(shù)字營(yíng)銷的思維整體思維

采用由上而下的思考和決策模式，人們的決策過(guò)程是首先制定戰(zhàn)略，然后制定策略，最后實(shí)施行動(dòng)方案。

營(yíng)銷的典型整體思維是“5C+STP+4P+CRM”的營(yíng)銷操作體系。一、數(shù)字營(yíng)銷的概念界定（一）數(shù)字營(yíng)銷的思維2.分析思維

分析思維的基本思想是由下而上的思考和決策模式，人們首先進(jìn)行事物的細(xì)節(jié)分析，并通過(guò)細(xì)節(jié)分析得到整體的全貌

營(yíng)銷的典型分析思維是“個(gè)體畫(huà)像→個(gè)體需求→精準(zhǔn)營(yíng)銷→達(dá)成銷售→迭代驗(yàn)證”。一、數(shù)字營(yíng)銷的概念界定數(shù)字營(yíng)銷與傳統(tǒng)營(yíng)銷不同點(diǎn)：1.由下至上的營(yíng)銷思維。

數(shù)字營(yíng)銷從個(gè)體的需求出發(fā)，匯總成市場(chǎng)的整體狀態(tài)。一、數(shù)字營(yíng)銷的概念界定數(shù)字營(yíng)銷與傳統(tǒng)營(yíng)銷不同點(diǎn)：2.數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷思維。

數(shù)字營(yíng)銷通過(guò)對(duì)數(shù)據(jù)的采集和實(shí)時(shí)動(dòng)態(tài)應(yīng)用，以便實(shí)現(xiàn)營(yíng)銷行動(dòng)。一、數(shù)字營(yíng)銷的概念界定數(shù)字營(yíng)銷與傳統(tǒng)營(yíng)銷不同點(diǎn)：3.技術(shù)驅(qū)動(dòng)的營(yíng)銷思維。

數(shù)字營(yíng)銷起源于信息技術(shù)的突破，它是信息技術(shù)與傳統(tǒng)營(yíng)銷相結(jié)合所產(chǎn)生的新?tīng)I(yíng)銷體系一、數(shù)字營(yíng)銷的概念界定（二）數(shù)字營(yíng)銷的基本概念

數(shù)字營(yíng)銷是以數(shù)據(jù)和數(shù)據(jù)技術(shù)為基礎(chǔ)，通過(guò)數(shù)據(jù)洞察、效果評(píng)價(jià)、反饋迭代、實(shí)時(shí)監(jiān)控等方式，為顧客創(chuàng)造、溝通、傳遞價(jià)值，建立客戶關(guān)系，使顧客、伙伴、社會(huì)和公司等所有利益攸關(guān)者受益。一、數(shù)字營(yíng)銷的概念界定Krishen等（2021）的數(shù)字營(yíng)銷界定

通過(guò)對(duì)數(shù)據(jù)、ICT技術(shù)（如人工智能）、平臺(tái)（如社交網(wǎng)絡(luò)）、媒體和設(shè)備的應(yīng)用，在物理空間和虛擬空間內(nèi)拓展?fàn)I銷的范圍，從而通過(guò)賦能、提供信息、產(chǎn)生影響和增加參與等方式改善客戶關(guān)系。一、數(shù)字營(yíng)銷的概念界定Krishen等（2021）的數(shù)字營(yíng)銷界定（1）數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷。將數(shù)據(jù)應(yīng)用作為最重要的營(yíng)銷手段。（2）基于信息通信技術(shù)（ICT）的營(yíng)銷。基于信息、通信和技術(shù)的營(yíng)銷方式變遷。（3）基于電子商務(wù)平臺(tái)的營(yíng)銷?；诮灰字薪槠脚_(tái)、社交媒體平臺(tái)、軟件平臺(tái)、支付平臺(tái)等電子商務(wù)平臺(tái)的營(yíng)銷。（4）物理空間與虛擬空間結(jié)合的營(yíng)銷?；谖锢砜臻g和虛擬空間融合的營(yíng)銷。（5）通過(guò)多種方式構(gòu)建客戶關(guān)系。在數(shù)據(jù)技術(shù)應(yīng)用的客戶關(guān)系營(yíng)銷。二、數(shù)字營(yíng)銷的不同類型數(shù)字營(yíng)銷包括數(shù)字環(huán)境的營(yíng)銷、基于數(shù)據(jù)的營(yíng)銷和數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷等三類二、數(shù)字營(yíng)銷的不同類型數(shù)字環(huán)境的營(yíng)銷：指企業(yè)利用其他成熟的數(shù)字平臺(tái)，在數(shù)字環(huán)境下實(shí)現(xiàn)傳播、銷售和客戶關(guān)系等營(yíng)銷活動(dòng)?；跀?shù)據(jù)的營(yíng)銷：指企業(yè)通過(guò)數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用，制定營(yíng)銷策略并實(shí)施的營(yíng)銷體系。數(shù)字驅(qū)動(dòng)的營(yíng)銷：指在經(jīng)營(yíng)過(guò)程中，所有的營(yíng)銷決策都通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式加以實(shí)現(xiàn)，在這個(gè)過(guò)程中人工的干預(yù)變得很少。二、數(shù)字營(yíng)銷的不同類型數(shù)字營(yíng)銷的基本內(nèi)容：（1）數(shù)據(jù)環(huán)境的營(yíng)銷（2）基于數(shù)據(jù)的營(yíng)銷（3）數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷小知識(shí)：元宇宙的關(guān)鍵要素Hadi等人（2023）描述了元宇宙五個(gè)關(guān)鍵元素：（1）數(shù)字媒介。元宇宙數(shù)字媒介包括數(shù)字內(nèi)容互動(dòng)，例如虛擬物品、數(shù)字藝術(shù)品、數(shù)字貨幣等。（2）空間。元宇宙是由多個(gè)數(shù)字空間組成的網(wǎng)絡(luò)，可以模擬現(xiàn)實(shí)世界中的各種場(chǎng)景和情境。（3）沉浸式?？梢宰屜M(fèi)者獲得身臨其境的感覺(jué)，消費(fèi)者可以感受到真實(shí)的觸感、聲音、視覺(jué)和運(yùn)動(dòng)。（4）共享。多個(gè)用戶可以同時(shí)在同一數(shù)字空間中進(jìn)行交互。（5）實(shí)時(shí)。元宇宙可以讓消費(fèi)者在數(shù)字空間中實(shí)時(shí)進(jìn)行交互和體驗(yàn)。目錄第一節(jié)

數(shù)字營(yíng)銷導(dǎo)論第二節(jié)數(shù)字營(yíng)銷的發(fā)展歷程第三節(jié)

數(shù)字營(yíng)銷的特征和實(shí)施框架一、早期的數(shù)字營(yíng)銷二、數(shù)字營(yíng)銷的發(fā)展階段第二節(jié)數(shù)字營(yíng)銷的發(fā)展歷程三、未來(lái)的營(yíng)銷科技階段一、早期的數(shù)字營(yíng)銷營(yíng)銷數(shù)據(jù)分析在1920年代開(kāi)始應(yīng)用于企業(yè)基于數(shù)據(jù)分析的市場(chǎng)研究在1960年代開(kāi)始成熟1963年JournalofMarketingResearch創(chuàng)刊后，成為了營(yíng)銷定量研究的標(biāo)志性刊物2000年之前，數(shù)據(jù)是制約營(yíng)銷研究的主要瓶頸，主要的研究包括市場(chǎng)反應(yīng)模型研究、問(wèn)卷調(diào)查研究、市場(chǎng)監(jiān)測(cè)數(shù)據(jù)研究，營(yíng)銷數(shù)據(jù)采集和分析是專業(yè)公司才能夠完成的工作。二、數(shù)字營(yíng)銷的發(fā)展階段（一）連接重塑時(shí)代（2000-2010年）（1）門(mén)戶網(wǎng)站主導(dǎo)，在線購(gòu)物開(kāi)始出現(xiàn)；（2）消費(fèi)者的在線表達(dá)逐漸豐富；（3）互聯(lián)網(wǎng)作為決策支持工具；（4）互聯(lián)網(wǎng)數(shù)據(jù)作為營(yíng)銷分析基礎(chǔ)；（5）在線口碑傳播（eWOM）和用戶生成內(nèi)容（UGC）開(kāi)始產(chǎn)生影響；（6）社交網(wǎng)絡(luò)開(kāi)始應(yīng)用。二、數(shù)字營(yíng)銷的發(fā)展階段二、數(shù)字營(yíng)銷的發(fā)展階段（二）精準(zhǔn)營(yíng)銷時(shí)代（2011-2020年）（1）進(jìn)入數(shù)據(jù)豐富時(shí)代，數(shù)據(jù)在營(yíng)銷實(shí)踐中產(chǎn)生關(guān)鍵作用。（2）在線購(gòu)物平臺(tái)逐漸成熟；（3）社交媒介興起，出現(xiàn)大量消費(fèi)者分享行為；（4）實(shí)時(shí)競(jìng)價(jià)廣告逐漸成熟；（5）精準(zhǔn)廣告平臺(tái)崛起；（6）千人千面應(yīng)用逐漸勝出。（7）在線直播出現(xiàn)，線上和線下銷售開(kāi)始結(jié)合；（8）UGC作為營(yíng)銷工具，視頻和內(nèi)容營(yíng)銷成為主流。二、數(shù)字營(yíng)銷的發(fā)展階段二、數(shù)字營(yíng)銷的發(fā)展階段（三）智能營(yíng)銷時(shí)代（2021年-）（1）數(shù)據(jù)相關(guān)的法律法規(guī)逐漸完善，對(duì)數(shù)據(jù)安全、隱私保護(hù)等作出了嚴(yán)格規(guī)定。（2）企業(yè)全面轉(zhuǎn)向數(shù)字化和智能化，傳統(tǒng)的企業(yè)運(yùn)營(yíng)模式被顛覆；（3）人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)和5G技術(shù)（ABCD+5G）大量出現(xiàn)在營(yíng)銷實(shí)踐中；（4）物聯(lián)網(wǎng)技術(shù)被廣泛應(yīng)用；（5）超級(jí)人工智能出現(xiàn)，并廣泛應(yīng)用。二、數(shù)字營(yíng)銷的發(fā)展階段三、未來(lái)的營(yíng)銷科技階段營(yíng)銷科技帶來(lái)的四個(gè)變化：（1）“人

人”的變化

人與人之間連接方式發(fā)生改變，包括連接設(shè)備、連接模式、連接內(nèi)容方面的革命。任之光（2021）三、未來(lái)的營(yíng)銷科技階段營(yíng)銷科技帶來(lái)的四個(gè)變化：（2）“人→物”的變化。新的科技產(chǎn)品帶來(lái)產(chǎn)品設(shè)計(jì)和傳播模式的新變革。任之光（2021）三、未來(lái)的營(yíng)銷科技階段營(yíng)銷科技帶來(lái)的四個(gè)變化：（3）“物→人”的變化。新的科技產(chǎn)品會(huì)帶來(lái)營(yíng)銷傳播模式和營(yíng)銷渠道的變革任之光（2021）三、未來(lái)的營(yíng)銷科技階段營(yíng)銷科技帶來(lái)的四個(gè)變化：（4）“物→物”的變化。物與物之間的感知變革創(chuàng)造新運(yùn)營(yíng)模式、新產(chǎn)品形態(tài)、新智能系統(tǒng)。任之光（2021）三、未來(lái)的營(yíng)銷科技階段科技影響營(yíng)銷的四種方式（1）新互動(dòng)（NewInteraction）：新技術(shù)可以實(shí)現(xiàn)各方之間新形式的互動(dòng)。例如，空天互聯(lián)。（2）新數(shù)據(jù)和分析方法（NewDataandAnalyticMethods）:新技術(shù)可以產(chǎn)生新的數(shù)據(jù)并催生新的分析方法。例如，數(shù)據(jù)標(biāo)注。（3）營(yíng)銷創(chuàng)新（MarketingInnovations）：新技術(shù)提供了新的營(yíng)銷工具和技術(shù)，這些工具和技術(shù)會(huì)導(dǎo)致產(chǎn)品和服務(wù)營(yíng)銷的創(chuàng)新。例如GPT應(yīng)用。（4）新的戰(zhàn)略營(yíng)銷框架（NewStrategicFrameworks）。新技術(shù)可以實(shí)現(xiàn)新的營(yíng)銷策略和戰(zhàn)略框架，例如，數(shù)字虛擬人IP打造。目錄第一節(jié)

數(shù)字營(yíng)銷導(dǎo)論第二節(jié)數(shù)字營(yíng)銷的發(fā)展歷程第三節(jié)

數(shù)字營(yíng)銷的特征和實(shí)施框架一、數(shù)字營(yíng)銷的特征二、數(shù)字營(yíng)銷的基本實(shí)施框架第三節(jié)

數(shù)字營(yíng)銷的特征和實(shí)施框架一、數(shù)字營(yíng)銷的特征1.數(shù)據(jù)化

與傳統(tǒng)營(yíng)銷相比的，它指所有參與者的行為均能夠留痕并記錄，從而為未來(lái)制定營(yíng)銷策略奠定基礎(chǔ)。

傳統(tǒng)營(yíng)銷無(wú)云計(jì)算、移動(dòng)通信等信息技術(shù)支撐，可以說(shuō)數(shù)據(jù)化是數(shù)字營(yíng)銷區(qū)別于傳統(tǒng)營(yíng)銷的關(guān)鍵因素之一。一、數(shù)字營(yíng)銷的特征2.實(shí)時(shí)性

數(shù)字營(yíng)銷的實(shí)時(shí)性表現(xiàn)在它可以通過(guò)數(shù)據(jù)實(shí)時(shí)監(jiān)控營(yíng)銷策略效果、市場(chǎng)競(jìng)爭(zhēng)態(tài)勢(shì)、顧客行為變化。

數(shù)字營(yíng)銷實(shí)時(shí)性使企業(yè)可以動(dòng)態(tài)變化進(jìn)行實(shí)時(shí)決策和自動(dòng)決策，改進(jìn)了傳統(tǒng)營(yíng)銷中反饋滯后、評(píng)價(jià)滯后、決策盲目的弊端。

實(shí)時(shí)性也為未來(lái)的智能化、自動(dòng)化營(yíng)銷奠定了基礎(chǔ)。一、數(shù)字營(yíng)銷的特征3.精準(zhǔn)性

數(shù)字營(yíng)銷的精準(zhǔn)性是指企業(yè)可以通過(guò)精準(zhǔn)定向的方式向目標(biāo)顧客傳播信息，并針對(duì)顧客的需求提供定制化產(chǎn)品和服務(wù)。

精準(zhǔn)營(yíng)銷的基礎(chǔ)是獲取目標(biāo)顧客的畫(huà)像和數(shù)據(jù)，并進(jìn)行需求的精準(zhǔn)匹配。精準(zhǔn)性是數(shù)字營(yíng)銷區(qū)別于傳統(tǒng)營(yíng)銷的基礎(chǔ)特征。。一、數(shù)字營(yíng)銷的特征4.迭代性。

數(shù)字營(yíng)銷的迭代性指通過(guò)效果評(píng)估不斷迭代優(yōu)化內(nèi)容投放、媒體選擇、顧客標(biāo)簽等營(yíng)銷輸入變量，從而找到最優(yōu)的營(yíng)銷策略。

在數(shù)字營(yíng)銷的環(huán)境下，實(shí)時(shí)動(dòng)態(tài)反饋?zhàn)兂闪丝赡埽@樣就催生了大量的迭代反饋實(shí)踐，例如AB測(cè)試、顧客畫(huà)像迭代等等。一、數(shù)字營(yíng)銷的特征5.過(guò)程化。

數(shù)字營(yíng)銷過(guò)程化指在營(yíng)銷實(shí)踐過(guò)程中，通過(guò)埋點(diǎn)采集、位置服務(wù)、實(shí)時(shí)監(jiān)控等方式獲得實(shí)時(shí)數(shù)據(jù)，從而有效獲取顧客的行為軌跡和需求動(dòng)態(tài)，對(duì)顧客購(gòu)買(mǎi)的每一個(gè)環(huán)節(jié)進(jìn)行有效管理。

數(shù)字營(yíng)銷的過(guò)程化代表了全過(guò)程的營(yíng)銷監(jiān)控與管理，這在傳統(tǒng)營(yíng)銷時(shí)代是很難做到的。一、數(shù)字營(yíng)銷的特征6.自動(dòng)化

數(shù)字營(yíng)銷的自動(dòng)化指在營(yíng)銷過(guò)程中減少甚至去掉人工的操作，使整個(gè)營(yíng)銷過(guò)程變成一個(gè)完全數(shù)據(jù)驅(qū)動(dòng)或技術(shù)驅(qū)動(dòng)的自動(dòng)化過(guò)程。

程序化購(gòu)買(mǎi)就是一種營(yíng)銷自動(dòng)化實(shí)踐，它通過(guò)廣告交易平臺(tái)實(shí)現(xiàn)廣告的競(jìng)價(jià)投放，整個(gè)交易到展示的過(guò)程在1分鐘之內(nèi)就完成了。一、數(shù)字營(yíng)銷的特征7.工具化

數(shù)字營(yíng)銷的工具化指在數(shù)字營(yíng)銷環(huán)境下，利用數(shù)據(jù)進(jìn)行營(yíng)銷分析已經(jīng)不再是專業(yè)人士特有的權(quán)力，數(shù)據(jù)管理已有了完整的分工體系，運(yùn)營(yíng)人員可以通過(guò)各類營(yíng)銷工具。

數(shù)據(jù)庫(kù)的聯(lián)機(jī)分析處理系統(tǒng)（OLAP）展開(kāi)數(shù)據(jù)分析，從而達(dá)到傳統(tǒng)營(yíng)銷中專業(yè)人士才能夠達(dá)到的數(shù)據(jù)分析效果。一、數(shù)字營(yíng)銷的特征8.連接性

數(shù)字營(yíng)銷的連接性指營(yíng)銷過(guò)程中實(shí)時(shí)動(dòng)態(tài)萬(wàn)物互聯(lián)。由于實(shí)時(shí)動(dòng)態(tài)互聯(lián)，之前很多無(wú)法完成的營(yíng)銷實(shí)踐得以實(shí)現(xiàn)，包括地理跨越、時(shí)空連接、虛實(shí)結(jié)合。

直播帶貨就是一種典型的虛擬與現(xiàn)實(shí)的實(shí)時(shí)互聯(lián)，人們可以通過(guò)掃碼下單實(shí)現(xiàn)“所見(jiàn)即所得”。一、數(shù)字營(yíng)銷的特征一、數(shù)字營(yíng)銷的特征在線ToB精準(zhǔn)營(yíng)銷支撐體系二、數(shù)字營(yíng)銷的基本實(shí)施框架（一）數(shù)字營(yíng)銷實(shí)施框架概述4R營(yíng)銷策略組合（唐·舒爾茨）：關(guān)聯(lián)（relevance）反應(yīng)（reaction）關(guān)系（relationship）回報(bào)（reward）二、數(shù)字營(yíng)銷的基本實(shí)施框架（一）數(shù)字營(yíng)銷實(shí)施框架概述4I營(yíng)銷策略組合（姜旭平）：趣味（interesting）利益（interests）互動(dòng)（interaction）個(gè)性（individuality）二、數(shù)字營(yíng)銷的基本實(shí)施框架（一）數(shù)字營(yíng)銷實(shí)施框架概述SoLoMo模型（1）Social(社會(huì)化):利用社交媒體，包括社會(huì)化營(yíng)銷、社交購(gòu)物。（2）Local(本地化)：LBS（地理位置服務(wù)）、本地共享經(jīng)濟(jì)、線上線下結(jié)合。（3）Mobile(移動(dòng)化)：利用智能手機(jī)、智能穿戴設(shè)備和智能汽車的營(yíng)銷。二、數(shù)字營(yíng)銷的基本實(shí)施框架Kannan和Li（2017）的數(shù)字營(yíng)銷框架（一）數(shù)字營(yíng)銷實(shí)施框架概述

Kannan和Li（2017）構(gòu)建了完整的數(shù)字營(yíng)銷運(yùn)營(yíng)模型。

營(yíng)銷戰(zhàn)略指導(dǎo)所有的營(yíng)銷運(yùn)營(yíng)過(guò)程和實(shí)施結(jié)果，營(yíng)銷運(yùn)營(yíng)圍繞著顧客、競(jìng)爭(zhēng)者、伙伴、環(huán)境所構(gòu)成的5C要素展開(kāi)，并為顧客創(chuàng)造價(jià)值、提升已有顧客的價(jià)值，進(jìn)而提升公司的價(jià)值。二、數(shù)字營(yíng)銷的基本實(shí)施框架（二）幾種典型的數(shù)字營(yíng)銷框架1.營(yíng)銷漏斗模型

營(yíng)銷漏斗可以看成一個(gè)完整的營(yíng)銷體系

營(yíng)銷漏斗認(rèn)為營(yíng)銷的基本過(guò)程包括整合營(yíng)銷傳播、銷售管理、客戶關(guān)系管理等三個(gè)方面。

營(yíng)銷漏斗在數(shù)字化時(shí)代依然有效，只是各個(gè)環(huán)節(jié)已經(jīng)完成了數(shù)字化。二、數(shù)字營(yíng)銷的基本實(shí)施框架2.海盜模型（AARRR模型）（1）獲?。ˋcquisition）。通過(guò)傳播和各種接觸顧客的可能渠道獲取潛在的顧客。（2）活躍（Activation）。引導(dǎo)顧客完成某些指定的動(dòng)作，使顧客成為長(zhǎng)期活躍的顧客。（3）保留（Retention）。增加顧客的黏性，使顧客成為忠誠(chéng)的顧客。（4）收入（Revenue）。通過(guò)交叉銷售和增進(jìn)銷售等方式提升顧客的銷售收入。（5）推薦（Referral）。讓顧客將產(chǎn)品和服務(wù)推薦給他人，發(fā)揮口碑的作用，擴(kuò)大公司的顧客范圍。二、數(shù)字營(yíng)銷的基本實(shí)施框架3.水池模型（1）獲客(Acquisition,A1)：數(shù)字營(yíng)銷傳播管理；（2）獲客(Acquisition,A2)：口碑與裂變管理（3）激活(Activation,A3)：體驗(yàn)管理和產(chǎn)品開(kāi)發(fā)管理；（4）激活(Activation,A4)：休眠客戶激活管理（5）留存(Retention,R1):數(shù)字客戶關(guān)系管理；（6）留存(Retention,R2)：滿意和忠誠(chéng)管理（7）變現(xiàn)(Revenue,R3):轉(zhuǎn)化管理與銷售管理；（8）獲利(Revenue,R4)：交叉銷售管理（9）傳播(Referral,R5)：裂變管理；（10）傳播(Referral,R6)：口碑管理（11）預(yù)警(Customerchurnwarning,W1)：流失預(yù)警管理;（12）預(yù)警(Riskcustomerwarning,W2)：風(fēng)險(xiǎn)客戶預(yù)警管理（13）贏回(Winback,W3):贏回管理二、數(shù)字營(yíng)銷的基本實(shí)施框架3.水池模型小案例：友盟+

友盟于2010年4月在北京成立，主要從事移動(dòng)開(kāi)發(fā)者服務(wù)和數(shù)據(jù)服務(wù)，2013年11月友盟被阿里巴巴收購(gòu)，2016年1月，友盟、中文網(wǎng)站統(tǒng)計(jì)平臺(tái)CNZZ以及互聯(lián)網(wǎng)數(shù)據(jù)服務(wù)平臺(tái)締元信宣布合并成立友盟+。截止2021年，友盟+已累計(jì)為230多萬(wàn)移動(dòng)應(yīng)用和930萬(wàn)家網(wǎng)站提供專業(yè)數(shù)據(jù)服務(wù)，覆蓋191個(gè)行業(yè)分類、輸出超過(guò)300的應(yīng)用或行業(yè)的分析指標(biāo)。

友盟+主要提供面向App開(kāi)發(fā)者提供的App智能監(jiān)測(cè)與分析平臺(tái)，免費(fèi)的全平臺(tái)跨域小程序&小游戲統(tǒng)計(jì)分析產(chǎn)品，第三方網(wǎng)站流量統(tǒng)計(jì)分析系統(tǒng)，面向App開(kāi)發(fā)者的全鏈路提供精準(zhǔn)消息推送工具、廣告效果評(píng)價(jià)與分析等服務(wù)。三、數(shù)字營(yíng)銷學(xué)的基本框架思考與討論1.請(qǐng)討論整體思維和分析思維的營(yíng)銷有何區(qū)別。2.請(qǐng)解釋數(shù)字環(huán)境下的營(yíng)銷、基于數(shù)據(jù)的營(yíng)銷和數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷有何區(qū)別。3.請(qǐng)比較早期數(shù)字營(yíng)銷和成熟數(shù)字營(yíng)銷的特征。4.請(qǐng)用營(yíng)銷漏斗來(lái)構(gòu)建數(shù)字營(yíng)銷的實(shí)施框架。DIGITALMARKETINGISJUSTMARKETING數(shù)字驅(qū)動(dòng)營(yíng)銷致遠(yuǎn)！教師：黃勁松教授數(shù)字營(yíng)銷學(xué)第二章數(shù)字消費(fèi)者行為MARKETING數(shù)字營(yíng)銷學(xué)黃勁松教授/博士生導(dǎo)師開(kāi)篇討論：消費(fèi)者對(duì)元宇宙的沉浸式體驗(yàn)元宇宙（metaverse）指沉浸式的虛擬世界，它是由VR（虛擬現(xiàn)實(shí)）、AR（增強(qiáng)現(xiàn)實(shí)）等3D技術(shù)和互聯(lián)網(wǎng)組成的虛擬空間。元宇宙是以人的沉浸式感官體驗(yàn)為基礎(chǔ)的世界，人們?cè)谠钪嬷斜话B續(xù)刺激的虛擬環(huán)境所包圍。由于元宇宙可以使消費(fèi)者無(wú)法區(qū)分真實(shí)與虛擬世界，人們可以沉浸在虛擬的信息獲取和商品瀏覽之中，接受到虛擬環(huán)境的廣告信息刺激，還可以探查產(chǎn)品的內(nèi)部構(gòu)成和運(yùn)行狀態(tài)。這時(shí)，由于消費(fèi)者需要同時(shí)加工虛擬和現(xiàn)實(shí)世界的信息，他們的消費(fèi)者行為將會(huì)發(fā)生變化。目錄第一節(jié)

數(shù)字消費(fèi)行為概述第二節(jié)

數(shù)字信息加工行為第三節(jié)

數(shù)字消費(fèi)者決策行為第四節(jié)

數(shù)字消費(fèi)者行為的影響因素目錄第一節(jié)

數(shù)字消費(fèi)行為概述第二節(jié)

數(shù)字信息加工行為第三節(jié)

數(shù)字消費(fèi)者決策行為第四節(jié)

數(shù)字消費(fèi)者行為的影響因素一、數(shù)字消費(fèi)行為的概念界定（一）數(shù)字消費(fèi)行為的概念和框架

消費(fèi)者行為是消費(fèi)者為了滿足其需求和欲望，進(jìn)行產(chǎn)品和服務(wù)的評(píng)價(jià)、選擇、購(gòu)買(mǎi)、使用和處置，由此產(chǎn)生的信息加工、決策行為等心理活動(dòng)。

數(shù)字消費(fèi)者行為指在數(shù)字環(huán)境下消費(fèi)者為滿足其需求和欲望所進(jìn)行的信息加工行為和決策行為。一、數(shù)字消費(fèi)行為的概念界定數(shù)字消費(fèi)行為的基本框架一、數(shù)字消費(fèi)行為的概念界定（二）數(shù)字消費(fèi)行為的基本內(nèi)容1.數(shù)字信息加工行為

信息加工過(guò)程：展露→注意→理解→認(rèn)同→記憶→提取→使用

數(shù)字信息加工行為是對(duì)數(shù)字媒體傳播的數(shù)字形式的信息進(jìn)行的加工行為。一、數(shù)字消費(fèi)行為的概念界定（二）數(shù)字消費(fèi)行為的基本內(nèi)容1.數(shù)字決策行為

消費(fèi)者決策行為：需求認(rèn)知→信息搜尋→方案評(píng)價(jià)→購(gòu)買(mǎi)決策→購(gòu)后行為

數(shù)字決策行為是在數(shù)字化環(huán)境下對(duì)實(shí)物和虛擬商品的購(gòu)買(mǎi)決策行為。一、數(shù)字消費(fèi)行為的概念界定（二）數(shù)字消費(fèi)行為的基本內(nèi)容2.數(shù)字影響因素

數(shù)字情境因素：數(shù)字情境和數(shù)字工具對(duì)消費(fèi)者行為的影響因素。例如，數(shù)字銷售平臺(tái)的影響。

消費(fèi)者特征因素：消費(fèi)者自身特征對(duì)消費(fèi)者行為的影響因素。例如，消費(fèi)者隱私關(guān)注程度的影響

產(chǎn)品因素：產(chǎn)品特征對(duì)消費(fèi)者行為的影響因素。例如，享樂(lè)品和實(shí)用品的影響一、數(shù)字消費(fèi)行為的概念界定數(shù)字消費(fèi)行為的基本內(nèi)容目錄第一節(jié)

數(shù)字消費(fèi)行為概述第二節(jié)

數(shù)字信息加工行為第三節(jié)

數(shù)字消費(fèi)者決策行為第四節(jié)

數(shù)字消費(fèi)者行為的影響因素一、數(shù)字環(huán)境下的信息展露（一）數(shù)字環(huán)境下的展露內(nèi)容

用戶生成內(nèi)容：大眾參與創(chuàng)作而形成的數(shù)字內(nèi)容。

專業(yè)生成內(nèi)容：專業(yè)團(tuán)隊(duì)創(chuàng)作而形成的數(shù)字內(nèi)容。

人工智能生成內(nèi)容：通過(guò)人工智能生成的數(shù)字內(nèi)容。一、數(shù)字環(huán)境下的信息展露（二）數(shù)字化環(huán)境下的展露方式

數(shù)字環(huán)境下展露方式的變化包括：

定向廣告成為主要的廣告展露形式；

消費(fèi)者表現(xiàn)出更高的選擇性展露特征；

自我展露成為數(shù)字環(huán)境下展露的重要方式；

電子口碑成為數(shù)字營(yíng)銷管理的核心內(nèi)容。二、數(shù)字環(huán)境下的信息注意

注意是刺激物激活我們的感官神經(jīng)，刺激信息引發(fā)我們的感知并傳輸?shù)酱竽X中進(jìn)行加工的過(guò)程。

信息特征的因素：信息超載的影響。多任務(wù)加工的影響；信息展露設(shè)備改變的影響。

個(gè)人特征的影響：信息加工動(dòng)機(jī)存在影響；網(wǎng)絡(luò)成癮的影響；消費(fèi)者經(jīng)驗(yàn)和能力的影響。

信息情境的影響：影響因素包括干擾、重復(fù)、時(shí)間壓力和其他社會(huì)線索等因素。三、數(shù)字廣告的信息加工（一）數(shù)字廣告信息加工概述

平面廣告與數(shù)字廣告相比，傳統(tǒng)廣告的效果更好。

推式廣告可能帶來(lái)厭惡情緒，拉式廣告是自愿加工信息狀態(tài)，厭惡情緒較低。三、數(shù)字廣告的信息加工（二）定向廣告的信息加工行為

定向廣告是根據(jù)消費(fèi)者的需求精準(zhǔn)定向展露的廣告，典型的定向廣告包括行為定向廣告和情境定向廣告。

定向廣告的正面加工效果主要來(lái)源于對(duì)消費(fèi)者的個(gè)性化推薦；負(fù)面加工效果主要來(lái)源于隱私侵入。三、數(shù)字廣告的信息加工定向廣告影響機(jī)制結(jié)構(gòu)圖三、數(shù)字廣告的信息加工（三）病毒廣告的信息加工行為1.病毒廣告的分享動(dòng)機(jī)

病毒廣告的分享動(dòng)機(jī)包括：利己動(dòng)機(jī)、利他動(dòng)機(jī)、歸屬動(dòng)機(jī)、建立關(guān)系動(dòng)機(jī)等。

消費(fèi)者對(duì)有趣的、娛樂(lè)性的、體現(xiàn)社會(huì)動(dòng)態(tài)的內(nèi)容分享意愿較高。三、數(shù)字廣告的信息加工（三）病毒廣告的信息加工行為2.病毒廣告的基本信息加工模式

病毒廣告存在雙信息加工過(guò)程模式，即對(duì)病毒內(nèi)容的加工和對(duì)品牌信息的加工。

消費(fèi)者進(jìn)行病毒廣告的信息加工時(shí)能否識(shí)別出品牌信息是一個(gè)非常關(guān)鍵的問(wèn)題，當(dāng)消費(fèi)者可以識(shí)別出品牌信息時(shí)，他們的分享意愿將下降。目錄第一節(jié)

數(shù)字消費(fèi)行為概述第二節(jié)

數(shù)字信息加工行為第三節(jié)

數(shù)字消費(fèi)者決策行為第四節(jié)

數(shù)字消費(fèi)者行為的影響因素?cái)?shù)字化消費(fèi)者決策行為數(shù)字環(huán)境下的消費(fèi)者決策過(guò)程一、數(shù)字環(huán)境下的問(wèn)題識(shí)別

問(wèn)題識(shí)別是消費(fèi)者決策的第一步，它是消費(fèi)者期望狀態(tài)和實(shí)際狀態(tài)之間存在差異的結(jié)果，它體現(xiàn)了消費(fèi)者當(dāng)前的需求。

在數(shù)字環(huán)境下，消費(fèi)者發(fā)現(xiàn)問(wèn)題變得更加容易，企業(yè)也可以更容易地向消費(fèi)者精準(zhǔn)推薦。針對(duì)消費(fèi)者主動(dòng)型問(wèn)題，主要采取追蹤并識(shí)別消費(fèi)者的興趣，然后進(jìn)行定向推薦。

針對(duì)消費(fèi)者的被動(dòng)型問(wèn)題，企業(yè)往往通過(guò)畫(huà)像，識(shí)別潛在需求，然后進(jìn)行定向推薦。

二、數(shù)字環(huán)境下的信息搜尋

消費(fèi)者搜尋信息是為決策做準(zhǔn)備，包括尋找令人滿意的解決方案，分析各類解決方案的特點(diǎn)，確定解決方案的比較方法等。

內(nèi)部信息搜尋主要來(lái)自于消費(fèi)者的記憶。數(shù)字環(huán)境下，要求推送定向信息時(shí)既考慮消費(fèi)者的及時(shí)需求，又考慮品牌信息的推送。

數(shù)字環(huán)境對(duì)信息搜尋的影響主要體現(xiàn)在外部信息獲取。消費(fèi)者的信息獲取渠道變得非常豐富，企業(yè)也更方便獲取顧客標(biāo)簽，實(shí)施顧客畫(huà)像迭代和大規(guī)模的定向廣告投放。三、數(shù)字環(huán)境下的方案評(píng)價(jià)

方案評(píng)價(jià)指消費(fèi)者在獲取了足夠信息和方案之后，進(jìn)行方案之間的比較和評(píng)價(jià)。在數(shù)字環(huán)境下，針對(duì)消費(fèi)者理性選擇的產(chǎn)品，企業(yè)一般通過(guò)比較廣告的模式進(jìn)行社交媒介傳播。。

在評(píng)價(jià)標(biāo)準(zhǔn)方面，消費(fèi)者很容易受到在線評(píng)論和在線口碑的影響，企業(yè)會(huì)依據(jù)評(píng)價(jià)和銷量進(jìn)行店鋪搜索排序，從而影響消費(fèi)者。消費(fèi)者的商品和店鋪的評(píng)價(jià)比較變得更加容易，消費(fèi)者可以通過(guò)各類線上比較方式找到最低價(jià)格的商品?！景咐刻摂M試妝

化妝品集團(tuán)歐萊雅宣布攜手騰訊微信，上線了微信小程序端首個(gè)AR試妝應(yīng)用，率先在旗下阿瑪尼美妝品牌的微信官方商城落地，為消費(fèi)者提供更具個(gè)性化、社交化的消費(fèi)新體驗(yàn)。

虛擬試妝抓住了消費(fèi)者選購(gòu)化妝品的痛點(diǎn)，他們可以快速評(píng)價(jià)和比較不同產(chǎn)品的效果，通過(guò)虛擬技術(shù)實(shí)現(xiàn)真實(shí)的產(chǎn)品體驗(yàn)。

虛擬試妝還可以獲得廣泛的拓展業(yè)務(wù)，包括膚質(zhì)膚色智能檢測(cè)、面部妝容智能推薦、在線美妝虛擬教程、產(chǎn)品溯源及安全性分析趨于專業(yè)等新業(yè)務(wù)。虛擬試妝產(chǎn)生了很好的銷售效果。以日本為例，使用AR彩妝APP用戶的購(gòu)物轉(zhuǎn)化率是不使用APP用戶的1.6倍，購(gòu)買(mǎi)量增加2.7倍，幫助美妝店鋪銷售額提升2-6倍。四、數(shù)字環(huán)境下的購(gòu)買(mǎi)決策

數(shù)字產(chǎn)品包括：實(shí)體產(chǎn)品的數(shù)字化形式、信息產(chǎn)品（如網(wǎng)站、搜索引擎）、數(shù)字娛樂(lè)產(chǎn)品（如視頻游戲、數(shù)碼照片和電影）、數(shù)字互動(dòng)產(chǎn)品（如社交媒體）和電子商務(wù)網(wǎng)站（如電子商務(wù)網(wǎng)站）等。

消費(fèi)者愿意為實(shí)體商品比數(shù)字商品支付更多的錢(qián)，由于數(shù)字化購(gòu)買(mǎi)更加便利，消費(fèi)者會(huì)減少線下購(gòu)買(mǎi)時(shí)間。

消費(fèi)者購(gòu)買(mǎi)取決于在線購(gòu)買(mǎi)體驗(yàn)、品牌可信度以及產(chǎn)品類型。如果能引導(dǎo)消費(fèi)者先看到價(jià)格較高的商品，就可以誘導(dǎo)消費(fèi)者搜索更多產(chǎn)品，進(jìn)而提高商品售價(jià)和購(gòu)買(mǎi)概率。四、數(shù)字環(huán)境下的購(gòu)買(mǎi)決策消費(fèi)者在線購(gòu)買(mǎi)的影響過(guò)程五、數(shù)字環(huán)境下的購(gòu)后行為

典型的購(gòu)后行為包括顧客滿意、顧客忠誠(chéng)、投訴與抱怨、口碑傳播、后悔、多樣化尋求等。

在線購(gòu)買(mǎi)關(guān)系的形成，受到雙邊溝通、賣家的聲譽(yù)和買(mǎi)家的關(guān)系感受正向影響。

消費(fèi)者進(jìn)行口碑傳播的主要?jiǎng)訖C(jī)主要來(lái)源于印象管理、情緒調(diào)控、社交聯(lián)結(jié)。數(shù)字口碑傳播受到傳播平臺(tái)和人際關(guān)系網(wǎng)絡(luò)的影響，其中關(guān)系強(qiáng)度、參與人數(shù)、層級(jí)地位等特征對(duì)電子口碑傳播有較大的影響。目錄第一節(jié)

數(shù)字消費(fèi)行為概述第二節(jié)

數(shù)字信息加工行為第三節(jié)

數(shù)字消費(fèi)者決策行為第四節(jié)

數(shù)字消費(fèi)者行為的影響因素一、數(shù)字情境因素的影響

信息形式增多、信息內(nèi)容豐富、信息數(shù)量超載等因素均會(huì)導(dǎo)致消費(fèi)者對(duì)目標(biāo)信息的注意和記憶。人際互動(dòng)的情境也會(huì)對(duì)消費(fèi)者行為產(chǎn)生影響。

定向廣告存在著隱私與個(gè)性化的悖論，但是否公開(kāi)采集個(gè)人信息、信任程度、是否給予互惠訴求、隱私保護(hù)感知等會(huì)產(chǎn)生調(diào)節(jié)作用。

病毒廣告能否產(chǎn)生作用與病毒廣告的內(nèi)容、種子點(diǎn)、接受者偏好、傳播網(wǎng)絡(luò)等方面有關(guān)。戲劇性暴力、娛樂(lè)性與新穎性、非傳統(tǒng)性等均會(huì)對(duì)病毒傳播有較大的影響。二、消費(fèi)者因素的影響（一）消費(fèi)者的影響因素概述

信息加工的影響因素主要來(lái)源于動(dòng)機(jī)、機(jī)會(huì)和能力。消費(fèi)目標(biāo)、利己或利他動(dòng)機(jī)、功利或表達(dá)需要、廣告與個(gè)體的關(guān)聯(lián)性、涉入程度、認(rèn)知需要、品牌熟悉、情緒、共情性、自我監(jiān)控、社會(huì)的自我等均可能產(chǎn)生調(diào)節(jié)影響

在數(shù)字環(huán)境下，影響者的作用變得更高，他們通過(guò)社交媒介發(fā)聲，通過(guò)證言、背書(shū)、扮演、代言等方式推薦產(chǎn)品。志同道合者聚集在虛擬空間中帶來(lái)了參照群體的聚集效應(yīng)，這對(duì)參與者的行為產(chǎn)生了較大的影響。二、消費(fèi)者因素的影響（二）信任對(duì)數(shù)字消費(fèi)行為的影響

信任在數(shù)字消費(fèi)行為中起到關(guān)鍵的作用，它指受托人通過(guò)表現(xiàn)出正直、能力和仁慈等特征滿足委托人的期望。

對(duì)于直播電商而言，消費(fèi)者對(duì)主播的信任和對(duì)平臺(tái)的信任均會(huì)影響購(gòu)買(mǎi)意愿。

對(duì)于微商而言，研究表明賣家信任與品牌信任，與消費(fèi)者的持續(xù)購(gòu)買(mǎi)意愿正相關(guān)。

二手交易平臺(tái)中信任是促進(jìn)交易的關(guān)鍵因素。

信任轉(zhuǎn)移模型可以用于數(shù)字消費(fèi)行為的研究之中。三、產(chǎn)品因素的影響（一）產(chǎn)品類型對(duì)消費(fèi)者行為的影響

搜索品和體驗(yàn)品：在數(shù)字化環(huán)境下，搜索品可以通過(guò)數(shù)據(jù)測(cè)評(píng)和品牌間比較等方式進(jìn)行傳播，消費(fèi)者很容易通過(guò)屬性和功能的客觀數(shù)據(jù)鑒別產(chǎn)品的優(yōu)劣。

實(shí)用品和享樂(lè)品。當(dāng)決策過(guò)程中需要理性的和認(rèn)知的判斷時(shí)，人們會(huì)更愿意選擇實(shí)用品；當(dāng)決策過(guò)程中需要情感判斷時(shí)，消費(fèi)者更愿意選擇享樂(lè)品。三、產(chǎn)品因素的影響（二）人工智能對(duì)消費(fèi)者行為的影響消費(fèi)者存在AI厭惡。相較于人類，消費(fèi)者更不喜歡AI，。

消費(fèi)者存在AI焦慮。AI焦慮是人們對(duì)AI失控的恐懼與不安，人們擔(dān)心AI違背人類倫理和威脅人類地位。

消費(fèi)者也存在AI欣賞。人們?cè)敢饨邮蹵I推薦的實(shí)用品而非享樂(lè)品，因?yàn)橄M(fèi)者認(rèn)為AI更有能力推薦實(shí)用品。們更信任AI執(zhí)行客觀任務(wù)（例如分析和計(jì)算）而不是主觀任務(wù)（例如制定約會(huì)計(jì)劃）。三、產(chǎn)品因素的影響（三）數(shù)字虛擬人的影響

數(shù)字虛擬人（digitalhumanavatar，DHA）是一種具有高形象逼真和高行為逼真的化身（avatar），它被廣泛應(yīng)用于代言、主持和服務(wù)。

利用數(shù)字虛擬人代言，需要考慮它與產(chǎn)品之間的匹配問(wèn)題。虛擬DHA和真實(shí)產(chǎn)品之間的匹配可以分為真實(shí)性匹配和聯(lián)想性匹配思考與討論1.請(qǐng)思考數(shù)字消費(fèi)行為的基本框架。2.請(qǐng)描述數(shù)字信息加工與傳統(tǒng)的信息加工行為有哪些不同。3.請(qǐng)描述數(shù)字決策行為與傳統(tǒng)的決策行為有哪些不同。4.請(qǐng)說(shuō)明影響消費(fèi)者數(shù)字消費(fèi)行為的因素有哪些。DIGITALMARKETINGISJUSTMARKETING數(shù)字驅(qū)動(dòng)營(yíng)銷致遠(yuǎn)！教師：黃勁松教授數(shù)字營(yíng)銷學(xué)第三章?tīng)I(yíng)銷數(shù)據(jù)采集MARKETING數(shù)字營(yíng)銷學(xué)黃勁松教授/博士生導(dǎo)師Contents目錄第一節(jié)

營(yíng)銷數(shù)據(jù)概述第二節(jié)

營(yíng)銷數(shù)據(jù)的類型第三節(jié)

大數(shù)據(jù)采集技術(shù)第四節(jié)營(yíng)銷數(shù)據(jù)管理Contents目錄第一節(jié)

營(yíng)銷數(shù)據(jù)概述第二節(jié)

營(yíng)銷數(shù)據(jù)的類型第三節(jié)

大數(shù)據(jù)采集技術(shù)第四節(jié)營(yíng)銷數(shù)據(jù)管理一、營(yíng)銷數(shù)據(jù)及其特點(diǎn)1.營(yíng)銷數(shù)據(jù)的定義

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)。一、營(yíng)銷數(shù)據(jù)及其特點(diǎn)2.營(yíng)銷數(shù)據(jù)特點(diǎn)

來(lái)源豐富性

類型復(fù)雜性

目標(biāo)多樣性

應(yīng)用廣泛性

方法匯聚性目標(biāo)多樣

數(shù)據(jù)

類型應(yīng)用廣泛來(lái)源豐富方法匯聚二、營(yíng)銷數(shù)據(jù)的類型Contents目錄第一節(jié)

營(yíng)銷數(shù)據(jù)概述第二節(jié)

營(yíng)銷數(shù)據(jù)的類型第三節(jié)

大數(shù)據(jù)采集技術(shù)第四節(jié)營(yíng)銷數(shù)據(jù)管理（一）銷售數(shù)據(jù)企業(yè)在日常的經(jīng)營(yíng)過(guò)程中，業(yè)務(wù)應(yīng)用產(chǎn)生了不同類型的數(shù)據(jù)，這些數(shù)據(jù)也幫助企業(yè)做出不同場(chǎng)景的決策。例如：銷售訂單數(shù)據(jù)、渠道存貨數(shù)據(jù)、價(jià)格變化信息等一、企業(yè)內(nèi)部經(jīng)營(yíng)數(shù)據(jù)（二）產(chǎn)品數(shù)據(jù)產(chǎn)品數(shù)據(jù)包括產(chǎn)品名稱、產(chǎn)品類別、產(chǎn)品屬性、產(chǎn)品配置、生產(chǎn)成本、供應(yīng)商等等。產(chǎn)品數(shù)據(jù)還包括與產(chǎn)品相關(guān)的過(guò)程數(shù)據(jù)，例如加工工序、加工指南、工作流程、產(chǎn)品圖樣、數(shù)據(jù)模型、設(shè)備數(shù)據(jù)、技術(shù)文件、工裝數(shù)據(jù)等。一、企業(yè)內(nèi)部經(jīng)營(yíng)數(shù)據(jù)（三）顧客數(shù)據(jù)1.顧客基本信息：指顧客的基本屬性和基本資料信息，通常的信息包括姓名、生日、性別、民族、聯(lián)系信息、地理信息和人口統(tǒng)計(jì)信息等。2.顧客行為數(shù)據(jù)：指顧客購(gòu)買(mǎi)數(shù)據(jù)、顧客消費(fèi)數(shù)據(jù)、客戶關(guān)系管理數(shù)據(jù)等3.顧客關(guān)聯(lián)數(shù)據(jù)：指反映和影響顧客行為和心理的關(guān)聯(lián)信息。一、企業(yè)內(nèi)部經(jīng)營(yíng)數(shù)據(jù)（四）營(yíng)銷活動(dòng)數(shù)據(jù)營(yíng)銷活動(dòng)指促銷活動(dòng)、福利發(fā)放、創(chuàng)意參與、公共關(guān)系等活動(dòng)，它能夠增加顧客、提高營(yíng)收或提升品牌知名度。常見(jiàn)的營(yíng)銷活動(dòng)數(shù)據(jù)包括營(yíng)銷活動(dòng)推廣數(shù)據(jù)、活動(dòng)的總收入（GMV）、不同產(chǎn)品的銷售數(shù)據(jù)、獲得新顧客的數(shù)據(jù)等。一、企業(yè)內(nèi)部經(jīng)營(yíng)數(shù)據(jù)（一）訪談數(shù)據(jù)訪談數(shù)據(jù)是在一定的調(diào)研目的下，通過(guò)對(duì)個(gè)人或小組的問(wèn)答或談話獲得的數(shù)據(jù)，這類數(shù)據(jù)一般展現(xiàn)了被訪者的觀點(diǎn)、看法和思路。二、定性研究小數(shù)據(jù)訪談包括：

結(jié)構(gòu)化訪談

無(wú)結(jié)構(gòu)化訪談

半結(jié)構(gòu)化訪談（二）焦點(diǎn)組訪談數(shù)據(jù)焦點(diǎn)組（focusgroup）訪談也稱專題座談，它是對(duì)多人組成的小組進(jìn)行焦點(diǎn)問(wèn)題的訪談或小組討論。焦點(diǎn)組訪談參加人數(shù)一般是6-15人。很多焦點(diǎn)組訪談是在單面鏡房間中完成的，有完整的錄音錄像和單面鏡房間的觀察，便于后期的數(shù)據(jù)分析。二、定性研究小數(shù)據(jù)（三）定性資料數(shù)據(jù)定性資料指以文字、聲音、圖片、視頻或其他記錄符號(hào)描述或表達(dá)社會(huì)生活中的人物、行為、態(tài)度，以及各種社會(huì)生活事件的資料。定性資料在通過(guò)編碼和訓(xùn)練之后，形成定性資料數(shù)據(jù)。二、定性研究小數(shù)據(jù)（四）其他定性研究數(shù)據(jù)在定性研究中，研究者獲取數(shù)據(jù)的方式分為參與式數(shù)據(jù)采集和非參與式數(shù)據(jù)采集。參與式數(shù)據(jù)采集是指研究者參與到被研究者的社區(qū)或團(tuán)體之中，通過(guò)觀察、感受、交流等方式獲得數(shù)據(jù)，典型的方法是民族志。非參與式的數(shù)據(jù)采集是研究者通過(guò)訪談、座談、文本分析等方法獲得數(shù)據(jù)，典型的方法是個(gè)案研究。二、定性研究小數(shù)據(jù)（一）問(wèn)卷調(diào)查數(shù)據(jù)問(wèn)卷調(diào)查法是指調(diào)研人員事先擬好調(diào)查問(wèn)卷，以書(shū)面、郵件或電話等不同形式對(duì)被調(diào)查者提出問(wèn)題，要求其給與回答，由此獲得所需調(diào)查材料的調(diào)查方法。常用的調(diào)查方法有電話訪談、人員面訪、郵寄訪問(wèn)、電子訪問(wèn)以及留置問(wèn)卷調(diào)查訪問(wèn)。三、調(diào)研小數(shù)據(jù)（1/2）（二）觀察法觀察法是指調(diào)查人員根據(jù)一定的研究目的、研究提綱，用自己的感官和攝像器材等輔助工具在調(diào)查現(xiàn)場(chǎng)直接觀察用戶和記錄正在發(fā)生的市場(chǎng)行為狀況的一種有效的收集資料數(shù)據(jù)的方法。觀察調(diào)查是調(diào)查者對(duì)發(fā)生的情景不加控制和干擾，在自然條件下發(fā)生的感知活動(dòng)，也是有目的、有計(jì)劃、有系統(tǒng)的感知活動(dòng)。三、調(diào)研小數(shù)據(jù)（2/2）（一）實(shí)驗(yàn)室實(shí)驗(yàn)實(shí)驗(yàn)室實(shí)驗(yàn)法通常指在實(shí)驗(yàn)室內(nèi)嚴(yán)格控制實(shí)驗(yàn)條件，分組測(cè)量給定刺激是否引發(fā)一定的行為反應(yīng)。實(shí)驗(yàn)室實(shí)驗(yàn)在實(shí)施時(shí)一般分為實(shí)驗(yàn)組和參照組，實(shí)驗(yàn)結(jié)果是對(duì)照兩組結(jié)果，從而判斷實(shí)驗(yàn)刺激是否產(chǎn)生顯著作用。四、實(shí)驗(yàn)數(shù)據(jù)（二）田野實(shí)驗(yàn)數(shù)據(jù)田野實(shí)驗(yàn)數(shù)據(jù)是通過(guò)田野實(shí)驗(yàn)獲取的對(duì)不同刺激的市場(chǎng)反應(yīng)數(shù)據(jù)。田野實(shí)驗(yàn)（又稱為實(shí)地實(shí)驗(yàn)、現(xiàn)場(chǎng)實(shí)驗(yàn)）是在真實(shí)的市場(chǎng)環(huán)境下進(jìn)行的實(shí)驗(yàn)，它結(jié)合了田野調(diào)查和實(shí)驗(yàn)研究?jī)煞N研究方法的優(yōu)點(diǎn)，既考慮了實(shí)驗(yàn)結(jié)果的真實(shí)性，又考慮了對(duì)研究結(jié)果的因果推斷。四、實(shí)驗(yàn)數(shù)據(jù)（三）自然實(shí)驗(yàn)數(shù)據(jù)自然實(shí)驗(yàn)是指在自然的刺激或者其他非研究者控制的刺激下，被試產(chǎn)生市場(chǎng)反應(yīng)的一種實(shí)驗(yàn)方法。例如，典型的自然實(shí)驗(yàn)是某一政策出臺(tái)導(dǎo)致政策前后顧客行為產(chǎn)生了變化。自然實(shí)驗(yàn)數(shù)據(jù)是在自然實(shí)驗(yàn)中產(chǎn)生的各類數(shù)據(jù)，這些數(shù)據(jù)往往具有不可設(shè)計(jì)和不可重復(fù)的特點(diǎn)。四、實(shí)驗(yàn)數(shù)據(jù)（四）認(rèn)知神經(jīng)實(shí)驗(yàn)數(shù)據(jù)認(rèn)知神經(jīng)實(shí)驗(yàn)數(shù)據(jù)指在認(rèn)知神經(jīng)實(shí)驗(yàn)中通過(guò)眼動(dòng)、腦電、皮電、肌電等的設(shè)備獲得的測(cè)量數(shù)據(jù)。認(rèn)知神經(jīng)測(cè)量主要通過(guò)腦部的神經(jīng)元信號(hào)測(cè)試人們的認(rèn)知和情感，表征不同情感的神經(jīng)元信號(hào)出現(xiàn)在特定的腦區(qū)。四、實(shí)驗(yàn)數(shù)據(jù)例如，腹內(nèi)側(cè)前額葉皮質(zhì)是將情感納入決策的重要區(qū)域，它與廣告吸引力、產(chǎn)品偏好、品牌忠誠(chéng)等均有關(guān)。（一）商業(yè)情報(bào)數(shù)據(jù)商業(yè)情報(bào)數(shù)據(jù)分為公開(kāi)信息和非公開(kāi)信息兩類。公開(kāi)信息主要來(lái)自于各類政府公開(kāi)信息、公開(kāi)的出版物、知識(shí)數(shù)據(jù)庫(kù)和企業(yè)公開(kāi)信息等方面；五、商業(yè)數(shù)據(jù)非公開(kāi)信息主要來(lái)源于企業(yè)內(nèi)部關(guān)聯(lián)人士、相關(guān)利益攸關(guān)者和第三方咨詢服務(wù)提供者。（二）商業(yè)服務(wù)數(shù)據(jù)商業(yè)服務(wù)數(shù)據(jù)通常由第三方商業(yè)服務(wù)公司提供，這些公司一般會(huì)確定典型的市場(chǎng)研究方向，并以此為拓展展開(kāi)業(yè)務(wù)。公司名稱典型研究領(lǐng)域上海AC尼爾森市場(chǎng)研究公司零售研究蓋洛特市場(chǎng)研究?jī)?yōu)先公司移動(dòng)通訊研究蓋洛普（中國(guó)）咨詢有限公司民意測(cè)驗(yàn)和商業(yè)調(diào)查央視市場(chǎng)研究股份有限公司媒介調(diào)查益普索（中國(guó)）市場(chǎng)研究咨詢有限公司廣告事前測(cè)試、滿意度和忠誠(chéng)度研究新力市場(chǎng)研究（DMBResearch）定性研究和廣告研究GFK（賽諾、科思瑞智）市場(chǎng)研究公司家電零售監(jiān)測(cè)北京零點(diǎn)研究集團(tuán)行業(yè)與產(chǎn)品研究、消費(fèi)文化研究、社會(huì)問(wèn)題研究新生代市場(chǎng)監(jiān)測(cè)機(jī)構(gòu)有限公司媒介監(jiān)測(cè)北京華夏盈聯(lián)市場(chǎng)咨詢有限公司滿意度調(diào)查、神秘顧客調(diào)查北京環(huán)亞市場(chǎng)研究社汽車行業(yè)研究深圳思緯市場(chǎng)資訊公司廣告測(cè)試研究等廣州市致聯(lián)市場(chǎng)研究有限公司醫(yī)藥行業(yè)研究典型的商業(yè)數(shù)據(jù)服務(wù)公司五、商業(yè)數(shù)據(jù)（三）商業(yè)數(shù)據(jù)庫(kù)數(shù)據(jù)商業(yè)數(shù)據(jù)庫(kù)數(shù)據(jù)包括面向大眾的公共數(shù)據(jù)庫(kù)數(shù)據(jù)和商業(yè)銷售的數(shù)據(jù)庫(kù)數(shù)據(jù)。面向大眾的公共數(shù)據(jù)包括政府部門(mén)和統(tǒng)計(jì)機(jī)構(gòu)、貿(mào)易和產(chǎn)業(yè)組織的公開(kāi)商業(yè)資料，商業(yè)期刊等，這些數(shù)據(jù)庫(kù)中包含宏觀經(jīng)濟(jì)數(shù)據(jù)、行業(yè)數(shù)據(jù)、期刊報(bào)刊數(shù)據(jù)等。五、商業(yè)數(shù)據(jù)向市場(chǎng)銷售的商業(yè)數(shù)據(jù)庫(kù)往往來(lái)自于企業(yè)的一些固定研究項(xiàng)目，例如顧客滿意指數(shù)調(diào)查、品牌價(jià)值研究等，這些研究項(xiàng)目所形成的數(shù)據(jù)庫(kù)將會(huì)定期發(fā)布并可以銷售和訂閱。（一）大數(shù)據(jù)的特點(diǎn)和類型大數(shù)據(jù)類型六、企業(yè)大數(shù)據(jù)“海量”是指數(shù)據(jù)量非常大且急速增長(zhǎng)“高速”是指數(shù)據(jù)產(chǎn)生的速度快“多樣”指數(shù)據(jù)格式、數(shù)據(jù)類型復(fù)雜多樣“復(fù)雜性”是指數(shù)據(jù)源繁多“多變性”是指數(shù)據(jù)流不穩(wěn)定（二）企業(yè)經(jīng)營(yíng)產(chǎn)品的大數(shù)據(jù)六、企業(yè)大數(shù)據(jù)1.業(yè)務(wù)應(yīng)用數(shù)據(jù)：（1）Web網(wǎng)站數(shù)據(jù)（2）App應(yīng)用數(shù)據(jù)2.互聯(lián)網(wǎng)數(shù)據(jù)（1）政府和行業(yè)數(shù)據(jù)（2）垂直平臺(tái)數(shù)據(jù)（3）社交數(shù)據(jù)3.物聯(lián)網(wǎng)數(shù)據(jù)4.系統(tǒng)日志數(shù)據(jù)5.合作伙伴數(shù)據(jù)企業(yè)經(jīng)營(yíng)中產(chǎn)生的大數(shù)據(jù)包括企業(yè)多場(chǎng)景數(shù)據(jù)，例如業(yè)務(wù)應(yīng)用數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)、系統(tǒng)日志數(shù)據(jù)以及合作伙伴數(shù)據(jù)等Contents目錄第一節(jié)

營(yíng)銷數(shù)據(jù)概述第二節(jié)

營(yíng)銷數(shù)據(jù)的類型第三節(jié)

大數(shù)據(jù)采集技術(shù)第四節(jié)營(yíng)銷數(shù)據(jù)管理大數(shù)據(jù)采集是對(duì)數(shù)據(jù)進(jìn)行Extract-Transform-Load操作，通過(guò)對(duì)數(shù)據(jù)進(jìn)行提取、轉(zhuǎn)換、加載，最終挖掘數(shù)據(jù)的潛在價(jià)值。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。一、大數(shù)據(jù)采集概述數(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(chóng)通過(guò)分布式網(wǎng)絡(luò)爬蟲(chóng)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(píng)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)。小米數(shù)據(jù)采集方式一覽一、大數(shù)據(jù)采集概述

（一）爬蟲(chóng)采集網(wǎng)絡(luò)爬蟲(chóng)又被稱為網(wǎng)頁(yè)蜘蛛，網(wǎng)絡(luò)機(jī)器人，是一種按照一定的規(guī)則自動(dòng)化、系統(tǒng)化收集互聯(lián)網(wǎng)上相關(guān)數(shù)據(jù)的技術(shù)。大數(shù)據(jù)時(shí)代的今天，網(wǎng)絡(luò)爬蟲(chóng)是互聯(lián)網(wǎng)上采集數(shù)據(jù)的主要工具之一，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)的方式可以獲取到網(wǎng)站上不同類型的數(shù)據(jù)信息，包括文本、圖片、音頻、視頻等文件數(shù)據(jù)。二、互聯(lián)網(wǎng)線上數(shù)據(jù)采集

某爬蟲(chóng)采集工具（二）埋點(diǎn)采集（1）埋點(diǎn)的基本概念在技術(shù)實(shí)現(xiàn)上，線上數(shù)據(jù)采集主要通過(guò)埋點(diǎn)的方式實(shí)現(xiàn)，通過(guò)不同應(yīng)用的SDK（SoftwareDevelopmentKit，軟件工具包）數(shù)據(jù)埋點(diǎn)，將顧客端或服務(wù)端的數(shù)據(jù)上傳到數(shù)據(jù)服務(wù)器終端。二、互聯(lián)網(wǎng)線上數(shù)據(jù)采集

埋點(diǎn)是事件追蹤（EventTracking）的主要方式，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。（二）埋點(diǎn)采集（2）埋點(diǎn)的方式

類別代碼埋點(diǎn)全埋點(diǎn)可視化埋點(diǎn)服務(wù)端埋點(diǎn)采集說(shuō)明嵌入SDK，定義事件并添加好事件代碼嵌入SDK嵌入SDK，可視化圈選定義事件接口調(diào)用，數(shù)據(jù)結(jié)構(gòu)化場(chǎng)景以業(yè)務(wù)價(jià)值為出發(fā)點(diǎn)的行為分析無(wú)需采集事件，適用于活動(dòng)頁(yè)、著陸頁(yè)需要設(shè)計(jì)體驗(yàn)衡量用戶在頁(yè)面的行為與業(yè)務(wù)信息關(guān)聯(lián)較少，頁(yè)面較多且頁(yè)面元素較少對(duì)行為數(shù)據(jù)的應(yīng)用較為淺前后端數(shù)據(jù)整合，如訂單數(shù)據(jù)優(yōu)勢(shì)按需采集：業(yè)務(wù)信息更完善，對(duì)數(shù)據(jù)的分析更聚焦簡(jiǎn)單、快捷，與代碼埋點(diǎn)相比開(kāi)發(fā)人員工作量較少與代碼埋點(diǎn)相比，開(kāi)發(fā)人員工作量較少更靈活、更準(zhǔn)確、不需要發(fā)版本，數(shù)據(jù)上傳更加及時(shí)劣勢(shì)與后兩種采集方式相比，開(kāi)發(fā)人中工作量較多數(shù)據(jù)準(zhǔn)確性不高，上傳數(shù)據(jù)多，消耗量高數(shù)據(jù)維度單一（僅點(diǎn)擊、加載、刷新）業(yè)務(wù)人中工作量較大，改版后需要重新定義事件，缺乏基于業(yè)務(wù)的解讀僅服務(wù)端采集較少前端的環(huán)境信息，前端交互數(shù)據(jù)缺失典型案例友盟，百度統(tǒng)計(jì)GoogleanalyticsWMDA

二、互聯(lián)網(wǎng)線上數(shù)據(jù)采集

（二）埋點(diǎn)采集（3）埋點(diǎn)的設(shè)計(jì)Who：參與此事件的用戶When：事件發(fā)生的實(shí)際時(shí)間Where：事件發(fā)生的地點(diǎn)How：用戶進(jìn)行事件的方式What：描述用戶所做的事件的具體內(nèi)容記錄和收集用戶的長(zhǎng)期屬性通過(guò)ID與相關(guān)的Event關(guān)聯(lián)事件模型用戶

User事件Event二、互聯(lián)網(wǎng)線上數(shù)據(jù)采集

埋點(diǎn)的設(shè)計(jì)是將行為拆解為單個(gè)的點(diǎn)擊或?yàn)g覽動(dòng)作，將需要分析的目標(biāo)動(dòng)作抽象為“事件”。例如,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。（二）埋點(diǎn)采集（4）埋點(diǎn)的應(yīng)用①在產(chǎn)品流程關(guān)鍵部位植入相關(guān)統(tǒng)計(jì)代碼，用來(lái)追蹤每次用戶的行為，統(tǒng)計(jì)關(guān)鍵流程的使用程度。②在產(chǎn)品中植入多段代碼追蹤用戶連續(xù)行為，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與研發(fā)及數(shù)據(jù)分析師團(tuán)隊(duì)合作，通過(guò)數(shù)據(jù)埋點(diǎn)還原出用戶畫(huà)像及用戶行為，建立數(shù)據(jù)分析后臺(tái)，通過(guò)數(shù)據(jù)分析，優(yōu)化產(chǎn)品。二、互聯(lián)網(wǎng)線上數(shù)據(jù)采集

物聯(lián)網(wǎng)（InternetofThings，簡(jiǎn)稱IoT）是指通過(guò)各種信息傳感器、射頻識(shí)別技術(shù)、全球定位系統(tǒng)、紅外感應(yīng)器、激光掃描儀等各種裝置和技術(shù)，實(shí)時(shí)采集各種需要的信息，包括聲、光、熱、電、力學(xué)、化學(xué)、生物、位置等各種需要的信息。物聯(lián)網(wǎng)分為三層：

感知層（設(shè)備接入層）

網(wǎng)絡(luò)層

應(yīng)用層三、物聯(lián)網(wǎng)數(shù)據(jù)采集

數(shù)據(jù)庫(kù)同步數(shù)據(jù)采集是指直接和數(shù)據(jù)庫(kù)進(jìn)行交互同步，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)采集，這種方式的優(yōu)勢(shì)是數(shù)據(jù)來(lái)源大而全。根據(jù)同步的方式可以分為：直接數(shù)據(jù)源同步、生成數(shù)據(jù)文件同步和數(shù)據(jù)庫(kù)日志同步。四、數(shù)據(jù)庫(kù)同步數(shù)據(jù)采集大多數(shù)互聯(lián)網(wǎng)企業(yè)都有各自的海量數(shù)據(jù)采集工具，多用于系統(tǒng)日志采集，如Facebook公司的Scribe、Hadoop平臺(tái)的Chukwa、Cloudera公司的Flume等，這些工具均采用分布式的架構(gòu)，能滿足每秒數(shù)百兆的日志數(shù)據(jù)采集和傳輸需求。五、系統(tǒng)日志數(shù)據(jù)采集

Contents目錄第一節(jié)

營(yíng)銷數(shù)據(jù)概述第二節(jié)

營(yíng)銷數(shù)據(jù)的類型第三節(jié)

大數(shù)據(jù)采集技術(shù)第四節(jié)營(yíng)銷數(shù)據(jù)管理數(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)，按不同的主題進(jìn)行加工形成數(shù)據(jù)資產(chǎn)體系。數(shù)據(jù)匯聚是打破數(shù)據(jù)孤島，匯聚企業(yè)數(shù)據(jù)到統(tǒng)一數(shù)據(jù)倉(cāng)庫(kù)的過(guò)程，也是數(shù)據(jù)倉(cāng)庫(kù)建設(shè)、數(shù)據(jù)體系建設(shè)的基礎(chǔ)重要環(huán)節(jié)。一、數(shù)據(jù)匯聚

某企業(yè)數(shù)據(jù)匯聚示意圖二、數(shù)據(jù)開(kāi)發(fā)

數(shù)據(jù)開(kāi)發(fā)是數(shù)據(jù)加工的過(guò)程。數(shù)據(jù)匯聚后的數(shù)據(jù)為數(shù)據(jù)的原始狀態(tài)，數(shù)據(jù)工程師根據(jù)業(yè)務(wù)需求，將數(shù)據(jù)進(jìn)行轉(zhuǎn)換或聚合計(jì)算，快速轉(zhuǎn)換成對(duì)業(yè)務(wù)有價(jià)值的形式提供給業(yè)務(wù)分析、可視化使用。數(shù)據(jù)資產(chǎn)管理包括數(shù)據(jù)資產(chǎn)目錄、元數(shù)據(jù)信息、數(shù)據(jù)主題、數(shù)據(jù)標(biāo)簽分類、數(shù)據(jù)安全的級(jí)別信息、數(shù)據(jù)質(zhì)量情況，以及生產(chǎn)數(shù)據(jù)的血緣關(guān)系、數(shù)據(jù)的歷史版本、數(shù)據(jù)的生命周期等信息的管理和展示。數(shù)據(jù)資產(chǎn)管理以數(shù)據(jù)平臺(tái)的形式展示給數(shù)據(jù)的運(yùn)營(yíng)人員和數(shù)據(jù)開(kāi)發(fā)人員，方便數(shù)據(jù)工程師二次開(kāi)發(fā)數(shù)據(jù)，也幫助運(yùn)營(yíng)工程師檢索和運(yùn)營(yíng)。三、數(shù)據(jù)資產(chǎn)管理

數(shù)據(jù)服務(wù)是以滿足業(yè)務(wù)應(yīng)用的能力之一。數(shù)據(jù)服務(wù)的形式較多，通常企業(yè)的數(shù)據(jù)平臺(tái)有標(biāo)準(zhǔn)的服務(wù)，例如數(shù)據(jù)的API定制服務(wù)業(yè)務(wù)人員可以通過(guò)URL的鏈接和參數(shù)，直接訪問(wèn)接口獲取到需要的數(shù)據(jù)內(nèi)容。四、數(shù)據(jù)服務(wù)

數(shù)據(jù)可視化是數(shù)據(jù)應(yīng)用的能力之一，數(shù)據(jù)可視化通過(guò)數(shù)據(jù)的加工后，將統(tǒng)計(jì)結(jié)果、分析結(jié)論或預(yù)測(cè)信息通過(guò)可視化的形式展示出來(lái)，方便決策人員直觀了解業(yè)務(wù)情況，為管理決策提供數(shù)據(jù)支撐。最通用的數(shù)據(jù)可視化應(yīng)用有數(shù)據(jù)圖表可視化、數(shù)據(jù)大屏可視化等。四、數(shù)據(jù)可視化

1.請(qǐng)簡(jiǎn)述營(yíng)銷數(shù)據(jù)的基本特征。2.簡(jiǎn)述營(yíng)銷數(shù)據(jù)的類型及分類。3.請(qǐng)簡(jiǎn)述大數(shù)據(jù)有哪些采集方式。4.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)容有哪些。思考與討論DIGITALMARKETINGISJUSTMARKETING數(shù)字驅(qū)動(dòng)營(yíng)銷致遠(yuǎn)！教師：黃勁松教授數(shù)字營(yíng)銷學(xué)第四章統(tǒng)計(jì)技術(shù)和數(shù)字營(yíng)銷MARKETING數(shù)字營(yíng)銷學(xué)黃勁松教授/博士生導(dǎo)師開(kāi)篇案例：恒豐銀行的營(yíng)銷大數(shù)據(jù)分析

恒豐銀行通過(guò)建立客戶理財(cái)偏好模型，為客戶推薦最適合他們的產(chǎn)品。例如，在合適的時(shí)機(jī)，通過(guò)用戶偏好模型向用戶推薦產(chǎn)品，推薦的結(jié)果是用戶的購(gòu)買(mǎi)或未購(gòu)買(mǎi)。這個(gè)問(wèn)題可以看作是一個(gè)典型的機(jī)器學(xué)習(xí)二分類問(wèn)題：基于歷史營(yíng)銷數(shù)據(jù)訓(xùn)練模型，讓模型自動(dòng)學(xué)習(xí)客戶購(gòu)買(mǎi)產(chǎn)品的偏好，并預(yù)測(cè)客戶下次購(gòu)買(mǎi)理財(cái)產(chǎn)品的概率。通過(guò)對(duì)模型預(yù)測(cè)出的所有客戶對(duì)所有產(chǎn)品的響應(yīng)概率進(jìn)行排序，可以從中選擇購(gòu)買(mǎi)概率最高的幾個(gè)產(chǎn)品推薦給客戶。通過(guò)以上過(guò)程，恒豐銀行成功實(shí)現(xiàn)了對(duì)營(yíng)銷大數(shù)據(jù)的有效處理和分析。恒豐銀行針對(duì)每個(gè)客戶進(jìn)行需求預(yù)測(cè)，預(yù)測(cè)某個(gè)有消費(fèi)歷史的客戶在下一階段是否會(huì)重復(fù)購(gòu)買(mǎi)，并且預(yù)測(cè)有重復(fù)購(gòu)買(mǎi)行為的客戶在接下來(lái)的消費(fèi)過(guò)程中會(huì)購(gòu)買(mǎi)多大價(jià)值的產(chǎn)品。同時(shí)，恒豐銀行還針對(duì)每個(gè)客戶進(jìn)行終身價(jià)值建模。通過(guò)分析每位客戶的消費(fèi)歷史，他們能夠計(jì)算出客戶的當(dāng)前價(jià)值和未來(lái)價(jià)值。這有助于業(yè)務(wù)人員把握重點(diǎn)客戶，并根據(jù)客戶價(jià)值的高低進(jìn)行分級(jí)服務(wù)。此外，他們能夠分析哪些客戶有流失傾向，并對(duì)流失階段的高價(jià)值客戶提供適當(dāng)?shù)臓I(yíng)銷優(yōu)惠和消費(fèi)引導(dǎo)。通過(guò)構(gòu)建基于大數(shù)據(jù)的營(yíng)銷方案，恒豐銀行深入洞察客戶的行為、需求和偏好，幫助銀行更深入地了解客戶、打造個(gè)性化推薦系統(tǒng)和建立客戶價(jià)值預(yù)測(cè)模型，從而實(shí)現(xiàn)可持續(xù)發(fā)展。目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法一、數(shù)字營(yíng)銷分析方法概述二、營(yíng)銷數(shù)據(jù)及分析技術(shù)的

發(fā)展過(guò)程第一節(jié)

數(shù)字營(yíng)銷分析方法概述一、數(shù)字營(yíng)銷分析方法概述（一）研究方法“洋蔥”模型數(shù)據(jù)收集和數(shù)據(jù)分析是“洋蔥”的核心，也是數(shù)字營(yíng)銷學(xué)的基礎(chǔ)（二）數(shù)據(jù)分析方法的分類一、數(shù)字營(yíng)銷分析方法概述解釋性方法-預(yù)測(cè)性方法描述性方法

多元統(tǒng)計(jì)分析方法：聚類分析、因子分析/主成分分析、多維標(biāo)度分析、對(duì)應(yīng)分析數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：聚類分析、文本挖掘無(wú)監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)多元統(tǒng)計(jì)分析方法：描述性統(tǒng)計(jì)、列聯(lián)表分析多元統(tǒng)計(jì)分析方法：方差分析、t檢驗(yàn)分析、回歸分析、判別分析、分層線性模型、時(shí)間序列等數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、Logit分析、路徑分析等實(shí)驗(yàn)方法：方差分析、t檢驗(yàn)分析、回歸分析、聯(lián)合分析、結(jié)構(gòu)方程模型等

數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：各種潛分類方法，如聚類回歸、混合模型（MixtureModels）等根據(jù)數(shù)據(jù)分析的目的，可以分為描述性分析方法和解釋性/預(yù)測(cè)性分析方法根據(jù)分析前是否有明確數(shù)據(jù)的分類，可以分為事前已確定分類和事前未確定分類（二）數(shù)據(jù)分析方法的分類1.有監(jiān)督學(xué)習(xí)-描述性方法

描述性統(tǒng)計(jì)分析：描述性統(tǒng)計(jì)分析使用描述統(tǒng)計(jì)量和數(shù)據(jù)可視化等方法描述數(shù)據(jù)的基本特征。

一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類1.有監(jiān)督學(xué)習(xí)-描述性方法列聯(lián)表：是一種交叉分類頻數(shù)分布表，用于按兩個(gè)或多個(gè)屬性（定性變量）對(duì)觀測(cè)數(shù)據(jù)進(jìn)行分類，進(jìn)而研究不同變量之間的關(guān)系。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類2.無(wú)監(jiān)督學(xué)習(xí)-描述性方法

多元統(tǒng)計(jì)分析方法：包括聚類分析、因子分析/主成分分析、多維標(biāo)度分析、對(duì)應(yīng)分析等。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類2.無(wú)監(jiān)督學(xué)習(xí)-描述性方法數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：包括聚類分析、文本挖掘等。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類3.有監(jiān)督學(xué)習(xí)-解釋性和預(yù)測(cè)性方法多元統(tǒng)計(jì)分析方法：方差分析、回歸分析、時(shí)間序列分析等。數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)方法：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、Logit分析、路徑分析等。實(shí)驗(yàn)方法：主要包括實(shí)地實(shí)驗(yàn)和實(shí)驗(yàn)室實(shí)驗(yàn)。一、數(shù)字營(yíng)銷分析方法概述（二）數(shù)據(jù)分析方法的分類4.無(wú)監(jiān)督學(xué)習(xí)-解釋性和預(yù)測(cè)性方法無(wú)監(jiān)督學(xué)習(xí)-解釋性和預(yù)測(cè)性方法主要應(yīng)用于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中，包括聚類回歸和混合模型等方法。這些方法在深度學(xué)習(xí)中得到廣泛應(yīng)用，本質(zhì)可以看作是兩個(gè)步驟：首先對(duì)數(shù)據(jù)進(jìn)行分類處理，然后進(jìn)行邏輯回歸。一、數(shù)字營(yíng)銷分析方法概述（一）營(yíng)銷數(shù)據(jù)和分析技術(shù)的發(fā)展過(guò)程二、營(yíng)銷數(shù)據(jù)及分析技術(shù)的發(fā)展過(guò)程目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法一、描述性分析-事前分類典型方法（一）描述性分析描述性分析常用于揭示數(shù)據(jù)的整體分布情況和趨勢(shì)。它主要包括以下三個(gè)方面的內(nèi)容：進(jìn)行統(tǒng)計(jì)分組和頻數(shù)統(tǒng)計(jì)；計(jì)算分布特征指標(biāo)，例如平均數(shù)、眾數(shù)、中位數(shù)、標(biāo)準(zhǔn)差等；制作圖表，例如條形圖、餅圖、散點(diǎn)圖、直方圖、雷達(dá)圖等。一、描述性分析-事前分類典型方法（一）描述性分析描述統(tǒng)計(jì)量包括均值、方差、標(biāo)準(zhǔn)差、最大值、最小值、極差、中位數(shù)、分位數(shù)、眾數(shù)、變異系數(shù)、中心矩、原點(diǎn)矩、偏度、峰度、協(xié)方差和相關(guān)系數(shù)等。從集中趨勢(shì)、離散程度和分布形狀三個(gè)方面可以描述數(shù)據(jù)集的分布特征。數(shù)據(jù)分布特征集中趨勢(shì)離散程度分布形狀眾數(shù)中位數(shù)平均數(shù)異眾比率四分位差方差/標(biāo)準(zhǔn)差極差平均差離散系數(shù)偏態(tài)系數(shù)峰態(tài)系數(shù)一、描述性分析-事前分類典型方法（二）列聯(lián)表列聯(lián)表是一種將觀測(cè)數(shù)據(jù)按照兩個(gè)或更多屬性進(jìn)行分類時(shí)所列出的頻數(shù)表，也被稱為交互分類表。列聯(lián)表由兩個(gè)以上的變量進(jìn)行交叉分類的頻數(shù)分布表組成，能夠同時(shí)描述兩個(gè)或更多變量之間的情況。一、描述性分析-事前分類典型方法（二）列聯(lián)表通過(guò)列聯(lián)表分析，我們可以判斷同一個(gè)調(diào)查對(duì)象的兩個(gè)特性之間是否存在明顯的相關(guān)性。例子：某醫(yī)院收得某類型重癥病人204例，隨機(jī)分成兩組，分別用同樣的中草藥方劑進(jìn)行治療，但其中一組加一定量的人工牛黃，每個(gè)病人根據(jù)治療方法和治療效果進(jìn)行分類，得出如下表格：一、描述性分析-事前分類典型方法（二）列聯(lián)表列聯(lián)表分析的基本問(wèn)題是判斷所考察的各屬性之間是否存在關(guān)聯(lián)，即它們是否獨(dú)立。列聯(lián)表可以作為一種初步的知識(shí)檢驗(yàn)工具使用。列聯(lián)表分析適用于定性數(shù)據(jù)，通常使用卡方檢驗(yàn)等方法進(jìn)行分析，這些方法分析的是各個(gè)分類方法中的頻度數(shù)據(jù)。二、描述性分析-非事前分類典型方法（一）聚類分析聚類分析是一種多元統(tǒng)計(jì)方法，它可以將研究對(duì)象（樣本或指標(biāo)）根據(jù)其特征進(jìn)行分類，將研究對(duì)象分為相對(duì)同質(zhì)的群組，群組內(nèi)的成員彼此相似，而不同群組的成員彼此不同。二、描述性分析-非事前分類典型方法（一）聚類分析在市場(chǎng)細(xì)分領(lǐng)域，聚類分析可以根據(jù)細(xì)分變量將消費(fèi)者分為不同的細(xì)分市場(chǎng)，細(xì)分市場(chǎng)內(nèi)的消費(fèi)者彼此相似，而不同細(xì)分市場(chǎng)的消費(fèi)者彼此不同。二、描述性分析-非事前分類典型方法（一）聚類分析聚類分析包括三種方法，分別是非重疊聚類、重疊聚類和模糊聚類。非重疊聚類假設(shè)每個(gè)顧客只屬于一個(gè)細(xì)分市場(chǎng)，而重疊聚類和模糊聚類認(rèn)為顧客可能同時(shí)屬于多個(gè)市場(chǎng)。在數(shù)字營(yíng)銷分析中，聚類分析方法有助于解決顧客畫(huà)像、客戶群體劃分等問(wèn)題。二、描述性分析-非事前分類典型方法（二）文本挖掘文本挖掘可以提取文本文件中有效、新穎、有用、可理解的有價(jià)值知識(shí)，并利用這些知識(shí)更好地組織信息。文本挖掘是圖像、語(yǔ)言、自然語(yǔ)言理解與知識(shí)挖掘中的重要內(nèi)容。二、描述性分析-非事前分類典型方法（二）文本挖掘通過(guò)文本挖掘技術(shù)，可以分析出消費(fèi)者對(duì)各個(gè)品牌討論的內(nèi)容主題、頻率和情感等。由此可以了解消費(fèi)者對(duì)相關(guān)品牌的感知和偏好，對(duì)營(yíng)銷決策制定具有重要的參考意義。二、描述性分析-非事前分類典型方法（三）Logit分析Logit分析與回歸分析類似，都是分析自變量對(duì)因變量的影響，但這里的因變量是分類變量。由于Logit模型的因變量不服從正態(tài)分布，因此不能直接通過(guò)自變量來(lái)預(yù)測(cè)因變量，需要對(duì)因變量進(jìn)行特定的轉(zhuǎn)換。常用Logit模型來(lái)估計(jì)消費(fèi)者購(gòu)買(mǎi)產(chǎn)品的概率，通過(guò)將數(shù)據(jù)代入模型，可以根據(jù)自變量來(lái)估計(jì)消費(fèi)者購(gòu)買(mǎi)產(chǎn)品的概率，并將消費(fèi)者劃分為不同的群體。三、解釋性、預(yù)測(cè)性分析-事前分類典型方法（一）時(shí)間序列分析時(shí)間序列分析法就是將經(jīng)濟(jì)發(fā)展、購(gòu)買(mǎi)力大小、銷售變化等同一變數(shù)的一組觀察值，按時(shí)間順序加以排列，構(gòu)成統(tǒng)計(jì)的時(shí)間序列。通過(guò)觀察隨機(jī)序列的歷史數(shù)據(jù)，利用特定的數(shù)字方法來(lái)預(yù)測(cè)市場(chǎng)未來(lái)的發(fā)展趨勢(shì)和確定市場(chǎng)預(yù)測(cè)值。時(shí)間序列分析的主要特點(diǎn)是通過(guò)時(shí)間推移來(lái)研究和預(yù)測(cè)市場(chǎng)需求趨勢(shì)，不受其他外在因素的影響。三、解釋性、預(yù)測(cè)性分析-事前分類典型方法（二）決策樹(shù)決策樹(shù)以樹(shù)狀的層級(jí)結(jié)構(gòu)呈現(xiàn)分類過(guò)程，并提取分類規(guī)則。經(jīng)過(guò)修整后的決策樹(shù)模型可以用于發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在關(guān)系，找出目標(biāo)變量和各個(gè)變量之間的層級(jí)關(guān)系。在用戶數(shù)據(jù)分析和挖掘方面，決策樹(shù)可以發(fā)揮重要作用，例如通過(guò)分類器將客戶分為潛在客戶、虛假客戶和現(xiàn)有客戶。四、解釋性、預(yù)測(cè)性分析-非事前分類典型方法（一）混合模型混合模型（mixturemodel）是一種能夠表示總體分布中包含K個(gè)子分布的概率模型?；旌夏Ｐ兔枋隽擞^測(cè)數(shù)據(jù)在總體分布中的概率分布，它由K個(gè)子分布組成的混合分布構(gòu)成。混合模型不需要觀測(cè)數(shù)據(jù)提供關(guān)于子分布的信息，而是通過(guò)計(jì)算觀測(cè)數(shù)據(jù)在總體分布中的概率來(lái)進(jìn)行建模。混合模型在業(yè)界主要應(yīng)用于顧客畫(huà)像研究。目錄第一節(jié)

數(shù)字營(yíng)銷分析方法概述第二節(jié)

典型的數(shù)字營(yíng)銷數(shù)據(jù)分析方法第三節(jié)

典型數(shù)字營(yíng)銷實(shí)驗(yàn)方法一、實(shí)驗(yàn)方法概述實(shí)驗(yàn)方法是一種有目的地控制一定條件或創(chuàng)造一定條件來(lái)研究某種心理現(xiàn)象或被試者行為的方法。一、實(shí)驗(yàn)方法概述實(shí)驗(yàn)研究在應(yīng)用上有廣義和狹義之分：狹義上的實(shí)驗(yàn)方法指在實(shí)驗(yàn)室中應(yīng)用特定設(shè)備進(jìn)行研究，通常稱為實(shí)驗(yàn)室實(shí)驗(yàn)（laboratoryexperiment）；廣義的實(shí)驗(yàn)方法還包括在實(shí)際生活情境中進(jìn)行的研究，通常稱為實(shí)地實(shí)驗(yàn)（fieldexperiment），實(shí)驗(yàn)室實(shí)驗(yàn)?zāi)軌蚋_地控制實(shí)驗(yàn)進(jìn)行的條件。二、實(shí)地實(shí)驗(yàn)與A/B測(cè)試（一）A/B測(cè)試方法概述A/B測(cè)試（也稱為桶式測(cè)試或分割測(cè)試）是一種基于證據(jù)的實(shí)驗(yàn)方法，通過(guò)同時(shí)運(yùn)行兩個(gè)變體（A和B）的對(duì)照實(shí)驗(yàn)來(lái)提高應(yīng)用的性能。二、實(shí)地實(shí)驗(yàn)與A/B測(cè)試（一）A/B測(cè)試方法概述A/B測(cè)試的前身是隨機(jī)對(duì)照試驗(yàn)-雙盲測(cè)試，最早應(yīng)用于醫(yī)療/生物實(shí)驗(yàn)中。該方法通過(guò)將研究對(duì)象隨機(jī)分組，對(duì)不同組實(shí)施不同的干預(yù)來(lái)對(duì)照其效果。在雙盲測(cè)試中，被試的病人會(huì)被隨機(jī)分成兩個(gè)組，在不知情的情況下分別被提供安慰劑和測(cè)試用藥，其他條件嚴(yán)格控制。經(jīng)過(guò)一段時(shí)間的試驗(yàn)后，比較這兩組病人的表現(xiàn)是否具有顯著的差異，從而決定測(cè)試用藥是否真的有效。二、實(shí)地實(shí)驗(yàn)與A/B測(cè)試（二）A/B測(cè)試的實(shí)施流程設(shè)定項(xiàng)目目標(biāo)；設(shè)計(jì)測(cè)試方案，完成測(cè)試內(nèi)容的準(zhǔn)備工作；確定實(shí)施方案，以及每個(gè)線上測(cè)試版本的流量分配比例；進(jìn)行測(cè)試；數(shù)據(jù)分析和效果判斷。收集實(shí)驗(yàn)數(shù)據(jù)并進(jìn)行有效性和效果判斷；改進(jìn)實(shí)驗(yàn)方案或發(fā)布新版本。思考與討論1.請(qǐng)討論數(shù)字營(yíng)銷方法的四種分類框架以及各個(gè)框架下的方法。2.請(qǐng)解釋數(shù)字營(yíng)銷中數(shù)據(jù)收集和數(shù)據(jù)分析的基本方法和流程。3.請(qǐng)討論數(shù)字營(yíng)銷中實(shí)驗(yàn)方法以及如何設(shè)計(jì)一個(gè)A/B測(cè)試。DIGITALMARKETINGISJUSTMARKETING數(shù)字驅(qū)動(dòng)營(yíng)銷致遠(yuǎn)！教師：黃勁松教授數(shù)字營(yíng)銷學(xué)第五章顧客畫(huà)像及應(yīng)用MARKETING數(shù)字營(yíng)銷學(xué)黃勁松教授/博士生導(dǎo)師開(kāi)篇案例：美國(guó)塔吉特百貨“了解您的秘密”美國(guó)超市品牌塔吉特百貨（Target）利用專業(yè)的數(shù)據(jù)分析模型，基于顧客的購(gòu)買(mǎi)行為數(shù)據(jù)能分析出早期懷孕的人群，然后進(jìn)行精準(zhǔn)廣告的推送。塔吉特百貨會(huì)給每個(gè)顧客分配一個(gè)“顧客ID號(hào)”作為該顧客唯一代碼,該代碼會(huì)記錄顧客購(gòu)買(mǎi)的所有商品，以及在塔吉特百貨發(fā)生的相關(guān)行為，比如信用卡、優(yōu)惠券的使用情況、郵寄地址或網(wǎng)站訪問(wèn)情況等。顧客數(shù)據(jù)分析部門(mén)（GuestData&AnalyticalServices）建立了一個(gè)數(shù)據(jù)模型，利用歷史數(shù)據(jù)分析孕婦在孕早期購(gòu)買(mǎi)過(guò)哪些商品。176目錄177第一節(jié)

顧客畫(huà)像概述第二節(jié)

顧客畫(huà)像的標(biāo)簽分類第三節(jié)

顧客畫(huà)像的實(shí)施和應(yīng)用目錄178第一節(jié)

顧客畫(huà)像概述第二節(jié)

顧客畫(huà)像的標(biāo)簽分類第三節(jié)

顧客畫(huà)像的實(shí)施和應(yīng)用一、顧客畫(huà)像的基本概念二、

顧客畫(huà)像的目標(biāo)第一節(jié)

顧客畫(huà)像概述179二、

顧客畫(huà)像的基本原則（一）顧客畫(huà)像的基本概念起源“畫(huà)像（profiling）”一詞最初來(lái)源于演員的面具，由于觀眾能夠清楚地辨別出面具所表征的人物特征，因此面具就成為人物的“畫(huà)像”(Stern,1988)?？枴s格（CarlGustavJung）在其分析心理學(xué)中開(kāi)始采用“畫(huà)像”的概念，描述一個(gè)人與社會(huì)的關(guān)系（DionandArnould,2016）。顧客畫(huà)像（customerpersona）多被企業(yè)用作描述顧客特征，這種操作方法已經(jīng)成為數(shù)字營(yíng)銷學(xué)的核心概念和實(shí)踐基礎(chǔ)。一、顧客畫(huà)像概述（一）顧客畫(huà)像的基本概念定義

顧客畫(huà)像定義為通過(guò)對(duì)顧客的標(biāo)簽化描述顧客特征的過(guò)程?？梢哉f(shuō)給顧客“打標(biāo)簽”是顧客畫(huà)像的基礎(chǔ)工作，因此有時(shí)候人們也將某一特定的顧客標(biāo)簽組合稱為顧客畫(huà)像。一、顧客畫(huà)像概述（一）顧客畫(huà)像的基本概念標(biāo)簽顧客畫(huà)像強(qiáng)調(diào)顧客是由多個(gè)標(biāo)簽描述的，每個(gè)顧客可以具有個(gè)性化的標(biāo)簽，因此顧客的差異主要來(lái)自于對(duì)標(biāo)簽的選擇。一、顧客畫(huà)像概述小案例：《今日頭條》通過(guò)顧客畫(huà)像推薦內(nèi)容《今日頭條》采用“千人千面”的消息推送方式獲得了巨大的成功，其當(dāng)前用戶數(shù)量已達(dá)到2.6億，在BrandFinance發(fā)布“2021全球媒體品牌價(jià)值50強(qiáng)”中位列第32名?！督袢疹^條》的消息推送方式是在顧客畫(huà)像的基礎(chǔ)上完成的，實(shí)施時(shí)將人的特征、環(huán)境特征、文章特征三者相匹配來(lái)確定推薦的內(nèi)容。一、顧客畫(huà)像概述（二）顧客畫(huà)像的目標(biāo)1.識(shí)別客戶

顧客畫(huà)像的首要目標(biāo)是顧客識(shí)別（customeridentification），它是數(shù)字營(yíng)銷實(shí)踐的起點(diǎn)和基礎(chǔ)。顧客識(shí)別指通過(guò)顧客標(biāo)簽對(duì)個(gè)體或群體顧客進(jìn)行辨識(shí)、選擇和分類的過(guò)程。（二）顧客畫(huà)像的目標(biāo)2.管理客戶企業(yè)需要在顧客畫(huà)像的基礎(chǔ)上對(duì)顧客資產(chǎn)進(jìn)行評(píng)估和分類，并按照顧客的類別實(shí)施不同的顧客管理。企業(yè)在經(jīng)營(yíng)過(guò)程中留存了大量顧客，如何管理這些顧客成為企業(yè)持續(xù)經(jīng)營(yíng)的關(guān)鍵，這時(shí)企業(yè)往往通過(guò)建立顧客標(biāo)簽的方式進(jìn)行顧客畫(huà)像，并根據(jù)企業(yè)的經(jīng)營(yíng)目標(biāo)進(jìn)行顧客管理。一、顧客畫(huà)像概述一、顧客畫(huà)像概述（二）顧客畫(huà)像的目標(biāo)3.提升績(jī)效

由于顧客畫(huà)像具有精準(zhǔn)性的特征，企業(yè)可以利用顧客畫(huà)像向特定顧客精準(zhǔn)推薦產(chǎn)品和服務(wù)，提升顧客的購(gòu)買(mǎi)比率，降低單個(gè)顧客的銷售成本，從而提升企業(yè)的績(jī)效。一、顧客畫(huà)像概述（三）顧客畫(huà)像的基本原則構(gòu)建顧客畫(huà)像的核心工作是給顧客貼上標(biāo)簽，顧客標(biāo)簽提取遵循SMART原則，即：可識(shí)別（Specific）可衡量（Measurable）可實(shí)施（Achievable）可關(guān)聯(lián)（Relevant）時(shí)限性（Time-Bounded）一、顧客畫(huà)像概述（三）顧客畫(huà)像的基本原則(1)可識(shí)別（Specific）顧客畫(huà)像應(yīng)當(dāng)是可識(shí)別的。可識(shí)別的基本含義是顧客的標(biāo)簽需要能夠被明確識(shí)別，它可以清晰地描述顧客的基本特征或潛在行為特征。一、顧客畫(huà)像概述（三）顧客畫(huà)像的基本原則（2）可衡量（Measurable）顧客畫(huà)像應(yīng)當(dāng)是可衡量的?？珊饬康幕竞x是利用顧客畫(huà)像選擇的顧客群體能夠有效地進(jìn)行區(qū)分和識(shí)別；例如重度、中度和輕度購(gòu)買(mǎi)某產(chǎn)品的顧客群體，可以定量的描述這個(gè)群體的人群規(guī)模、消費(fèi)金額、購(gòu)買(mǎi)頻次等。一、顧客畫(huà)像概述（三）顧客畫(huà)像的基本原則（3）可實(shí)施（Achievable）顧客畫(huà)像應(yīng)當(dāng)是可實(shí)施的。顧客畫(huà)像的目的是個(gè)性化精準(zhǔn)營(yíng)銷，顧客畫(huà)像的可實(shí)施性指當(dāng)采用顧客畫(huà)像進(jìn)行營(yíng)銷實(shí)踐時(shí)，能夠達(dá)到個(gè)性化營(yíng)銷的結(jié)果。一、顧客畫(huà)像概述（三）顧客畫(huà)像的基本原則（4）可關(guān)聯(lián)（Relevant）顧客畫(huà)像是可關(guān)聯(lián)性的。關(guān)聯(lián)性指顧客畫(huà)像應(yīng)當(dāng)與目標(biāo)顧客之間有很強(qiáng)的關(guān)聯(lián)性。一、顧客畫(huà)像概述（三）顧客畫(huà)像的基本原則（5）時(shí)限性（Time-Bounded）顧客畫(huà)像具有時(shí)限性。時(shí)限性指顧客畫(huà)像并不是一成不變的，它僅在一定時(shí)間期限內(nèi)有效。目錄第一節(jié)

顧客畫(huà)像概述第二節(jié)

顧客畫(huà)像的標(biāo)簽分類第三節(jié)

顧客畫(huà)像的實(shí)施和應(yīng)用一、顧客畫(huà)像標(biāo)簽概述二、狀態(tài)類顧客標(biāo)簽第二節(jié)顧客畫(huà)像的標(biāo)簽分類三、行為類顧客標(biāo)簽一、顧客畫(huà)像標(biāo)簽概述顧客畫(huà)像是通過(guò)顧客信息的標(biāo)簽化來(lái)完成的，顧客標(biāo)簽可以劃分為不同的類型，以下我們將顧客的標(biāo)簽分為“狀態(tài)-行為”和“描述-解釋”兩個(gè)坐標(biāo)維度，這樣就可以得到如圖5-1所示的顧客畫(huà)像標(biāo)簽分類。二、狀態(tài)類顧客標(biāo)簽狀態(tài)類標(biāo)簽指顧客已經(jīng)存在的狀態(tài)特征，包括顧客的基本屬性、態(tài)度和價(jià)值體系等（如圖5-2所示）。不同狀態(tài)類標(biāo)簽在實(shí)踐中的難易程度是不一樣的，企業(yè)很容易根據(jù)性別等人口特征標(biāo)簽區(qū)別顧客，但企業(yè)很難確定不同顧客的價(jià)值觀。二、狀態(tài)類顧客標(biāo)簽二、狀態(tài)類顧客標(biāo)簽-實(shí)例三、行為類顧客標(biāo)簽企業(yè)可以采用6W1H方法來(lái)構(gòu)建一個(gè)較為全面的行為標(biāo)簽體系。6W1H的顧客行為標(biāo)簽主要從解決問(wèn)題的視角出發(fā)確定顧客畫(huà)像的標(biāo)簽分類。三