因為技術(shù)革新，營銷迎來了美好的時代，但是技術(shù)也是需要情感美化，我們需要針對每一類數(shù)據(jù)實體，可以進一步分解落地的數(shù)據(jù)，匯集出合適的人物特征。

1、采集和清理數(shù)據(jù)：用已知預(yù)測未知

首先得掌握繁雜的數(shù)據(jù)源。包括用戶數(shù)據(jù)、各式活動數(shù)據(jù)、電子郵件訂閱數(shù)、線上或線下數(shù)據(jù)庫及客戶服務(wù)信息等。這個是累積數(shù)據(jù)庫；這里面基礎(chǔ)的就是如何收集網(wǎng)站／APP用戶行為數(shù)據(jù)。比如當(dāng)你登陸某網(wǎng)站，其Cookie就一直駐留在瀏覽器中，當(dāng)用戶觸及的動作，點擊的位置，按鈕，點贊，評論，粉絲，還有訪問的路徑，可以識別并記錄他／她的所有瀏覽行為，然后持續(xù)分析瀏覽過的關(guān)鍵詞和頁面，分析出他的短期需求和長期興趣。還可以通過分析朋友圈，獲得非常清晰獲得對方的工作，愛好，教育等方面，這比個人填寫的表單，還要更全面和真實。

用戶分群：分門別類貼標(biāo)簽

描述分析是基本的分析統(tǒng)計方法，描述統(tǒng)計分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計。數(shù)據(jù)描述：用來對數(shù)據(jù)進行基本情況的刻畫，包括數(shù)據(jù)總數(shù)，范圍，數(shù)據(jù)來源。指標(biāo)統(tǒng)計：把分布，對比，預(yù)測指標(biāo)進行建模。這里常常是Datamining的一些數(shù)學(xué)模型，像響應(yīng)率分析模型，客戶傾向性模型，這類分群使用Lift圖，用打分的方法告訴你哪一類客戶有較高的接觸和轉(zhuǎn)化的價值。

制定策略：優(yōu)化再調(diào)整

有了用戶畫像之后，便能清楚了解需求，在實際操作上，能深度經(jīng)營顧客關(guān)系，甚至找到擴散口碑的機會。例如上面例子中，若有生鮮的打折券，日本餐館新推薦，營銷人員就會把適合產(chǎn)品的相關(guān)信息，準(zhǔn)確推送這個消費者的手機中；針對不同產(chǎn)品發(fā)送推薦信息，同時也不斷通過滿意度調(diào)查，跟蹤碼確認等方式，掌握顧客各方面的行為與偏好。

注：剖析大數(shù)據(jù)數(shù)字營銷準(zhǔn)確關(guān)鍵詞

數(shù)據(jù)細分受眾

“顛覆營銷”書中提到一個例子，可以引述一下，大家思考一個問題：如果你打算搜集200份有效問卷，依照以往的經(jīng)驗，你需要發(fā)多少份問卷，才能達到這個目標(biāo)？預(yù)計用多少預(yù)算和時間來執(zhí)行？

以往的方法是這樣的：評估網(wǎng)絡(luò)問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發(fā)送量，也就是發(fā)出4000份問卷，一個月內(nèi)如果可以回收，就是不錯的表現(xiàn)。

預(yù)測

當(dāng)我們采集和分析用戶畫像時，可以實現(xiàn)準(zhǔn)確營銷。這是直接和有價值的應(yīng)用，廣告主可以通過用戶標(biāo)簽來發(fā)布廣告給所要觸達的用戶，這里面又可以通過上圖提到的搜索廣告，展示社交廣告，移動廣告等多渠道的營銷策略，營銷分析，營銷優(yōu)化以及后端CRM/供應(yīng)鏈系統(tǒng)打通的一站式營銷優(yōu)化，全面提升ROI。

準(zhǔn)確推薦

大數(shù)據(jù)的價值不是事后分析，而是預(yù)測和推薦，我就拿電商舉例，”準(zhǔn)確推薦”成為大數(shù)據(jù)改變零售業(yè)的核心功能。譬如服裝網(wǎng)站Stitchfix例子，在個性化推薦機制方面，大多數(shù)服裝訂購網(wǎng)站采用的都是用戶提交身形、風(fēng)格數(shù)據(jù)+編輯人工推薦的模式。

準(zhǔn)確的數(shù)據(jù)整合改變了企業(yè)的營銷方式，而一些社會經(jīng)驗已經(jīng)不是光是累積在人的身上，而是完全依賴消費者的行為數(shù)據(jù)去做推薦。未來營銷模式中，銷售人員不再只是銷售人員，而能以專業(yè)的數(shù)據(jù)預(yù)測，搭配人性的親切互動推薦商品，升級成為顧問型銷售。