客户画像营销方案范文
时间：2023-03-29 20:01:08
导语：如何才能写好一篇客户画像营销方案，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
大数据时代
超越对因果关系的渴求
取而代之关注相关关系
我们不仅要知道“为什么”
更重要的知道“是什么”
导读：
庞大的数据中到底蕴藏了什么价值？它的存在又有什么意义？这就要看企业如何利用它。数据中所包含的信息有很多，信息是流动的，也是变化的，企业只有获得动态信息才是最有商业价值的
大数据时代的来临
维克托・尔耶・舍恩伯格在《大数据时代：生活、工作与思维的大变革》中前瞻性地指出，大数据时代最大的转变就是超越对因果关系的渴求，取而代之关注相关关系。也就是说，我们不仅要知道“为什么”，更重要的知道“是什么”。
继互联网兴起之后，大数据应用已经成为企业趋之若鹜的下一个热门话题。在消费者的数据量成几何级数增长的时代，全新的商业机遇正在蓬勃的酝酿中。那么我们应该如何利用大数据这个强有力的工具来更好的服务消费者？要回答这个问题，我们首先来看一下企业的本质。
其实每个企业都只有两面：供应面和需求面。供应面是企业如何完成产品或提供服务，属于企业可以控制的一面，在这个面上企业的重点是控制成本和提高效率。需求面是企业无法掌控的，我们可以尝试所有的方式去接近客户，但最终是由客户或消费者决定是否对我们提供的产品感兴趣。客户购买符合自己需求的产品是由于喜欢企业推出的广告，还是产品的价格有吸引力，或者口碑传播，或是这些因素兼而有之，还是可能有上百种因素共同影响？这方面孰因孰果始终很难确定。
既然需求面无法掌控，同时企业又必须去了解消费者的偏好，那么对消费者进行研究就是我们分析需求面的重中之重了。传统的消费者研究方法，例如问卷调查，最大的问题就是以几千人的信息作为营销决策的依据，以偏概全。而大数据工具可以做到用几亿消费者的信息来分析，并且对任何一个消费者的特征都可以做出单独画像，甚至可以做到比消费者自己还要了解自己的需求和心理预期，从而真正实现对消费者的精准+个性化+互动的营销。
大数据的商业价值在哪里
对于普通人来说，大数据似乎相距甚远，但它的威力无所不在：信用卡公司追踪客户信息，能迅速发现资金异动，并向持卡人发出警示；电信公司追踪客户行程动态，区域化推送有关旅游或商务信息；航空服务公司适时发送航班延误信息……这些都与大数据有着千丝万缕的关系。
有统计显示，过去两年里全球积累的数据量超过以往所有历史的总和，并且还在以每年40%的速度增长。也就是说，全球的数据总量每两年就可以翻一番。
庞大的数据中到底蕴藏了什么价值？它的存在又有什么意义？这就要看企业如何利用它。数据中所包含的信息有很多，而最具商业价值的就是和消费者相关的信息。如果可以搜集到精准的消费者信息，那么就可以为他们定制更加个性化的服务。当然，不是所有的消费者数据都视如珍宝，姓名、性别、年龄，甚至收入，都算是过时的信息。说其过时，并不代表它们没有价值，而是诸如此类的基本信息很容易获得。信息是流动的，也是变化的，企业只有获得动态信息才是最有商业价值的。动态信息可以帮助企业了解顾客的消费习惯，比如他们喜欢网购还是逛商场，喜欢白天购物还是晚上购物，他们的消费理念有什么区别，他们会在什么时候做出非理智的决策。
理想的精准个性化营销是什么
要想制定理想的精准个性化营销方案，企业必须掌握两点：一、通过大数据充分挖掘消费者的特征，对几亿的消费者描绘精准个性化的画像；二、合理地掌控和设计针对单个画像的方案。
了解用户个性，就是要为用户提供他们想要的产品和服务。首先，企业需要在庞大的数据库中，找出最具有含金量的数据；其次，把数据表现相同的消费者分为一类，依据消费者数据表现设计有针对性的方案。虽然方案的关键是有没有抓住最核心的数据，但另一个值得思考的问题是：通过数据分析所归类得出的人群类别太多，是否会导致管理成本增加，同时降低人员效率呢？
个性化分散的人群可大可小，大到一个有同样需求的人群，小到每一个消费者都是一个个性化需求个体。而过于分散的个性化方案，会增加企业的成本和管理的难度，所以要合理掌控和设计个性化方案。那是否需要考虑并不是所有提供的数据都应该将它们转化为方案？所增加的成本和实际收益是否成正比？如果成本的增加并没有换得更好的回报，那意义何在？
总之，实现个性化方案的最大难点，一是关键数据的可靠性，二是管理成本的可控性。具体来说，个性化服务设计的出发点就是对关键数据的分析，如果数据筛选和分析有误，那结果可想而知；个性化方案附带着各种成本的增加，比如数据管理。个性化方案在某种程度上只能以人群为单位，而非每一个消费者，同时必须考虑实际的成本投入和收益回报。
精准个性化营销怎么做
一、谁是你的目标消费者，现有的？潜在的？答案是：你不仅要寻找可以令你增加销量和利润的客户，而且要学会辨别哪些对你而言是最有价值或可能最有价值的客户，并在这个基础上估计现有客户和潜在客户的未来的终生价值。
二、收集和分析消费者的什么数据，动机？需求？为了让信息收集更有效，你需要深入了解你的目标客户想要什么、对什么感兴趣，并了解上述客户的心理。为此，你需要根据客户群体的需求或动机的相似程度寻找分类的方法，将客户分为不同的类别，打上标签。然后用大数据工具，帮助你预测客户会对你提供的哪些产品感兴趣，并探知客户内心的想法。
三、怎么找到消费者交流的渠道，搜索引擎，第三方数据？一般的传统方法，第一步是确认你想接触、关注、倾听、阅读以及使用哪些媒体，例如电视、广播、杂志、互联网。第二步是根据地理位置区分消费阶层，例如大多数中上层人士的居住地会集中在某些地区。而大数据工具可以帮你找到具体的单个消费者，可以通过你自己的网站，可以通过搜索引擎，可以购买外部数据库，可以借助广告网络和社交网络。这些数据都是人们访问时会留下并可以追溯的数据，可以更精准的对具体的个人特征进行画像。
四、为现有或潜在的客户交流需要投入多少资金？大多数公司并没有运用科学方法判断应该为营销投入多少，无论是一年只花几千万还是花几亿的公司都没有科学的评估。而大数据工具可以帮助你判断你的营销预算应该是多少，确定创造需要投入多少资金的最佳方案，然后在你确定预算后，帮助你了解怎么根据特定任务、地理位置和渠道分配这些资金。
篇2
【关键词】 大数据 精准投放 推荐平台 实时竞价
一、引言
“大数据”作为网络时代的信息矿山，无疑蕴含着大价值。目前，大数据比较明朗化的商业价值开发，发生在互联网广告精准营销领域。传统的广告营销，在经历了大众传播的喧嚣、分众传播的繁荣后，开始迎来新的变革窗口----针对特定网民的精准营销 （有人称其“个众传播”）。基于对记录着用户人口属性、兴趣喜好、消费习惯、价值导向等信息的大数据的挖掘，通过人群定向技术，向特定的某个用户传播极具 针对性的广告，从而降低广告的无效损耗，提升品牌的投资回报率（ROI），这是大数据在网络精准营销领域“闪出的一道金光”。
二、大数据营销概述
当代社会对互联网的普及及网络应用技术的快速发展，使得用户网络浏览的痕迹能够被分析、追踪等，企业或第三方服务机构为寻求咨询、策略、投放等营销服务而使用这些数据的行为，被称为大数据营销。大数据被喻为与蒸汽、电力、石油一样的重要自然资源，它改变了人们思考、决策和行动的方式，使社会变得更加智慧，使企业营销决策更加优化，被企业视为未来竞争优势的基础。
三、基于大数据的精准广告推荐平台
1、方案综述。针对互联网广告宣传需求多样化、客户行为碎片化以及渠道投放效果等变化趋势，建立以精细客户画像、智能精准推送、释放客户价值，融合用户、媒体、广告商为一体的互联网广告智能推荐平台。通过用户需求快速挖掘、用户信息安全保障以及互联网广告精准投放为核心建立适合大数据价值变现的互联网广告营销服务新模式。借助自身大数据分析系统和优势，搭建DMP客户画像平台，分析结果与互联网广告市场及公司对接，从而建立从“用户数据分析广告受众定位广告投放受众互动业务办理广告效果评估”的新型闭环广告整合运营平台。
2、精细客户画像。利用开放式大数据平台（平台计算资源+脱敏数据资源），实现合作方模型的加载、处理，输出个体（设备/人物）标签值。通过DMP平台的K-V接口提供高并发低时延的实时标签查询服务，标签内容来源于数据挖掘合作或独立第三方标签。标签结果数据分为两种：1）离线标签结果数据：移动和第三方合作方算法模在大数据平台分析处理脱敏离线数据后获取的离线标签结果，离线标签结果通常基于用户长时间的互联网行为习惯的积累。2）实时标签结果数据：移动或第三方合作方算法模型在大数据平台分析平台脱敏实时数据后获取的实时标签结果 ，实时标签结果通常基于用户较短时间（分钟级别或小时级）互联网行为的标签化描述。
3、精准投放。通过广告主和消费者行为以及独特的关键词自动定位技术来相匹配的相关词义和关键词，利用关键词定位可以帮助客户优化广告的效率，从而使广告转换率最大化。采用的协同过滤推荐算法针对用户的标签提出一组简洁有效的标签标准化方法在用户的新浏览行为聚类标签与标准标签之间形成映射关系，采用用户对标签的差异评分，以解决即时标签中存在的语义模糊、品牌差异等问题；使用标准化标签和用户的浏览行为作为建模数据，利用基于向量空间模型的表示法建立用户的偏好模型，保证用户偏好模型的质量；采用的用户的即时偏好算法和基于用户偏好模型的改进的推荐算法，能更准确地跟踪用户的实时兴趣，保证推荐的内容就是用户正需要的内容，以提高营销推荐的命中率。
4、实时竞价。实时竞价中整个涉及用户购买的所有数据信息都需要DMP底层提供。广告推荐平台通过对卖方提供的数据进行抽取、过滤、清洗、加密、分析、存储后，将卖方与买方的需求进行关联和匹配，并实时匹配买卖双方出价数据，支撑双方实时竞价。广告推荐平台会提供科学的精准算法及规则依据来协助买方（客户）和媒介执行机构（卖方）来判断何种用户才是高质量的，从而使广告推广的效果更加高效和精准。广告推荐平台除了提供用户基本属性如手机号、年龄、省市、职业、性别等基本属性之外，还特别关注用户互联网行为数据，包括位置行为、上网搜索行为、网页浏览行为、上网偏好、上网时间、活动轨迹等，通过大数据分析统计及算法建模后，提供用户精确化的互联网行为标签库。
结束语：大数据时代企业的营销管理模式正面临着机遇和挑战，企业在大数据环境里会不断地创造和革新出新营销模式和营销思维，它们符合时代的发展。利用数据驱动的广告策略，将数据提升到营销之前、之中来，就可以将效果监测转变为效果预测，让广告呈现在感兴趣的用户群体面前，实现真正意义上的精准营销。
参 考 文 献
[1]杨永强，大数据时代的应用研究[J]，电脑编程技巧与维护，2014（08）.
篇3
电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。
大数据在电信行业应用的总体情况
目前国内运营商运用大数据主要有五方面：(1)网络管理和优化，包括基础设施建设优化和网络运营管理和优化；(2)市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；(3)客户关系管理，包括客服中心优化和客户生命周期管理；(4)企业运营管理，包括业务运营监控和经营分析；(5)数据商业化指数据对外商业化，单独盈利。
第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。
(1)基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。
(2)网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。
利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。由于用户群的不同，不同小区对运营商的贡献也不同。运营商可以将小区的数据进行多维度数据综合分析，通过对小区VIP用户分布，收入分布，及相关的分布模型得到不同小区的价值，再和网络质量分析结合起来，两者叠加一起，就有可能发现某个小区价值高，但是网络覆盖需要进一步提升，进而先设定网络优化的优先级，提高投资效率。
德国电信建立预测城市里面的各区域无线资源占用模型，根据预测结果，灵活的提前配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，使得无线网络的运行效率和利用率更高。
法国电信通过分析发现某段网络上的掉话率持续过高，借助大数据手段诊断出通话中断产生的原因是网络负荷过重造成，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长；
第二方面，市场与精准营销。此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。
(1)客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。
(2)关系链研究。运营商可以通过分析客户通讯录、通话行为、网络社交行以及客户资料等数据，开展交往圈分析。尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户；或者分析社交圈子寻找营销机会。如在一个行为同质化圈子里面，如果这个圈子大多数为高流量用户，并在这个圈子中发现异网的用户，我们可以推测该用户也是高流量的情况，便可以通过营销的活动把异网高流量的用户引导到自己的网络上，对其推广4G套餐，提升营销转化率。总之，我们可以利用社交圈子提高营销效率，改进服务，低成本扩大产品的影响力。
(3)精准营销和实时营销。运营商在客户画像的基础上对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。如我们可以利用大数据分析用户的终端偏好和消费能力，预测用户的换机时间尤其是合约机到期时间，并捕捉用户最近的特征事件，从而预测用户购买终端的真正需求，通过短信、呼叫中心、营业厅等多种渠道推送相关的营销信息到用户手中。
(4)个性化推荐。利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知；或者在应用商城实现个性化推荐，在电商平台实现个性化推荐，在社交网络推荐感兴趣的好友。
第三方面，客户关系管理。此方面包括客服中心优化和客户生命周期管理。
(1)客服中心优化。客服中心是运营商和客户接触较为频繁的通道，因此客服中心拥有大量的客户呼叫行为和需求数据。我们可以利用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径、等候时长，并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据，建立客服热线智能路径模型，预测下次客户呼入的需求、投诉风险以及相应的路径和节点，这样便可缩短客服呼入处理时间，识别投诉风险，有助于提升客服满意度；另外，也可以通过语义分析，对客服热线的问题进行分类，识别热点问题和客户情绪，对于发生量较大且严重的问题，要及时预警相关部门进行优化。
(2)客户关怀与客户生命周期管理。客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。在客户获取阶段，我们可以通过算法挖掘和发现高潜客户；在客户成长阶段，通过关联规则等算法进行交叉销售，提升客户人均消费额；在客户成熟期，可以通过大数据方法进行客户分群(RFM、聚类等)并进行精准推荐，同时对不同客户实时忠诚计划；在客户衰退期，需要进行流失预警，提前发现高流失风险客户，并作相应的客户关怀；在客户离开阶段，我们可以通过大数据挖掘高潜回流客户。国内外运营商在客户生命周期管理方面应用的案例都比较多。如SK电讯新成立一家公司SK Planet，专门处理与大数据相关的业务，通过分析用户的使用行为，在用户做出离开决定之前，推出符合用户兴趣的业务，防止用户流失；而T-Mobile通过集成数据综合分析客户流失的原因，在一个季度内将流失率减半。
第四方面，企业运营管理。可以分为业务运营监控和经营分析。
(1)业务运营监控分可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。构建灵活可定制的指标模块，构建QoE/KQI/KPI等指标体系，以及异动智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。
(2)经营分析和市场监测。我们可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。过去，这些报告都是分析师来撰写。在大数据时代，这些经营报告和专题分析报告均可以自动化生成网页或者APP形式，通过机器来完成。数据来源则是企业内部的业务和用户数据，以及通过大数据手段采集的外部社交网络数据、技术和市场数据。分析师转变为报告产品经理，制定报告框架、分析和统计维度，剩下的工作交给机器来完成。
第五方面，数据商业化。数据商业化指通过企业自身拥有的大数据资产进行对外商业化，获取收益。国内外运营商的数据商业化都处于探索阶段，但相对来说，国外运营商在这方面发展的更快一些。
(1)对外提供营销洞察和精准广告投放。
营销洞察：美国电信运营商Verizon成立了精准营销部门Precision Marketing Division。该部门提供精准营销洞察(Precision Market Insights)，提供商业数据分析服务。如在美国，棒球和篮球比赛是商家最为看中的营销场合，此前在超级碗和NBA的比赛中，Verizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等；美国电信运营商Sprint则利用大数据为行业客户提供消费者和市场洞察，包括人口特征、行为特征以及季节性分析等方面。
精准广告投放：Verizon的精准营销部门基于营销洞察还提供精准广告投放服务；AT&T提供Alert业务，当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。
(2)基于大数据监测和决策支撑服务。
客流和选址：西班牙电信于2012年10月成立了动态洞察部门DynamicInsights开展大数据业务，为客户提供数据分析打包服务。该部门与市场研究机构GFK进行合作，在英国、巴西推出了首款产品名为智慧足迹(Smart Steps)。智慧足迹基于完全匿名和聚合的移动网络数据，帮助零售商分析顾客来源和各商铺、展位的人流情况以及消费者特征和消费能力，并将洞察结果面向政企客户提供客流分析和零售店选址服务。
篇4
关键词：大数据；房地产电子商务；精准营销
中图分类号：F27文献标识码：Adoi：10.19311/ki.16723198.2017.06.024
1大数据在房地产行业中的运用概况
我国房地产行业经过了数十年的发展黄金周期，伴随着大数据时代的到来，房地产行业在开发投资方面积累了城市地理位置，经济发展情况，城市规划和政策导向，投资在建和供地情况等大量历史数据。在大数据的背景下企业可以根据收集到的相关数据进行挖掘分析，以此来预测未来的供需情况，合理评估项目投资价值，提高开发决策的准确性。Google公司就曾利用搜索引擎录的相关数据，通过分析海量的关键词词，低成本高效率地预测了美国住房市场供需和价格等相关指数。
房地产行业的价值链主要是融资、拿地、设计建造、销售以及物业服务等几个环节。大数据时代的到来，为传统的房地产企业提供了新的视角。房地产行业迅猛的发展，开发和营销模式不断成熟和完善，但是在市场逐步趋向饱和，不确定性增大的情况下，传统的发展方式也遇到了瓶颈，经营风险扩大迫使不少企业转型以谋求新的利润增长点。在大数据的背景下，当地产企业可以深入分析挖掘到通过以往传统数据分析手段无法获得的各类有效价值，借此对房地产企业未来发展和经营做出更为迅速、科学、精准、安全的决策和预测。提炼大数据的价值并将其应用于房地产企业经营管理各个环节对于房地产企业未来发展至关重要。
2大数据背景下房地产公司精准营销模式
大型房地产公司为了获得巨大利润，需要最大程度的运用企业现有资源和投入资本，尽最大可能减少房地产企业管理运营成本，通过结合传统地产营销和电子商务地产的线上线下营销模式，在大数据的背景下，大数据技术支持和应用下，深入挖掘消费者的需求、意愿、行为以及心理数据，制定针对不同客户的个性化服务营销方案。
大数据背景下房地产精准营销指的是房地产企业依托互联网精准营销系统支撑，在准确进行房地产企业产品市场定位的基础上，以满足客户差异化需求、激发客户潜在需求为切入点，找准营销人群、配准营销策略匹配营销渠道、投准营销资源，其特点是针对性强、命中率高、效果更佳。该精准营销模式包含以下四个步骤。
2.1顾客需求及行为分析
顾客的需求及行为的分析主要是在大数据的背景下，大数据技术支持和应用下通过当下最流行的社交网络，购物，娱乐，团购网站以及传统的银行，公安，第三方公司等在线数据共享机制，对顾客消费需求，消费偏好，消费行为，消费心理，购买特点，购买能力，购买习惯以及情绪等数据进行分类存储和深入挖掘，将大众顾客以不同维度进行细分，得出每一维度顾客的需求特点，针对其特点制定符合其需求的营销方案，在对房地产企业产品清晰市场定位的前提下，在所制定的各个维度中寻找目标客户群进行进准营销，与此同时还可以深入挖掘潜在客户群，为房地产企业今后产品定位提供数据支撑。
2.2顾客个性化需求画像
由上节所知，通过对大众消费者的深入分析，为他们制定不同维度，将他们区分为不同的聚类群体，但不是所有聚类群体对都是房地产公司的目标客户。因此，我们需要在所有聚类客户中寻找具有购房能力且具有购房意愿的聚类群体做精准营销，将有购房能力无购房意愿和无购房能力有购房意愿的客户标注为潜在客户，由此我们便在不同维度聚类群体区分的前提下得出了不同条件下聚类群体的特征，以此作为顾客的个性化需求画像，为下边的精准匹配做准备。
2.3客户与产品的精准匹配
在制定完消费者个性化需求画像之后，我们将画像与房地产现有不同层次的产品特点进行贴合，将他们之中相同的特点进行精准定位，把消费者的个性化需求特点与楼盘产品的卖点相结合，最终锁定目标客户，进行精准营销。
2.4精准营销流程的支持
成功的精准营销需要决策，组织，计划，设计，运营以及现场实施等多个环节的共同作用，缺一不可，在制定出针对不同群体的个性化精准营销方案之后，营销团队需要通过现有资源和设备针对目标客户群进行精准营销，在售房中心，电话营销，短信营销等传统营销渠道的应用和拓展基础上，加入当前新型媒体的宣传，如微信营销，微博营销，社交网站营销以及直播互动营销等方式，锁定目标客户群，促使其产生购买欲望。
3大数据背景下房地产精准营销流程
在结合某房地产企业传统营销模式和现代电子商务营销模式的基础上，本文构建了大数据背景下房地产精准营销流程，如图1所示。
通过流程图我们可以发现，在图1的流程依旧是从消费者通过房地产开发商售楼中心以及大众媒体传播得到消息之后，进行电话咨询以及现场勘查最终促成双方交易的传统房地产营销模式，而图1的内部，是在大数据的背景下，大数据技术的支持以及应用下所形成的精准数据信息流程，接下来我们将主要分析细化大数据背景下房地产精准营销流程。
如图1中间部分所示，我们将图中间部分的数据库，数据中心以及电商部三个部分组合起来，所形成的一个整体被称为精准营销的大数据中心。整个大数据中心由企业的信息技术团队，营销团队以及服务团队共同合作建立，大数据中心通过制定相关算法并对数据库中的数据进行结构化整合归类，方便后期进行数据调取及分析，同时进行深入分析和数据挖掘，提炼数据的潜在价值，为企业的精准营销提供有力的数据支撑，大数据中心主要有三个功能：
第一个功能是数据收集功能，房地产电子商务平台。首先，整合分类已在房地产平台注册过的用户个人基本数据资料，讲这些资料放入大数据中心的数据库中等待进一步的数据处理分析和数据挖掘。其次，大数据技术支持和应用下，通过对社交网络，购物网站，娱乐中心，团购网站等数据的搜集，对时下最流行的手机通讯类软件，娱乐，购物，地图，旅游类APP以及直播平台直播APP数据的搜集，以及对传统的银行，公安，第三方数据应用公司等数据的收集，将这些不同渠道搜集起来的消费者数据进行整合分类，存储在数据库当中有待进一步的分析与挖掘。最后，还要将房地产电子商务客户服务呼叫中心针对已达成交易的客户咨询问题和疑问进行归类存储放入数据库当中。通过以上三个方面针对售房企业，地产消费者以及购房业主的数据搜集为下一步数据分析提供了有力的先决条件。
第二个功能是数据分析功能，将上一节中从三个方面搜集而来的数据从数据库中调出，设计相关算法构建模型进行测算，通过大数据技术的应用深入挖掘顾客消费需求，消费偏好，消费行为，消费心理，购买特点，购买能力，购买习惯以及情绪等特点，并建立不同纬度将客户进行分类，如图2所示，我们将数据库中的消费者基本数据根据客户年龄，婚姻状况，收入，职业教育情况，现有住房等基本维度进行分类，再根据房地产电子商务数据中心所传回的买房者电话咨询情况，网络搜寻情况，实地考察情况等维度进行整合，再加入已经有房的业主针对房展会与房交会的关注情况构建模型，由于数据量庞大，不仅有定性数据，还有定量数据，所以，我们将划分为不同维度的定性定量数据运用聚类模型，层次分析模型，因子分析以及分佣员确治龅榷嘀址治瞿P徒行整合，编写D-SOM算法进行分类提取，并利用K-means聚类算法和Kruskal-Wallis算法检验D-SOM算法的有效性和合理性，对各种维度的聚类数据进行数据的反复验证，凡是验证通过的聚类数据将进入下一部数据匹配过程，验证不通过的数据将返回数据库中等待下一次聚类分析验证，由此不断循环分析所得的聚类数据，为下一步消费者个性化数据与房地产公司现有房源信息匹配做准备工作。
第三个功能是数据匹配和传递功能，我们将房地产现有房源信息以及不同房地产公司的数据进行分类，对外部环境因素如区域位置，交通状况，教育设施，医疗设施以及生活配套设施等进行分类，对房源信息因素如房屋面积，房屋户型，房屋价格以及日照和朝向分类，对品牌因素如地产开发商，地产建筑商，房租施工水品，物业公司等分类，把以上数据进行聚类整合，与上节验证通过的消费者个性化需求聚类数据进一步与房地产公司所提供的现有房源聚类信息进行组合和数据匹配，匹配不成功或匹配成功拟合度却不高的数据将被弃用，返回各自所在的数据中心进行下一次聚类拟合分析，而对于匹配成功且拟合度高的消费者数据，将被数据中心传递分配到电商部，如图1所示，接下来由电商部统一将精准营销的目标客户数据进行分配与传递，通过电话，短信，微信，直播互动以及互联网广告等传统和现代营销技术促使营销人员以最快的速度将包含顾客个性化需求的房源信息推送到顾客面前让顾客和消费者了解，产生购买欲望。
最后，通过营销人员与顾客之间的相互交流谈判达成交易，在达成购房交易之后，营销人员将交易数据与交易信息上传数据库中进行存储，而消费者在营销人员和数据的帮助下收获了房子，客户服务中心的服务人员将与房屋业主进行进一步深入交流，针对购房过程当中存在问题和建议，对所购买房屋的问题以及购房过程中服务人员和营销人员的态度和服务进行反馈，将这些反馈信息进行分类存储放入数据库中，这些
反馈信息价值巨大，通过设定新的算法有助于通过数据分析消费者心理，同时有助于提升公司的营销人员与服务人员的服务质量和服务态度，他可以帮助公司制定相关服务标准，并且起到对未来服务人员与营销人员态度和服务质量进行监督的作用。
4结论
大数据是信息技术领域的重大技术变革，未来社会数据量将与日俱增，这进一步加速了企业之间的相互竞争，房地产企业想要在这场竞争中存活下来，就要求房地产企业能够更准确、更快速、更加个性化的为客户和公众提品和服务，借助大规模搜集、分类和分析用户个性化的数据，借此对未来发展和经营做出更为迅速、科学、精准、安全的决策和预测。提炼大数据的价值并将其应用于房地产企业经营管理的各个环节对于房地产行业未来的发展至关重要。
本文通过对大数据背景下房地产精准营销的模式研究我们可以得出在大数据的时代背景下，传统的房地产营销模式虽然依旧保留，但是其营销业绩与营销效率已经无法跟上时代潮流，运用大数据技术进行数据挖掘分析的房地产精准营销模式已经势不可挡，成为了未来房地产营销行业发展的主流方向，未来社会中，房地产企业将更加注重大数据技术的应用与创新，通过数据挖掘与数据分析，最大限度拓展全渠道的房地产信息轰炸式营销，通过这种营销模式的有效运用，不仅能进一步促进单个交易日的销售额的爆发式增长，而且还有助于房地产企业自上而下树立优秀的品牌和企业形象，为房地产企业的发展提供更大的空间。
参考文献
[1]缪涛，洪建国，林波等.大数据在房地产市场分析中的应用[J].中国房地产：学术版，2016，（5）：2028.
篇5
而3G手机时代的来临，移动互联网营销为中小企业打开了一个新的窗口，手机这个平台便成为一种新的营销介质。以广告嵌入APP的“Admob”模式运营的无线营销公司已经出现了数十家。架势无线CEO叶忻表示，无线营销的优势在于能够聚焦产品需要的人群，投放精准，对于中小企业来说，其成本比互联网更加经济。
无线营销价格处在低位
智能终端的普及、App应用的全面火爆，对营销渠道产生了很大的影响。力美广告互动有限公司CTO邵植仁认为，在智能手机构筑的移动互联网新世界里面，传统渠道优势正在减弱，取而代之的是像Admob模式下的新平台。比如通过平台渠道将广告嵌入一些热门的App应用中。这种基于消费者完整数据的收集与分析，移动媒体不仅仅帮助广告主进行精准产品推广、品牌宣传和客户关系管理，更可以帮助广告主对其业务模式进行整合优化，成为广告主长期的营销平台。
百分通联高级副总裁王毓指出，移动互联网媒体在给客户做营销时，客户看中的价值，已经不仅仅是基于精准的营销，还有基于创意、帮助客户基于整合的营销效果最大化。那么为产品做有创意的无线营销如何实现?王毓拿出一个百分通联做的康师傅推广案例来说明。“酸梅汤和酸枣汁是很常见的饮品，我们认为必须出奇招，电视广告很难让传世新饮脱颖而出。我们首先为康师傅客户开发App，是一个游戏，目标受众在玩游戏过程中，不断看到康师傅如何酿造酸梅汤，以及画面表现不断勾起对儿时的酸梅汤的记忆。人们有反馈是想试饮，同样今年夏天比较当红的无线营销手段LBS，选择特定商圈，每签到一次集齐胸章，多款搜集才能获得赠饮，都是一个吸引80、90后很好的营销方式。”
“相比较大品牌，中小企业完全可以为产品或服务从客户端或者应用广告嵌入进行试水。”邵植仁告诉记者，现在他们能够为客户提供一整套的解决方案，这样企业可以直接进行推广，不需要再在技术或媒介资源上浪费成本和时间。
尽管无线营销每一个领域，包括移动广告移动互联网应用等都在增长，但关键的一点是，它们仍然处于早期发展阶段，如何做才能将广告主吸引到这个全新的营销平台?
3G门户首席营销官张抛出了移动互联网的KEY营销概念，即“移动互联网整合营销解决方案，KEY Marketing营销理念，以用户的位置信息、机型、时间信息为基础，结合用户个人习惯信息，通过再现用户的状态、分析用户需求，可以为企业提供一幅轮廓清晰的消费者素描画像，找到互动、精准营销的钥匙”。尽管无线营销掌握了新的更加精准的用户信息，但是传统品牌主很多仍处于谨慎观望状态，所以其价格仍处于一个合理的区位，对于中小企业较早进入尝鲜是个比较好的选择。
商业模式制约发展前景
移动互联网营销有广阔的前景，但是其所面临的问题依然是盘子不够大，不被传统广告主所认可。邵植仁提到，移动互联网这座金矿现在还处在开采的初期，不少品牌客户今年已经开始加大移动互联网广告的投放，而广告商们也在找很多方式来实现与用户的互动，比如力美通过其开发的游戏设置互动环节为赛百味做推广。
移动互联网在传播上具有及时性、高传播性的重要特性，更重要的是，它可以不局限于人们的时空位置，任何一个时间地点都有可能触发社交，会出现更多维度的移动互联网信息流的产生，通过社交平台上的结合，创造出更多应用。
尽管如此，易观国际分析师认为，阻碍手机广告市场发展的因素主要包括：缺乏成熟的商业模式，当前广告主、广告商和无线媒体等产业链参与者的不同组合构成了多种商业模式，其可行性和赢利前景都有待实践验证，市场需要一段时间进行摸索和实践。其次标准化程度低，对于不同形态的无线广告，目前尚没有一套全国通用的标准，将使得不同形态、不同提供商之间的广告互不兼容，加之手机型号、操作系统、屏幕大小千差万别，制约广告内容市场的发展，同时也直接影响用户体验。
篇6
关键词：大数据 数据安全 安全分析 安全技术 安全防护
1 引言
随着大数据技术日益发展成熟，运营商通过多年的发展积累了庞大的数据资源，基于数据资源方面的显著优势，在确保数据安全使用的前提下，积极开展大数据外部旅游、交通、政府、地产、人力资源、汽车、公共服务等行业的营销实践，可实现大数据经济效益和社会效益的双重提升。
《中华人民共和国国民经济和社会发展第十三个五年规划纲要》明确指出，要“实施国家大数据战略”，“加快推动数据资源共享开放和开发应用”；要“加强数据资源安全保护”，“保障安全高效可信应用”。国务院颁布的《促进大数据发展行动纲要》提出，要深化大数据在各行业的创新应用，同步建立健全大数据安全保障体系，切实保障数据安全。
但是，随着运营商大数据应用需求的快速增加，其面临的安全风险也在不断增大，为贯彻落实国家的相关要求，确保运营商大数据安全风险可管可控，在确保安全的前提下发挥数据价值，开展运营商大数据安全管理策略研究，对实现运营商大数据安全管理具有重要的意义。
2 运营商大数据全生命周期安全管控
运营商建设大数据系统通常分为五个层级：
（1）数据采集层：主要是对移动通信网络、家庭宽带网络、集团专线网络的网络设备及业务平台侧进行数据分光复用、流量镜像等配置操作。
（2）数据处理层：基于服务器资源对传输过来的原始数据进行解析，生产准实时数据，其中包括位置数据、通话数据、漫游数据、上网数据等明细数据。
（3）数据标签层：根据上层应用功能需求，对数据处理层生成的基础明细数据进行建模，生产满足各个应用场景的小时/日/周/月宽表数据和用户画像标签。
（4）功能模块层：为支撑各种不同行业产品的需求，需要提供对外数据推送的OpenAPI接口，实现与外部需求系统的协议适配、准实时推送、定时分发和实时查询等功能。同时对外输出分析报告、数据产品和行业解决方案。
（5）行业应用层：根据行业特征和需求，针对客户、产品、服务等方面进行分析研究，并输出大数据开放接口、大数据分析报告、大数据解决方案及大数据产品，提升客户在各行业进行业务管理、产品运营、精准营销等方面的能力，实现运输商大数据变现。
基于运营商大数据系统建设的五个层级，构建大数据全生命周期安全管控如图1所示。
对于运营商大数据全生命周期安全管控，需要建立数据采集、传输、存储、共享、使用、审计、销毁等七个环节的端到端安全管理体系。
（1） 采集环节
在数据采集过程中，应确保数据采集和处理均在运营商机房内，确保核心数据不出机房。采集所使用的分光器应在建设时做好包括端口、位置等信息在内的记录，并定期开展审计。
（2）传输环节
针对跨安全域传输等存在潜在安全风险的环境，应对敏感信息的传输进行加密保护，并根据数据敏感级别采用相应的加密手段。对于目前已使用的未进行数据加密传输，应令厂家尽快加入加密模块，并在传输两端协商好加解密算法与密钥，密钥应做到定期更换。
（3）存储环节
针对存在潜在安全风险的存储环境，例如hadoop中的数据库、磁盘阵列等，应对大数据中的敏感信息加密存储，确保其保密性，保障数据完整性，做好数据容灾备份。
建立从设备到操作系统、从平台应用到数据库、从业务到数据等多角度的容灾备份方案，大数据安全管理员从应急预案、风险检测、实时预警、风险遏制、问题根除、系统恢复、跟踪总结各环节建立落实大数据安全事件应急响应方案，定期开展演练。
（4 ）使用环节
大数据平台的所有设备及平台应用必须全量接入安全审计系统，并实施绕行访问控制，禁止直连访问。对涉及用户身份、位置等敏感信息提取的操作采用“金库模式”管控。对用户敏感信息进行对外查询、展现、统计、导出等操作时，必须首先经过模糊化处理或脱敏处理。
（5 ）共享环节
针对跨部门的大数据共享，通过保密协议等方式明确数据共享双方应承担的安全责任、应具备的数据保护手段、限制数据使用范围和场景等。一切离开大数据平台的敏感数据都需要先进行加密，确保未授权的人员无法访问其内容。
（6）审计环节
用户登录大数据平台后的任何操作必须有详细的日志记录，日志log文件中应至少包括“何时、何地、何账号、何操作”，涉及大数据的具体操作，日志中还应该记录关键字段名称。
（7）销毁环节
涉及用户敏感信息的大数据平台下线或分析工作结束后留在系统内部的敏感信息，应采用技术手段删除，确保信息不可还原。对于分析工作结束后留在系统内部的敏感信息，应根据数据需求工单中的数据有效期进行销毁。
3 构建统一客户敏感数据管理
运营商大数据涉及到用户的行为特征，可以分为敏感数据和非敏感数据。敏感数据是不可下载本地系统进行操作，只允许在统一客户敏感数据管理平台中对其进行直接操作，而非敏感数据是可以下载本地进行操作，非敏感数据的下载只允许通过数据提取系统进行下载。统一客户敏感数据管理系统架构如图2所示。
在市鲂枨笕嗽碧岢鲂枨蟮ブ后，数据分析接口管理人员必须能够识别是否为敏感数据和非敏感数据。
3.1 非敏感数保护原则
（1）市场营销人员提出需求单，数据分析接口管理人员把此需求单定义为非敏感数据后，数据分析人员把分析的结果上传到数据上载区的非敏感数据区。
（2）数据分析人员把非敏感数据区的数据上载到数据提取系统中。
（3）审核人员对此需求单的数据进行审核。
（4）市场营销人员通过数据提取系统下载非敏感数据，整个非敏感数据流向都需要日志审计。
（5）数据上载区的非敏感数据区只有数据分析人员有读、写、删等权限，其它人员无任何权限。
3.2 敏感数据保护原则
（1）市场营销人员提出需求单，数据分析接口管理人员把此需求单定义为敏感数据后，数据分析人员把分析的结果上传到数据上载区的敏感数据区。
（2）由数据分析人员把敏感数据区的数据放置审核区。
（3）由审核人员进行审核审核区的数据之后，放置个人工作区。
（4）市场营销人员直接操作个人工作区的数据，也可放置该数据至共享工作区，以便其它市场营销人员访问。
（5）数据上载区的敏感数据区，仅仅只有数据分析人员有读、写、删等完全控制权限，其它人员无任何权限。
（6）审核区仅仅只有审核人员有读、写、删等完全控制权限。
（7）数据操作区的个人工作区，市场营销人员分别对自己的个人工作区有读、写、删等完全控制权限，而审核人员对个人工作区有写权限。
（8）数据操作区的共享工作区，市场营销人员仅仅对该部门或者该单位的共享工作区有读、写、删等完全控制权限，但是无上一级共享工作区的权限。
3.3 敏感数据使用原则
（1）获得授权的用户（数据提取人员、审核人员、市场营销人员），必须在系统安全域中分配相应的账号和密码。
（2）数据提取人员遵循的原则
数据分析人员只能通过专有的无盘瘦客户端登陆到应用交付系统进行正常业务工作，该无盘瘦客户端无硬盘、光驱及USB接口，无法将数据复制到本地。
数据分析人员在数据提取系统接到需求单时，需区分该需求单得出的数据是敏感数据还是非敏感数据。
数据分析人员在后台业务数据取得数据以后，必须把该数据放到数据上载区，建议把敏感数据放到数据上载区的敏感数据区，把非敏感数放到数据上载区的非敏感数据区。
数据分析人员在数据管理服务器上，非敏感数据区的数据只能上传至数据提取系统中，以给审核人员进行审核。
数据分析人员在数据管理服务器上，敏感数据区的数据只能上传至审核区中，以给审核人员进行审核。
（3）审核人员遵循的原则
对于非敏感数据，审核人员登陆数据提取系统，根据数据提取人员上传的数据进行审核，审核通过后，由市场营销人员下载到本地（此本地为市场营销的办公电脑）。
对于敏感数据，审核人员进入数据管理服务器的审计区，对该区的数据进行审核，并根据该数据的需求人把数据上载到个人工作区（需求人工作区）。
（4）市场营销人员遵循的原则
对于非敏感数据，市场营销人员登录数据提取系统后，下载已经审核通过的非敏感数据至本地，然后在本地对非敏感数据进行操作。
对于敏感数据，市场营销人员通过应用交付系统进入数据管理服务器的个人工作区，然后直接对敏感数据进行操作。
敏感数据需要进行共享，则必须由市场营销个人把数据从个人工作区拷贝到共享工作区中，然后其他营销人员进行拷贝或者直接进行操作。
4 大数据安全事件闭环管控
4.1 建立大数据安全事件闭环管控流程
大数据安全从检测、响应、恢复及加固四个环节开展大数据安全事件的全流程管控。
（1）建立大数据系统的安全属性库，考虑系统的可用性、完整性和保密性，针对系统的弱点属性如系统漏洞信息、安全配置信息等，进行完整记录和及时更新机制。
（2）建立必要的大数据安全防御手段，包括防火墙、入侵防御、防病毒、终端管理、上网行为管理、数据防泄漏等。
（3）发生安全事件时触发预警/告警，安全监控人员及时进行数据采集解析、事件识别、实时数据分析、历史数据分析，进行事件溯源，并启动工单系统，生成安全事件工单，派发相应运维人员处理。
（4）安全运维人员开展事件处理、系统加固、安全策略调整，实现大数据安全的闭环管控。
大数据安全事件闭环管控流程如图3所示。
4.2 建立大数据安全事件快速分析能力
大数据安全事件发生后的首要任务是及时开展安全事件的分析，具备完整、及时的安全数据分析能力是缩短安全事件的处置、减小损失的关键。
（1）建立全面、及时的安全数据的搜集。通过SNMP、SYSLOG、Agent、Netflow、API接口、数据库接口、FTP、HDFS、KAFKA、端口镜像、Netflow等数据源接口对网络设备、安全设备、应用系统、中间件、主机、数据库等开展数据采集。
（2）数据解析处理：通过安全数据字段的识别、时间字段侦测、时间同步等技术提升数据的解析成功率。
（3）建立数据关联分析模型：基于Spark Streaming技术对系统采集的实时数据流进行关联分析，关联的模式包括统计关联、设备关联、信息关联、模式关联、漏洞关联、策略关联等，并内置安全关联规则。
（4）用户行为画像：建立特定用户的画像，包括其合法行为白名单和行为基线。通过用户行为分析引擎侦测用户的异常行为，例如异常时间、从可疑位置登录，或是访问和平时完全不同的数据或稻萘浚或是把数据上传至公司外部的可疑地址，提供可疑用户最近的所有行为给安全管理员进行进一步的详细调查。
（5）建立分等级的告警规则：根据监控内容，对不同设备和系统的异常情况进行告警，并对告警进行分类，例如高级告警、中级告警等。制定监控告警生成事件的规则，如主要告警可以生成安全事件进行跟踪和处理。
常见的高级告警：违规安全软件、违规登录系统、终端数据泄漏；中级告警：违规上网访问、密码未定期更新、终端病毒感染、K端恶意扫描；低级告警：补丁未及时更新、恶意卸载软件。大数据安全分析能力模型如图4所示。
5 结论
本方案分析了运营商大数据发展的趋势，重点阐述了当前面临严峻的安全挑战，并为运营商大数据开展内外部变现提出了一种运营商大数据全生命周期安全管控策略，通过基于运营商大数据系统建设的五个层级，建立数据采集、传输、存储、共享、使用、审计、销毁等七个环节的端到端安全管理体系。
运营商大数据由于涉及到用户敏感数据，一方面可以建立统一客户敏感数据管理平台，对数据进行分级管理，定制差异化审批审计流程。另一方面从检测、响应、恢复及加固四个环节建立大数据安全事件闭环管控流程，并提升大数据安全事件快速分析能力，将有效增强安全事件发生后的应对处置能力。
参考文献：
[1] 中国移动通信集团公司. 中国移动大数据安全风险防控工作指引[Z]. 2016.
[2] 中国移动通信集团广东有限公司. 广东公司DPI（2/3/4G软硬采）数据安全管理规定[Z]. 2016.
[3] 王准. 大数据环境下数据安全策略研究[J]. 网络安全技术与应用， 2016（5）： 48-49.
[4] 李战克，丁梦娟. 大数据环境下的数据安全研究[J]. 信息安全与技术， 2015（6）.
[5] 陈左宁，王广益，胡苏太，等. 大数据安全与自主可控[J]. 科学通报， 2015（Z1）： 427-432.
[6] 陈立枢. 中国大数据产业发展态势及政策体系构建[J]. 改革与战略， 2015（6）： 144-147.
[7] 王倩，朱宏峰，刘天华. 大数据安全的现状与发展[J]. 计算机与网络， 2013（16）： 66-69.
[8] 王长杰，王卫华. 大数据时代下信息安全保护研究[J]. 清远职业技术学院学报， 2016（1）： 42-47.
篇7
一、中高端客户对我们意味着什么？
高价值：对公司的收入及利润起到决定性作用。约20%的中高端客户创造了80%的收入，一个超高端客户ARPU下降400元等于流失1个高端客户或流失2个次高端客户或流失3个以上中低端客户。
高影响：中高端客户一般是社会的中坚力量，影响力大。例如企业决策者。
高竞争：中高端客户是三大运营商争夺的主要焦点。
二、传统的外呼营销模式存在什么弊端？
1、“狂轰乱炸”式外呼：缺乏精细化的客户分群管理，以产品销售为主开展“扫荡”式外呼。假设公司有1000万客户规模，月均外呼产能200万，外呼传统外呼模式是先根据客户的ARPU等条件筛选符合办理资格的客户X万，第一个月外呼200万客户推荐A产品，第二个月外呼其余200万客户，以此类推，第五个月又重新外呼第一个月那200万客户推荐B产品，纯粹是用号码资源来反复做N轮不同的产品扫荡营销，客户“被打扰”的次数多，整体营销感知欠佳。
2、“一击致命”式营销：没有将营销环节的客户、业务、渠道三大要素进行整合，三者之间缺乏关联性。传统营销模式以二维适配为主，如产品与客户适配、渠道与客户适配。换句话说，“好的产品找到了对的客户”或者“客户找到了购买产品的渠道”，但这个过程往往需要投入较多的成本资源。
3、“单兵作战”式运作：渠道协同力度不够，线下与线上互动较少。传统营销模式如服务厅等线下实体渠道与网站、外呼等线上电子渠道平行运行，从客户角度来讲，只希望办理最优惠的方案，因此各个渠道之间为促成指标的达成会分立太多差异化的渠道策略，这样渠道与渠道之间形成“抢客户”的非良性竞争环境，从公司来讲需要面临策略非一致性带来的投诉压力。
三、中高端客户看管模式探索
（一）看管模式
以“小团队”为单位，常年看管“指定小群体”客户，对客户各个阶段的业务发展需求、客户稳定性、客户价值提升等结果指标负责。
（二）看管思路
根据客户生命周期理论，将中高端客户的看管分为“前一中一后”三个阶段，“客户细分”一“看管实施”一“跟踪反馈”，实施全流程闭环管理，实现客户保有及捆绑。
（三）看管流程
首先，在CPC精确营销理念的指导下从客户入网、在网、离网三个阶段着手，适配业务策略、布放渠道和运营落地机制。突破品牌型客户划分模式，细分客户标签，通过客户的合约捆绑状态、消费能力、通信行为、生活圈子、渠道偏好、终端倾向率等海量特征信息给中高端客户群体画像，设计整个生命周期对于产品及服务的规划。
其次，通过“五全”手段的实施达到提高营销成功率、降低企业成本的目的。主要包括：全渠道联动营销：以传统渠道为主，新媒体渠道为辅，拓展双微渠道，加强020联动，提高精确营销效率。目前短信、WAP、微博、微信、彩信、WEB、12580、服务厅、合作网点、全员十大核心渠道协同联动，全月可提高10%的销售量。全业务整合销售：一通电话多项产出、一通电话多个选择、一通电话多个目的；全电子支付推荐：100%业务销售首推银行卡托收、电话在线支付、网银支付手段，提高信息化手段使用力度；全流程跟踪反馈：开展电子支付率、配送妥投率提升工程，进一步提升订单履行效率，全年配送成本可节约上百万元；全员计件式薪酬：以薪酬趋向为导向，采用销售业界普遍的“底薪+单量提成”考核模式，刺激员工销售激情，实现企业与员工双赢。
篇8
腾讯视频依托于腾讯庞大的用户基数，并且拥有腾讯门户网站的媒体基因，是视频网站中名副其实的“大众媒体”。自2011年4月上线以来，腾讯视频就凭借非常规的“弯道超车”策略，成为覆盖第一、成长速率第一、专业视频第一的视频网站，改变了视频行业原有的格局。而作为营销平台，腾讯视频也拥有独特的优势。
大平台放大营销效应
俗话说“背靠大树好乘凉”，7.84亿的QQ活跃账户，以及与此相关联的QQ空间和腾讯微博，就是腾讯视频背后那棵提供大片绿荫的大树，这是其他垂直和门户视频网站无法企及的，自然成为腾讯视频最大的优势。依托于腾讯的大社交化平台，腾讯整合腾讯网、腾讯微博、QQ空间、腾讯无线等跨媒体平台，打造V+平台，对腾讯视频的内容进行无缝式、立体化传播，形成视频资讯化、视频社交化和视频互动化的独特营销模式。
“目前腾讯有流量第一的门户、QQ、微博、微信、QQ空间等众多平台，每个平台都是超过十几亿的流量，怎么让这些平台变成我们优秀内容的触发和营销渠道，产生平动效应，是腾讯视频差异化的重点。”腾讯在线视频部总经理刘春宁说。
基于V+平台，腾讯视频为广告主提供了多种解决方案，例如类电视投放方案，提高品牌曝光率，实现目标受众最大触达；主流媒体投放方案，借助媒体公信力提升品牌信任度；社交分享方案，利用腾讯社交网络进行口碑传播。“腾讯视频能通过多平台、多终端，全天候以不同的内容方式触达用户，从而发挥媒体独特的影响力。”通过V+平台的整合效应，品牌价值和传播效率得到放大。
网页版与客户端双平台共同发挥作用是腾讯视频“大平台”的另一个层面。目前，视频网页端与客户端是同样重要的视频观看方式。广告主在衡量一家网络视频媒体的价值时，会将其在网页端与客户端的数据整合到一起衡量。刘春宁表示，2013年腾讯视频将继续发挥网页版与客户端双平台优势，帮助广告主开展双平台整合营销。
大资源丰富营销模式
网络视频行业的竞争归根结底是“内容为王”，不仅内容要足够多，还要足够精。
腾讯视频以巨大投入购买资源，进行内容建设。腾讯视频还是全网唯一包揽欧洲六大顶级足球联赛的线上媒体，2012年年底还引进了台湾最火的综艺节目《康熙来了》，每日同步播放。腾讯视频继承了腾讯门户的媒体基因，30%左右是新闻资讯、体育、综艺娱乐、财经等具有极强媒体属性的专业视频，在专业视频领域的渗透率排名第一。
此外，大剧运营和原创自制内容也是腾讯视频着重突出的差异化优势。刘春宁说，2013年，腾讯视频推出“绽放2013”全年播出计划，实施100+100战略出品计划，预计将覆盖80%的一级卫视剧目，月月有独家播出；同时，引进美剧、韩剧等海外优质资源。腾讯视频陆续推出《某某某》、《爱呀幸福男女》等独家原创自制节目，播放量多次打破原创节目纪录。
目前，视频营销模式变得多元化，除传统的贴片广告、冠名之外，还有品牌植入、品牌微电影等。其中，仅品牌植入就有多种形式，如在视频中植入品牌形象，或是访谈类节目配合品牌植入讨论话题，或为企业定制节目内容，等等。
如今，腾讯视频已开始尝试内容植入式营销，根据广告主的需求定制节目，从而最大程度地满足广告主的差异化营销需求。腾讯视频与上海大众合作，首次以纪录片形式进行视频营销，植入桑塔纳品牌，这种新的营销方式将品牌与产品理念置于故事情境中以“润物细无声”的方式传递给用户。腾讯视频还与川制作合作，为联想拍摄系列微电影，在微电影中植想品牌，开拓了微电影营销新的领域。
大数据实现精准营销
可定向目标用户是视频广告相对于传统广告的最大优势。视频广告定向以大数据为依托，数据越丰富，定位越精准。
“腾讯有着14年积累下来的数亿级海量用户数据，通过用户画像系统，可以准确分析用户属性。腾讯视频在庞大的用户数据基础上，通过对用户年龄、性别、地域、上网场景、时间、内容偏好的定向分析和数据处理，为广告主提供精准定位和投放导向，因此我们的贴片广告价值高于竞争对手。”刘春宁说。
“今天每个人打开腾讯视频的页面可能80%是一样的内容，一年后也许50%是不一样的，因为有一半内容是你自己定制的，或根据你的喜好推荐给你的，这一趋势非常明显。消费者洞察是视频行业未来5到10年的发展目标，其发展依靠洞察数据进一步的整合。我们的内容定制、原创以及投资，都是根据用户数据的深度挖掘而来的。”对用户喜好的内容实现定制化，意味着能实现广告的精准定向投放。
篇9
不过他似乎并不适合这份工作。他的同事每个季度能找到3个不错的公司，但是他却一个都找不到。杨文杰评价每天的工作像“大海捞针”。而作为一个外来客，他又缺少很多美国人自带的优势。“如果在国内，我认识一些公司的高管，也许聊一聊就会知道一些新的东西。”不过即便如此，做法也是非常随机的。
杨文杰需要找到一种持续高效收集信息的新方法，他想到了之前在摩根大通工作时接触到的一家公司。这家公司用爬虫去分析全球的新闻数据，然后把这些数据卖给一些金融机构，给它们提供一些情报和信息。这家公司当时让杨文杰非常感兴趣。
私募公司大多是通过人力来寻找值得投资的项目，并不会特别招聘数据科学家或者工程师，或者借助爬虫和模型来收集和分析数据。虽然没听说身边有谁在用这个方法，但杨文杰决定尝试一下。
结果非常出乎他的意料。这次他完成了一般投资经理数倍的工作量，业绩由倒数第一变成了正数第一。机器的高效让他完成了不可能完成的工作任务。通过爬虫技术，杨文杰找到了一些媒体没关注到、位置有些偏远的公司，并发现了它们的成长迹象。之前有过两次创业经历的杨文杰敏感地意识到这是一个好的创业机会。而继续在公司里待下去，技术的归属权很可能就会被公司收走。 >> 联合创始人汪超（中）和北京办公室团队，EverString去年8月将业务拓展到中国市场。
杨文杰很快离开了公司，并联系上了大学时的好友汪超。2006年汪超和杨文杰有过一次共同创业的经历，彼此非常熟悉。当时在国内一家投资银行任副总经理的汪超，同样看好这个方向，于是决定辞职和杨文杰一起创业。2012年年底，二人创立了公司EverString。
EverString现在是一家通过人工智能技术和高效的算法来帮助企业挖掘精准客户，提高销售效率的公司，目前客户主要在美国，包括微软、IBM和McAfee等。这些企业级客户基本都会使用CRM（客户关系管理系统）在销售过程中梳理客户信息。EverString一方面对接CRM数据，通过提取数据和建模，得到精准的客户画像。另一方面，EverString在互联网上抓取了1100万家公司的信息，再将这些信息和客户画像匹配，来判断哪些用户的转化率比较高。
在公司创业初期，他们的目标客户是风险投资公司。EverString创立后很快拿到了真格基金、红杉资本等机构的150万美元的天使投资。这个时候，杨文杰也没太想明白公司的具体方向是什么―至少还可以做本行，毕竟现在他能组建一个以一当九的投资经理团队。
拿到了投资，杨文杰首先想到的是如何优化算法。斯坦福MBA的身份让他相对容易地接触到了学校里一些研究算法的博士。在产品研发阶段，杨文杰天天和斯坦福的博士们待在一起，研究怎么才能利用算法更好地收集企业信息。有了好产品自然就会有人埋单，他一开始是这样想的。
然而事情没有像杨文杰想象的那样顺理成章。
在产品上线后的5个月中，杨文杰四处去拜访客户，但却没拿下一个订单。投资公司希望获得和EverString独家的合作机会，但EverString找到的有潜力的公司并不完全适合某一家风投。“比如经纬最近投B2B很多，红杉最近投O2O很多，可能我们同一个项目，红杉的打分就比较高，经纬的打分就比较低。”杨文杰想要更好地了解不同投资公司的投资偏好，提出能不能通过机器学习的方法先研究一下以前投资的案例，这样就能更好地完成推荐。但是，没有一家投资公司能给出这样的机会，毕竟案例数据库对于投资公司来说太重要了。这让杨伟杰和汪超非常苦恼。
对于EverString智能推荐算法来说，关键就在数据的双向沟通，目标公司的成长信号只是收集数据的一部分，EverString还需要对投资公司内部的数据做研究。研究样本缺少，意味着杨文杰不知道每家投资公司的偏好，不知道把找到的公司精准地推荐给谁。
“那是我们最黑暗的时期，”杨文杰这样描述那段找不到方向的瓶颈期，“当时账上的150万美元都快烧完了，感觉已经坚持不下去了，不知道出路在哪儿。”
另外一个让杨文杰和汪超感到前途渺茫的原因是，EverString的潜在客户太少了。“有名的投资公司就几百家，每家付个几万美元，公司的成长空间非常有限。”EverString的联合创始人汪超说。
急需找到方向的杨文杰开始频繁地参加各种B2B峰会，希望能够得到一些启发。有一次一位嘉宾的分享给了他很大的启示。那位嘉宾演讲的主题是：“在没有一个销售人员的情况下，怎么做到两亿美元的收入”。演讲嘉宾有一个观点和杨文杰的想法相同，即外部的数据一定要和企业内部的数据结合起来，“B2B的创业一定要把产品植入到客户公司的工作流之中。”
这些话让杨文杰找到了方向。杨文杰给汪超解释了一下自己的思路，不给投资公司推荐成长型公司了，EverString应该转做B2B模式：分析公司原有客户的特征，再结合全球数据分析，给公司的销售推荐下一个客户，告诉他们给谁打电话，成功率会比较高。
汪超也觉得这个方向可行。在最困难的时候，俩人忽然觉得，也许黑暗的日子快要结束了。
接下来的事情比较顺利，投资公司似乎对EverString提出的提高销售效率的方法比较认同，有好几家公司都同意让他们试试。
McAfee是EverString第一个比较重要的客户。平均每一年，有100多万的潜在客户访问McAfee的网站，但是其中只有2万能最终转化成真正的客户。由于不知道哪些是真正的客户，销售人员只能将这100万个客户的电话都打一遍，McAfee想要更精准地知道谁才是下一个客户。杨文杰当初跟McAfee说，两个月内EverString会提供一套5万美元的方案，如果McAfee不满意，3个月内可随时解除合作。
一开始，整个团队光在建立模型上就花掉了47天，杨文杰需要不断和几位斯坦福的博士客户做沟通，然后不断调试算法与模型。建立模型是为了找到McAfee的客户究竟有什么特征，描绘出用户画像。模型建立好了以后，EverString就可以不断地获取McAfee所有的在线客户信息。通过把这些潜在客户和已有用户的画像比对，EverString能够说出这些潜在客户与目标客户的相似程度。据杨文杰说，3个月下来，EverString帮助McAfee把销售效率提高了两倍以上。
随着接触的公司越来越多，建模工程师们逐渐发现了不同公司内部数据的共性，其中很多功能都可以模块化。因此建模的时间就越来越短，由原来的47天、42天，缩短到了现在的30分钟。“最早我们只有一个模型，未来我们会有上百个模型，并且可以通过算法来选择哪个模型更好。”汪超对《第一财经周刊》说。
模型的数次迭代让技术层面的问题越来越少，然而最困难的部分就是让客户完全信任地将数据接入到EverString的系统。“因为我们的做法是需要客户把他们的数据给我们，让我们的引擎切入到他们工作流当中去，这样这家公司每分每秒产生的营销数据、Email数据，全部会传到EverString当中，”杨文杰说，“就像是在每个公司的大脑中插入了EverString的芯片。”这样的要求一开始势必让客户高度防备，因为这样做很可能导致数据外泄。有的公司甚至告诉杨文杰，会请黑客来测试他们的系统。
真正给EverString带来转折的是和微软Office 365小组的合作，对于当时规模非常小的EverString来说，微软是个巨大的品牌背书。
不过拿下这个大客户并不容易，因为EverString首先要做的就是接入公司的CRM系统来获取数据，这一点让微软很难接受。“当时我们也没有什么名气，只能去苦苦地求呗。”杨文杰说。在接下来的一段时间，杨文杰每天跑到微软去上班，就坐在销售旁边听他们怎么打电话、怎么去销售自己的产品，去了解他们究竟需要什么样的客户，然后一次一次地跟销售经理保证数据绝对不会外泄。最后微软的销售经理实在拿他没办法，终于松了口。不过让他在了解到客户信息之前，微软和EverString签了一系列非常严格的保密协议。
半年以后，EverString帮助这个团队把营销效率从原来的8%提高到了25%。
除了找到正确的方向，另外一件重要的事就是找人。由于两位创始人都是中国人，来EverString面试以后最终留下的大多数也都是中国人。而在市场拓展、销售产品上面，中国人还是缺少美国人自带的优势，会受到“外来”身份的影响。杨文杰找到了自己当初在私募公司的老板J.J.Kardwell，他同样也是EverString的天使投资人之一。杨文杰每过一段时间都会找这位前老板聊聊EverString的情况。两人再次见面的时候，杨文杰向Kardwell发出了邀请。
Kardwell随后放弃了年薪400万美元的工作，加入EverString，成为了公司总裁。Kardwell的到来帮助 EverString进一步打开了局面。他利用自己的人脉资源，将EverString推荐给了更多的500强公司，并且给EverString招到了第一个非华裔的营销主管和市场总监，现在EverString的美国公司里，除了工程师，绝大部分都是美国人。
2014年8月，EverString拿到了1200万美元的A轮融资，这轮融资主要被用于扩充工程师团队和销售团队。目前，EverString在美国和中国分别有两个团队，在硅谷主要是数据科学家和营销团队，在北京则是工程师团队。其数据科学家团队来自美国航空航天局、Salesforce和斯坦福PhD等，工程师团队来自Google京东等公司。
目前，EverString已经累计抓取到了1100万家公司的信息，“几乎把所有有英文网站的公司都覆盖了”。
除了推荐更精准的客户，EverString还尝试优化公司人的工作流程。通过对信息的智能处理，EverString能够分辨出不同事情的重要程度，并给出销售一些建议。每天早上销售打开电脑后，系统会自动弹出来当天要联系的客户名单。需要发给客户的材料已经准备好，只需要点击发送按钮。系统会在恰当的时间弹出提醒，告诉销售这个时间发过去的邮件最容易被打开。听上去这些功能和一些辅助工作的SaaS软件并没有什么不同，但是在使用SaaS软件的时候，用户需要自己将工作内容和工作计划填写到空白的软件里，EverString更偏向于自动收集邮件中的工作信息和各类数据，通过建模和分析以后给出合理的建议。
“有个含义很广的概念叫做算法经济，具体到EverString，就是利用算法帮助企业做更优的决策。”汪超说，“找到企业的痛点后，我们可以通过算法一个一个去打。最难的是怎么把芯片装到一个企业的大脑中去，获取所有信息。”汪超认为EverString已经通过“芯片”收集了足够多的信息，利用这些信息和高效的算法，他们还可以做很多事情。
篇10
山岸纪宽
电通安吉斯集团中国区首席执行官
于1982年加入日本电通株式会社，拥有超过30年的广告和传播经验。在专注于客户业务战略十多年后，2000年起，山岸o宽担任电通战略经营策划局部长，并于2008年升任局长。2014年，他升任电通安吉斯集团中国区首席执行官，负责制定电通安吉斯集团中国业务和文化的持续发展战略。2016年初，山岸纪宽被任命为电通集团执行官。
过去一年中，电通安吉斯集团（DAN）在数字营销方面持续创新，积极探索使用创新技术联结消费者和品牌。
在2016亚洲消费电子展上，我们以“Empower Our Extended Self”为主题，围绕自我延伸的设计理念展出了一系列创新消费电子技术，如结合了虚拟现实、机器人科学、人脸识别、实时情绪解读等最新数字技术的展品。以创新科技为例，包括机器人手机RoBoHoN、全球首款能够根据人脑活动对游戏进行定制化处理的虚拟现实眼镜BVRAIN等。这一年，集团成立了创新委员会，跨市场、跨部门之间协调最佳创新资源；并且设立了创新基金，投入于创新产品和服务的开发。同时，还成立了电通安吉斯数据实验室（简称“DADL”）。这个大数据平台能够整合在多个媒体平台上的各类信息，应用数据和技术能力与工具，通过商对于数据的分析和洞察，真实地还原消费者画像。DADL也将助力DAN在2020年实现全面数字化的战略目标。
在中国市场，大家对新事物新技术的兴趣度和接受度比较高，愿意主动尝试，给创新提供了很好的土壤。新技术迭出，我们要看到技术背后营销的无限可能性。如何判断新技术的价值？我们更重视的是它的发展前景，以及它与营销的结合是否能最有效地激发全新的价值，为消费者创造更好的体验，为品牌带来更好的业务表现等。
这需要更加全面的人才，全方位地思考如何联结品牌和消费者。为此，DAN建立了一系列人才培养计划，包括：1）电通安吉斯大学，这个集团内部设立的企业大学致力于培养面向未来、具备前瞻性思维和复合专业知识与技能的人才；2）Route 500，针对电通安吉斯所有员工的全球高潜质人才发展计划，为其成员提供电通安吉斯集团内，包括当地、区域及全球，一切有助于员工发展的资源，帮助员工发展领导能力，提升个人及职业发展速度，得以担当更高级别的工作。成员可以获得更多的发展机会、扩大视野和资源，得到职业发展的新机遇。
DAN倡导的是“Beyond advertising”，我们不仅仅是为客户做广告和传播，而是用创新的方式更好地联结品牌和消费者，努力培养帮助客户在数字营销方面胜出所需要的创新能力，并且为客户做出整体的解决方案。未来，我们将持续探索一切数字营销创新的可能。
2017营销关键词
在营销活动中，数据是尺度，也是整个行业甚至是商业进化的催化剂。除了收集数据之外，还要有效地整合和运用数据以提升商业价值。
不知不觉间互联网已经串起人们生活里的所有介质和终端，消费者在多渠道之间进行无缝切换。一方面如何将分散的消费者足迹勾勒出完整的消费旅程信息；另一方面如何运用创新技术更好地联结消费者与品牌，都需要营销人员能够打破壁垒、整合互通。
不论是手机网民的增长、移动电商的崛起，还是分享经济的发酵，生活越来越移动化，营销人员将更多地研究如何借助新媒体技术创造更有趣的移动端内容与消费者进行互动。而包括VR（虚拟现实）、AR（增强现实）这些新技术的升温也是跟移动端本身的发展有关系。DAN也将在这些领域持续探索。
案例工具书
