大数据下的数字营销的商业应用（二）：内容营销、ABM营销、广告精准投放

大数据营销是基于海量数据以及大量运算的一个技术实现过程。它通过获取多种维度的数据来源，能够更精确地描绘消费者的个体用户画像，因而能够实现精准营销。

基于大数据，营销获得了大量的数据资源，CMO可以和CIO并肩作战，建立基于营销的大数据库，收集包括个人空间日志、论坛帖子、社交网站内容、电子商务等数据。然后将这些大数据源放入营销模型中，用算法库的方法归类，进行数据计算，并在数据计算的基础上进行决策分析。至少从目前看，以下是典型的可以用大数据来升级营销的方向。

大数据应用:品牌内容营销

许多企业已采用了内容营销来试图达到部分营销目标。然而部分内容营销人员并不清楚自己应该发布哪些内容，或者他们误以为自己发送了正确的内容。结果没有办法获得目标受众的认同，又或者是在某个热点已经结束，目标受众已经对该热点产生疲倦感时，企业还采用该热点进行内容营销。更可怕的情况是受众感觉到自己被垃圾信息包围而产生厌恶感。

此时，企业有必要考虑一下在内容营销方面获得大数据技术的帮助:

目标受众在关注哪些内容?什么是当下互联网上的热点内容? 从哪些方面构建的内容会吸引、打动目标受众? 基于什么方式制作的内容会获得目标受众的主动转发和扩散? 选择的内容点与品牌特质之间是否契合?是否能让目标受众产生正面的反馈? 当前在执行的内容活动有哪些进展?如何评价该项活动的成效? 以上这些内容营销的关键点都可以通过对社交网络的声量数据抓取和分析获得结论。甚至，数据还能让内容营销者获得预知的能力。观察当前的互联网热点，通过设置部分指标，就能识别出有潜力成为下一波热点的内容，提前布局甚至成为主导者。

大数据应用:舆情监控与口碑探测

在绝大多数情况下，数字化时代给企业带来的都是有利的因素:更快的速度、更低的成本，更广的覆盖面。然而具体到舆情监控以及公关工作，负责人员可能就只想倒苦水。

因为在数字化时代，企业的负面信息也以更快的速度、更低的成本覆盖更广泛的受众。这给舆情监控工作造成了较大的困难。依托于大数据技术，这个问题将不再是困扰。

企业可以设置相应的关键词，比如品牌名、产品名、高管名，通过网络信息抓取，尤其是社交平台上的信息抓取及时了解自身的舆论动态。危机事件的传播往往会经历一个逐步放大再到爆发的阶段。

在传统方法里，往往只能事后处理，此时事态一般已发展到难以控制的阶段。而大数据方法能帮助企业在爆发之前及时发现端倪，实现事前“灭火”。

企业还可以做相关主题的历史和趋势分析，针对某个主题的数据可视化绘制相关主题演进关系图，分析这些主题随着时间产生的变化。

利用大数据进行舆情监控还有一个优点是自动化。以往的方法是企业需要设置一个专门的舆情岗位，由专人获取当前舆论的信息趋势。然而大数据往往是基于机器自动抓取来实现，在设定好相应的危机“阈值”之后，就能在发生潜在危机之前自动发送至负责人的邮箱或手机上。相比人工的方式，这样的方法更准确、更高效、更低成本。

大数据应用:社群发现与搜索

在商业世界的诸多领域中，颠覆式的分裂与解体正在悄然发生，在今天供给趋向无限可能的时候，伴随着传媒业的碎片化，消费者的各类原始需求几乎都能得到及时满足，派生性的超细分需求开始凸显。使得我们在进行目标市场选择的时候，开始出现新的变化，比如选择小众作为目标市场的营销正在兴起。

关于小众营销的战略实施框架，分为七个步骤，它们是“特定客群-快速链接-产品众创-圈层推介-跨群扩散-分项衍生-附加盈利”。（来源参考：KMG研究，全文见《小众营销》,王赛，陆玥灏）“小众营销战略”很重要的一步在于“横向链接社群”，这样可以通过相同类型的社群之间的链接扩展客户“鱼池”。企业利用移动互联网与特定人群进行连接，迅速与目标客户形成可以产生持续交流与交易的基础的社区。由于精准的界定了特定客户客群，企业可以通过多种渠道迅速实现连接，比如进入“水平鱼塘”，即从别的同等诉求的社区中找到客户。如计划登乞力马扎罗山的客群可以通过马蜂窝、豆瓣来连接，也可以自建社区，还可以通过搭载到平台的方式建立自身的社群。

大数据可以通过相关的算法发现这些类似的“鱼池”，这样就能针对相似的群体实施对应的营销活动。

大数据应用：广告精准投放

大数据技术天然地适合运用于广告的精准投放。大数据来源的多维度可以更全面地描述用户的行为轨迹，从线上的浏览数据、社交数据、交易数据再到线下的用户定位数据，几乎能够完整地描述单个客户的实体、数字世界的所有行为。

企业能够在任何瞬间向客户推送一致的广告信息: 查看智能手机、观看互联网电视、在计算机上发布社交内容，甚至投放到线下的公交地铁广告牌、户外大牌、电梯显示屏；大数据的及时性可以确保在很短的时间内就给客户推送他当前正在考虑购买的商品的广告信息；大数据的高精度可以帮助企业实现向每一个客户推送最契合他需要的广告内容。

由于移动互联网时代可以追踪到消费者的地理位置轨迹，使得广告精准投放可以进步落实到地理位置与用户画像的结合，企业可以通过用户手机里提供的数据获取用户的属性标签，比如性别、年龄、职业、收入、爱好等，了解“用户是什么样的人”；通过地理围栏技术和定位数据知道“用户在哪里干什么”。

由于数据的存留，企业甚至还可以追踪到用户近期经常使用的应用、去过的地方等具有定时效性的行为数据，知道“用户最近对什么感兴趣”。这三种数据使营销的场景化与大数据完美结合，实现广告投放的精准化、场景化。

像Convertlab是帮助企业实现以顾客为中心的数字化营销的一体化营销云平台。这样的数字化营销工具，可以帮助顾客解决以下两个方面的问题:

(1)收集与每个顾客相关的数据，这些数据包括手机用户的行为数据、互联网上的浏览数据、在线购物数据、客户支持或CRM数据、社交媒体上的数据等，一个问题是如何收集这些消费者行为数据，还有一个更重要的问题在于如何将这些数据进行融合，把这些数据附着在一个具体的、独立的顾客身上，这就是现在提到的ID融合的问题。

(2)一体化营销云工具Convertlab可以帮助顾客整合这些数据，然后形成每一个消费者画像，找到不同顾客的个性化的接触点和针对性的投放平台。这很大程度就是DMP，与传统的CRM不同，DMP可以全方位地识别与管理的信息，包括已经发生购买行为的顾客的信息，并和DSP接通，进行有效的广告投放。

大数据应用:重点客户营销

重点客户营销(account-based marketing, ABM)或大客户营销，指的是企业识别并定位出对其最有价值的重点客户，并针对重点客户实行战略性的营销举措，以提高客户的整体体验，并最终提高客户钱包份额、客户终身价值，促进企业盈利。ABM的合理性来自帕累托法则在商业世界的应用: 20%的客户贡献了公司80%的营业收入，而这20%的客户便是ABM的目标对象，基于这个原则，企业希望通过ABM战略提升整体营销效能，起到事半功倍的效果。ABM对于B2B企业而言格外具有战略意义，这是因为B2B产品的营销与销售往具备这样几个特质:采购流程复杂冗长，涉及不止一个决策人员，采购单价较高，长期合作或战略合作可能性大。（相关阅读：个性化沟通和营销自动化 对B2B的ABM计划非常重要）企业在组织内部实行ABM已不是新鲜事，一般而言，组织内部的大客户营销战略布局分为识别与确认大客户分类、获取客户、设置内部支持机构、增加客户钱包份额、忠诚度管理这几个模块。而在数据驱动的今天，随着数据基础设计、管理和分析工具的商业化与普及应用，大客户营销得以变得更加精准和科学——重点客户的分类与识别将借由分析模型与算法的演进以及客户信息的深度挖掘而变得更为精准和可控。 重点客户需求的识别与预测将变得更为准确与有效，同时，企业与重点客户之间的互动内容更加定制化，互动方式更加多样化，广告投放、信息发布也变得更为精准——一切都指向更高的销售转化率。（相关阅读：Convertlab高鹏：从线索驱动的营销LBM到基于客户的营销ABM）

大数据应用:机器人智能客服

在大数据技术下的营销应用中，机器人服务是指智能客户服务中的线上机器人客服、机器人应用程序智能应答。（相关阅读：企业微信+员工营销工具 Convertlab这个插件帮助企业深耕“私域流量” ——三个月后“群运营”功能实现群机器人智能互动）

智能客服是在大数据处理基础上发展起来的一项面向行业的应用，不仅为企业或组织提供知识管理技术，而且为企业与海量用户间的沟通建立了种基于自然语言的快捷技术。

智能客户平台运用自然语言分析技术和专业知识库，使机器智能问答结合人工客服系统。它能做到以拟人化的方式和客户对话，将人工客服从重复、机械问答中解放出来，有效地降低了人工客服成本。在智能客服无法有效回答的情况下再转入人工客服。

机器人服务可以广泛对接组织客服平台，支持各个类型的移动端设备，系统自动回应，统一代答复，保存所有问答资讯，自由选择真人客服，分析客户资讯。

智能客服平台基于以下三大架构:

智能机器人自然语言输入的人机互动，即时资料搜索，能不断学习新沟通模式。 线上文字客服理解客户所提问题的核心内容，并提供标准化的应答。当智能机器人无法提供合适的解答时，真人线上客服专员继续服务； 客服知识管理是智能机器人的知识基础，提供完善的知识维护与管理。另外，客服互动经验内容不断回馈到知识库中。

大数据应用:市场或内部知识管理

知识管理是企业知识数据持续累积并有效管理的过程，大数据推动这一过程实现了 智能化和自动化的变革。数字时代下的知识管理，应该避免“信息爆炸”，更有效地使用和管理快速增加的海量知识数据，结合大数据的方式升级。当下的知识管理系统应结合云端计算架构、SoLoMo与BYOD(bring your own device)技术，建立更智能化的知识管理平台。（来源：数字时代的营销战略 [美]艾拉.考夫曼）大数据技术在知识获取、知识组织、知识分享、知识再利用四个知识管理环节的应用具体如下。环节一:大数据下的知识获取。 公司内部编辑发布、常规性文档的人工录入或文件系统自动采集并存储。 电子邮件采集，即建立内部数据插件，将电子邮件信息自动导入到管理平台中。 网页监采(网页信息监控和采集)，即内置网页信息雷达，对外部网站、竞争对手、行业新闻等信息进行监控、采集。 其他来源，即接入外部形成的经验库、知识库、行业库数据。 环节二:大数据服务智能知识组织。

管理平台自动提取知识文档内容，自动分出大批量信息。 数据自动聚类，方便查找相似的文章和关联知识。 构建“多媒体数据库”，把各种主流文档和非结构化对象数据(比如音频、视频)统-存储管理。 环节三:以数据为基础的知识分享。

数据库与各移动终端结合式分享，包括即时信息、工作提醒等;在数据库中分享群组工作区，个人安排与群组安排间建立协作视图并产生互动。 环节四:数据库整合利用与知识再利用。

在数据库中，多维度的知识树体系建立、分层次知识树访问授权、多级访问权限、业务系统与技术管理分离。

“以控制为出发点的IT时代正在走向激活生产力为目的DT（data technology）数据时代。”DT时代的大数据变现维度和方法有很多，它所带来的价值目标总是：预测、判断与洞察；提升效率；精准营销和智能化追踪。这也是企业数字化带来的价值，提升营销的效果。

参考： KMG研究院、张鲲鹏《大数据“用户画像”》

曹虎 王赛 乔林【美】艾拉.考夫曼《数字时代的营销战略》

王赛，陆玥灏《小众营销》