大數據與營銷話題一直受到人們的追捧，利用大數據營銷推動營銷變革已成為現在乃至未來的趨勢。大數據營銷離不開對數據的管理和整合，以及對數據的分析，如何做到精準營銷，獲得更大的回報，同時減少對客戶的“騷擾”，是我們每一個市場經理人需要思索的問題。
最近，大數據營銷在業界被提及的次數越來越頻繁，而且不僅僅是營銷人關心，似乎業務、運營、戰略甚至企業最高層的C-level也把它列為最重要的競爭力之一。大數據與營銷的話題始終都是最被觀眾追捧的。但是到底大數據營銷是什么，怎么做大數據營銷，很少有人能清清楚楚的講出些門道來。
我在網上搜了搜，“大數據營銷”大概是從英文的Data-driven Marketing翻譯過來，顧名思義，一方面是基于"數據"的營銷，沒有數據就沒有所謂的大數據營銷，但是到底是用“大”數據做營銷還是“小”數據也能開展營銷，倒是值得商榷。當然國內幾乎人人都稱大數據，而數據本身又的確處于井噴式增長，姑且把“數據”約等于“大數據”倒也說得通。但是不管是大數據營銷還是數據營銷，其中有兩個重要的關鍵詞：
首先就是“數據”（DATA）
顯然數據庫營銷不是一個新鮮的話題，把客戶的信息搜集起來，然后進行歸類、匯總，然后就可以更有針對性的進行營銷活動。這是一切現代精準營銷的基礎，把對客戶特征、偏好和需求的把握轉化為行動。但是隨著數據源的變化，這個客戶的數據視圖便得越來越龐大。一是客戶接觸平臺多樣性產生了不同源頭，不同格式，不同結構的大量數據，比如在線商城，店面銷售，移動端，PC端和POS端。同時，數據和數據之間的關聯程度比較差，分布在不同的系統中，難以形成統一的客戶視圖；二來，紛雜的數據產生很多噪音，很難了解客戶真正想要什么。一般來說，比較主流的客戶數據主要分成四種不同類型：
第一，個人與職業數據：
這些很多傳統客戶數據庫都具備這樣的數據，包括公司和個人基本信息，聯系方式等等。但是這些數據存在最大問題是質量，因為數據量龐大，很難確保這些信息是最更新，客戶換了新的工作、新的手機卻難以更新,更無從驗證；
第二，交易數據：
這些數據多來自于銷售管理系統，一些公司把也許會把這些數據儲存在CRM系統，一定規模的公司大都有這樣類似系統。但是，很多客戶都還在整合傳統客戶數據庫和CRM系統，因此大量的主數據管理的項目還在業界流行；
第三，互動數據：
一般來說這些數據來自于每個市場項目，不管是線下活動、關鍵詞購買、數字營銷，每個參與營銷活動都會產生很多的痕跡，通常這些信息是散落在每個執行人員手上。比如活動的問卷，客戶看了網站上的什么內容，點擊了哪些button，這個對于傳統客戶數據庫來說是非常難以整合的工程。而且大多數客戶即使完成了整合，卻沒有足夠的分析能力,從這些數據中發現有用的信息，變成洞察，而沒法更好的利用這部分data。
第四，行為數據：
關于這部分數據在業界討論的非常熱，行為數據都是來自于和客戶的每一個接觸點產生的，比如說社交媒體上的發言，通過撥打客戶電話投訴產生的內容。很多的互聯網都在這個領域里頭做了很多的努力，最典型的幾個場景包括：電商網站的“猜你喜歡”，或者是微信的朋友圈廣告，完全是通過分析客戶在互聯網上的行為來判定客戶的屬性，推送針對性的內容。對行為數據的分析和預測，進行預測，然后實時提供的定向推送，這些推送并不關心客戶是誰，而是猜想。比如，通過買尿布的客戶來斷定他/她是孩子的家長。
對于這些行為，業界也有很多爭論，是不是應該把它與客戶數據進行整合？首先是整合的難度大，其次是整合完成會不會產生效果，因為行動一般是瞬間動作，如果在發生這個行為的時候沒有做出反應，事后再做有沒有用。還是剛才買尿布的例子，如果在客戶搜索尿布同時，推送奶粉或者其他嬰兒用品的信息，客戶可能當時就會打開，如果把這個信息搜集到客戶數據庫里，用曾經搜索過尿布的客戶作為一個定義，可能這個客戶的孩子已經過去了一年，他已經不需要尿布，而變為需要兒童代步車或者其他兒童用品了。
扯的有點遠，但是歸根結底，要做大數據營銷，首要的任務就是有數據，如果數據缺失或者數據質量欠佳，談任何data-driven marketing都是水中月、鏡中花。如果你聽到360度客戶視圖、客戶全景、主數據管理等項目的時候，大多數都是在做數據管理和整合的工作。
大數據營銷的第二個關鍵詞是“分析”（Analytic）
有了數據，如何把這些數據盤活、真的讓數據變現，是我現在聽到的更多呼聲，幾乎每個營銷人都希望精準。一則可以讓營銷投資獲得更大的回報，再來客戶減少對客戶的“騷擾”，只有真的需要的客戶才提供“恰到好處”的信息。但這的確說起來容易，做起來難。普遍來說，幾個常見的問題包括：
- IT人與營銷人的脫節
營銷部門期望得到的更多的數據/信息不知道從哪里找到，而IT卻很難判斷散落在不同系統中的信息有什么作用；營銷部門希望分析的時效性更強，最好是實時的分析，但是傳統的建模分析的過程時間不短；營銷部門希望得到的結論是業務語言，最好能從數據中抽象出規則，可是IT卻苦于對業務了解的欠缺，得出的結論往往是一堆數字，還需要進一步解讀。
- 要分析的內容太多，不知道從何開始
剛才提到過數據的種類那么多，每個人想到做大數據營銷，一上來就想做“全”數據分析，可是限于數據質量，分析來分析去很難發現有用的規律，甚至發現一些“偽”規律，對大數據營銷的有效性產生懷疑。同時，有一些營銷人希望從小處入手，但是卻苦于對研究行為數據、社交數據還是其他的數據的選擇有一些猶豫。
- 工具和人才
在過去一段時間內，跟很多做大數據分析的數據科學家和營銷分析師的溝通中，也發現了面臨零零種種的分析工具時候，不論是開源的、云端的還是傳統的裝機軟件，都碰到工具比較復雜，而專業人才實在難求的局面。
針對于以上的幾種問題和市場部餞行大數據營銷的一些經驗，我有幾點個人的建議供希望進行大數據營銷的同仁參考。
第一，選擇能短期突破的項目入手。必須要結合目前的數據狀況，進行一些短平快的項目，比如說多品類的電商零售企業，可以考慮會員管理，智能推薦的項目；而關鍵詞投放占到市場費用很大企業，可以考慮做關鍵詞出價的分析和優化；多渠道銷售的公司，可以考慮做渠道和品類的交叉分析，來優化分銷體系和營銷組合。總之，一定要讓大數據分析的結果很快作用于營銷活動，看到quick win，否則很難堅持下去。
第二，投資人才的培養。傳統的IT和營銷的部門的設置本身對大數據營銷的開展就非常困難，不如在營銷部門中間自己設定一些營銷分析師的崗位，他們屁股坐在營銷部門里，對業務有天然的理解，同時這些人兼具分析、統計甚至一些編程能力，減少跨部門的溝通效率，以我工作的IBM為例，市場部就有自己超過20人的團隊專注于統計、數據和分析領域，他們參與每次的市場計劃、執行和效果評估，真正做到IT和業務一體化。
第三，考慮引進外腦。傳統的廣告公關Agency都在努力的培養自己的分析隊伍，而更多咨詢公司也在進入這一領域。根據Adage排名,在北美最大的互動營銷代理商前十名中，有三家以前根本不在這個行業的新選手，他們的排名都比較靠前，他們分別是我的東家一個新部門，這些新的廣告代理商具備的能力最突出的就是強大的分析能力，他們把傳統的財務分析、供應鏈庫存分析等管理工程方面的經驗、或者是以前做的市場戰略，分析能力放到營銷活動的分析上。這樣一定程度的可以幫助市場人員分析能力弱的短板。但是和這些新興的代理商合作，可能需要有更多的耐心和開放的心態，或者讓傳統代理商和和分析服務商合作。
第四，投資易用好用的工具。現在又是廣告插播時間。目前我正在推廣一款新的云分析工具，它主要針對非技術人員對數據的分析的需求，簡單易用，甚至很多操作都是通過自然語言的指令下達；同時具備強大的圖標可視化功能；而且免費版本就可以支持10萬條數據分析。稍可惜的是，目前所有操作都只有英文版本，如果英文操作沒有問題的朋友，歡迎點擊閱讀原文免費試用。
最后，我想用一個雞湯來結尾。在利用大數據營銷推動營銷變革時候，你只需要記住一個諺語：種樹的最佳時機是20年以前，但現在開始也為時未晚，小樹苗總比光禿禿的土地好得多。
