客戶畫像營銷方案范文
時間：2023-03-29 20:01:08
導語：如何才能寫好一篇客戶畫像營銷方案，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
大數據時代
超越對因果關系的渴求
取而代之關注相關關系
我們不僅要知道“為什么”
更重要的知道“是什么”
導讀：
龐大的數據中到底蘊藏了什么價值？它的存在又有什么意義？這就要看企業如何利用它。數據中所包含的信息有很多，信息是流動的，也是變化的，企業只有獲得動態信息才是最有商業價值的
大數據時代的來臨
維克托?爾耶?舍恩伯格在《大數據時代：生活、工作與思維的大變革》中前瞻性地指出，大數據時代最大的轉變就是超越對因果關系的渴求，取而代之關注相關關系。也就是說，我們不僅要知道“為什么”，更重要的知道“是什么”。
繼互聯網興起之后，大數據應用已經成為企業趨之若鶩的下一個熱門話題。在消費者的數據量成幾何級數增長的時代，全新的商業機遇正在蓬勃的醞釀中。那么我們應該如何利用大數據這個強有力的工具來更好的服務消費者？要回答這個問題，我們首先來看一下企業的本質。
其實每個企業都只有兩面：供應面和需求面。供應面是企業如何完成產品或提供服務，屬于企業可以控制的一面，在這個面上企業的重點是控制成本和提高效率。需求面是企業無法掌控的，我們可以嘗試所有的方式去接近客戶，但最終是由客戶或消費者決定是否對我們提供的產品感興趣。客戶購買符合自己需求的產品是由于喜歡企業推出的廣告，還是產品的價格有吸引力，或者口碑傳播，或是這些因素兼而有之，還是可能有上百種因素共同影響？這方面孰因孰果始終很難確定。
既然需求面無法掌控，同時企業又必須去了解消費者的偏好，那么對消費者進行研究就是我們分析需求面的重中之重了。傳統的消費者研究方法，例如問卷調查，最大的問題就是以幾千人的信息作為營銷決策的依據，以偏概全。而大數據工具可以做到用幾億消費者的信息來分析，并且對任何一個消費者的特征都可以做出單獨畫像，甚至可以做到比消費者自己還要了解自己的需求和心理預期，從而真正實現對消費者的精準+個性化+互動的營銷。
大數據的商業價值在哪里
對于普通人來說，大數據似乎相距甚遠，但它的威力無所不在：信用卡公司追蹤客戶信息，能迅速發現資金異動，并向持卡人發出警示；電信公司追蹤客戶行程動態，區域化推送有關旅游或商務信息；航空服務公司適時發送航班延誤信息……這些都與大數據有著千絲萬縷的關系。
有統計顯示，過去兩年里全球積累的數據量超過以往所有歷史的總和，并且還在以每年40%的速度增長。也就是說，全球的數據總量每兩年就可以翻一番。
龐大的數據中到底蘊藏了什么價值？它的存在又有什么意義？這就要看企業如何利用它。數據中所包含的信息有很多，而最具商業價值的就是和消費者相關的信息。如果可以搜集到精準的消費者信息，那么就可以為他們定制更加個性化的服務。當然，不是所有的消費者數據都視如珍寶，姓名、性別、年齡，甚至收入，都算是過時的信息。說其過時，并不代表它們沒有價值，而是諸如此類的基本信息很容易獲得。信息是流動的，也是變化的，企業只有獲得動態信息才是最有商業價值的。動態信息可以幫助企業了解顧客的消費習慣，比如他們喜歡網購還是逛商場，喜歡白天購物還是晚上購物，他們的消費理念有什么區別，他們會在什么時候做出非理智的決策。
理想的精準個性化營銷是什么
要想制定理想的精準個性化營銷方案，企業必須掌握兩點：一、通過大數據充分挖掘消費者的特征，對幾億的消費者描繪精準個性化的畫像；二、合理地掌控和設計針對單個畫像的方案。
了解用戶個性，就是要為用戶提供他們想要的產品和服務。首先，企業需要在龐大的數據庫中，找出最具有含金量的數據；其次，把數據表現相同的消費者分為一類，依據消費者數據表現設計有針對性的方案。雖然方案的關鍵是有沒有抓住最核心的數據，但另一個值得思考的問題是：通過數據分析所歸類得出的人群類別太多，是否會導致管理成本增加，同時降低人員效率呢？
個性化分散的人群可大可小，大到一個有同樣需求的人群，小到每一個消費者都是一個個性化需求個體。而過于分散的個性化方案，會增加企業的成本和管理的難度，所以要合理掌控和設計個性化方案。那是否需要考慮并不是所有提供的數據都應該將它們轉化為方案？所增加的成本和實際收益是否成正比？如果成本的增加并沒有換得更好的回報，那意義何在？
總之，實現個性化方案的最大難點，一是關鍵數據的可靠性，二是管理成本的可控性。具體來說，個性化服務設計的出發點就是對關鍵數據的分析，如果數據篩選和分析有誤，那結果可想而知；個性化方案附帶著各種成本的增加，比如數據管理。個性化方案在某種程度上只能以人群為單位，而非每一個消費者，同時必須考慮實際的成本投入和收益回報。
精準個性化營銷怎么做
一、誰是你的目標消費者，現有的？潛在的？答案是：你不僅要尋找可以令你增加銷量和利潤的客戶，而且要學會辨別哪些對你而言是最有價值或可能最有價值的客戶，并在這個基礎上估計現有客戶和潛在客戶的未來的終生價值。
二、收集和分析消費者的什么數據，動機？需求？為了讓信息收集更有效，你需要深入了解你的目標客戶想要什么、對什么感興趣，并了解上述客戶的心理。為此，你需要根據客戶群體的需求或動機的相似程度尋找分類的方法，將客戶分為不同的類別，打上標簽。然后用大數據工具，幫助你預測客戶會對你提供的哪些產品感興趣，并探知客戶內心的想法。
三、怎么找到消費者交流的渠道，搜索引擎，第三方數據？一般的傳統方法，第一步是確認你想接觸、關注、傾聽、閱讀以及使用哪些媒體，例如電視、廣播、雜志、互聯網。第二步是根據地理位置區分消費階層，例如大多數中上層人士的居住地會集中在某些地區。而大數據工具可以幫你找到具體的單個消費者，可以通過你自己的網站，可以通過搜索引擎，可以購買外部數據庫，可以借助廣告網絡和社交網絡。這些數據都是人們訪問時會留下并可以追溯的數據，可以更精準的對具體的個人特征進行畫像。
四、為現有或潛在的客戶交流需要投入多少資金？大多數公司并沒有運用科學方法判斷應該為營銷投入多少，無論是一年只花幾千萬還是花幾億的公司都沒有科學的評估。而大數據工具可以幫助你判斷你的營銷預算應該是多少，確定創造需要投入多少資金的最佳方案，然后在你確定預算后，幫助你了解怎么根據特定任務、地理位置和渠道分配這些資金。
篇2
【關鍵詞】 大數據 精準投放 推薦平臺 實時競價
一、引言
“大數據”作為網絡時代的信息礦山，無疑蘊含著大價值。目前，大數據比較明朗化的商業價值開發，發生在互聯網廣告精準營銷領域。傳統的廣告營銷，在經歷了大眾傳播的喧囂、分眾傳播的繁榮后，開始迎來新的變革窗口----針對特定網民的精準營銷 （有人稱其“個眾傳播”）。基于對記錄著用戶人口屬性、興趣喜好、消費習慣、價值導向等信息的大數據的挖掘，通過人群定向技術，向特定的某個用戶傳播極具 針對性的廣告，從而降低廣告的無效損耗，提升品牌的投資回報率（ROI），這是大數據在網絡精準營銷領域“閃出的一道金光”。
二、大數據營銷概述
當代社會對互聯網的普及及網絡應用技術的快速發展，使得用戶網絡瀏覽的痕跡能夠被分析、追蹤等，企業或第三方服務機構為尋求咨詢、策略、投放等營銷服務而使用這些數據的行為，被稱為大數據營銷。大數據被喻為與蒸汽、電力、石油一樣的重要自然資源，它改變了人們思考、決策和行動的方式，使社會變得更加智慧，使企業營銷決策更加優化，被企業視為未來競爭優勢的基礎。
三、基于大數據的精準廣告推薦平臺
1、方案綜述。針對互聯網廣告宣傳需求多樣化、客戶行為碎片化以及渠道投放效果等變化趨勢，建立以精細客戶畫像、智能精準推送、釋放客戶價值，融合用戶、媒體、廣告商為一體的互聯網廣告智能推薦平臺。通過用戶需求快速挖掘、用戶信息安全保障以及互聯網廣告精準投放為核心建立適合大數據價值變現的互聯網廣告營銷服務新模式。借助自身大數據分析系統和優勢，搭建DMP客戶畫像平臺，分析結果與互聯網廣告市場及公司對接，從而建立從“用戶數據分析廣告受眾定位廣告投放受眾互動業務辦理廣告效果評估”的新型閉環廣告整合運營平臺。
2、精細客戶畫像。利用開放式大數據平臺（平臺計算資源+脫敏數據資源），實現合作方模型的加載、處理，輸出個體（設備/人物）標簽值。通過DMP平臺的K-V接口提供高并發低時延的實時標簽查詢服務，標簽內容來源于數據挖掘合作或獨立第三方標簽。標簽結果數據分為兩種：1）離線標簽結果數據：移動和第三方合作方算法模在大數據平臺分析處理脫敏離線數據后獲取的離線標簽結果，離線標簽結果通常基于用戶長時間的互聯網行為習慣的積累。2）實時標簽結果數據：移動或第三方合作方算法模型在大數據平臺分析平臺脫敏實時數據后獲取的實時標簽結果 ，實時標簽結果通常基于用戶較短時間（分鐘級別或小時級）互聯網行為的標簽化描述。
3、精準投放。通過廣告主和消費者行為以及獨特的關鍵詞自動定位技術來相匹配的相關詞義和關鍵詞，利用關鍵詞定位可以幫助客戶優化廣告的效率，從而使廣告轉換率最大化。采用的協同過濾推薦算法針對用戶的標簽提出一組簡潔有效的標簽標準化方法在用戶的新瀏覽行為聚類標簽與標準標簽之間形成映射關系，采用用戶對標簽的差異評分，以解決即時標簽中存在的語義模糊、品牌差異等問題；使用標準化標簽和用戶的瀏覽行為作為建模數據，利用基于向量空間模型的表示法建立用戶的偏好模型，保證用戶偏好模型的質量；采用的用戶的即時偏好算法和基于用戶偏好模型的改進的推薦算法，能更準確地跟蹤用戶的實時興趣，保證推薦的內容就是用戶正需要的內容，以提高營銷推薦的命中率。
4、實時競價。實時競價中整個涉及用戶購買的所有數據信息都需要DMP底層提供。廣告推薦平臺通過對賣方提供的數據進行抽取、過濾、清洗、加密、分析、存儲后，將賣方與買方的需求進行關聯和匹配，并實時匹配買賣雙方出價數據，支撐雙方實時競價。廣告推薦平臺會提供科學的精準算法及規則依據來協助買方（客戶）和媒介執行機構（賣方）來判斷何種用戶才是高質量的，從而使廣告推廣的效果更加高效和精準。廣告推薦平臺除了提供用戶基本屬性如手機號、年齡、省市、職業、性別等基本屬性之外，還特別關注用戶互聯網行為數據，包括位置行為、上網搜索行為、網頁瀏覽行為、上網偏好、上網時間、活動軌跡等，通過大數據分析統計及算法建模后，提供用戶精確化的互聯網行為標簽庫。
結束語：大數據時代企業的營銷管理模式正面臨著機遇和挑戰，企業在大數據環境里會不斷地創造和革新出新營銷模式和營銷思維，它們符合時代的發展。利用數據驅動的廣告策略，將數據提升到營銷之前、之中來，就可以將效果監測轉變為效果預測，讓廣告呈現在感興趣的用戶群體面前，實現真正意義上的精準營銷。
參 考 文 獻
[1]楊永強，大數據時代的應用研究[J]，電腦編程技巧與維護，2014（08）.
篇3
電信運營商擁有多年的數據積累，擁有諸如財務收入、業務發展量等結構化數據，也會涉及到圖片、文本、音頻、視頻等非結構化數據。從數據來源看，電信運營商的數據來自于涉及移動語音、固定電話、固網接入和無線上網等所有業務，也會涉及公眾客戶、政企客戶和家庭客戶，同時也會收集到實體渠道、電子渠道、直銷渠道等所有類型渠道的接觸信息。整體來看，電信運營商大數據發展仍處在探索階段。
大數據在電信行業應用的總體情況
目前國內運營商運用大數據主要有五方面：(1)網絡管理和優化，包括基礎設施建設優化和網絡運營管理和優化；(2)市場與精準營銷，包括客戶畫像、關系鏈研究、精準營銷、實時營銷和個性化推薦；(3)客戶關系管理，包括客服中心優化和客戶生命周期管理；(4)企業運營管理，包括業務運營監控和經營分析；(5)數據商業化指數據對外商業化，單獨盈利。
第一方面：網絡管理和優化。此方向包括對基礎設施建設的優化和網絡運營管理及優化。
(1)基礎設施建設的優化。如利用大數據實現基站和熱點的選址以及資源的分配。運營商可以通過分析話單和信令中用戶的流量在時間周期和位置特征方面的分布，對2G、3G的高流量區域設計4G基站和WLAN熱點；同時，運營商還可以對建立評估模型對已有基站的效率和成本進行評估，發現基站建設的資源浪費問題，如某些地區為了完成基站建設指標將基站建設在人際罕至的地方等。
(2)網絡運營管理及優化。在網絡運營層面，運營商可以通過大數據分析網絡的流量、流向變化趨勢，及時調整資源配置，同時還可以分析網絡日志，進行全網絡優化，不斷提升網絡質量和網絡利用率。
利用大數據技術實時采集處理網絡信令數據，監控網絡狀況，識別價值小區和業務熱點小區，更精準的指導網絡優化，實現網絡、應用和用戶的智能指配。由于用戶群的不同，不同小區對運營商的貢獻也不同。運營商可以將小區的數據進行多維度數據綜合分析，通過對小區VIP用戶分布，收入分布，及相關的分布模型得到不同小區的價值，再和網絡質量分析結合起來，兩者疊加一起，就有可能發現某個小區價值高，但是網絡覆蓋需要進一步提升，進而先設定網絡優化的優先級，提高投資效率。
德國電信建立預測城市里面的各區域無線資源占用模型，根據預測結果，靈活的提前配置無線資源，如在白天給CBD地區多分配無線資源，在晚上，則給酒吧地區多分配無線資源，使得無線網絡的運行效率和利用率更高。
法國電信通過分析發現某段網絡上的掉話率持續過高，借助大數據手段診斷出通話中斷產生的原因是網絡負荷過重造成，并根據分析結果優化網絡布局，為客戶提供了更好的體驗，獲得了更多的客戶以及業務增長；
第二方面，市場與精準營銷。此方向包括客戶畫像、關系鏈研究、精準營銷、實時營銷和個性化推薦。
(1)客戶畫像。運營商可以基于客戶終端信息、位置信息、通話行為、手機上網行為軌跡等豐富的數據，為每個客戶打上人口統計學特征、消費行為、上網行為和興趣愛好標簽，并借助數據挖掘技術(如分類、聚類、RFM等)進行客戶分群，完善客戶的360度畫像，幫助運營商深入了解客戶行為偏好和需求特征。
(2)關系鏈研究。運營商可以通過分析客戶通訊錄、通話行為、網絡社交行以及客戶資料等數據，開展交往圈分析。尤其是利用各種聯系記錄形成社交網絡來豐富對用戶的洞察，并進一步利用圖挖掘的方法來發現各種圈子，發現圈子中的關鍵人員，以及識別家庭和政企客戶；或者分析社交圈子尋找營銷機會。如在一個行為同質化圈子里面，如果這個圈子大多數為高流量用戶，并在這個圈子中發現異網的用戶，我們可以推測該用戶也是高流量的情況，便可以通過營銷的活動把異網高流量的用戶引導到自己的網絡上，對其推廣4G套餐，提升營銷轉化率。總之，我們可以利用社交圈子提高營銷效率，改進服務，低成本擴大產品的影響力。
(3)精準營銷和實時營銷。運營商在客戶畫像的基礎上對客戶特征的深入理解，建立客戶與業務、資費套餐、終端類型、在用網絡的精準匹配，并在在推送渠道、推送時機、推送方式上滿足客戶的需求，實現精準營銷。如我們可以利用大數據分析用戶的終端偏好和消費能力，預測用戶的換機時間尤其是合約機到期時間，并捕捉用戶最近的特征事件，從而預測用戶購買終端的真正需求，通過短信、呼叫中心、營業廳等多種渠道推送相關的營銷信息到用戶手中。
(4)個性化推薦。利用客戶畫像信息、客戶終端信息、客戶行為習慣偏好等，運營商可以為客戶提供定制化的服務，優化產品、流量套餐和定價機制，實現個性化營銷和服務，提升客戶體驗與感知；或者在應用商城實現個性化推薦，在電商平臺實現個性化推薦，在社交網絡推薦感興趣的好友。
第三方面，客戶關系管理。此方面包括客服中心優化和客戶生命周期管理。
(1)客服中心優化。客服中心是運營商和客戶接觸較為頻繁的通道，因此客服中心擁有大量的客戶呼叫行為和需求數據。我們可以利用大數據技術可以深入分析客服熱線呼入客戶的行為特征、選擇路徑、等候時長，并關聯客戶歷史接觸信息、客戶套餐消費情況、客戶人口統計學特征、客戶機型等數據，建立客服熱線智能路徑模型，預測下次客戶呼入的需求、投訴風險以及相應的路徑和節點，這樣便可縮短客服呼入處理時間，識別投訴風險，有助于提升客服滿意度；另外，也可以通過語義分析，對客服熱線的問題進行分類，識別熱點問題和客戶情緒，對于發生量較大且嚴重的問題，要及時預警相關部門進行優化。
(2)客戶關懷與客戶生命周期管理。客戶生命周期管理包括新客戶獲取、客戶成長、客戶成熟、客戶衰退和客戶離開等五個階段的管理。在客戶獲取階段，我們可以通過算法挖掘和發現高潛客戶；在客戶成長階段，通過關聯規則等算法進行交叉銷售，提升客戶人均消費額；在客戶成熟期，可以通過大數據方法進行客戶分群(RFM、聚類等)并進行精準推薦，同時對不同客戶實時忠誠計劃；在客戶衰退期，需要進行流失預警，提前發現高流失風險客戶，并作相應的客戶關懷；在客戶離開階段，我們可以通過大數據挖掘高潛回流客戶。國內外運營商在客戶生命周期管理方面應用的案例都比較多。如SK電訊新成立一家公司SK Planet，專門處理與大數據相關的業務，通過分析用戶的使用行為，在用戶做出離開決定之前，推出符合用戶興趣的業務，防止用戶流失；而T-Mobile通過集成數據綜合分析客戶流失的原因，在一個季度內將流失率減半。
第四方面，企業運營管理。可以分為業務運營監控和經營分析。
(1)業務運營監控分可以基于大數據分析從網絡、業務、用戶和業務量、業務質量、終端等多個維度為運營商監控管道和客戶運營情況。構建靈活可定制的指標模塊，構建QoE/KQI/KPI等指標體系，以及異動智能監控體系，從宏觀到微觀全方位快速準確地掌控運營及異動原因。
(2)經營分析和市場監測。我們可以通過數據分析對業務和市場經營狀況進行總結和分析，主要分為經營日報、周報、月報、季報以及專題分析等。過去，這些報告都是分析師來撰寫。在大數據時代，這些經營報告和專題分析報告均可以自動化生成網頁或者APP形式，通過機器來完成。數據來源則是企業內部的業務和用戶數據，以及通過大數據手段采集的外部社交網絡數據、技術和市場數據。分析師轉變為報告產品經理，制定報告框架、分析和統計維度，剩下的工作交給機器來完成。
第五方面，數據商業化。數據商業化指通過企業自身擁有的大數據資產進行對外商業化，獲取收益。國內外運營商的數據商業化都處于探索階段，但相對來說，國外運營商在這方面發展的更快一些。
(1)對外提供營銷洞察和精準廣告投放。
營銷洞察：美國電信運營商Verizon成立了精準營銷部門Precision Marketing Division。該部門提供精準營銷洞察(Precision Market Insights)，提供商業數據分析服務。如在美國，棒球和籃球比賽是商家最為看中的營銷場合，此前在超級碗和NBA的比賽中，Verizon針對觀眾的來源地進行了精確數據分析，球隊得以了解觀眾對贊助商的喜好等；美國電信運營商Sprint則利用大數據為行業客戶提供消費者和市場洞察，包括人口特征、行為特征以及季節性分析等方面。
精準廣告投放：Verizon的精準營銷部門基于營銷洞察還提供精準廣告投放服務；AT&T提供Alert業務，當用戶距離商家很近時，就有可能收到該商家提供的折扣很大的電子優惠券。
(2)基于大數據監測和決策支撐服務。
客流和選址：西班牙電信于2012年10月成立了動態洞察部門DynamicInsights開展大數據業務，為客戶提供數據分析打包服務。該部門與市場研究機構GFK進行合作，在英國、巴西推出了首款產品名為智慧足跡(Smart Steps)。智慧足跡基于完全匿名和聚合的移動網絡數據，幫助零售商分析顧客來源和各商鋪、展位的人流情況以及消費者特征和消費能力，并將洞察結果面向政企客戶提供客流分析和零售店選址服務。
篇4
關鍵詞：大數據；房地產電子商務；精準營銷
中圖分類號：F27文獻標識碼：Adoi：10.19311/ki.16723198.2017.06.024
1大數據在房地產行業中的運用概況
我國房地產行業經過了數十年的發展黃金周期，伴隨著大數據時代的到來，房地產行業在開發投資方面積累了城市地理位置，經濟發展情況，城市規劃和政策導向，投資在建和供地情況等大量歷史數據。在大數據的背景下企業可以根據收集到的相關數據進行挖掘分析，以此來預測未來的供需情況，合理評估項目投資價值，提高開發決策的準確性。Google公司就曾利用搜索引擎錄的相關數據，通過分析海量的關鍵詞詞，低成本高效率地預測了美國住房市場供需和價格等相關指數。
房地產行業的價值鏈主要是融資、拿地、設計建造、銷售以及物業服務等幾個環節。大數據時代的到來，為傳統的房地產企業提供了新的視角。房地產行業迅猛的發展，開發和營銷模式不斷成熟和完善，但是在市場逐步趨向飽和，不確定性增大的情況下，傳統的發展方式也遇到了瓶頸，經營風險擴大迫使不少企業轉型以謀求新的利潤增長點。在大數據的背景下，當地產企業可以深入分析挖掘到通過以往傳統數據分析手段無法獲得的各類有效價值，借此對房地產企業未來發展和經營做出更為迅速、科學、精準、安全的決策和預測。提煉大數據的價值并將其應用于房地產企業經營管理各個環節對于房地產企業未來發展至關重要。
2大數據背景下房地產公司精準營銷模式
大型房地產公司為了獲得巨大利潤，需要最大程度的運用企業現有資源和投入資本，盡最大可能減少房地產企業管理運營成本，通過結合傳統地產營銷和電子商務地產的線上線下營銷模式，在大數據的背景下，大數據技術支持和應用下，深入挖掘消費者的需求、意愿、行為以及心理數據，制定針對不同客戶的個性化服務營銷方案。
大數據背景下房地產精準營銷指的是房地產企業依托互聯網精準營銷系統支撐，在準確進行房地產企業產品市場定位的基礎上，以滿足客戶差異化需求、激發客戶潛在需求為切入點，找準營銷人群、配準營銷策略匹配營銷渠道、投準營銷資源，其特點是針對性強、命中率高、效果更佳。該精準營銷模式包含以下四個步驟。
2.1顧客需求及行為分析
顧客的需求及行為的分析主要是在大數據的背景下，大數據技術支持和應用下通過當下最流行的社交網絡，購物，娛樂，團購網站以及傳統的銀行，公安，第三方公司等在線數據共享機制，對顧客消費需求，消費偏好，消費行為，消費心理，購買特點，購買能力，購買習慣以及情緒等數據進行分類存儲和深入挖掘，將大眾顧客以不同維度進行細分，得出每一維度顧客的需求特點，針對其特點制定符合其需求的營銷方案，在對房地產企業產品清晰市場定位的前提下，在所制定的各個維度中尋找目標客戶群進行進準營銷，與此同時還可以深入挖掘潛在客戶群，為房地產企業今后產品定位提供數據支撐。
2.2顧客個性化需求畫像
由上節所知，通過對大眾消費者的深入分析，為他們制定不同維度，將他們區分為不同的聚類群體，但不是所有聚類群體對都是房地產公司的目標客戶。因此，我們需要在所有聚類客戶中尋找具有購房能力且具有購房意愿的聚類群體做精準營銷，將有購房能力無購房意愿和無購房能力有購房意愿的客戶標注為潛在客戶，由此我們便在不同維度聚類群體區分的前提下得出了不同條件下聚類群體的特征，以此作為顧客的個性化需求畫像，為下邊的精準匹配做準備。
2.3客戶與產品的精準匹配
在制定完消費者個性化需求畫像之后，我們將畫像與房地產現有不同層次的產品特點進行貼合，將他們之中相同的特點進行精準定位，把消費者的個性化需求特點與樓盤產品的賣點相結合，最終鎖定目標客戶，進行精準營銷。
2.4精準營銷流程的支持
成功的精準營銷需要決策，組織，計劃，設計，運營以及現場實施等多個環節的共同作用，缺一不可，在制定出針對不同群體的個性化精準營銷方案之后，營銷團隊需要通過現有資源和設備針對目標客戶群進行精準營銷，在售房中心，電話營銷，短信營銷等傳統營銷渠道的應用和拓展基礎上，加入當前新型媒體的宣傳，如微信營銷，微博營銷，社交網站營銷以及直播互動營銷等方式，鎖定目標客戶群，促使其產生購買欲望。
3大數據背景下房地產精準營銷流程
在結合某房地產企業傳統營銷模式和現代電子商務營銷模式的基礎上，本文構建了大數據背景下房地產精準營銷流程，如圖1所示。
通過流程圖我們可以發現，在圖1的流程依舊是從消費者通過房地產開發商售樓中心以及大眾媒體傳播得到消息之后，進行電話咨詢以及現場勘查最終促成雙方交易的傳統房地產營銷模式，而圖1的內部，是在大數據的背景下，大數據技術的支持以及應用下所形成的精準數據信息流程，接下來我們將主要分析細化大數據背景下房地產精準營銷流程。
如圖1中間部分所示，我們將圖中間部分的數據庫，數據中心以及電商部三個部分組合起來，所形成的一個整體被稱為精準營銷的大數據中心。整個大數據中心由企業的信息技術團隊，營銷團隊以及服務團隊共同合作建立，大數據中心通過制定相關算法并對數據庫中的數據進行結構化整合歸類，方便后期進行數據調取及分析，同時進行深入分析和數據挖掘，提煉數據的潛在價值，為企業的精準營銷提供有力的數據支撐，大數據中心主要有三個功能：
第一個功能是數據收集功能，房地產電子商務平臺。首先，整合分類已在房地產平臺注冊過的用戶個人基本數據資料，講這些資料放入大數據中心的數據庫中等待進一步的數據處理分析和數據挖掘。其次，大數據技術支持和應用下，通過對社交網絡，購物網站，娛樂中心，團購網站等數據的搜集，對時下最流行的手機通訊類軟件，娛樂，購物，地圖，旅游類APP以及直播平臺直播APP數據的搜集，以及對傳統的銀行，公安，第三方數據應用公司等數據的收集，將這些不同渠道搜集起來的消費者數據進行整合分類，存儲在數據庫當中有待進一步的分析與挖掘。最后，還要將房地產電子商務客戶服務呼叫中心針對已達成交易的客戶咨詢問題和疑問進行歸類存儲放入數據庫當中。通過以上三個方面針對售房企業，地產消費者以及購房業主的數據搜集為下一步數據分析提供了有力的先決條件。
第二個功能是數據分析功能，將上一節中從三個方面搜集而來的數據從數據庫中調出，設計相關算法構建模型進行測算，通過大數據技術的應用深入挖掘顧客消費需求，消費偏好，消費行為，消費心理，購買特點，購買能力，購買習慣以及情緒等特點，并建立不同緯度將客戶進行分類，如圖2所示，我們將數據庫中的消費者基本數據根據客戶年齡，婚姻狀況，收入，職業教育情況，現有住房等基本維度進行分類，再根據房地產電子商務數據中心所傳回的買房者電話咨詢情況，網絡搜尋情況，實地考察情況等維度進行整合，再加入已經有房的業主針對房展會與房交會的關注情況構建模型，由于數據量龐大，不僅有定性數據，還有定量數據，所以，我們將劃分為不同維度的定性定量數據運用聚類模型，層次分析模型，因子分析以及分傭員確治齙榷嘀址治瞿P徒行整合，編寫D-SOM算法進行分類提取，并利用K-means聚類算法和Kruskal-Wallis算法檢驗D-SOM算法的有效性和合理性，對各種維度的聚類數據進行數據的反復驗證，凡是驗證通過的聚類數據將進入下一部數據匹配過程，驗證不通過的數據將返回數據庫中等待下一次聚類分析驗證，由此不斷循環分析所得的聚類數據，為下一步消費者個性化數據與房地產公司現有房源信息匹配做準備工作。
第三個功能是數據匹配和傳遞功能，我們將房地產現有房源信息以及不同房地產公司的數據進行分類，對外部環境因素如區域位置，交通狀況，教育設施，醫療設施以及生活配套設施等進行分類，對房源信息因素如房屋面積，房屋戶型，房屋價格以及日照和朝向分類，對品牌因素如地產開發商，地產建筑商，房租施工水品，物業公司等分類，把以上數據進行聚類整合，與上節驗證通過的消費者個性化需求聚類數據進一步與房地產公司所提供的現有房源聚類信息進行組合和數據匹配，匹配不成功或匹配成功擬合度卻不高的數據將被棄用，返回各自所在的數據中心進行下一次聚類擬合分析，而對于匹配成功且擬合度高的消費者數據，將被數據中心傳遞分配到電商部，如圖1所示，接下來由電商部統一將精準營銷的目標客戶數據進行分配與傳遞，通過電話，短信，微信，直播互動以及互聯網廣告等傳統和現代營銷技術促使營銷人員以最快的速度將包含顧客個性化需求的房源信息推送到顧客面前讓顧客和消費者了解，產生購買欲望。
最后，通過營銷人員與顧客之間的相互交流談判達成交易，在達成購房交易之后，營銷人員將交易數據與交易信息上傳數據庫中進行存儲，而消費者在營銷人員和數據的幫助下收獲了房子，客戶服務中心的服務人員將與房屋業主進行進一步深入交流，針對購房過程當中存在問題和建議，對所購買房屋的問題以及購房過程中服務人員和營銷人員的態度和服務進行反饋，將這些反饋信息進行分類存儲放入數據庫中，這些
反饋信息價值巨大，通過設定新的算法有助于通過數據分析消費者心理，同時有助于提升公司的營銷人員與服務人員的服務質量和服務態度，他可以幫助公司制定相關服務標準，并且起到對未來服務人員與營銷人員態度和服務質量進行監督的作用。
4結論
大數據是信息技術領域的重大技術變革，未來社會數據量將與日俱增，這進一步加速了企業之間的相互競爭，房地產企業想要在這場競爭中存活下來，就要求房地產企業能夠更準確、更快速、更加個性化的為客戶和公眾提品和服務，借助大規模搜集、分類和分析用戶個性化的數據，借此對未來發展和經營做出更為迅速、科學、精準、安全的決策和預測。提煉大數據的價值并將其應用于房地產企業經營管理的各個環節對于房地產行業未來的發展至關重要。
本文通過對大數據背景下房地產精準營銷的模式研究我們可以得出在大數據的時代背景下，傳統的房地產營銷模式雖然依舊保留，但是其營銷業績與營銷效率已經無法跟上時代潮流，運用大數據技術進行數據挖掘分析的房地產精準營銷模式已經勢不可擋，成為了未來房地產營銷行業發展的主流方向，未來社會中，房地產企業將更加注重大數據技術的應用與創新，通過數據挖掘與數據分析，最大限度拓展全渠道的房地產信息轟炸式營銷，通過這種營銷模式的有效運用，不僅能進一步促進單個交易日的銷售額的爆發式增長，而且還有助于房地產企業自上而下樹立優秀的品牌和企業形象，為房地產企業的發展提供更大的空間。
參考文獻
[1]繆濤，洪建國，林波等.大數據在房地產市場分析中的應用[J].中國房地產：學術版，2016，（5）：2028.
篇5
而3G手機時代的來臨，移動互聯網營銷為中小企業打開了一個新的窗口，手機這個平臺便成為一種新的營銷介質。以廣告嵌入APP的“Admob”模式運營的無線營銷公司已經出現了數十家。架勢無線CEO葉忻表示，無線營銷的優勢在于能夠聚焦產品需要的人群，投放精準，對于中小企業來說，其成本比互聯網更加經濟。
無線營銷價格處在低位
智能終端的普及、App應用的全面火爆，對營銷渠道產生了很大的影響。力美廣告互動有限公司CTO邵植仁認為，在智能手機構筑的移動互聯網新世界里面，傳統渠道優勢正在減弱，取而代之的是像Admob模式下的新平臺。比如通過平臺渠道將廣告嵌入一些熱門的App應用中。這種基于消費者完整數據的收集與分析，移動媒體不僅僅幫助廣告主進行精準產品推廣、品牌宣傳和客戶關系管理，更可以幫助廣告主對其業務模式進行整合優化，成為廣告主長期的營銷平臺。
百分通聯高級副總裁王毓指出，移動互聯網媒體在給客戶做營銷時，客戶看中的價值，已經不僅僅是基于精準的營銷，還有基于創意、幫助客戶基于整合的營銷效果最大化。那么為產品做有創意的無線營銷如何實現?王毓拿出一個百分通聯做的康師傅推廣案例來說明。“酸梅湯和酸棗汁是很常見的飲品，我們認為必須出奇招，電視廣告很難讓傳世新飲脫穎而出。我們首先為康師傅客戶開發App，是一個游戲，目標受眾在玩游戲過程中，不斷看到康師傅如何釀造酸梅湯，以及畫面表現不斷勾起對兒時的酸梅湯的記憶。人們有反饋是想試飲，同樣今年夏天比較當紅的無線營銷手段LBS，選擇特定商圈，每簽到一次集齊胸章，多款搜集才能獲得贈飲，都是一個吸引80、90后很好的營銷方式。”
“相比較大品牌，中小企業完全可以為產品或服務從客戶端或者應用廣告嵌入進行試水。”邵植仁告訴記者，現在他們能夠為客戶提供一整套的解決方案，這樣企業可以直接進行推廣，不需要再在技術或媒介資源上浪費成本和時間。
盡管無線營銷每一個領域，包括移動廣告移動互聯網應用等都在增長，但關鍵的一點是，它們仍然處于早期發展階段，如何做才能將廣告主吸引到這個全新的營銷平臺?
3G門戶首席營銷官張拋出了移動互聯網的KEY營銷概念，即“移動互聯網整合營銷解決方案，KEY Marketing營銷理念，以用戶的位置信息、機型、時間信息為基礎，結合用戶個人習慣信息，通過再現用戶的狀態、分析用戶需求，可以為企業提供一幅輪廓清晰的消費者素描畫像，找到互動、精準營銷的鑰匙”。盡管無線營銷掌握了新的更加精準的用戶信息，但是傳統品牌主很多仍處于謹慎觀望狀態，所以其價格仍處于一個合理的區位，對于中小企業較早進入嘗鮮是個比較好的選擇。
商業模式制約發展前景
移動互聯網營銷有廣闊的前景，但是其所面臨的問題依然是盤子不夠大，不被傳統廣告主所認可。邵植仁提到，移動互聯網這座金礦現在還處在開采的初期，不少品牌客戶今年已經開始加大移動互聯網廣告的投放，而廣告商們也在找很多方式來實現與用戶的互動，比如力美通過其開發的游戲設置互動環節為賽百味做推廣。
移動互聯網在傳播上具有及時性、高傳播性的重要特性，更重要的是，它可以不局限于人們的時空位置，任何一個時間地點都有可能觸發社交，會出現更多維度的移動互聯網信息流的產生，通過社交平臺上的結合，創造出更多應用。
盡管如此，易觀國際分析師認為，阻礙手機廣告市場發展的因素主要包括：缺乏成熟的商業模式，當前廣告主、廣告商和無線媒體等產業鏈參與者的不同組合構成了多種商業模式，其可行性和贏利前景都有待實踐驗證，市場需要一段時間進行摸索和實踐。其次標準化程度低，對于不同形態的無線廣告，目前尚沒有一套全國通用的標準，將使得不同形態、不同提供商之間的廣告互不兼容，加之手機型號、操作系統、屏幕大小千差萬別，制約廣告內容市場的發展，同時也直接影響用戶體驗。
篇6
關鍵詞：大數據 數據安全 安全分析 安全技術 安全防護
1 引言
隨著大數據技術日益發展成熟，運營商通過多年的發展積累了龐大的數據資源，基于數據資源方面的顯著優勢，在確保數據安全使用的前提下，積極開展大數據外部旅游、交通、政府、地產、人力資源、汽車、公共服務等行業的營銷實踐，可實現大數據經濟效益和社會效益的雙重提升。
《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》明確指出，要“實施國家大數據戰略”，“加快推動數據資源共享開放和開發應用”；要“加強數據資源安全保護”，“保障安全高效可信應用”。國務院頒布的《促進大數據發展行動綱要》提出，要深化大數據在各行業的創新應用，同步建立健全大數據安全保障體系，切實保障數據安全。
但是，隨著運營商大數據應用需求的快速增加，其面臨的安全風險也在不斷增大，為貫徹落實國家的相關要求，確保運營商大數據安全風險可管可控，在確保安全的前提下發揮數據價值，開展運營商大數據安全管理策略研究，對實現運營商大數據安全管理具有重要的意義。
2 運營商大數據全生命周期安全管控
運營商建設大數據系統通常分為五個層級：
（1）數據采集層：主要是對移動通信網絡、家庭寬帶網絡、集團專線網絡的網絡設備及業務平臺側進行數據分光復用、流量鏡像等配置操作。
（2）數據處理層：基于服務器資源對傳輸過來的原始數據進行解析，生產準實時數據，其中包括位置數據、通話數據、漫游數據、上網數據等明細數據。
（3）數據標簽層：根據上層應用功能需求，對數據處理層生成的基礎明細數據進行建模，生產滿足各個應用場景的小時/日/周/月寬表數據和用戶畫像標簽。
（4）功能模塊層：為支撐各種不同行業產品的需求，需要提供對外數據推送的OpenAPI接口，實現與外部需求系統的協議適配、準實時推送、定時分發和實時查詢等功能。同時對外輸出分析報告、數據產品和行業解決方案。
（5）行業應用層：根據行業特征和需求，針對客戶、產品、服務等方面進行分析研究，并輸出大數據開放接口、大數據分析報告、大數據解決方案及大數據產品，提升客戶在各行業進行業務管理、產品運營、精準營銷等方面的能力，實現運輸商大數據變現。
基于運營商大數據系統建設的五個層級，構建大數據全生命周期安全管控如圖1所示。
對于運營商大數據全生命周期安全管控，需要建立數據采集、傳輸、存儲、共享、使用、審計、銷毀等七個環節的端到端安全管理體系。
（1） 采集環節
在數據采集過程中，應確保數據采集和處理均在運營商機房內，確保核心數據不出機房。采集所使用的分光器應在建設時做好包括端口、位置等信息在內的記錄，并定期開展審計。
（2）傳輸環節
針對跨安全域傳輸等存在潛在安全風險的環境，應對敏感信息的傳輸進行加密保護，并根據數據敏感級別采用相應的加密手段。對于目前已使用的未進行數據加密傳輸，應令廠家盡快加入加密模塊，并在傳輸兩端協商好加解密算法與密鑰，密鑰應做到定期更換。
（3）存儲環節
針對存在潛在安全風險的存儲環境，例如hadoop中的數據庫、磁盤陣列等，應對大數據中的敏感信息加密存儲，確保其保密性，保障數據完整性，做好數據容災備份。
建立從設備到操作系統、從平臺應用到數據庫、從業務到數據等多角度的容災備份方案，大數據安全管理員從應急預案、風險檢測、實時預警、風險遏制、問題根除、系統恢復、跟蹤總結各環節建立落實大數據安全事件應急響應方案，定期開展演練。
（4 ）使用環節
大數據平臺的所有設備及平臺應用必須全量接入安全審計系統，并實施繞行訪問控制，禁止直連訪問。對涉及用戶身份、位置等敏感信息提取的操作采用“金庫模式”管控。對用戶敏感信息進行對外查詢、展現、統計、導出等操作時，必須首先經過模糊化處理或脫敏處理。
（5 ）共享環節
針對跨部門的大數據共享，通過保密協議等方式明確數據共享雙方應承擔的安全責任、應具備的數據保護手段、限制數據使用范圍和場景等。一切離開大數據平臺的敏感數據都需要先進行加密，確保未授權的人員無法訪問其內容。
（6）審計環節
用戶登錄大數據平臺后的任何操作必須有詳細的日志記錄，日志log文件中應至少包括“何時、何地、何賬號、何操作”，涉及大數據的具體操作，日志中還應該記錄關鍵字段名稱。
（7）銷毀環節
涉及用戶敏感信息的大數據平臺下線或分析工作結束后留在系統內部的敏感信息，應采用技術手段刪除，確保信息不可還原。對于分析工作結束后留在系統內部的敏感信息，應根據數據需求工單中的數據有效期進行銷毀。
3 構建統一客戶敏感數據管理
運營商大數據涉及到用戶的行為特征，可以分為敏感數據和非敏感數據。敏感數據是不可下載本地系統進行操作，只允許在統一客戶敏感數據管理平臺中對其進行直接操作，而非敏感數據是可以下載本地進行操作，非敏感數據的下載只允許通過數據提取系統進行下載。統一客戶敏感數據管理系統架構如圖2所示。
在市魴棖筧嗽碧岢魴棖蟮ブ后，數據分析接口管理人員必須能夠識別是否為敏感數據和非敏感數據。
3.1 非敏感數保護原則
（1）市場營銷人員提出需求單，數據分析接口管理人員把此需求單定義為非敏感數據后，數據分析人員把分析的結果上傳到數據上載區的非敏感數據區。
（2）數據分析人員把非敏感數據區的數據上載到數據提取系統中。
（3）審核人員對此需求單的數據進行審核。
（4）市場營銷人員通過數據提取系統下載非敏感數據，整個非敏感數據流向都需要日志審計。
（5）數據上載區的非敏感數據區只有數據分析人員有讀、寫、刪等權限，其它人員無任何權限。
3.2 敏感數據保護原則
（1）市場營銷人員提出需求單，數據分析接口管理人員把此需求單定義為敏感數據后，數據分析人員把分析的結果上傳到數據上載區的敏感數據區。
（2）由數據分析人員把敏感數據區的數據放置審核區。
（3）由審核人員進行審核審核區的數據之后，放置個人工作區。
（4）市場營銷人員直接操作個人工作區的數據，也可放置該數據至共享工作區，以便其它市場營銷人員訪問。
（5）數據上載區的敏感數據區，僅僅只有數據分析人員有讀、寫、刪等完全控制權限，其它人員無任何權限。
（6）審核區僅僅只有審核人員有讀、寫、刪等完全控制權限。
（7）數據操作區的個人工作區，市場營銷人員分別對自己的個人工作區有讀、寫、刪等完全控制權限，而審核人員對個人工作區有寫權限。
（8）數據操作區的共享工作區，市場營銷人員僅僅對該部門或者該單位的共享工作區有讀、寫、刪等完全控制權限，但是無上一級共享工作區的權限。
3.3 敏感數據使用原則
（1）獲得授權的用戶（數據提取人員、審核人員、市場營銷人員），必須在系統安全域中分配相應的賬號和密碼。
（2）數據提取人員遵循的原則
數據分析人員只能通過專有的無盤瘦客戶端登陸到應用交付系統進行正常業務工作，該無盤瘦客戶端無硬盤、光驅及USB接口，無法將數據復制到本地。
數據分析人員在數據提取系統接到需求單時，需區分該需求單得出的數據是敏感數據還是非敏感數據。
數據分析人員在后臺業務數據取得數據以后，必須把該數據放到數據上載區，建議把敏感數據放到數據上載區的敏感數據區，把非敏感數放到數據上載區的非敏感數據區。
數據分析人員在數據管理服務器上，非敏感數據區的數據只能上傳至數據提取系統中，以給審核人員進行審核。
數據分析人員在數據管理服務器上，敏感數據區的數據只能上傳至審核區中，以給審核人員進行審核。
（3）審核人員遵循的原則
對于非敏感數據，審核人員登陸數據提取系統，根據數據提取人員上傳的數據進行審核，審核通過后，由市場營銷人員下載到本地（此本地為市場營銷的辦公電腦）。
對于敏感數據，審核人員進入數據管理服務器的審計區，對該區的數據進行審核，并根據該數據的需求人把數據上載到個人工作區（需求人工作區）。
（4）市場營銷人員遵循的原則
對于非敏感數據，市場營銷人員登錄數據提取系統后，下載已經審核通過的非敏感數據至本地，然后在本地對非敏感數據進行操作。
對于敏感數據，市場營銷人員通過應用交付系統進入數據管理服務器的個人工作區，然后直接對敏感數據進行操作。
敏感數據需要進行共享，則必須由市場營銷個人把數據從個人工作區拷貝到共享工作區中，然后其他營銷人員進行拷貝或者直接進行操作。
4 大數據安全事件閉環管控
4.1 建立大數據安全事件閉環管控流程
大數據安全從檢測、響應、恢復及加固四個環節開展大數據安全事件的全流程管控。
（1）建立大數據系統的安全屬性庫，考慮系統的可用性、完整性和保密性，針對系統的弱點屬性如系統漏洞信息、安全配置信息等，進行完整記錄和及時更新機制。
（2）建立必要的大數據安全防御手段，包括防火墻、入侵防御、防病毒、終端管理、上網行為管理、數據防泄漏等。
（3）發生安全事件時觸發預警/告警，安全監控人員及時進行數據采集解析、事件識別、實時數據分析、歷史數據分析，進行事件溯源，并啟動工單系統，生成安全事件工單，派發相應運維人員處理。
（4）安全運維人員開展事件處理、系統加固、安全策略調整，實現大數據安全的閉環管控。
大數據安全事件閉環管控流程如圖3所示。
4.2 建立大數據安全事件快速分析能力
大數據安全事件發生后的首要任務是及時開展安全事件的分析，具備完整、及時的安全數據分析能力是縮短安全事件的處置、減小損失的關鍵。
（1）建立全面、及時的安全數據的搜集。通過SNMP、SYSLOG、Agent、Netflow、API接口、數據庫接口、FTP、HDFS、KAFKA、端口鏡像、Netflow等數據源接口對網絡設備、安全設備、應用系統、中間件、主機、數據庫等開展數據采集。
（2）數據解析處理：通過安全數據字段的識別、時間字段偵測、時間同步等技術提升數據的解析成功率。
（3）建立數據關聯分析模型：基于Spark Streaming技術對系統采集的實時數據流進行關聯分析，關聯的模式包括統計關聯、設備關聯、信息關聯、模式關聯、漏洞關聯、策略關聯等，并內置安全關聯規則。
（4）用戶行為畫像：建立特定用戶的畫像，包括其合法行為白名單和行為基線。通過用戶行為分析引擎偵測用戶的異常行為，例如異常時間、從可疑位置登錄，或是訪問和平時完全不同的數據或稻萘浚或是把數據上傳至公司外部的可疑地址，提供可疑用戶最近的所有行為給安全管理員進行進一步的詳細調查。
（5）建立分等級的告警規則：根據監控內容，對不同設備和系統的異常情況進行告警，并對告警進行分類，例如高級告警、中級告警等。制定監控告警生成事件的規則，如主要告警可以生成安全事件進行跟蹤和處理。
常見的高級告警：違規安全軟件、違規登錄系統、終端數據泄漏；中級告警：違規上網訪問、密碼未定期更新、終端病毒感染、K端惡意掃描；低級告警：補丁未及時更新、惡意卸載軟件。大數據安全分析能力模型如圖4所示。
5 結論
本方案分析了運營商大數據發展的趨勢，重點闡述了當前面臨嚴峻的安全挑戰，并為運營商大數據開展內外部變現提出了一種運營商大數據全生命周期安全管控策略，通過基于運營商大數據系統建設的五個層級，建立數據采集、傳輸、存儲、共享、使用、審計、銷毀等七個環節的端到端安全管理體系。
運營商大數據由于涉及到用戶敏感數據，一方面可以建立統一客戶敏感數據管理平臺，對數據進行分級管理，定制差異化審批審計流程。另一方面從檢測、響應、恢復及加固四個環節建立大數據安全事件閉環管控流程，并提升大數據安全事件快速分析能力，將有效增強安全事件發生后的應對處置能力。
參考文獻：
[1] 中國移動通信集團公司. 中國移動大數據安全風險防控工作指引[Z]. 2016.
[2] 中國移動通信集團廣東有限公司. 廣東公司DPI（2/3/4G軟硬采）數據安全管理規定[Z]. 2016.
[3] 王準. 大數據環境下數據安全策略研究[J]. 網絡安全技術與應用， 2016（5）： 48-49.
[4] 李戰克，丁夢娟. 大數據環境下的數據安全研究[J]. 信息安全與技術， 2015（6）.
[5] 陳左寧，王廣益，胡蘇太，等. 大數據安全與自主可控[J]. 科學通報， 2015（Z1）： 427-432.
[6] 陳立樞. 中國大數據產業發展態勢及政策體系構建[J]. 改革與戰略， 2015（6）： 144-147.
[7] 王倩，朱宏峰，劉天華. 大數據安全的現狀與發展[J]. 計算機與網絡， 2013（16）： 66-69.
[8] 王長杰，王衛華. 大數據時代下信息安全保護研究[J]. 清遠職業技術學院學報， 2016（1）： 42-47.
篇7
一、中高端客戶對我們意味著什么？
高價值：對公司的收入及利潤起到決定性作用。約20%的中高端客戶創造了80%的收入，一個超高端客戶ARPU下降400元等于流失1個高端客戶或流失2個次高端客戶或流失3個以上中低端客戶。
高影響：中高端客戶一般是社會的中堅力量，影響力大。例如企業決策者。
高競爭：中高端客戶是三大運營商爭奪的主要焦點。
二、傳統的外呼營銷模式存在什么弊端？
1、“狂轟亂炸”式外呼：缺乏精細化的客戶分群管理，以產品銷售為主開展“掃蕩”式外呼。假設公司有1000萬客戶規模，月均外呼產能200萬，外呼傳統外呼模式是先根據客戶的ARPU等條件篩選符合辦理資格的客戶X萬，第一個月外呼200萬客戶推薦A產品，第二個月外呼其余200萬客戶，以此類推，第五個月又重新外呼第一個月那200萬客戶推薦B產品，純粹是用號碼資源來反復做N輪不同的產品掃蕩營銷，客戶“被打擾”的次數多，整體營銷感知欠佳。
2、“一擊致命”式營銷：沒有將營銷環節的客戶、業務、渠道三大要素進行整合，三者之間缺乏關聯性。傳統營銷模式以二維適配為主，如產品與客戶適配、渠道與客戶適配。換句話說，“好的產品找到了對的客戶”或者“客戶找到了購買產品的渠道”，但這個過程往往需要投入較多的成本資源。
3、“單兵作戰”式運作：渠道協同力度不夠，線下與線上互動較少。傳統營銷模式如服務廳等線下實體渠道與網站、外呼等線上電子渠道平行運行，從客戶角度來講，只希望辦理最優惠的方案，因此各個渠道之間為促成指標的達成會分立太多差異化的渠道策略，這樣渠道與渠道之間形成“搶客戶”的非良性競爭環境，從公司來講需要面臨策略非一致性帶來的投訴壓力。
三、中高端客戶看管模式探索
（一）看管模式
以“小團隊”為單位，常年看管“指定小群體”客戶，對客戶各個階段的業務發展需求、客戶穩定性、客戶價值提升等結果指標負責。
（二）看管思路
根據客戶生命周期理論，將中高端客戶的看管分為“前一中一后”三個階段，“客戶細分”一“看管實施”一“跟蹤反饋”，實施全流程閉環管理，實現客戶保有及捆綁。
（三）看管流程
首先，在CPC精確營銷理念的指導下從客戶入網、在網、離網三個階段著手，適配業務策略、布放渠道和運營落地機制。突破品牌型客戶劃分模式，細分客戶標簽，通過客戶的合約捆綁狀態、消費能力、通信行為、生活圈子、渠道偏好、終端傾向率等海量特征信息給中高端客戶群體畫像，設計整個生命周期對于產品及服務的規劃。
其次，通過“五全”手段的實施達到提高營銷成功率、降低企業成本的目的。主要包括：全渠道聯動營銷：以傳統渠道為主，新媒體渠道為輔，拓展雙微渠道，加強020聯動，提高精確營銷效率。目前短信、WAP、微博、微信、彩信、WEB、12580、服務廳、合作網點、全員十大核心渠道協同聯動，全月可提高10%的銷售量。全業務整合銷售：一通電話多項產出、一通電話多個選擇、一通電話多個目的；全電子支付推薦：100%業務銷售首推銀行卡托收、電話在線支付、網銀支付手段，提高信息化手段使用力度；全流程跟蹤反饋：開展電子支付率、配送妥投率提升工程，進一步提升訂單履行效率，全年配送成本可節約上百萬元；全員計件式薪酬：以薪酬趨向為導向，采用銷售業界普遍的“底薪+單量提成”考核模式，刺激員工銷售激情，實現企業與員工雙贏。
篇8
騰訊視頻依托于騰訊龐大的用戶基數，并且擁有騰訊門戶網站的媒體基因，是視頻網站中名副其實的“大眾媒體”。自2011年4月上線以來，騰訊視頻就憑借非常規的“彎道超車”策略，成為覆蓋第一、成長速率第一、專業視頻第一的視頻網站，改變了視頻行業原有的格局。而作為營銷平臺，騰訊視頻也擁有獨特的優勢。
大平臺放大營銷效應
俗話說“背靠大樹好乘涼”，7.84億的QQ活躍賬戶，以及與此相關聯的QQ空間和騰訊微博，就是騰訊視頻背后那棵提供大片綠蔭的大樹，這是其他垂直和門戶視頻網站無法企及的，自然成為騰訊視頻最大的優勢。依托于騰訊的大社交化平臺，騰訊整合騰訊網、騰訊微博、QQ空間、騰訊無線等跨媒體平臺，打造V+平臺，對騰訊視頻的內容進行無縫式、立體化傳播，形成視頻資訊化、視頻社交化和視頻互動化的獨特營銷模式。
“目前騰訊有流量第一的門戶、QQ、微博、微信、QQ空間等眾多平臺，每個平臺都是超過十幾億的流量，怎么讓這些平臺變成我們優秀內容的觸發和營銷渠道，產生平動效應，是騰訊視頻差異化的重點。”騰訊在線視頻部總經理劉春寧說。
基于V+平臺，騰訊視頻為廣告主提供了多種解決方案，例如類電視投放方案，提高品牌曝光率，實現目標受眾最大觸達；主流媒體投放方案，借助媒體公信力提升品牌信任度；社交分享方案，利用騰訊社交網絡進行口碑傳播。“騰訊視頻能通過多平臺、多終端，全天候以不同的內容方式觸達用戶，從而發揮媒體獨特的影響力。”通過V+平臺的整合效應，品牌價值和傳播效率得到放大。
網頁版與客戶端雙平臺共同發揮作用是騰訊視頻“大平臺”的另一個層面。目前，視頻網頁端與客戶端是同樣重要的視頻觀看方式。廣告主在衡量一家網絡視頻媒體的價值時，會將其在網頁端與客戶端的數據整合到一起衡量。劉春寧表示，2013年騰訊視頻將繼續發揮網頁版與客戶端雙平臺優勢，幫助廣告主開展雙平臺整合營銷。
大資源豐富營銷模式
網絡視頻行業的競爭歸根結底是“內容為王”，不僅內容要足夠多，還要足夠精。
騰訊視頻以巨大投入購買資源，進行內容建設。騰訊視頻還是全網唯一包攬歐洲六大頂級足球聯賽的線上媒體，2012年年底還引進了臺灣最火的綜藝節目《康熙來了》，每日同步播放。騰訊視頻繼承了騰訊門戶的媒體基因，30%左右是新聞資訊、體育、綜藝娛樂、財經等具有極強媒體屬性的專業視頻，在專業視頻領域的滲透率排名第一。
此外，大劇運營和原創自制內容也是騰訊視頻著重突出的差異化優勢。劉春寧說，2013年，騰訊視頻推出“綻放2013”全年播出計劃，實施100+100戰略出品計劃，預計將覆蓋80%的一級衛視劇目，月月有獨家播出；同時，引進美劇、韓劇等海外優質資源。騰訊視頻陸續推出《某某某》、《愛呀幸福男女》等獨家原創自制節目，播放量多次打破原創節目紀錄。
目前，視頻營銷模式變得多元化，除傳統的貼片廣告、冠名之外，還有品牌植入、品牌微電影等。其中，僅品牌植入就有多種形式，如在視頻中植入品牌形象，或是訪談類節目配合品牌植入討論話題，或為企業定制節目內容，等等。
如今，騰訊視頻已開始嘗試內容植入式營銷，根據廣告主的需求定制節目，從而最大程度地滿足廣告主的差異化營銷需求。騰訊視頻與上海大眾合作，首次以紀錄片形式進行視頻營銷，植入桑塔納品牌，這種新的營銷方式將品牌與產品理念置于故事情境中以“潤物細無聲”的方式傳遞給用戶。騰訊視頻還與川制作合作，為聯想拍攝系列微電影，在微電影中植想品牌，開拓了微電影營銷新的領域。
大數據實現精準營銷
可定向目標用戶是視頻廣告相對于傳統廣告的最大優勢。視頻廣告定向以大數據為依托，數據越豐富，定位越精準。
“騰訊有著14年積累下來的數億級海量用戶數據，通過用戶畫像系統，可以準確分析用戶屬性。騰訊視頻在龐大的用戶數據基礎上，通過對用戶年齡、性別、地域、上網場景、時間、內容偏好的定向分析和數據處理，為廣告主提供精準定位和投放導向，因此我們的貼片廣告價值高于競爭對手。”劉春寧說。
“今天每個人打開騰訊視頻的頁面可能80%是一樣的內容，一年后也許50%是不一樣的，因為有一半內容是你自己定制的，或根據你的喜好推薦給你的，這一趨勢非常明顯。消費者洞察是視頻行業未來5到10年的發展目標，其發展依靠洞察數據進一步的整合。我們的內容定制、原創以及投資，都是根據用戶數據的深度挖掘而來的。”對用戶喜好的內容實現定制化，意味著能實現廣告的精準定向投放。
篇9
不過他似乎并不適合這份工作。他的同事每個季度能找到3個不錯的公司，但是他卻一個都找不到。楊文杰評價每天的工作像“大海撈針”。而作為一個外來客，他又缺少很多美國人自帶的優勢。“如果在國內，我認識一些公司的高管，也許聊一聊就會知道一些新的東西。”不過即便如此，做法也是非常隨機的。
楊文杰需要找到一種持續高效收集信息的新方法，他想到了之前在摩根大通工作時接觸到的一家公司。這家公司用爬蟲去分析全球的新聞數據，然后把這些數據賣給一些金融機構，給它們提供一些情報和信息。這家公司當時讓楊文杰非常感興趣。
私募公司大多是通過人力來尋找值得投資的項目，并不會特別招聘數據科學家或者工程師，或者借助爬蟲和模型來收集和分析數據。雖然沒聽說身邊有誰在用這個方法，但楊文杰決定嘗試一下。
結果非常出乎他的意料。這次他完成了一般投資經理數倍的工作量，業績由倒數第一變成了正數第一。機器的高效讓他完成了不可能完成的工作任務。通過爬蟲技術，楊文杰找到了一些媒體沒關注到、位置有些偏遠的公司，并發現了它們的成長跡象。之前有過兩次創業經歷的楊文杰敏感地意識到這是一個好的創業機會。而繼續在公司里待下去，技術的歸屬權很可能就會被公司收走。 >> 聯合創始人汪超（中）和北京辦公室團隊，EverString去年8月將業務拓展到中國市場。
楊文杰很快離開了公司，并聯系上了大學時的好友汪超。2006年汪超和楊文杰有過一次共同創業的經歷，彼此非常熟悉。當時在國內一家投資銀行任副總經理的汪超，同樣看好這個方向，于是決定辭職和楊文杰一起創業。2012年年底，二人創立了公司EverString。
EverString現在是一家通過人工智能技術和高效的算法來幫助企業挖掘精準客戶，提高銷售效率的公司，目前客戶主要在美國，包括微軟、IBM和McAfee等。這些企業級客戶基本都會使用CRM（客戶關系管理系統）在銷售過程中梳理客戶信息。EverString一方面對接CRM數據，通過提取數據和建模，得到精準的客戶畫像。另一方面，EverString在互聯網上抓取了1100萬家公司的信息，再將這些信息和客戶畫像匹配，來判斷哪些用戶的轉化率比較高。
在公司創業初期，他們的目標客戶是風險投資公司。EverString創立后很快拿到了真格基金、紅杉資本等機構的150萬美元的天使投資。這個時候，楊文杰也沒太想明白公司的具體方向是什么―至少還可以做本行，畢竟現在他能組建一個以一當九的投資經理團隊。
拿到了投資，楊文杰首先想到的是如何優化算法。斯坦福MBA的身份讓他相對容易地接觸到了學校里一些研究算法的博士。在產品研發階段，楊文杰天天和斯坦福的博士們待在一起，研究怎么才能利用算法更好地收集企業信息。有了好產品自然就會有人埋單，他一開始是這樣想的。
然而事情沒有像楊文杰想象的那樣順理成章。
在產品上線后的5個月中，楊文杰四處去拜訪客戶，但卻沒拿下一個訂單。投資公司希望獲得和EverString獨家的合作機會，但EverString找到的有潛力的公司并不完全適合某一家風投。“比如經緯最近投B2B很多，紅杉最近投O2O很多，可能我們同一個項目，紅杉的打分就比較高，經緯的打分就比較低。”楊文杰想要更好地了解不同投資公司的投資偏好，提出能不能通過機器學習的方法先研究一下以前投資的案例，這樣就能更好地完成推薦。但是，沒有一家投資公司能給出這樣的機會，畢竟案例數據庫對于投資公司來說太重要了。這讓楊偉杰和汪超非常苦惱。
對于EverString智能推薦算法來說，關鍵就在數據的雙向溝通，目標公司的成長信號只是收集數據的一部分，EverString還需要對投資公司內部的數據做研究。研究樣本缺少，意味著楊文杰不知道每家投資公司的偏好，不知道把找到的公司精準地推薦給誰。
“那是我們最黑暗的時期，”楊文杰這樣描述那段找不到方向的瓶頸期，“當時賬上的150萬美元都快燒完了，感覺已經堅持不下去了，不知道出路在哪兒。”
另外一個讓楊文杰和汪超感到前途渺茫的原因是，EverString的潛在客戶太少了。“有名的投資公司就幾百家，每家付個幾萬美元，公司的成長空間非常有限。”EverString的聯合創始人汪超說。
急需找到方向的楊文杰開始頻繁地參加各種B2B峰會，希望能夠得到一些啟發。有一次一位嘉賓的分享給了他很大的啟示。那位嘉賓演講的主題是：“在沒有一個銷售人員的情況下，怎么做到兩億美元的收入”。演講嘉賓有一個觀點和楊文杰的想法相同，即外部的數據一定要和企業內部的數據結合起來，“B2B的創業一定要把產品植入到客戶公司的工作流之中。”
這些話讓楊文杰找到了方向。楊文杰給汪超解釋了一下自己的思路，不給投資公司推薦成長型公司了，EverString應該轉做B2B模式：分析公司原有客戶的特征，再結合全球數據分析，給公司的銷售推薦下一個客戶，告訴他們給誰打電話，成功率會比較高。
汪超也覺得這個方向可行。在最困難的時候，倆人忽然覺得，也許黑暗的日子快要結束了。
接下來的事情比較順利，投資公司似乎對EverString提出的提高銷售效率的方法比較認同，有好幾家公司都同意讓他們試試。
McAfee是EverString第一個比較重要的客戶。平均每一年，有100多萬的潛在客戶訪問McAfee的網站，但是其中只有2萬能最終轉化成真正的客戶。由于不知道哪些是真正的客戶，銷售人員只能將這100萬個客戶的電話都打一遍，McAfee想要更精準地知道誰才是下一個客戶。楊文杰當初跟McAfee說，兩個月內EverString會提供一套5萬美元的方案，如果McAfee不滿意，3個月內可隨時解除合作。
一開始，整個團隊光在建立模型上就花掉了47天，楊文杰需要不斷和幾位斯坦福的博士客戶做溝通，然后不斷調試算法與模型。建立模型是為了找到McAfee的客戶究竟有什么特征，描繪出用戶畫像。模型建立好了以后，EverString就可以不斷地獲取McAfee所有的在線客戶信息。通過把這些潛在客戶和已有用戶的畫像比對，EverString能夠說出這些潛在客戶與目標客戶的相似程度。據楊文杰說，3個月下來，EverString幫助McAfee把銷售效率提高了兩倍以上。
隨著接觸的公司越來越多，建模工程師們逐漸發現了不同公司內部數據的共性，其中很多功能都可以模塊化。因此建模的時間就越來越短，由原來的47天、42天，縮短到了現在的30分鐘。“最早我們只有一個模型，未來我們會有上百個模型，并且可以通過算法來選擇哪個模型更好。”汪超對《第一財經周刊》說。
模型的數次迭代讓技術層面的問題越來越少，然而最困難的部分就是讓客戶完全信任地將數據接入到EverString的系統。“因為我們的做法是需要客戶把他們的數據給我們，讓我們的引擎切入到他們工作流當中去，這樣這家公司每分每秒產生的營銷數據、Email數據，全部會傳到EverString當中，”楊文杰說，“就像是在每個公司的大腦中插入了EverString的芯片。”這樣的要求一開始勢必讓客戶高度防備，因為這樣做很可能導致數據外泄。有的公司甚至告訴楊文杰，會請黑客來測試他們的系統。
真正給EverString帶來轉折的是和微軟Office 365小組的合作，對于當時規模非常小的EverString來說，微軟是個巨大的品牌背書。
不過拿下這個大客戶并不容易，因為EverString首先要做的就是接入公司的CRM系統來獲取數據，這一點讓微軟很難接受。“當時我們也沒有什么名氣，只能去苦苦地求唄。”楊文杰說。在接下來的一段時間，楊文杰每天跑到微軟去上班，就坐在銷售旁邊聽他們怎么打電話、怎么去銷售自己的產品，去了解他們究竟需要什么樣的客戶，然后一次一次地跟銷售經理保證數據絕對不會外泄。最后微軟的銷售經理實在拿他沒辦法，終于松了口。不過讓他在了解到客戶信息之前，微軟和EverString簽了一系列非常嚴格的保密協議。
半年以后，EverString幫助這個團隊把營銷效率從原來的8%提高到了25%。
除了找到正確的方向，另外一件重要的事就是找人。由于兩位創始人都是中國人，來EverString面試以后最終留下的大多數也都是中國人。而在市場拓展、銷售產品上面，中國人還是缺少美國人自帶的優勢，會受到“外來”身份的影響。楊文杰找到了自己當初在私募公司的老板J.J.Kardwell，他同樣也是EverString的天使投資人之一。楊文杰每過一段時間都會找這位前老板聊聊EverString的情況。兩人再次見面的時候，楊文杰向Kardwell發出了邀請。
Kardwell隨后放棄了年薪400萬美元的工作，加入EverString，成為了公司總裁。Kardwell的到來幫助 EverString進一步打開了局面。他利用自己的人脈資源，將EverString推薦給了更多的500強公司，并且給EverString招到了第一個非華裔的營銷主管和市場總監，現在EverString的美國公司里，除了工程師，絕大部分都是美國人。
2014年8月，EverString拿到了1200萬美元的A輪融資，這輪融資主要被用于擴充工程師團隊和銷售團隊。目前，EverString在美國和中國分別有兩個團隊，在硅谷主要是數據科學家和營銷團隊，在北京則是工程師團隊。其數據科學家團隊來自美國航空航天局、Salesforce和斯坦福PhD等，工程師團隊來自Google京東等公司。
目前，EverString已經累計抓取到了1100萬家公司的信息，“幾乎把所有有英文網站的公司都覆蓋了”。
除了推薦更精準的客戶，EverString還嘗試優化公司人的工作流程。通過對信息的智能處理，EverString能夠分辨出不同事情的重要程度，并給出銷售一些建議。每天早上銷售打開電腦后，系統會自動彈出來當天要聯系的客戶名單。需要發給客戶的材料已經準備好，只需要點擊發送按鈕。系統會在恰當的時間彈出提醒，告訴銷售這個時間發過去的郵件最容易被打開。聽上去這些功能和一些輔助工作的SaaS軟件并沒有什么不同，但是在使用SaaS軟件的時候，用戶需要自己將工作內容和工作計劃填寫到空白的軟件里，EverString更偏向于自動收集郵件中的工作信息和各類數據，通過建模和分析以后給出合理的建議。
“有個含義很廣的概念叫做算法經濟，具體到EverString，就是利用算法幫助企業做更優的決策。”汪超說，“找到企業的痛點后，我們可以通過算法一個一個去打。最難的是怎么把芯片裝到一個企業的大腦中去，獲取所有信息。”汪超認為EverString已經通過“芯片”收集了足夠多的信息，利用這些信息和高效的算法，他們還可以做很多事情。
篇10
山岸紀寬
電通安吉斯集團中國區首席執行官
于1982年加入日本電通株式會社，擁有超過30年的廣告和傳播經驗。在專注于客戶業務戰略十多年后，2000年起，山岸o寬擔任電通戰略經營策劃局部長，并于2008年升任局長。2014年，他升任電通安吉斯集團中國區首席執行官，負責制定電通安吉斯集團中國業務和文化的持續發展戰略。2016年初，山岸紀寬被任命為電通集團執行官。
過去一年中，電通安吉斯集團（DAN）在數字營銷方面持續創新，積極探索使用創新技術聯結消費者和品牌。
在2016亞洲消費電子展上，我們以“Empower Our Extended Self”為主題，圍繞自我延伸的設計理念展出了一系列創新消費電子技術，如結合了虛擬現實、機器人科學、人臉識別、實時情緒解讀等最新數字技術的展品。以創新科技為例，包括機器人手機RoBoHoN、全球首款能夠根據人腦活動對游戲進行定制化處理的虛擬現實眼鏡BVRAIN等。這一年，集團成立了創新委員會，跨市場、跨部門之間協調最佳創新資源；并且設立了創新基金，投入于創新產品和服務的開發。同時，還成立了電通安吉斯數據實驗室（簡稱“DADL”）。這個大數據平臺能夠整合在多個媒體平臺上的各類信息，應用數據和技術能力與工具，通過商對于數據的分析和洞察，真實地還原消費者畫像。DADL也將助力DAN在2020年實現全面數字化的戰略目標。
在中國市場，大家對新事物新技術的興趣度和接受度比較高，愿意主動嘗試，給創新提供了很好的土壤。新技術迭出，我們要看到技術背后營銷的無限可能性。如何判斷新技術的價值？我們更重視的是它的發展前景，以及它與營銷的結合是否能最有效地激發全新的價值，為消費者創造更好的體驗，為品牌帶來更好的業務表現等。
這需要更加全面的人才，全方位地思考如何聯結品牌和消費者。為此，DAN建立了一系列人才培養計劃，包括：1）電通安吉斯大學，這個集團內部設立的企業大學致力于培養面向未來、具備前瞻性思維和復合專業知識與技能的人才；2）Route 500，針對電通安吉斯所有員工的全球高潛質人才發展計劃，為其成員提供電通安吉斯集團內，包括當地、區域及全球，一切有助于員工發展的資源，幫助員工發展領導能力，提升個人及職業發展速度，得以擔當更高級別的工作。成員可以獲得更多的發展機會、擴大視野和資源，得到職業發展的新機遇。
DAN倡導的是“Beyond advertising”，我們不僅僅是為客戶做廣告和傳播，而是用創新的方式更好地聯結品牌和消費者，努力培養幫助客戶在數字營銷方面勝出所需要的創新能力，并且為客戶做出整體的解決方案。未來，我們將持續探索一切數字營銷創新的可能。
2017營銷關鍵詞
在營銷活動中，數據是尺度，也是整個行業甚至是商業進化的催化劑。除了收集數據之外，還要有效地整合和運用數據以提升商業價值。
不知不覺間互聯網已經串起人們生活里的所有介質和終端，消費者在多渠道之間進行無縫切換。一方面如何將分散的消費者足跡勾勒出完整的消費旅程信息；另一方面如何運用創新技術更好地聯結消費者與品牌，都需要營銷人員能夠打破壁壘、整合互通。
不論是手機網民的增長、移動電商的崛起，還是分享經濟的發酵，生活越來越移動化，營銷人員將更多地研究如何借助新媒體技術創造更有趣的移動端內容與消費者進行互動。而包括VR（虛擬現實）、AR（增強現實）這些新技術的升溫也是跟移動端本身的發展有關系。DAN也將在這些領域持續探索。
案例工具書
