谷歌每天要處理大約24PB的數據，Facebook每天要處理23TB的數據，Twitter每天處理7TB ，百度每天大概新增10TB的數據。
騰訊每日新增加200-300TB的數據，淘寶每日訂單超過1000萬，阿里巴巴已經積累的數據量超過100個PB。考慮一下，為什么越是行業壟斷巨頭就越擁有海量數據呢？
對任何擁有特有數據的公司，都應該考慮怎么讓數據盈利。
一、數據收集沒想象中那么復雜，重要的是發現
很多企業甚至是互聯網企業，或者不知道該如何使用手中已有的數據資源，白白浪費掉優化改進的好機會；或者認為大數據只有BAT這樣的互聯網巨頭才有，一個小網站或APP應用是沒有大數據的，果真是如此嗎？
看一個簡單的例子：微博段子手們最平常不過的數據收集↓
拋出一個限定話題得到各方粉絲回應，第二天可參照由微博點贊自動生成具有代表性的意見進行概括歸納，將1k+的評論總結起來制成9條Tips，二次加工后發出獲得6k+轉發、4k+評論和4k+贊，典型的UGC手到擒來，絕對的ROI穩賺不賠。
一個網站或一個APP所包含的數據信息都是數字營銷的基礎。
通過分析來自網站及競爭對手的定性與定量數據，可以驅動用戶及潛在用戶在線體驗的持續提升，并提高我們的數字營銷業績。
網站及競爭對手的定性與定量數據
又如，法國的一些航空公司推出免費的APP方便旅客在移動設備上跟蹤自己的行李，之后在追蹤的數據平臺上發現一部分商務旅行客戶中途在某一城市進行短暫的商業會晤不需入住酒店，行李成了累贅，于是航空公司推出專人看管全程可追蹤的增值服務，此項服務每周的新創造大概可達100萬美元。
正是基于對數據的洞察產出附加價值。對數據的掌控，就是對市場的支配，意味著豐厚的投資回報。
二、 數據是有情緒的，假如別人要你推薦一只股票
數據的形式多種多樣，呈數量級爆發的UGC內容可以被我們拿來運用？一個新穎點的例子，譬如最近從5100點+飛瀉而下的中國股市，股民巨量的埋怨和牢騷能以怎樣的數據化形式展示？
“除了耐心等待，最好再找個地方讓自己發泄一下，找些跟自己同病相憐的人，還能緩解一下壓力，避免跳樓。彈幕，就是最好的形式了。”—有人建了一個網站,在K線圖上配上彈幕供吐槽…
結果被同樣郁悶的股民玩的特別魔性↓這匯集出的數據隨著K線走勢變化擁有了實時鮮明的情緒特征，可以在一定程度預估使用者下一步賣出或繼續持有的動向。
股市數據
拿買股票來說，推薦者會繼續購買并且推薦給其他人來加速某個公司股票（或實際產品）的成長，而貶損者則能破壞其名聲，不僅僅停止購買，而且勸說周圍朋友，在負面的口碑中阻止其成長，NPS凈推薦值則反映了類似多與空、褒與貶這兩股力量較量的結果。
回到廣告，這些來源于門戶或垂直類網站、電商平臺購物用戶的打分與評論、社會化媒體如微博、論壇、微信、應用等的用戶評論文本數據以及客服系統的語音數據和評價文本數據，可以統稱為“用戶反饋數據”。
用戶調查表
我們可以結構化處理后，進行數據挖掘，識別“貶損者”和“推薦者”，全面和快速的計算NPS，并了解“貶損者”的貶損原因。
若進一步關聯整合“用戶行為數據”，我們還可以了解“貶損者”的歷史“用戶行為數據”，有利于我們更好的洞察用戶，優化用戶體驗和改進產品方向；同時還能定向“推薦者”展開更多的優惠促銷或附加增值服務。
當廣告商掌握了數據，能夠向客戶傳輸更加相關的和更加有趣的信息，潛在客戶們甚至可以根據自己的需求定制一些廣告信息，可能會做出更好的購物決策，并有助于廣告商提升銷售業績。
三、基本的5W1H問答也能玩轉消費行為數據
Kotler（科特勒行為選擇）模型從市場的特點來探討消費者行為，更容易進行定量研究：
Kotler（科特勒行為選擇）模型
以推廣營銷某款手機為例，我們將要研究的數據可綜合為5W1H：
1.Who &Whom：購買這款手機的人群分類？還要弄清誰是決策者，誰是使用者，誰對決定購買有重大影響以及誰是實際購買者；
2.What：不同手機品牌的市場占有率、具體型號的銷售情況；
3.When：了解在具體的季節、時間甚至時點所發生的購買行為，比如配合節假日促銷；
4.Where：研究適當的銷售渠道和地點，還可以進一步了解消費者是在什么樣的地理環境、氣侯條件、甚至于地點場合使用手機；
5.How：了解消費者怎樣購買、喜歡什么樣的促銷方式，比如是去線下體驗店還是看測評視頻等；
6.Why：探索消費者行為動機和偏好，比如為什么喜歡特定款手機并拒絕別的品牌或型號；
不同特征的消費者會產生不同的心理活動的過程，通過其決策過程導致了一定的購買決定，最終形成了消費者對產品、品牌、經銷商、購買時機、購買數量的選擇。
數字營銷人員如果能比較清楚地了解各類購買者對不同形式的產品、服務、價格、促銷方式的真實反應，就能夠適當地影響、刺激或誘發購買者的購買行為。且數據的應用可以貫穿營銷價值鏈的廣告、公關、官網、電商、CRM各個環節，覆蓋用戶能力會更加全面和強大。
各類購買者反應
四、數據是拿來用的，不僅僅是拿來看
買一只股票尚需數據分析，展開一項持續的廣告營銷活動當然更應該建立在有數據衡量的基礎上。
比如Uber的數據科學家建立了“基于地理位置的打車需求模型”（Location-based demand model），每天實時更新的熱點地圖可以有效幫助車主縮短空載時間，同時幫乘客減少等待時長。下一步，車主會知道提前去哪里等待可以載到更多的乘客啦。
PRADA在紐約的旗艦店中每件衣服上都有RFID碼，每一件衣服在哪個旗艦店什么時間被拿進試衣間停留多長時間，數據都被存儲起來加以分析。某一系列衣服銷量很低，以往是被直接干掉。但如果RFID傳回的數據顯示這系列的衣服雖然銷量低但進試衣間的次數多，那就能另外說明一些問題。
也許在某個細節的微小改變就會重新創造出一件非常流行的產品，這類衣服的下場會截然不同。有點像電商分析購物車數據來提高轉化率，若大量客戶都選中了某件商品放入購物車卻沒有最終結算，說明它是熱門產品，但可能有些小問題，適當變更價格或服務條款可能就會產生巨大的變化。
數據的使用能夠使對企業的經營對象從客戶的粗略歸納還原成一個個活生生的客戶，了解他們喜歡什么討厭什么，并更有針對性，越能滿足客戶的需要，ROI就更高。
廣告主通過數字營銷，更可能運用全新的視角來發現新的商業機會和重構新的商業模式。過去看不到的東西都能看到了，即有了全新的視野。
京公網安備 11010502049343號