大数据与营销话题一直受到人们的追捧，利用大数据营销推动营销变革已成为现在乃至未来的趋势。大数据营销离不开对数据的管理和整合，以及对数据的分析，如何做到精准营销，获得更大的回报，同时减少对客户的“骚扰”，是我们每一个市场经理人需要思索的问题。
最近，大数据营销在业界被提及的次数越来越频繁，而且不仅仅是营销人关心，似乎业务、运营、战略甚至企业最高层的C-level也把它列为最重要的竞争力之一。大数据与营销的话题始终都是最被观众追捧的。但是到底大数据营销是什么，怎么做大数据营销，很少有人能清清楚楚的讲出些门道来。
我在网上搜了搜，“大数据营销”大概是从英文的Data-driven Marketing翻译过来，顾名思义，一方面是基于"数据"的营销，没有数据就没有所谓的大数据营销，但是到底是用“大”数据做营销还是“小”数据也能开展营销，倒是值得商榷。当然国内几乎人人都称大数据，而数据本身又的确处于井喷式增长，姑且把“数据”约等于“大数据”倒也说得通。但是不管是大数据营销还是数据营销，其中有两个重要的关键词：
首先就是“数据”（DATA）
显然数据库营销不是一个新鲜的话题，把客户的信息搜集起来，然后进行归类、汇总，然后就可以更有针对性的进行营销活动。这是一切现代精准营销的基础，把对客户特征、偏好和需求的把握转化为行动。但是随着数据源的变化，这个客户的数据视图便得越来越庞大。一是客户接触平台多样性产生了不同源头，不同格式，不同结构的大量数据，比如在线商城，店面销售，移动端，PC端和POS端。同时，数据和数据之间的关联程度比较差，分布在不同的系统中，难以形成统一的客户视图；二来，纷杂的数据产生很多噪音，很难了解客户真正想要什么。一般来说，比较主流的客户数据主要分成四种不同类型：
第一，个人与职业数据：
这些很多传统客户数据库都具备这样的数据，包括公司和个人基本信息，联系方式等等。但是这些数据存在最大问题是质量，因为数据量庞大，很难确保这些信息是最更新，客户换了新的工作、新的手机却难以更新,更无从验证；
第二，交易数据：
这些数据多来自于销售管理系统，一些公司把也许会把这些数据储存在CRM系统，一定规模的公司大都有这样类似系统。但是，很多客户都还在整合传统客户数据库和CRM系统，因此大量的主数据管理的项目还在业界流行；
第三，互动数据：
一般来说这些数据来自于每个市场项目，不管是线下活动、关键词购买、数字营销，每个参与营销活动都会产生很多的痕迹，通常这些信息是散落在每个执行人员手上。比如活动的问卷，客户看了网站上的什么内容，点击了哪些button，这个对于传统客户数据库来说是非常难以整合的工程。而且大多数客户即使完成了整合，却没有足够的分析能力,从这些数据中发现有用的信息，变成洞察，而没法更好的利用这部分data。
第四，行为数据：
关于这部分数据在业界讨论的非常热，行为数据都是来自于和客户的每一个接触点产生的，比如说社交媒体上的发言，通过拨打客户电话投诉产生的内容。很多的互联网都在这个领域里头做了很多的努力，最典型的几个场景包括：电商网站的“猜你喜欢”，或者是微信的朋友圈广告，完全是通过分析客户在互联网上的行为来判定客户的属性，推送针对性的内容。对行为数据的分析和预测，进行预测，然后实时提供的定向推送，这些推送并不关心客户是谁，而是猜想。比如，通过买尿布的客户来断定他/她是孩子的家长。
对于这些行为，业界也有很多争论，是不是应该把它与客户数据进行整合？首先是整合的难度大，其次是整合完成会不会产生效果，因为行动一般是瞬间动作，如果在发生这个行为的时候没有做出反应，事后再做有没有用。还是刚才买尿布的例子，如果在客户搜索尿布同时，推送奶粉或者其他婴儿用品的信息，客户可能当时就会打开，如果把这个信息搜集到客户数据库里，用曾经搜索过尿布的客户作为一个定义，可能这个客户的孩子已经过去了一年，他已经不需要尿布，而变为需要儿童代步车或者其他儿童用品了。
扯的有点远，但是归根结底，要做大数据营销，首要的任务就是有数据，如果数据缺失或者数据质量欠佳，谈任何data-driven marketing都是水中月、镜中花。如果你听到360度客户视图、客户全景、主数据管理等项目的时候，大多数都是在做数据管理和整合的工作。
大数据营销的第二个关键词是“分析”（Analytic）
有了数据，如何把这些数据盘活、真的让数据变现，是我现在听到的更多呼声，几乎每个营销人都希望精准。一则可以让营销投资获得更大的回报，再来客户减少对客户的“骚扰”，只有真的需要的客户才提供“恰到好处”的信息。但这的确说起来容易，做起来难。普遍来说，几个常见的问题包括：
- IT人与营销人的脱节
营销部门期望得到的更多的数据/信息不知道从哪里找到，而IT却很难判断散落在不同系统中的信息有什么作用；营销部门希望分析的时效性更强，最好是实时的分析，但是传统的建模分析的过程时间不短；营销部门希望得到的结论是业务语言，最好能从数据中抽象出规则，可是IT却苦于对业务了解的欠缺，得出的结论往往是一堆数字，还需要进一步解读。
- 要分析的内容太多，不知道从何开始
刚才提到过数据的种类那么多，每个人想到做大数据营销，一上来就想做“全”数据分析，可是限于数据质量，分析来分析去很难发现有用的规律，甚至发现一些“伪”规律，对大数据营销的有效性产生怀疑。同时，有一些营销人希望从小处入手，但是却苦于对研究行为数据、社交数据还是其他的数据的选择有一些犹豫。
- 工具和人才
在过去一段时间内，跟很多做大数据分析的数据科学家和营销分析师的沟通中，也发现了面临零零种种的分析工具时候，不论是开源的、云端的还是传统的装机软件，都碰到工具比较复杂，而专业人才实在难求的局面。
针对于以上的几种问题和市场部饯行大数据营销的一些经验，我有几点个人的建议供希望进行大数据营销的同仁参考。
第一，选择能短期突破的项目入手。必须要结合目前的数据状况，进行一些短平快的项目，比如说多品类的电商零售企业，可以考虑会员管理，智能推荐的项目；而关键词投放占到市场费用很大企业，可以考虑做关键词出价的分析和优化；多渠道销售的公司，可以考虑做渠道和品类的交叉分析，来优化分销体系和营销组合。总之，一定要让大数据分析的结果很快作用于营销活动，看到quick win，否则很难坚持下去。
第二，投资人才的培养。传统的IT和营销的部门的设置本身对大数据营销的开展就非常困难，不如在营销部门中间自己设定一些营销分析师的岗位，他们屁股坐在营销部门里，对业务有天然的理解，同时这些人兼具分析、统计甚至一些编程能力，减少跨部门的沟通效率，以我工作的IBM为例，市场部就有自己超过20人的团队专注于统计、数据和分析领域，他们参与每次的市场计划、执行和效果评估，真正做到IT和业务一体化。
第三，考虑引进外脑。传统的广告公关Agency都在努力的培养自己的分析队伍，而更多咨询公司也在进入这一领域。根据Adage排名,在北美最大的互动营销代理商前十名中，有三家以前根本不在这个行业的新选手，他们的排名都比较靠前，他们分别是我的东家一个新部门，这些新的广告代理商具备的能力最突出的就是强大的分析能力，他们把传统的财务分析、供应链库存分析等管理工程方面的经验、或者是以前做的市场战略，分析能力放到营销活动的分析上。这样一定程度的可以帮助市场人员分析能力弱的短板。但是和这些新兴的代理商合作，可能需要有更多的耐心和开放的心态，或者让传统代理商和和分析服务商合作。
第四，投资易用好用的工具。现在又是广告插播时间。目前我正在推广一款新的云分析工具，它主要针对非技术人员对数据的分析的需求，简单易用，甚至很多操作都是通过自然语言的指令下达；同时具备强大的图标可视化功能；而且免费版本就可以支持10万条数据分析。稍可惜的是，目前所有操作都只有英文版本，如果英文操作没有问题的朋友，欢迎点击阅读原文免费试用。
最后，我想用一个鸡汤来结尾。在利用大数据营销推动营销变革时候，你只需要记住一个谚语：种树的最佳时机是20年以前，但现在开始也为时未晚，小树苗总比光秃秃的土地好得多。
