
大数据改变着传统行业的营销模式
依托云计算,运用大数据,互联网正演绎一场大变革。从互联网企业做电商重塑传统零售业,到冲击金融业,再到如今逐渐渗透到各行各业,大数据正改变着传统行业的经营模式。
而到移动互联网时代,面对网民浏览习惯日趋多屏终端化的趋势,当前数字广告业内已经普遍认识到大数据技术应用到精准、效果类广告策略中的价值,并加深了对大数据技术的应用。
在此条件下,大数据将会带来哪些改变?其难点又在何处?为此,上证报记者专访了2013互联网大会指定大数据营销平台AdTime的CEO付海鹏及CTO雷永华。
上海证券报:大数据除了对商业模式的改变外,在营销方面将带来怎么样的变化?
付海鹏:过去传统的营销模式是通过大量广告投入来吸引消费者,传播面广,但缺乏精准定位。大数据时代使得这一模式有所改变,通过对消费者行为的预判,我们更容易理解消费者的喜好偏好。这使得大数据下的营销对传统营销形成挑战和升级。
上海证券报:这些挑战与升级,对于诸如传统媒体将带来什么影响?会不会像大数据对部分行业如金融那样产生一定的冲击?
付海鹏:大数据使得新媒体与传统媒体的界限越来越模糊,事实上将为传统媒体带来新的商机。我们提供的是帮助广告主实现多屏互动的全新互联网投放模式。过去谷歌、百度等互联网公司基于搜索的广告模式冲击了传统媒体,在我们看来,传统媒体如纸媒拥有很多读者,纸媒一样可以成为一种屏幕的载体。
雷永华:这么来理解或许更容易,比如近期我们和某家报纸进行的合作便基于大数据的舆情分析,该报拥有大量上市公司客户,这些客户需要及时应对负面报道等各类情况,传统媒体只拥有客户,而我们却可以帮助他们更贴近客户,这便是大数据给传统媒体带来的新商机。
上海证券报:那么,你们公司是如何具体运用大数据开拓新型营销模式的?又是如何获取数据的?
雷永华:我们还提供用户行为的分析、竞争产品的分析,均是基于与有数据的公司合作,如目前我们与广电网等各大运营商合作。作为运营商,他们拥有大量数据,但运营商最为迫切的是,这些数据如何转换成流量?我们通过他们提供的数据分析流量,并为它们变现流量。竞争产品分析也恰恰切合了企业了解竞争对手的需求,这些都是大数据下的创新模式,而传统的营销企业并不具备。此外,我们还可以基于大量数据提供各类品牌营销。
现在广告行业对大数据技术的应用还不够,要在技术上进行深耕,数据挖掘是难点,最后才是借助大数据去创新广告模式。
上海证券报:你们公司在数据挖掘上遇到何种困难?又取得了什么突破?
付海鹏:AdTime将不同网络的基础数据进行关联分析,形成针对不同行业的维度关系,并通过对不同行业特有的数据行为以及终端覆盖的特点,为主流行业客户提供有针对性的多屏广告投放策略,并在投放过程中提供多种丰富的广告形式。
其实在互联网时代,数据的获取已经变得相对较为容易,研究分析挖掘成为至关重要的课题。
举例来说,对于传统企业而言,拥有数据,却不知如何分析,比如分析偏好等普通数据已成为一道门槛,虽然我们在这一点上已经实现,并成功吸引了很多广告客户,但难点在于,我们还期望更精准的定位,如哪个用户在什么时间,正在使用哪种屏幕,是PC屏幕,还是电视屏幕,还是手机屏幕?真正做到及时推送这一点目前还处于探索之中。
雷永华:我们这种及时推送叫做“时间营销”,就是通过大数据技术手段及时响应每一个网民当前的需求,让网民在决定购买的“黄金时间”内及时接收到商品广告,进而提升广告被关注的程度和广告的成功转化率。时间营销包含了多屏营销,因为你需要知道什么样的客户何时在使用哪类客户端,这对于大数据的分析是挑战也是机遇,因为用户普遍反感野蛮式推送广告,那么时间营销就成了用户体验的必然选择。
付海鹏:这是可以通过点击率来判断的,我们投放的广告,客户打开的链接都有我们ID,通过这个ID便可以知道是否是由我们的广告而变成点击率。若用户注册进而消费了,那也很容易就知道了,这也是大数据时代营销的最大魅力,客户可以量化效果。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10