
营销将大数据化多渠道化
7月22日上午消息,中国互联网大会在北京举办,亿玛总裁柯细兴接受新浪科技专访。
他认为在互联网+浪潮冲击各个行业的大前景下,所有企业都将面临互联网转型。而互联网营销将面临大数据精准投放和多渠道共同推广的转变。
以下是访谈实录:
新浪科技:首先简单介绍一下我们公司。
柯细兴:新浪的网友应该比较熟悉亿玛了,我们是2004年创立的一家公司,一直在效果营销领域里面独树一帜的,不断的推陈出新,不断的给客户提供效果营销的数据地我们提供了多渠道大数据驱动的营销。
新浪科技:现在互联网+的浪潮不断冲击各个行业,这样的背景下您认为营销行业发生了什么变化
柯细兴:毫无疑问这是一个很好的议题,我们亿玛也是审时度势看到了整个互联网产业的发展,在2014年亿玛对于未来的互联网有三点判断。
第一点,互联网进入了互联网产业化和产业互联网化这样一个阶段,实际上和国家提倡的互联网+是一个行业。
第二点,无企业不电商,未来所有的企业都在在线。
第三个,一切皆数据,所有的信息都会量化到数据的精准识别。未来10年是互联网+的10年,我们公司认为互联网+的实质特征就是两个,一个是在线,一个是数据。基于这两点来说,毫无疑问会影响到营销这个行业,营销这个行业第一点来说,基于大数据分析的营销可以大行其道。
由于所有的东西都会在线和产生数据,意味着用户都会变成碎片,变成跨终端,线上线下一致化,对于跨终端渠道的用户识别能力变得非常重要,我们认为未来10年是大数据的10年,是能够给客户提供一站式营销解决方案的10年。
新浪科技:你刚才提到大数据的营销,这个概念对电商行业会有什么具体的影响?
柯细兴:大家知道,在电商行业来说最根本的营销目标是为了让用户获得订单,这是企业的一个营销目标,基于这个目标就要知道它的用户在哪里,用户就会用不同的终端来接入,意味着我们对于终端的放大能力变得非常重要,就是说我们必须给电商行业提供基于全网的、全终端的受众的能力,这是第一点。
第二点来说,电商企业的数据或者对效果的跟踪是全程的,他能够看到它的广告,到用户有没有产生订单,甚至用户有没有发生售后的投诉,是一个全生命周期的过程,第一个是全网,第二个是全程。
第三个叫做全网成交,现在的电商不再简简单单的作为一个电商,而是即有官网又有天猫店,京东店,即有线上店又有线下O2O的店,是一个线上线下的多渠道,用户到哪里成交最有效,我们提供了一个全程的服务,全网的营销,全网的精准和全网的营销,从这个意义上来说对于电商营销的要求越来越高,所以电商企业越来越选择和我们这样第三方的平台进行合作。
新浪科技:现在传统的企业做电商,像一些互联网企业电商肯定是不一样的,它的营销需求也是不一样的,您能分析一下他们有哪一些不同吗?还有就是传统企业做电商面临哪一些变化?
柯细兴:纯互联网的公司做电商没有传统的包袱,要走集约化、集中化、效益化,它的营销要获得订单、获得规模,规模效应再影响供应链。传统企业天生拥有供应链的优势,从这个角度来说他不应该放弃供应链优势向互联网的纯电商来学习。所以说传统电商,传统企业做电商,第一个要结合它的供应链优势。第二个来说要结合它的品牌优势,从这个意义上来说传统企业发展电商的过程是一个渐进式的,他首先要把他线下的品牌变成线上的品牌,把线下的供应链优势变成线上供应链优势。
第二个,传统企业更多的在构筑一个O2O,苏宁易购在构筑线上线下一体化,从这个角度来说,第一个是它发展的路径不一样,第二个是它的商业模式也会发生变化,这两点是传统企业做电商和互联网做电商本质的不同。
至于营销来说可能也会不太一样,营销来说传统企业做电商,第一个它的动作要做的叫品牌收购,要把线上的品牌优势,把线上的用户拉回来,这个阶段我们往往说它的主动点是线下的品牌线上的用户,第二个阶段,是开始给线上的用户,线上品牌,这个时候就进入了一个品牌阶段,所以第一个品牌是收割,第二个是品牌的再造。第三个线上的品牌又回到线下的用户,这个它讲品牌创新,他经历收割、再造到创新,我们营销结合他业务品牌的路径帮他量身订作来设计。
新浪科技:我们亿玛能对互联网企业,或者传统的企业做电商的,能够带来哪一些帮助呢?
柯细兴:第一个毫无疑问,也是我们经常思考的,第一点来说,因为我们在最鲜明的一点是效果,因为我们是12年基于大数据做营销,我们跟直白的给他带来订单,这是最直观的。
第二点就是规模,因为我们覆盖了互联网的成千上万的媒体,我们每天能覆盖的流量是300亿PV,我们每天能够触达的网络用户是85%,网络消费者购买用户,我们积累的这种购买行为数据是10亿的规模,也就是说从个角度来说,我们能够最大范围的,最大规模的帮企业产生订单。
第三点就是服务,我们的专业服务,从初始阶段到发展阶段,到它的创新阶段,我们都能够全程为他服务。总结我们来说,我们公司的3个优势,第一个就是效果,第二个是规模,第三个是我们的专业的服务,这3个加起来是3个S。
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