[案例]：美零售商用大数据锁定客户

为了锁定个人消费者，美国家居用品零售商Williams-Sonoma把多来源的数据聚合到一起，通过Hadoop平台构建起具有在线营销洞察力的统一仪表盘。

当你将大数据、统计模型和销售分析结合在一起会发生什么呢？如果你是美国家居用品零售商Williams-Sonoma，那么你将获得每天处理5000万行数据的能力，将能够有针对性地向大量个人消费者进行营销。

Williams-Sonoma是一家年营收接近40亿美元、拥有3万名员工的上市企业。该公司负责客户分析的副总裁Mohan Namboodiri目前正试图提升该公司的营销分析水平。Williams-Sonoma并不认为，在线广告和电子邮件会比针对特定客户的营销更为有效。该公司正在试图找到一种办法，以全面获得营销活动归因。也就是说，理解每次针对个人消费者的促销活动的效果。这能够让企业重新分配营销活动预算，以锁定个人消费者，而不是特定的客户群体。

营销分析在过去的用途十分简单，一般是追踪活动代码到你的客户，以了解活动的效果。相对于分类、直接邮寄、群发电子邮件、广告、电话推销等方式，营销活动数据相对易于管理。

营销工具、数据来源和数据规模正在持续增长，其中包括手机短信、横幅广告、在线搜索活动、店内促销、会员卡、鼠标点击率等。借助于涵盖客户数量统计、信用评分等第三方数据，数据来源正变得越来越多。此外，还有一些不受营销控制的因素，比如季节购买习惯和客户购买习惯。最终，管理营销系统会面临诸多挑战，许多营销策略取决于不同的应用或机构。

最新的营销系统使得针对不同客户量身制订新品推广、打折促销或消费积分方案变得更加容易。但是，为了发挥最大效果，营销人员需要完全清楚哪些方案针对哪些客户，同时注意不让他们的客户感到厌烦。例如，经常性地群发电子邮件。这些做法会导致难以观察客户活动，以及难以以最有效的方式进行营销。

问题是多方面的。由于容量、速率和多样性等因素，这实际上是一个大数据问题；各种各样互不相连的系统，使得其成为了一个数据孤岛问题；利用给定因素，试图理解针对个人消费者的营销活动效果，是一个统计分析问题。例如，一些客户可能只会在圣诞节期间对电子邮件促销做出回应，而另外一些客户可能会点击电子邮件促销，并在全年进行购买。

通过营销渠道的加权，营销归因仪表盘显示出了针对每名客户的销量。

为了对信息进行准确评估，你需要一个能够直观显示活动与购买行为之间关联关系的仪表盘。Williams-Sonoma选择的营销归因SaaS解决方案由UpStream创建。UpStream开发团队采用了一个综合商业背景、营销、计算机科学、数学、物理和统计的多学科解决方案，来解决复杂的商业问题。

为了应对大数据和数据孤岛的挑战，UpStream的托管服务使用Hadoop作为ETL（提取/转换/加载）中间件和分布式处理数据仓库。Hadoop被用于准备来自营销程序的数据，对客户行为进行评分。Williams-Sonoma向UpStream提供其内部的营销数据（包括网站浏览、移动网站、客户服务中心等）。UpStream将把它们与来自Experian等代理商的第三方客户数据汇聚在一起。

数据聚合能够让UpStream完成许多任务。首先，它们能够通过Hadoop评估综合数据，并迅速推出大量针对个人消费者的营销活动，处理每个客户端每天5000多万的评分。其次，它们让Williams-Sonoma在所有相关活动、与零售商店的互动、在线营销和采购中都能够拥有一个统一的仪表盘。

数据聚合还让统计分析成为了可能。UpStream通过用R语言编写的生存回归模型（即众所周知的风险模型或时间至事件模型）创建了一种全新的解决方案。这些模型在卫生保健行业已经被成功的应用，不过其应用环境仅为涵盖数百名病人的小型数据集。

UpStream改进了这些模型，以为零售商处理特定的营销，分析出每次针对客户采购的营销活动的加权效果。在这种情况下，预算能够被更为有效地分配。为了让解决方案的这一部分更具扩展性，UpStream使用了Revolution Analytics公司的商业版R语言。模型能够根据营销活动预测指定客户的购买可能性。

UpStream和Williams-Sonoma正在继续合作，以针对个人消费者创建定制的、目标明确的营销活动。其模型设计使得他们能够确定哪种营销方式对哪些客户起作用（例如电子邮件相比传统邮件的营销效果），以及哪些客户适用于横幅广告等在线营销活动。

尽管Williams-Sonoma并没有公布详细结果，不过Namboodiri透露，结果非常令人鼓舞，虽然目前还没有确切的数据，但是在规模和质量上均有所提升。