
尼尔森与阿里巴巴强强联手 利用大数据推出全新资讯服务
近日,尼尔森和阿里巴巴集团旗下阿里云公司合作,推出一项全新的咨询服务——“赚金石”。这项服务将阿里巴巴的电商平台大数据和尼尔森的数据分析能力相结合,旨在为客户制胜线上市场提供全套的解决方案。
作为全球知名的市场调研公司,尼尔森的调查数据被行业广泛采用,其核心业务在于提供 “消费者看什么”和“消费者买什么”的洞察。而阿里云则拥有丰富的计算、存储资源和大数据处理能力,两者结合将数据融合形成对客户具有重要意义的洞察,形成全新的“赚金石”服务。
阿里云总裁胡晓明表示:“尼尔森是一家令人尊敬的资讯与洞察公司,此次合作意味着阿里云开始同时开放云计算和大数据两种能力,未来阿里云大数据平台将在更多领域进行探索,与合作伙伴一起用技术拓展商业的边界。
据悉,除了追踪和分析线上消费者的全方位大数据,“赚金石”还能通过线上精准调研,主动触达,获取针对目标消费人群的深入洞察。而通过其不同模块的组合,“赚金石”能够帮助客户找到市场的潜力所在,品牌重新发现其传播策略、产品和品牌运营的动力何在,从而调整和制定出能获得更高回报率的营销策略。
尼尔森与阿里巴巴,这两者强强联合究竟意欲何为?“赚金石”究竟是一个怎样的服务?为此记者专访了尼尔森大中华区副总裁许丽平。
中国经营报:尼尔森和阿里巴巴集团旗下阿里云公司去年就已经开始合作,去年7月推出了“全线通”,如今又推出了一项全新的咨询服务——“赚金石”,这两者区别在什么地方?
许丽平:这两者从受众目标上没有什么不一样,都是针对品牌方的,全线通是检测品牌和它在市场上的表现,可以了解自己与竞争对手的情况。但“赚金石”更多的则是一个分析工具,“赚金石”致力于帮助客户挖掘产品定位与开发的创新机会,诊断在竞争环境下的全流程表现,全面提升线上收益。所以,一个是销售数据,一个是分析平台,这是两者最大的不同。
中国经营报:“赚金石”通过怎样的方式来提高企业的分析能力和销售业绩?
许丽平:以前没有大数据的时候,品牌商的研究和创新无法精确化,很多厂商创新时采用的就是10个项目或新品一起研究和投放,最后哪个在市场上效果好就重点推那个,这样的话成本非常高。现在线上的工具可以从多个方面对企业起到帮助,一是长尾效应,可以让品牌方去开发针对小众的产品,以前厂商不敢冒然开辟小众产品,因为风险比较大,现在可以通过大数据利用长尾效应,来销售小众产品,即使不一定大卖,但也可以给企业带来不错的收益。二是,可以对产品作出细致的分析和跟踪,比如针对一款衣服滞销,到底是不受消费者欢迎?还是在推动它的时候投资出现了问题?这些都会一目了然。
中国经营报:有些企业有没有意识到大数据的重要性?
许丽平:目前很多企业都在涌向电商的平台,但是他们在电商的平台上怎么来合理的使用大数据确实还不算多。目前一些大企业在第三方电商平台上做得很好,但他们自己的官方销售网站却做得很简陋,他们也没有像阿里巴巴、一号店等电商平台的利用大数据的经验来搭建自己的官网销售平台,另外还有一个原因,就是对消费者来说,在一些企业自己的官网平台,只能选择一个品牌,吸引力也自然不如像天猫这样综合性的电商平台。
中国经营报:在产品正式发布前,飞利浦已经测试应用"赚金石"产品,这种合作进行如何?
许丽平:我们在前期开发过程中和几个客户,包括飞利浦都进行了联合试用,因为这也是第一次开发出这样的产品,我们也需要客户的意见来更好完善这款产品,通过一些企业的试用,有的企业把大数据运用到他们的创新上,他们的反应很好,他们认为概念和产品测试方面,可以帮助公司精确找到目标受众,快速发现蓝海市场。但也给我们很多宝贵意见。因此这款产品经过一年的孕育和试用,及完善,终于可以正式推出了。
中国经营报:"赚金石"究竟如何来帮助客户解决问题的?
许丽平:"赚金石"可以帮助企业预测一系列商业指标:新品上市的销量预测和上市后跟踪;准确定位目标客户群体,发现消费者的潜在需求;挖掘产品升级换代的新趋势;品牌包装和促销定价方案的优化;消费者在买什么,购买群体特征及消费行为特征。
具体来说,“创新机会挖掘”通过对网购者的评价及产品反馈等信息的分析,能帮助客户在不同方面发现市场的空白点和未来的蓝海市场,这不但能帮助客户正确定位产品线、开发新产品来满足消费者尚未满足的需求,还可以发掘产品升级换代的新趋势;“表现跟踪评估”能够评估产品在线销售全流程中每一个环节的销售转换率表现,并且通过与竞争对手的实时比较来发现流量,网页和产品的瓶颈所在;“目标群体重塑”能够帮助品牌更好地了解并且触达他们的现有以及潜在消费者;“网页文本优化”通过优化产品的产品介绍页面设计从而帮助客户提高线上的购买转化率;“产品表现优化”通过用试用前后调研来,来评估消费者的产品满意度,以及寻找优化产品的突破口;“促销定价优化”能够帮助客户确定最理想的平日售卖价格和促销价格;另外,“赚金石”第二阶段还将推出营销计划优化服务,帮助品牌预测产品的销售量并且提供如何优化市场规划和投资回报率的建议。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02