论数据分析对卷烟精准营销的意义

第一篇：论数据分析对卷烟精准营销的意义

论数据分析对卷烟精准营销的意义

引言

麦当劳、沃尔玛、亚马逊，这3家这个时代炙手可热的企业，如果说他们之间存在着什么相关性的话，会是什么呢？

答案是：数据。麦当劳的强大不在于它能在全世界做出风味一致的汉堡，而在于精准的选址能力，它对街区人物流量数据的挖掘丝毫不逊于任何房地产商。沃尔玛早在1969年就开始使用计算机来跟踪存货，1983年所有门店开始采用条形码扫描系统。1987年完成完成覆盖全公司内部卫星系统的安装。如今，沃尔玛拥有着全世界最大的数据仓库，里面存储着数千家连锁店最近65周内每一笔销售的详细记录，业务人员可以通过这些数据更加了解客户的消费行为。在其连锁超市的表象之下，沃尔玛俨然已成为一家巨大的数据公司。

亚马逊更不必赘言，作为全球市值仅次于facebook和google的互联网公司的首席执行官，杰弗·贝索斯（Jeff Bezos）从不掩饰他对于数据的看重，长期以来，亚马逊一直通过数据分析，尝试定位客户和和获取客户反馈。从卖书到卖百货，从销售数字音乐、进入视频流媒体，到打造颠覆传统阅读方式的电子书Kindle，从为卖家提供第三方仓储物流服务到为中小企业提供“云存储”和服务，亚马逊在其短暂而又扎实的发展历程中逐渐蜕变成一家涉足硬软件领域、横跨实体经济与虚拟服务的公司，而支撑起这一庞大架构的，正是它强大的数据系统。”

在今年年初的瑞士达沃斯世界经济论坛上，一份题为《大数据，大影响》的报告率先宣称，数据已经成为一种新的经济资产类别，就像货币或黄金一样。2月，《华尔街日报》发表了一篇名为《科技变革即将引领新的经济繁荣》的文章，两位物理和应用科学界的专家马克·P·米尔斯（Mark P.Mills）、胡里奥·M·奥蒂诺（Julio M.Ottino）大胆预言：“我们再次处于三场宏大技术变革的开端，他们可能足以匹敌20世纪的那场变革，这三场变革的震中都在美国，他们分别是大数据、智能制造和无线网络革命。”

更值得注意的是，今年3月29日，奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”，希望增强收集海量数据、分析萃取信息的能力。该计划也被认为是1993年时任美国副总统戈尔宣布“信息高速公路”计划后，美国政府政策层面的一次“狂飙突进”，是将大数据分析提升到国家意志的体现。在一次电话会议上，奥巴马政府将数据定义为“未来的新石油”，美国政府认识到了一个国家拥有数据的规模，活性及解释运用的能力将成为综合国力的重要组成部分，未来对数据的占有和控制甚至将成为继陆权、海权、空权之外另一个国家核心资产。

这些当今世界最富有生命力和创造力的企业应当可以给予我们以启示。工欲善其事，必先利其器。而在债务危机蔓延的年代，全球工商学界正对以超前消费

1带动的资本主义资源消耗型经济进行反思，数据的价值再次被提上桌面，其对于商业决策的意义已突破“工具”的范畴，成为一种资源。

国外典型的数据分析方法

美国高档零售店的一项调查显示，买高档男士衬衣的男人往往和买芭比娃娃的客户群重合，随后的研究显示，买高档男士衬衫的人大部分是大公司的白领，年龄在30岁到48岁之间，其孩子年龄大约在3岁到10岁之间。他们的购物心理是，为自己买昂贵的东西会产生心理内疚，因此往往会选择同时给家人带一点礼物。基于这一调查分析，在美国一些高档零售店，会将男士衬衫和芭比娃娃这两类看似毫无关联的产品放在一起。

尽管数据分析在外行看来是一个完全看不懂的黑箱，而专业人士则可以从数据中读出故事。例如，通过分析哪种宣传方式能够吸引顾客到相应的店面，从而制定相应的销售策略。或者在数据中精准地找到合适的促销对象，提高促销费用的利用率。此外，专业人员还可以给你列举一堆令人眼花缭乱的技术模型、统计方法等。

对于任何企业来说，数据都是其商业皇冠上最为耀眼夺目的那颗宝石。伴随着传统的商业智能系统向纵深应用的拓展，商业决策已经越来越依赖于数据。然而，传统的商业智能系统中用以分析的数据，大都是企业自身信息系统中产生的运营数据，这些数据大都是标准化、结构化的。事实上，这些数据只占到了企业所能获取的数据中很小的一部分——不到15%。

通常情况下，企业的数据可以分为3种类型：结构化数据、半结构化数据和非结构化数据。其中，85%的数据属于广泛存在于社交网络、物联网、电子商务等之中的非结构化数据。这些非结构化数据的产生往往伴随着社交网络、移动计算和传感器等新的渠道和技术的不断涌现和应用。企业用以分析的数据越全面，分析的结果就越接近于真实。大数据分析意味着企业能够从这些新的数据中获取新的洞察力，并将其与已知业务的各个细节相融合。

在瑞典沃尔沃集团，通过在卡车产品中安装传感器和嵌入式CPU，从刹车到中央门锁系统等形形色色的车辆使用信息，正源源不断地传输到集团总部。这些数据正在被用来优化生产流程，以提升客户体验和提升安全性。将来自不同客户的使用数据进行分析，可以让产品部门提早发现产品潜在的问题，并在这些问题发生之前提前向客户预警。

同样对大数据情有独钟的还有IT巨头们。IBM当年之所以完成从PC厂商开始向商业智能服务商的成功转型，一个重要的原因就是其较早预见到了数据的商业机遇并果断布局。纵观IBM近5年10亿 美元以上级别的大手笔收购多与如何有效处理大数据有关。202_年，IBM花费20亿美元收购了商务智能软件供应商Congnos；202_年7 月，以12亿美元收购SPSS软件，这是一家集数据整理、分

析功能于一身的统计分析软件；202_年9月，以17亿美元的代价将数据库分析供应商Netezza收之麾下，自202_年以来，IBM投资160亿美元进行了30次与大数据有关的收购。这一系列布局，为IBM业绩带来了稳定高速的增长。

美国国际数据中心（IDC）在其报告中指出，领军企业与其他企业之间最大的差别在于新数据类型的引入。那些没有引入新的分析技术和新的数据类型的企业，不太可能成为其行业的领军者。

国金证券在其发布的大数据系列报告中提出了数据时代应用软件互联网化，行业应用垂直整合和数据成为核心资产等3个主要的趋势，其中最为值得注意的就是在 传统操作系统，数据库平台软件同质化趋势日趋明显的背景下，未来越靠近最终用户的企业将在产业链中拥有更大的发言权。而且企业如何通过抓住用户获取源源不断的数据资产将会是一个新的兵家必争之地。

国内行业营销信息系统现状

在卷烟营销网络建设中，数据流与商流、物流、资金流共同构成卷烟营销网络建设现代流通领域的四大要素。数据流不仅包括工业企业、商业企业、零售客户和消费者自身的信息，还包括工业企业与商业企业、商业企业与零售客户、工业企业与消费者之间的信息。

在卷烟营销网络建设中，需求预测、品牌规划、货源组织、物流仓储、市场推广、订单采集、物流配送、货款结算和客户关系管理等“网络作业链”共同构成卷烟营销网络的“物理层”。在卷烟营销网络“物理层”的基础上，可以进一步抽象出“四流”，即商流、物流、资金流和数据流，共同构成卷烟营销网络的“逻辑层”。物理层管理是卷烟营销网络建设的基础，而逻辑层管理是卷烟营销网络建设向更高层次发展的趋势。

卷烟营销网络逻辑层就好比是卷烟营销网络的神经系统。数据流联接、调控商流、物流、资金流，并影响它们的决策。信息的重要功能，是使决策当事人了解动态变化的状况，以减少不可避免的不确定性，从而为他的行为做出恰当的选 择，并控制行为的后果。数据越完善、充分、及时，不确定性就越少，决策就可以越合理。

对于我们卷烟纯销区商业企业而言，数据分析的运用首先可以和国家局大力倡导的卷烟精准营销联系起来，两者之间有着天然的联系。

所谓精准营销（Precision marketing），就是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路。精准营销以科学管理为基础，以消费者洞察为手段，以精细操作为特征，对目标市场实行精准有效的出击，从而达到整体性结构性地解决市场问题。

国家局姜成康局长在《202_年全国烟草工作会议上的报告》上的讲话称，“加强市场分析研究，全面了解重点骨干品牌市场表现和发展趋势，提出品牌改

进提高的建议意见，实施重点骨干品牌精准营销，努力促进重点骨干品牌良好成长。”何泽华副局长在视察上海中烟与山西省开展“中华品牌精准营销试点”也指出指出，“今后的卷烟营销讲求精确信息精准投放与精准管理，实现从总量控制向精确性调控转变，从多层节的向通道式的信息渠道转变，从多环节的向扁平化的投放方式转变。”

其中精确的数据是精确营销的基础和前提，在销售数据方面，就是重点挖掘和集成零售订单信息，在市场信息方面，就是重点建立针对零售终端的零售价格零售库存零售动销的信息采集分析和反馈共享体系，在客户信息方面，就是重点梳理和创新零售业态分类标准，实现业务信息与业态分类的有机统一。

卷烟精准营销就是以扎实的网建为基础，以卷烟营销数据库为支撑，依托现代信息技术手段，运用定量和定性相结合的方法选择准确的目标市场，通过制定有针对性的营销策略，实施卷烟产品宣传的目标人群准确覆盖，实施卷烟货源投放的目标市场需求有效满足，使有限的营销资源得到最大化配置。

目前卷烟品牌投放主要有窄渠道（点投放）和宽渠道（面投放）两种方式，前者是对零售客户有选择地投放，具体又可细分为完全点投放、以点带面投放和点交叉投放三种，而后者则是对零售客户的无选择投放。

新品渠道策略可分四个阶段，分别为定点定量阶段、定量扩点阶段、扩量定点阶段和全面投放阶段，当市场内销售量达到一定规模，一般零售客户的积极性 已经带动起来，消费者的口碑已经形成，则可以判断市场的拐点已经到来，对市场拐点的判断成为精准投放的关键。

可引入的方法及应注意的地方

正确和完整的数据以及恰当的分析方法与模型，是精准计量营销的前提。欧美大企业在数据库的建立上已经先行一步。国内企业的数据整合尚处于起步阶段。数据分析过程，需要基于历史数据作出对未来策划的指导，而国内的大部分企业尚未建立起自己完善的历史数据库。这意味着，在精准营销计量方面，国内大部分企业还有不少功课要做。

首先，数据卷烟营销决策无法准确预测多变的中国市场。因为市场变化太快，很多行业存在裂变式、爆发式、跳跃式发展的机遇，这些都是数据所无法预测的。1990年第一部手机在我国投入使用时，政府有关部门曾放胆预测：到202_年，中国手机的用户将达到80万户。事实上，到202_年，中国手机用户已达到8700万，是预计数字的100多倍，而到202_年，中国手机用户迅猛增长到2.06亿。202_ 年，中国手机用户已超过了4亿。数据给我们开了个不大不小的玩笑。对应到我市各区国民经济的发展，关键性投资项目对当地经济乃至消费水平的影响不容小觑，由此带来的城市面貌的改观甚至可能是根本性的，这些效应都不易在短期、局部的数据图景中显现出来。

其次，数据卷烟营销决策不能洞察到消费者内心最真实的需求。中国人对网络的热爱已是众所周知的事实，中国同时也全球是社交媒体参与度最高的国家之

一，但中国人上网主要是为了娱乐而非工作，中国人倾向于在查看其他网友或公司评价之前不会轻易购买从大件商品到食物的各项产品，这提高了口碑营销策略的整体复杂度。与此同时，中国的互联网公司虽拥有世界上最丰富的用户信息，但缺乏成熟高效的利用机制。由于没有洞察到消费者内心最真实的需求，真实的数据如果不加判断往往会失真，被数据误导而进行错误品牌营销策略的教训不胜枚举。正如营销大师汤姆·彼得斯所言，“数据重要，但对数据的判断更重要。”调研中获得的数据很重要，是我们参考的依据，但隐藏在数据背后的判断则更重要。

数据时代，一些传统的商业思想正在被颠覆。这其中最为重要的，就是必须将数据作为企业的核心资产。在进入大数据时代之前的漫长的商业社会进化过程中，企业脱离于人才而单独存在的智商基本是零。在大数据时代，人才固然重要，却并非企业智商最重要的载体——数据才是企业智商真正的核心载体。这些能够被企业随时获取的数据，可以帮助和指导企业全业务流程的任何一个环节进行有效运营和优化，并帮助企业做出最明智的决策。在大数据时代的企业智商，才是真正被企业全部掌控的智商，而这一切的基础就是形形色色的数据。

总而言之，数据不是万能的。每项决策方法都有它自己的弊端,数据营销也不例外。数据营销只是传统营销手段的一种补充，不可能单独使用数据营销。对于纯粹看数据的决策者来说,可能在决策的过程中是捡了芝麻丢了西瓜。数据有没有用，精准且全面的数据有用，而且是非常有用,不准确的信息则会起误导作用。

目前在我们行业内部，各种数据采集手段都还不尽完善，而数据采集不仅仅是采集那么一点市场份额之类的数据，数据采集需要全面，甚至对某个地区的传统文化、行为习惯、世界观、人生观、政府政策、经济发展等都必须采集，进行综合考量。现状是在发展的，数据的采集也是动态的，数据只是支撑。不过我们有理由相信，随着信息采集技术和分析技术的发展，数据营销的价值将会越来越大。

第二篇：卷烟精准营销简述

浅析卷烟精准营销 浅析卷烟精准营销

摘要： 摘要：精准营销是一个大课题。“卷烟上水平”这一战略任务 的提出，对卷烟营销提出了更高的要求。目前各地烟草 工商企业纷纷拉开了精准营销的大幕，努力推动卷烟销 售上水平。本文作者结合工作实际，对如何开展卷烟精 准营销进行了简单分析。关键字： 关键字：卷烟，市场，精准营销 随着烟草市场化改革的深化，烟草商业企业目前采用的营销 大多是粗放和原始模式，这些根本无法适应“卷烟上水平”这一 目标的需要。当前市场营销界精准营销思想和理论的成熟也给我 们烟草商业营销的发展带来了巨大影响。国家局、省市局的工作 报告中都多次提出将“精准营销”作为卷烟上水平的重要手段和 方式。这也是实现国家局提出了“532”、“461”卷烟品牌发展战略 的必由之路。

一、精准营销的基本含义 精准营销(Precision marketing)就是在对市场精准定位的基础 上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实 现企业可度量的低成本扩张之路，实现企业对效益最大化的追 求。精准营销有三个层面的含义：第一、精准的营销思想，营销 的终极追求就是无营销的营销，到达终极思想的过度就是逐步精

准。第二、是实施精准的体系保证和手段，而这种手段是可衡量 的。第三、就是达到低成本可持续发展的企业目标。卷烟精准营 销就是充分运用卷烟销售网络建设的成果，以消费者需求为中 心，以市场为导向，以零售商户为依托，在工业企业的强力支持 下，不断培育骨干品牌，提升销售结构，实现商业、工业和商户 “三赢”的过程。

二、烟草商业实施精准营销的意义 烟草商业的卷烟销售是在特殊市场和制度条件下的营销，并 且受到许多限制。比如广告、渠道。我们的营销不可能和其他商 品一样，因为要顾及非常重要的社会影响。尽管我们又非常稳固 和畅通的销售渠道，但是这是一条非常单一的渠道，根本无法与 其他商品的营销相比。这些因素都给烟草营销带来了很大限制。并且这些限制又是无法突破的。当前，国家局提出“532”、“461” 这一战略目标，之前那种广撒网的粗放模式即将被淘汰。而通过 精准营销，不断培育一些重点骨干品牌，帮助其实现价值最大化，延长品牌成熟期，同时通过精准营销体系的建设，不断拓宽销售 结构，将会对卷烟上水平这一战略任务产生巨大的积极作用。

三、卷烟精准营销开展的思路

（一）精准营销首先要加大调研力度，把握市场需求。精准 营销的成功在于准，有了明确的目标才能做到有的放矢。为求准 则必须利用传统方

式与现代方式相结合的手段，在“精”与“细” 上下功夫，做好卷烟营销环境和卷烟市场需求的调研。在调研的

过程中，要充分考虑市场消费、供销需求、卷烟销售动态、货源 紧缺程度、客户满意度等信息的收集分析，掌握卷烟市场动态销 售数据，研究消费群体的消费特征、消费时间、消费个性、消费 报怨，从而找到市场开发的着力点和市场走访的重点与难点，及 时准确找出制约销售的关键点，并结合实际情况积极提出改进方 案，完善销售动态链接，确保销售持续、稳定，为卷烟的“精准 营销”打下坚实的基础。

（二）精准营销要建立在对销售和数据科学收集和分析的基 础上。当前我们所进行的营销的模式非常原始和粗放。而现代营 销思路的扩展则是建立在市场数据和销售数据的分析之上的。因 此做好精准营销，就要不断采用科学的方法收集和整理市场信息 数据（人口、经济发展状况、地域信息、收入水平、消费习惯、消费偏好等数据）和销售信息（销售数量、价格、结构、类别、客户销售规模、盈利水平、销售速度）。逐步建立不同地域、不 同业态、不同规模的客户信息档案，形成客户信息和销售信息数 据库。在准确收集的基础上运用相关的数据处理分析方法对获得 的各种数据进行处理，进而得出下一步营销活动的思路和方向，为进一步做好营销工作打下坚实基础。

（三）精准营销要建立在良好的管理和服务的基础之上。通 过细致的市场调研和分析，进而选择合适的商品进行投放，进而 就需要营销人员即客户经理对于品牌投放进行管理维护，同时对 于精准营销客户给予周到细致的服务。要定期对零售客户从市场

类型、业态、经营规模三个维度进行测评和回头看。分析不同类 别、不同区域客户群体的销售差别和销售特征，及时收集整理的 市场销售数据上报处理分析。关注客户终端，充分发挥和运用一 些重点户及形象店、品牌店在培育品牌、示范引导、市场信息、展示形象等方面的价值。加强与客户沟通，通过实地拜访、电话 等方式，阐述我们的政策，介绍我们的品牌，推介我们的产品，及时了解投放品牌的销售进度和盈利水平。因人而异，因时而异，选择最好的沟通方式，提供最好的服务水平，提高客户满意度，巩固精准营销的效果。卷烟精准营销是一个持续的、系统的过程，这个过程中要依 赖营销人员素质的逐步提升，具备市场有效信息收集、整理分析 的能力。这就要求我们营销人员不断加强自身学习，不断提高理 论和实践能力。卷烟精准营销也是一个营销体系的建设，这需要 烟草商业的多

多个部门之间的参与，尤其是专销结合。我们营销人员要充分理解卷烟营销的特殊性，在有限的市场 空间，不断提升自身能力，发挥自身的聪明才智，积极吸收外部 先进经验和理论，逐步建立以消费者为核心，以服务为品牌，市 场为导向，信息技术为手段，充分依靠工业企业和零售商户的精 准营销体系，不断拓展市场空间，提升消费结构，努力推进卷烟 上水平。

第三篇：金融业如何利用大数据进行精准营销

金融业如何利用大数据进行精准营销

导读近几年各行各业对大数据技术的应用越来越多，但凡有财力的企业都跃跃欲试，更何况是“手握重金”的金融行业。金融业如何利用大数据进行精准营销？如何构建新一代大数据运营中心？且听永洪科技高级咨询师胡星昱围绕金融行业的经验分享。

说到大数据，有两点我们要强调一下：一个是数据资产化，另一个是决策数据化。

 IT部门转变成利润中心

信息技术部门是做IT支撑的，每年都会进行软、硬件大批量采购，企业内部都认为信息技术部门是成本中心，信息技术部门的数据也都是伴随业务发生时产生的一个附属物。随着大数据技术发展，企业希望通过数据寻找业务规律，对客户需求进行挖掘，因为这样做会给业务带来直接的价值，帮助业务进行优化和提升，所以数据成了金融机构的一项宝贵资产，掌握数据量最大的信息技术部门也逐渐成为企业的利润中心。

从战略方向上讲，以前在企业内部，主要是决策人员根据经验主观判断进行决策，这样做的风险很大，因为人会受到自己所处环境和情绪的影响。所以企业必须借助数据的帮助来做决策，并进行客观的验证和预测，要从原来依据经验说话向依据数据说话进行转变。

在数据量和数据分析需求日益增加的挑战下，从战略层面上讲，金融机构需要建立一套“数据驱动型”的模式，即真正落实大数据运营中心。

从战术方面上讲，金融行业内企业可以尝试三种战术方向。首先可以通过用户画像、精准营销来做运营优化。其次是通过运营分析、产品定价来做精细化管理。最后是利用实时的反欺诈反洗钱应用，以及中小企业的贷款评估来提高风险控制能力，最终实现全面提升金融企业的核心价值和能力。

 新一代金融大数据运营中心 金融行业内的企业现在都需要一套整体化的业务架构。构建业务架构要从搭建一套企业级数据中心说起。企业级数据中心会包含企业的业务系统、外部数据和一些机器日志，这些结构化、半结构化和非结构化的数据，都要被汇集在一起。

在这些数据之上，金融行业内企业可以建立各种各样的分析模型。比如利用用户画像做精准营销，用EVA指标模型和反欺诈模型做多维盈利分析、反欺诈的交易分析等。

运营优化、管理提升、风险监控，这三个方向到底给金融行业带来什么价值？

首先是精准营销。精准营销真正要做的就是了解客户：客户到底是什么样的？客户是谁？客户需要什么产品？客户有什么产品偏好？客户喜欢哪些产品组合……还有就是如何进行有效营销、如何提升客户价值、保持客户忠诚度。

比如，现在很多金融机构都有APP，就可以分析用户在寻找什么产品，用户在找到一款产品并真正实现交易的过程中会浏览哪些页面，在哪个页面停留最长时间，交易中断是什么原因造成的等，而分析结果可以用于提升运营效果。

说到精准营销就不能不谈用户画像。以前经常听到“360度用户画像”这个词。但我觉得，“360度用户画像”更像一个广告宣传语，因为人是非常复杂的动物，很难用可数的纬度来100%地描述，所以需要从一定目的出发来建立用户画像。

尤其是在企业内部没有足够数据来构建用户画像，需要通过外界渠道来获取数据支撑的时候。数据的获取是有成本的，更不应该盲目搭建用户画像体系。也就是说，用户画像的本质其实应该是从业务角度出发，对客户需求、消费能力，以及客户信用额度等进行分析。

举个小例子，比如说做存贷款产品营销时，可对高价值信用卡用户的AUM进行分析。筛选他们每月的消费金额、信用额度、当前存款情况、贷款有没有拖欠，是不是商务卡持有者等，通过这些维度对用户进行分析。再针对不同用户分群给出不同的营销策略。比如说哪些用户该提升额度，哪些应该为其推荐金融产品。营销在落实时，可以先通过短信进行营销，再通过呼叫中心来了解客户意图。当客户有意向时，再交由理财经理进行进一步跟进。

除精准营销，还有多维盈利分析。多维盈利分析金融机构已经做很多年了，我最近也与国内几十家金融机构进行了交流，发现其实在业务上他们都希望多维盈利分析能够做到帐户级。可实际上，大部分金融机构现有的IT架构只能支撑做到产品级，或是科目级分析。为什么？就是因为金融机构普遍数据处理能力不够。如果要跑一个帐户级的结果出来，系统要跑好几个小时。而通过数据运营中心，就可以实现几十分钟出结果，企业就可以更好地进行精细化管理。

在风险监控方面，可以列出很多风险监控的指标，再通过这些指标用大数据平台进行实时监控，真正了解整个企业当前所处的风险等级。

 传统业务架构存在的6大缺点

上述应用在传统架构下能否实现？我认为传统业务架构存在6大缺点。

第一是不够敏捷，对业务新需求满足的时间太长。我通过交流了解到，有些金融机构内部业务新的需求提出后，需要几周，甚至几个月时间才能把报表提交上去，业务人员才能看到他需要的数据，这种效率显然跟不上市场变化。

第二是性能不佳，在海量数据面前，没有足够的计算能力去实时计算数据。

第三是洞察力弱，传统IT架构已无法深入挖掘海量数据的数据价值。金融企业的分析人员已不满足于只看到数据呈现，还希望对数据进行聚类、分类的算法来挖掘数据价值。第四是扩展性差，海量历史数据无法单机存储，传统的IT架构又不支持水平扩展。第五是无法挖掘非结构化数据价值，现在每年金融机构的数据增量中有百分之七十到八十的数据属于非结构化数据，如果不能把这部分数据的价值挖掘出来，是严重的浪费。

第六是成本高，从系统搭建到项目实施整个过程不可控。动辄上百万元资金成本或一到两年时间成本的项目在金融机构中很多。

所以，永洪提出了新一代的金融大数据应用中心的IT架构，可以根据业务需求不同，分为在线需求和离线需求。

在线or离线

为什么要分在线和离线？其实，很多需求都是按时效性区分的。

举个小例子，比如我们会分析现有的客户中，哪些属于即将流失的客户，哪些是高价值客户。在这个过程中，要经过复杂的模型，考量多个指标来判断，而结果也许并不需要马上就得到。但在分析某个地区时，高价值客户最近的消费倾向这种分析需求是非常灵活且时刻变化的，这就要求能够实时得到计算结果。

下面，我把在线和离线分开介绍。

在线分析需求，我们总结出了一个最佳实践。这里顺便回答下如何实现敏捷分析的问题。在以前的架构中，通常是把业务逻辑和数据模型结合在一起，也就是根据业务需求制作数据模型，制作CUBE，做二次表，进行汇总计算，最后反馈和展现的只是一个很小数据量的结果。在那这样的架构中，前端需求一旦变化就需要改模型，造成工作量大，交付时间也会拖长。

所以永洪提倡把数据模型和业务逻辑分开。数据模型只把跟分析主题相关的数据关联到一起，做一张大宽表。比如，现在要进行营销相关分析，就把数据交易数据、用户数据、渠道数据都打通，关联起来，但这些数据不要汇总，也就是要保持交易记录级的数据粒度，而要分析哪些纬度，需要什么粒度的数据，都可以通过实时的计算，这样就不会造成业务逻辑和数据模型混在一起。

不能每个分析需求都建一个CUBE，之前我见过有的企业数据仓库中有上千个cube，因为数量太大，根本没人来管理。而每当有新需求提出，也只能做新CUBE。这么做对企业来说有风险。

如果不愿意对数据来进行汇总计算，而是进行实时计算，就要提供大量细节数据实时计算的能力，这时可以采用了MPP数据集市来处理在线分析需求。

在这个过程中，永洪运用了列存储、分布式计算、列存计算的技术来提高运行效率，就算是百亿级的数据，也可以通过这种分布式的集群，实时进行分析计算，然后反馈给用户。此外，大数据平台离线分析是通过Hadoop的平台来做结构化和非结构化数据的存储，解析。然后在上面会用YARN量做资源管理——根据分析需求决定是用批处理模块还是搜索模块、是用流处理还是用机器学习等。

永洪科技现正在帮助国内各个企业进行数据挖掘应用。我们的客户范围涉及电信行业、能源、政府、金融、零售，还有IT互联网行业，永洪会帮助他们提升数据运营效果。

接下来，简单介绍几个做过的案例。

首先是一个股份银行，永洪通过大数据平台，帮助他们进行用户画像的精准营销，把金融机构持卡人的信息、信用卡信息、微信卡信息都拿过来。在大数据平台上，通过画像和算法给用户进行画像分群，根据分析需求来构建画像模型，基于Map Raduce聚类和算法对用户进行分类，然后再进行数据域处理，最终完成用户的画像。

另外,永洪也帮助华北一些金融机构在传统数仓上搭建在线分析平台，以及帮助他们建立全行的报表平台。例如行长驾驶舱和业务类型报表。永洪也为中信金融机构杭州分行、四川分行搭建了在线分析平台。杭州分行通过在线平台帮助用户实时分析零售数据。以前他们的分析人员大部分精力都用在整理数据和制作报表上，通过永洪的在线平台，业务人员可以自己接触到数据，并且可快速地生成分析报告，把真正精力都放在分析数据这块。

现在，整个行业正处在数据架构和数据分析系统的变革时期，永洪科技非常希望通过提供专业技术和服务来帮助金融机构把数据价值挖掘出来，提高业务能力，提高竞争力。

胡星昱：澳大利亚莫纳什大学商业信息系统硕士，拥有3年大型企业需求分析，项目实施和解决方案制作经验；曾为国外大型零售企业和政府机构设计和实现数据分析系统，成功推进国内多个大型金融项目的需求、设计、研发、实施工作。在企业级系统集成，大数据，BI领域有丰富的项目经验；目前主要负责产品和解决方案的咨询工作。

第四篇：大数据下的精准营销方式

而浩如烟海的客户及市场、销售和服务信息，如果没有一个具有高度商业智能的数据分析和处理系统是不可想像的。大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。

大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。电影《天下无贼》里有这样一句经典对白：“21世纪什么最贵？人才！”如今，选项可能还要加上一个：数据。

而这数据，已不是传统意义的一般数据，而是超大数据、海量数据，就是现在所谓的“大数据（Big Data）”。

如今大数据可谓是风起云涌，红红火火，俨然成为信息技术领域最时髦的词汇。IBM、微软、Oracle、SAP等IT巨鳄，像是寻找到了新的金矿，开始全力挖掘大数据，多方位推广大数据理念，而众多中小IT厂商也跟着蜂拥而至，以分得大数据市场一杯羹。

数据爆炸的冲击波

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂，变化的速度也极快。研究表明，大数据呈现三种特性：Volume（极多的数据量）、Velocity（极快的处理速度）、Variety（极繁的数据种类）。如今有许多企业已面临单日数据量以数

十、数百TB（万亿字节）的速度增加，而近几年累加的总数据量也达到了PB(1000个TB)甚至EB(一百万个TB)等级，这样的数据量已让传统的数据库难以处理；而且企业数据增加的速度也越来越快，诸如移动化、社交网络的广泛应用，使得数据增加的速度比传统的企业应用程式来得快很多，一旦数据增生速度越快，数据处理、分析的速度也就得跟上；此外，数据更是呈现出多样性、复杂性的特征，一方面互联网不但产生文字资讯，同时也不断在产出与以往不同的数据：照片、视频、微博等，另一方面，IT遍及工作生活中的每个角落，各种各样的传感器、监控器也不断产生，各种机器资讯数据的形式日趋复杂、多样了，从结构化数据到非结构化数据不断转化。这就催生了大数据技术的强烈需求。今天，从搜索引擎、社交网络的普及到人手一机的智能移动设备，全球互联网上的信息总量正以每年30%-50% 的增速不断暴涨，包括每天Facebook上分享的几亿条内容，每日15 TB的Twitter信息，每天淘宝上数十亿条店铺、商品浏览记录及上亿的成交、收藏记录以及3000多万条传感器资讯，等等。市场研究机构IDC的研究结果显示，去年全球创造的信息数量达到1800EB，并且还以每年50%的速度高速增长，到202_年，全球每年产生的数字信息将达到35ZB（1ZB=1024EB）。据IDC统计，202_年全球所产生的数据总量是1.8ZB，如果把这些数据刻录到CD碟片中，这些碟片可环绕地球30圈。

可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，面对这些只是静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门如何通过系统功能来有效利用和整合，发掘有价值的数据，给公司营销管理提供决策支持，已成为摆在企业信息部门及其他管理部门面前的难题。

而浩如烟海的客户及市场、销售和服务信息，如果没有一个具有高度商业智能的数据分析和处理系统是不可想像的。而用户想要从庞大海量的数据库中提取对自己有用的信息，就离不开大数据分析技术和工具。事实证明，传统基于过往事实的商业管理系统如BI（智能分析系统）、CRM（客户管理系统）也能够为企业带来价值，但是今天一个优秀的大数据系统更能将数据挖掘技术与现有技术很好地结合起来，将特殊领域的商业逻辑与数据仓库技术集成起来，找出对未来企业战略具有影响的因素，使数据挖掘的分析效果和效益尽可能达到峰值，让企业营销管理能“运筹帷幄，决胜千里”。

像Facebook、Twitter这样面临数据量大爆炸的国际社交网络公司，已开始用分布式程序系统基础架构、非关系型的数据库等新兴大数据技术来解决海量市场信息问题，并取得了成效。国内最大电子商务公司阿里巴巴也在利用大数据技术提供具体服务，如阿里信用贷款与淘宝数据魔方。以淘宝数据魔方为例，利用淘宝平台上的大数据应用方案，商家可以了解淘宝平台上的行业宏观情况、自己品牌的销售情况、市场排名、消费者行为情况等，并可以据此作出经营决策。

重构精确营销模式

大数据时代之前，企业多从哪些平台提取数据、利用哪些营销数据？一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。

而其他85%的数据，诸如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据等等，更多以图片、视频等方式存在，几年前可能被置之度外，不会被运用，而今大数据能进一步提高算法和机器分析的作用，这类数据在竞争激烈的市场日显宝贵、作用突出。

包括沃尔玛、家乐福、麦当劳等知名企业的一些主要门店均安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾客意见等是如何对物流和销售额的影响进行建模。这些企业可将这些数据与交易记录结合起来，并利用大数据工具展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。

如果说以前的一些CRM系统，只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“用户想要什么事发生”。

比如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和Facebook主页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这位顾客给出最佳的优惠策略和个性化的沟通方式。

如今在美国的沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗？”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”

这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例。因为计算机系统早就算计好了，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、作料了。而提供这一决策分析支持的就是其位于美国一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。企业要为营销准备什么

虽然大数据展示了非凡的前景和巨大作用，不过，大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。但实际情况是，真正启动大数据营销，企业面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构，来真正地挖掘那座数据金矿。

大数据的资源极大繁杂丰富，如果企业没有明确的目标，就算没有走入迷途至少也会觉得非常迷茫。因此，首先要确定企业运用大数据的短中期目标，定义企业的价值数据标准，之后再使用那些能够解决特定领域问题的工具。逐步推广，步步为营，不要把理想定得太高，否则失望会越大。当然，企业运用大数据为营销管理服务之前，技术团队要到位是基础。企业的营销团队要能够非常自如地玩转数据。

企业启动大数据营销一个最重要的挑战，是数据的碎片化，各自为政。许多企业中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。营销者当留意的是，数据策略要成功提升网络营销成效，要诀在于无缝对接网络营销的每一步骤, 从数据收集、到数据挖掘、应用、提取洞悉、报表等。

要做好大数据的营销运用，其一，要有较强的整合数据的能力，整合来自于企业各种不同的数据源、各种不同结构的数据；其二，要有研究探索数据背后价值的能力，未来营销成功的关键将取决于如何在大数据库中挖掘更丰富的营销价值；其三，探索出来之后给予精确行动的营销指导纲领，同时通过此纲领进行精确快速实时性行动。（

第五篇：互联网和大数据下的精准营销

互联网与大数据环境下精准营销的认识

202_年6月12日

目 录

一、营销管理科学的理论依据···································································2

1、管理科学的基本观点·····················································································2

2、管理科学的要义及影响·················································································2

二、互联网和大数据涵盖了营销端连接客户的全过程························3

1、传统展示与集客受到时间、空间限制···························································3

2、产品在经销商端和客户端信息不对称，互联网是对称的······························3

3、品牌推广和客户关系管理带来的变化···························································4

4、精准营销，随着互联网和大数据技术的发展，使销售形式带来质变···········5

三、互联网和大数据背景下的价值分享··················································5

1、CRM系统管理·································································································5

2、O2O的商业模式·····························································································6

3、低成本的共享经济························································································6

随着互联网的日益普及，网络技术的发展，人们对互联网的应用无处不在，如电子商务、网络购物等大大方便了人们的日常生活。同时，人们在互联网使用过程中也产生了海量的数据，通过云计算等现代信息技术对这些海量数据进行追踪分 析，能得出消费者的消费偏好和消费习惯，在企业营销中，大数据的应用可以大大促进精准营销的发展，为其带来前所未有的变革和机遇。

一、营销管理科学的理论依据

现代管理科学起源于19世纪末20世纪初，被人们称之为“科学管理之父”美国工程师费雷德里克•泰勒，他的《科学管理原理》和在此基础上形成的“泰勒制”，在历史上第一次使管理从经验上升为科学，使人们认识到了管理学是一门建立在明确的法规、条文和原则之上的科学，它适用于人类的各种活动，从最简单的个人行为到经过充分组织安排的大公司的业务活动。在二十世纪初期促进了美国工业的突飞猛进，推动了世界各国的工业发展。直到今天，管理科学的许多思想和做法仍被许多国家参照采用。

1、管理科学的基本观点

泰勒认为，任何事情都要先调查，不盲从于习惯。任何工作的形式、条件和方法都应该早有遇见，合理安排，做出精确规定，一旦输出标准，所有人均应当无条件执行。基于这种思想所形成的“泰勒制度”基本要义是：从企业中挑选技术熟练的工人进行操作、拍成视频共享，以适当的时间单位记录下完成某一工序或动作的时间，继而以作业和时间标准化为出发点，研究出既经济又高效的“标准操作方法”，并据此制订出生产过程的作业标准和时间标准，以及不同等级的工资单管理标准，同时把管理从生产中分离出来，成为专门的组织系统。

2、管理科学的要义及影响

一是倡导管理要走向科学，制定科学的工作方法；二是团队组织共同的思想革命。泰勒认为管理科学的根本目的是谋求最高劳动生产率，最高的工作效率是雇主和雇员达到共同富裕的基础，要达到最高的工作效率应当用精确的调查研究和科学知识来代替个人的判断、意见和经验。

经过100多年的发展，管理科学已经扩展到各个领域，形成了内容广泛、门类齐全的独立学科体系，管理科学已经成为同社会科学、自然科学并列的第三类科学。管理科学对营销学的建立和发展起到了重要的影响和促进作用。管理科学的模型在各种市场营销活动，诸如新产品开发、竞争性定价、广告预算与媒体选择、推销访问时间分配，以及市场营销组合规划领域都有着重要的应用价值。

伴随着大数据时代的到来，互联网、物联网、云计算等信息化技术迅猛发展，环境日益成熟，具体表现为网络化，社会化、智慧化，如何顺应这种新形势的特点，是营销管理科学当下面临的新课题。

二、互联网和大数据涵盖了营销端连接客户的全过程

从当下的营销环境来看，根据202_年的权威统计，我国互联网用户达到6.68亿。其中，社交媒体用户6.59亿，超过美国和欧洲的总和，国内每天新增互联网使用人数约有10万人，作为汽车消费主力的80后和90后，其互联网使用率高达99%。由此，在互联网应用技术不断成熟的背景下，对这些网络海量数据进行处理和归纳，无论是涉及潜客挖掘的集客和成交，还是涉及保客维护的用车和养车，在这四个营销最本质的阶段，大数据应用都可以贯穿整个过程的始终。以大数据应用“保客”和“潜客”运营管理升级，进而推动实现客户生命周期管理,这是一个动态的营销过程。

那么，如何应用互联网和大数据，发挥传统数据没有的优势？在汽车营销管理领域的应用有如下几点思考：

1、传统展示与集客受到时间、空间限制

受到时间、空间、天气、环境等影响,传统展示和集客往往不能充分展开，付出很大的财力和物力，但最终获得的效果不胜理想，投入产出比低。互联网的普及彻底打破了这种局限。通过在展车区安装摄像头，销售顾问佩戴耳麦，向视频中的客户实现远程介绍，不拘泥于传统线下看车的方式，展厅在线上实现了“前移”。通过这种视频交互的形式，既能使客户身临其境充分感知产品，又能利用网络社交平台与客户进行实时互动交流。同时通过对客户日常消费行为及浏览痕迹的深入测量和分析，运用大数据技术和方法帮助我们快速准确地找到核心目标客户群，实现精准营销与高效集客。

2、产品在经销商端和客户端信息不对称，互联网是对称的

依托互联网APP（application应用软件）平台，通过数据追踪可以改善用户体验，了解用户实际使用的状况，做出适时的提醒。基于对车辆数据、道路数据、环境感知数据等海量信息的处理、分析、汇总，可获得客户的车况、驾驶行为、里程等车辆使用过程中的数据，从而实现基于大数据挖掘对客户用车、养车进行精细化、个性化的运营管理。例如，企业通过车联网和在线诊断系统，通过 3 对车辆运行状态及数据进行监控分析，可先于客户发现车辆问题，并提前预应采取远程诊断排除，及时消除客户车辆故障，保障用车安全。通过动态数据使产品“活”起来，以动态的数据跟踪改善客户体验，精准预测顾客的需求，提高了客户的满意度和忠诚度，形成了保客的转介绍和再购买。

3、品牌推广和客户关系管理带来的变化

传统的营销理念之下,企业已经习惯于用精准度有限的营销信息作为决策依据,这就有可能影响营销策略的正确性和成本效益率。例如,在广告宣传的过程中,企业往往采取漫天撒网式,即只有海量的广告成本投入,才能达到理想的广告传播效果。“我们的广告费有一半浪费掉了,但问题是我们不知道浪费的是哪一半”，美国百货业之父约翰•华纳梅克曾对非精准的营销投入这样无奈地描述到。可喜的是,这种无奈将会在大数据时代中走向终结。互联网和大数据将使产品的精准推广成为可能，并带来全新的客户关系模式。

人群定位：通过数据挖掘而锁定的消费群体，不再局限于产品生命周期两端的、单向的、小样本的、非用户实时体验的需求信息。借助客户信息库、专业网站指数所对应的分类信息统计，找出目标客户群体身份、年龄、性别、经济水平、消费习性等各类数据标签，在数据模型的作用下，企业营销决策所需要的人群画像会鲜明的展现出来。

营销方案的执行和评估：互联网和大数据还指引了品牌营销方案的制定和执行，准确的效果监测和评估。在潜客转化过程中，借助大数据分析的差异化客群特征，进行制定和执行应对方案。整合品牌的线上、线下资源，与客户进行沟通互动，组织相匹配的营销活动，获得成交机会。而借助互联网信息交流平台、用户社区，营销投入的效果评估工作不再局限于小部分特定用户，企业可以向任何潜在目标客户进行营销方案的执行结果征集；调研的样本量从小样本到大样本，甚至是全样本转变；用户的真实体验和评价也可以实时得以呈现，而不是等到企业访谈时才通过被动的回忆进行描述；可视化APP使表达的形式不再局限于文字和语言，可以是最直观的视频数据。

新的客户关系形态：互联网客户的消费行为习惯，已经由传统的孤立式消费模式向群落化消费模式方向转变，需要突破产品与客户之间时空链接上的限制。通过微博、微信等“微工具”关注客户的个性化需求，将客户的线上交流活动与 4 线下跟踪活动相融合,提高产品与客户间的交流与互动效率。在互联网营销平台着力提升营销推手的亲和力,多借助群落、网络社区营销平台制造核心话题，以客户带动客户，以口碑影响口碑的C2C式（Customer to Customer个人与个人）的扩散渠道来形成品牌传播新模式，培养出超越商业行为的高粘度目标客户。

4、精准营销，随着互联网和大数据技术的发展，使销售形式带来质变

用户买了整车，实际上带来了极大的浪费。车辆除了用户使用之外的过程，都是负担和累赘。而这种累赘在原有状态下无法有效解决。试想只有在客户用车的环境中支付费用，而诸如保养、维护和现有车辆衍生的其他费用，都不需要用户支付，能够更加突出其使用价值。通过互联网与大数据，对于仓储、加油、整车报废处理都由专业机构来进行。

挑战一：只使用、不付购车款；

挑战二：除使用之外其他多余的成本都由主机厂买单；

三、互联网和大数据背景下的价值分享

传统的汽车营销服务模式可以归结为B2C（Business to Customer商对客）商业模式，主要表现为厂商驱动消费者，通过大批量制造、集中化传播和大规模的促销来实现商业目标，在此过程中客户基本上是处于被动的选购状态。B2C商业模式中产品与服务并不能完全满足用户的需求，客户的消费过程更多关注产品的功能、配置、品牌和价格。互联网和大数据所带来C2B（Customer to Business客对商）商业模式主要表现由消费者来驱动厂商，客户按各自的需求在互联网上形成不同的社区群落，厂商作为客户群落的产品供应者，通过提供定制化的产品和远超预期的服务，带给客户产品功能和情感上的极致体验，客户的消费过程更多关注的是自身的体验。互联网和大数据的出现正在促使企业由B2C的制造导向向C2B的营销导向转变。

1、CRM系统管理的实现

当今网络时代，原来的用户管理已转变成当下的粉丝管理，如何在粉丝纷杂的社会化媒体数据中找到“金矿”？核心在于CRM（Customer Relationship Management）系统的应用。企业需要通过CRM系统，实现客户全生命周期的增值管理。而通常在信息高度泛滥的环境下，客户信息获取的不及时和不准确是导致企业决策无法满足客户需求的根本原因。通过对CRM系统中客户信息数据的全面 5 整合和有效管理，精准分析，尽可能精确的了解每个粉丝的个性需求，并根据他们的需求与偏好采取相应的措施提高忠诚度，实现交叉销售和追加服务，提升转介绍率。

2、O2O商业模式

传统汽车行业的营销渠道大都是基于“4s”功能下的实体店模式，这种实体店的特征主要表现在投入大、成本高、效率低、专业人才流动性高。它的存在使消费者至少要承担7%左右的购买成本。移动互联网的商业民主化属性让用户看清了那些可以节约的渠道成本，继而催生了网络直销的O2O模式。在汽车领域O2O（Online To Offline）模式的典型代表使特斯拉（Tesla），特斯拉的渠道完全绕过了传统的4s店模式，它的渠道包括两个部分：线下体验店和线上电商平台。体验店的地点在高端购物中心，环境舒适，你可以到体验店去看、去摸、去感知。购买环节则在电商平台完成，在线上下单之后车会直接从厂家发运到你指定的地点。

3、低成本的共享经济

借助先进的大数据技术、网络即时通讯技术等手段，直接与客户保持长期的个性化沟通，实现“一对一”的营销。产品设计将充分考虑消费者需求的个性特征，以顾客为中心，为顾客创造更大的价值，也更利于社会资源的优化匹配。比如目前流行的汽车分时租赁，通过APP方式就可以满足日常的用车需求，将车辆的闲时空间利用起来，既方便又实惠，而不用再去为买车、维修保养等支出费用，将资金效益最大化。

此外，互联网环境下，以厂家仓储、配送基础上的汽车经纪人制度，也将是未来一种可能的汽车营销模式。可能成功普及的原因有如下四点：

1)互联网思维“去中心化”的特征。单一大型主体结构的4s店模式在越来越将成为一种高能耗、低产出的陈旧商业模式。

2）伴随着社会信用体系的建立，个人诚信将会成为公民的新标签。

3）四五级市场是未来汽车市场的主要增长点，而当前我国多达334个地级行政区，1384个县，加上地域特征、人口分布的特点各不相同，没有任何品牌和厂家可以实现渠道全面覆盖；

4）4s店销售员流动性很强，变动很大。借助互联网平台可以快速收编汽车流通 6 领域的草根创业者、零散的兼职销售人员。而汽车销售人员终生服务于一个品牌几乎是不存在的。乔•吉拉德在其销售职业生涯中一共卖了13001台汽车，这些汽车是凯迪拉克、雪弗兰、福特等多个品牌，并非单一品牌。挖掘更广泛的社会力量，广泛的搭建“全民销售员”的新网络，将会使汽车营销实现深层次的无缝覆盖。

总的来说，未来的营销只会越来越贴近用户感受，利用大数据分析出顾客最核心的诉求，达到精准营销目的。

随着互联网和大数据时代的到来，为企业营销提供了一种全新的思维方式，大数据具有体量大、类型复杂、价值密度低、速度快和时效高等特点，促进了营销理念和方式的变革，企业通过现代信息技术挖掘隐藏在海量数据中的消费者信息，更准确地了解客户兴趣，有效地挖掘客户需求，实现企业和品牌更高效的配置资源，实现客户价值最大化。

202_.6.10 7