大数据营销案例与如何实施.ppt 30页

* Orange RGB= 255,102,000 Light blue RGB= 180,195,225 Dark blue RGB= 000,000,102 Grey RGB= 150,150,150 ING colour balance Guideline ranet 请勿在品牌签名区添加内容 请勿在品牌签名区添加内容 CUC MBA 2012 P3 请勿在品牌签名区添加内容 请勿在品牌签名区添加内容 CUC MBA 2012 P3 大数据的营销案例 大数据如何实施 我们的大数据 一、未卜先知怀孕案例 塔吉特：比父亲更早知道女儿怀孕 曾经有一位男性顾客到一家塔吉特超市店中投诉大数据营销，商店竟然给他还在读书的女儿寄婴儿用品的优惠券。这家全美第二大零售商，会搞出如此大的乌龙？但经过这位父亲与女儿进一步沟通，才发现自己女儿真的已经怀孕了。 提问： 为什么塔吉特能知道这个用户怀孕了？必须有哪几个关键环节 A：用户数据收集 B：怀孕特征库 C：怀孕潜在用户筛选塔吉特在和顾客沟通过程中采用了哪种营销方式 A：电子邮件 B：直邮 C：电话营销 D：数据库营销 一、未卜先知怀孕案例 关键环节一：数据信息记录 一家零售商是如何比一位女孩的亲生父亲更早得知其怀孕消息的呢？每位顾客初次到塔吉特刷卡消费时，都会获得一组顾客识别编号，内含顾客姓名、信用卡卡号及电子邮件等个人资料。

日后凡是顾客在塔吉特消费，计算机系统就会自动记录消费内容、时间等信息。再加上从其他管道取得的统计资料，塔吉特便能形成一个庞大数据库，运用于分析顾客喜好与需求。 每个ID号还会对号入座的记录下你的人口统计信息：年龄、是否已婚、是否有子女、所住市区、住址离Target的车程、薪水情况、最近是否搬过家、钱包里的信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买你的其他信息：种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。乍一看，你会觉得这些数据毫无意义，但在Andrew Pole和顾客数据分析部的手里，这些看似无用的数据便爆发了前述强劲的威力 一、未卜先知怀孕案例 关键环节二：数据模型建立 Andrew Pole想到了Target有一个迎婴聚会(baby shower)的登记表。Andrew Pole开始对这些登记表里的顾客的消费数据进行建模分析，不久就发现了许多非常有用的数据模式。比如模型发现，许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜;在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最后Andrew Pole选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，因此Target就能早早地把孕妇优惠广告寄发给顾客。

一、未卜先知怀孕案例 关键环节三：建立和用户沟通渠道 那么，顾客收到这样的广告会不会吓坏了呢？Target很聪明地避免了这种情况，它把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告当中，这样顾客就不知道Target知道她怀孕了 一、未卜先知怀孕案例 Target取得的成就： 根据Andrew Pole的大数据模型,Target制订了全新的广告营销方案，结果Target的孕期用品销售呈现了爆炸性的增长。Andrew Pole的大数据分析技术从孕妇这个细分顾客群开始向其他各种细分客户群推广，从Andrew Pole加入Target的2002年到2010年间，Target的销售额从440亿美元增长到了670亿美元。 二、美国警察降低犯罪案例 纽约的犯罪凶杀从1994年1561起下降到1177起 车辆盗窃从95420下降到72679起 到2009年，凶杀案下降到466起 二、美国警察降低犯罪案例 CompStat项目的工作人员每天通过电话和传真向全纽约76个警区收集数据，再将数据统一录入到CompStat，进行加总和分析。 每周二、周四的早晨7点，布雷特就召集全部警区的指挥官开会。

最新发生的案件以圆点的形式出现在各个辖区的地图上，不同颜色代表着不同类型的犯罪，特定位置的成串圆点则表明那里发生了一系列的案件。各个指挥官在这些“绩效指示灯”前面依次陈述自己辖区的情况、对策以及警力的调配 ——“数据和信息是执法工作当中制定战略和决策的基础。” 1、决策支持系统1947年，美国科学家 西蒙提出，1978年因为商务决策过程的研究获得诺贝尔经济学奖 2、商务智能利用数据仓库、数据挖掘技术对客户数据进行系统地储存和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价、客户满意度评价、服务质量评价、营销效果评价、未来市场需求等，为企业的各种经营活动提供决策信息。 3、大数据时代标志着一个时代的来临，一个概念，而不是真正的技术大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大约从2009年开始，“大数据”才成为互联网信息技术行业的流行词汇。从产业角度，常常把这些数据与采集它们的工具、平台、分析系统一起被称为“大数据”。 一、数据输入到输出的基本流程 二、决策支持系统 三、商务智能是什么人们对商务智能的理解如同那七个印度盲人对大象的理解：有人认为它是高级管理人员信息系统（EIS），有人认为它是管理信息系统（MIS），有人认为它是决策支持系统（DSS）； 有人说它是数据库技术，有人说它是数据仓库，有人说它是数据集市，有人说它是数据整合与清洗工具，有人说它是查询和报告工具，有人说它是在线分析处理工具，有人说它是数据挖掘，有人说它是统计分析；有人把它当做分析性ERP, 有人把它当做分析性CRM, 有人把它当做分析性SCM, 有人把它当做企业绩效管理，有人把它当作平衡记分卡……商业智能技术，它以数据仓库（Data Warehousing）、在线分析处理（OLAP）、数据挖掘（Data Mining）3种技术的整合为基础，建立企业数据中心和业务分析模型，以提高企业获取经营分析信息的能力，从而提高企业经营和决策的质量与速度。

三、商务智能四个产业链 1、关系型数据库（销售记录、用户购买记录，提供报表） 2、数据仓库（数据系统整合，收集，清洗） 3、多维分析（不同维度之间的剖析，自定义） 4、数据挖掘（灵魂，产生价值的地方）5、展示：可视化界面 商业智能技术体系（BI——Business Intelligence ） 在线分析处理技术 （OLAP：Online Analytical Processing） 数据挖掘技术 （Data Mining） 数据仓库技术 （ Data Warehousing） 数据整合 集成各系统的历史数据，建立面向主题的企业数据中心 数据分析 灵活、动态、快速的多维分析、随机查询、即席报表 知识发现 通过数学模型发现隐藏的、潜在的规律，以辅助决策 更加全面、深入的分析 形成知识库指导决策、再分析 三、商务智能体系 四、关系型数据库 关系型数据库就是由二维表及其之间的联系组成的一个数据组织，关系数据库中的数据结构就是一张二维表，以表格（关系）的形式存放数据 典型的商业订单条目数据库会包括一个用列表示的描述一个客户信息的表格：名字、住址、电话号码，等等。 另外的一个表格会描述一个订单：产品、客户、日期、销售价格，等等 报表：是关系型数据库时代将数据转化为信息的主要手段 但是报表是需要事先由开发人员定制的 比如：2013年5月份的废单报表 五、数据仓库 我们可以从多个菜市场，挑选我们做需要的蔬菜，肉类等。

当然，我们处在一个选择的过程。如果菜不新鲜，我们完全可以不要它. 六、多维分析 OALP 什么叫多维： 沃尔玛2011年在北京的销量是多少?这就是地区和时间两个维度交叉 百度投放：在2013年5月份广东产生多少个口语计划的注册？ 其惊艳之美在于 可以根据用户自己的需要随时创建万维动态报表，报表的定制权由后台开发人员直接转移到前端的用户 其代表：国双的动态分析 普通钻取是改变维的层次，包括上卷（roll up）与下钻（drill down）。上卷是从维的细节层向颗粒较大高层钻取，以便宏观把握数据的汇总情况；下钻是从维的高层向颗粒较小的细节层钻取，以便观察数据明细情况。 举例来说：某电信运营商在分析2003年总体话务量时发现全年话务量为100亿分钟，这除了说明全年的总体话务量情况，不能说明任何问题。现在分析人员想进一步了解2003年各个月份的话务量情况，就必须针对时间维度进行下钻操作，以看到颗粒较细的月份数据。反之就必须进行上卷钻取。 六、多维分析—普通钻取 穿透钻取是指从一个模型钻透到另一个模型。 举例来说：某电信运营商发现本月通话时长下降5%，经过下钻发现是IP的本月通话时长下降了20%带动了整个通话时长下降3%，为了找到IP的通话时长下降的具体原因就需要钻取到面向IP业务的分析主题，详尽分析通话时长下降原因。

这种跨越模型的钻取就称为穿透钻取。 举例：网络营销部广告投放这个月的注册比上个月少了20%注册，通过下钻发现是腾讯比上个月下降80%，为了找到腾讯的原因必须钻取到涉及到腾讯下降的其他原因（流量？页面转化率？）。 六、多维分析—穿透钻取 切片与切块是指选择某一/些维度的具体类别，分析该类别的数据关于其他维的情况。 举例来说：某烟草公司分析发现2012年全年烟草销售为10亿元，现在想了解2012年中华（软）这种规格的卷烟在第一季度的销售情况，就必须针对时间维度选择第一季度，针对卷烟规格维度选择中华（软），通过这样的切块的方式可以观察相关维度的具体类别（如本例中的中华（软）在第一季度）的数据状况，分析这些数据得出有效的信息，以针对这些具体类别进行针对性的决策。当仅针对一个维度进行切块时称为切片。 六、多维分析—切片与切块 六、多维分析 OALP 六、多维分析 六、多维分析 讨论：通过上图我们可以看到哪些维度的数据 1、某月东北 冰箱 2、西北电器总和 3、6月西北产品销量 六、多维分析和数据仓库关系 七、数据挖掘 描述性数据挖掘 预测性数据挖掘 基本目标 以数据统计和分析为目的 数理统计 求和、平均、方差等 各种报表和即席查询 多维分析 关联分析 关联规则 序列模式 聚类分析 相似特征挖掘 分类识别 基本目标 以未来预测和模拟为目的 分类分析 分类函数 分类模型 回归分析 线性回归 非线性回归 决策树 神经网络 时间序列 移动平均 数据挖掘 啤酒和尿布的故事 七、数据挖掘案例 啤酒和尿布的故事 “啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。

当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal （个人翻译--艾格拉沃）提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提出了商品关联关系的计算方法——A prior算法（关联模型）。沃尔玛从上个世纪90年代尝试将A prior算法引入到POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事 八、可视化界面 啤酒和尿布的故事 八、可视化界面 啤酒和尿布的故事 数据处理 业务层：输出 数据输入 即时查询 OLAP分析 数据挖掘 企业数据模型、多维数据模型数据仓库 RDBMS：关系数据库 外部数据源 操作环境层 数据仓库层 业务层 选择题：每题8分*5 ?数据仓库是数据库吗？ A：不是 B：是 商务智能里包含哪几个重要版块？ A：OLAP B: 数据仓库 C：数据挖掘 大数据给企业带来的好处是？ A：了解用户隐私 B：提供决策支持 C：营销针对性 D：提升效率 你认为下面哪些企业在大数据方面有潜力做的很好，选2个 A:阿里集团 B：麦当劳 C:沃尔玛 简答题：每题15分*4 假如2季度广东区域网络业绩很差，为什么？请写分析思路 Orange RGB= 255,102,000 Light blue RGB= 180,195,225 Dark blue RGB= 000,000,102 Grey RGB= 150,150,150 ING colour balance Guideline ranet 请勿在品牌签名区添加内容 请勿在品牌签名区添加内容 CUC MBA 2012 P3 请勿在品牌签名区添加内容 请勿在品牌签名区添加内容 CUC MBA 2012 P3 *

（编辑：92站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!