前言：中文期刊网精心挑选了大数据营销的缺点范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
大数据营销的缺点范文1
电商营销。营销策划。大数据分析。
的大数据分析基于现代社会中成熟的商业系统和日益成熟的电子商务系统。在整个电子商务社会体系中，消费者将逐步完成从传统消费行为到对电子商务的理解和热衷的转变。在此过程中，大数据分析对消费者的心理特征和行为逻辑进行统计分析，并形成相关结论。为了在未来的业务发展中取得进一步的发展，电子商务营销必须把握大数据的特点进行分析并实现合理的应用。
。在2019年的天猫“双11”购物嘉年华中，11月11日，全球消费者在淘宝网电商平台上购物，仅在凌晨96秒的时间内就在人民币完成了100亿元的营业额。这些数据的背后，反映了电子商务营销对现代消费者心理和消费行为的准确把握指导。在中国电子商务发展过程中，逐步完成了第一代消费者进入电子商务平台的培训。这意味着国电商平台大学的建设已经进入了一个相对稳定的发展时期。当“数量”不再是电子商务营销的焦点时，如何确保电子商务平台提供的商品和服务的“质量”已成为下一个潜在的出口。
毫无疑问，中国电商平台近年来的突破和快速发展是惊人的，但在这种发展的背后，仍然存在许多问题电子商务平台在商品质量、服务准确性和消费者需求控制方面有提升空间。在国内电子商务普遍反思自身营销质量、优化策略的情况下，大数据分析已成为当前背景下电子商务营销领域中一种适用性较高的应用技术。
2.1实现了目标受众的第一次模拟考试。在传统的电子商务营销过程中，
通常被视为从单一企业到庞大消费者的扩散型销售。然而，在模式判断中，很容易忽视电子商务本身在调节产品质量、价格和销售组合方面的灵活性。“电商营销是代表海盗，销售广泛，盲目追求销售”大数据分析可以帮助电商在平台上搜索、收集、浏览、购买和售后的全过程中比较各类消费者行为信息的细节，使电商平台能够完成对平台上巨大消费流的宏观调查，最终确定待营销商品的目标受众形象。Sri Lanca 2.2促进服务的准确交付。在
·
的电子商务营销活动中，最重要的是优化售后服务链。如何提高用户对产品的满意度，降低用户对电子商务营销的警惕性，有效降低用户的产品退货率，正是传统电子商务营销规划师在电子商务结束时所坚持的，大数据分析从源头上提供了另一种解决方案，即：，通过对消费者心理预设和消费习惯的分析，明确适合每个消费者的产品和服务类型，从而增加电商平台上的产品和服务与消费者的对应，也就是减少消费者的“试错”提高电子商务平台服务质量所需的时间成本。
23。有利于产品效果的长期跟踪。在
，长期以来，电子商务产品一度被公认为“效果夸大”的代表还有长期价值低。电子商务营销也被认为只重视诱惑和招揽，而忽视了后期的产品质量跟踪。大数据分析只是为电子商务平台提供了一个跟踪产品效果的工具。消费者完成购买行为后，通过各平台消费者活动和行为的变化，分析消费者对产品效果的满意度，并根据消费者满意度的量化评价，完成产品效果的评审和下一步迭代计划的制定，有利于电子商务经济的长远发展。
3.1关注消费者保留率的统计
在传统的传播和营销策划中，我们经常关注链接或广告的点击率和点击转化率的统计，相信电子商务经济通过大规模流失互联网用户群体实现贸易优化。但是，随着消费者网购体验的深入，点击一次与最终购买的直接联系逐渐减弱，消费者越来越关注电商平台上的商品质量，这也意味着大数据分析的方向需要挖掘消费者购买行为背后的新逻辑关系。消费者保留是指消费者点击一次电子商务产品后，选择点击两次进入商户的店铺或进入同一商户的另一商品链接，最终完成关注或收集的过程。这一过程意味着消费者通过自己的体验和判断，已经认识到电子商务平台的营销，并完成了对相关商品的价值感知。在消费者保留率统计中，我们必须使用大数据统计来比较消费者在每个页面上的评论偏好以及不同图片和信息的浏览时间，从而判断消费者是否成功理解和同意预设的电子商务营销策略。在这一过程中，大数据分析不仅成为企业了解目标受众特征的工具，而且成为电子商务的重要工具自我营销策略是分析电子商务营销策略优缺点的工具，有利于电子商务营销策略的进一步调整。
3.2分析消费者偏好和挖掘潜在消费热点
在电子商务平台上的运营基本上可以及时切入和分析。例如，以自由鱼APP的rudder UI设计为例，电商平台已经完成了每个功能块的内容划分，消费者进出功能模块的时间记录可以作为消费者对该类产品偏好的有效参考。同时，结合搜索引擎在电子商务平台数据库中的应用，可以记录消费者输入的相应关键词，使电子商务能够进一步控制消费者在一定类型下的产品特性需求方向。例如，一个25岁的白领可以输入保暖、隔音办公等关键词，电商平台可以得到“白领-隔音办公、保温操作、高性价比-隔音盖耳式耳机”的营销理念。通过对同类型消费群体的行为比较，可以推断出该消费群体未来消费需求的发展方向，为电子商务营销策略和产品迭代开发提供可靠的依据。
3.3阐明了消费者个人需求的重要性。
-
-大数据分析绝不是一刀切的“数据网络－整体考量地区”。其实质在于对无限个个体数据进行有效叠加分析，然后通过各种数据之间的比较完成宏观分析。这也决定了大数据分析应用于电子商务营销后，企业必须关注消费者的个性化需求，避免因牟利心理造成的盲目调整行为。例如，当数据分析显示有大量消费者也购买衣服时衣架在购买热水杯时，不能将其捆绑促销，以吸引新的消费热点。消费者的购买行为是复杂的。企业越是使用大数据分析统计消费者行为，就越需要客观看待消费者在消费过程中的各种特征，在分析相似消费群体共性的同时，分析消费者的个性化需求，避免对群体消费需求的误判，导致错误营销策略的出现，使大数据分析指导下的电子商务营销始终处于灵活、灵活的营销状态。
。大数据分析为其提供了从数量到质量改进的可能性。企业必须对目标受众的消费行为、消费习惯和消费心理进行有针对性的分析，调整营销策略，实现营销目标，同时提高电商品牌的美誉度，实现企业与消费者的双赢。
引用
[1]徐丽的新著作。CRM分析与大数据背景下的电子商务前景[J]。现代营销（下一期十天版），2017（06）。
[2]王振江。大数据环境下电子商务精准营销策略分析[J]。经济特区，2018（06）。
[3]张龙辉。大数据背景下电子商务企业个性化精准营销策略研究[J]。辽宁科技学院杂志，2019（03）。
大数据营销的缺点范文2
2012年11月，奥巴马击败罗姆尼再次当选美国总统。其背后的功臣是奥巴马的数据挖掘团队，他们搜集、分析和储存庞大的数据，从而帮助奥巴马做出精准的广告购买决策，比罗姆尼少花1亿美元竞选资金。显然，大数据通过过程可视化达到了更为精准的营销。
但是，2016年12月，特朗普当选却给了大数据一记重击。微软Bing以及有“数据巫师”之称的美国统计学家纳特・西尔弗（Nate Silver）通通预测失败，尽管拥有大数据意义的高胜率，希拉里仍然在现实中败北。
是大数据根本不足以被采信，还是它到达了一个亟待升级的转折点？
大数据的作用在于寻找规律
在互联网和大数据出现之前，人们通过经验判断事务并采取行动。而经验在本质上，就是过去人们所积累的全部数据在人脑中的反映。
受益于计算机技术的出现，人们对数据的处理能力越来越强，处理速度越来越快。随后出现的互联网通过打破空间藩篱提高了时间利用率，人们对数据的搜索和搜集变得无远弗届，数据广度与深度呈现裂变式增长。
这两大技术的发展将带来哪些变化？
基于过去大数据搜集与处理的下一步，就是帮助判断和预测未来，从而促进人们当下的行动。其中最典型的例子是人工智能。2016年，谷歌智能机器人AlphaGo战胜人类棋手李世石就是基于大数据原理。
那么，对于营销来说，大数据的价值又如何体现？
商业环境受制于诸多不可控的外部因素，宏观方面比如政策、经济大环境、社会文化等，微观层面则涉及行业走向、竞争对手、潜在替代者、消费者需求甚至企业内部管理等各个方面。因此，商业对于大数据的依赖性更强。商业互联网化之后，提出的第一个口号就是 Data Drive Business（数据驱动商业）。
就营销这一细分领域来说，大数据的价值更为明显。比如，如何发现消费者需求？如何圈定准确的目标受众？如何在正确的时间、正确的地点、以正确的方式传达给正确的消费者正确的内容？如何促使消费者行动？如何以销定产并实现柔性生产？如何设计制造最具市场潜力的产品？如何提高营销的效率和投入产出比？……
要回答这些问题，就必须对涉及营销的整个过程甚至外部环境，都要有全面和透彻的了解。而大数据的作用就在于：通过结构化和非结构化的数据搜集，将以往不可见、不可描述的部分，变得可视化，从而通过分析处理寻找规律、预测未来，帮助人们判断和采取行动。
毫无疑问，大数据的价值显而易见。但是，要想充分发挥大数据的威力，要做到两方面的极致化：“对更加垂直化、细分化的小数据的纵深挖掘”，以及“对更加广泛，甚至转瞬即逝的整体样本的全面覆盖”。
对更加垂直化、细分化的小数据的纵深挖掘
罗辑思维创始人罗振宇曾经说过一句话：“ 共享经济这件事其实遮盖了人类经济发展的总趋势。这个总趋势是不可逆的，叫分工再合作。”
技术发展带动分工细化，而分工细化保证了每个环节的专业化。精细化分工如同一个个齿轮，带动整个机器不断自我进化。
在互联网领域也同样如此。跑马圈地的草莽时代在2016年渐渐谢幕，地推、并购等粗放的增长方式呈现乏力迹象，互联网公司开始专心打磨产品，向纵深的垂直化和精细化运营进化。
各个细分领域开始出现新的独角兽，比如一些小而美的APP：美食生活类APP Enjoy、精品短视频APP Eyepetizer等，都拥有一批忠实的粉丝。
此外，诸如BAT这样的大平台也开始了精细化、垂直化探索。而它们的追赶者也在垂直化的路上走得更远一些。例如搜狗，除了常规的图片、视频、音乐等垂直搜索之外，搜狗结合自身技术特点，先后与腾讯、知乎、微软、丁香园等合作，推出微信搜索、知乎搜索、英文搜索、学术搜索、明医搜索等更加精细化、差异化的独家特色搜索产品，通过满足用户的不同需求，增强用户黏性。
如此一来，搜狗一方面可以聚拢各个细分领域的同类型人群，为精准营销提供更为明确的样本库；另一方面则可以搜集更为精细和庞大的“小数据”甚至“微数据”，提高大数据营销的精准度。
对更加广泛、甚至转瞬即逝的整体样本的
全面覆盖
目前，几乎所有大数据营销产品和服务都是基于数据集市（data mart）概念。简单点说，它基于某一需求，定向搜集相关数据构成大数据样本库。其好处是目的和方向明确，如同一个人先产生问题再寻求答案一样；但缺点在于，这种搜集方式会在前期遗漏一部分有价值的数据，或者忽视掉一些转瞬即逝的数据――正因为目标明确，反而只见树木不见森林。
举个例子，如果利用大数据进行用户画像，这就出现了一个问题：先入为主的定向切入，使得用于用户画像的数据并不完善，从而影响分析的精度，误导营销决策。
在特朗普大数据民意调查失误案例中，分析师就是在希拉里必胜新闻的刺激下，错估了形势，预设立场，通过先入为主的定向切入，忽视了特朗普在佛罗里达和其他摇摆州的巨大领先优势，从而在数据搜集时有意无意地遗漏了一些重要数据。大数据的蝴蝶在搜集端挥了挥翅膀，而在结论端则是差之毫厘谬以千里。
正是因为注意到了这一问题，现在业内开始有人重新提起数据湖泊（data lake）概念。
数据湖泊最先出现在2011年Forbes杂志James Dixon所写的《大数据需要一个大的新型架》一文中。与目标明确的数据集市不同，数据湖泊带来了更大的弹性。
简单讲，数据湖泊倡导存储每一个可能有用的细节数据，把被忽视的、被遗漏的数据重新挖掘和存储起来，当需要时再进行一站式统一的交叉分析。这样做的好处是不遗漏任何有价值的数据，即使它非常微小，转瞬即逝，或当时看起来没有价值。
比如，在之前的大数据采集中，可能会漏掉潜在消费人群的信息，忽略掉可能的销售机会。而尽可能采集更多、更全面（哪怕是看起来不相关的数据，也可能其内部存在一定的关联）的大数据，则有利于企业制定更精准的营销策略。
因此，数据湖泊的成立有赖于两个维度的拓展：一是上文提到的垂直纵深数据的搜集，二是更为广泛的全域数据搜集。
举个比较微观的例子，欧洲某大银行每年有650个直邮营销推广项目，发放近6000万封电子直邮，但是营销效率却逐年下降。这家银行发现问题的症结在于：虽然这家银行有不同的渠道接触客户，但是每个渠道都有自己的客户接触策略，这就造成客户资料和历史数据信息分散，没有形成客户关系的全貌。全域数据的缺失，使得这家银行无法根据客户特性制定更为精准的个性化营销方案。
如今，媒介碎片化和人群移动化大趋势，导致搜集全域数据面临新的挑战：如何搜集移动数据？如何实现跨屏数据打通？如何搜集更多形式各异的非结构化数据？
对于第一个问题，目前的解决方案一般是尽最大可能覆盖更多的移动流量入口。再以搜狗搜索为例，它不仅拥有移动端的QQ浏览器、搜狗浏览器、腾讯网、搜狐网等强势入口，2016年搜狗还与华为、三星、OPPO等大部分主流手机厂商达成合作。据悉，每天有超过2亿台手机默认使用搜狗搜索。
在移动时代，人们不光在行为上呈现碎片化的特征，使用的设备也日趋丰富多元，这就带来了第二个问题：跨屏数据的搜集。搜狗的无线端和PC端可以依托腾讯和其自有的账号体系实现准确识别，跨屏无缝数据跟踪，在场景上将用户搜索、浏览和输入的跨屏数据融合，提供更有价值的营销投放依据。
大数据营销的缺点范文3
经营管理是一门既古老又年轻的艺术，关于经营管理的方法和工具层出不穷，这些方法拓展了人们的视野，也提升了企业的运营效率。统计学作为一门独立的学科近年来逐渐受到人们的重视，它也被应用到了企业管理的方方面面，而其在营销管理中的应用更是对统计学的一种全新拓展。
1营销统计对企业的重要性
随着社会生产力的不断发展，市场营销也越显重要，甚至成为部分企业得以生存的首要因素。越来越多的企业发现，营销管理已经成为企业利润的决定性因素。同时，信息收集和处理的重要性也逐步凸显出来，市场数据的真实性以及相关分析的科学性已经逐步成为了确保企业竞争力的关键。在营销管理过程中，企业不仅需要及时、准确的市场信息，更需要科学的分析提炼，并用分析结果来指导企业的营销决策。一旦取得了“信息制高点”，企业便可充分发挥自身优势，结合市场特点，制定出更有针对性的营销方案，在市场竞争中获取主动。以上这些过程，都需要用到统计学知识，这些是很多企业的薄弱环节，同时也是优秀企业的制胜法宝。
例如：在市场调研环节，如果统计工具运用得当，那么企业所获得的数据就远非直观数据那么简单，一个依据科学分析做出的决策必然比直观决策更有针对性、更有价值。当然，由于企业所属行业、所处阶段以及效益、竞争力、市场份额等诸多因素的不同，统计学的应用程度、应用方面也不尽相同。比如，网站关注的是流量，同时，依据流量统计等数据可以测算出点击率、转化率等重要信息，由此可以为下一步的营销策划提供数据支持；再如，大型商超可以通过合理的问卷，对相关数据进行因子分析，并由此凝练出关键的努力方向，制定出更加合理的营销策略，进而通过改观氛围、改变陈列、改换产品等措施提升企业的赢利能力。
2营销统计的常用方法
21期望与方差
数学期望是统计学中最基本的概念之一，它所反映的是一组数据的加权平均值，该值可作为数据比较和预测的依据。方差则反映的是各个变量跟数学期望的偏离程度。在实际应用中，方差往往预示着某种波动性或该批数据的离散程度。
22回归分析
回归分析是确定多个变量之间关系的一种量化的、数学化的手段。其目的在于用函数（回归估计方程）的方法确定变量间的关系，进而可对相关变量进行预测分析。在营销统计中，回归方程可用来对营销管理过程进行定量分析和数据预测。目前，各类软件的广泛采用使得回归分析变得十分简便。
23因子分析
因子分析是指从诸多变量中获取共性因子的统计过程，其本质是一种“降维”处理。在实际应用中，很多变量的变化往往不是孤立的，而是存在一定的相关性，与共性因子有关的变量之间联系紧密、相关度高。由于因子分析这一特点，我们可以将其用于营销管理中的市场细分。通过因子分析，大量的客户数据被合并、简化，由此我们可以很方便地发现每个细分市场的关键变量，这将有助于企业做出更高质量的决策。
24聚类分析
聚类分析，又被称作“群分析”，是对样本进行分类的一种统计方法，即在大量的样本中，按照各自特征进行合理的分类，而这种分类往往没有可参考的模式或经验。通过聚类分析得出的不同类数据之间往往具有很大的相异性，而同类数据之间则有着很高的相似性。聚类分析主要用来发现和定义不同的客户群，它往往是以因子分析为基础的。经过聚类分析找出的客户群，个体之间具有更高的相似度，群体之间则有更高的差异性，这样有助于企业制定出更有针对性的营销方案。
3企业营销统计的发展现状
31营销统计没有真正发挥出作用
有些企业把营销统计简单地等同于数据记录，或者作为一种“听命”式的被动工作，人员配备不足，更有甚者这部分工作由内勤兼任，多数报表都是敷衍了事，大量的原始数据不准确、不及时，这源于决策者缺乏对营销统计重要性的认识。其实，企业营销决策的失误往往源于统计数据的无效、失真和滞后。
32相关人员素质较低
企业在岗位设置和人员配备上存在很多问题，多数统计岗位的职责本质上是“报表填写”。相关人员的工作能力达不到应有水平，不具备相应的统计知识，不能应用统计工具对营销中的数据进行深层次的分析，无法把相关数据转化成有价值的营销统计报告，进而导致企业决策没有事实的、科学的依据，对即将出现问题缺乏相应的预警，对市场机遇不能及时的捕捉。
33营销统计与企业发展不同步
很多企业在成立之初都设立了营销统计部门，统计工具也一应俱全。随着企业的发展，需要不断地对统计工具进行完善，以使其跟得上企业发展的步伐，这需要引进软件、进行继续教育和在岗培训，以充分发挥出“人才+工具”的优势。然而有些企业除了最初的几样“家当”之外，再无任何关于设备、软件和人员的添置。手工做账、设备闲置、报表陈旧，统计软件被荒废，这些都严重制约了企业的经营发展。
4如何解决企业营销统计中的问题
41首先是思想问题
决策层的足够重视对于问题解决是决定性的。作为企业的核心人物，决策层首先要意识到营销统计的意义和重要作用，从管理角度提高对数据采集、统计报表的要求。
42健全营销统计体系
企业应尽量设置专职的营销统计岗位，从制度上确保相关岗位的正常运作，树立“信息为王”的正确理念，通过体系的运作促进正确的、高质量的统计数据和报告的产生，使统计信息能够有效地作用于企业的决策。
43提升人员素质
企业应该加强相关人员的选拔和考核，定期进行业务知识培训，鼓励营销统计人员通过各种方式提升自身知识、技能。
44工具优化
现代企业的营销统计往往离不开计算机硬件、软件和互联网的参与，要获得更加精确和有价值的信息，企业要舍得在软硬件等工具上进行投资，并鼓励员工对相关工具进行合理的开发和充分的运用。
应该说，营销统计在企业管理中有着非常重要的地位，它是现代企业发展壮大的基础，数据的完整性、可靠性是企业避免决策失误、获得竞争优势的关键。
5与营销统计相关的前沿理论简介
近年来出现了几种新的理论，它们与营销统计有一定的相关性，而因其独创性和突破性被列为全新的理论分支。当然，也可以把它们看作企业营销统计的理论前沿，因为它们很有可能会成为未来企业竞争的新焦点，在此略作介绍。
51大数据营销
大数据是指海量的、多样化的、来源广泛的数据库系统，其规模远大于传统数据库的处理能力，它对数据存储规模和传输速率要求很高，同时，现有的处理方法难以满足大数据的处理要求。与简单数据不同，大数据的价值不仅限于一次使用价值，还可以通过更专业化方法进行再次开发。换言之，大数据的价值不仅在于其本身，更在于先进的开发方法。大数据营销是指基于多平台的大量数据系统、依托先进的分析方法、通过合适的渠道以合适的方法把营销信息投送给合适的人。大数据营销的关键是及时、精准、有效、个性化和低成本。
52数据挖掘
随着高速交通、互联网、移动终端等现代化工具的普及，人们被越来越多的信息所包围。其中绝大多数信息给我们的工作、生活带来了轻松和便利。但同时，过量的信息也正充斥在我们的周边，影响着我们的生活，让我们无所适从。主要表现在：①真假难辨：信息传播成本的降低，使得各类假信息大行其道，欺骗手段的升级又让我们难以分辨。②信息过载：从信息消化的角度来看，目前的信息无疑“太多”了。③形式杂乱：来自网络的一则新闻跟销售人员打探到的消息可能是同一事件的两个方面，对企业而言都有价值，此时需要企业管理人员广开“信”路、兼听并蓄、综合处理。④内涵隐秘：很多有用的信息就在我们身边，但它被改变了形式、掺杂了大量“噪声”，无法被直接获取和使用。
如何才能在大量的、真假难辨的、内涵隐秘的信息中挖掘出有效信息呢？数据挖掘技术就是用来解决这一问题的。即：数据挖掘是在大量的、真假难辨的、不完全的、有噪声的、形式各异的信息中提取对我们有用的、事先无法直接观察的信息的过程。
53精准营销
大数据营销的缺点范文4
每个人每天都会用百度，很多时候我们看到的只是百度光鲜靓丽的一面，百度有多成功、多牛，专注于做搜索，有多少好的产品出来。
但在这里跟大家分享的案例，是百度不那么成功的案例：百度云OS的系统。这是一个手机操作系统，最开始并没有刷机这个概念，那时候手机是可以砸死人的，不用刷。有了刷机后，很多人开始做自己的系统，因为很多精明的厂商发现，手机系统其实是一个非常好的抢占互联网的入口，智能手机上面有什么系统，我们基本上就会用这个系统上自带的APP。当时做得特别好的就有现在特别成功的小米，他们最开始做MIUI系统，百度也掺和了，我们把所有百度研发的APP，或者已经成功的APP都放上去，我们相信百度有这么多搜索的用户，一定能让更多用户接受百度云OS系统，于是这个系统从一开始到现在三年的时间，大概投入了1.2亿，到今年年初的时候差不多有一千多万的用户，但在5月份的时候它停止更新，并且对外宣称这个系统不做了。
为什么？百度发现一个问题，这个系统不是为了用户而生，这其实很关键，尤其在移动互联网，我们到处跟用户说体验的时候，我们做的事不是为用户而生，而是为了更多圈移动市场的份额，所以我们当时做的很多事情现在看来是错误的。比如我们的系统上集成很多百度自己研发的APP，我们拿百度的忠实用户当小白鼠，这个做法我们认为是错误的，于是停掉了它。
可以用百度这种失败的经验教训给大家提一个醒，目前在手机系统的环境下已区域成熟，除非你有一个颠覆式的系统出来，否则你很难得到一大批忠实的用户。颠覆性的系统就是有别于安卓和IOS的系统，百度有这么大的基础，但是百度投入很大，与其这样，不如转为与优秀的厂商合作，比如我们与联想合作，让我们更专注于做自己的事情。
接下来我给大家说一下“筷搜”的故事。筷搜的视频是一个非常有意思的日子，在2014年4月1日。发这个视频之前，经过差不多一个月的策划。4月1日愚人节来了，百度想让网民感受到百度今年“人与科技”的大目标。
我们的市场团队说我们玩一些高科技的、产品类的东西。苹果做概念机的产品视频做得最好的，我们当时决定通过视频来传播，拍成高逼格、高科技的风格。视频拍什么？当时有一个人在吃汉堡，边吃边吃抱怨要减肥，我们当时在想能不能设计成一款U盘类的硬件，插在汉堡里面提示汉堡的热量有多高，吓得你不能吃汉堡了。这个点子一出来之后，团队热闹起来，思绪泉涌。这个概念太小了，玩大一点，食品安全一直都是社会讨论的热点话题。于是我们设计一款筷子，食物里头就可以甄别食材安全，所含热量等全方位的食品信息。这个科技+未来感大基调的产品，叫“筷搜”。
愚人节就是开玩笑，让用户信服你，需要你的玩笑开得跟真的一样。筷子插在食物里，通过跟食物的接触，能够检测出这是一盘沙拉里面有什么样的搭配，包括里面有虾肉和柠檬的禁忌搭配，网民特别信服，跟他的生活息息相关，而且确实是存在的。通过这个事情我们发现不光产品经理要有市场的思维，团队也要有产品的思维，这双筷子在2014年4月1日视频的时候，是一个根本不存在的产品。
如何呈现最有感染力，产品有了，网民可以信服这个产品的存在，于是我们想了一个包装，在硅谷有一个秘密的研发基地。我们找了两个外籍老人来客串一下我们的秘密基地研发人员，这就是包装，让大家觉得很现实，很有骨感。
视频当天形成亮眼的传播。这不是重点，重点是后来发生的事，在当年9月3日百度世界大会中，我们把这个产品拿出来了，从一款根本没有的产品到一个工程样品，给网民去演示，这说明，从市场的角度可以决定产品的更新迭代。
通过这两个例子，一个百度云OS，一个筷搜，可以看到，百度内部很大，但里面的每个产品、团体都是小的个体，很多时候营销可以走的一条直线是，通过造势宣传一些新研究出来的内容。
这是我们从筷搜产品中总结出来的传播方面的观点，包括社交货币、利他性、引发一种情绪，最后是共用性。百度不光有筷搜这个产品，百度有很多产品，比如神灯，它也是假的，是一个手机盒，接上你的手机以后，通过3D投影，把手机画面投射出来。
大数据的应用
百度一直很专注于技术，做的很多事情跟智能硬件相关。百度做这些都是基于大数据。每个人理解的大数据可能都不一样，在我看来，大数据就是把每个人、每天，利用各种工具形成的数据汇总在一起，其实就是大数据，包括你的手机、打通了电话、上了网，你路过了一个摄像头，这些汇总在一起都是大数据。
百度的斯兰是一款可以给企业使用的大数据产品，它给我们带来了一些有意思的案例，第一个是关于一个品牌的，有一个化妆品牌叫玉兰油。我们合作后，通过大数据发现，搜玉兰油品牌的人都会在后面加上四个字：玉兰油适用年龄。这说明一个什么问题，其实玉兰油产品和品牌的年龄定位或者消费者细分定位有问题。我们反馈给他们之后，玉兰油调整了营销方案。
通过大数据可以帮助企业对新品牌塑造找到市场空缺点，或调整品牌的误区。大数据还有一些作用，比如预测，暑假很快要来了，在未来七八九月份哪些景点将会热门，商机最多的景点，我们需要针对这些景点做一些套餐优惠，通过大数据可以实现，它能帮助我们预测在7-9月份哪些地方成为人流扎堆的地方。
有些创业初期的企业获得投资之后想找一些代言人，代言人该怎么找，大数据也能帮我们预测。百事曾想找一个新的代言人，当时他们有几个目标人选，王菲、吴莫愁、李代沫，大数据做了一些分析，去寻找喜欢这三个人的人群分别有什么特征，发现吴莫愁的人群标新立异，喜欢独特，这跟百事的定位比较匹配，最后他们选择了李莫愁。
人与服务
技术、产品、服务，百度一直专注于这三个方面。我们通过技术连接产品，通过产品连接每一个消费者和服务。企业需要造势，有很多平台可以帮助我们去使用，雷军说过一句话，站在互联网的风口上，一头猪能飞起来，很多人说都被忽悠了，飞是能飞起来，但是在飞的过程中你得自己变异，得自己张双翅膀。
怎么做到人与服务，比如，用户用手机搜索一家企业，这意味着这是建立你与这个企业最便捷的沟通方式是电话，你点击电话咨询，这个页面直接切到你的拨号界面，可以跟企业通上电话，这就是人与服务。
有一句话叫做顾客是上帝。有一些消费者会觉得自己是上帝，他的上帝逼格到什么程度呢？他认为如果找一个企业，不是他打电话，而是企业打电话给他。我们就要满足这些上帝，这样才能体现出我们的极致服务。在这里他们可以直接输号码，过一会儿就有企业电话打给他，一定要满足个别消费者称之为变态的消费体验。
门店推广更有意思，在移动互联网阶段，有一个PC时代完全不敢想的服务就是基于地理位置的服务，我们可以做到你的客户拿着手机，比如搜索雅思培训，手机会提示你离它最近的一家分校在什么地方，点击就可以直接进入百度地图导航他想去的这家分店。
不管在PC还是在移动端，百度始终做的是一个搜索，这是它的核心内容。事实上百度的搜索远没有你想象得那么简单。搜索框的这个词能帮助你获取到真正的意向客户，并且帮助你区分非意向客户，这就是搜索引擎最核心的魅力所在，它一定是大众营销的收口，又是精准营销的开始。假如我做农副产品，我卖的是小米，问题来了，我怎么能让网民在百度上找到我。如果你现在在百度上搜小米，一定是小米手机。
这是发生在广州百度客户的一个案例，他以前是我们非常优秀的合作伙伴，他是做小米生意的，做华南区域比较大的经销，走的是批发产品，他们也在互联网+时代开了一些电商网站，但是到2010年年底，他一下子就崩溃了，因为很多在网上搜小米的时候不是找自己，都是找手机了。客户要解决这个问题，他把关键词加了两个字“小米批发”，只要搜小米批发的人，一定是他的客户。通过这个简简单单的变化，实现了他与雷军之间的竞争。
很多人可能特别重视网站，也有很多人觉得网站没有那么重要，举个例子，大家在手机百度上搜“中国平安”和“中国人寿”，会发现从用户体验来说完全不一样，平安搜索结果更具人性化，操作更加舒服，这就是在网站角度。我们建议企业要有移动网站或者适配用户的移动站点，道理很简单，因为BAT三巨头都有自己的移动站点，你也必须得有。BAT这样做，代表着他们已经有无数失败的经验教训告诉我们，我们不能简简单单的把PC端通过简单的转码放到手机上去让客户看。大家如果已经跟移动互联网接触，除了APP之外，你的移动网站也是一定要具备的，这是满足搜索引擎找你很重要的一个途径。因为很简单，现在的人们已经把搜索这种行为放在最新的SAAS模型的搜索里面去，是人们消费中一个必要的环节。
大数据营销的缺点范文5
关键词:电子商务;大数据;服务模式;研究
较之于传统的营销市场而言,电子商务发生了非常大的改变,其主要是基于互联网进行商业交易,原有数据分法已经无法有效满足现代商务需求。电子商务可对各环节数据进行分析和存储,改进企业不足之处,增加企业交易量。在当前大数据时代背景下,电子商务服务模式革新,主要表现在以下几个方面。
1强化信息检索,提供个性化服务
作为公共信息平台,互联网上有海量信息,消费者通过网络可以购买所需的商品、服务,检索是一种较为常用的方法。然而,大数据技术方法的运用,大大提高了信息检索精度,从而让用户可在海量信息中快速找到所需的信息资源。在此过程中,电商企业应当不断创新业务,提供服务定位准确度,并对产品进行细分、细化,从而使消费者在浏览网页时精准定位服务,节省检索时间。同时,还要为广大消费者提供个性化服务,及时引导客户,立足于个性化服务水平提高与提供第三方服务的有机结合,深挖导购型服务模式。需大数据集合体,比如消费者浏览、购买以及消费喜好等历史记录。电子商务本身也有短板,仅靠视觉、服务以及搜索引擎等营销工具进行消费。比如,在销售香水时,用户不闻气味是难以做出购买决定的。对于这一交易瓶颈,电商企业应当抓住大数据竞争特点,针对大数据深挖数据,以此来创造商机。通过挖掘大数据,可导出个性化服务和导购方式。一是,个性化广告。在浏览网页时看到某公司的广告,而且该产品或者服务正是自己所需的。该种现象背后的主要原因在于利用了大数据,通过对消费者的网页浏览分析,给用户推荐广告。以Google为例,之所以Adsense业务可以很好地提高所做广告成效,究其原因,主要是对消费者或者潜在消费者进行搜索,并且深挖他们对网站的关注度,并在网上追踪消费者的浏览动向,在联盟网站上为消费者提供兴趣匹配的产品和服务。二是,个性化推荐。以京东网、淘宝网等较大的电商平台网站为例,诸多产品使消费者举棋不定,消费者常做的事情就是反复对比产品、服务的优缺点,在查看买家评论以后,做出是否选择购买的决定。然而,在此过程中用户非常痛苦,若后台可以对海量消费者行为信息数据及时、全面地进行分析,并且推荐阶段性产品或者服务,则可以有效增加销售额。从实践来看,常用的推荐算法是物品相似度、用户相似度基础上的推荐,而多数电商平台和网站上采用的是物品相似度推荐,如何对用户兴趣进行准确度量是一个非常难的课题。用户相似度推荐多应用在新闻评论上,比如根据女性客户所填写的相关受孕信息,美国WebMD就会定期给这些准妈妈们邮寄EDM,并且提醒她们在各个孕期需要注意的相关事项,比如产前思想准备、心理和生理变化、需摄入哪些营养成分以及产后如何尽快恢复和婴儿育养等内容。从国内市场来看,推荐业务的网站有“当当”“亚马逊”等网站,主要针对的是消费者所需,给予他们动态的信息推荐。比如,亚马逊网站的核心推荐引擎是消费者在过去某段时间内行为总结,其中包括消费者的收藏商品、喜欢商品以及浏览足迹等。
2降低流通环节成本,细化领域服务
大数据时代背景下的电子商务技术应用,使人们不再局限于时间、空间的约束,也不会出现传统购物过程中的诸多限制,可按照个人的意愿网上购物,商家与消费者之间的交流就会比较多。大数据时代,网络成了一个“地球村”,商家可直面全球各地的消费者。对于各地区、各类型的消费者而言,商家可收集其信息资料,通过数据分析,快速找到与之相匹配的消费者或者消费人群,大大缩减了产品、服务的中间流通环节和成本。同时,还要进一步细分领域服务,并且立足于专业服务、中间服务之间的有机结合,深挖细分品牌电子商务服务模式。从国内限制来看,可用多头垄断来形容国内电商,比如京东、淘宝以及当当和亚马逊等电商企业,它们占据了大半个市场,而中小型电商企业的崛起非常困难。之所以会出现这样的问题,很大程度上是因为物流、营销成本之间不匹配。在当前大数据时代背景下,我们应当准确把握住垂直细分领域的各个环节,做精、做专,才有机会赢得一席之地。值得一提的是,行业垂直细分的电商网站规模一般都比较小,而且成本相对较低,可以有效发掘和分析消费者的信息资料,从而使之更加专注于为特定群体提供高质量的服务,而且也更能够有效了解产业链上的客户所需。以服装行业为例,麦包包、凡客等,在网上已经找到了自己的垂直细分领域,并且与上下游企业共同打造产业链,从而实现了短周转率、零库存,大大降低了运营成本,提高了效率。再如,服务行业,最近一段时间名声大噪的“嘀嘀打车”即为一个典型的案例。这款打车软件与手机联系起来,正在孕育一个细分市场,在前3个月时间里就积累了超过5000辆出租车,确保用户在市区以及非交通高峰期,能够在一分半时间内利用“嘀嘀打车”软件成功打上车。利用手机软件打车市场建立伊始,“嘀嘀打车”需要广大出租车司机们认知、认同和应用,为司机们有效降低空载率、让更多乘客受益,起到了非常重要的作用,同时这也是其服务模式革新的成功体现。
3保证云信息存储及数据产品服务质量和效率
大数据时代,电商企业在其发展过程中需要存储、处理大量的信息资料。传统信息资料的存储模式,已经无法有效满足新时期电商企业的需求;然而,云存储技术的应用,为其提供了安全、便捷的储存空间和服务。为了满足广大客户的存储需求,科技公司纷纷推出云存储,其功能非常强大,而且信息调用质量、效率以及安全性更高,深受电商企业欢迎。同时,数据产品服务也是大数据时代背景下电子商务服务模式革新的表现,其主要是基于基础服务与自主服务之间的相关结合,充分挖掘数据服务模型。当前时代,数据的重要性不可估量,每一个电商企业都想获取顾客信息,然而传统模式下它们却没有预算、技术允许解读大数据。在该种情况下,对于那些具有一定的平台、资金的电商企业可利用自身优势,将所获得的信息数据产品化包装以后销售给中小企业,这是电子商务服务模式的基本架构。比如,GNIP基于若干个API的应用,将数据信息集合成统一格式,有利于Twitter以及Facebook和新浪微博等网站进行数据挖掘;再如,淘宝基于专业数据挖掘技术的应用,形成了一个面向商家的数据产品,并且利用淘宝这一数据开发平台形成的第三方数据进行新产品研发。大数据时代背景下的电商企业,对消费者数据信息的需求量更大,将数据信息构建需要搭接销售环节,将成为新型数据服务模式。
4结语
总而言之,大数据时代的到来,使得大数据信息处理技术以及云存储逐渐成为现代电商企业的竞争力所在,通过对收集到的数据信息分析研究,不断革新电子商务服务模式,可以为电商企业带来更多的发展思路。大数据时代背景下,电商企业如何利用先进的技术手段深入挖掘有价值的信息来提高服务质量,成为当前电商企业面临的重要课题。
作者:李音韵 单位:吉林铁道职业技术学院
参考文献:
[1]高小东.大数据时代下电子商务服务模式的创新探讨[J].知识经济,2016(3):34,66.
[2]高小东.基于大数据背景下的电子商务模式的创新[J].电子商务,2015(11):7,15.
大数据营销的缺点范文6
一、基于大数据的指标确定原则
（一）合法性
跨境电商交易双方来自不同的国家，每个国家设立的隐私保护法规不尽相同。关于隐私保护的法规，欧盟制定了《欧盟数据保护指令》，美国在1995年颁布了《安全港协定》，英国政府在1998年出台了《数据保护法》案，但是中国在隐私保护法规的建设方面还处在起步阶段。大数据征信要保征得到授权后进行使用、收集，避免产生不必要的纠纷[1]。
（二）完整性
大数据征信有助于指标体系的构建，使征信信息真实可靠。但是，在数据征信过程中却难免面临信用孤岛的问题，在跨境电商中尤为凸显。外部信息孤立化、内部信息碎片化，缺乏统一的执行标准，信息不能联接融合，为数据征信工作带来较大难度。需要在征信工作中加强顶层设计，进行系统信息梳理工作，通过交换合作的方式进行信息挖掘。
（三）有效性
指标有效性建立在数据有效性的基础之上。大数据不是指大量的数据，大量的数据也并不一定能产生有效的价值。在挖掘电商信用原始数据时，注重信息的挖掘方向与数据清洗工作，注重找到征信中的“定海神针”即可，降低盲目寻找的征信模式。
二、基于大数据的指标体系构建
（一）第三方数据下的指标
第三方数据的主要来源是质检、工商与税务、银行、跨境电商网络平台等渠道，属于传统的静态数据。第三方数据的获取模式往往需要通过公开或者合作进行交换。从政府部门可以获取跨境电商的资质认证指标；通过企业内部与第三方可以获取电商的财务指标，这种经典的指标在征信系统中有较强的说服力。通过跨境电商与银行或网络金融机构之间的产生的借贷记录可以反映电商的信用指标。
（二）电商平台交易数据下的指标
电商网络平台交易中产生的数据属于动态数据，可利用大数据技术进行实时监测。产品质量与服务质量是组成电商征信的重要指标，其中与产品质量相关的是合格率、退货率问题；与服务质量相关的是服务态度、物流速度等问题。用户对交易的评价可以在网站上进行展示，供预购买者进行参考。一般情况下，信用良好的电商企业，会积累一定的忠诚顾客，在一定时间内会形成与吸引一定规模的交易量，从交易规模中也可以直观看出电商的信用指标。
（三）网络轨迹数据下的指标
社交网络已经成为现今高覆盖率、高传播率的、高商业价值的网络平台，可以传输动态非传统数据，实现网络价值均衡分配效果。社交网络是用户表达观点、抒绪的重要渠道，所以，可以在其中发现与跨境电商交易的信息与评价，可以利用大数据算法，提取其中的關键字、视频与音频，带入到评价模型中进行计算，分析客户的满意度，总结商家的征信指标。
三、基于大数据指标权重确定方法
在计算指标权重中，层次分析法是使用最为广泛的一种方式。层次分析方法是一种能有效对多准则、多目标进行分析的工具，是帮助决策者将复杂数据模型化的有力手段。层次分析手段将定量指标与定性指标进行有机结合，结合数理统计与德尔菲法的科学性，具有方法简单、思路清晰、系统性强的显著特点。其主要构建步骤包括构建两两比较检验一致性与梯阶层次结构模型。
四、基于大数据的信用评价模型
（一）评价模型与大数据特征匹配
大数据具有多样性、大容量、价值性、高速性等特征。数据的大容量特点对评价模型提出可伸缩的要求；大数据的多样性要求评级模型要能驾驭处理多种类型的复杂数据；数据的高速性要求评价模型要具备较快速的数据处理能力；大数据的价值性要求评价模型在数据不完整、不准确的情况下可以进行高价值的预测与评价。
（二）评价模型要与跨境电商的实际情况相符
跨境电商的交易活动隶属于不同的国家，具有交易时间长、交易步骤多、交易行为与心理不确定的特征，大大提高了交易数据的异质与容量，增加收集难度，使数据指标容易出现噪音、异质、高容量的特征，评价模型只有高度匹配这些数据才能充分发挥效果。目前，比较前沿的信用评价方法有盲数评价法、神经网络、模糊综合评价法、支持向量机等方法。在这四种模型中，最有发展长景、最受各界关注的是盲数评价法。盲数评价法目前主要应用于矿业、电力以及建筑，在征信评价中还处在摸索阶段。信息数据在客观上往往具有复杂的特征与不确定性，而盲数在面对这种干扰因素时往往具有其他模式不具备的优势，学者们也在不断对盲数算法进行提升与改进，克服盲数在运算中计算量增加过于迅速的缺点，王磊等人创建了先合并在将区间相交的算法，再将小可信度区间合并达到降阶目的。
跨境是一种有着长足发展的贸易模式，但是由于其具有特殊的交易属性，导致交易存在大量的不确定性与征信系统漏洞，为了维持跨境电商的有效运营，需要运用大数据构建跨境电商的征信系统、通过模糊层次分析方法为征信指标赋予权重。在此基础之上，创建评价模型，全面、完整动态的勾勒出电商的信用指标，促进跨境电商可持续发展。
