【www.shanpow.com--政府春联】
大数据精准营销篇1:大数据下的精准营销
2012年以后，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”本文总结一下：利用海量数据和先进的数据挖掘技术，研究客户行为特征，进行精准营销。
数据库营销
关于数据库营销，美国全国数据库营销中心是这样定义的：“数据库营销是一个动态的数据库管理系统，该数据库的内容涵盖现有顾客和潜在顾客，并可以随时扩充、更新。就其功能而言，要能实现以下目标：确认最佳目标顾客及潜在顾客，然后与顾客建立起长期的、牢固的、融洽的关系，同时根据数据库建立先期模型，进行针对性营销。”
拉克萨根据数据库营销的产生和演进，把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段，所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。
数据挖掘
通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中，提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具，用以在海量数据中发现模型和数据间关系的过程，然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为，帮助人们作出前瞻的、基于知识的决策。
CRISP-DM（跨行业数据挖掘标准流程）是世界公认的方法论之一，也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现，也不仅仅表现为对数据的分析和统计建模，其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。
CRISP-DM将整个挖掘过程分成了以下六个步骤：商业理解，数据理解，数据准备，建立模型，模型评估，模型发布。
通常来说，把模型的结果转化成一段数据库存储过程的代码，并与数据处理代码进行整合，就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中（BOSS系统、经分系统、大客户管理系统、客服系统等）嵌入相应的模块。
精准营销理论
1999年，美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论：是以科学管理为基础，以消费者洞察为手段，恰当而贴切地对市场进行细分，并采取精耕细作式的营销操作方式，将市场做深做透，进而获得预期效益。
通常可以划分成五个阶段：
1. 收集并整理目标客户的相关信息，建立一个客户数据库；
2. 对数据进行分析，加深客户理解，整理出细分客户群体的差异化需求；
3. 为不同的细分客户群体需求设计差异化的产品和服务；
4. 提供满足不同细分客户群体的差异化产品和服务；
5. 通过各种营销活动的反馈，进一步深化对客户本质需求以及客户购买和使用习惯的理解。
具体的内容包括：
（1）客户信息收集与处理
客户数据管理是一个数据准备的过程，是搞好精准营销的基础。好比指挥官为将来绘制战场地图，把战场上所有的地理信息及变化要素等输入电脑一样，市场人员也必须将分散的数据集中到一个数据库中，这些存在于企业内部各系统中的内部数据和企业外部数据（如市场调查、第三方数据等）分类后，以客户ID为主键进行整理、转换后汇集（ETL）到一个集中的数据库中，就有了准确的客户数据，之后市场人员就可以对客户进行全面的研究和分析。
（2）客户细分与定位
客户分群是根据客户的特征相似程度把客户分成若干个群体，群体内部特征非常相似，而在群体之间，特征非常不相似。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高，许多新的客户分析技术和方法正被运用于各种营销领域，数据挖掘这一统计领域的前沿性技术就被广泛的应用，它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析，已经成为今后客户细分领域的主流。
（3）营销战略制定
在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售，或采取措施防止客户流失等。
（4）营销方案设计
所有的方案注重的都是目标，营销方案也一样。一个好的营销方案必须聚焦到某个目标客户群，然后将营销方案都往目标客户群聚焦。太阳表面的温度在10000度以上，但却连地球上的一张纸也点不着，如果使用一个放大镜，就可以把纸点燃，区别就在于是否聚焦。同样，只有做到聚焦，营销的效率才能够提升到最大。
筛选出目标客户群是第一步，企业可以围绕客户战略和当前营销工作重点来确定目标客户群。根据目标客户群营销活动的目标，设计有针对性的营销活动创意（包括产品的组合、渠道的选择等）及定价，并就各方案进行评估，挑选出最佳创意，形成最终营销方案（包括针对性的产品组合方案、产品组合价格方案、渠道方案）。
值得强调的是，客户是不断变化的，亦即客户群是动态的，因此，我们需要灵活动态地观测、定位和理解客户群，才不至于制定一个时过境迁的营销方案。
（5）营销结果反馈
营销活动结束后，应对营销活动执行过程中收集到的各种数据进行综合分析，对营销活动的执行、渠道、产品和广告的有效性进行评估，总结经验和教训，寻找需要改进和优化的关键点，为下一阶段的营销活动打下良好的基础。简言之，评估是营销活动的终点，也是下一轮精准营销活动的起点。
精准营销模式
精准营销模式可以概括为5W营销分析框架，在合适的时机（When），将合适的业务（Which），通过合适的渠道（Where），采取合适的行动（What），营销合适的客户（Who）。在整个过程中贯彻“以客户为中心”的理念，实现营销管理的持续改善。
精准营销模式实施框架，可以将精准营销理解成一个PPT框架，即将以客户为本作为核心价值观，从策略、流程、技术三方面着手，实现精准营销。其中策略指营销策略；流程是包括客户获取、客户培育、客户挽留组成的最佳管理实践流程；技术则是基于用户信息之上的数据分析和数据挖掘。 策略、流程与技术是实现精准营销的三大要素。首先要保证精准营销理念在整个组织中有效贯彻，以保证战略决策者、方案制定者和活动执行者必须充分理解和认可精准营销的理念，并能做到融会贯通，可以制定彰显这一理念的相应的营销策略和方案；其次通过流程穿越、流程改造等方式，在不断的创新和探索中建立起有效的与客户互动的行为模式；最后，不断提升技术水平，充分利用技术。坚实的技术后盾是精准营销理论落实的保障，使之具有可操作性，并在很大程度上推动了营销精准化的进程。
整体而言，策略、流程和技术组成了电信业精准营销的基本架构，促进了精准营销的驱动者、行动方案和可行性保障三方面的紧密结合。同时坚守以客户为出发点，确保客户在整个精准营销活动中始终处于核心地位。 策略、流程、技术三个方面的能力是精准营销能力的有机组成，三者相辅相成，缺一不可。策略对流程有战略性的指导意义，因为策略条线中的营销策略是建立在最佳管理实践的流程之上的；流程必须建立在技术的基础上，因为数据挖掘与分析模型是客户细分与分析的基础，而后者则贯穿最佳管理实践流程始终；数据挖掘与分析所使用的海量数据则来源于业务系统中沉淀的用户信息。精准营销模式的核心是“以客户为中心”，更加注重“目标客户”，在识别出目标消费者后，聚焦目标客户群，分析目标客户群的需求，然后为这一特定群体推出最适合的细分产品，制定适应目标客户群的价格，通过相应的渠道和传播、促销方式进行产品营销。要达到这一目的，就需要对客户的特征进行具体的分析。
目前移动各种增值业务非常繁多，之前的彩铃业务营销通过捆绑、大面积的促销让用户去选择，虽然带来的增值业务普及率的提升，但沉默用户增多，客户投诉增加。江苏移动通过精准营销找准目标客户，发展彩铃业务，激活沉默用户，发展新彩铃用户，取得了良好的效果。
1.整合各大数据源，建立统一的用户增值业务行为分析视图，为精准营销应用打下基础
增长业务的数据虽然有相应规范进行统一，但是因增值业务更新比较快，数据源尚未覆盖全部业务，离当前的应用需求有一定差距；业务子系统，尤其是小业务系统的数据源缺乏梳理，需进一步加强。从数据出发，以用户为中心，从用户特征角度将运营商可能有的数据归类整理，输出用户特征分析表；对照运营商的数据实际具备情况，对数据的可获得性进行标注。
从营销出发，从进行新业务营销的目标出发，推导对支持信息及源数据的需求，确定数据使用方法，输出营销特征分析表；对照运营商的数据实际具备情况，对必要但暂不可获得的数据提出规划需求。《数据源整合需求报告》中，除了对经分系统现有数据源进行梳理外，还对MISC、彩信、彩铃、WAP、小区短信、短信网关、Enumber邮箱、12580、爱贝通、小额支付平台、USSD、手机杂志、LCS等13个业务平台的数据进行了梳理整合。
建立基于用户人性特点的14类人群细分模型，对增值业务的目标客户进行细分，共分为以下几种类型：
基于用户人性特点将客户细分为低潜力型、超前消费型、虚荣跟风型、精明尝鲜型、盲从型、吝啬型、精打细算型、理性跟从型、中潜力型、精明时尚型、传统保守型、感性跟随型、高潜力型、时尚中高端。基于彩铃用户生命周期将客户细分为，彩铃潜在用户、彩铃新开通用户、彩铃普通用户、彩铃活跃用户、彩铃沉默用户、彩铃流失用户、潜在高概率用户、流失高概率用户。在用户细分的基础上，建立彩铃潜在用户预测模型（模型略）。
2.建立用户新业务行为属性标签，动态触发的精准营销策略
基于用户统一视图，结合实际情况进行用户属性标签构建。对彩铃的目标客户，当订购了其他增值业务和拨打了有彩铃客户的电话时，对其进行触发式的短信推荐，对彩铃沉默用户和流失用户，则采取外呼+营业厅的方式进行主动关怀，最终形成针对目标客户的彩铃业务精准营销模式。
3.营销执行
通过精准平台将客户需求及针对性营销方案推送到一线。比如根据用户历史铃音使用记录总结出铃音偏好，帮助一线人员进行针对性的铃音推荐；根据用户历史获取铃音的渠道总结出用户的渠道偏好等。而且流失概率、影响力指数等分析成果也能在清单中罗列出来。
4.应用效果评估
彩铃沉默用户推活跃度提升活动执行效果。对40000户彩铃沉默、半沉默用户开展付费铃音下载用户数提升，营销成功数为22560，成功率为56.4%；月均彩铃下载用户数KPI指标完成率由91.11%提高到104.02%。
经验总结：在营销中发现该部分用户主要由于不了解铃音下载的方式或或认为铃音设置麻烦造成，因此，在营销推介上对不了解铃音下载方式的用户应重点推介简单便捷的铃音下载方式，对认为设置较麻烦的用户可以推介音乐盒，让用户感受使用彩铃的便捷与乐趣。彩铃已流失用户挽留活动执行效果。对8000户彩铃已流失用户开展外呼挽留，营销成功2772户，成功率为34.65%；月均彩铃付费用户数完成当月计划的130%，完成年度指标125.43%；当月付费用户到达数较上月增长3.6万户 。
目前人员技能差异比较大，成功率最高达32%，最低只有19%，相差13个百分点；拒绝率最低的只有7%，最高的则有24%，相差17个百分点；考虑使用的用户比例较高，成功率提升空间仍比较大。20世纪最具影响力的创新莫过于人类拥有了能处理大量数字化信息的IT技术，为了从大数据集中提取用户可理解和适用的知识，人们研究并发展了数据挖掘技术，它以崭新的方式来总结原始数据。以此为基础的营销工作面临着着精准与保护客户隐私之间平衡的问题，从技术实现方式上通过改进挖掘算法、关联规则等方面来优化数据库。同时在使用数据的时候，也要保护顾客的隐私。
广州四方传媒股份有限公司，为众多客户提供大数据精准营销服务
网址：http://www.sefve.com/
大数据精准营销篇2:如何巧用大数据进行精准营销？
1、什么是精准营销、预测营销？
说到精准营销，不得不先提个性化的用户画像，我们针对每一类数据实体，进一步分解可落地的数据维度，刻画他／她的每一个特征，在聚集起来形成人群画像。比如下面就是两种典型年轻消费人群。
具体又包括：
用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座
用户兴趣特征：兴趣爱好，使用APP，网站，浏览／收藏／评论内容，品牌偏好，产品偏好
用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分
用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次
用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件
当我们采集和分析这些用户画像，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户，这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM／供应链系统打通的一站式营销优化，全面提升ROI（投资回报率）。
我们再说一说营销时代的变迁，传统的企业大多还停留在“营销1.0”时代，以产品为中心，满足传统的消费者需求，而进入“营销2.0”，以社会价值与品牌为使命，也不能完全精准对接个性化需求。进入“营销3.0”的数据时代，我们要对每个消费者进行个性化匹配，一对一营销，甚至精确算清楚成交转化率，提高投资回报比。
大数据下的营销颠覆经典的营销4P理论，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大数据时代，线下地理的竞争边界早就不存在，比的是早一步的先知能力，利用大数据，从顾客真实交易数据中，计算下一次的购买时间。 营销3.0时代关键词就是“预测”。
预测营销能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。以上图为例，你可以将营销活动的目标受众锁定为 20 万潜在客户或现有客户，其中包括特定产品的大多数买家（4 万人）。你还可以拨出部分预算、用于吸引更小的客户群（比如 20% 的客户），而不是整个客户群，进而优化你的支出。
过去我们看数据可能是被动的方式，但预测营销强调是决策价值，比如购买时间，你该看的不是他最后的购买日期，而是下次购买的时间，看未来的存活概率，最后生成客户终身价值（CLV）。预测营销催生了一种新的数据驱动营销方式，就是以客户为中心，核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。
2、在现代商业中大数据的价值体现在哪？
大数据最大的价值不是事后分析，而是预测和推荐，拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式，Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。
数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。
精准营销有哪些好处？
如何生成用户的精准画像？
预测性营销的选择方案有哪些呢？这里的开发用到哪些技术和工具？
营销领域有哪些预测模型？
目前对于预测性营销技术，国际上有哪些技术创新和开发工具？目前的使用瓶颈和顾虑是什么？
机器学习技术在预测营销领域是如何应用，会有怎样的发展？针对营销领域，主要有哪些预测营销技术？
今后我们将继续为大家讲述关于大数据的故事。
大数据精准营销篇3:怎样运用大数据进行精准营销？
越来越多的企业逐渐觉察到大数据所带来的商业价值，精准营销也被他们用的越来越娴熟。那么，企业下的大数据精准营销该如何应用呢？想必是很多资源有限的中小型公司最想了解的。
一 数据驱动大数据精准营销
在移动互联网迅猛发展的背景下，用户的网络活动所产生的海量数据，将会对消费者和企业的行为带来诸多的改变与重塑。一方面，消费者的个性化需求不断凸显，已成为企业商业行为的主宰者;另一方面，企业对消费者的特征偏好不再陌生，将日益聚焦于挖掘海量数据背后的价值。以互联网公司为代表的很多企业，已逐渐觉察到大数据精准营销所带来的商业价值，不断思考如何通过对海量数据的有效整合和充分利用，准确地分析用户的特征和偏好, 了解用户此时此地所需所想，挖掘产品的潜在高价值用户群体，帮助企业找到最精准的受众，实现市场营销的精准化、场景化。电信运营商作为数据宝矿的生产者，拥有其他企业无法企及的海量数据资源，也在不断探索基于大数据的新产品与应用，充分挖掘企业的数据资产价值，推动电信运营商在移动互联时代的产业升级和战略转型。今天，笔者将结合团队近期开展的一些大数据应用工作，和大家分享如何进行数据驱动式的市场精准营销。
二 精准营销，和客户谈一场不分手的恋爱
世界那么大，不管你是高富帅，还是矮搓穷，总会有一个人在默默等你。世界那么大，不管是逼格很高的奢侈品，还是性价比至上的淘宝仿品，总会有人愿意买单。每个产品都有它的特色，每个客户都有他的偏好，精准营销就像谈恋爱，在合适的时间、合适的地点、将合适的产品以合适的方式提供给合适的客户群体，让顾客能够一见倾心、二见如故、三定终生，实现产品功能、用户偏好和用户购买力等多维度的高度契合。
精准营销是大数据落地应用的一个重要场景，在细分市场下可快速获取潜在用户并提高市场转化率，堪称“获客神器”。它的本质是根据用户在不同阶段的身份属性，结合用户特征和偏好，进行不同目的针对性营销活动，具体包括潜在客户挖掘、价值客户转化、存量客户互动和流失客户挽留等。其中，潜客挖掘和客户挽留是精准营销的重中之重，也是本文所讨论的重点。
三 大数据精准营销模型构建
基于大数据挖掘的精准营销模型包括数据层，业务层和应用层等，其中，业务层包括用户画像和模型构建两部分。该模型基于可采集的全量数据源，从人口属性、金融征信、通信行为、兴趣偏好、APP偏好、常驻区域等维度构建用户的全息画像，基于对存量用户的历史数据挖掘出的典型特征，构建预测模型来输出产品的目标用户群体，并通过模型置信度以及预测效果的评估对模型进行修正，最终得到目标客户群体，为市场营销策略提供有效支撑。具体模型如下图所示。
1 数据采集
数据采集是大数据精准营销平台的基础，数据类型的多样性及数据来源的差异化是影响数据质量乃至挖掘效果的重要因素。从数据的时效性来看，可将数据类型分为：
静态数据包括人口属性、商业属性等，主要用于用户的基本属性分析和智能标签分类。通过性别、年龄、职业、学历、收入等数据的关联分析，知道“用户是什么样的人”。
近期数据主要为用户一段时间内的网络行为数据，通过对用户近期活跃应用、内容访问、通信行为、常驻区域等具有一定时效性数据的分析，获取用户的兴趣偏好和消费习惯等，知道“用户对什么感兴趣”。
实时数据主要为用户实时变化的网络行为数据，包括搜索信息、购物信息、实时地理位置等，通过地理位置信息实时捕获用户的潜在消费场景，抓住营销机会，实时触达目标用户，知道“用户在哪里干什么”。
2 用户画像
用户画像是精准营销模型的重中之重，其核心在于用高度精炼的特征来为用户“打标签”，如年龄、性别、地域、用户偏好、消费能力等，最后综合关联用户的标签信息，勾勒出用户的立体“画像”。用户画像可较完美地抽象出一个用户的信息全貌，为进一步精准、快速地预测用户行为、消费意愿等重要信息，提供了全面的数据基础，是实现大数据精准营销的基石。基于此，笔者建议从六个维度构建基于大数据分析的用户画像，包括人口属性、内容偏好、APP偏好、通信行为、金融征信、常驻/实时位置等，各维度的具体指标如图3所示。
3 模型构建
常用的数据挖掘方法主要是基于用户画像体系与结果，选取相关性较大的特征变量，通过分类模型、聚类模型、回归模型、神经网络和关联规则等机器算法进行深度挖掘。常用算法的基本内容如下：
分类和聚类
分类算法是极其常用的数据挖掘方法之一，其核心思想是找出目标数据项的共同特征，并按照分类规则将数据项划分为不同的类别。聚类算法则是把一组数据按照相似性和差异性分为若干类别，使得同一类别数据间的相似性尽可能大，不同类别数据的相似性尽可能小。分类和聚类的目的都是将数据项进行归类，但二者具有显著的区别。分类是有监督的学习，即这些类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。而聚类则是无监督的学习，不需要对数据进行训练和学习。常见的分类算法有决策树分类算法、贝叶斯分类算法等;聚类算法则包括系统聚类，K-means均值聚类等。
回归分析
回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，其主要研究的问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。按照模型自变量的多少，回归算法可以分为一元回归分析和多元回归分析;按照自变量和因变量间的关系，又可分为线性回归和非线性回归分析。
神经网络
神经网络算法是在现代神经生物学研究的基础上发展起来的一种模拟人脑信息处理机制的网络系统，不但具备一般计算能力，还具有处理知识的思维、学习和记忆能力。它是一种基于导师的学习算法，可以模拟复杂系统的输入和输出，同时具有非常强的非线性映射能力。基于神经网络的挖掘过程由数据准备、规则提取、规则应用和预测评估四个阶段组成，在数据挖掘中，经常利用神经网络算法进行预测工作。
关联分析
关联分析是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的关联、相关性或因果结构，即描述数据库中不同数据项之间所存在关系的规则。例如，一项数据发生变化，另一项也跟随发生变化，则这两个数据项之间可能存在某种关联。关联分析是一个很有用的数据挖掘模型，能够帮助企业输出很多有用的产品组合推荐、优惠促销组合，能够找到更多的潜在客户，真正的把数据挖掘落到实处。4市场营销大数据挖掘在精准营销领域的应用可分为两大类，包括离线应用和在线应用。其中，离线应用主要是基于用户画像进行数据挖掘，进行不同目的针对性营销活动，包括潜在客户挖掘、流失客户挽留、制定精细化营销媒介等。而在线应用则是基于实时数据挖掘结果，进行精准化的广告推送和市场营销，具体包括DMP，DSP和程序化购买等应用。
四 大数据精准营销应用成果
1 电信行业内应用成果
对于电信运营商来说，按服务对象的不同，大数据的应用可分为对内应用和对外应用两种。典型对内应用包括内部经营分析应用、网络优化、客户精准营销等，例如通过适当分离存量和增量用户，通过不同群体用户的特征和偏好，提高用户转化率和提升存量客户的价值。下图为基于中国联通某城市的B侧和O侧数据，所构建的潜在离网用户预测和4G潜在用户挖据模型及其应用成果，与传统算法相比该模型的营销效果提升显著。
2 其他行业应用成果
现阶段，运营商依托自身数据优势所构建的大数据精准营销平台已广泛应用于各个行业，基于用户基本属性及网络行为的深度刻画，结合客户产品特点及目标用户群体，可生成潜在高价值用户目标群体，支撑汽车、保险和广告等合作伙伴进行精准营销服务，有效提高客户转化率和降低运营成本。
大数据精准营销是趋势所向，在未来的很长一个阶段都会成为企业营销模式的主流。企业在运用大数据精准营销的同时还需要不断探索创新，才能不被时代所淘汰。
