大數據背景下企業營銷戰略再分析與營銷策略新內涵

王其和

（湖北工業大學 工程技術學院，武漢 430068）

大數據既是企業營銷環境變量，也是企業營銷的重要資源。在互聯網日益普及的今天，移動網、物聯網以及云計算的應用，網民的網絡痕跡能夠被追蹤、分析，企業或第三方服務機構可借助這些數據為企業的營銷提供市場咨詢、策略設計、資源投放等服務。和大數據一樣，大數據營銷應用也是隨著云計算、云端應用、各種移動設備的普及，加之facebook、twitter等社會化媒體的興起，google和亞馬遜等數據營銷體系的日臻完善，受到越來越多的關注并且逐漸成為企業的營銷新選擇。

1 大數據背景下消費行為變化

1.1 購物移動化

近年來移動設備及移動互聯網的發展迅猛。據全球移動通訊協會的統計數據，截止到2012年，全球設備商、內容供應商、網絡商以及基礎設施構建的生態系統，每年創收1.6萬億美元左右，約占世界GDP的2.2%，目前還處在高速發展階段。2012年全球移動互聯網設備為68億部，預計至2013年底將增至74億部，超過全球人口規模。移動互聯設備的強勁增長帶動消費模式和行為的轉變。Adobe公司對150家電子商務網站的銷售數據統計發現，來自平板電腦的平均訂單為123美元，而來自臺式電腦的平均訂單為102美元。另有研究表明，消費者在使用Android和iPhone進行網頁搜索所提供的關鍵詞長度是使用桌面搜索時的兩倍，這表明消費者在使用移動設備時有更強的購買欲。

隨著3G網絡普及速度加快，我國移動終端尤其是智能手機的出貨量增長迅猛，移動購物正在潛移默化地侵蝕傳統商家和傳統電子商務賣家的市場。權威機構艾瑞咨詢數據顯示，2012年中國移動購物市場交易規模已經達到550.4億，比2011年大幅增長了380.3%。

1.2 購物社交化

購物社交化是基于社交網絡或源于某種社交活動所導致的購物或交易。購物社交化的基礎是社交即人與人的交往關系。這種關系的主體或是親戚、朋友、同事、同學，或是有過業務聯系的商業伙伴，或是有類似經歷、相同興趣的人，或者是有一定信任感的意見領袖。由于這些關系主體有了某種關聯，積累了信任，為誘發、推動將來的某項購物決策埋下了伏筆。

購物社交化其實早已有之，個人在購物前都希望能得到自己信賴的人給些購買建議、推薦和評價。小到針頭線腦，大到汽車房子，都希望聽聽別人的意見，以旁證自己的購物決策的正確性。但信息時代的購物社交化是在互聯網產生后尤其是在大數據出現后才產生了質的飛躍。主要原因有三點。一是網絡大幅縮小了時空帶來的人際隔膜。基于互聯網的技術工具使得人際交往能夠隨時隨地并能大容量表達、傳播和儲存信息；二是社交網絡強化了個人影響。從眾心理放大和凸顯了個人的某些能力，讓有專業知識、有表達能力、敢于發表真知灼見的意見領袖增大個人影響力；三是基于大數據的數據挖掘、分析、決策支持等技術的快速發展也使得企業可以通過社交網絡和應用軟件了解和滿足顧客的需求。

現代城市密集的樓宇阻隔了人際交往，虛擬的網上交往比現實的面對面交往更為頻密，人們更愿意在網絡空間分享購物、傳播購物體驗、咨詢和建議。艾瑞咨詢的調研表明，84.7%的用戶愿意使用社交化購物網站，其中72.9%的用戶會逐漸增加對該類網站功能的使用。“美麗說”、“愛物網”、“蘑菇街”等一批社區化分享購物網站的紅火佐證了消費者購物社交化的行為特征。

1.3 購物主動化

購物主動化源于人類在社會不確定性增加的情況下追求心理穩定和平衡的欲望。現代消費者對購物的風險感不僅會隨選擇的多樣化而上升，對單向的“填鴨式”的營銷溝通不信任、厭煩。消費者會主動搜索與商品有關的信息并反復分析比較，以減輕風險感和購后后悔感，爭取心理上的滿足和平衡。

大數據為消費者挑選商品提供了廣闊的選擇空間，在這個空間里，消費者不必面對現實嘈雜營銷環境及各種影響和誘惑，主動、理性決定自己的消費行為。消費者的主動行為主要表現在三個方面。一是大范圍地搜索。大數據技術為消費者在極短時間內最大限度瀏覽網上商場、了解商品特性提供了便利，為消費者挑選商品提供了空前規模的選擇余地；二是理性的價格決策。大數據為消費者提供了各種科學的定量化的分析模型，他們可以迅速算出商品的成本價，然后再進行橫向比較，做出理性的購買決策；三是主動表達對產品或服務的欲望。消費者不再總是被動接受廠家或商家提供的產品或服務，而是根據自己的需要主動尋找合適的產品。如果找不到，消費者會通過網絡系統向企業主動表達對某種產品的欲望，這將直接影響企業的營銷管理。

1.4 消費個性化

我國經濟市場化以來，工業化和標準化生產方式得到極大發展，消費者的個性需求被淹沒在大量低成本、單一化的產品洪流之中。隨著經濟的發展和社會的進步，人們的消費觀念有了很大改變，消費心理日趨成熟，消費行為日趨理性。人們不再盲目地追潮流、趕時髦，而是善于根據時間、場合、身份、氣質、個人愛好和經濟承受能力等方面綜合考慮，選擇需要的商品，力求避免消費大同，實現消費的個性化。

個性化是人類普遍消費心理，個性化訴求也早已有之，但在傳統營銷時代大部分商家無意愿、無能力滿足消費者個性化需求，消費者只能被動接受大眾化需求的滿足。就算有些企業想為消費者提供滿足其個性化需求的產品和服務，也因傳統媒體的單向傳播性，在一定程度上阻礙了消費者與企業的雙向溝通，企業無法快捷了解消費者需求，消費者也很難買到符合個性化需求的定制產品。

個性化推薦是根據用戶的身份、購買歷史、購買習慣等各種與具體用戶息息相關的指標向用戶推薦商品，是滿足個性化需求的方式之一。“百分點”是國內一家推薦引擎技術服務商，在推薦引擎和個性化技術領域耕耘3年，其推薦引擎一經推出，就已成功應用于“凡客誠品”“庫巴網”“唯品會”“麥包包”“紅孩子”“走秀網”等國內外550家電商和資訊類網站，這充分顯示了個性化消費的旺盛購買力。

2 企業營銷戰略再分析

大數據的出現和大數據技術的應用觸發了消費心理和行為的變化，消費心理和行為的變化又對企業營銷產生復雜而深刻的影響。企業必須適應現代信息技術的變化，深入分析大數據背景下需求特點，創新企業營銷內涵和營銷模式。

2.1 探查

探查即市場調研。通過調研了解市場是一切營銷戰略和策略制訂的基礎性、先導性工作。

傳統的市場調研通常是用抽樣的方法來研究消費者，即按照隨機或者配額的原則來抽取樣本，并通過對樣本的調查獲取數據，再通過對數據的解讀來做出營銷決策。抽樣的科學性在于“隨機”，不過在統計實踐中很難做到這一點，因為真正的隨機抽樣成本不菲。而且還有一個無法回避的弊端：很難確定被訪者答案的真實性或者真實行為傾向。

大數據是全樣本數據，海量而真實的數據，它不是抽樣而是普查。這使得還原消費者的每個細微需求成為可能。其次，它不是在讓被訪者回答問題，而是忠實地去獲取用戶的“行為”數據。“客戶聲稱對某個產品有興趣”和“客戶是否購買了產品”兩者相較，顯然后者更能說明問題。最重要的一點，大數據調查和抽樣調查的核心區別在于：前者是動態的，后者是靜態的。由于成本問題，隨機抽樣調查很難頻繁使用。于是，一個隨機抽樣調查所形成的結論，其實是靜態的，只能說明彼時的一些相關性。當有新的客戶（樣本）加入時，很難說明過去的相關性是否還能成立，除非能找到真正的排除了各種隱形變量后的因果關系。

大數據調查法還改變了傳統的統計調查方式。對于統計學中的異常點，過去的處理方式往往是丟棄，或者是平滑，但在大數據時代，由于樣本眾多，異常點反而成為寶貴的資源和重點研究對象。傳統的統計數據是經過加工的結構化的數據，而在大數據時代，人們更為看重原始數據和非結構化數據，因為經過統計加工數據是二手數據。

2.2 分割

分割即市場細分，是根據客戶有關特征的相似程度把客戶分成若干個群體，每個群體內部特征非常相似。只有區分出了不同的客戶群體，企業才可能有針對性地對不同客戶群展開有效的管理及采取差異化的營銷手段，提供滿足特定需求的產品或服務。

眾所周知，在市場競爭異常激烈的今天，企業面對的一個共同問題是如何找到屬于自己的消費者。在信息高度碎片化、信息渠道高度碎片化、消費者對外部事物興趣高度碎片化的數字世界，對于領略“虛擬”和“真實”感受的茫茫人海而言，了解他們的需求是多么不易！在過去市場細分的實際操作中，往往基于傳統的人口因素、地理因素、心理因素等細分變量去描述消費群體。這種劃分法往往“情景”十分模糊，很難確定各類消費群的清晰邊界。在大數據背景下，基于hadoop搭建的云計算平臺及大數據挖掘技術能夠在海量的、龐雜的、沒有規律的客戶資料中篩選出對公司有價值的信息。利用數據挖掘的精準細分技術對客戶行為模式與客戶價值進行準確分析與判斷，是市場細分的有效方法。

大數據助細分市場更“細”。大數據時代的更多數據、更先進的分析工具，使企業能夠從多種不同的維度對消費者進行細分，不僅僅是簡單的群體劃分，而是真正的個性化細分。如在原有的傳統市場調研數據和購物歷史數據基礎之上，企業可追蹤和利用更多數據如網絡點擊量、瀏覽記錄來更好地細分消費者。在品友互動人群網絡公司的人群數據庫中，人群屬性細分標簽多達3155個，涵蓋地域、人口屬性、個人關注和購買傾向4大類。以人口屬性為例，該數據庫又分別按照性別、年齡、職業、月收入、學歷、關鍵人生階段6個維度進一步細分，且每一個維度還可以進一步細分，細分層級多達7層。

2.3 優先

優先是目標市場選擇。目標市場選擇是指企業評估每個細分市場后，選擇一個或多個細分市場。選擇目標市場，明確企業要為哪一類用戶服務，要滿足他們哪一些需求，是企業營銷活動的一項重要戰略舉措。

為什么要選擇目標市場？因為并不是所有的細分市場都對企業有吸引力，還因為任何企業都沒有足夠的資源和能力滿足整個市場，所以，企業只能揚長避短，找到有利于本企業內部資源優勢發揮的目標市場，不至于在龐大的市場上誤打誤撞。

傳統目標市場選擇的一個重要依據是細分市場結構的吸引力。在分析結構吸引力時，業界基本采用波特的五力分析模型：同行業競爭者、潛在進入者、替代產品、購買者和供應商的相互博弈。然而，這種分析方法只是提供了一個定性分析框架，無法準確揭示“五力”的權重配比和內在關聯性，以此來闡述市場結構吸引力缺乏足夠說服力。

大數據的到來，有可能讓我們完全拋棄傳統五力模型在目標市場選擇上的應用。對未來的預測功能是大數據最重要的價值之一。大數據的特征之一是“尋找看似不相關聯的東西之下隱含的相關聯的相互關系，而非因果關系”，而這種關系能精準反映出行業的結構狀況。另外，大數據的分析著重于“是什么”而不是“為什么”。比如人們可以通過各種相關數據來判斷未來將會發生什么，而不去探究這些事情發生的原因。很多時候，我們并不需要知道原因，只要知道會發生什么就足夠了。比如我們只要知道業績增長的趨勢就可以了，而不必知道為什么會有這樣的趨勢。這就是大數據的核心，有足夠多的數據，允許數據中存在有誤差的數據和不去探尋事件發生的原因而是探尋“會發生什么”。這也為目標市場選擇提供了最直接的工具。

另外，在目標市場戰略選擇上，大數據背景下企業只能選擇差異性營銷戰略或者集中性營銷戰略，而不能選擇傳統市場環境下的無差異性營銷戰略。原因在于，在大數據背景下，無差異化營銷的同質化市場基礎幾乎喪失殆盡。

2.4 定位

“定位就是讓品牌在顧客的心智階梯中占據最有利位置，使品牌成為某個類別或某種特性的代表品牌。這樣，當顧客產生相關需求時，便會將該品牌作為首選。”特勞特認為，在信息爆炸、競爭加劇市場環境中，擁擠的顧客心智中只能為兩個品牌留下立足空間。因此，企業只有通過有組織的行為，才有可能有效地去搶占并維護這極其稀缺的生存寶地。如果是無意識定位，即使一時擁有其中一塊寶地，也難保不會被其他有意識的競爭者擠出去。特勞特認為，要在顧客心智中圈地立足，手段只有一個，就是盯緊競爭對手，捕捉或創造空白區域。“我們不能自由選擇做什么，必須看競爭對手留下多少空間供我們發揮。”因此，在這個圈地戰中，企業制定的策略不再是針對顧客需求，而是針對競爭對手在顧客心智中占有何種定位，擁有何種心智資源，再在這個基礎上制定自己的產品、品牌或企業定位。在特勞特的理論中，品牌定位有三種方法，第一種是搶先占位，第二種方式是關聯定位，第三種方法是為競爭對手重新定位。

無論在傳統市場營銷環境下，還是在大數據市場營銷環境下，定位的宗旨都是一貫的，即為了區隔競爭者。但由于市場環境發生了變化，定位的對象和方式有些不同。大數據環境下，市場分得更細，消費者個性化需求更強烈，所以定位的對象不應選擇過于具體的“產品”（功能、包裝等），而應以較為抽象的“品牌”為定位對象，以期在最大數量的消費者心智中占有一席之地。至于定位的方法，不能一概而論。如果企業是先入者，可采取搶先占位方法，如果是跟隨者，則可采取關聯定位的方法，如果是后來居上者則可采取重新定位方法。

3 企業營銷策略新內涵

3.1 產品

（1）顧客全程參與。

大數據背景下營銷模式對企業產品策略的影響主要表現在產品開發和生產上。傳統的新產品開發流程往往為：產品設想、構思篩選、概念測試、產品設計、產品試制、產品測試、產品中試、商業推廣。這樣的產品開發模式周期冗長，且幾乎沒有顧客參與。這與大數據背景下消費者個性化、主動化消費行為背道而馳。因此，企業營銷應將消費者進一步前置，應從產品概念、產品設計開始就要讓消費者充分參與，以在設計產品元素時充分體現消費者個性需求。消費者親自參與產品設計和開發，有利于增強了消費者自我肯定意識，從而提高消費者重復購買意愿和對企業的忠誠度。

（2）產品模塊化設計、

模塊化設計是指在對一定范圍內的不同功能或相同功能不同性能、不同規格的產品進行功能分析的基礎上，劃分并設計出一系列功能模塊，通過模塊的選擇和組合構成不同的產品，以滿足市場的不同需求的設計方法。

產品模塊化是適應消費者需求個性化的有效方法。滿足消費者的個性需求并不是無限的，任何一個企業都無力也無必要為每個個體量身定制全新產品，即使能夠提供，往往也會因為成本太高而抑制需求。通過產品模塊化設計，企業可以提供一定數量的標準件，再通過標準件的標準化接口不同搭配，形成獨特的個性組合，產生各種不同的產品。這種方法既給顧客一種自我定制的感覺，又使復雜的制造程序得到有效的管理，較好解決了客戶個性化需求與廠家規模化生產的矛盾。因此，企業在產品設計時，要盡量實現模塊化。模塊化設計時，盡量以少量的模塊組成盡可能多的產品，并在滿足要求的基礎上使產品精度更高、性能更穩定、結構更簡單、成本更低廉，模塊間的聯系更簡單；盡量使模塊系列化，目的在于用有限的產品品種和規格來最大限度又經濟合理地滿足用戶的要求。

第四，心理安全。由于學生存在個體差異性，加之受到成長環境和周邊事物的影響，他們的心理特點也較為不同。學校應該展開心理調查，掌握學生的心理情況，并開設相關課程，對于有心理疾病的學生，幫助他們走出心理陰影，還可以配置專業心理咨詢教師，及時幫助學生轉變思想，健康積極應對生活。

3.2 價格

（1）差異化定價。

所謂差異化定價，是指企業在提供產品服務時，不是不加區別地對所有客戶均提供相同的價格，而是綜合考慮現實中多種復雜因素，謹慎行使產品價格浮動權，提供不同的有針對性的價格，在滿足客戶需求的同時，最大限度地提高企業的收益。

消費者關心產品的價格，因為它是產品價值的反映，而消費者對于產品價值的感知又與需求滿足程度相關聯。大數據背景下，企業模塊化設計最大限度滿足消費者個性化需求，同時由模塊化思想指導下的非標準化生產也為非標準化定價打下了基礎。消費者所購買的產品的價格與其要求的定制化程度相關聯，因此，企業完全可以按照客戶可以接受的理解價值來定價。

（2）增加無形資產定價權重。

由于消費者全程參與設計、生產，企業的各項成本、費用等價格因素將變得透明，尤其是大眾化、沒有特色、不能滿足消費者個性利益的產品，難以實現合理的溢價。因此，企業要想在定價過程中獲得更大的溢價空間，就必須加大無形資產在定價要素中的比例，如專利技術、品牌、商譽等。這些資產符號無法用傳統的計量模型來計量，彈性較大。在現代商務環境下，這些資產甚至比有形資產更重要，因此，增加它們的定價權重是合情合理的。

3.3 分銷

（1）強化網絡營銷。

大數據產生于終端，依托于網絡，營銷者通過網絡開展營銷具有天然的合理性。網絡營銷的主要優點是交易更為直接、便捷和迅速，產品信息在網絡上的自由流動使處于信息網絡結點上的生產者和消費者能迅速搜尋所需要的信息并及時做出反饋。顧客的需要能夠及時被洞察并予以滿足，真正體現了顧客導向的營銷哲學。

（2）轉變渠道結構。

3.4 促銷

（1）互動式社交促銷。

無論是在互聯網還是移動互聯網，人們都有自己的社交圈子。基于互聯網本身的交互性平臺設計，基于諸如多屏一體終端、商場電子導航系統、多屏拼接播放器和顯示器、透明觸摸展示柜、3D全息投影顯示終端、互動導覽立牌等一系列交互性終端設備的開發應用，人們在圈子內和圈子間交往和互動極其頻繁。敏銳的企業應該積極創造互動式社交化的軟硬條件，主動迎合消費者新的社會心理需求。

目前，消費者花費時間最多的地方就是社交媒體，因此，企業應該樹立“消費者即營銷者”的理念，以人們更信任自己社交圈子里的親朋好友為紐帶，擴散各種營銷方案和內容，深入消費者內心。如利用人際交流網連接線上、線下活動(O2O和LBS)或者與零售促銷相結合開展促銷；利用近年來很流行的微信開展促銷；注冊企業官方微信公共賬戶，保持日常內容更新，通過內容推送和有獎問答、轉發或者推廣來吸收更多用戶的關注。

（2）精準廣告促銷。

廣告是促銷的利器。但傳統廣告投放有許多弊端：門檻高、投入大。越來越多的企業對大規模投放廣告感到力不從心，尤其是被認為對樹立企業品牌最有效果的電視廣告；針對性差，浪費嚴重。傳統廣告是通過買“媒體”來傳達訴求，至于有多少人關注過這個“媒體”無從知曉。

美國營銷專家菲利普·科特勒說：基于數據庫的“窄告”（與“廣告”對應）產業必將迅速崛起，并有可能對未來營銷產生革命性的影響。科特勒強調了廣告針對性的重要性。

在大數據技術支撐的營銷模式下，以網絡廣告為主的促銷方式第一次可以實現目標受眾明確、投放時間靈活、地域選擇自由、投放次數可控等多重目標的統一。以美國為例，人群實時競價(RTB)是近年興起的網絡廣告交易模式。RTB是大數據在網絡營銷領域最成功的模式和變革，它利用第三方技術手段在數以百萬計的網站上對每一個用戶的行為進行評估、分析并出價購買。RTB的出現，改變了網絡廣告的策劃邏輯，即從“媒體”購買向“人群”實時購買的轉變，它所帶來的基于大數據的實時精準，規避了無效的受眾到達，讓廣告主、消費者和媒體的利益同時得到最大化。統計表明，歐美數字廣告發行商中有66%使用RTB模式。

目前，國內也有幾家數據公司在開發推廣精準廣告投放系統，但受技術和觀念的制約，發展略顯滯后，但發展趨勢向上。因此，精準廣告促銷問題應該列入企業營銷工作議事日程。

[1]Dabenport T H，Barth P，Bean R.How Big Data is different［J］.MIT Sloan Management Review，2012，53(5).

[2]Lavalle S，Lesser E，Shockley R，etal.Big Data，Analytics and the path from Insights to Value[J].MIT Sloan Management Review，2011，52（2）.

[3]Anderson C.The end of Theory：The Data Deluge Makes the Scientific Method Obsolete[J].Wired Magazine，2008，16（7）.

[4]郭曉科.大數據[M].北京：清華大學出版社，2013.

[5]涂子沛.大數據[M].桂林：廣西師范大學出版社，2013.

[6]陳祥兵.談網絡營銷中的企業差異化競爭策略[J].商業時代，2007，（14）.

[7]王飛躍.知識產生方式和科技決策支撐的重大變革：面向大數據和開源信息的科技態勢解析與決策服務[J].中國科學院院刊,2012，(5).

[8]陳秋梅.后金融危機時代企業營銷策略思考[J].統計與決策，2010，（13）.