创新是什么，智能营销创新是什么，怎样来创新？这是一个崭新的课题，也是一个不断动态发展的课题。 

（一）用数据驱动智能营销

由于单纯的电子商务或者单纯的实体零售都已经遇到了一定的瓶颈，云、大数据、AR、VR等大量新技术迅速成熟，为零售业提供了新的生存环境，即催生了新零售。“新零售”是依托于大数据，将传统实体零售与网络零售完美结合，不仅可以提升企业工作效率，实现产销对接，更重要的在于满足了消费者日益多元化的消费需求。

当今快速发展的“基于数据驱动的智能营销服务体系”就是利用大数据为客户提供大型展会的综合效果评估、精准用户拦截和深入洞察。

比如，有的企业就通过与国内三大电信运营商、主流移动互联网平台(包括新闻类、垂直类、社交类、电商类网络平台)、多场景的户外媒体(机场、高铁、公交、楼宇、商场等户外媒体)、超过30家覆盖81个城市的WIFI网络供应商均有着长期的数据采集合作。

同时,相关技术还可以分析出通过观看户外广告下载某视频APP的用户们关注的不同消费品牌，比如，这些用户经常消费的电子产品是华为还是苹果，经常购买的服装品牌是优衣库还是H&M等等，这些分析结果可以支撑广告主制定其他市场营销策略，如跨行业的合作等。那么，上述技术得益于通信、搜索、浏览、电商、社交这五大场景的丰富线上数据和来自于用户端的GPS、运营商基站的线下数据，由此形成八个层级一万多个标签以及132个业务场景的数据分析模型，对产品生命周期、细分市场格局、交互与交易场景、移动端消费者行为洞察等多个层级进行全面细致的数据分析，可以精确详细展现用户的全生命周期。

“为避免侵害隐私，我们不会使用用户的实名标识，比如，手机号、身份证号等，通常用的是加密后的设备号，也就是说分析出来的是加密设备的行为，也完全不需要知道这台设备的主人是谁。”　

营销智能案例一:小米智能生态营销：小米智能生态营销是具有自我学习能力的AI营销投放系统；主动数据+被动数据，造就小米核心大数据能力。因此造就了电商精准营销超4倍ROI。

营销智能案例二:创新营销媒介，开创场景革命

案例三：智能营销时代，不玩点高科技还做什么营销！

技术的革新改变并推进着互联网营销的发展，从互联网开始兴起到移动互联网、智能互联时代，从中我们可以看到一些趋势：

1、互联网营销1.0：PC互联网时代

在早期互联网时期，以单向传播为主，那时是门户时代，基本是以广而告之的“广告”策略进行传播，上门户的Banner广告、文字链广告，当时搜索引擎、视频开始慢慢兴起。

2、互联网营销2.0：移动互联网时代

移动互联网出现时，大数据概念风靡，从PC到移动，精准成为营销的重点，不论是通过DSP的广告投放，还是基于某类人群的粉丝营销、社群营销，其技术的应用都大大提升了营销的精准度。

3、互联网营销3.0：智能物联时代

目前的智能硬件发展迅猛，AR、VR技术也在不同场景中应用，“技术+场景”成为智能物联时代重要特征，技术在其中不仅仅是创意的主体，甚至是产品本身。

目前精准与智能会成为这个时代营销很重要的关键词。

未来AR应用

很多企业在做营销时，都在寻求最有趣的玩法，最潮流的工具，AR以“逼真的互动体验”、“需求导向的参与感”这两个特点成为对营销的技术支撑。

百度是国内领先且占绝对优势的搜索平台，其在AR等新技术的实施上也处于领先地位，很期待未来会有更多有趣的案例！

智能营销多互动，创新玩法有奇功。立体逼真参与感，技术创意乐趣中。

（二）实现基于数据驱动的全域营销能力整合

数据化营销显然是新零售的一大特点。大数据与新零售究竟是怎样的关系?大数据在新零售中究竟扮演怎样的角色?

数字化营销

毫无疑问，新零售是数字化营销。在新零售的运营中，我们需要尽可能多地获取用户数据，并通过对数据的科学分析，发现用户的需求和消费行为规律，从而更好地制定营销策略，从而实现“更好的用户体验”和“更高的运营效率”。

数字化运营简单地说就是收集数据、分析数据和应用数据三个方面。阿里巴巴集团CEO张勇在“2016新网商峰会”上解读了新零售的未来时指出：走向新零售非常重要的标志是要完成消费者的可识别、可触达、可洞察、可服务。每个企业都要走向数据公司，才有可能走向新零售。

线上线下一体化，也把线上线下一体化的数据运营当作是新零售的一大特征。

第一步是数据的收集。对于线上运营来说，数据的收集不应该是一件难事。用户与商家的所有信息互动的内容，都可以通过一定的技术记录下来。难点是线下的数据收集。传统营销中，企业基本上没有收集任何有关用户的信息，更不用说收集用户在线下每个触点与企业的互动内容了。这实际上也成了新零售变革的一大难点。但是，可能也正因为这个原因，线下用户与企业互动内容的数据收集同时也是新零售建设的一大亮点。如果能够做到的话，这不失为新零售发展的一大进步。

但是数据收集只是数据运营的一个部分，而数据运营也只是新零售的一大特点。千万不能将数据收集的技术等同为新零售。

数据收集后就是数据分析。这个阶段可以分为两个相对较独立的步骤：变量的形成和数据的分析。收集到的用户触点数据基本是原始数据，这些数据还需要进行加工，形成可以用作系统分析(特别是统计分析)的变量化数据。这样数据才能够用来进行统计分析。

最后是数据的运营，也就是根据数据分析的结果来制定具体的营销策略，这包括产品或服务的选择、价格制定、促销方案的确定、目标用户的选择、促销信息抵达目标用户的方法，等等。

在这个过程中往往会出现这样的问题，就是数据分析人员与营销策略的脱节。数据分析本是为营销策略服务的，但是在营销策略还不是十分明确时，数据分析可能只是为了分析而分析，缺失了分析的目标。而没有目标的分析则很可能使分析迷失方向，因而导致在对数据分析结果应用时产生误解误判，从而使得基于数据分析基础上的营销策略失效。

在掌握新零售数据运营的基本情况后，需要记住一点：新零售没有数据是万万不能的，但是数据也不是全能的。

在新零售发展中，用户体验和运营效率才是发展的目标，其他因素，包括大数据，都是实现这两个目标的工具。

数据不是万能的。事实上，我们常常把数据比作绘画时用到的颜料。数据收集来了，表明你有了可以绘画的颜料。但是，究竟画出来的是什么画，可能每个画家都不一样，甚至同一个画家每一次画也可能都不一样。

数据分析具有其客观性。但是分析什么，怎么分析，却有着主观性。而数据分析结果的应用可能更加具有主观性。

甚至收集什么数据都具有相当的主观性。我们经常把数据的收集称之为画家的“胸有成竹”。你想画竹子，你必须先胸有成竹。也就是说你想要确定你的分析结果大概是怎样的，然后再根据你的这个要求去收集数据和分析数据，最终才会得到你想要的结果。

换句话说，我们需要根据经营策略的需要去收集和分析数据，而不是没有目的地收集数据和分析数据。

在大数据时代，我们对大数据要有充分的认识，千万不要以为大数据是万能的，也不要以为有了数据就什么都没问题了。要时刻牢记：数据不管大小，都是为经营服务的，都是为了实现更好的用户体验和更高的运营效率。

消费的个性化问题

说到大数据，很多人都会不由自主地想到了个性化营销。甚至可能会有人问：数据不就是用来对消费者行为进行有效预测的吗?如果不是为了有效预测消费者个性化需求，我们要数据又有什么用?

自从上世纪70年代市场细分的理论出现后，就不断地有反市场细分的个性化营销思潮的出现。大家认为：市场细分不够性感，只有做到能够一对一地针对每个消费者的需求提供个性化的产品和服务，才叫做极致，才能让用户尖叫。

大数据的出现加深了这种思潮的泛滥。因为大家都看到了实现个性化营销的可能性。一般来说，这种个性化营销思潮的思路是这样的：识别并记录每个消费者的行为;分析个体消费者的需求;预测个体消费者的需求;为消费者提供个性化产品或服务。

从收集数据、分析数据和应用数据分析结果的逻辑来看，这个个性化营销的逻辑似乎完全一样。但是仔细分析的话还是有本质的不同，其差异就在于对数据个性化的认识和追求上。在新零售的数据运营中，我们只是说到要分析数据，但是个性化营销要分析的却是个人的数据。我们讲把数据分析的结果应用在营销策略上，但个性化营销却是要根据个体消费者数据的分析，对每个消费者提供个性化的产品和服务。

两种营销方式，哪种更可能有效?哪种又更可能实现?

事实是，基于集体数据分析的结果更靠谱，也更容易实现，并且还更加有效。试想一下，如果我们硬要预测消费者需要购买什么产品，万一错了怎么办呢?然而提出这种个性化营销方案的人，基本上是不考虑预测错了的后果。

市场细分的概念，是建立在具有相同个性化需求的基础上。也就是说，在同一个细分市场的消费者都有着相同的个性化需求。这样的话，我们依然可以通过市场细分的方法来对待消费者，为每个消费者提供所谓个性化的产品或服务，而不需要把每个消费者当作一个不同的个体。

从战略的角度来考虑，把每个消费者看作是不同的个体是无法制定战略的。企业的业务怎么聚焦?聚焦在哪些需求上?如果有两个消费者，一个要“天南”，另一个要“海北”，我们企业是否“天南”与“海北”都要生产?如果不是，我们又如何决定是生产“天南”还是“海北”?

我们似乎又回到了市场细分的思维方式上来。

如果我们的目标是满足消费者的个性化需求，那就可能又回到了工业化社会之前：来一个消费者，你需要什么，我们提供给你什么。当然，老客户了，来的日子久了，我们还能记得你的一些消费爱好。你不提我们就做了，给你个惊喜。可是，这样的方法对大规模的生产企业能够适用吗?

总之，个性化营销从营销学和统计学的角度来分析都有致命的缺陷。我们需要有足够的警觉。

（三）实现基于数据的营销智能创新

大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。

大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。

多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等数据。

强调时效性：在网络时代，网民的消费行为和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行营销非常重要。全球领先的大数据营销企业AdTime对此提出了时间营销策略，它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。

个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。

性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。

关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。

大数据营销的实现过程：大数据营销并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的很多以技术为驱动力的企业也在大数据领域深耕不辍。全球领先的大数据营销平台AdTime率先推出了大数据广告运营平台——云图。据介绍，云图的云代表云计算，图代表可视化。云图的含义是将云计算可视化，让大数据营销的过程不再神秘。

云图是AdTime构建的大数据平台系统，该系统具备海量数据、实时计算、跨网络平台汇聚、多用户行为分析、多行业报告分析等特点。

大数据营销是基于大数据分析的基础上，描绘、预测、分析、指引消费者行为，从而帮助企业制定有针对性的商业策略。

大数据营销中所依赖的数据，往往是基于hadoop架构分类的静态人群属性和兴趣爱好常量，这导致了大数据营销在本质上很难以去控制和捕获用户的需求。

第一，用户行为与特征分析。只有积累足够的用户数据，才能分析出用户的喜好与购买习惯，甚至做到“比用户更了解用户自己”。这一点，才是许多大数据营销的前提与出发点。

第二，精准营销信息推送支撑。精准营销总在被提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。。

第三，引导产品及营销活动投用户所好。如果能在产品生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可投其所好。

第四，竞争对手监测与品牌传播。竞争对手在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。品牌传播的有效性亦可通过大数据分析找准方向。例如，可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。

第五，品牌危机监测及管理支持。新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。

第六，企业重点客户筛选。许多企业家纠结的事是：在企业的用户、好友与粉丝中，哪些是最有价值的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。

第七，大数据用于改善用户体验。要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。例如，在大数据时代或许你正驾驶的汽车可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或4S店预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。事实上，美国的UPS快递公司早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理。

第八，SCRM中的客户分级管理支持。面对日新月异的新媒体，许多企业通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。

第九，发现新市场与新趋势。基于大数据的分析与预测，对于企业家提供洞察新市场与把握经济走向都是极大的支持。

第十，市场预测与决策分析支持。对于数据对市场预测及决策分析的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与数据挖掘提出了新要求。更全面、速度更及时的大数据，必然对市场预测及决策分析进一步上台阶提供更好的支撑。似是而非或错误的、过时的数据对决策者是灾难。

由于大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。

那么，如何将大数据有效的运用到营销当中去，如何能有效的实现大数据在营销中的运用呢。

首先，我们要知道，大数据营销它是必须要通过大量运算的技术来实现的一个过程，它并不是一个概念名词，而是基于大数据分析的基础上，客户画像描绘、需求预测、各类分析、最终指引消费者行为，从而帮助企业制定有针对性的产品策略。

其次，数据学家为营销部门提供了对客户行为最新趋势的精准分析，营销人员根据这些能够制定全面的营销策划并准备好更有效的活动。数据不仅能够将消费者定位为大群体，也可以将其定位为具有特定特征的分段子群体，从而使他们有可能单独修改，并适应每一个受众。

再次，营销人员能够根据客户的不同需求定制适合的不同操作，并可以不断加强改善，使得每一个客户几乎都可以根据个人喜好来接受产品或服务，在这个用户体验式营销的大环境下，这种经营模式才是能更多被消费者接受的。

还有，正如大家现在可以看到的那样，大数据不仅有能力改善企业营销策略，而且还有助于改善其各个细分市场。随着近几年数据量爆炸式的增长，官方估计表明数据营利很快将成为收入的主要来源。商业智能的大部分应用都是针对营销。这就是大数据精准营销基础的实现过程。

大数据时代企业营销创新9大价值 

互联网思维、互联网+、大数据等概念风靡一时，阿里云、芝麻信用、京东白条、网上银行、滴滴出行、摩拜单车、共享经济等商业创新普及，让世界明确大数据时代真正来临，但对于大部分企业而言往往只是一种朦胧的感觉，对于其真正对营销带来的威力可以用一个词来形容——雾里看花。实际上，企业需要完整进入这场变革，走进大数据应用的完整场景，才会明白其厉害之处。对于多数企业而言，大数据营销的主要价值源于以下几个方面。

第一，用户分析升级：用户行为与特征分析。显然，只要积累足够的用户数据，就能分析出用户的喜好与购买习惯，甚至做到“比用户懂用户”。有了这一点，才是许多大数据营销的前提与出发点。无论如何，那些过去将“一切以客户为中心”作为口号的企业可以想想，过去你们真的能及时全面地了解客户的需求与所想吗？或许只有大数据时代这个问题的答案才更明确。行者孙平《互联网大数据应用》中用户标签数据库+用户属性数据库就是对用户分析落地性方法。

第二，营销管理升级：精准营销信息推送支撑。过去多少年了，精准营销总在被许多公司提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。相对而言，现在的RTB广告等应用则向我们展示了比以前更好的精准性，而其背后靠的即是大数据支撑。行者孙平《互联网品牌营销管理》中特别提及的全网营销7星阵就完整呈现利用互联网工具实现精准营销的闭环。

第三，营销活动升级：引导产品及营销活动投用户所好。如果能在产品生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可投其所好。例如，Netflix在近投拍《纸牌屋》之前，即通过大数据分析知道了潜在观众最喜欢的导演与演员，结果果然捕获了观众的心。又比如，《小时代》在预告片投放后，即从微博上通过大数据分析得知其电影的主要观众群为90后女性，因此后续的营销活动则主要针对这些人群展开。

第四，传播管道升级：竞争对手监测与品牌传播。竞争对手在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。品牌传播的有效性亦可通过大数据分析找准方向。例如，可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。

第五，品牌公关升级：品牌危机监测及管理支持。新媒体时代，品牌危机使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。

第六，用户定位升级：企业重点客户筛选。许多企业家纠结的事是：在企业的用户、好友与粉丝中，哪些是最有价值的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。

第七，用户体验升级：大数据用于改善用户体验。要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。例如，在大数据时代或许你正驾驶的汽车可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或4S店预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。事实上，美国的UPS快递公司早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理。行者孙平《互联网品牌管理体系》中的品牌体验6度罗盘有最全面引用实践操作策略。

第八，客户关系升级：SCRM中的客户分级管理支持。面对日新月异的新媒体，许多企业想通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。

第九，战略决策升级：发现新市场与新趋势。基于大数据的分析与预测，对于企业家提供洞察新市场与把握经济走向都是极大的支持。例如，阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。又如，在2012年美国总统选举中，微软研究院的David Rothschild就曾使用大数据模型，准确预测了美国50个州和哥伦比亚特区共计51个选区中50个地区的选举结果，准确性高于98%。之后，他又通过大数据分析，对第85届届奥斯卡各奖项的归属进行了预测，除最佳导演外，其它各项奖预测全部命中。市场预测与决策分析支持。对于数据对市场预测及决策分析的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。沃尔玛著名的“啤酒与尿布”案例即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与数据挖掘提出了新要求。更全面、速度更及时的大数据，必然对市场预测及决策分析进一步上台阶提供更好的支撑。要知道，似是而非或错误的、过时的数据对决策者而言简直就是灾难。

那些寻找大数据营销切入点的不妨看看上述应用，或许能有所启发。