大数据营销的几个阶段
营销1.0 消费者要什么，企业提供什么。
营销2.0 从产品核心转往消费者核心，创造差异化去吸引消费者
营销3.0 以社会价值与品牌责任为使命
营销4.0 根据消费者个人化需求，找出产品前测，找到精准目标顾客，进行一对一营销
概念
营收方程式
营收=顾客数*活跃度*客单价
顾客的5种状态
N：新顾客 E0：主力顾客 S1：瞌睡顾客 S2：半睡顾客 S3：沉睡顾客
需要查看的10个指标
新增率、变动率、流失率、转化率、活跃度、S1唤醒率、S2唤醒率、S3唤醒率、新顾客客单价、主力顾客客单价。
抛弃传统的人口属性标签，根据消费者具体的购买行为，提出不同的标签观点——NES模型
不需要关注顾客的年龄，职业，性别，收入等固有属性，而是顾客反映出要购买的动机。比如，一个80岁的老太太也可以买高达模型。
问对问题才能找对答案
分解问题，找到顾客的真正需求。比如O2O行业。在大数据的时代，更应该明确你的用户需求，这个是真正的痛点？还是不断地烧钱培养的消费者的“伪需求”？有哪些可以用互联网解决。又有哪些不可以呢？
从旧4P到新4P，预测下次购买时间
旧4P：产品、价格、渠道、促销
新4P：消费者、成效、步骤、预测
消费者（people）
根据顾客构建NES模型，首先要定义每个S用户，意义在于可以在成本最小的时机，去唤醒S消费者。
成效（performance）
根据NES模型，结合自己的实际情况，分析数据，来确定我们当下的目标是什么。
步骤（process）
找出优先项，优先处理危急问题：三个变量（NES）出现问题时，应该采取什么样的战略，去解决问题？比如，在E0阶段提升顾客忠诚度计划，在S1，S2，S3不同的停滞阶段，设计唤醒方案
预测（prediction）
观测每一个环节，看如果出现异常，提前发现，给予关怀和提醒。“智能控制”可以做到实时观测、零时差沟通和个性化信息，这是整个大数据营销的精髓。
大数据+厚数据
人在与环境的互动中会碰撞出高度复杂的变动性和异质性，因此和人有关的数据，自然也充满不确定性。比如麦当劳甜筒第二个半价，如果数据包含了周末，那数据就会出现较大的偏差，因为周末大多人都是结伴逛街，同时买两个的几率比工作日更大。厚数据就是基于真实场景产生的数据，而好的数据观点，也往往是从厚数据产生，而非大数据。
大数据营销带来的变化
1、人口统计营销 vs 大数据营销
不再用性别、年龄这些区分顾客，而应该用上网时间、购物周期这些动态个性属性。
比如顾客买了A款吸尘器，而吸尘器在商场同类中价格属于偏高，那么他的这个行为就构成了一个动态的个性属性标签，在他买榨汁机的时候，我们同样也会给他推荐价位比较高的。其中，我们可以用数据统计出他购买的价格除以平均价格，得出“功能性价比”，以此来推算这个顾客的购买能力。
另外一方面，我们可以利用大数据记录顾客的消费习惯，比如A平均50天购买一次，结合他上次购买物品的使用期限，那么我们就可以针对这些个性标签，第50天提前一周给予合适的推送或沟通，营销将事半功倍。
2、被动分析 vs 预测分析
不要追着数据跑，应该从分析变成预测。不用过往的营销经验定义“一群”消费者，而应该利用数据去精准的定义“每一个”消费者。而这些工作，机器都可以做好，而我们的大脑，在此基础上做好决策，还原我们人的核心价值。
3、活动招人 vs 人找活动
为什么精心策划的活动无人问津？是因为没在关键点上说对话。
简而言之“千人千面”，不同的人，不同的时间，登陆淘宝或者京东首页看到的是不同的。移动大数据的核心在于“实时（real time）、适时（right time）、全时（all the time）”。任何一个完成的高效服务都离不开这3T。
1000种商品组合*10组人群标签*10个关键时刻*10中沟通渠道=100万种活动。
4、人力密集 vs 数据密集
人机分工，人回归真正决策价值。
数据分析的D.I.E.T过程——数据整合D（date integration）、分析诊断I（intelligence）、精准营销（engagement）和追踪回馈T（tracking）
把日常程序和报表整理工作放手交给机器去处理，把关注重点放在认识自己的商品与商业模式，学习思考与解读数据背后的意义，联系做决策。
5、有型调查 vs 无形侦查
排除调查偏差，真实记录消费者的行为。
市场调研中，有一种常见的偏差——霍桑效应。即受访者察觉自己正在被调查时，会倾向预估调查者想要的方向而改变言行。在这方面，log侦测更加准确。根据log，在马上进入沉睡阶段，我们就可以通过客服或者其他方式进行沟通，预防事态扩大，有效的经营顾客关系，大幅降低负面的沟通成本。
6、检讨报告 vs 实验报告
变设定假说边修正，迭代式营销。
根据D.I.E.T.循环体系。
第一阶段为“看到”数据，收集完资料，就可进行第二阶段“知道”问题，去诠释数据、找到问题、进行消费预测。第三部就是“做到”策略。大数据营销的关键是执行，我们在数据中建立观点，然后做出营销决策，同时根据顾客需求，实时修正、确定目标的精准营销。最后一步是“营销追踪”，完成以上步骤后，我们可以回收顾客的回馈信息，比如优惠券有没有用等，作为策略修正和顾客精准细分的依据。如果结果不如预期，就重新评估原始假设，制定下一步测试计划，直到找到最佳方案。这个过程就是营销最宝贵的学习经验。
就酱~
其实当时为了做用户画像，不知道怎么做标签，然后在图书管里翻到了这本书。
觉得这本书有一些理论化，易懂，给我做用户画像以及标签提供了一个大的方向和依据。但是对于没有接触到这么多数据的我来说，还是有点有力无处使的感觉。。。
挖个坑，以后遇到机会再回来。
