联通大数据精准营销是什么？

联通大数据积累了丰富的数据能力、平台能力、产品交付能力和行业解决方案能力，累计服务17个行业。联通大数据在精准营销、数达营销和数言舆情标准产品的基础上形成了针对各个行业的解决方案。

今天我们就来讲解一下，联通大数据精准营销，究竟厉害在哪？

一、用户画像

用户画像是联通大数据根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。

具体包含以下几个维度：

1、用户固定特征：性别、年龄、地域、教育水平、生辰八字、职业、星座

2、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

3、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

4、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

5、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、如何生成用户精准画像大致分成以下三个步骤。

第一步：采集和清理数据：用已知预测未知

首先得掌握繁杂的数据源：包括用户数据、各式活动数据、电子邮件订阅数、线上、或线下数据库、及客户服务信息等。

这个是累积数据库。这里面最基础的就是如何收集网站／APP用户行为数据。

比如当你登陆某网站，其Cookie就一直驻留在浏览器中，当用户触及的动作、点击的位置、按钮、点赞、评论、粉丝、还有访问的路径。

可以识别并记录他／她的所有浏览行为，然后持续分析浏览过的关键词和页面，分析出他的短期需求和长期兴趣。

还可以通过分析朋友圈，获得非常清晰获得对方的工作，爱好，教育等方面。这比个人填写的表单，还要更全面和真实。

我们用已知的数据寻找线索，不断挖掘素材，了解客户现有需求，也可以分析出未知的顾客与需求，进一步开发市场。

第二步：用户分群：分门别类贴标签

描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计。

数据描述：用来对数据进行基本情况的刻画，包括数据总数、范围、数据来源。指标统计：把分布、对比、预测指标进行建模。

这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值。

在分析阶段，数据会转换为影响指数，进而可以做"一对一"的精准营销。

举个例子，一个80后客户喜欢在生鲜网站上早上10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理，经过搜集与转换，就会产生一些标签，包括"80后""生鲜""做饭""日本料理"等等，贴在消费者身上。

第三步：制定策略：优化再调整

有了用户画像之后，便能清楚了解需求，在实际 *** 作上，能深度经营顾客关系，甚至找到扩散口碑的机会。

例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；

针对不同产品发送推荐信息，同时也不断通过满意度调查，跟踪码确认等方式，掌握客户各方面的行为与偏好。

除了客户分群之外，获客盟营销研发人员也在不同时间阶段观察转化率率和成功率，前后期对照，确认整体营销策略与方向是否正确，若效果不佳，又该如何应对。反复试错并调整模型，做到循环优化。

二、精准预测

“预测”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。

当我们采集和分析用户画像时，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。

三、技术工具

运营商大数据具备全面性、多维性、中立性、完整性是其它企业很难比拟的，而且通过这些不同维度数据的交叉关联，可以创造更多的新数据和新价值 。

（01）身份-运营商不仅客户信息覆盖完整，还可以基于实际行为进行验证，通过身份信息，快速判定用户的信用程度。

（02）上网-基于用户访问什么网址、下载什么应用、访问什么内容等，得到上网喜好。

（03）位置-运营商的通过位置信息，可以掌握用户出行特征，给用户带来生活的极大便利。

（04）社交-基于通信交往圈的大小、主被叫、时间序列、得到用户的社交特征。

（05）支出-运营商有客户最为详实的消费账单、比如流量费、短信费、语音费、新业务费等，能反映用户的一些特征。

（06）通信-通过用户的通信使用情况，比如本地、漫游、长途、了解用户通话行为特征。

（07）终端-识别记录手机终端型号，了解用户手机使用特征、发展趋势、用户换机周期等。

（08）时序-通过用户上网、位置、通话等行为按照时间排列，了解更多规律提供更多服务。

大数据精准营销方法如下：

一、建立用户画像

根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型，包括用户固定特征、兴趣特征、社会特征、消费特征、动态特征等多个层面。然后从已知的数据出发，挖掘和寻找线索，分析用户需求，进一步开发市场。

传统时代的营销，以产品为中心，但是产品是否真的触达到最有需求的用户面前，谁也不能保证，而通过大数据建立用户画像，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，能够大大提高投资回报比。

二、用户分群分析

在大数据分析当中，描述分析是最基本的分析统计方法，其次还涉及到一些数据算法模型等，如响应率分析模型，客户倾向性模型等，帮助企业来更有针对性地进行营销推广。

大数据分析所能带来的价值，最大的价值是在预测和推荐上，依赖消费者的行为来分析消费者，将更加了解消费者，也能实现自身产品营销的最大化。

三、制定营销策略

有了用户画像，进行了相应的用户分群分析之后，企业能够更加清楚地了解到用户的需求，根据用户需求来推出新的营销策略。再根据营销策略推出之后的客户反响，来进一步验证策略是否正确，进行进一步的优化调整。

大数据时代市场营销策略

1、利用大数据改进企业广告投放策略

广告圈里一句名言:我知道我的广告浪费了一半,但我不知道浪费了哪一半。当前,越来越多的企业在大数据思维指导下进行广告投放，广告能通过对人群的定向, 投放给准确的目标顾客。特别是互联网广告现在能够做到根据不同的人向其发布最适合其的广告，同时谁看了广告，看了多少次广告,都可以通过数据化的形式来了解、监测, 以使得企业更好地评测广告效果,从而也使得企业的广告投放策略更加有效。

2、基于大数据的精准推广策略

没有目标消费者的精准定位，盲目推广,是很多企业开展营销推广没有效果或者效果甚微的主要原因。大数据时代一个重要的特点是,能够实时全面地收集、分析消费者的相关信息数据,从而根据其不同的偏好、兴趣以及购买习惯等特征有针对性、准确地向他们推销最合适他们的产品或服务。另一方面,可以通过适时、动态地更新、丰富消费者的数据信息, 并利用数据挖掘等技术及早预测消费者下一步或更深层次的需求,进而进一步加大推广力度,最终达到极大增加企业利润的目标。

3、规模个性化产品策略的实施

传统市场营销产品策略主要是，同样包装同等质量的产品卖给所有的该企业客户,或同一个品牌，若干不同包装不同质量层次的产品卖给若干相对大群客户,这使得很多企业的很多产品越来越失去对消费者的吸引力, 越来越不能满足消费者的个性化需求。

近年来,随着科技和互联网的发展,社会的生产制造向生产“智”造转变,同时大数据通过相关性分析，将客户和产品进行有机串联,对用户的产品偏好,客户的关系偏好进行个性化定位,进而反馈给企业的品牌、产品研发部门,并推出与消费者个性相匹配的产品。

4、大数据使得营销渠道效能的潜力得以充分挖掘

以前的市场营销的.渠道大多采取代理制, 或者是购销制, 企业与代理商或经销商之间存在一种利益博弈关系，相互之间的信息常常是不共享的, 也经常会发生利益冲突。在大数据环境下, 企业只有与各方合作者一起建立起大数据营销系统平台,才能集中体现大数据、物联网、云计算、移动电子商务的优势, 从而不断拓展企业营销渠道的外延与内涵。

通过营销渠道各方协调一致增强消费者对产品品牌、服务的良好体验,进而引发顾客更加强烈的购买欲，促进客户与企业品牌的亲合度更加紧密, 提升企业的利润空间。

5、利用企业大数据集成系统制定科学的价格体系策略

现在，很多企业都构建了基于大数据技术的大数据营销平台,实现了海量、不同类型的数据的收集, 并跨越多种不同的系统，比如，不同的渠道平台(网络销售平台,以及实体批发、零售平台)不同的客户需求不同的细分市场以及不同的但可以区隔的市场区域。

这样就可以帮助企业迅速搜集消费者的海量数据,分析洞察和预测消费者的偏好,消费者价格接受度分析各种渠道形式的测试销售数据以及消费者对企业所规划的各种产品组合的价格段的反应。使之能够利用大数据技术以了解客户行为和反馈，深刻理解客户的需求、关注客户行为，进而高效分析信息并做出预测,不断调整产品的功能方向，验证产品的商业价值，制定科学的价格策略。

---