许多人感觉到大数据时代正在到来，但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时髦的词来形容——不明觉厉。实际上，还是应尽量弄明白，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“比用户更了解用户自己”。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。
第二，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。
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。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，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，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DavidRothschild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。
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。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企业不妨看看上述应用，或许能有所启发。
切入大数据营销需要开阔思路
在企业寻找大数据营销切入点时思路必须开阔，不必拘泥于既有应用，需要营销人员与技术人员进行思想碰撞，进而找到与众不同的突破点。
以别克君威与淘宝所合作的营销活动“为一再心动买单”为例，其即体现了大数据营销的创新思路。该活动分为两个部分：第一部分调用淘宝用户的收藏夹并鼓励分享心动故事，第二部分利用大数据对参与活动的用户进行精准营销。
该活动的第一部分开始于2013年10月12日，持续两周。淘宝用户登录时，会向用户提示“***，你的淘宝收藏夹走光了”之类的话。点击之后，会进入一个flash画面，告诉你在使用淘宝收藏夹的***天里，你心动了***次。系统会把这个最高类别里面的所有商品都罗列出来给你，鼓励你在当中挑选最让你心动的一个，并说出的心动故事，然后再选择通过微博分享自己的心动故事。接着系统罗列了君威的一些核心卖点，让消费者选打动他们的卖点，然后则可能获得由Regal全新君威为你买单那个心动的宝贝的机会。
该活动的第二部分则更加突出了大数据营销。针对所有参与活动的人，淘宝帮助汽车品牌做消费行为的分析，看看这些参与者究竟是运动狂人，还是时尚达人，抑或是宅男宅女、顾家派。君威品牌根据消费行为的判断，定向地向他们推送不同的广告创意内容。
此活动在国内率先开了大企业与淘宝等大型电子商务网站在品牌推广活动中大数据营销方面合作的先河。借助于上述新技术与新思路，新君威进行了全新的营销活动尝试，即将“大数据营销”与“品牌展示”、“互动营销”及“CRM”有机贯穿整合。
充分开动脑筋是拓展大数据营销思路的必要条件，结合企业或行业特点则可以更好地发挥大数据的商业价值。例如，龙湖地产即在提供WiFi服务的基础上，利用本地位置信息类大数据，不仅在一定程度上获得了的用户信息，而且还可以收集用户在该地产商圈的行走路线，从中可以得知用户最主要逛哪类店、先逛哪个店再逛哪个店等信息，进而可以为判断用户的消费层次提供非常有力的数据支撑。
企业可以根据自己所处行业及企业自身的特点，认真思考大数据可能为企业带来的价值，然后与技术人员探讨数据收集、数据清理、数据存储与管理、数据分析及数据呈现等主要环节的技术实现可能性。如果自己企业没有相关人员，则可能需要与其他专门的企业进行合作。
小数据也可用大数据思想管理
实际上原来并没有“小数据”一说，只是因为有了“大数据”，其常常指PB容量级及以上的数据量，故不足此数量级的数据就有了小数据或准大数据的说法。
小数据可能在量上相对小一些，但其仍可以借鉴大数据管理理念。你用还是不用，数据就在那里。按照大数据的理念，你同样可以从相对小一些的数据中发掘出高价值信息，如通过分析了解竞争者，明确自己在市场竞争中的正确位置；了解现有用户或发现潜在用户，进行深层发现，趋势预判，引导产品设计，营销创新，支持决策，跟踪效果。在数据支撑下，决策才能相对科学，核心在于数据的理解。
某些行业的数据可能只是大数据时代的一个应用领域（小），但大数据营销理念将带来旅游经济发展的量化革命（大）。其中，大数据理念可以将复杂、无序的数据变成简单、有序的信息；可以基于在线评论和其他网络数据，构建产品声誉评价机制；将逻辑性、文字性的信息转化为可视化、图形化的信息，进而可以引导或影响消费。
以某旅游景点的相关微博内容为例，利用大数据营销理念，可以重点分析微博用户在分享、传播和讨论旅游景点相关内容的过程中，通过内容中体现了4类典型用户行为：日常讨论和互动内容，游客旅游前发布的微博内容，旅游中发布的微博内容，旅游后发布的微博内容。同时，相关用户行为又与微博发布者所处的旅游阶段有关，也与微博作者面向的阅读者定位都有关系。
通过对某旅游景点的分析数据，可发现有价值的信息。例如，研究游客旅行前发布的微博内容发现，通过微博咨询建议和讨论某景点旅游攻略，表达出旅游意向的微博内容占12%，其典型的网络行为包括：表达前往旅游目的地的意愿，询问旅游攻略和路线安排，询问征求其他用户对特定目的地（酒店、餐厅）的评价，@旅游机构账号或者@旅游名人求助，约人同行等。
再看游客在旅行中发布的微博内容。在微博内容中明确处于某景点旅游行程中的微博内容占19%，其典型的微博内容行为包括：发布旅行位置和签到，发布旅行图片和感受，咨询、求助及投诉等。
另外，通过准大数据分析还可获知，游客在旅行结束后发布的微博内容占23%，在微博内容中发起和参与厦门旅游话题的微博内容占66%，它们二者还可以通过分析得知分别的不同类型用户行为的比例。应该说，上述这些重要的数据在过去多数旅游景点的营销管理中通常被忽略。
可以这样讲，充分利用大数据或小一些的数据，则可以发现许多有价值的信息。仍以微博中关于某个城市旅游的内容为例，可以发掘的信息非常多，例如：游客到某城市休闲旅游目的有哪些，游客发布关于某城市旅游微博作者的关注点，游客对某城市当地景点的口碑量排名及主要抱怨点排名，微博发布者的性别、认证统计和社会属性统计，微博发布者的简介标签和地域分布统计，微博发布者的博龄和客户端统计，微博发布者的粉丝数分布统计，等等。
上述几个例子中许多数据监测与统计分析的数据指标完全可以应用于其他行业，价值显而易见。关键是要有充分利用大数据发掘有价值信息的理念，这是大数据时代最需要的东西。具体需要什么类型的数据，则应该在实践过程中逐步深化与扩展。
总之，随着大数据时代的到来，企业也正向着智慧性方向发展，如何利用好大数据是当今几乎所有企业面临的问题，找到、找准大数据应用的切入点是融入大数据时代所迫切需要迈出的第一步。
