大数据,用户,投放

导读：　大数据,用户,投放(共7篇)如何利用大数据做人群精准投放引流量很多卖家抱怨直通车、钻展常规推广方式烧钱不赚钱，不知道出路在哪里。我们首先搞清楚一个在这一点上，卖家能做到每天监控数据，但没有把数据价值最大化。所以作为卖家来说，可以考虑借力大数据让流量水到渠成，与客户产生有效的触发点。今天就以一家女装店案例，希望大数据能走进你的店...

篇一 大数据,用户,投放
如何利用大数据做人群精准投放引流量

　　很多卖家抱怨直通车、钻展常规推广方式烧钱不赚钱，不知道出路在哪里。我们首先搞清楚一个在这一点上，卖家能做到每天监控数据，但没有把数据价值最大化。所以作为卖家来说，可以考虑借力大数据让流量水到渠成，与客户产生有效的触发点。今天就以一家女装店案例，希望大数据能走进你的店铺经营中，可实操性更强。

　　一、我是怎么想到用大数据的？

　　这家店铺主营女装服饰，月销售额250万，一直有通过钻展、直通车等方式进行推广，推广费用日均2.5W。尽管店铺基础好，但它还是遇到了最常见的问题---“老客户回购效果不理想，新客户引入不精准”。这让店主十分头疼。正当此时，刚获阿里妈妈数据科学家大赛最强算法奖的团队在物色潜力店铺，小试牛刀。所以，两个团队就一碰即合了。

　　二、定制化的大数据运营，效果超乎我的想象

　　店铺推广常有的痛点：钻石展位引流不足、引流不准。所以我们给出了基本思路：通过大数据构建精准的目标客户人群，找到大量精准的潜在客户人群，进行定向人群投放，同时针对老客户建立精选人群，进行再定向人群投放，从新客户挖掘和老客户维护两方面同时提升钻展的推广效果。

　　具体操作是怎样的呢？操作都是在御膳房上完成的（御膳房是淘宝旗下的数据开放平台，包括开发平台和数据平台。）

　　如下可供参考的具体方案示图：

　　

　　1、产品分析——找准品牌与产品的触点

　　首先，我们从品牌特征，主推商品，竞品店铺，客户行为等多个维度分析店铺的基本信息。我的店铺是做女装服饰的，主推服饰的风格是轻度民族风。明白了这些，我们客户人群的年龄段、职业属性、兴趣点是不是就清楚了。如下图，我们可以将所确定的客户属性列出，方便下一步进行全网数据的统计筛选。

　　

　　如何利用大数据做人群精准投放引流量
　　

篇二 大数据,用户,投放
数据驱动营销，阿里妈妈达摩盘

　　数据驱动营销，阿里妈妈达摩盘    

　　 营销，对于多数企业而言，是将产品借助传播转化为销售必不可少的一个环节。不同的时代，营销的核心也在发生着变化。传统商业时代，企业营销的核心是品牌形象的传播和植入，在PC时代，其核心是购买，而在移动互联网时代，其核心是如何实现用户个性化互动。这里的互动具体是指对用户传播更为精准化的内容，更加智能化的客服信息等，而实现这一核心的基础就是对数据的管理。

　　阿里妈妈达摩盘，就是基于大数据层面的深度挖掘，是为了解决如何利用数据系统分析归纳消费者的个人偏好和消费轨迹，帮助商家定向抓住最精准的用户等问题而打造的数据管理平台。2014年年底，阿里妈妈联合开放数据平台御膳房推出了超级赢家——数据科学家大赛，该大赛基于真实的商业实战环境，开放阿里巴巴集团的数据计算能力，参赛者根据商家的营销需求，进行消费者人群画像，数据算法挖掘，营销方案设计，和商家共同实现进行精准定向投放。

　　比赛分设两个赛区，分别为针对有数据挖掘能力的数据类服务商和营销托管服务商开设的第三方服务商赛区，以及为在某一行业（如母婴、女装、数码）或者是某一领域对消费者有深刻认识，并且有一定营销敏感度的达人开设的达人赛区。最后在经历四个多月的角逐之后，来自第三方服务赛区、行业达人、营销平台小二，自由组合成四个战队，每一队配备了一名数据导师和营销导师。导师组由来自于国内一线公司的数据专家和营销专家。2014年，12月26日角逐最后的全场大奖——数据科学家大奖，以及其他6个奖项。

　　而决赛阶段的四个品牌出题方也都各有特色，一家是淘宝女装行业的翘楚韩都衣舍，一家是线下地产大佬万科，还有立足于发力线上的北京佰程旅游旅游专卖店以及亚都空气净化器。四支参赛队伍，需要通过对品牌商家意图的理解、分析、判断，通过算法设计、创意执行、营销方案设计最终完成基于人群定向的营销解决方案。在这个过程中，数据如何帮助品牌维护老用户，并且找到更多新用户；通过数据和营销结合，如何帮助商家解决品牌推广和效果营收的矛盾；ISV、达人、媒体通过自由组合后，在新的技术营销体系中将扮演什么样的角色，他们相互间如何配合，通过什么样的数据和技术支持；如何帮助品牌选择合适的营销渠道和营销策略，这些都是参赛选手们在赛程里需要攻克的难题。

　　在这个过程中，御膳房和达摩盘就是参赛选手手中的食材。御膳房提供的是一个开放的数据平台，选手可以从中选取相关数据做样本，再充分利用达摩盘里面的人群标签，可以对用户做三层定位。一个是按人群消费特性来划分，圈定用户的个人信息，包括年龄、性别、职业、城市等。再深一层次的数据是用户行为，比如淘宝月均消费笔数和消费额，长期或者短期购买、收藏、搜索、浏览的商品一级类目。第三层是店铺行为，包含店铺访客来源、店内总宝贝收藏量、单个宝贝收藏量、总购买金额、店内的活跃用户、收藏用户、潜在用户、购物车是否有店铺宝贝的用户等。充分分析了目标用户的行为特征后，选手就可以有针对性地设计营销方案，提高产品从传播到销售的转化率。

　　案例：让营销更懂客户

　　万科西庐是继西溪蝶园又一深耕西溪的房地产项目，地处杭州文一西路和崇义路交叉口，毗邻西溪湿地。房地产营销的线下营销一直是强势，线上营销虽然近几年有发力，却都存在一定壁垒。第一是类目地缘性强，客户流量少，也就意味着新客户导入有限。第二方面，万科线上店铺PV只有2000多且没有成交量，房地产线上销售并非主流，可供参考的有效数据少。第三，成交更依赖线下表现，推广效果难以从线上表现。服装、3C等常规产品可以从点击率、转化率、跳转率来迅速评估推广效果，但是西庐项目的核心KPI(即用户有效到访率)难以从线上指标体现。

　　数据纠偏，大数据的逆向思维

　　从万科给出的线下购房人群的特征定位来看，83%的购房者集中在城西商圈消费，经常外出，客户年龄大多数集中在21~40岁之间。大部分购房者都是首次置房，且以非杭州户籍居多，出行方式以自驾为主，48%的购房者仍然单身，46%在成交上更看中的是学区房。

　　虽有初步人群特征定位，然单纯依赖线下数据，仍很难精准定位西庐潜在的目标用户。故而，团队进一步通过线下数据+线上数据+算法的方式对人群进行了圈定。

　　随着互联网带给人们生活方式的变化，越来越多的潜在用户更依赖通过互联网来搜集买房的初步信息，如何在线上实现精准营销，对这些潜在用户实现个性化是此次参赛选手的难题之一，而选手在做的数据挖掘就像是画家绘画，第一步是选色，寻找适合的颜色，识别不适合的颜色，也就是说，潜在用户可以通过万科提供的线下来访数据建立一个样本，而潜在不可能成为用户的数据，万科线下数据显示不出来，此时可以通过大数据平台提供的数据，找出“杭州”“购买装修材料”等这些标签人群，这些人群近期已经购买了装修材料，很可能已经买房，因房子本身并非快消品，所以短时间内他们再次购买的可能性不高，当合适与不合适两个基数保持了差不多的数值之后，画家就相当于拥有一个强大的调色库，画家也基本掌握了他需要画的模型大致轮廓，一方面可以针对这个基本模型，推广大致适合这类群体喜欢的东西，另一方面通过总结出当前这个轮廓的特点，提炼出更细化的标签，再投放到调色库进行第二次选色，如果是古典风格就侧重淡雅，时尚情调底色就更重炫目，让轮廓的棱角鲜明，也就是对潜在用户肖像的进一步精确，而这个精确的过程是可以不断循环的，力求人物形象栩栩如生，也就是我们常说的潜在用户的精确定位，经过一次次用户标签的提取、调整、优化后，接下来运用达摩盘推广的意义就充分凸显出来了。因为达摩盘本身的数据是带有标签的，从模型提取和优化的标签进入达摩盘之后，就能够在较短的时间内，找到相同标签属性的数据，将他们转化为潜在用户，进行个性化推广，而基于达摩盘的营销推广效果，一方面可以通过线上点击率检验，另一方面更能够直接反映在线下到访率，再根据线下和线上的不断检验进行调整、优化，不断缩小精准用户的误差，提高个性化推广的转化率，最终实现利用大数据实现精准营销。

　　数据引发的情感营销

　　根据此前一轮的数据验证和纠偏，发现成交用户与来访用户与预期并不一致，预期的年龄层在21~40岁之间，而实际是在24~34这个年龄层，而且未必都是高学历，家庭结构上有48%的潜在用户是单身，并且数据也不能表明房产商强调的“学区”概念符合看房者的需求。

　　此外经过数据分析，还提供了一些线下数据未能反映的新信息，比如说，通过淘宝指数搜索“万科”的人群星座分析，可以了解到天蝎、天秤、双鱼座对不同产品的喜好程度，以及到西庐实地看房的兴趣分布，这些信息都可以作为线上线下推广时，可挖掘的用户兴趣点。

　　基于以上的数据和分析，参赛团队为了迎合年轻购房用户的情感共鸣，制定了一个主题为“梦想还是要有的，万一实现了呢”的营销方案，希望一方面降低看房物理成本，通过刚需情感营销，激发看房欲望，另一方面，

　　具体的营销环节，可分为为三个环节。第一步是沉浸式、体验式视频的表达，西庐的潜在购房用户年龄集中在24~34岁之间，也恰好是80~90这个年龄段，这个群体熟悉互联网，热衷于社交媒体，有分享的欲望，更关注与自身情感有强关联的事物，因而西庐的营销视频也会更倾向展现平民式的生活，根据线上已成交的用户数据显示，万科女性用户占比46%，男性占比33%，性别占比相对均等。

　　为了更好地达到营销效果，参赛团队还按照性别、情感与需求，制作了两个不同的视频，结合圈定好的人群，进行分开性别投放。针对男性用户，广告片主打励志、追求梦想，给人带来感性憧憬。在场景模拟上，讲述了一个中年男子，十多年前工作失意，看到了万科西庐的Solgan“梦想还是要有的，万一实现了呢”，备受鼓舞，发奋图强，在十几年后事业有成，买下了万科的房子，和家一起庆祝新年。而对于女性用户，团队则更加突出了享受和小资生活，以时间轴为导向，年轻女子在短时间内就能完成日常的各种需求，突出万科西庐在环境、消费、配套等刚性优势。

　　第二个环节就是在活动页展示主打的预约看房，推广“线上预约，线下看房”。同时在页面下辅推5万元线上认筹付款，可享受8万元线下使用的额度认筹优惠项目，通过这两个项目把线上的目标购房用户导流到线下，实现o2o的流量闭环。

　　钻石展位的可数据化推广

　　参赛选手与品牌方沟通后，把推广时间确定在了2014年12月29号~2015年1月11日，推广方式以钻石展位为主，而整个推广节奏共分四步。2014年12.29~12.31日为测试期，在西庐的推广页面中，通过图片的点击率、收藏、订单，去判定男女用户对产品的兴趣点。等到2015年1月1日~1月4日时，为重点培养期，通过站内无线、PC展位，站外的社交、视频网站，以及在测试期间效果较好的人群+图片组合，测试在哪个推广位，哪个时间段投放，更受用户喜爱。1月5日~1月7日的预热期投放和1月8日~1月11日为活动期投放也以此方式进行投放。

　　根据参赛选手的项目预估，钻石展位投放14天推广项目费用预计共需7.6万元，面向御膳房和达摩盘约17万人群推广，80%的钻展像淘内倾斜，以1%钻石展位点击率假设，进店人数达35000人，以假设1%转化率计算，预约成本每人只需要217元。若此方案落地实践验证有效，那么相对以往万科的营销推广成本，则大为缩减。

　　鉴于项目仍处于未论证阶段，成本、预算仍不可控。比赛评委在总结此项目时，提到了四点优势：其一，从投放流程角度而言，对传统投放流程进行了改进；其二，从用户需求分析角度，针对推广需求不明确，可能存在偏差的情况，现在的人群定位流程可以对目标用户群实现一定程度的反馈和纠正；其三，从数据使用、分析角度而言，针对线上小数据量、成交更依赖线下沟通的产品（如房地产）的淘系推广，通过线上数据+线下数据的模式，给出了一种可能的“基于数据的淘平台处理方法”；其四，从数据使用、分析角度而言，针对线上小数据量、成交更依赖线下沟通的产品（如房地产）的淘系推广，通过线上数据+线下数据的模式，给出了一种可能的“基于数据的淘平台处理方法”。

　　数据驱动营销，阿里妈妈达摩盘
　　

篇三 大数据,用户,投放
傅志华：大数据应用于市场与用户研究

傅志华：大数据应用于市场与用户研究

传统的用户研究包括品牌研究、客户满意度研究、商圈研究、市场细分、渠道研究、产品定价研究以及产品测试，这些研究大多数用市场调研的方法来实现。市场调研由于调研方法带来的诸多问题，导致结果的代表性、准确性以及研究的效率都存在不同程度的挑战。我们相信，随着大数据的发展，大数据将对市场与用户研究方法将带来革命性的变化。本文将介绍大数据目前在市场与用户研究方面的应用与探索。

一、大数据用于品牌研究

品牌认知度、品牌形象和品牌满意度研究是品牌研究的三大重要部分。 ∙ 品牌认知度是品牌资产的重要组成部分，品牌认知度是衡量消费者对品牌内涵及价值的认识和理解度的标准，同时也是公司竞争力的一种体现。 ∙ 而品牌形象是品牌在公众心中所表现出的个性特征，它体现公众特别是消费者对品牌的评价与认知，以及对品牌所具有的一切联想。品牌形象分为三个层级的形象：产品或服务本身的形象、使用者的形象、产品或提供者的形象。

∙ 品牌满意度是消费者通过对一个品牌产品或服务的可感知效果与对比预期相比较后，所形成的愉悦或失望的状态，可以不满意、满意、满足、愉悦等四种情绪，一个拥有高满意度的品牌，其顾客的购买率及重复购买率也在相应提升，因此品牌满意度的研究也非常重要。

在传统的市场研究中，品牌认知、品牌形象和品牌满意度研究是通过市场调查的手段来实现。在大数据时代，我们可以利用互联网大数据辅助品牌认知度、品牌形象和品牌满意度研究。我们可以通过网络爬虫技术，对新闻媒体、社会化媒体等网站实时全网监测，实时掌握网民对品牌和竞品的品牌提及量、产品提及量以及提及量的趋势，掌握自己品牌和竞争的品牌形象评价；通过品牌和产品的正负面评论的监测，及时了解对品牌消费者对品牌的满意度情况，及时发现问题。过去，进行品牌认知度、品牌形象以及品牌满意度的市场调研，从调查开始到报告产生，至少需要半个月到一个月，而且由于成本和操作性的限制，只能选取一

些代表性的人群和地点做代表性的抽样不够全面。利用大数据手段，我们可以实现更快更全面以及更真实的统计，这对我们及时的了解品牌认知度、品牌形象以及品牌满意度的现状和趋势非常有帮助。

二、大数据用于忠诚度研究

净推荐值研究方法是客户忠诚度研究中的重要方法。净推荐值（NPS）研究方法由国际知名咨询公司贝恩咨询客户忠诚度业务的创始人佛瑞德·赖克霍徳（Fred Reichheld）在2003《哈佛大学商业评论》文章“你需要致力于增长的一个数字”的文章中首次提到。该方法通过调查客户问题“您有多大可能向您的朋友或同事推荐我们公司的产品或服务？（0-10分）”来获得，根据客户的回答分数分成三组：

∙ 第一组给公司9分或10分，称之为“推荐者”（promoters）；他们是对公司产品或服务满意度和忠诚度非常高的客户，在当今社会化媒体营销时代，他们是公司产品或服务免费营销人员，他们会推荐朋友和亲人来购买。 ∙ 第二组给公司7分或8分，为“被动满意者”（passively satisfied）；他们对公司产品或服务既无不满意，也无满意的客户，较易被其他竞争者吸引。

∙ 第三组给0至6分，是“贬损者”（detractors）。他们对公司的产品或服务非常不满意，不仅仅停止购买公司的产品或服务，他们会尽一切可能劝周围的人不要买，同时会转向其他竞争者。

NPS值即为推荐者所占百分比与贬低者所占百分比的差值（如下图）。NPS的业务逻辑是：推荐者会继续购买并且推荐给其他人来加速你的成长，而贬损者则能破坏你的名声，不仅仅停止购买，而且劝说周围朋友购买，让你在负面的口碑中阻止成长，NPS则是反映了这两股力量较量的结果。Fred Reichheld实证研究证明NPS和长期利润成长有正相关性，NPS表现越好，未来企业利润的成长就会越好。

图：NPS计算方法【大数据,用户,投放】

大家可能会问，NPS分数在多少为比较理想的状态。实证研究表明，NPS分数在NPS的得分值在50%以上被认为是表现不错，得分值在70－80%之间则证明公司拥有一批高忠诚度的好客户（如苹果、Google等互联网公司的NPS超过70%），大部分公司的NPS值在5－10%之间，更差的公司NPS还可能是负值。当然，我们仅了解NPS是不够的，NPS本身不能提供具体的改进意见，我们还需要结合影响满意度的原因深入研究，尤其是对贬损者指标进行深入的满意度研究，挖掘“贬损”背后的原因。

大数据技术革新传统NPS研究方式。大部分NPS的研究其数据获取方式都采用调查问卷的方式，这种方式很容易受到抽样方式、客户心态甚至活动礼品等多方面的影响，导致数据失真。在大数据时代，NPS的数据可以来源于客服系统的语音数据和评价文本数据、电商平台购物用户的打分及用户评论文本数据以及社会化媒体如微博、论坛等的评论文本数据，这些数据我们都称之为“用户反馈数据”。我们可以利用语音分析技术、文本分析技术将这些非结构化的“用户反馈数据”结构化，从而更好的进行数据挖掘，识别“贬损者”和“推荐者”，全面和快速的计算NPS，并可以利用这些大数据，了解“贬损者”的“贬损”的原因。如果还能够把业务系统和运营系统的“用户行为数据”关联整合进来，我们不仅仅通过“用户反馈数据”了解用户“贬损”原因，还可以了解“贬损者”的历史“用户行为数据，将更有利于我们更好的洞察用户，更全面、更及时优化“贬损者”的用户体验和改进方向；同时可以定向为“推荐者”展开更多的优惠促销或者附加增值服务。通过大数据手段可以更好的实时掌握NPS，还可以洞察NPS“推荐”或“贬损”的原因，为市场推广、客户服务、业务运营等部门的关键应用场景提供决策支撑，有利于进一步提升用户亲密度和忠诚度。

三、大数据用于市场细分 市场细分是按照消费者在市场需求、购买动机、购买行为和购买能力方面的差异，运用系统方法将整体市场即全部顾客和潜在顾客划分为数个不同的消费者群（子市场），以便选择确定自己的目标市场。市场细分的基础是购买者对产品需求的差异性。但是，这种差异性一般很难直接度量，故常用其它比较容易度量以及和需求密切相关的变量来对市场进行细分。这些变量包括地理、人口统计学属性、行为以及消费心态等变量：地理细分是将市场划分为不同的区域市场，例如可按下列地理特征将市场细分：行政区划、城市规模、资源状况和气候；人口统计学细分人口统计变量来细分市场，常用来细分市场的人口学变量有年龄、性别、民族、居住地、家庭规模与生命周期等；行为和态度细分是根据消费者对产品的购买动机、购买行为和使用情况来细分；心理细分是按消费者的社会阶层、生活方式、人格特征划分为不同的群体。市场细分既可以按照以上单维度细分，也可以组合以上维度进行多重标准细分，同时按照多重标准可以将消费者分为比较小的、同质性更高的群体。

区别于传统的市场细分，大数据应用于市场细分在以下方面起到更为重要的作用：

∙ 数据采集的维度更为全面，数据采集更为实时，尤其是在行为数据的采集更为及时、细腻和全方位；

∙ 用大数据算法进行细分模型建模，可以吸纳更多的细分维度，从而可以细分出更小、同质性更高的细分群体；

∙ 数据更新更快，计算速度更快，市场细分模型更新速度更快，更能及时反映用户需求的变化，从而可以做出更准确、及时细分；

∙ 市场细分可以和营销渠道、营销活动进行实时关联和调优，通过大数据算法判定的细分群体可以实时的进行最有效营销活动推荐，并可以用大数据计算最为有效推广渠道触达这些细分群体。

四、大数据用于产品测试

产品测试指的是企业运用专业的技术手段和研究方法进行以获得目标消费者（或用户）对相关产品的认知或评价，以测试新产品的接受度或改进现有产品。产品测试在产品的各生命周期均有应用：

∙ 在产品的开发期，产品处于研发和概念阶段，此时可以对已有产品进行测试，以了解消费者认为需要改进的方面；或者对尚未成型的产品进行概念性的测试，指导产品经理对正在开放的产品做调整和改进；

∙ 在产品介绍期，产品准备投放市场以及刚刚投放市场不久，企业可以通过产品测试以了解最有效的销售渠道和促销方式，以及对产品的包装、价格进行测试；

∙ 在产品的成长期和成熟期，企业可以通过自身产品和竞争产品进行对比测试，及时掌握消费者（或用户）对产品的评价和态度；

∙ 在产品的衰退期，为了延长产品生命周期，企业会进行产品的改进或者产品新方向的测试。

以上不同阶段的产品测试，传统的实施方法一般是通过市场调查方式来实现，通常是对消费者（或用户）进行调查或者访问，利用多种访问或调查工具来实现。在大数据和互联网时代，我们可以用更快和更为准确的方式来进行产品测试。

在产品的开发期，我们可以通过电商平台或者微博、论坛等社会化媒体对现有产品的网上评论进行收集，通过自然语言处理和数据挖掘手段，以了解消费者的不满和产品改进方向；或者灰度测试来了解新版本的效果，即让一部分用户继续用老版本，一部分用户开始用新版本，如果用户对新版本没有什么反对意见，那么逐步扩大范围，把所有用户都迁移到新版本上面来。灰度测试和发布可以保证整体产品系统的稳定，在初始灰度的时候就可以发现、调整问题。在产品的介绍期，产品的包装、外观设计和价格等也可以通过灰度测试和发布的方式来掌握消费者的反馈以进行相关的调优。在产品的成长期和成熟期，我们同样可以通过大数据手段对电商平台和社会化媒体收集消费者对自身产品和竞争产品的评论，通过自然语言处理和数据挖掘掌握消费者对产品的不满，以改进我们自己的产品。像宝洁这种对传统市场调查非常重视的企业，目前已经逐渐开始利用大数据方式进行产品测试，尤其是通过电商平台对每一个产品都能收集评价和反馈，帮助产品的改进和创新。

篇四 大数据,用户,投放
解析大数据和用户即平台的商业模式

解析大数据和用户即平台的商业模式

来源：金窝窝

当数据的积累量足够大的时候到，量变引起了质变。“大数据”通过对海量数据有针对性的分析，赋予了互联网“智商”，这使得互联网的作用，从简单的数据交流和信息传递，上升到基于海量数据的分析。简言之，大数据就是将碎片化的海量数据在一定的时间内完成筛选、分析，并整理成为有用的资讯，帮助用户完成决策。借助大数据企业的决策者可以迅速感知市场需求变化，从而促使他们作出对企业更有利的决策，使得这些企业拥有更强的创新力和竞争力。这是继云计算、物联网之后it产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。后工业社会时代，随着新兴技术的发展与互联网底层技术的革新，数据正在呈指数级增长，所有数据的产生形式，都是数字化。如何收集、管理和分析海量数据对于企业从事的一切商业活动都显得尤为重要。

关键词：大数据，用户即平台，模式

大数据时代是信息化社会发展必然趋势，我们只有紧紧跟随时代发展的潮流，在技术上、制度上、价值观念上做出迅速调整并牢牢跟进，才能在接下来新一轮的竞争中摆脱受制于人的弱势境地，才能把握发展的方向。了解了“大数据”的“大”之后我们也该了解它所具有的巨大价值。就目前来说“大数据”的来源主要还是互联网，来自互联网上的大多数不被重视信息都是具有巨大开发价值的， 其具有巨“大”的商业价值，我们所缺少的只是一些数据分析等手段。例如：在如今，网购已经成为了一种风潮，网上也涌现了以淘宝、京东、亚马逊等一系列的购物网站。而在这些网站之中，顾客的浏览记录，购买记录等等都是一些巨大商业价值的信息。我们可以利用“大数据”技术收集分析，就可预测需求、供给和顾客习惯等，做到精准采购、精准投放，达到利益放大的效果。

从全球范围来看，很多人都把2012年看做是大数据时代的元年。在这一年里，很多行业在大数据方面的管理、规划和应用已经觉醒。电商、金融、电信等行业数据有着长期的数据积累。事实上，很多互联网公司，例如亚马逊、google、腾讯，更愿意将自己定位为数据企业。因为信息时代，数据成为经营决策的强有力依据，给企业带来了发展和引领行业的机遇。银行也同样拥有丰富的数据矿藏，不仅存储处理了大量结构化的账务数据，而且随着银行渠道快速渗透到社交网络、移动端等媒介，海量的非结构化数据也在等待被收集和分析。 未来的金融业将更多地受到科技创新力的驱动，也越来越倾向于零售营销：对于金融业来说，大数据意味着巨大的商机，可强化客户体验，提高客户忠诚度。大数据技术的发展带来企业经营决策模式的转变，驱动着行业变革，衍生出新的商机和发展契机。驾驭大数据的能力已被证实为领军企业的核心竞争力，这种能力能够帮助企业打破数据边界，绘制企业运营全景视图，做出最优的商业决策和发展战略。金融行业在大数据浪潮中，要以大数据平台建设为基础，夯实大数据的收集、存储、处理能力;重点推进大数据人才的梯队建设，打造专业、高效、灵活的大数据分析团队;不断提升企业智商，挖掘海量数据的商业价值，从而在数据新浪潮的变革中拔得头筹，赢得先机。

当今，大数据的到来，已经成为现实生活中无法逃避的挑战。每当我们要做出决策的时候，大数据就无处不在。大数据术语广泛地出现也使得人们渐渐明白了它的重要性。大数据渐渐向人们展现了它为学术、

工业和政府带来的巨大机遇。与此同时，大数据也向参与的各方提出了巨大的挑战。 大数据，其影响除了经济方面的，它同时也能在政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。“大数据”的影响，增加了对信息管理专家的需求。事实上，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。

而在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。大数据在个人隐私的方面，大量数据经常含有一些详细的潜在的能够展示有关我们的信息，逐渐引起了我们对个人隐私的担忧。一些处理大数据公司需要认真的对待这个问题。

大数据解决的核心问题

与传统海量数据的处理流程相类似，大数据的处理也包括获取与特定的应用相关的有用数据，并将数据聚合成便于存储、分析、查询的形式;分析数据的相关性，得出相关属性;采用合适的方式将数据分析的结果展示出来等过程。大数据要解决的核心问题与相应的这些步骤相关。

获取有用数据

对于实际应用来说，并不是数据越多越好，获取大量数据的目的是尽可能正确、详尽的描述事物的属性，对于特定的应用数据必须包含有用的信息，拥有包含足够信息的有效数据才是大数据的关键。有了原始数据，要从数据中抽取有效的信息，将这些数据以某种形式聚集起来，对于结构化数据，此类工作相对简单。而大数据通常处理的是非结构化数据，数据种类繁多，构成复杂，需要根据特定应用的需求，从数据中抽取相关的有效数据，同时尽量摒除可能影响判断的错误数据和无关数据。

数据分析

数据分析是大数据处理的关键，大量的数据本身并没有实际意义，只有针对特定的应用分析这些数据，使之转化成有用的结果，海量的数据才能发挥作用。数据是广泛可用的，所缺乏的是从数据中提取知识的能力，当前，对非结构化数据的分析仍缺乏快速、高效的手段，一方面是数据不断快速的产生、更新，一方面是大量的非结构化数据难以得到有效的分析，大数据的前途取决于从大量未开发的数据中提取价值。

开放平台

简单来说就是通过公开其API(应用程序编程接口)，将自身程序开放给第三方开发者;第三方开发者则利用这个框架，无障碍的使用现成的应用模块和程序。从Facebook的一炮而红，到谷歌、百度、盛大、开心网、新浪、腾讯的陆续爆发，开放平台让所有人见识到了其威力。

然而，就在众多开放平台还享受其红利时，“用户即平台——个人互联网创业平台推介会” 上，重庆大学国家网络空间安全与大数据法治战略研究院院长齐爱民教授则把眼光抛向了远方!

在会上，教授毫不隐晦的指出：开放平台其实更应该理解为开放企业，因为开放平台的开放对象往往局限于企业和机构。物联网时代，物物相连、万物相连，物联网时代更应该惠及每一个节点，即每一位用户，只有当每一个参与者都参与了，那才是真正的物联网! 鉴于此，教授在“开放平台”的基础上进而提出的一个新的电商模式理念——用户即平台，并将其以天价转让给了金窝窝。用户即平台，简单说就是改变用户永远是用户的被动消费局面，让用户成为平台，也就是说给每一个用户分配一个微平台，每一个微平台都具备电商平台的功能，增强用户的参与感和社会责任感。

从开放平台到用户即平台，是一个具有质的升华的重大商业理念的转变，研究其内核不难发现其优势：

第一，用户即主体。平台自身构成一个大的经济共同体，是主体，而不是被传播或者争夺的对象。真正形成忠诚的用户群体。

第二，用户即节点。每个用户都成为互联网上的节点，节点成为经济单位，真正实现大众创业、自由职业。节点是互联经济中的运营者、推广者和利益分享者。调动用户积极性。

第三，用户主导经济。在分享经济中，让用户成为主导，成为经济链条的一环，真正实现人人参与的经济和社会。

习大大提倡“大众创业，万众创新”，就是希望激发大众智慧，推动草根创业。“用户即平台”的理念，每一个用户都可以成为平台，成为平台业务的经营者，参与感、创业感和成就感。

篇五 大数据,用户,投放
结合大数据投放移动端广告才最有效果

结合大数据投放移动端广告才最有效果

近几年，传统体育品牌“李宁”一直在调整品牌营销策略，运动生活是调整战略后新聚焦的品类，定位为90后的女性消费者。那么问题来了，这个70年代的带有英雄色彩的品牌，该选择怎样的代言人来打动90后?

继续因循传统找世界冠军吗?对此，李宁通过大数据分析，对以往的代言策略果断地说“不”。高端营销推广平台鹿豹座带你走进传统体育品牌李宁的广告投放策略。

小营销成主流

暂不表移动端的营销，就营销本身而言，无论是传统的还是互联网的，无不趋向于找到更精准的目标客户群。而每一份营销方案中，关于广告投放对于目标客户群的到达率，都是重要的篇章。

在传统广告的模式下，目标客户的到达率，多是推测。比如一本杂志上的广告，只能通过该杂志发行量以及传阅率等数据进行预估。进入互联网时代，由于信息是交互的，打开网页是可以被精准监控的，但是依然无法确定打开网页的人是否就是目标客户。

在移动时代及大数据时代，PC端那种通过cookie进行所谓定向营销甚至已经被摒弃，通过大数据建立每一个ID的行为模型，在理论上变为可能。于是，精准营销再次成为热门话题，广告投放主们也开始跃跃欲试。

移动营销与过去传统媒体营销和PC时代营销最核心的本质区别是：在移动时代，每个消费者通过社交网络和智能设备，有了更加稳定的数字身份(Social ID和移动设备ID)。因此，企业面向消费者的营销，似乎有可能从一对多的广告时代，进入到一对一的连接时代。 近日，全球领先的移动互联网第三方数据挖掘和整合营销机构iiMedia Research(艾媒咨询)发布了《2015年中国移动营销价值与趋势报告》，报告显示，2015年中国移动广告市场规模将破560亿，总体呈现“变革转型+多强群雄”局势，短彩信逐渐退出舞台,APP广告发展

迅猛，移动营销逐渐进入大数据时代的小营销。

联想控股高级副总裁李蓬曾表示：“社交媒体的兴起、网民消费模式的改变，使得社会化营销的重要性日益突显，新的营销方式成为当前市场环境下企业成长的驱动力，而万众创业以及传统企业转型的大浪潮下，移动营销服务领域有很大的成长空间和投资空间。 大数据为何曾是伪命题

大数据的概念可能已诞生近十年了。在互联网产生之前，每一个人在整个社会群体中，都是一个独立的个体，其未来行为大概也只能通过“心理学”这种研究来进行普遍性预测，对于个人来说，具有相当大的概率偏差。【大数据,用户,投放】

而互联网下的大数据收集，每一个人通过互联网产生的行为都可以被记录，逐渐形成越来越详细的个人行为模型，进而可以精准的分析和预测。当然，不仅仅是个人，还有企业，以及股票或者经济趋势，似乎都可以套用。

什么是大数据?微车网CEO徐磊曾在媒体上说，大数据行业应该有三个特征。规模：如果没有足够大的规模就不可能抽象出来数据模型来做数据类比。映射：即如何将数据与人进行关联，并在此基础上，通过统计、演绎、归纳等各种方式，能把数据构象化。到达：数据到达用户才会发挥出它的价值，如果不能到达用户，即使再庞大的数据都是无意义的。 但实际情况如何呢?在大数据概念问世后的数年内，关于映射和达到，却并没有技术上的重大突破。数据，也就仅仅是一堆数据，而已。在实际应用方面，大多还是基于简单的应用。比如，在社交工具中，当你和朋友聊天，说自己感冒的时候，系统自动抓取到“感冒”这个关键词，并在聊天页面呈现某种感冒药的广告。

这其实依然是传统广告的思维——就是根据自我产品的特性，与目标客户产生简单粗暴的联系。但在互联网这种凡事讲求“用户体验”的平台中，效果其实是弱化的。这其中有一个最近广告主们都在追求的新名词——转化率。这也是精准营销被提出后，广告主们为了验证“精准

”而对投放平台提出的新衡量指标。

何谓转化率?简单来说，就是我投放了广告，你告诉我特别精准，那么我的目标客户群只是看到了，已经不符合我的要求，我需要他们真正转化为我的实际用户。

移动营销是策略而非规模

如果广告主的思维，还停留在对于广告位的“买买买“模式上，那基本上这个企业就可以被互联网时代抛弃了。甚至如果你还希望通过事件营销来四两拨千斤，那么基本上机会也很渺茫了。

在获得联想控股投资的发布会上，时趣CEO张锐谈到，如今的移动营销已不是最开始的微博段子那么简单，完整实现企业营销战略落地和效果，不但需创造内容、还要运用工具、分析数据挖掘、投放平台渠道。很多大企业却不具有这种创新外包的能力，不能依靠自身资源玩转儿这一系列的营销，这就需要借助外部平台来完成整个营销策略。

何谓策略?按照时下最流行的说法应该是：为目标用户创造一系列的产品使用场景和渠道。通俗点说，就是你不能仅仅设计一个画面，简单的表达你的产品信息。而是你要通过一系列的设计，让你的目标客户群的思维顺着你的引导，进而认可你。

最近互联网广告投放有一个特别流行的词，叫DSP，区别于传统的广告网络(Ad

Network)，DSP不是从网络媒体那里包买广告位，也不是采用CPD(Cost Per Day)的方式获得广告位;而是从广告交易平台(AdExchange)来通过实时竞价的方式获得对广告进行曝光的

机会，DSP通过广告交易平台对每个曝光单独购买，即采用CPM(Cost Per Mille)的方式获得广告位。

这里透露一个小案例。某特别“抠门“的P2P公司，特别喜欢采取DSP广告策略。其中的学问是这样的：A用户曾经通过百度搜索过该P2P公司(以下简称B公司)，之后几天忽然就在自己常常浏览的C网站、D网站、E网站等看到了B公司的广告，而这些网站可能只是很小众的网站。于是A用户就产生一种”错觉“，认为该公司实力很强，在全网大量投放了广告。但其实，B公司的广告，是通过DSP技术跟着用户走的，即A用户浏览哪家网站，哪家网站才会出现这个广告，而且只会出现在A用户的浏览页面中。

当然，这样的“小伎俩”特别适合P2P公司，尤其营销资金不足的初创企业，因为他们需要用户对自己资金实力的认可。如果是快消品，或者其他属性的产品，就需要匹配其他的营销策略。

回头说说李宁公司通过大数据选代言人的案例，具体的实操是这样的。

首先确定通过社交数据。之所以选择社交平台数据作为调研的样本是因为在社交时代，用户的社交ID是唯一的，而且每一个Social ID背后都会反映出他的社交兴趣，他的一些年龄性别特征，他的一些媒体特征，甚至他的购物特征。比如很多电商是以Social ID作为登陆键，绑定用户名和密码然后跟商务性进行关联，所以Social ID对于用户画像的完整性比cookie要好的很多，同时Social ID在加上一些短期cookie的话能抓住很多用户的行为特征，所以把Social ID为主线，cookie为副线就能把人的信息描绘的更加准确。

通过大量的用户数据和用户行为分析，确定目标客户群喜欢的代言明星是要拥有小清新、运动、时尚、阳光、韩流……这样几个标准。当然，这仅仅是利用大数据找到合适代言人的第一步，当找到代言人要拥有的特性后就要确定用户喜欢什么样明星了。

纵向上，基于数据对100位当红韩国艺人社交网络影响力进行了详细的分析与总体评价;横向上，从性别、年龄、地域、兴趣标签、语义情感等几个维度上把粉丝的集中倾向属性和李宁新产品系列调性进行了综合匹配，确保了其推送信息可以精准抵达目标消费者，并且这个抵达过程速度极快，范围很广。最终，通过采集、清洗、存储、计算并整合新浪微博海量微博内容数据及相关用户数据、关系数据等，在100位韩国明星中挑选出前30位明星作为李宁代言人的候选者。

为了能够让最终的代言人符合用户的需求，利用大数据在社交平台分析用户对于自己喜欢的韩国明星都会谈论哪些形象。最终，美丽，机智，健康，可爱……成为大家谈论最多词汇。当这些数据被抓取后，通过智能BI系统分析，找到了与李宁新产品系列属性相似的“连接”——韩国顶级女团少女时代成员郑秀妍Jessica。

鹿豹座认为其实，大数据技术的意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。此外，鹿豹座直属公司怒蛙网络是百度文库官方代理，可以承接企业百度文库官方认证及商业文库开户业务，如果您有相关推广需要，欢迎联系怒蛙网络。

篇六 大数据,用户,投放
基于大数据分析的用户体验设计

183中文社会科学引文索引（CSSCI）来源期刊艺术百家2013年第7期总第135期

HUNDＲEDSCHOOLSINAＲTS

文章编号：1003－9104（2013）07－0183－02

基于大数据分析的用户体验设计

郭美君

（南京艺术学院设计学院，江苏南京210013）

*

分享和应用数据的时代，企业利用其拥有的庞大用户数据优势，在要：大规模生产、

不同纬度进行数据的挖掘和分析，并用它来改善现有的服务或推出新的产品。文章从研究

摘

大数据发展起源以及大数据相关的用户体验设计入手，分析大数据研究方法与传统数据研究方法，在用户体验设计过程中的异同。并以企业和用户不同的角度探寻大数据发展的利弊，为人类运用大数据方法进行用户体验设计提出建议。【大数据,用户,投放】

关键词：大数据;分析;用户体验;产品设计;设计文化

中图分类号：J50

文献标识码：A

UserExperienceDesignBaseduponGrandDigitalAnalysis

GUOMei－jun

（SchoolofDesign，NanjingInstituteofArts，Nanjing，Jiangsu210013）

有明确用户需求的市场走向和趋势。

然而一直专注于数据研究的电子商务Amazon成为Google最大的竞争对手。早期Amazon便专注于掌握用户信息，曾与美国最大因特网服务提供商之一的美国在线服务公司AOL达成协议，为其电子商务网站提供后台服务，同时掌握用户信息，以帮助提高Amazon推荐引擎的性能。现今的实体电子商务更因其拥有消费者数据和物流供应链的数据，可以迅速建立与客户之间的关系，有效提升客户服务。广泛的用

Amazon更具体，户搜索中Google可以获得数据，在私人的客户交易数据中获取个人信息、个人偏好以及购物模式，专属性

大于预测性。

当然互联网公司获取数据的方式，除了线上服务，还包括旗下衍生出的移动终端。麦肯锡全球研究所2011年发布的一份报告显示，摄像头、手机和其它电子设备中安装了数以百万计的联网传感器，加之用户使用社交媒体网站，导致数据输出不断增加，直接催生了大数据的爆发。人们随身的移动设备、电子产品乃至路边的摄像头都可能成为数据传输的介质。Ｒenew公司在伦敦的垃圾桶上安装了追前段时间有报道称，踪器，不但可以相互联网，还可以记录经过用户的移动设备

一、大数据相关的用户体验设计

如今大规模生产、分享和应用数据的时代正在开启。移

动互联网，社交网络、电子商务与移动通讯把人类带入以PB为单位的结构与非结构数据信息的新时代。以Google为代表的国际互联网公司，已经利用其拥有庞大用户数据的优势，在不同纬度进行成功的数据挖掘和分析。

Google在全球建立了36个数据中心，目标收集全世界的数据资源，并让人人都可享受资源。Google旗下各种产品以及服务的提升都依赖于数据的收集，以及不断升级的数据软件的分析。Google利用特定的分析方法，可以得到与官方数

Google工据相关性非常高的预测结果，正如前几年流感时期，程师通过网上的词条检索记录并与过往数据进行比较，准确

地预测了季节性流感传播的地区，及时性超过了防疫站的提Google将庞大的数据转化为醒。运用数据分析的思维模式，有用的信息并应用到旗下搜索推荐、广告投放、交流和分享、开发资源、社交网络、地图、流媒体、统计工具开发、操作系统升级、桌面和移动应用开发，以及硬件开发的各方面，为用户提供巨大价值的产品和服务，并在一定程度上可以准确预测

*作者简介：郭美君（1989－），南京艺术学院设计学院在读硕士研究生。研究方向：设计管理学。女，汉，江苏南京人，

郭美君基于大数据分析的用户体验设计184

HUNDＲEDSCHOOLSINAＲTS

Mac地址，从而确认用户身份，再有针对性的投放广告。所以当人们在搜索界面键入信息，当人们路过带摄像头的垃圾桶，当人们开启身上的移动设备，一切与人类行为相关的信息即将被记载、被分析、被运用。科技公司运用先天优势，可以通过设备收集大量信息。如今可穿戴设备迅速发展，GoogleGlass、Fitbit、Pebble、JawboneUp、GalaxyGear都是可穿戴科技最前端的产品。这些贴身的可穿戴产品，大多以手环、腕表和眼镜的形式呈现，功能局限于手机设备的附属品和健康数据记录。典型的移动电子医疗公司Fitbit相继推出Flex手环和Force手表，可记录用户运动数据并且监测睡眠质量，再提供给用户从而了解自身运动和健康状况。因而伴随记录人们物理信息的电子产品的出现，不仅仅用户的行为或是储存在移动设备里的信息，生理信息也成为可以记录、分析的数据。

然而不同的企业在大数据的处理方法上却不尽相同。有些公司可能会收集到大量的数据，但是他们并不急需使用也并不擅长利用这些数据，如移动运营商可以从用户手中收集大量具有潜在价值的数据，但他们只运用数据解决技术问题。出于隐私以及法律保护，运营商开始并未将这些数据用来牟利，不过随着大数据潜在利润的显现，这一现状也有所改变。西班牙一家国际电讯公司便成立了子公司，向零售商和任何有需要的买家出售收集到的匿名用户信息。不过也有公司选Amazon便是如此，择雪藏数据，他们雪藏数据并不会出售给其

它利益方赚取收益。

常值，也可以进行全局的比较。不同于用户访谈和问卷调查的局限，互联网的迁移速度，加上用户行为方式的特性，它包含更多即时性的用户行为，可以作为预测用户行为或市场趋势的依据。

而用户体验设计的目的在于深入了解所要解决的问题和用户身处的环境，消除现有状况和用户期望之间存在的差距，以提供更好的体验。但是在用小数据调研方法收集了众多用户反馈和资料的时候，通常会发现用户研究自身的一些缺陷：用户的表达可能并不是他想要的，用户也并不知道最佳的解决方案是怎样的。所以大数据是相对客观的，它是人类行为的绝对显现。当样本足够大，研究结果就不会因为调研个体的不精确性而产生偏差。然而在大数据整体角度之下的精确性提升的同时，数据分析的角度也随之发生转变。

通常用户调研测试会安排许多因果性问题，试图让用户给出需求并提出解决方案。但由于上述的用户研究自身的缺陷，用户并非一定能准确无误表达自己的意愿，就需要设计师加深对用户意愿的理解。在一定程度上，设计师将凭借经验和直觉作为分析的准则来认知用户并提出解决方案。类似于，用户在特定情况下认为需要A，因而A是需求点；用户在又一特定情况下认为B比A强，因而B是发展的重点。因为因的不同，同样的A或B下会得出不同的结论，加之用户研究的缺陷和设计师不同的认知，传统的用户调研将是一件费时费力并且准确率有待考察的方式。所以由于不用考虑小样本数据的局限，在海量数据的存储下，量化两个数值之间的关系，利用相关关系解决问题比分析因果关系更简单、高效。类似于，数值A增加，数值B在跟随不断增加，可以利用A来控A的搜索量增加，制B的增长；或是在一定的范围，便可以预测A的趋势。从这一点上可以看出，大数据与传统用户调研的另一点不同在于，传统调研得出的结论是主观的需求和认知，而大数据分析可以直接得到客观的解决方案。

二、大数据下的用户分析模式

所有的公司都在挖掘可以无限利用数据并发挥它的潜在

价值的方式，首先便是获取数据。不过收集信息固然至关重要，但还远远不够，因为大部分数据的价值在于它的使用，而不是占有本身。

通常情况下，设计师通过用户访谈、分析用户问卷调查数据以及网站页面数据等方式，了解用户需求以及用户在使用产品时遇到的问题。大数据与上述调研类型的不同，在于取样的大小、方式和角度。从内容上说，首先要分析与目标相关的所有的数据，而不是依靠分析少量或特定的数据样本。其次，由于大数据的繁复因而多从整体的角度出发，不追求局部或个体的精确性。另外，更注重事物的相关性，不同于用户访谈和调查问卷对个体或现象产生原因的探求。

在信息处力能力受限的年代，由于缺乏记录、储存和分析数据的工具，企业只能收集少量数据分析解决用户问题。面对大量差异性的用户，一般选择随机样本或具代表性的样本作为对象进行用户访谈和问卷调查，目的用最少的数据得到最多的信息。但是两种样本都存在不可避免的缺陷，随机样本可能会将最具代表性的样本过滤，而具代表性的样本如果不是以所有用户为总体而选择，分析结果的可信度也将令人质疑。所以大数据提供了全数据模式的研究方式，可以以总体为样本进行深度探讨。所有数据的使用，可以避免遗漏异

三、大数据发展利弊

基于企业需要用新的因而大数据标志信息社会的到来，

思维开启新的价值模式。当数据不再是人类诠释世界的限制，企业需要改变传统理想中信息的使用和构成方式。挖掘数据的潜在价值，不仅仅是拥有、收集等待信息增值而是让拥有更适合角度分析的数据人去拓展数据的无限价值。聪明的企业用它来改善现有的服务或推出新的服务。但基于用户，在享受新的服务的同时也承担了巨大的风险。许多公司会利用客户奖励计划吸引用户自愿提供信息。对于广大用户来说，数据是否用于产品改进不得而知。即便完全基于自愿，仍然免除不了用户信息的窃取以及个人隐私的担忧。

人们在隐私问题上普遍担忧，科技公司在面对用户数据时无规章可循，因而在很大程度上全凭人们自知和公司自觉。在这一层面上，大数据时代如何平衡用户的利益和发展的利益是需要解决的问题。

篇七 大数据,用户,投放
大数据营销简介

大数据,用户,投放相关热词搜索：大数据广告精准投放 大数据 影视广告投放