大数据或将引领网络营销新时代
原标题：大数据或将引领网络营销新时代
百度青岛营销中心：如果奥巴马当年的连任证明了大数据的力量，那么特朗普的当选就刺穿了目前的大数据缺陷。
2012年11月，奥巴马击败罗姆尼重新选举美国总统。其背后的主角是奥巴马的数据挖掘团队，他一直在收集，分析和存储大量的数据，给他一个准确的广告购买决定，并且在罗姆尼的竞选基金上花费不到1亿美元。大数据显然更加准确的营销通过过程可视化。
但是，在2016年12月，特朗普赢得了大数据。微软Bing和统计学家Nate Silver都被称为数据奇才，但他们都没有预测希拉里·克林顿的成功，尽管在大数据方面取得了巨大的成功。
大数据还不足以被信任，还是升级到转折点？
大数据营销
大数据的作用就是找到规律
在互联网和大数据出现之前，我们用我们的经验来判断事情并采取行动。从本质上讲，经验是过去在人脑中积累的大数据的反映。
受益于计算机的发明，我们越来越能够处理数据，处理速度越来越快，随之而来的是互联网的出现，打破了空间的障碍，提高了时间的利用率，我们的数据搜索和收集已经成为了数据的深度和广度表明裂变的发展。
这两种技术的发展会发生什么？
基于过去，大数据采集和处理的下一步是帮助判断和预测未来，以促进当前的行动。在这方面最典型的例子是谷歌。作为全球最大的搜索引擎，Google在全球拥有以太网数据和36个数据中心。例如，Google Trends应用可以根据用户对搜索字词的了解快速检测并了解社区中的主要趋势。当您输入关键字时，Google即搜即得快速预测可能的搜索结果。据称，大数据每天为Google带来近2300万美元的收入。
那么营销大数据的价值呢？
商业环境受制于许多无法控制的外部因素。如政策，经济环境，社会文化等宏观经济因素与行业趋势，竞争对手，潜在替代品，消费者需求和企业内部管理微观相关。因此，企业更多地依靠大数据。商业互联网之后，提出的第一个口号是数据驱动型业务（数据驱动型业务）。
大数据的价值在营销上更为明显。比如：如何找到消费者的需求？如何绘制确切的目标受众？如何在正确的时间，正确的地点，正确的方式将正确的内容传递给正确的消费者？如何激励消费者？如何设计和制造最具市场潜力的产品？如何提高营销效率和投入产出比？ ...
要回答这些问题，我们必须全面了解涉及营销的整个过程，甚至是外部环境。大数据的作用是通过结构化和非结构化的数据收集，将过去看不见的，未定义的部分可视化，通过分析和分析找到规则，预测未来，帮助判断和采取行动。
毫无疑问，大数据的价值是显而易见的。但为了充分发挥大数据的力量，有必要实现挖掘更深，更细分的小数据和更全面，更短的全球样本的终极目标。
对更加垂直化、细分化的小数据的纵深挖掘
罗辑思维创始人罗振宇曾经说过这样一句话： 共享经济这件事其实遮盖了人类经济发展的总趋势。这个总趋势是不可逆的，叫分工再合作。
技术的发展带动分工的细化，而分工的细化保证了每个环节的专业化。精细化分工如同一个个齿轮，带动整个机器不断自我进化。
在互联网领域也同样如此。跑马圈地的草莽时代在2016年渐渐谢幕，地推、并购等粗放增长方式呈现乏力迹象，互联网公司开始专心打磨产品，向纵深的垂直化和精细化运营进化。
各细分领域开始出现新的独角兽，比如一些小而美的app：美食生活类app Enjoy、精品短视频app Eyepetizer等，都拥有了一批忠实粉丝。
此外，诸如BAT这样的大平台也开始了精细化、垂直化的探索。而他们的追赶者们也在垂直化的路上走得更远一些。例如搜狗，除了常规的图片、视频、音乐等垂直搜索之外，搜狗结合自身技术特点，先后与腾讯、知乎、微软、丁香园等展开合作，推出微信搜索、知乎搜索、英文搜索、学术搜索、明医搜索等更加精细化、差异化的独家特色搜索产品，通过满足不同需求，增强用户黏性。
在垂直领域的深挖，使搜狗创造了一系列差异化、垂直化的产品，聚拢了拥有差异化需求的用户群体，根据这些用户在垂直产品上的多方网络行为，建立了行业标签、商业标签、人群属性标签、地理位置标签等完整的一套标签体系，进而提高大数据营销的精准度，帮助企业进行更加精准的投放。
对更加广泛、甚至转瞬即逝的整体样本的全面覆盖
目前，几乎所有大数据营销产品和服务都是基于数据集市(data mart)的概念。简单来说，它基于某一需求，定向搜集相关数据构成大数据样本库。好处是目的和方向比较明确，如同一个人先产生问题再去寻求答案一样;但缺点在于，这种收集方式会在前期遗漏部分有价值的数据，或者忽视掉一些转瞬即逝的数据——正因为目标明确，反而只见树木不见森林。
举个例子：如果利用大数据来进行用户画像，这就产生了一大问题：先入为主的定向切入，使用于用户画像的数据并不完善，从而会影响到分析的精度，进一步误导营销决策。
在特朗普大数据民调失误这一案例中，分析师就是在希拉里必胜新闻的刺激下，错估了形势，预设立场，通过先入为主的定向切入，忽视了特朗普在佛罗里达和其他摇摆州的巨大领先优势，从而在数据搜集上有意无意地遗漏了一些重要数据。大数据的蝴蝶在收集端挥了挥翅膀，结论端差之毫厘谬以千里。
正是因为注意到了这一问题，现在业内开始有人重新提起数据湖泊(data lake)的概念。
数据湖泊最先出现在2011年Forbes杂志James Dixon所写的《大数据需要一个大的新型架构》一文中。与目标明确的数据集市不同，数据湖泊带来了更大的弹性。
简单地讲，数据湖泊倡导存储每一个可能有用的细节数据，把忽视的、遗漏的数据重新挖掘和存储起来，当需要时再进行一站式统一的、交叉的分析。这样做的好处是不遗漏任何有价值的数据，即使它非常微小、转瞬即逝、或当时看起来没有价值。
比如：在之前的大数据采集中，可能会漏掉潜在消费群的信息，忽略掉可能的销售机会。而尽可能采集更多更全面(哪怕是看起来不相关的数据，也可能内部存在一定的关联)的大数据，则有利于企业制定更精准的营销策略。
因此，数据湖泊的成立有赖于两个维度的拓展：上一节提到的垂直纵深数据的收集，以及更为广泛的全域数据的收集。
举一个更为微观的例子：欧洲一家大银行每年有650个直邮营销项目，发行的电子邮件直接邮件近6000万，但是其营销效率逐年下降。这家银行面临的问题是，虽然公司有不同的渠道接触客户，但是每个渠道都有自己的客户参与策略，这会干扰客户信息和历史数据，而不会形成客户关系的全貌。由于缺乏全球性的数据，使得公司无法根据客户的特点制定更准确的个性化营销方案。
如今，媒体分散和人口动员的趋势使得收集全球数据成为一项挑战：如何收集移动数据，如何跨多个屏幕获取数据，以及如何以各种形式收集越来越多的非结构化数据？
对于第一个问题，目前的解决方案是尝试覆盖尽可能多的移动通信入口。然后搜狗搜索，例如不仅有手机QQ浏览器，搜狗浏览器，腾讯搜狐等强势入口，2016搜狗与华为，三星，OPPO等各大手机厂商达成合作。据悉，每天有超过2亿手机默认搜狗搜索。
在移动时代，人们的行为不仅分化，而且使用的设备也越来越丰富多样。这引发了第二个问题：收集跨屏数据。搜狗无线终端和PC端可以依靠搜狗自己的账号系统，合作伙伴数据和第三方数据，实现多屏开放，无缝数据跟踪，在现场搜索，浏览和输入跨屏数据融合，提供更有价值的交货基础。
目前，即使在收集非结构化数据时，也仅限于文本，图片等简单表达方式，搜狗数据集合也跨越语言领域。 2016年7月，搜狗推出了语音引擎，不仅可以收集语音数据，而且可以理解和思考，从而提高语音识别的准确性，丰富数据收集类型。
更详细的垂直数据+多屏幕多源数据源凭借数据的准确性和全面性，借助于日益强大的人工智能计算和分析能力，大数据将为企业提供更加准确的决策，引导企业进入一个真正的聪明时代。
