网民洋洋来到一家淘宝商城选包包，看了一会儿发现没有合适，悻悻离去。哪想到，第二天早上却在浏览一家新闻网站的时候“无意中”又一次看到这个包包的广告，而这包包似乎变得“更可爱些”，于是又勾起了她购物的欲望。“奇怪了，昨天还觉得一般，今天却觉得挺喜欢的。”洋洋说。
这项反复跟踪推荐的技术，就是营销技术公司开发的所谓“到访定位”技术，针对目标用户进行再次营销，其精准的效果要大大好于传统手段。而这背后则是大数据分析在起根本作用，通过搜索引擎、云计算技术、统计原理等，智能分析用户数据库中每一个用户的网页浏览记录，提取正文关键词，找到用户兴趣关注点，然后对用户属性综合(行情 专区)分析，最后提供精确的细分服务、个性服务，达到营销目标。
重构精确营销模式
大数据时代之前，企业多从哪些平台提取数据、利用哪些营销数据?一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。
而其它85%的数据，诸如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据，和包括数据量更大、逐渐广泛应用、以传感器为主的物联网信息，以及风起云涌的移动3G互联网信息，等等，这些就是大数据所指的非结构性或者叫做多元机构性所需的数据。
几年前可能被置之度外，不会被运用，价值尚未被有效地挖掘，而今大数据能进一步提高算法和机器分析的作用，这类数据在如今竞争激烈的市场却日显宝贵、作用突出，并能被大数据技术所充分挖掘、运用。
对营销决策数据进行更好的优化。包括沃尔玛、家乐福、麦当劳等知名企业的一些主要门店均安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾问意见等是如何对物流和销售额的影响进行建模。这些企业可将这些数据与交易记录相结合起来，并利用大数据工具展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。
以前相关一些CRM系统，只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“你(用户)想要什么事发生”。 据称，集成整合Essbase服务技术的Oracle大数据平台已能为用户提供面向策略级、未知信息分析预测能力和个性化自助式定制等。
对目标对象进行更完整的分析、描述。通过获取更丰富的消费者数据，包括网站浏览数据、社交数据和地理追踪数据等，可以绘制出更完整的消费者行为描述。譬如，大数据技术能对客人方方面面的信息进行充分有效管理并深度挖掘。
如果某个客人是某酒店的老主顾，那么该大数据系统就会向酒店提供个性化服务，清楚告知酒店经理人这位客人的习惯和喜好，如是否喜欢靠路边，是否吸烟，是否喜欢大床，喜欢什么样的早餐，甚至从事什么工作，有什么商务需求，等等。当客人再次光临时，不用客人自己提出来，酒店大数据系统就会自动提供客人所喜欢的房间和服务等相关信息，大大提升酒店管理效率。
利用大数据中的语义搜索功能，系统能理解自然语言的含义，包括理解工作的头衔、技能、行业和教育等，除此之外，它可以做到智能地处理拼写错误、缩写、标点符号等更多问题，也能识别相同的词在不同语境中的含义，以更好地为营销管理服务。例如：销售经理，财务经理，人事经理，它们中都有“经理”二字，显然代表了不同的语义，借用语义搜索技术，能对目标对象实现智能的区隔、判断。
实现点对点智能广告模式。对于广告主来说，广告核心问题在于：如何从海量数据中寻找目标受众，并投放相应的广告信息。
时下广告不是点对点模式的，而是主从模式，象单个“老师”(产品)对众多满地跑的“学生”(消费者等受众)，可是“老师”却总是抓不住多数“学生”，把99%的广告费都扔了。随着大数据的发展，这些钱或会被一一捡回来。
大数据能通过互联网点击流，可跟踪个体用户的行为，更新其偏爱，并实时模仿其可能的行为，让点对点的RTB(实时竞价广告)成为可能。在美国，在大数据的帮助下，RTB能把炙手可热的目标用户，拍卖给广告商。以前，电梯里，上来一个秃头的中年人，如果你在电梯里打的是洗发水广告，那肯定瞎了。现在，有了RTB，广告将盯住不是满地跑的“学生”，而是那个喜欢看广告的目标人;广告市场上卖的也不是传统意义上的广告位了，而是访问这个广告位的具体用户。
那么RTB实时竞价广告系统是如何实现精准的呢?假设潜在客户在浏览某网页面，某网会向广告交易平台(Ad Exchange)请求广告。交易平台向所有需求端平台(DSP)发出公告，“某网有访客，要不要向他发广告”。同时，DSP请求大数据管理平台(DMP)帮助分析这位访客情况，并根据结果进行出价决策。Ad Exchange为出价高的DSP匹配相关广告代码，并最终作出广告。
今天尖端的追踪技术和多种的大数据管理平台(DMPs)可以将受众以及广告效果数据整合于单一界面上，让广告主轻易撷取关键指标，包括转化率、流失率以及各个渠道的贡献比率，等等。
更好地进行顾问式营销。比如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和主页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这一位顾客给出最佳的优惠策略和个性化的沟通方式。
如今在美国沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗?”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”
这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例。因为计算机系统早就算计好了，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、佐料了。而提供这一决策分析支持的就是其位于美国一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。
而1号店而利用对大数据的分析给顾客发送个性化EDM(电子邮箱营销)。若顾客曾经在1号店网站上查看过一个商品而没有购买，则有几种可能：a。缺货，b。价格不合适，c。不是想要的品牌或不是想要的商品，d。只是看看。若在顾客查看时该商品缺货则到货时立即通知顾客;若当时有货而顾客没有买就很有可能是因为价格引起的，则在该商品降价促销时通知顾客;同时，在引入和该商品相类似或相关联的商品时温馨告知顾客。另外，通过挖掘顾客的周期性购买习惯，在临近顾客的购买周期时适时的提醒顾客。
要为营销准备什么?
虽然大数据展示非凡的前景和巨大作用，不过，大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。但实际情况是，真正启动大数据营销，你面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构，来真正地挖掘那座数据金矿。
大数据的资源极大繁杂丰富，如果企业没有明确的目标，就算没有走入迷途至少会觉得非常迷茫。因此，首先，要确定企业运用大数据的短中期目标，定义企业的价值数据标准，之后再使用那些能够解决特定领域问题的工具。逐步推广，步步为营，不要把理想定得太高，否则失望会愈大。
企业运用大数据为营销管理服务之前，技术团队要到位是基础。企业的营销团队要能够非常自如地玩转数据。许多人认为社交媒体营销人是个有趣的工作，其实只是个艰苦的活儿。它非常注重数据、衡量标准和数据可视化等问题。要能熟悉驾驭，首先要确保企业技术人员已经接受过相关技能培训，了解如何最大化利用大数据的作用和潜力为企业营销服务。
企业启动大数据营销一个最重要的挑战，是数据的碎片化，各自为政。许多公司组织中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。营销者当留意的是，数据策略要成功提升网络营销成效，要诀在于无缝对接网络营销的每一步骤， 从数据收集、到数据挖掘、应用、提取洞悉、报表等。
要做好大数据的营销运用，其一，要有较强的整合数据的能力，整合与来自企业各种不同的数据源、各种不同结构的数据，如客户关系管理、搜索、移动、社交媒体、网络分析工具、普查数据以及离线数据，这些整合而得的数据是定向更大目标受众的基础;其二，要有研究探索数据背后价值的能力。未来营销成功的关键将取决于如何在大数据库中挖掘更丰富的营销价值。像是站内、站外的数据整合、多方平台的数据接轨、结合人口与行为数据去建立优化算法等都是未来的发展重点;其三，探索出来之后给予精确行动的营销指导纲领，同时通过此纲领进行精确快速实时性行动。
“决胜千里，运筹帷幄”，或就在大数据中!
