何尺寸的限制， 因为随着时代的进步和发展， 大数据 本身的尺寸就是在不断扩大的。 据 CSDN 对 2011 年中国云计算的调研显示， 超过 50% 的企业目前每 日生成的数据量在 1T 以上， 超过 10T 的有 10% ， 甚 至有 5% 的企业每日生成的数据量已经达到了 50T 以上。
1
大数据时代的背景
〔2 〕 。大 量数据， 并命名与之相关的技术发展与创新 其大小容量并无任 数据是超出传统概念上的数据，
动力。搜狗营销事业部总经理洪涛指出 （ 2012 ） ： 搜 索本身就是大数据。 程士安 （ 2013 ） 认为： 站在学术 大数据其本质为市场信息沉淀的数 思考的角度看， ， 据 只不过现在说法上称其为大数据 。 基于大数据时代的到来， 以网络搜索和社交媒 体为代表的数字营销正在掀起一场新的营销革命 。 Google、 Facebook 等领先者， 通过大数据的挖掘、 追 踪、 分析以及投放等科技手段诠释了大数据营销的 力量。然而在国内， 网络广告投放正从传统面向群 大数据营销还处于起步阶段。 体转向个性化营销， 微软全球市场营销部亚太区总监杜美红认为 （ 2012 ） ： 大数据营销背后主要由云计算、 数据大爆 发、 社会化计算等因素推动。AMD 全球副总裁吴彦 群认为 （ 2012 ） ： 首先， 大数据可以定位细分用户， 帮 助我们制定个性化策略； 其次， 大数据可以做很多实 际的， 更加真实的模拟， 能够让我们的方案更准确， 从而提高营销投入的回报率。 李良荣 （ 2013 ） 认为： 大数据将开创市场营销的全新模式， 它意味着市场 研究以抽样调查为标志的这种调查方法走向了纯数 据的搜索， 市场营销、 广告投放从粗放型的预测， 走 向了精准预测、 精准投放。 上海聚胜万合广告有限 公司 CEO 杨炯纬指出（ 2013 ） ： 大数据不仅仅改变了 我们的网络营销， 其实还在改变着我们整个供应链 。

3
大数据营销瓶颈分析
大数据具有四个特点： 第一个特点是体量 （ Volume） ， 一般认为数据规模在 100T 以下得数据不能 称之为大数据； 第二个特点是多样性（ Variety） ， 大数 据不仅意味着数据量大， 还意味着种类繁多、 结构复 杂， 既包括结构化的数据， 也包括诸如文本、 图像、 视 频、 音频这样的非结构化数据； 第三个特点是价值
2
大数据营销的特征
大数据的快速发展是互联网全球化的结果， 是 使得网民的网络痕迹 社会化及云计算的广泛应用， 能够被追踪和分析， 从而形成海量的数据。 微软全球市场营销部亚太区总监杜美红认为 （ 2012 ） ： 大数据不仅用于工作和娱乐， 也用于教育， 甚至成为整个社交媒体、 健康和环境方面的创新推
34 辽宁科技学院学报 第 16 卷 文章编号： 10． 3969 / j． issn． 1008 － 3723． 2014． 03． 034
基于大数据时代的量化营销
刘雨枫
（ 兰州商学院 工商管理学院 ， 甘肃 兰州 730020 ） 摘要： 近些年来随着互联网全球化的加速 ， 社会化及云计算的应用 ， 大数据时代随之到来。 在这样一个数据爆炸的时代 ， ＲTB 广告竞价模式、 量化营销成为大势所趋 。文章作者基于对大数据时代的分析 ， 从信息推送、 数字营销三个方面阐述了大 并从数据采集、 数据分析和碎片化数据整合三个方面介绍了大数据营销面临的挑战 。 数据营销， 关键词： 大数据； ＲTB 广告； 数据采集； 数据分析 中图分类号： F274 文献标识码： A
收稿日期： 2013 － 11 － 15 作者简介： 刘雨枫（ 1990 － ） ， 男， 山东德州人， 兰州商学院工 商管理学院硕士研究生 ．
大数据记录了用户的行为习惯、 浏览习惯、 搜索 习惯， 并在的很大程度上收集了消费者看法 、 消费者 评价等大量信息， 透过数据能看到消费群分布、 潜在 用户分布， 通过解读数据可得到消费者消费动向 、 规 律和趋势。 1 ） 基于数据分析推送信息 现在通过大量数据的收集和分析， 知道了消费 者去了哪些网站， 搜索了哪些关键词， 我们就可以在 适当的时候推送相关信息。 Facebook 在全球拥有 9 亿用户， 其中日常活跃
〔3 〕
。 一层层地建立数据， 并从中找
有效地将预算合理 到与自己相关的有价值的东西， 地分配到为数众多的数据来源平台上， 才能让众多 的数据为我所用。 在这里， 要注意建立数据分析的预警点。 当大 量数据分析到某个程度， 达到某个指标时， 仍然得不 到有价值的信息， 企业就必须停止分析这个数据， 否 则会造成一种浪费。 3 ） 碎片化数据整合的艰巨性 在大数据时代， 有些企业往往不缺少数据， 问题 在于数据的碎片化。 数据散落在不同的部门， 散落 在互不连通的数据库中， 而且相应的数据技术也都 〔4 〕 存在于不同的部门中 。 营销者在企业内部需要 打通所有环节， 把这些数据进行整合， 把有效信息传 营销部门， 建立一个完整的数据 递到企业研发部门、 挖掘、 传递、 分析、 应用系统链条， 最大化大数据价 值。
4
结论
大数据营销市场在未来具有广泛的前景 。哥伦
36 辽宁科技学院学报 第 16 卷 比亚商学院调查数据显示， 在他们调查的大部分认 可并接受大数据营销作用的企业中， 只有 35% 会收 19% 会收集移动数据， 集社交媒体数据、 有 51% 缺 45% 承认公司没有利用数 乏分享客户数据的机制， 据有效地设计个性化的营销沟通策略。2011 年上 手机上网用户第一次超过 PC 端。 在未来， 移 半年， 动终端带来的信息爆炸将是企业不可忽略的数据来 源。基于大数据时代下的量化营销， 将促使企业从 中获益， 大数据将变成企业自身的竞争力 。
参考文献
〔1 〕Viktor Mayer － Schónberger ，Kenneth Cukier． Big Date： A Ｒevolution That Will Transform How We Live，Work，and Think 〔M〕 ． 浙江人民出版社， 2013． 〔2 〕Martin Klubeck． Metrics： How to Improve Key Business Ｒesults 〔M〕 ． 北京： 人民邮电出版社， 2013． 〔3 〕黄升民， 〔J〕 ． 现代传播， 2012 ， （ 11 ） ： 13 － 20． 刘珊． " 大数据" 背景下营销体系的结构与重组 〔4 〕 〔J〕 ． 价值工程， 2013 ， （ 30 ） ： 132 － 134． 宋宝香． 数据库营销： 大数据时代引发的企业市场营销变革
“大数据” 这个术语的出现最早可追溯到 apache org 的开源项目 Nutch。 当时， 大数据用来描 述为更新网络搜索索引需要同时进行批量处理或分 〔1 〕 析的大量数据集 。20 世纪 90 年代， 全球知名咨 数据已经渗透到 询公司麦肯锡在研究报告中指出， ， 每一个行业和业务职能领域 逐渐成为重要的生产 因素， 而人们对于海量数据的运用将预示着新一波 生产率增长和消费者盈余浪潮的到来 。 所谓大数据 （ big date ） ， 或称巨量数据， 指的是 所涉及的资料量规模巨大到无法透过目前主流软件 在合理时间内达到撷取、 管理、 处理、 并整理成 工具， 为帮助企业经营决策更积极目的的资讯 。是为了更 大容量、 不同结构和类型的 经济更高效地从高频率、 数据中获取有价值的信息而设计的新一代架构和技 术， 人们用它来描述和定义信息爆炸时代产生的海
Vol． 16 No． 1 第 16 卷 第 1 期 辽宁科技学院学报 2014 年 3 月 JOUＲNAL OF LIAONING INSTITUTE OF SCIENCE AND TECHNOLOGY Mar． 2014 32 用户高达 5． 26 亿， 每天新增 25 亿条分享内容， 27 亿条 “赞” ， 3 亿张照片， 亿条评论， 每天会采集到 500TB 左右的数据量。 淘宝网注册用户数量超过 4 亿， 在线商品数量达到 8 亿， 最高单日独立用户访问 量超过 1． 2 亿， 页面浏览量达到 20 亿， 每天产生 4 亿条产品讯息， 每天活跃数据量超过 50TB 。 企业通过收集和积累潜在用户的大量信息， 经 过处理后预测消费者购买某种产品的概率 ， 借助这 有针对性地传播 些信息可以给产品以精确的定位， 营销信息， 以期达到说服潜在用户购买产品的目的 。 2 ） ＲTB 广告投放模式 随着代的进步， 越来越多的广告主认识到传统 的地毯式广告投放的 ＲOI 偏低， 而大数据时代， 其 对精准营销的需求越来越急迫， 对优质流量的追求 越来越激烈。只有进一步将流量碎片化， 提供更强 大的投放定向和管理工具， 让合适的流量给合适的 商家， 才能使广告投放更精确。 精准的广告投放， 点对点的智能广告模式已成 为大势所趋。ＲTB （ ＲealTime Bidding ） 实时竞价， 是 一种利用第三方技术在数以百万计的网站上针对每 一个用户展示行为进行评估以及出价的竞价技术 。 ＲTB 对于广告 它的核心是 DSP 平台（ 需求方平台） ， 商和代理公司来说， 最直接的好处就是提高了效果 与投资回报率。 3 ） 改变企业和客户之间的信息不对称 基于大数据时代下的量化营销即数字营销， 是 通过借助于互联网、 电脑通信技术和数字交互式媒 体来实现营销目标的一种营销方式。 数字营销， 有 效地改变了企业和营销之间的信息不对称 ， 借助于 数据的传输， 实现了每件商品销售的可统计， 市场变 从而达到用营销数据来指导企业生产 ， 化的可预知， 指导企业营销策略的制定和实施 ， 减少企业库存， 加 快资金流动率。 戴尔模式是数字营销的成功典范 。其成功之道 不仅仅在于直销模式的开创， 而且得益于低成本。 高效率的营销和生产管理， 造就了最小的生产库存， 。 最快的资金周转 个性化的电脑定制服务， 一对一 的产品营销， 在于其对营销数据的深入挖掘和广泛 利用， 所以说戴尔完美演绎了数字营销模式 。 （ Value） ， 大数据包含的数据信息价值不言而喻， 但 同时也必须承认其价值密度比较低； 第四个特点是 速度（ Velocity） ， 大数据的增加速度和更新速度比较 快。 大数据的这些特点给量化营销带来了很多前所 未有的机遇， 在一定程度上也带来了很多新的挑战 。 1 ） 数据采集的局限性 在大数据时代， 谁拥有数据， 谁就掌握市场的主 但这些数据的拥有者 动权。数据规模虽然很庞大， 还是相对独立的， 数据的来源完全取决于数据拥有 者的释放程度。在国内， 互联网处于一个相对封闭 ， 的环境 企业对于数据的取得具有相当的局限性 。 另一方面， 大数据的采集面临一个很大的问题 就是个人隐私。 由于用户上网痕迹被计算机留存， 进而被互联网所统计， 使得用户个人信息暴露于外， 企业采集这些信息是否侵犯了消费者的个人隐私 ， 践踏了消费者的个人空间， 是否合法， 如何保证每个 将会是大数据处理需要面对的一个问题 。 人的隐私， 2 ） 数据分析的关键性 大数据中的数据是海量的、 无规律、 分散的。做 大数据， 首先要寻找自己的企业， 或者自己所在的行 业的核心是什么。 也就是说， 企业需要寻找自己的 这是关键。只有在此基础上， 建立自己的 核心数据， 核心大数据才是有效的， 才能做一些延伸。其次， 去 ， 。 找到一些外围数据 去慢慢地成长它 第一层是核心数据， 第二层是外围数据， 第三层 是结构化数据， 第四层是社会化的以及各种所谓的 非结构化的数据