宝洁林丽：互联网经济和大数据营销！

 

（林总通过语音与大家打招呼）

 

郑晓东：在这个寒冷的冬至的日子里，林丽女士的甜美声音给我们带来了很多温暖，谢谢林丽女士。今天的分享课堂中还有一位神秘嘉宾，他就是戴尔大中华区企业技术战略架构总监许良谋先生。许良谋先生毕业于滑铁卢大学，且有计算机科学和商业系统学士学位，许总主要负责评估、制定和执行戴尔企业技术战略业务，为全球合作伙伴与客户提供技术顾问和支持。许总在跨国IT企业和存储领域拥有超过25年的丰富工作经验，他加盟戴尔之前，担任凤凰科技高级技术总监，负责该公司在亚太大区的客户服务和工程领域业务。在此之前，许先生为博科通讯亚太服务区任总监，位于90家遍布香港、中国、韩国及澳洲的科技公司进行业务评估和投资。

 

作为一家知名的世界五百强公司，戴尔一直以在全世界都采用网上直销的方式而闻名，这种特性也让他们在消费大数据方面积累了很多经验。应该说消费大数据是戴尔的核心竞争力之一。所以，今天我们请许总从大数据实际应用角度来讲讲戴尔是怎么玩大数据的，首先我们请林总给我们做一个开场分享，大家也可以和稍候林总的分享进行对比，看看戴尔和宝洁公司作为两个不同行业的业界标杆对大数据的认知有何不同，下面有请许总分享他的宝贵经验。

 

 

◆ ◆ ◆

分享嘉宾|许良谋

 

许良谋：戴尔公司在过去差不多三十年间，其实也是向很多成长中的公司，我们也是尽量的开展如何有什么科技的手段我们可以更加接近客户，而且更加了解客户这个需求，所以我们也是早在比方说1993年，然后用这种直销的方式靠近客户，然后在里面其实我们这二三十年里面也在很多发展中的企业里面，就是IT的架构到底如何发展，然后我们如何去尝试一些创新的业务或者是如何优化我们的数据或者是做更好的分析。所以在这里只是想和大家分享一些经验。举一个例子，我刚刚贴了一张图，这是我们公司戴尔公司内部，因为在不同的部门或者是无论是销售部门或者是中间我们的工厂，其实都在整个如何去改善我们的这个业务，如何加速更加做好客户的体验其实也是有很多的概念或者是一些主意。所以有的时候传统的IT部门因为大部分的架构都是拿来做支撑核心业务，比方说我们公司现在也应该有36个TB的数据量或者是我们自己的核心数据库也差不多起码有20个TB，但是在创新业务里面有的时候说怎么去尝试一些新的东西其实是不容易的。所以其中我们所做的一个方式就是在公司内部我们有一个900个部门的一个部门，我们把它叫做创新事业部，就是专门来支持各个不同的部门，无论是比方说在这个生产线里面如何能够把我们制造比方说主机或者是储存，只是显示器，如果我们能够争取快15秒，能够完成这个供需的话，也是对整个流程来说也是挺好的一个帮忙。所以这900个部门，这个创新事业部他们就会收集各个不同的BU或者是不同的销售的这些体验有一些新的主意。然后我们就自己在这个900个人部门里面我们也说那如何才能够去创新，所以我们自己就内部做了一个云平台。

 

 

 

我们自己内部把这个云平台专门来支持各种创新的主意或者是创新的业务的方式，我们把它命名叫创新云。因为大家可能也知道，在一个主意还没有真正能够落实，成为一个真正有产业价值的时候，我们也不能够做太大的投资。所以那时候我们就说为了能够节约成本，而且我们又是说想要尝试一些新的做法当时我们就用了这个来做一个开始，这只是一个例子，待会儿我还会分享其他的例子，在大数据方面，只是想说我们其实也很多公司依然就是说IT的发展中有很多应该走的路或者是有些应该要掉的眼泪，其实我们都尽量去尝试，然后看看如何能够加强自己公司的一个业务的一个速度来改善。

 

这个例子里面，比方说这个创新云，因为我们是用这个开元的这个技术来支撑我们整个创业业务部门的。所以那时候，因为我们自己本身的这个内部虚拟化或者是我们内部的私有云平台。事实上我们是用BMV来做一个大规模的一个部署，我们蓄积也超过差不多一万两千个蓄积，那个是生产信用的。所以当我们创新业务部门去做这个，来做这个资源和架构来支撑这些业务部门的时候，其实我们马上就看到一个情况，就是说这些业务如果尝试成功之后，到底 我们是如何去它顺利的去迁移从这个测试云，创新云，顺利的迁移到这个生产云里面，所以我们就看到有一些瓶颈是我们自己要解决的。所以当时我们因为有很多客户可能也是有类似在IT发展中，我们也是看到一个情况，就是说可能我们是首先用某一种技术手段先搭了自己公司内部的云的一个平台，来做这个资源的优化或者是加速这个业务的发展。但是因为有这种不同的创新的这个主意或者是部门级别，我们有自己个人的一些小云，所以一个不小心，我们也像很多公司一样，我们内部也是有进入这个多云的这个情况，所以到底多云的这个管理如何去做到多云的这个资源的统一管理或者是如何将这些业务从创新的主意能够顺利的迁移到这个生产云里面，然后包括如何去监控，包括这种开源技术我们到底如何去监控它的性能其实都有蛮多挑战的。

 

所以我们自己当时的这个创新事业部，它也是用了不同的方式，到底如何去做这个多云的管理或者是做资源的监控，所以那时候我们也看到公司内部是不是其他部门，包括我们软件部门是不是有一些软件可以用的，或者是我们自己本身没有这些软件可以来做这些多云的这个管理的话，我们是不是要去看外面这些软件公司，然后如果一些软件公司，我们用了之后也有特别好用的话，那我们是不是应该把它收购了，然后这也是其实在过去八年，其实戴尔公司我们做了很多收购，大家可以看到其中一个就是因为我们自己也像很多IT公司一样，我们自己IT内部的发展其实也是有很多需求，所以我们也是像很多企业一样，需要解决自己的IT这个问题。

 

所以在这里，这只是一个简单的开始，就是说当我们在看这个公司在发展中如何要去解决创新业务部的一些支持，我们也是比较大胆的尝试新的一些方式。刚才分享了这一个创新业务部门内部私有云的这个情况之后，刚才也贴了另外一张图，这是我们公司内部，比方说，我们如何把这个从这个订单系统如何进入我们的销售系统，然后引入我们后台制造系统。事实上我们经过这个流程也是挺多的，戴尔内部今天也大概起码有1400多个应用，然后我们也需要从不同的应用里面的数据库去采集所有相关的关键数据之后，然后我们也像很多企业一样，我们也是需要购买，比方说这种，能够做数据仓库，能够帮我们去做分析的这些软件。所以当我们这些全部做好之后，所有的业务，我们从我们应用的数据库都能够抓到我们的信息，然后通过转换之后我们就可以灌进去。比方说这个数据仓库的这个数据库来做这个分析，但是大家也知道，无论是销售部门或者是生产部门，等等部门都对这些数据的各种不同的分析的角度，各种不同的维度都有各种要求，或者是只有更准确更精密的这种分析报告，所以很快的，当我们部署完我们的数据仓库之后，我们自己就感觉到这个速度事实上是越来越慢，因为我们这个要做分析的报表也越来越多。所以当时我们也是在考虑如果我们是有一个，比方说从数据库到数据仓库的一个这样的平台的话，那速度提不上来，我们应该如何去解决。

 

所以在这个环境里面，当时我们就看到，当数据这个领域里面其中有一个技术，基本上它是用多极点，就是多台主机的方式能够做这个并行处理和并行计算的，我们觉得这个可能是一个好的方式，因为我们也像很多企业一样，我们应该是没有这个可能，全部东西都把它全部推倒重来。所以当时我们就是说是不是可以用这种多极点的这种统一平台，而且同一计算平台能够把我们这个数据仓库去加速。所以当时你可以看到，从这个梯度里面，我们有了整个心里的流程，就是从数据库，这个架构之后，我们为了提速，我们也加了这个（13：54英）来做我们大数据加速的一个环节。

 

我刚刚也贴了另外一张图，就是说戴尔公司在IT发展中我们也是比较大胆自己是想用不同的这些新的技术或者甚至技术来帮助业务或者是我们从销售整个环节到分析报表如何去加速。有的时候我们自己作为一个IT公司，当我们取得如果这样的一个方式，通过我们自己内部验证过之后，如果真的是能够不只是帮助到戴尔自己本身，其实类似这种经验可能也是可以分享给我们其他的客户。所以有的时候，如果我们自己内部看到它的具体的效果之后，我们觉得其他企业可能也是有相同的这种痛点的话。那我们就说，那不如经过我们类似这种电池我们去更加进一步的去验证。

 

所以在戴尔全球我们有三个挺大的规模，就是专门作为整个解决方案的一个测试中心，而且这个测试中心我们是一种生态的方式来进行去维持的。因为某一个版本验证过之后，这个版本软件可能是6个月之后还是12个月之后，可能又有新的版本，那新的版本是不是对原来的这种架构是不是能够继续保持它的加速，能够产生它的业务的价值。我们都希望能够测度一点，然后把这些比较详细的这些步骤，而且就是能够避开，我们尽量都把它撕的比较齐一点，然后也把它全部登记进来，然后一个一个都变成是白皮书。所以在这里我刚刚也提另外一张图，这个就是通过我们刚才所说的，我们公司从调到我们生产的流线，到我们做各种不同的报表的这个优化，然后我们觉得的确是能够帮助我们数据仓库加速之后，用我们的实验室再进一步丰富整个方案之后，我们再把这个白皮书，无论是整个架构层，或者是逻辑管理层，我们在里面我们碰到的这种问题，我们如何解决，我们都把它一个一个的变成一些白皮书，然后我们都是免费的是和这个客户或者是我们的合作伙伴去分享。其中一个地方说，在这个梯度里面，因为它的发明者，他是用他女儿的玩具，一个大象来做一个玩具，但是我们发现有很多人事实上可能是不开心的大象。刚才那一句可能没说完，作为一个新一代的大数据的这种技术，因为它的这个发明者，他的女儿是手头上有一个大象的玩具，所以他就用大象的方式来命名这个是什么东西，比较形象化。然后我们就希望，如果是大家在尝试用，比方说像我们刚才的是如何通过这种新一代这种多体制的架构来提速公司内部的这个树立的话，我们也希望能够跟大家分享多一点，通过白皮书或者是通过试验者的这种验证。所以这是第一个，戴尔公司在内部的大数据其中一个，我们就是拿它来当成是一个提高效率的其中一个方式。

 

然后在这里我刚刚也贴了另外一张图，这是另外一个我们公司内部的一个也是另外一个大数据的一个内部应用的一个经验和大家分享。因为如果大家曾经知道戴尔这个公司，比方说我们销售的这个体系，也知道我们对执行这方面我们是抓的很紧。然后其中一个就是说对整个营销环节，就是如何做到精准营销，我们只是说只有更快更准确，比如说比较满意。所以比方说举一个例子，每一天销售卖了多少东西之后，我们都希望最佳情况之下都是第一时间能够知道当天营销的一个情况。所以当时我们其实公司一直都有一个系统，一直帮我们去协助如何去做这个精准营销。传统的精准营销基本上我们有可能差不多要等上两三天之后，我们才知道两三天前到底我们具体当天全球我们到底卖了什么东西，见到什么客户，通过什么渠道，然后具体发明的到底是什么一些。因为能够控制这个物料决定性，而且能够控制这个物料的价钱，其实这个对整个我们销售体系来说都是一个挺好的竞争的一个优势。所以当时我们就对我们整个精准营销系统，我们觉得应该是有这个必要继续再深化多，让它更快。所以当时我们在看这个IT的技术手段的时候，能够有什么方式，能够让我们更加去快速的执行我们各种不同的精准营销，文书报告或者是深度检查各种细节方面的，我们就发现在整个大数据领域里面其中有一块是叫做内存式的数据库，比方说尤其是企业级的这一个内存式数据库，是SAP公司它推出来一个，所以我们当时大概是去年年终的时候，我们就开始这个项目，然后我们差不多是今年年初2015年也是完成，然后我们也很成功的，是把我们整个精准营销传统的这个市场压缩了差不多二十几倍。因为这个效率的这个提升，帮助我们自己内部也是很大。SAP，因为我们这样的成功实施引发了一个全球最佳的一个实践奖。所以在这里刚才所举的这两个案例，有的时候比方说我和一些企业的朋友们在聊的时候就说，今天可能在大数据的这三个字可能都是一些天马行空，好像很多可能性都有可能，但是具体在公司内部我们到底是如何去把这个大数据应用好。然后基本上我们看到可能它有几个领域我们可以去尝试的，刚才只是和大家分享了两个不同的方式。一个我们是通过这种大数据的这个技术手段来帮我们传统的数据仓库这种分析来提速。然后另外一个很大家分享的案例就是我们通过比方说这个数据库来帮我们提升，压缩我们基准营销的过程。

 

我差不多时间也快到了，最后我一直是想和大家分享，因为当我们自己内部既然这个SAP也觉得我们对SAP这个使用来做我们精准营销也是挺好的。然后我们自己也是可以和很多企业分享的，然后我们就进一步通过我们的实验室，然后再把我们SAP各种比方说企业所需要的，就是数据的这个辈份，然后进一步如何优化数据执行程序的提法，尽量把这个方案做的比较丰富之后，然后把我们的最佳实践来和大家分享。

 

我今天分享的基本上就是到这儿了，谢谢。

 

 

◆ ◆ ◆

分享嘉宾|林丽

 

林丽：大家晚上好，我是宝洁公司的林丽，非常高兴有机会和大家一起来谈一谈消费互联网和大数据营销。我在宝洁公司工作了18年。在宝洁公司的18年里，我做过不同的领域，一开始我是从供应链这个领域做起的，开始做中国的工厂和市场的供应链项目。然后负责亚洲的供应链，在2006年的时候我被派去美国负责美国的供应链和全球的供应链的S2C解决方案。2009年回国后,我负责了中国的宝洁的全面数字化项目，希望把宝洁公司建造成数字化的公司。接下来我负责全球的宝洁公司的销售解决方案的品类解决方案，门店解决方案等。现在我做的工作主要是两部分，一部分是负责亚洲营销解决方案，一部分是负责亚洲的数据和分析的IT人员。这两块跟消费互联网和数字营销，跟大数据有着直接的关系，这也是我们今天主要谈的内容。

 

IT在宝洁公司内部，我们主要致力于我们叫业务的变革。我们坚信信息技术是改变生意模式和方法的一个主要原动力。我们也在看在这个大数据的时代，用IT的技术结合大数据的这个力量，推进公司的营销变革。

 

讲到这里我们先讲一下消费互联网，其实互联网的增长是大家有目共睹的。在过去的五六年中，互联网经济的增长都在我们国家GDP增长的5—7倍，2014年的时候达到了8000亿人民币。当然我们也看到互联网经济的增长是从2011年开始放缓，从2011年的62.7%到2014年在37%左右。在现在的互联网经济的大部分其实还是以消费互联网为主，工业互联网现在在逐渐的成长，希望工业互联网会变成这个互联网经济将来成长的其中的一个非常好的动力。

 

在今天来说消费互联网仍然在持续的发展，发展的主要动力主要来自下面几部分：一部分是最近都非常热的跨境电商，把国外的好的商品拿回国内给消费者，以及把国内的商品运到国外。第二部分主要是渠道下沉，致力于使中国生活在乡村的人也开始使用互联网，也开始使用网购。那这一部分主要以淘宝的村淘和京东下乡为主要的领军者。 第三部分主要来自O2O，致力于把online和offline相结合， 大家也看到有很多O2O的公司现在开始迅速发展，有很多线下公司做O2O扩展到线上，也有许多线上的大公司开始做O2O涉足线下。比如阿里支付宝阿的O2O，腾讯的微信支付的O2O，以及你们也京东开始划出另外一个公司来做O2O，包括线下的华润万家，沃尔玛也开始做O2O，所以O2O会是消费者互联网继续发展的一块主要动力。

 

最后的一部分主要动力其实就是物联网，我们刚才谈到说除了消费互联网以外，还有一块就是工业互联网，其实消费互联网和工业互联网是有一定联系的，这就是通过物联网，包括穿戴设备，智能家电，智能家居。用这些智能设备在消费者身上的使用，让我们把人的世界和物的世界能够更好的打通。消费互联网就在未来的一段时间，会持续的发展，虽然我们认为说这个增长率会继续降低，但是仍然会是一个非常重要的中国经济发展的组成部分。包括我们刚才讲的跨境电商、渠道下沉、O2O和物联网会继续推动消费互联网的发展。

 

好，讲完消费互联网之后，我们回过头来讲大数据营销。我的这次演讲代表个人观点，不代表公司。 我在这里短暂的介绍一下宝洁公司。大家可能都知道宝洁公司是全世界最大的一个消费品公司。最初的品牌管理理念就来自于宝洁公司。我们知道的哈佛大学MBA的很多经典案例也来自于宝洁公司对品牌的管理的实践。 现在的社会，数字营销以及大数据的利用已经变成主流。在这种情况下，作为传统的龙头企业，宝洁公司就在思考怎么样能够跟上和引领时代的步伐，利用精准营销，利用大数据，利用数字媒体，做一个营销上的革命。在这个方面宝洁公司已经做了非常多的尝试，我们在美国，包括中国我们已经建了自己的DMP、DSP，我们有自己的CRM系统，媒体投放系统，在中国来说，在CPG行业,很少有公司有能力做这样全方面的数字营销。

 

在BI的大数据的应用的方面，我们也有很强的经验。 在国外在BI的这个领域，在前十年我们每年都有不同的奖项。两年前中国的BI团队也获得了CIO经理世界的最佳BI团队的奖项。我们不停的去尝试怎么样用大数据来帮助生意的发展。十年前，我们就开始建立中国的数据分析团队，做各类数据分析。我们现在又在分析团队上又建立了数据科学家团队，来做数据模型。这些数据模型可以提高我们营销的ROI。

 

现在我们来看一下营销理论的演变过程。营销的理论其实一直都在不停的随着市场的变化而演变。大家可以看一看我发的图片。 在20世纪60年代的时候， 市场正处于卖方市场。在这个时候，这个营销理论叫做4P理论，主要以产品为主，相信如果有良好的产品，有适当的价格，有畅通的渠道，适当的做一些促销，那么产品就可以满足市场的要求，品牌就可以得以营销。当到20世纪九十年代的时候，市场已经从卖方市场转向了买方市场。那在这个阶段，其实4P的理论已经不是非常适合形势了，所以就创造出以追求顾客满意度为目标的4C理论。这个是美国营销学家劳特朋教授提出的，4C理论就包括消费者，产品成本，便利度和沟通。除了我们要知道怎么去满足消费者的需求以外，很重要的就是沟通，能够把产品的好处和产品的特点有效地沟通给消费者。到了21世纪初市场竞争就越来越激烈了，4C已经不能满足了，于是大家开始使用4R理论，4R理论是以顾客忠诚度为目标， 包括关联，反应，关系，回报。4R跟4C主要的区别就是要与客户建立和保持良好的关系， 就是说客户的忠诚度非常重要，我们需要看怎么样利用CRM的这种模式来跟客户建立一个长期的关系。现在我们发现连4R理论也不是非常好用了。因为在互联网和大数据的冲击下，消费者已经非常个性化。一个澳洲教授做了忠诚度的研究，研究结果是说现在客户的忠诚度已经越来越少了，他用数据表明，即使大家认为非常有忠诚度的品牌，像苹果，它其实大部分的销售额都来自于新的客户，而不是老的客户。那么我们如果只看客户的忠诚度，大量精力花在老的客户上，是没有办法成为这个市场增长的主要动力。用户会越来越减少忠诚度，而希望去不停的尝试新的东西。所以在这个情况下，4I理论就变得非常的重要。4I是以客户互动为目标的理论，包括趣味，利益，互动，个性。我们要有趣味的概念，要有一个能够跟消费者互动，要不停的互动的营销模式，还要能够给消费者一个非常个性化的服务和产品。

 

说了这么多，我们从营销理论的演变主要是来说明，以前那种基于产品好我就卖得好，后来是基于我广告好我就卖得好，再接下来到CRM建立关系好我就卖得好，到现在我们必须要以消费者为中心做精准的营销才能够达到好的效果。大数据怎么样能够帮助我们去做到这种精准营销呢？我们来看一看我刚才发出来的这张图。 我们认为用大数据要做精准的营销，首先要找到合适的人，然后再给他一个合适产品。举个例子，我要找到这个人，他是洗发水的用户，接下来我要给他找到合适的产品，是应该推荐他潘婷呢还是海飞丝呢，还是沙宣呢。如果我们知道了这个人应该用这个产品，接下来要用一个合适的沟通渠道来对这个人进行沟通。因为每一个人的习惯是不一样的，有一些人他非常喜欢看电视节目，那么用电视广告的方式沟通是非常有效的。但是有很多年轻人都不看电视了，那么他们可能对某些APP，或者对一些网站会非常经常光顾，那么就需要通过这些网站来跟他们沟通。即使在同一个网站，举个例子，如果你在淘宝的那个主页上，有些人会更注重看淘宝顶页的那个广告，也有人会更加看右边的广告。那根据每个人的这个习惯不同，我们也应该要看把广告放在他习惯关注的方位，这样子，使这个沟通能够达到最佳的效果。

 

除了沟通渠道以外，我们也要找一个合适的沟通时间和沟通场景。沟通的时间场景不同，效果有非常大的不同。那我们曾经做过一个实验，在给同一个商场的会员给同样一个促销，用两种方式触达到他们。一部分会员，我们用打电话的方式触达他们，我们打电话给他们的时候，他们大多都不在商场里，或在家里或者在公司， 我们告诉他说，我们会有这样一个礼品给你，请你到商店里来拿。这种情况下，回来取礼品的人基本上只有5%以下。另外一批人，我们用的方式是当他们去店里买东西，当他们去交钱的时候，收银员会给他一张单，告诉他说，他可以去取这个礼品。我们发现这样的方法，取礼品的人能够达到70%以上。也就是说如果在一个合适的地方，合适的时间跟他沟通，效果会非常非常不一样。我们也听到招商银行的分享，如果在平时发短信或者广告给大家说，你们可以做贷款，贷款利息很低，基本上非常非常少的人会愿意去做贷款。但是他们尝试过当有人在购物的时候，正准备买非常贵的东西，比如说在网上买iphone的时候，在屏幕一边出现提示，你可以用低息贷款来买，这时候这个转换就会比较高。总的来说要找到合适的时间场景对转化率是非常重要的。

 

最后一点就是心动的促销，那么这个就包括说，如果这个人看到了这个产品的介绍，有一个非常合适的内容。但是怎么样能够让他转化购买呢？这就必须有一个让他当时心动的促销，让他立刻决定购买。这个心动的促销对每一个人也是非常不一样的。有些人对价格很敏感，你如果告诉他说你现在买，我就可以给你一个折扣，他就非常容易购买。但是有一些人对价格不敏感，你给他这个促销方式就没有什么用。有些人是很喜欢有新鲜的产品，你告诉他说如果你买这个产品，我就会送你一个还没有上市的一个新产品的试用装，他就可能会动心。还有一些年轻人，我们看到说如果告诉他说，他会拿到一个他的心中明星的签名卡片，或者说有机会抽奖去参加一个演唱会，他们购买的可能性就大大提高。

 

综上所述就是说大数据精准营销其实是一个相对非常复杂的事情，我们要找到合适的人，要给这个合适的人一个合适的产品。然后找到合适的沟通渠道跟他沟通，在一个合适的时间和场景下跟他沟通。要创造出给他合适于这个人的创意内容，给他让他容易接受，让他一个心动的促销，那在这种情况下才可以做到最大程度上的转化。 每一个产品，每一个公司品牌的特性不同，我们讲的这几个因素中对品牌营销的重要性就会有不同。

 

那我们讲一下说，我们怎样才能达到上面所讲的目的，能够真正的做到这样的精准营销呢？我在这里给大家传上一张图，这就是我总结的三个大步，每个大步里面有三个小部分，总共九个步骤来帮助我们做到大数据精准营销。

 

从大方面来看其实是三部分，一部分是收集大数据，了解每个客户。这个不是说我去了解这个客户，作为一个群体，而是要了解其中的每一个客户个体，他是谁，他是什么样的一个人。并且了解买我品牌的客户是什么样人。然后第二部分就是说在了解了客户后，我怎么样用大数据进行精准营销，给他们推荐合适的产品，然后能够促达这些人。然后第三部分就是说我怎么样丰富大数据以建立起长期的关系。这个建立长期的关系不一定是要建立这个忠诚度，这个长期的关系是建立互动，深知，所以了解它的更多。那么在下一次，我去做精准营销的时候，我可以给到更精准的产品，更精准的场景以及更精准的内容。

 

我想今天没有时间把这个九个步骤一步一步的细讲，我就用几个例子，大概介绍一下其中的几个步骤。如果大家有兴趣深度了解每一个步骤的具体介绍，可以去看一下《大数据管理》那本书，在这本书里我把这个九步讲的会更清楚，会更具体一些。

 

 

 

那我们现在一起看一下搜集数据。我们必须要先讲两个概念，要收集什么样的数据，从哪里收集数据。收集数据就是要收集客户的身份信息、行为数据和他的交易信息，从各个纬度去了解我们的客户。在这个数据收集的过程中我们也要看什么样的数据来自第一方数据、第二方数据和第三方数据。因为第一方数据、第二方数据和第三方数据收集的成本和能够收集的数据的可靠性都是极大不同。 第一方数据是指企业本身能够拥有的数据。这一部分当然成本最低，可靠性最高。

 

第二方数据是指我们在跟我们的合作伙伴合作时通过合作的协议而得到的数据，这部分需要一定的成本，成本就是我们需要继续这个合作，当然这个成本也相对还是比较低的。但是可靠性也是有限的，基于这个合作的改变，那么这个数据的来源也会改变。第三方数据是指我们通过购买而取得的数据，那显然第三方数据的成本是比较高的，它的可靠性是比较低的。在中国目前第三方数据是比较少的。不像在美国已经有比较成熟的数据买卖市场。在中国很多有数据的公司都不卖数据，所以数据的买卖市场还是非常不成型的。在这个过程中大家一定要搞清楚我需要哪些数据去了解我的客户，我需要这些数据，哪一些可以通过第一方数据来收集，第二方数据来收集，哪些我必须通过只能通过第三方数据的收集。我觉得每一个企业要做大数据精准营销的话，必须先制订一个数据战略。 只有数据战略做好，公司才会有目的性的去收集数据。

 

值得一提的是，在搜集数据上，特别多的公司老是觉得说自己公司没有数据。 其实，在我看来各个公司自己都拥有非常多的数据源，每一个公司，特别是在消费品公司，在跟客户的交流过程中有无数的触及点。如果我们能够运用每一个触及点去收集数据，第一方数据可以变的非常丰富。做的比较好的几个例子，包括三只松鼠。大家可能都知道三只松鼠是非常出名的零食品牌。你可以看到他们在所有的包装盒上都印有他们的三个二维码，你要是习惯用微信的你就扫微信的二维码，微博的就扫微博的二维码，你也可以扫它的官方网站的二维码。像恒达冰泉会做的更加极致，恒达冰泉现在做了就是每一个瓶盖里边都有一个唯一的二维码，如果客户去扫这个二维码就可以为产品溯源，同时也可以抽奖。恒达冰泉就可以拿到这个客户的一些信息，包括他的电话号码，通过一些活动来收集这些客户的更多信息。当我们有了这些数据收集之后，当然我们要整理数据，我这里就不多说了，整理数据上有非常多的技术含量，包括说我怎么样把各个地方搜集来的数据打通。那有些数据是在网上搜集的比如cookie，是没有PII的。从线下搜集来的比如说会员信息有PII的。 如何把PII和没有PII的信息打通？比如说PC的和mobile的这些信息怎么样打通？这都需要在整理数据的过程中解决，才能把数据作完全整合。

 

那做完这个整合之后，我们就要建立用户画像，建立用户画像是利用大数据去了解什么样的人在买我品牌，什么样的人最可能会买我的品牌。这里就有很多建模的技术。　我们可以用简单的分类法，找到哪一些类型的人会是我们的目标用户。　但是当你看要做精准营销，人群类型打了非常多的标签的时候，那这种方式是已经不能完全满足需要。这时你就要运用建模的方式来去看用户的画像。

 

做完这个用户画像以后我们就要开始锁定人群。锁定人群的时候，同样，我们如果只是用简单的分类法，如果我们增加太多的分类的要求，人群就会变的很小。如果我减少人群分类的要求，那我的准确度就会降低。解决这个问题的方法也是需要数学模型。我们可以把算出每个人可能会购买这个产品的可能性分数，我们可以通过分数值来锁定购买可能高的人群。在这个锁定人群的过程中，我们用这种大数据方式的锁定人群跟很多传统营销人员拍拍脑袋想的这个人群定义还是有非常大的不同。那我举几个非常经典的例子，一个就是说大家可能也听过，谁可能在淘宝上卖游泳衣？　传统营销人员认为在淘宝上买游泳衣的人，可能更多的是沿海地带的人，因为沿海几个省的人，利用游泳衣的这个可能性机率性比较大，所以沿海地带的人买游泳衣可能性更大。但是通过阿里的数据分析发现，在新疆买游泳衣的比例大最大。所以我们平时的一些假设和一个大数据的分析结果还是非常不一样的。

 

锁定完人群，我们就谈到精准引流。精准引流更简单的说就是媒体的选择。然后按需转化更多的是长期营销和心动促销。除此之外，通过广告的方式精准引流，它的成本也是相应比较高的，所以能够建立长期的会员，跟会员有一个相对免费的通路，做长期的互动，可以降低费用。而且可以更深的了解会员，做多次转化，可以介绍他不同的产品， 时间关系，后面的很多步骤我都没有具体的讲，但是我认为大数据驱动精准营销，基本上要通过这样九个步骤的实行，能够帮助公司真正的能够达到营销结果的最大化。

 

 

 

Q&A

 

 

郑晓东：林总分享的还是意犹未尽，我听了一下也非常感谢林总三大步三小步，我看起来也是九九归一，这个一也就是拿住客户的精彩分享。我想我也会去买林总推荐的《大数据管理》这本书。林总在分享过程中让我想起了20年前我读大学的时候经常收到免费使用的海飞丝，那个也是原价五毛钱一袋。可以说到现在为止我也只钟情于海飞丝，只是我不知道林总的大数据的数据库里有没有我贡献的那一小小的几个字节。刚才提到了宝洁消费大数据应用的几个核心要点，那么我想再请教戴尔的许总，您是怎么看待宝洁经验的？在戴尔，您所看中的大数据的核心要素有哪些呢？

 

许良谋：谢谢郑主任，其实刚才一方面是非常享受林总的分享的，然后一方面其实也是感觉到这个旅途和我们戴尔其实是很类同的。举个例子，其实比方说，如果我们看这个，我们提供给市场的产品的话，宝洁有那么多的消费级别的产品，我们也有这样一个IT的产品。所以刚才举一个例子，林总所和大家分享，比方说我们看四个阶段，其实大家也可能看到，当我们做精准营销也好还是改善我们自己内部的数据分析的话，无论我们是说要怎么去分析，在适当的时候适当的起到不同的促销的方式，你可以看到。一方面是很销售林总的这个分享，一方面我们也是在回顾我们戴尔自己的一个大数据的里程。其实很类似的，就是我们在看这种多维度多方面的这种分析最适合的时候，最适合的这一个场所，去适合渠道，去卖给这个客户。其实当我们这个大数据的体系是通过这种多方面的折腾，速度事实上是应该不可能能够做到我们对这个大数据的期望，所以我们这里说的是如果一个大数据真正要被这个IT部门为企业制造这个精准利益的话，它的速度一定要快，而且是能够更快，才能够真正把这个意义发挥出来。

 

我这里想说的就是大数据我们从戴尔的这个角度来看，他应该必须要具备这个速度级别的这一个最基本的一个因素，如果我们要等上两个星期，也是两个月之后才出这些分析报告那就太迟了，不能够为我们企业制造我们真正对这个大数据的多类型多维度这种分析。最后我也是和大家，最后我们自己在迈向这个大数据里程的时候我们也是有分成，有四部曲。所以比方说其实无论是企业内部或者是外部的这个信息量是这么的大，如果我们是说什么数据都要去分析的话，其实是挺难受的。其实我们整个进一步的目标到底要具体做什么东西的时候，我们目标一定要精准的。然后当我们去用企业的内部或者是一些我们之前没有看那些数据或者是第三方数据，买那些第三方数据的时候。大数据其中一个里头要求的就是，除非我们给它足够的这些信息，多维度的信息分析的话。不然他也是没办法去帮我们打造这个分析的结果，然后最后就是在分析的时候，我们一定要更加亲身看更多不同的维度，然后更加的博弈广泛的去来看，这样才能够支撑，不只是业务的创型或者是我们要改变我们这个业务的转型，所以这是我这里给大家分享的。

 

林丽：非常同意许总的观点。大数据精准营销，系统速度非常重要，就像利用大数据的广告投放系统。对于系统速度的要求是非常非常高，举个例子，你去一个网站，那个网站上面如果有广告的贴片，或者说你去一个视频网站，比如说优酷，你在看一个优酷的视频之前，通常都会看到一两个短的视频。决定网站上面给你哪个广告的贴片，给你优酷视频前哪个广告视频，这个过程是怎么样的呢？你去打开这个视频的同时，这个视频网站就比如说优酷，就会把这个信息告诉各广告公司系统，告诉他们有这样一个ｃｏｏｋｉｅ的人来到了我的网站要看一个视频了。那广告公司系统就跟据数据库这个人的信息决定这个人是不是我的目标用户。如果是我的目标用户，我应该给他推哪个产品的广告，然后就去调这个产品的广告，推给他。其实很多时候还包括的一些竞价，会有多个公司去竞拍这个广告。所有的这一切的这些都会在60毫秒中完成。那么就是在你打开的同时，这个广告已经开始播放了，在背后其实有无数的系统的设置和无数的大数据的运算来决定给你播放一个什么样的广告，因此就是这个速度也是一个非常非常关键的。　

 

那么我回答一下刚才一个同学的这个问题是说大学生创业的企业怎么样用大数据做营销，和走出去的企业怎么样做国际营销。大学生的创业企业，我的建议是这样的。就是说如果你不缺钱，就是你的资金来源没问题，我会建议你存下你所有可以存的数据。这些数据可以以后来做应用，特别是跟你的市场营销，跟你的消费者的一些数据。但是如果你的成本非常紧张，比如说像一些上市的公司，成本控制会非常严，那在这种情况下你一定要先从生意的目的出发，我要用数据达到一个什么样的目标，然后从那个目标来反推出我需要存什么数据，我需要去找什么样的数据来存。那这样的话，你存储数据和使用数据都是有的放矢，你的ROI就会非常的高。对于走出去的企业，在国际市场上用大数据还是一个非常有挑战的事。我自己的建议是这样的，因为我也负责亚洲的其他公司，我们也和美国的总部有非常非常多的联系。其中我需要讲的第一条就是每一个国家的数据来源是非常非常不一样的，在美国市场的数据来源，日本的和中国的都是千差万别。因为数据积累是一个相当长的过程，如果你要去开发一个新的市场，一定要看那里有的数据源是什么，然后再来做决定怎样获取数据。我再说一句话，这个时间非常紧。国外的数据法律法规跟中国不太一样，差异蛮大的。在国外做大数据的时候，必须要了解当地的这个法律法规。时间有限，我今天就分享到这里了。大数据营销，我相信还是一个非常长的路，希望大家互相交流，也希望各个企业在这个上面有很好的成果和心得。