過去兩年裡，數字化取得了史無前例的發展。無論是政策層面的重視，還是社會形勢的演變，數字化時代都賦予了企業通過”大資料營銷”去優化營銷投入産出，和競争對手拉開差距的可能性。
在客戶體驗設計中，資料是核心。企業需要基于資料優化體驗流程，基于資料對客戶價值進行判斷，基于資料來投放廣告。可見，資料對營銷的重要性比以往任何時候都顯得重要。
大資料是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來适應海量、高增長率和多樣化的資訊資産。
大資料是一種規模大到在擷取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的資料集合，具有海量的資料規模、快速的資料流轉、多樣的資料類型和價值密度低四大特征。
大資料技術的戰略意義不在于掌握龐大的資料資訊，而在于對這些含有意義的資料進行專業化處理。換而言之，如果把大資料比作一種産業，那麼這種産業實作盈利的關鍵，在于提高對資料的“加工能力”，通過“加工”實作資料的“增值”。
從技術上看，大資料與雲計算的關系就像一枚硬币的正反面一樣密不可分。大資料必然無法用單台的計算機進行處理，必須采用分布式架構。它的特色在于對海量資料進行分布式資料挖掘。但它必須依托雲計算的分布式處理、分布式資料庫和雲存儲、虛拟化技術。
一、被熱議的“大資料”，究竟包括哪些資料
從資料的類型上，我們又可以将資料簡單分為兩大類。
1. 第一類是聚合資料
這類資料用于衡量數字化營銷活動的整展現狀及投入産出比，如廣告展現、廣告點選和轉化、CPC（Cost Per Click，每點選一次計費）、CPM（Cost Per Mille，千人印象成本）、網站浏覽量、跳出率、停留時長、留資數量、CPL（Cost Per Leads，線索成本）、線索轉化率、新客戶數量、CPA、老客戶占比、Retaining Rate（留存率）、GMV 電商平台銷售額等。
2. 第二類是基于個體的客戶資料
又可以将其細分為以下幾種資料類型（可總結為 BATP）：
客戶行為資料（Behavior），比如他在你的網站上停留了多長時間，浏覽路徑是什麼，感興趣的産品是哪些，和你互動頻率如何，微信上都留言什麼内容，什麼時候成了你的會員，等等。
媒體歸因資料（Attribution），比如首次被廣告觸達是什麼媒體，中間經曆過哪些媒體的再次觸達，最後一次觸達導緻他做出相關行為是由什麼媒體所緻的，這些都是基于個體的媒體歸因資料。
客戶交易資料（Transaction），比如這個客戶購買了什麼産品，何時購買的，最近一次購買是在什麼時候，一年銷售額貢獻度是多少，平均每筆交易金額是多少，是否有交叉購買或向上購買的情況，等等。
360 度客戶畫像資料（Personal），比如他來自哪裡，什麼職業身份，性别、姓名、電話、郵箱位址、興趣愛好是什麼，平時有哪些媒體浏覽習慣，甚至身高、體型、偏好品牌，等等。
客戶畫像是客戶本身自帶的資料，即使沒有和你的品牌産生任何關聯， 也會有這些資料。而客戶的行為資料、交易資料和媒體歸因資料都是在客戶和你的品牌産生關聯後産生的資料，更加具有針對性，但是擷取這些資料的首要條件是必須讓客戶對你的品牌産生興趣。
二、現在的大資料營銷呈現是什麼樣的現象呢？
第一，日益上升的獲客成本增加了品牌渴望将客戶資料變現的緊迫性。
媒體投放的價格越來越高、競争環境激烈是導緻企業獲客成本不斷上升的主要原因。
對于獲客成本上升這件事，企業除了優化自身的營銷行為、降低營運成本外，激烈的競争環境是客觀原因，誰也無能為力。是以，企業非常渴望将不斷上升的大資料營銷的商業價值充分展現到企業的商業行為中，并且需求迫切。
第二， “新冠肺炎疫情”使通過私域流量提升全漏鬥轉化效率的方法變成”新常态”。
如果我們将客戶的消費者旅程進一步簡化，并與資料營銷的目的和手段結合起來，就得到了如下圖所示的“營銷漏鬥”模式。
随着”新冠肺炎疫情”的爆發，企業充分利用營銷漏鬥下半段私域流量的資料，提升整個營銷漏鬥的轉化率成為一種全新的常态化的趨勢。
“新冠肺炎疫情”期間，居民的活動自由受到限制，企業的營銷人員出去開拓新業務、獲得新客戶也變得更加困難，怎麼辦呢？那就是充分利用已有資料庫中的客戶資源，把已經取消或暫停的客戶項目重新激活，通過再觸達，做已有客戶的增長。企業資料營銷的重點從營銷漏鬥上半段向下半段轉移， 盤活私域資料，拉動高潛客戶的需求，促進轉化及提升已有客戶的價值貢獻成了資料營銷的主流。
第三，由于消費者行為的多變性、複雜性、不确定性，資料散落在各個觸點，獲得資料的觸點也是紛繁複雜，這給企業在資料的利用層面帶來了很大的挑戰。
以前市場營銷是以傳播資訊為主，主要管道有戶外廣告牌、報紙雜志、電視、廣播等。但是今天，溝通的媒體和媒體發生了巨大的變化，現在所有的管道和觸點如行業網站、社交媒體、短視訊媒體、微信公衆号、門戶網站、視訊網站、App 等都是數字化和移動化的，消費者資料散落在不同的觸點，這使資料的采集和整合成為巨大的挑戰。
第一方資料是企業進行大資料營銷的最好起點。據統計，大部分品牌隻利用了其第一方資料庫中 5%的資料，95%的第一方資料潛藏在品牌方的資料庫中并未被充分利用（見圖 3-12），而利用自己資料庫中的第一方資料比利用第三方資料要快速且高效得多。
由于很多資料如行為資料、使用者個性化資料、ID 資料都在第三方平台手裡，要在這個基礎上去擴充并豐富第三方資料是一件非常困難的事情。要擴充和豐富第三方資料我們必須将第三方和第一方資料打通，讓散落在各個消費者旅程的各個觸點串聯起來才可以。
其他品牌商家慣用的手段還有很多，如樣品免費試用、發放折扣券、免費注冊會員獲得積分等。
第四，在資料次元層面，消費者的個性化行為資料比統計學資料更重要。
個性化行為資料展示的是消費者對産品的喜好度、消費者與品牌互動的廣度和深度、消費者購買的是哪種産品及未來複購和可能性等。而統計學資料展示的是消費者的姓名、性别、年齡、學曆等資訊。
消費者個性化行為資料能夠預測未來類似的客戶群體的購買行為及購買可能性，這是消費者個性化行為資料研究和利用的最大意義，也是更深層次的資料，有了這些資料，商家就可以立即制定和客戶互動的内容和方案，進而獲得更好的轉化效果。
而統計學資料更像是整體資料，你可以獲得，競品同樣可以獲得，其提供的資料洞察非常有限，是以獲得這些資料對營銷活動的指導意義并不是很大。
同時，這些個性化行為資料也必須和營銷漏鬥後段的交易資料結合使用，進而形成一個更加完整的屬于品牌自己的 360 度使用者畫像。
360 度使用者畫像形成後，不僅可以幫助品牌方更好地服務現有客戶，提升已有客戶的價值，更重要的是可以對未來最有可能成交的客戶群體進行預測，并進行相似客戶群體分類，為未來制定個性化營銷方式提供資料洞察。
基于此我們可以展望一下大資料營銷的未來：更多的資料以幫助企業更好地了解使用者 +更多的可能性去建立強有力的客戶關系紐帶 + 更多的選擇以監測每個觸點的營銷變現 = 更多的機會通過資料營銷驅動企業營銷關鍵決策
三、如何制定大資料驅動的營銷政策呢？
1. 設定目标和消費者洞察
目标一定要清晰，要分階段地将目标進行拆解，可以按照 OKR（Objectives and Key Results，目标與關鍵成果法）的思路，即關鍵要達到的具體目标是什麼、為的是達成什麼樣的關鍵成果。
2. 大資料模組化規劃和 KPI 的制定
即建立什麼樣的資料模型去幫助你加速拉新，以及具體衡量名額有哪些。
3. 制定市場激活計劃和政策
我們需要思考，對于新客數量增長來說，什麼樣的媒體政策和内容政策是行之有效的，以及對于客戶轉化時間降低這個問題，有什麼樣的刺激可以引導消費者加速購買決策。
4. 項目複盤，評估和疊代
整個過程一定要以目标遠大、小步快跑的方式進行，不斷試錯，調整優化，直至大資料營銷成為新常态。