大数据为营销所用

　　近日，IBM联合国内多所高校的商学院推出“百企大数据A100计划”，致力于将大数据技术、创新的营销分析方式、企业的业务需求融合在一起。这样的融合将产生什么样的化学反应？这是否意味着大数据营销之花将在企业中盛开？

　　2014年7月，本报报道了IBM联合中国的百所高校共同培养大数据人才的“U-100计划”。IBM称将向国内百所高校捐赠一系列价值1亿美元的大数据分析软件，以及提供专业的知识和教学指导。显然，在大数据市场蓬勃发展的当下，IBM希望从高校人才培养方面就开始树立IBM大数据技术的优势地位。

　　今年3月，IBM再次在大数据技术与教学科研结合领域发力，联合香港中文大学商学院市场学系、对外贸易大学国际商学院、西南交大经济管理学院等高校院系推出“百企大数据A100计划”(下文简称“A100计划”)。

　　事实上，“A100计划”与之前的“U-100计划”并不相同。如果说“U-100计划”是IBM在众多高校中播撒的面向未来的种子，那么“A100计划”则可以开花结果，因为它直接面向企业提供服务，能够让大数据技术真正落地，为企业用户提供服务。

　　技术、科研、业务联姻

　　大数据之所以被很多人津津乐道，很大一部分原因在于，它可以驱动商业创新，可以让营销变得更加精准，从而迸发出巨大的商业价值。当然，要实现这样的价值，需要大数据技术与企业业务的紧密结合，需要大数据技术与创新营销方式研究的紧密结合。而“A100计划”正是希望可以把大数据技术提供商、高校的营销研究机构、企业用户三者联结在一起，依托大数据这个纽带让三方一起成功。

　　作为“A100计划”的发起人，香港中文大学商学院市场系教授兼市场工程研究中心主任刘建南博士表示：“高校作为大数据研究的主阵地，一方面有必要从理论出发，帮助企业解决实际问题；另一方面，也应该利用丰富的实践机会，培养更具竞争力的人才。“A100计划”恰逢其时地给高校学以致用的机会，帮助企业启动大数据商业应用。

　　据刘建南介绍，自2014年9月开始，“A100计划”就已经在香港中文大学市场学系开展试点，现在已有8家不同行业的企业参加，它们覆盖了银行、电视媒体、快消品牌、大型工厂、餐厅推荐网站、酒店、服装连锁店、连锁洗衣店等行业.。

　　据了解，“A100计划”试点阶段的研究成员主要来自香港中文大学市场学系的70多名研究生和30多名本科生，每名学生都可以自主参加一到两个项目，每周投入一天进行研究。每个项目均有10到20名学生参与，并由香港中文大学的2名博士生和3名全职研究助理进行管理。第一阶段的研究预计于今年6月完成。

　　刘建南告诉记者，“A100计划”的目标是由10所高校的教授、研究生、本科生帮助100所拥有B2C数据的企业进行数据库整合、数据库挖掘、市场决策支持、产品推荐、社交聆听等大数据领域的分析和研究，在此过程中，IBM提供全面免费的软件使用和技术支持，并共同建立营销工程实验室。

　　“‘A100计划’不向企业收取任何费用，只需要企业提供相关证明以肯定学生在企业进行数据分析的经历。”刘建南表示，目前，“A100计划”已全面启动，并分三期进行。该计划在三年内致力于联合共10所大学的商学院，前两年完成30个企业的大数据项目，2017年完成50个项目，最终完成100个企业支持项目。

　　围绕五个领域

　　不可否认，大数据时代正在一步步向我们走来。然而对于很多企业用户而言，想利用大数据却不知道该如何做起。

　　IBM软件集团大中华区大数据及智慧地球解决方案总监李永财表示，“A100计划”基于大数据技术，同时以企业业务为核心，聚焦于五个方面的研究。

　　一是数据整合与处理。国内大部分的企业虽然拥有自己的数据系统，也积累了相当数量的数据，但是对于数据信息的处理仍然存在许多问题。“A100计划”将从以下几个方面入手，帮助企业进行数据处理和整合：首先是处理非结构数据。例如，微信文本数据和客户服务数据，它们以文字形式储存，并不能直接用于数据挖掘。“A100计划”将帮助企业将这些非结构化的数据转变成为更容易处理的结构化数据。其次是数据价值延伸。例如企业数据库中的“地址”数据，许多企业仅仅将其作为个人必要信息的一部分进行存储，却很少挖掘其价值。“A100计划”会将这些地址信息延伸，将其与所在位置的收入水平匹配，并以此作为细分客户的一个参考指标，从而深挖这一类数据的商业价值。再次是整合数据。企业收集数据都是以分散独立的数据库进行存储采集工作，如果直接用于数据挖掘，则不能提供360度全方位的数据洞察。“A100计划”将会提供数据整合方案，提供最优的关键属性来进行数据整合，以便进行全面的数据考察。

　　二是数据库挖掘。将处理好的数据进行筛选，找出最具有使用价值的变量属性，例如客户信息、销售信息、会员信息等，建立数据分析模型，并进行数据验证，得出最优解释模型，从而用数据的眼光去深入了解商业运行中各个环节对于营销效率的影响。

　　三是市场决策支持系统与产品推荐系统。根据之前所构建出的最优模型，优化市场决策体系，并搭建产品推荐系统。主要针对两个方面：对于线下产品，根据模型的运算，对于每一个细分市场，在最适合的时间，最适合的地点向最适合的顾客推送最适合的产品。对于线上服务，根据过往浏览历史和购买记录，推送最适合的活动和优惠，利用“黄金10秒”紧紧抓住顾客的注意力，提高营销成功率。

　　四是社交聆听。利用文本挖掘技术，对电商平台以及社交媒体的评论数据进行深入挖掘，以找出顾客对于企业的真实反馈，帮助企业提升竞争力。社交聆听将主要针对评论语段进行分解，通过解析句子的关键词词性，与句式匹配的方式，来判断是否提及关键词，并对关键词进行情感极性判断，并侦测情感极性出现原因，最后，通过人工数据验证的形式，评测文本挖掘的准确率。通过多次迭代，最终提升准确率到合适的水平。

　　五是声音挖掘。利用声音匹配技术，通过对训练样本的采集与丰富，构建声音转换模型，将声音数据准确地转化为文本数据。之后，再使用文本挖掘的技术处理，结合一般数据分析的方法，构建出相关的营销模型。这种分析主要适用于电话客服等。

　　显然，大数据技术在企业营销领域的应用，产生了无限的想象空间。对于企业而言，谁先掌握了领先的大数据技术和创新的营销方法，谁就有可能在市场竞争中处于有利位置。

　　“我们相信很多企业都会对利用大数据营销感兴趣，而参加“A100计划”将是它们尝试大数据的好机会。同时，这些实践的成果对于未来大数据在中国各行业更广泛地部署也具有着非凡的意义。”李永财表示。

　　本报记者 程彦博

关注读览天下微信， 100万篇深度好文， 等你来看……