关于大数据营销的神奇之处，有一个故事在大数据这个名词还没有红透互联网营销领域时就已经被津津乐道。

故事是这样的：

2012年初，一个男人冲进一家位于明尼苏达州阿波利斯市郊的Target超市兴师问罪：为什么超市不停地向他的还是高中生的女儿邮寄婴儿尿布样品和配方奶粉的折扣券？“你们是在鼓励她怀孕吗？”愤怒的父亲质问Target超市经理。几天过后，超市经理打电话向这位父亲致歉，这位父亲的语气变得平和起来，他反过来道歉说，他的女儿确实怀孕了，预产期在8月份。这是一个零售商如何应用大数据进行营销的故事，这个故事被《纽约时报》报道后，大数据的威力轰动全美。

为什么Target能够做出这么神奇的预测呢？这是因为Target建立了一个非常规范的大数据管理系统，它拥有一个数据分析团队，在查看准妈妈们的消费记录之后，找出了20多种关联物，通过这些关联物对顾客进行“怀孕趋势”预测，并寄送相应的优惠券，为消费推波助澜。只要有可能，Target的大数据系统会给每一个顾客编一个ID号。你刷信用卡、使用优惠券、填写调查问卷、邮寄退货单、打客服电话、开启广告邮件、访问官网，所有这一切行为都会记录进你的ID号。而且这个ID号还会对号入座的记录下你的人口统计信息：年龄、是否已婚、是否有子女、所住市区、住址离Target的车程、薪水情况、最近是否搬过家、钱包里的信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买你的其他信息：种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。

在传统营销时代，拉斯韦尔模式是广告传播模式的最基本模式，它是1948年由美国政治学家、心理学家哈罗德·D·拉斯韦尔提出的一种具有代表性的线性模式，又简称“5W模式”，广告信息传播过程包含的五大要素是：谁(who)、说什么(say what)、通过什么渠道(in which channel)、对谁(to whom)、取得了什么效果(with what effect )。

谁(who)是指传播主体，也就是品牌和产品自身的信息，这个即便是传统营销时代都是毫无难度的工作。实际上在传统营销时代，传播最难解决的是对谁(to whom)、通过什么渠道(in which channel)、取得了什么效果(with what effect )三大问题，因此在传统营销时代，品牌经理经常都会质疑他们的代理商的一个问题是：“我知道我的广告费有一半是浪费掉的，问题是我不知道是哪一半”，从Target的故事来看，大数据可以非常精准地锁定甚至预测用户的下一个消费行为，这让在传统营销时代摸不清用户需求的品牌经理拥有了一个利器。

随着大数据时代的来临，通过什么渠道(in which channel)、对谁(to whom)、取得了什么效果(with what effect )，这三点在传统营销时代无法解决的问题，似乎可以迎刃而解，因为大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在大数据营销应用的影响下，营销环节中最难解决的一个问题——如何精准地预测目标用户的需求并提供解决方案，这也是大数据营销所存在的价值，因此2014年国内DSP平台发展得如火如荼。

一、to whom？——大数据能精准锁定目标人群。传统营销大多以人口统计学特性来概括目标消费者，如消费习惯、心理特征、兴趣爱好这样的深度数据则需仰仗专业市场调查公司，而借助大数据技术，营销者可以无限的接近、近乎准确的判断每一个人的属性。一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属性(如所在地区、性别)和兴趣、购买行为等维度，挖掘目标消费者，然后进行标签层的分类，再根据这些对个体消费者进行营销信息推送，如移动DSP的人群就按照3种标签层进行划分，分析用户的个性化需求，借此提供个性化产品和服务，或者实现更精准的广告：

1，属性标签层。这些属性可以从人群属性(性别、年龄、职业、收入等)，设备属性(设备价格、设备系统、设备型号等)，运营商属性(中国移动、中国联通、中国电信等)，城市属性(发展程度、人口数量、区域位置)，商圈属性(功能、位置等)等几个主要的属性方式进行标签，属性标签数量的多少与一个平台的技术及经验有直接的关系，技术越成熟，抓取的属性越准确，经验越丰富，属性的分类就越合理。

2，行为标签层。是指经过对用户在特定时间段、位置范围内的登陆网页或者app的行为分析而产生的标签层。行为标签层的分类依据行为发生的频次统计做出标签，如果用户的行为只是在某个时间段内产生过寥寥几次，并不会被列为一个标签，只有该行为的发生有一个规律的频次或周期出现才会被视为一个标签。比如经常玩手机游戏，经常使用旅游软件等细分出像商旅人群、手游人群、理财人群、爱车一族、化妆品受众、教育受众等等。由于用户的行为方式多种多样，这类的标签就会有成千上万个，对广告投放的的精准性来讲无疑是一大优势。

3，目标人群层。这是与广告投放最直接相关的层级，目标人群层主要是根据属性标签层与行为标签层组合之后产生的标签层，这种组合会产生一个极大标签量，同时一个用户被贴上多个标签之后就会变成一个综合标签体，也就保证了目标人群的精准性，例如某广告主需要定位在35岁左右的男性汽车受众，就可以通过第一层级的年龄、性别加上第二层级的汽车浏览行为组合后得到目标人群，从而定位出与该品牌最相关的人群，这样投广告针对性极强，效果极佳。

二、in which channel？——大数据能实时优化传播渠道。对于公开的媒体资源，为了覆盖尽可能多的受众，创造与受众的接触机会，广告主往往需要跨媒介传播。但是预算如何分配呢？大数据此时是最佳决策参考，基于海量用户数据，在营销渠道的投放比例分配上进行调整，获得最优的投放组合。

线上实时优化渠道：通过在不同的网页植入cookies，根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹来找出哪个营销渠道的顾客来源最多，哪个来源顾客实际购买量最多，是否是目标顾客等等，从而调整营销资源在各个渠道的投放。例如东风日产，它利用对顾客来源的追踪，来改进营销资源在各个网络渠道如门户网站、搜索和微博的投放。

线下实时获取反馈：如快时尚品牌zara在门店布置多个摄像机，如顾客在门店中向店员反应“我不喜欢这条裙子的拉链”，马上就可以通过经理汇总给总部的设计人员，经过汇总和分析，根据客户需求马上做出产品的优化。

线上线下协同实现效果闭环：甚至一些企业将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下营销渠道的协同。比如东风日产，线上与线下的协同营销方式为：其门户网站带来订单线索，而通过这些线索，服务人员进行电话回访，从而推动顾客在线下交易。在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访和购买各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。