比特客户端
您的位置：
详解大数据
详解大数据
详解大数据
详解大数据
大数据帮助你提高销售业绩的4种方式
　　推动销售的最知名的例子之一是亚马逊，该公司完善了对所有数据的分析来提高其销量。而事实上，小型公司也可以利用大数据来推动其销售更上一层楼，这将涉及你已经收集的数据、你需要收集的数据，以及如何结合不同的数据集来获取促进销售的情报信息。无论你是进行销售、B2C还是销售，大数据帮助你提高业绩。
　　在过去，卖家通常拥有比买方更多的信息。而在B2C以及B2B时代，这种局面已经大大改变。现在消费者可以扫描条形码或者执行简单的搜索查询来查找不同网站的类似产品，这非常有利于消费者，他们可以使用这些数据寻找物美价廉的产品。当然，同样也可以这样做来提高其销售业绩，通过数据分析，企业可以知道竞争对手何时调整了其价格，并且自动调整其自己的价格和服务可以确保不会降低销量。
　　在这个时代，消费者比卖家拥有更多的信息，因此销售代理商不应该只是依赖于直觉。很多时候，尤其是在B2B销售中，直觉是销售代理商谈判策略的重要组成部分，根据与消费者的关系以及销售经理的经验，从而确定架构。根据首席运营官Joe Boissy表示，基于直觉的预测只有约40%的时候是正确的。
　　对于消费者而言，信息越多越好，而销售人员则需要获取正确的信息来与买家进行谈判。理想情况下，他们需要实时获取这种信息：谁是潜在客户、相互关系如何、交易历史记录，以及确定销售价格的重要信息。幸运的是，大数据可以帮助企业推动其销售更上一层楼：
　　寻找新的市场和商机
　　分析网站统计数据和社交媒体可以帮助你了解消费者查看最多的但却没有购买的产品和服务。传统的网站分析已经为企业提供了大量信息，但如果能够能将这些数据与社交媒体的数据联系起来，你将能够更好地了解消费者的购买方式。
　　通过使用情绪分析和自然语言处理来分析你的客户或目标群体，你能够获取有价值的信息，例如人们对你的产品或服务的看法，这些人从事什么职业，以及其使用习惯?这将帮助你发现新的市场、新的目标群体，从而帮助你挖掘新的商机。
　　推动重复销售
　　来自社交网络的数据也可以用来推动重复销售，了解你的客户是提高重复销售的第一步。当你开始整合交易数据与社交网站数据，以及消费者在你企业内的所有接触点，你能够生成关于客户的全方位的档案。这将帮助你更好地了解你的客户以及了解他们需要什么。基于这些有价值的信息，你能够在正确的时间向目标消费者提供合适的产品，而不会让客户感到烦躁。特别是当你结合时，你将为客户提供有价值的服务，而这也将提高重复销售。
　　缩短研究客户时间
　　优秀的销售人员明白，为了赢得客户，重要的是尽可能多地了解他们。根据一项调查显示，销售代表经常会手动分析15种不同的外部来源，包括推特、LinkedIn、等，以及所有内部数据来源。根据Aberdeen的另一项调查显示，销售代表花费24%的时间来进行研究，从而导致丧失销售机会。而大数据可以为销售代表自动生成详细的客户档案。此外，大数据分析还可以在最佳消费者之间找出共同特征，以确定新的客户或更好地服务于现有客户。
　　预测未来的销售
　　对世界各地商场的销售数据进行分析可以帮助企业准确地确定最畅销产品。这个信息将可以帮助企业确定哪些产品应该在什么地方销售，并且在必要时做出实时调整。例如，根据大数据分析预测，当某个产品销量突然提高，那么企业可以确保在该商店的产品不会出现缺货。
　　越来越多的初创公司开始进入利用大数据分析来提高销量的企业市场。最新初创公司收到了1亿美元的资金，其估值为10亿美元，这家公司处于营销服务和知名供应商(例如Salesforce)之间。其目标是连接不同服务来帮助销售团队更好地工作。这个领域的其他公司包括Velocify，旨在帮助销售团队优化其销售过程，另外，Five9公司有几种工具来提高转换率和提升销售业绩。
　　很多企业已经在使用大数据分析技术来优化其销售部门。其中一家公司是，该公司开发了一个预测分析解决来确定和优先排序批量销售潜力最大的经销商。通过这个新的解决方案，英特尔的销售部门现在可以实时分析各种来源的数据来确定每个客户的潜力。另外，因为大数据技术，T-Mobile美国公司减少了50%的客户流失，尔玛也非常依赖大数据来提高其销量，他们创建了Social Genome，这是一个庞大的不断变化和更新的知识库，帮助他们为客户在正确的时机提供正确的产品。
　　大数据为你的销售部门提供了很多机会，如果正确部署的话，大数据策略可以显著提高你的销售业绩。
[ 责任编辑：李伟 ]
人与人的社交关系已经完全迁移到…
甲骨文的云战略已经完成第一阶段…
软件信息化周刊
比特软件信息化周刊提供以数据库、操作系统和管理软件为重点的全面软件信息化产业热点、应用方案推荐、实用技巧分享等。以最新的软件资讯，最新的软件技巧，最新的软件与服务业内动态来为IT用户找到软捷径。
商务办公周刊
比特商务周刊是一个及行业资讯、深度分析、企业导购等为一体的综合性周刊。其中，与中国计量科学研究院合力打造的比特实验室可以为商业用户提供最权威的采购指南。是企业用户不可缺少的智选周刊！
比特网络周刊向企业网管员以及网络技术和产品使用者提供关于网络产业动态、技术热点、组网、建网、网络管理、网络运维等最新技术和实用技巧，帮助网管答疑解惑，成为网管好帮手。
服务器周刊
比特服务器周刊作为比特网的重点频道之一，主要关注x86服务器，RISC架构服务器以及高性能计算机行业的产品及发展动态。通过最独到的编辑观点和业界动态分析，让您第一时间了解服务器行业的趋势。
比特存储周刊长期以来，为读者提供企业存储领域高质量的原创内容，及时、全面的资讯、技术、方案以及案例文章，力求成为业界领先的存储媒体。比特存储周刊始终致力于用户的企业信息化建设、存储业务、数据保护与容灾构建以及数据管理部署等方面服务。
比特安全周刊通过专业的信息安全内容建设，为企业级用户打造最具商业价值的信息沟通平台，并为安全厂商提供多层面、多维度的媒体宣传手段。与其他同类网站信息安全内容相比，比特安全周刊运作模式更加独立，对信息安全界的动态新闻更新更快。
新闻中心热点推荐
新闻中心以独特视角精选一周内最具影响力的行业重大事件或圈内精彩故事，为企业级用户打造重点突出，可读性强，商业价值高的信息共享平台；同时为互联网、IT业界及通信厂商提供一条精准快捷，渗透力强，覆盖面广的媒体传播途径。
云计算周刊
比特云计算周刊关注云计算产业热点技术应用与趋势发展，全方位报道云计算领域最新动态。为用户与企业架设起沟通交流平台。包括IaaS、PaaS、SaaS各种不同的服务类型以及相关的安全与管理内容介绍。
CIO俱乐部周刊
比特CIO俱乐部周刊以大量高端CIO沙龙或专题研讨会以及对明星CIO的深入采访为依托，汇聚中国500强CIO的集体智慧。旨为中国杰出的CIO提供一个良好的互融互通 、促进交流的平台，并持续提供丰富的资讯和服务，探讨信息化建设，推动中国信息化发展引领CIO未来职业发展。
IT专家新闻邮件长期以来，以定向、分众、整合的商业模式，为企业IT专业人士以及IT系统采购决策者提供高质量的原创内容，包括IT新闻、评论、专家答疑、技巧和白皮书。此外，IT专家网还为读者提供包括咨询、社区、论坛、线下会议、读者沙龙等多种服务。
X周刊是一份IT人的技术娱乐周刊，给用户实时传递I最新T资讯、IT段子、技术技巧、畅销书籍，同时用户还能参与我们推荐的互动游戏，给广大的IT技术人士忙碌工作之余带来轻松休闲一刻。
微信扫一扫
关注Chinabyte涉案的三个来自德阳中江的95后女孩，家境都不算差。
他们刚执行完任务准备返回，还穿着厚重的消防服。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　这个时代搞营销就像是在做一道未知口味的超级大蛋糕，而营销手段就好比不同的口味的配料，随着个人的喜好不同，配出的味道也将会不一样，但这个蛋糕终归是要拿到桌面上去品尝，所以在海量的人群信息中如何具有针对性的让潜在客户看见并接受呢?答案就是大数据的运用。随着移动互联网的发展和移动智能设备软硬件功能的不断完善，网民使用习惯发生了巨大变化，用户行为方式从传统的PC端为主转变为“PC端+移动端”并重，呈现出跨屏互动的趋势，至此大数据的作用也日益明显起来。然而对于大数据及营销你真的了解吗?它到底有哪些价值?又有哪些问题呢?下面8句话告诉你什么是真正的营销。
　　1 大数据营销让一切营销行为和消费行为皆数据化
　　数据流化使得营销行动目标明确、可追踪、可衡量、可优化，从而造就了以数据为核心的营销闭环，即消费――数据――营销――效果――消费。
　　新意互动策略中心总经理邓继民表示，大数据营销的价值无外乎表现在两个方面，一是数字品牌，二是效果营销。而如何优化提升品牌数字资产，这是数字品牌发展的根本和核心。这里所指的数字资产不仅仅是传统品牌营销所指的知名度、美誉度，更重要的是品牌与消费共创的数字生态价值，从而实现数据的商业化，进行有效的导流和促进销售。
　　他认为品牌会把“数据”当成营销运营的核心部分，打造符合企业、品牌行业及企业、产品特质的更加深度的数据体系和数据应用。毕竟数据是海量的，如何运营有限、有效的高质量数据为企业更好的创造价值比大海捞针的粗放式玩儿法要实际的多。然而数字时代，一个品牌不仅仅在收集数据，同时也在制造和影响数据，如何塑造和运营更加有利于企业和品牌营销发展的数据流，必然成为今后品牌营销必须面对的重要课题。因为大数据不是目的，营销投入的关键在于产出，如何合理运用数据最大化影响营销投入的ROI才是最终根本所在。
　　2 大数据营销让社交网络营销等渠道更具价值
　　中传互动营销传播院院长于明认为，通过大数据抓取用户，让社交平台价值倍增，而大数据营销不仅起到了一个连接社交平台，精准抓取用户的作用，而且通过数据整理做营销后提炼大众意见去做产品，完成了社交平台营销中的最基础环节。这表现在，一个新产品的推广中，完全可以利用大数据来整理用户需求利用粉丝力量，设计出新的产品，而众多参与者就是最原始的购买群体，随之打开销售渠道。
　　3 大数据营销让广告程序化购买更具合理性
　　面对互联网媒体资源在数量以及种类上也在快速增长越发多样化，不同广告主的需求也在日益多样，越发意识到投放效果、操作智能的重要性。大数据是通过受众分析，帮助广告主找出目标受众，然后对广告投放的内容、时间、形式等进行预判与调配，并完成广告投放的营销整个过程。
　　传漾创始人及资深技术副总裁王跃表示，大数据营销未来趋势将向程序化购买方面发展，随着程序化广告发展热潮带来的效率提升，企业将会把越来越多预算放到程序化购买里。而大数据对企业来说，可以更加明确地知道自己的目标用户并精准地进行产品定位，从而做出极具针对性的布置，获得用户参与。
　　那么怎么衡量大数据网络广告价值呢?所谓的大数据营销不仅仅是量上的，更多的是数据背后对受众的感知，这体现在对大数据的规模，速度、挖掘及预测四个方面。另外王跃表示，对广告来说，产消逆转将导致头脚倒立的新型广告的出现。网络广告领域的探索颇具先见之明，其依托云端的数据库获取到海量可交互的结构与非结构化数据，并由最底层的数据分析平台支撑中上游的应用服务，打通PC和移动互联网的数据通道，逐步催生垂直的产业链形态。
　　4 大数据营销实现线上线下结合后进入多屏时代
　　“目前的数据挖掘更多还是停留在线上数据的分析和挖掘上。因此未来的关键点就在于如何能够实现线上线下数据的打通。一旦线上的数据和广告主的第一方数据相结合，大数据营销在更精准的基础上就会做到人群量的扩大，”悠易互通产品副总裁蒋楠表示，多屏时代的到来，正在把受众的时间、行为分散到各个屏幕上，而广告主想要更好地抓住消费者的兴趣点，就需要实现多屏的程序化购买。未来大数据营销的大趋势便是多屏整合下的数字营销。
　　目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，数据碎片化，各自为政。许多公司组织中，数据都散落在互不连通的数据库中，并且相应的数据技术也都存在于不同部门中，面对这些静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门只有将这些孤立错位的数据库打通、互联并且实现技术共享，才能够最大化大数据价值，提供决策支持。
　　5 大数据营销并非“量”的存在而在于“智慧的数字生态”
　　“对于大数据营销的理解，多数人的理解停留在‘很大的数据’这一概念，然而大数据实际上是一种“数据生态”的表现，即从交易型数据管理拓展到社会化数据管理层次，从结构化数据管理拓展到非结构化数据管理等。在此基础上必须要有BI的商业智能分析模型的数据管理能力，否则无意义而言。”珍岛集团副总裁张蓬说道。
　　大数据营销等同于精准营销，或是精准营销是大数据营销的一个核心方向和价值体现。然而目前市场上很多大数据营销技能的企业存在很多片面性，首先整个SNS体系的生态数据应该是完整的数据展现而并非微博、微信数据平台等单一的数据支撑。其次，配套程度有限。大数据智能除了像EDM通道外，还需要和终端配合，这点目前市场上做的还很分散。最后，企业在做大数据营销时对个体消费群体真正能够接受大数据给自己带来的便捷同时也因为涉及“个人隐私”这个敏感的词汇而有所收敛。
　　张蓬认为大数据营销的两个核心方向是To B和To C。To B即商业智能化，涉及企业智能化供应链决策体系优化，这个供应链不是常规理解的传统意义的物流，而是囊括企业人力资源、服务采购、销售市场拓展、内控成本分析等诸多层面。To C，即生活服务，涉及餐饮、旅游、医疗等诸多领域，以个人信息为核心的信息组织管理模型，将在未来，重构民生体验。
　　6 大数据营销是“大规模个性化互动”实现高效转化的基础
　　大数据营销以DMP为核心，包括CMO辅助决策系统，内容管理系统，用户互动策略系统，效果评估与优化系统，消费者聆听和客户服务系统，在线支付管理系统等几个方面。主要从决策层，分析层和执行层几个方面来完成营销，服务和销售全流程管理。
　　时趣首席科学家王绪刚认为，在银屏时代，营销的核心是品牌形象传递;在互联网门户时代，营销的核心是数字化媒介购买;而在以移动，社会化代表的互联网3.0时代，营销的核心是实现“大规模的个性化互动”。这里的互动指的是更加广义上的接触点策略，比如更加有针对性的传播内容，更加人性化的客服信息，千人千面的个性化页面，而实现这一核心的基础就是消费者大数据的管理。大规模代表效率，个性化代表更好的转化效果。因此，所谓大数据营销的价值就在于能够实现更加高效的转化。
　　每个公司所处的阶段不同，关心的问题也不同。未来除了广告平台以外，品牌主会更加关注其消费者生命周期的数据管理，与平台合作，实现在多个接触点上的个性化沟通。因此，传统意义上广告策略将渐渐被基于对用户画像的自动化沟通机制所替代，而CMO也必须借助构建DMP，SCRM等IT设施来应对这一趋势。
　　7 大数据营销即建立一个数据建模让营销更加精准、有效
　　微播易技术经理林星认为，数据的获取方法主要体现在信息系统普及、传感器网路等等。其次是数据处理方法，像是使用通用计算机搭建计算能力超群的系统，如SNS社交媒体，利用更加开放的系统，在不妨碍平台利益和用户隐私的情况下，理论上获取每一个个人的SNS行为轨迹，然后存储在服务器上，形成一个庞大的数据库积累后成为大数据营销的一个数据基础。
　　目前在营销过程中涉及数据方面的多而杂，这时需要对数据的有效性进行过滤，例如行为噪声，重复数据，非目标用户数据等等。换句话说，大数据时代，数据和处理能力不再是主要矛盾，主要矛盾是如何从数据中获取想要的知识，也就是数据建模即挖掘能力。当然这个问题的求解，需要一些列建模的过程，然后把它转化成为具体的计算问题。
　　林星表示，目前的大数据技术虽然可以让营销动作做得更加精准、有效，但做起来并不容易。即便是公认大数据营销的大佬亚马逊、乐天，也经常会被吐槽推荐的东西驴唇不对马嘴，或者是已经买过的东西也会一再推荐。因此，未来基于大数据技术的提升，大数据营销的精准性将带来更多的商业价值。
　　8 大数据营销就是对“小数据”分析过程中的数据应用
　　对于大数据营销，多数人认为在做的事情可以称之为“大数据”，在众多乐观的态度中易观国际分析师董旭却提出了对立的观点。她认为，今天所有营销数据基本上是各家在利用有限的数据资源，虽然这个数据资源可能是庞大的，比如庞大cookie量，附属性的分析量等，但将其放在互联网、移动互联网环境上只是与营销相关的数据之一。因为现如今产业链的特征，企业都会有自己独立的DMP系统，但做DMP第三方市场还没有一个通用型的DMP平台可以提供获取数据。因此所有的DMP本身是在应用数据，而并非是全网的大数据。
　　另外，当今的所有的用户数据都来自于cookie或是APP使用行为等等，如用户属性，购买行为等，因其数据本身的局限性再从数据本身的一个维度的扩张来看今天的数据也够不成大数据。因为大数据营销还处在一个概念普及的阶段，所以大数据未来的发展方向是指导整个营销行业趋势化或并不指导实际运用的作用和价值，而真正指导这个行业运用的还是小数据为主。这也是为什么如今独立的第三方DMP生存并不理想的主要原因。
　　大数据可以帮助品牌发现机遇，如新客户、新市场、新规律、回避风险、潜在威胁等，同时亦可以有助于品牌营销决策的调整与优化。这其中包含了数据人才、数据模型和应变数据管理的组织职能优化等，这也是当前企业大数据营销转型中最大的三个门槛。目前大数据营销的最真切的切入点就是去做内工层面，即概念普及认识数据的重要性，这其中包括：数据的活性，量级，数据的准确性，以及数据维度的多元化，最后交给市场一个教育的过程。
　　大数据观察微信公众平台：shuju_net
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
搜狐公众平台官方账号
生活时尚&搭配博主 /生活时尚自媒体 /时尚类书籍作者
搜狐网教育频道官方账号
全球最大华文占星网站-专业研究星座命理及测算服务机构
我们将为您带来全新的大数据视角，及时与您分享最具价值的大数...
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：大数据时代营销人的变革：预测营销_百度百科
大数据时代营销人的变革：预测营销
《大数据时代营销人的变革：预测营销》以大数据和机器学习为基础，为营销人员提供了一个关于预测营销的导引手册，使得个性化营销得以付诸实践。《大数据时代营销人的变革：预测营销》涵盖了从零售到出版、从软件到制造的各种成功案例，希望读者可以从中获益。
大数据时代营销人的变革：预测营销编辑推荐
本书提供了一套数据驱动的营销框架，讲解如何基于大数据定位客户角色、预测客户价值、量身推荐产品、保留客户群体等内容。
本书主要目的是希望读者能有效地利用数据的价值，在大数据时代找到传统营销方式的出路，同时在思想上得到以下几个有用的大数据营销观点。
利用基于数据的生命价值营销有效地挖掘高价值客户，减少在低价值客户身上花费的成本；
利用大数据分析手段，多保留和重新激活老客户才能保证高效地增长，而不是一味地增加新客户；
运用聚类、分类等数据挖掘算法发现你不曾知道的客户群，并用来区分和优化营销活动，使精准营销变为可能。
大数据时代营销人的变革：预测营销内容提要
《大数据时代营销人的变革：预测营销》[1]
以大数据和机器学习为基础，为营销人员提供了一个关于预测营销的导引手册，使得个性化营销得以付诸实践。《大数据时代营销人的变革：预测营销》涵盖了从零售到出版、从软件到制造的各种成功案例，希望读者可以从中获益。
《大数据时代营销人的变革：预测营销》分为三个主要部分。第一部分，“预测营销完全入门”，介绍了预测性营销的许多基本元素，包括什么是预测营销软件，数据科学和预测分析工作原理，以及客户生命周期价值概念的基本元素。第二部分，“轻松上手预测营销就这九招”，会提供切实的战略指南，助你轻松入门。第三部分，“如何成为一个真正的预测营销高手”，对预测营销技术进行综述，为营销人提供一些职业建议，并探讨隐私和预测营销的未来。
《大数据时代营销人的变革：预测营销》是为准备学习预测营销的营销人员量身打造的，也适合正在公司里进行实战的营销人员和需要从事预测工作的大数据分析师阅读。
大数据时代营销人的变革：预测营销目录
第一部分预测营销完全入门
第1章大数据和预测分析技术就在眼前 / 2
预测营销革命 / 6
客户权益的力量 / 8
预测营销的应用 / 11
预测营销普及率正在加快 / 14
客户要求与品牌建立更有意义的联系 / 14
早期采用者的经验表明，预测营销能带来巨大价值 / 17
新技术的推出让预测营销变得简单 / 18
建立预测营销系统需要什么条件 / 21
第2章预测分析技术简易入门手册 / 23
什么是预测分析技术 / 24
无监督学习技术：聚类模型 / 26
聚类和细分的区别 / 26
有监督学习：倾向性模型 / 29
如何使用预测模型十分位数法 / 30
预测模型和RFM模型对比 / 32
强化学习和协同过滤 / 33
不同类型的推荐模型 / 35
预测分析流程 / 37
数据收集、净化和准备 / 38
异常值检测 / 38
特征生成和提取 / 39
分类器和系统设计 / 40
预测分析技术的“最后一公里”问题 / 41
第3章首先要了解客户：建立完整的客户档案 / 43
收集多少数据合适 / 45
收集哪类信息 / 47
准备数据以供分析 / 52
人名的净化和验证 / 53
地址的净化和验证 / 54
链接和重复信息删除 / 55
与IT部门合作完成数据集成 / 56
在你的数据中寻找数百个问题 / 61
营销/渠道 / 66
第4章管理客户就像管理资产组合，要不断增值 / 68
什么是客户生命周期价值 / 69
历史生命周期价值 / 69
预期客户价值 / 71
向上生命周期价值 / 73
提高单个客户的生命周期价值 / 75
价值增长 / 76
提高所有客户的生命周期价值 / 78
加入更多（有价值）客户 / 78
防止流失 / 79
与不活跃客户互动 / 79
第二部分轻松上手预测营销就这九招
第5章第一招：运用客户数据，优化营销开支 / 82
对客户获取、保留和再激活进行投资 / 83
优化获取成本 / 89
优化客户保留预算 / 91
根据客户价值区分投资额 / 92
找到合适的产品吸引高价值客户 / 93
一个终点归因的例子 / 95
第6章第二招：预测客户角色，让营销重回正轨 / 99
聚类类型 / 101
基于产品的聚类 / 101
基于品牌的聚类 / 102
基于行为的聚类 / 103
利用聚类提高客户获取水平 / 106
使用聚类时需要注意的几个问题 / 107
运动变化中的聚类 / 107
第7章第三招：预测客户演变过程，为生命周期营销做准备 / 109
客户的价值旅程 / 110
第一笔价值 / 112
再现价值 / 113
新价值 / 115
生命周期营销策略 / 116
潜在客户策略：我们帮得上忙吗 / 116
新客户策略：谢谢你 / 118
回头/活跃客户策略：我们爱你 / 120
不活跃客户策略：记住我 / 121
流失客户策略：我们想你 / 122
第8章第四招：预测客户价值，进行价值导向营销 / 123
价值导向营销 / 123
保留高价值客户 / 128
提升中等价值客户的价值 / 129
减少低价值客户服务成本 / 131
第9章第五招：预测购买或互动的可能性，为客户排名 / 132
购买可能性预测 / 133
首次买家的购买可能性 / 134
重复的购买可能性 / 135
使用购买可能性预测选择正确的折扣水平 / 135
B2B营销中的预测性线索评分 / 138
互动可能性模型 / 140
邮件发送频率 / 143
第10章第六招：预测个人喜好，为每位客户量身推荐 / 147
选择正确的客户或细分市场 / 148
购买时推荐 / 149
购买后推荐 / 150
客户生命周期中的推荐 / 150
理解客户使用场景 / 151
内容——推荐什么 / 153
除了推荐，还有什么 / 154
第11章第七招：启动预测计划，转化更多客户 / 156
预测再营销活动 / 156
针对放弃购物车付款的预测营销活动 / 159
放弃搜索后的预测营销活动 / 160
放弃网页浏览后的预测营销活动 / 161
相似受众营销 / 162
相似度或可达性优化 / 164
第12章第八招：启动预测计划，提升客户价值 / 166
增加客户价值的秘诀 / 166
购买后预测营销项目 / 168
客户欢迎活动 / 168
购买后推荐 / 170
再补充活动和重复购买活动 / 170
新产品推介 / 172
客户答谢活动 / 172
预测分析时代的客户忠诚项目 / 175
谈谈全渠道营销 / 177
第13章第九招：启动预测计划，留住更多客户 / 180
理解什么是保留率 / 180
负流失的概念 / 181
理解你的商业模式 / 182
价值迁移也是流失的一种形式 / 185
流失管理项目 / 186
主动保留管理 / 187
挽留客户要花多少钱 / 189
客户保留和钱包份额 / 190
找到流失的根本原因 / 190
客户再激活活动 / 191
四步完成再激活 / 192
第三部分如何成为一个真正的预测营销高手
第14章预测营销能力一览表 / 196
预测营销的组织能力 / 196
预测营销的技术能力 / 199
客户数据整合 / 201
预测的洞察力 / 202
营销活动自动化 / 203
询问预测营销供应商哪些问题 / 203
你是否要对你的客户获得完整且准确的印象 / 204
我能获取哪种市场细分和目标市场确定 / 206
在市场细分或推荐中采取行动有多简单 / 206
除了有关功能的问题，问问自己，
这个供应商是否适合你 / 207
第15章预测式（相关）营销技术综述 / 209
自己动手进行预测营销 / 209
外包给营销服务提供商 / 211
活动管理和营销云选择 / 212
其他你可能听说过的工具 / 213
网络分析 / 216
数据管理平台（DMPs） / 216
电子邮件服务提供商（ESPs） / 217
客户关系管理（CRM） / 218
高级分析 / 218
哪个解决方案适合我 / 219
无论你做什么——开始行动 / 220
以小规模为起点 / 220
将客户数据导入，将数据科学外包 / 221
用预测营销补充你现有的基础设施 / 221
第16章给有抱负的预测营销者的职业建议 / 223
商业理解比精通数学更胜一筹 / 224
问正确的问题 / 225
将艺术和营销科学融合 / 226
学习他人 / 227
第17章隐私、愉悦和逾越的区别 / 229
个人信息类型 / 230
避免侵犯客户隐私的情形发生 / 232
给予客户掌控权 / 232
硬边界和政府立法 / 233
第18章预测营销的未来 / 235
先进的预测性分析模型 / 237
像预测营销者一样思考 / 238
附录A 客户数据类型综述 / 2431.1 Word的用途2
大数据时代营销人的变革：预测营销精彩节摘
新技术的推出让预测营销变得简单
既然如此，为什么预测营销技术没有被营销人广泛采纳呢？因为就在不久前，收集、分析和利用成千上万客户数据的技术能力对多数营销人来说都还是遥不可及的。成本过高、耗时过长、过于臃肿，使人们对技术和人力的投资望而却步。然而，如今预测分析技术已经成熟，可以跳出条条框框的限制，提供标准的算法和技术，不需要数据科学家和软件工程师的帮助，营销人自己也能使用。在第15章，我们将详细探讨现在可用的各类工具，这些工具使得预测营销的成本更低、速度更快，且简单易用。
（1）预测营销的成本在降低。预测营销的成本主要包括软硬件技术投资，数据收集、整合、预测分析模型开发和部署上投入的人力，以及营销人员或数据科学家在工具日常维护和使用上的时间投入。
就在不久前，用于收集和储存客户数据的数据仓库基础设施，成本还高达数十万，甚至数百万。Mark Jeffery曾在其书中记录了一个小型区域零售商的数据：10间店铺、10万名客户，以及1TB客户数据就需要建立一个成本在5万~25万美元的数据库。当企业升级为400家门店的中等规模连锁店时，建立数据库的成本随即升至250万美元。而拥有5000家门店的全国规模零售商，建立数据库的成本高达2.5亿美元。如今，云端预测营销解决方案的成本只有每月几千美元。
（2）预测营销的部署更容易。无论采用哪种解决方案——非定制的或定制的——你都需要收集客户信息，并将其整合到每位客户的描述数据库中。2014年下半年，通过对132为营销高管的调查，AgilOne发现，68%的受访者对客户几乎没有任何了解。也许，你已经收集了许多客户信息，但它们彼此分离，就像邮件促销、社交促销和客服中心促销各自为政一样。多数公司针对网上交易、实体店交易和电话交易分别设置了单独的数据库。就在不久前，完成数据整合建立客户档案，并对所有客户信息进行互联和复制，还需要花费数月甚至数年时间。如今，市场上已出现了自动化解决方案，使得数据整合和净化更为容易。这些方案通常使用标准数据模型，使得多渠道客户数据标准化的速度更快，操作更简便。
过去，企业不仅需要自己建立相关基础设施，还要招募全职数据集成工程师和数据科学家，或者干脆外包。数据科学家的作用是建立客户模型，分析客户数据——可能使用预测分析平台工具。这些模型需要修改和定期微调，以保证结果精确。数据科学家十分稀缺，所以仅美国就设立了50个新的研究生项目以填补市场缺口。幸运的是，如今，许多营销解决方案都能推陈出新，提供内置模型，且经受住了业界公司的证明和检验。一些模型甚至能自主学习，也就是说能自动根据客户数据变化进行调整，并且不需要专职数据科学家进行维护。
（3）预测营销技术正变得更加易得易用。尽管组织内部就收集了许多客户数据，但作为一名营销人，可能无法进行获取。Omer Artun就有这种遭遇，2003年12月加入百思买时，他担任的是新成立的B2B业务部营销主管：
我从Micro Warehouse跳槽到百思买时，已经建立了一套准实时客户分析系统，能够每天跟踪和分析客户订单。百思买希望我能将该技术引入新的B2B业务部门，该部门主要销售路由器、打印机和电脑，客户多为小企业。百思买和其他许多公司一样，当时将IT业务外包给第三方做。如果你想和他们谈谈客户数据问题，光见一面就要花费1万美元。于是，我去见IT部门的工作人员，只想得到原始数据库，但却无功而返。数月后，我还是不能拿到客户的历史采购数据。数据就在某个地方，但我却无法使用。随后，我又斗争了几个月，最终不得不放弃。接着我就创立了AgilOne公司，提供预测分析服务，为营销人提供客户数据。
如果不能将信息用于为客户提供相关性体验，信息就是无用的。将客户信息整合，并分享给客户服务人员或用于激发与客户的互动，确实有难度。一家公司掌握许多客户信息的情况并不少见，但一般情况下，如果没有投入精力和时间进行数据整合，营销人员就不能使用这些数据细分客户，更无法进行包括邮件营销在内的精确营销。新一代营销软件正在不断问世，能够提供预测建议，营销人只需对信息进行简单的拖放，并进行适当的过滤，就能细分市场，将个性化内容或推荐加入营销邮件或广告中。
大数据时代营销人的变革：预测营销作者简介
?mer Artun
一位科班出身的科学家，内心其实是一位企业家，总有一种对知识的渴求和挑战现
状的欲望。1999年博士毕业后加入麦肯锡，在几个项目中测试数据科学方法；2002年加入Micro Warehouse公司，担任营销副总裁，将数据科学引入日常经营中；2006年加入百思买公司，担任新组建的企业业务部门高级总裁。他坚信，数据驱动下的预测营销将成为未来十年的新潮流。创立了AgilOne公司，旨在通过一个易用、强劲的云平台，向每位营销人提供大数据和预测分析技术服务。
Dominique Levin
她修读了工程、设计和商业管理专业。过去20年，在大大小小的公司做市场营销，足迹遍布各大洲，客户既有企业也有个人，是客户数据重要性最早的推崇者之一。2000年经营了自己的第一家数据公司LogLogic，该公司随后被TIBCO软件公司收购。之后陆续在几家科技公司工作，包括Fundly和Totango，负责建立高度数据驱动的营销组织。
译者介绍：
曹正凤，统计学博士，经管之家（原人大经济论坛）大数据中心总工程师，经管之家（原人大经济论坛）CDA大数据分析师培训负责人，北京博宇通达科技有限公司技术总监。致力于大数据分析前沿领域研究，主持人大经济论坛基于Hadoop架构的论坛主题推荐系统项目，参与国家社科基金项目《基于大数据整合的空气质量测度方法研究》，发表多篇论文，且发表的EI核心收录论文受到多次检索。
秦磊，经济学博士，对外经济贸易大学统计学院讲师、硕士生导师，对外经济贸易大学大数据与风险管理研究中心成员。主要研究数据挖掘、大数据计算、时间序列、金融风险管理及其应用。先后在国内核心期刊《统计研究》、《数量经济技术经济研究》、《中国科学：数学》、《数理统计与管理》、《中国管理科学》、《商业经济与管理》上公开发表多篇学术论文，出版译著《智能大数据SMART准则：数据分析方法、案例和行动纲领》，主持北京市自然科学基金、211项目等多项课题。
谢邦昌，台湾大学生物统计学博士，辅仁大学统计信息学系教授。现任中华数据挖掘协会（Chung-hua Data Mining Society，CDMS）理事长，辅仁大学统计资讯学系教授，华通人商用信息有限公司高级顾问。中国人民大学应用统计科学研究中心学术委员会委员。中国人民大学统计学系Data Mining中心客座教授，上海财经大学统计学系客座教授。厦门大学计划统计学系客座教授。西南财经大学客座教授。他是数据挖掘界领军人物及世界知名统计学家。发表过近三百篇关于统计和数据挖掘的论文，出版了近五十余本相关专著，拥有丰富的大数据分析行业经验。
王淑燕，女，山东菏泽人，辅仁大学商学研究所博士，研究领域为应用统计科学及大数据分析，曾在《运筹与管理》、《ICIQ 2014 19thInternational Conference on Information Quality》和《American Journal of Industrialand Business Management》等国内外杂志发表论文数篇。
大数据时代营销人的变革：预测营销前言
大数据时代对传统营销模式的冲击是巨大的，面对复杂多样的海量数据，如何挖掘其中的价值是每个营销人员都希望知道的事情，而本书恰好可以满足该领域的一些需求。本书的作者?mer Artun和Dominique Levin是营销领域经验丰富的学者，两位学者将他们成功的案例及实用的方法写入书本，为那些徘徊在大数据之外的营销人员提供了一个很好的导引。
本书的独到见解
本书介绍了一种适用于任何规模公司的预测营销方法。基于数据驱动的技巧，以最有效的方式找到带来高价值客户的产品和渠道，将陈旧的商业模式转化为更加个性化的用户策略。
本书的主要目的
使读者能有效地利用数据的价值，在大数据时代找到传统营销方式的出路，同时在思想上得到以下几个有用的大数据营销观点。
1．利用基于数据的生命价值营销有效地挖掘高价值客户，减少在低价值客户身上花费的成本；
2．利用大数据分析手段，多保留和重新激活老客户才能保证高效地增长，而不是一味地增加新客户；
3．运用聚类、分类等数据挖掘算法发现你不曾知道的客户群，并用来区分和优化营销活动，使精准营销变为可能。
曹正凤、秦磊和王淑燕负责了本书绝大部分的翻译工作，台北医学大学管理学院暨大数据研究中心谢邦昌教授对全书进行了审校工作。另外，本书在出版过程中，还得到了电子工业出版社的大力帮助，以及对外经济贸易大学大数据与风险管理研究中心、经管之家大数据中心和智慧交通大数据中心在人力和财力上的资助，再次表示衷心的感谢。书中不妥之处在所难免，尚祈广大读者和同行专家不吝赐教。
北京博宇通达科技有限公司技术总监
本书目标读者
本书是为希望学习预测营销的营销人员量身打造的，也能让已将该技术应用到组织中的营销人员受益匪浅。无论是刚开始学习，还是已经付诸实践，在本书中你都能找到许多实用的点子。我们会向身处不同规模公司的营销人员分享他们应该了解的、有关使用大数据技术进行预测营销的知识；展示像海若斯娱乐公司、亚马逊和Netflix等行业先行者成功背后的秘密。本书也是一部实用指南，助你掌握新的营销方式。总之，我们与你分享的故事源自大大小小的公司，涵盖从零售到出版、从软件到制造的各行各业。本书所列的营销者都取得了革命性的成功，相信你也可以。
我们热衷于提高营销质量，向营销人传授相关知识和工具，让营销事业重回正轨。我们希望后续章节能为营销人提供新的表达方式和灵感，让他们理解并学会运用大数据和以机器学习为基础的营销手段。我们相信最终的结果必是客户、企业和营销人多赢的局面。客户将拥有更切身、更有意义的体验，企业将建立赢利能力更佳的客户关系，而营销人也能获得远见和同事的尊重。
本书分为三个主要部分。第一部分，“预测营销完全入门”，介绍了预测性营销的许多基本元素，包括什么是预测营销软件，数据科学和预测分析工作原理，以及客户生命周期价值概念的基本元素。第二部分，“轻松上手预测营销就这九招”，提供切实的战略指南，助你轻松入门。第三部分，“如何成为一个真正的预测营销高手”，对预测营销技术进行综述，为营销人提供一些职业建议，并探讨隐私和预测营销的未来。本书许多章节都可以独立成文，所以请参考以下各章摘要，直接跳转到你最想浏览的章节。
本书内容提要
第1章大数据和预测分析技术就在眼前
预测营销以大数据技术和机器学习（总称预测式分析技术）为基础，是对客户关系的重新考量。营销人需要关注这一技术。互联网盛行二十余年后，预测分析技术的应用将是改变行业游戏规则的最大机遇。尽管一些大型银行已经在或多或少地使用预测营销，但我们仍处于技术接纳的早期阶段，可以说现在时机刚好。企业对预测营销的接纳速度日趋加快：①客户希望与品牌建立更有意义的联系；②技术早期采用者展示了预测营销能带来巨额价值；③新技术发展让预测营销变得轻而易举。
第2章预测分析技术简易入门手册
许多营销人都希望至少了解预测分析技术“黑箱”中究竟发生了什么，这样他们才能够自信地应用技术模型或与数据科学家进行交流。阅读本章后，营销人将充分了解预测分析技术的全过程。营销人需要了解三种预测分析模型：无监督学习、监督式学习和强化学习。许多营销人不了解的一个事实是：与预测客户未来行为相关的80%的工作，其实是收集并过滤客户数据。数据过滤工作并不光鲜，却是中流砥柱：若没有精确和完整的客户数据，便无法进行真正的客户分析。
第3章首先要了解客户：建立完善的客户档案
建立完整且精确的客户档案绝非易事，但价值巨大。如果你的公司和多数公司一样，客户数据散落在各个角落，错误连篇、重复建设，无法为每个营销人员所用，那么今天，你非常幸运，预测技术（包括模糊匹配在内）能帮助你清理现有数据的烂摊子，将线上和线下数据互联，解决客户数据和实体身份错配的问题。仅仅将所有客户信息集中起来就会产生巨大价值，并且，确保公司所有直面客户的工作人员都能轻松提取并使用客户信息，将是提供更好客户体验的第一步。
第4章管理客户就像管理资产组合，要不断增值
我们坚信优化企业价值的最佳方式在于提高每位客户的生命周期价值。客户是公司价值的基本源泉，因此，客户生命周期价值就是衡量营销活动效果的最重要指标。最大化每位客户的生命周期价值或赢利能力，就相当于提升了公司总体的赢利能力和估值。而实现这个目标的最佳途径，就是用管理股票投资组合的方式管理客户。面对新老客户，你的行动和发出的信号都要不同。面对低价值、中等价值和高价值客户，你的思维方式和预算安排也要做出调整。
第5章第一招：运用客户数据，优化营销开支
需要分配营销预算时，多数营销人立即会想到客户获取式开支，将预算配置到效益最好的渠道和产品上。然而，预测营销情境下开支的分配在于将资金分配给正确的人，而不是正确的产品或渠道。多数公司倾向于先赢得客户，这样他们就可以将时间和预算集中投入到客户维系和再激活中，成本更低。因此，营销人员在分配预算时，要学会参考以下依据：客户获取、维系和再激活的目标，以及找到转化最高价值客户的产品和渠道。
第6章第二招：预测客户角色，让营销重回正轨
这一章中，我们会探究预测技术中的聚类法，以及它与传统客户细分法的区别。在从消费群体中识别客户角色或客户群体方面，聚类法很有用。具体来说，本章会从产品、品牌和行为三个方面分析聚类法的应用。运用聚类法，你能够洞悉客户需求、行为、统计特征和态度，以及他们对营销互动方式、产品和服务使用方面的偏好。在此基础上，针对不同客户群体，你可以着手区分并优化营销行动和产品组合。
第7章第三招：预测客户演变过程，为生命周期营销做准备
本章会研究从客户获取、发展到维系的客户生命周期全过程，理解如何根据每位客户的生命周期做出沟通策略的调整。优化客户生命周期价值的基本原则与生命周期所有阶段的原则相同，总结为一句话就是：“付出才有收获。”客户信任你，才有可能购买你的产品。赢得信任的最佳方式是：让客户尝到甜头。所以，为了获得客户价值，先要付出客户价值。
第8章第四招：预测客户价值，进行价值导向营销
客户的生命周期价值不全相同。任何企业都会有高价值客户、中等价值客户和低价值客户。而根据客户价值的不同制定差异化营销战略将是创造价值的良机。这种细分且有针对性的策略被称为价值导向营销策略。首先，花更多的钱吸引并留住高价值客户。然后向上营销，将中等价值客户转化为高价值客户。最后，降低在低价值或获利无望的客户身上的成本。
第9章第五招：预测购买或互动的可能性，为客户排名
购买可能性模型就是人们通常认为的预测分析。运用这些模型，能够预测某类客户未来行为的可能性。本章将研究客户和企业营销领域中，以购买可能性预测为基础设计的程序。让你见识在企业营销中，预测线索评分或客户评分在优化销售时间和销售团队成功率方面的作用。我们也会向你展示企业如何根据倾向性模型，制定打折策略并确定营销邮件的发送频率。
第10章第六招：预测个人喜好，为每位客户量身推荐
个性化推荐是预测技术的又一流行应用。本章将向营销人提供推荐时的入门技巧，并传授不同的推荐方法。为你呈现购买前和购买后、针对特定产品和特定消费群体不同的推荐技巧。探讨定制个性化推荐时的陷阱，强调销售规则和全渠道协调，以及让客户掌控自己的个性化推荐的重要性。
第11章第七招：启动预测计划，转化更多客户
本章将介绍三种特殊的预测营销策略，助你获得更多高质量客户，包括：针对不同客户群的特点策划更好的客户获取活动，使用再营销手段增加转化率，以及应用“相似受众”定向手段。进行再营销时，你应该学会区分两种客户：有些客户有可能再次购买，因此只需发送简单的提示信息；而有些客户再购买可能性不大，那么就需要增加激励措施。如果发现未付款的购物车，浏览和搜索记录时，都可以采用上述技巧。应用Facebook及其他广告平台推崇的相似受众营销，你能发掘出更多与现有客户极其相似的客户，也就是说，新客户与既有客户一样，都能为你带来最大效益。
第12章第八招：启动预测计划，提升客户价值
留住客户的秘密在于努力从第一天起就留住他。第一次交易仅仅是开始，漫长的关系需要特别的维护和培育。即使成功完成客户转化，与客户的互动也不能停止。本章中，我们会讲到一些预测营销策略，助你提升客户价值，包括：售后活动、补充活动、重复购买计划、新产品推介和客户答谢活动。我们也会谈到忠诚度计划，以及预测分析时代的全渠道营销。
第13章第九招：启动预测计划，留住更多客户
我们建议你专注于货币保值。如果不这么做，即使你留住了客户，也会赔钱。而且，评估客户保留率时，需要认识到，不同客户的流失带来的损失不同。低价值用户流失肯定没有高价值客户流失损失大。另外，与重新激励停止购买的顾客回心转意相比，努力避免客户流失显然是个更容易、经济和有效的策略。本章中，我们将研究不同的流失管理计划，包括适用于所有客户的非定向计划，以及具有定向性的主动客户保留管理策略和客户再激励计划。
第14章预测营销能力一览表
为了运用本书介绍的预测营销技巧，你既需要做好思维准备，也要掌握相关能力。从思路上看，不应再陷入活动、渠道或一刀切式营销的泥沼，而应关注个人消费者和他们的背景。从技术角度讲，你需要掌握客户信息整合、预测情报和活动自动化方面的能力。
第15章预测式（相关）营销技术综述
大数据时代既让人兴奋，又使人迷茫。每年都涌现出大量新的营销技术。本章中，我们会综述各种已投入使用的商业应用技术，并讲解如何从零开始，构建自己的预测营销解决方案。
第16章给有报负的预测营销者的职业建议
率先采用新方法、新技术（包括预测营销和预测分析）将带来巨大的职业机遇。如果你不擅长数字和数学，且怯于上手预测营销技术，我想跟你说几件事：对商业的理解比数学更重要，善于提出正确的问题对你大有裨益，顶尖营销人能够平衡营销艺术和科学，身边的每个人都能让你学到很多。
第17章隐私、愉悦和逾越的区别
一般来说，如果能从个性化产品和服务中获得诸如便利等明显好处，客户是乐于分享个人偏好信息的。提供个性化服务时，可利用三种不同的客户信息，客户体验相当不同。请用常识判断营销活动是让人愉悦还是不舒服，要将营销情景放在大环境中看。本章将提供一些指导，教你如何处理与客户信任相关的敏感信息。
第18章预测营销的未来
预测营销必将继续在营销领域内外大展拳脚。新的算法将会层出不穷，实施客户洞察力营销将重塑世界，让未来的商场大变样。因此，客户、公司和营销人员越早开始使用该技术，获得的收益就越大。迟早，你的客户和竞争者都会逼着你应用预测营销思维。所以，你最好做一个先行者，掌握巨大竞争优势。
?mer Artun
我是一位科班出身的科学家，但我内心其实是一位企业家，总有一种对知识的渴求和挑战现状的欲望。上小学时，意识到从桑树上采集果实拿到街上卖可以挣钱，我就毫不犹豫地邀请同学加入，共同经营这个小本生意。在身为工程师的父母的鼓励下，我像哥哥一样选择了在布朗大学攻读博士学位，师从脑神经研究所的Leon Cooper先生。Cooper先生因在超导体方面的卓越贡献获得诺贝尔物理学奖，随后认定人类面临的下一个难题是在神经科学方面取得突破，破解人类学习和适应之谜。他在20世纪70年代早期就是学习理论方面的先驱，以实验性神经科学为基础，配合分析技术研究并创造了学习系统，这套方法现在叫机器学习法。这两个机制我都研究过，它们支持着学习和记忆存储，以及神经网络的人为构建，而神经网络能够学习、联想和再生产更高级别的认知活动，诸如抽象、计算和语言学习。这些任务可由人类完成，常规的计算机程序很难模拟。
1998年即将博士毕业时，我注意到商业世界中的多数人还处在电子表格时代，于是希望将数据科学和机器学习法应用其中。这个目标让我在战略咨询公司麦肯锡找到了一份工作。
1999年加入麦肯锡时，我得以在几个项目中测试一些数据科学方法。我的第一个计划是帮助一家大型技术公司提高销售覆盖率，即采用科学手段，以客户需求、销售团队能力和经验为基础，完成销售团队和客户的匹配。这就是我所谓的分析技术的最终难题。我意识到这是个大问题。分析技术有助于提升商业效率，但只有在被整合到公司日常工作流程中后才能发挥效用。这个问题在企业定价、供应链、营销和销售等多个环节中反复出现。多数我参与的麦肯锡项目都停留在纸上谈兵阶段，方案都是正确的，但很难带来实际价值。在麦肯锡接受训练后，2002年我加入了Micro Warehouse公司，担任营销副总裁，希望将数据科学引入日常经营中。我很幸运，得到了CEO Jerry York和总裁Kirby Myers的支持。Jerry是我见过的最信奉数据的商人，直到今天仍是。他是Gerstner管理IBM时的CFO，之前还是克莱斯勒的CFO。他鼓励我使用数据科学，提升绩效。
我认识到必须建立自己的方法，将数据科学和执行结合起来，解决最终难题。我招到了两名得力助手，分别是Michel Nahon博士和计算机高手Glen Demeraski。Nahon博士毕业于耶鲁大学，是训练有素的应用数学家，帮我编写机器学习算法；而Glen则在数据库及其引用方面协助我。我创造的方法和系统运用数据，能更有效地分配资源、降低营销成本、发现新的营收来源。在营销效率、定价和打折策略等方面，我们影响巨大。2003年上半年，我们开发出实时预警系统，能对销售团队的采购、定价和客户获取进行监控，将结果与移动平均数相比较，然后由团队负责人做出及时行动决策。年，我在Micro Warehouse工作，随后，我加入百思买公司，担任其新组建的企业业务部门高级总裁。当时百思买也深受“最后一英里”难题的困扰，公司内部资源充裕，工具多样，许多自命不凡的顾问大谈特谈客户细分和分析技术，但当你随便走进一家百思买商店时，看到的却是一切如故，没有落实到消费者层面。这是对分析技术的真正考验：技术是否能以积极的、可感知的方式影响消费者？如果不是，那么你的规划就出了问题。在百思买干出成绩要困难得多，这部分内容我会在第1章详述。
在Micro Warehouse和百思买工作时，我经常在哥伦比亚大学以及纽约大学斯特恩MBA项目的关系营销和定价课程中担任客座教授。2006年，我成为纽约大学斯特恩项目的兼职教授，教授MBA关系营销课程。这期间，通过与学生和在职人员交流，以及市场调研，我认定，数据驱动下的预测营销将成为未来十年的新潮流。我已清晰地认识到预测营销的价值，而随着商业的数字革命、客户触点的增多，以及数据在大小、种类和更替速率方面的指数级增长，该项技术的重要性得到进一步提升。
如果你问我从Cooper博士那里学到的最重要的一件事是什么，我会说是学会分解问题，找到问题核心，最后在基础层面解决问题。他总是说，问题的解决方案必须简洁。而这也是我认为营销人的问题所在。街角小店时代，营销是件易事。人们互相熟识，知道彼此的喜好，打交道也是一对一的。但在“一刀切”的大规模优化时代，营销人员与客户是脱节的。客户沦为受访对象和焦点小组讨论的参与者，一切都围着产品和渠道转。然而，进行客户中心营销的需求一直在，只是过去这么做不实际且成本过高。网络、电子邮件、手机、社交和定位技术，与存储、加工和提取信息基础结合起来，构成了数字化变革，改变了过去我们对“实际”和“低成本”的看法。
通过将人文关怀引入数字和离线生活，关注每个客户，了解他们的过去，预测他们的未来，预测营销将私人关怀或人情味储存起来。预测分析的基础是机器学习算法，能帮助营销人理解这些行为。机器学习和复杂算法不是取代人类决策，而是帮助人们获取情报，解决更大规模的问题，有点像鸟枪换炮。
越来越多的公司面临这个问题，我看到了商机，于是决定打破现状，解决问题。2006年，我建立了AgilOne公司，旨在通过一个易用、强劲的云平台，向每位营销人提供大数据和预测分析技术服务。
AgilOne在头五年里自力更生，随后得到了多家风投的支持，包括Sequoia Capital、Mayfield Fund、Tenaya Capital和Next World Capital。通过各种途径，我们为来自零售、B2B、互联网、媒体、出版和教育行业的超过150个品牌提供服务。通过精准的客户描述、预测和嵌入式生命周期营销活动，营销人提高了客户忠诚度和客户生命周期价值。
业余时间，我是个有着28年从业经验、小有成就的陶艺家，在布朗大学期间，我师从的是罗德岛设计学院的Lawrence Bush先生。我生在土耳其，现在和妻女定居洛斯盖多斯。我有两个女儿，叫Ayse和Leyla。写序时，在Pala Alto Castilleja 学院读大一的女儿Ayse正在读一篇有关预测营销的文章，为数学课做准备，文章预言预测营销会在下一代人中间成为主流。
Dominique Levin
我之所以能将左右脑联合，处理营销问题，要归功于当初修读了工程、设计和商业管理专业，接受了复合式教育。在荷兰Delft大学获得工业设计工程学位（毕业成绩优秀）后，我又在哈佛大学获得商业管理学位（毕业成绩优异）。我建议所有营销人都将人类创意同技术学习结合起来，为客户创造更大价值。过去20年，我在大大小小的公司做市场营销，足迹遍布各大洲，客户既有企业，也有个人。总之，我是客户数据重要性最早的推崇者之一。
1994年，我有了第一份营销工作：在秘鲁库斯科担任实习生。我开着皮卡拜访当地农民，统计他们中多少人愿意加入合作社，把水果加工成果酱和酒。我的下一份工作是在飞利浦消费电子公司，任务是寻找向少女和成年女性销售更多产品的方法。我和当地高中女生打成一片、收集数据。飞利浦当时推出一款叫作KidCom、针对少女用户的电子记事本，同时研发出名为TeenCom的、针对青少年用户的双向分页设备。我的主管、项目负责人是Tony Fadell（就是后来的iPod和iPhone之父，以及NEST创始人）。1997年，我搬到东京，为日本电报电话公司工作，负责产品或财务。周末我经常会到一家公司门店，对客户提供面对面服务。我建议每家公司都这么做，因为统计数字是不能取代面对面的作用的。
2000年，我搬到硅谷，经营自己的第一家数据公司LogLogic（随后被TIBCO软件收购）。有生以来第一次，我接触到了大量数字形态的客户数据。日志文件就像互联网时代的摄像机，记录一切。在LogLogic，我们使用日志文件监控安全状况，但我也认识到一种可能性，即运用同样的数据也可以更好地理解并服务客户。
之后我又陆续为几家科技公司工作，包括Fundly和Totango，负责建立高度数据驱动的营销组织。Fundly帮助非营利性社交媒体筹集资金。于是，我们使用数据设计自动化流程，覆盖从自助注册到成功筹资的全过程。Totango提供预测营销解决方案，监控客户行为，发现有潜力和遇到问题的客户。在这两个案例中，数据和预测技术都加速了客户获取过程，提升了生命周期价值，同时降低了销售成本。
我在AgilOne担任CMO时结识了?mer。AgilOne也是一家营销公司，我和几千名营销人一样，试图发现运用客户数据取悦他们的方法。?mer和我在数据驱动和以客户为中心方面的见解一致。数据和人文体验是相辅相成的。我们对于客户工作的热情促成了本书的写作。
业余时间，我喜欢和丈夫以及三个孩子一起旅游，见识各地不同的风土人情。我玩冰球来排解压力，曾经还是荷兰国家队的一员。我喜欢和企业家一起工作，帮助他们实现梦想。
感谢Anne Puyt、Barbara Von Euw、Rinat Shimshi、Dhruv Bhargava、Carrie Koy、Joe Mancini、Angela Sanfilippo、Hack Phan和Francis Brero，他们不仅辛勤地帮助公司掌握预测营销技术、取得成功，而且非常慷慨，将自己的经验、例子和智慧贡献到手稿中，是他们让本书内容得到极大的充实。
我们也希望感谢具有远见的CEO和CMO们，他们是预测营销技术的先驱者，尤其是Billy Casper Golf的营销副总裁John Seabreeze，Stargas高级营销副总裁Joe MacDonald，Moosejaw的CEO Eoin Comerford，Arcelik的CEO Levent Cakroglu，Mavi的CEO Ersin Akarlilar，TigerDirect的高级营销副总裁Adam Shaffer。
另外，?mer本人和公司AgilOne的成功，以及本书中的概念的提出都要感谢Boone Bartoli、Peter Godfrey，以及他的“养子和养女”Ozer Unat、Dhruv Bhargava、Oyku Akca、Anselme LeVan、Louis Lecat、Ryan Willette和Francis Breco。
我们也希望感谢我们的家人：
?mer尤其希望感谢妻子Burcak Artun博士对他挑战现状努力的信任和鼓励，以及对他繁忙工作的理解和支持。
Dominique感谢丈夫Eilam和孩子Liv、Yanai和Milo对她工作的鼓励。同样，她也希望感谢AgilOne的营销明星Chris Field、Johnson Kang、Kessawan Lelanphaparn和Angela Sanfilippo，是他们的独立和专业，让她能专注于本书的写作。
．豆瓣[引用日期]
企业信用信息