“缔元信秦雯：基于大数据的广告投放“十步法””

本篇文章4008字，读完约10分钟

[/s2/]比特网( chinabyte ) 10月16日的新闻)/s2/)、今天举行的第五届“金属网奖”颁奖仪式以及中国网络营销峰会论坛上，与会原信总裁秦雯表示，该企业为大

秦雯表示，汇源根据自身实践，提出网络广告投放“十步法”。 “在制定战略之前，我们将根据大数据的挖掘来定义这个企业品牌的客户。 基于这样的定义和分解，制定一系列的战略，如果我们自身的历史数据没有充分积累，可以进行测试投入，在这个测试投入的过程中，明确我们的投入战略，然后开始正式投入。 在投入的过程中，根据数据检验不断优化战略，最终形成评价的结果。 ”秦雯说:“在闭环的过程中，我们使用3种数据。 一个是广告的检测数据，一个是官网的检测数据，还有一个是我们自己的数据。 整个数据流是从我们网络广告投放的过程中流入的。 也就是说，请记住，我们在业务环节生成的数据，一定要回收。 这是目前整个市场营销行业尚未重视的事件。 作为业务的一环而流过来，流过来支持下一个业务战略，整体的原理是这样的。 ”

秦雯还强调，公司要合理看待大数据，需要花很长时间积累，才能经受住寂寞。 她认为今年越来越多的公司将开始重视自由数据的收集和整理

第五届黄金网络奖和中国网络营销峰会由新闻网协会指导，网络营销实务委员会主办，比特网、it专家网主办，至今已成功举办4届，受到国内外业界人士的关注

原信总裁秦雯

以下是秦雯演讲的实录:

秦雯:大数据这个概念现在很热，热到很多公开场合都在泼冷水。 我总是觉得大数据离我们其实有点远。 因为这不是概念的东西，也不是简单的业务水平。 其实需要长时间积累，需要耐得住寂寞，踏踏实实地工作。 所以，不能说是工作。 半年前概念来了，半年后有了实际的行为。 我最近经常举出的例子，我想在这里的人当中也有印象。 有人在推特上发了牢骚。 昨天晚上买了一袋

数据可以优化业务，提高效率，这一方向没问题，大数据可以提高很大的效用，这一方向也是正确的。 我们从2007年开始进入大数据、互联网数据服务市场，我们从2007年开始建立自己的结构化平台。 这里面走了很多弯路，做了很多失败，到去年年底，我们有了一点初步的成果。 因此，今天基于我们的数据，我们站在数据领域分享对大数据的认识和我们已经进行的数据研究的成果。 这样的共享，一方面让大数据看起来更合理，另一方面在商业方面，如何和自己拥有的联系，或者说，其实自己还没有、没有回收、还没有思考、解决了这个

大数据是什么？ 大数据有几个部分，一部分客户交付行为数据。 其他部分为客户的行为对象、拷贝图像和视频音频等。 最后一部分是各种设备的检验、运营、检验数据。 从这三种数据来看，前面两种实际上是在网上处理的。 最后一种在哪个网上处理？ 物联网处理该数据的获取和加工解决。

如果在这样的类别中定义大数据，可以说是人类在线直接和间接活动过程的记录。 这就是我的概念，我的意识里有大数据，可以说大数据无处不在。 我们以前有过。 但是，如果只是以前在线上，离线之前传到社会上，我们要用经济上、可承受的手段来收集这些数据并不容易。 我经常举例子。 例如，假设我们以前在某个商场，每天需要知道有多少人进入这个商场，进去后走什么路线，看看那些柜台，看看那些店，最后买了那些商品等数据。 在线上实现以前的社会基本上是不可能的。 但是，在互联网上可以以非常便宜的价格收集这些数据。

我们涉及数据的是上面的两种数据。 我们说读者传递行动数据。 那两类数据在业务层面运行，实际上就是挖掘参与者和文案的关系，挖掘这两者的关系。 让我看看。 我给你举一点实例吧。 这是每天回收的原始数据。 光靠这样的数据基本上什么也做不了。 有必要加工和解决这个数据。 让我们来看看这个过程。

首先，对客户及其看到的副本进行细化，然后根据客户的不同进行标签管理，并据此对客户进行分组管理。 以汽车为例。 然后，我们根据不同的客户行为，将当前的汽车客户根据其购买喜好度分为不同的组，在此基础上扩展到不同的领域、不同的层次，当数据达到这个层次时，可以在业务中使用。 这是大数据的解决过程。 我们在这个过程中，会看到不断挖掘文案与参与者的关系，从数据自身运用的一些变化，看到经过了几个层面。 第一个层面，我们正在用基本面进行数据统计。 在这个数据统计中，我们挖掘了最受目标人群关注的拷贝，并在此基础上制定了媒体战略。 这在国外7、8年前就已经开始了，并在此基础上分析不同文案的客户重叠度，发现文案之间的客户关联性，并在此过程中优化投放战略。 进一步分析每位顾客的历史拜访行为，在此基础上，发现每位顾客的喜好，最后与每位顾客进行个性化推荐。 在这种数据运用的发展中，从数据到新闻、战略，它有一个简单而又繁多的数据运用过程，最后从粗放到精细。 这是目前从市场上看到3种广告投放、网络广告投放并存的实现方法。

关于准确的投入，我在两个层面举两个例子。

第一，营销广告既是媒体，又是广告发布者，因此我们如何通过媒体将大数据用于媒体价值的解体。 我们知道以前流传的话。 媒体一般分析自媒体顾客的人口学特征、年龄、性别、职业、收入等。 但是，像我们这样在大数据的语境下，可以让媒体的所有顾客根据其喜好，通过其行为特性来识别所有顾客。 从这个意义上说，重新转换网站的媒体价值会改变其原理。 我们首先对媒体来说从卖广告到后来卖顾客。 这也是流量的概念。

例如，通过该网站，针对客户的各种视频复制喜好、浏览行为，将该网站的客户分为6个这样的组是第一步。 第二步，分解各种各样的人，根据其广告历史刊登数据，看看各种各样的人对企业品牌的喜好。 我们发现不同的客户对体育时尚企业品牌的喜好明显不同。 这张图远离这个组。 离客户最近的是这个优先级最高。 图太小，大家可能看得不清楚。 请看下图。 如果是这张图，你会发现第一排是这个运动时尚企业品牌。 然后，从客户的整体兴趣度来看，有这样的排名，但是如果将客户分组，就会发现不同的企业品牌和不同的客户群体会产生更大的关联。 媒体营销人员可以根据这样的数据结果制作这样的分析结果，并针对不同的企业品牌制定不同的应对措施。 如果是那样的服务，我们也会向越来越多的网站提供这样的拆解。 这是对媒体这一块数据挖掘的运用。

看广告，选择广告战略、媒体也是一样，以这种形式进行，让广告投放者的商品目标群体与媒体目标群体相匹配。 同样，让我们来看看数据挖掘在大数据的语境下，广告战略或媒体战略是如何进行的。 基本上就是这五个步骤。 企业品牌顾客的数据收集是第一步，首先要收集企业品牌顾客的数据，然后分析顾客的行为，根据顾客的行为为顾客进行集群分类，再根据这样的集群分类进行广告战略优化。 在这个过程中，我们不得不使用一些数据和做法。 在企业品牌的顾客数据中，使用该企业品牌的投放历史数据和该企业品牌的官网数据。 当然，我们根据自身提供了这样的数据检测和管理工具。 它在顾客的分解中，必须分解顾客的行为喜好、顾客的复制喜好、顾客的费用喜好。 这个分解是基于大数据平台进行的。 在此基础上，我们对客户进行自然特征、社会特征、有趣特征和费用特征的分析、分组。 这样，数据建模和数据挖掘的做法就会稍微进入，最终实现广告的优化。

让我再举一个例子。 刊登了几则广告，展示了该企业品牌客户的检测结果、地域分布、在线时间、在线活动程度，以及该企业品牌客户的媒体到达，企业品牌客户有趣的焦点、所有知名人士的网络生活形象， 最后，对集群图像的顾客、社会身份倾向、资产特征倾向、社会印象倾向、态度倾向、顾客群体、进而广告战略的优化进行分解和建议。 刚才看到的所有数据没有一个来自问卷调查，都是基于大数据的挖掘总结出来的，这是另一种研发方法。 当然未知的东西还很多，我们也是这个方向才刚刚开始。 频道的战略提案，复制战略提案。

基于这样的想法，我们自己梳理了网络广告投放的十步法，我们也在广告投放者的投放过程中让他们付诸实践。 这十个阶段之前正如我刚才所说，和这个样本很相似。 也就是说，这是我们制定战略之前的故事。 我们基于大数据的挖掘，来定义这个企业品牌的顾客。 基于这样的定义和分解，制定一系列的战略，如果我们自身的历史数据没有充分积累，可以进行测试投入，在这个测试投入的过程中，明确我们的投入战略，然后开始正式投入。 在投入过程中，根据数据检验不断优化战略，最后形成评价的结果。 在闭环的过程中，使用了广告的检测数据、官网的检测数据以及我们自己的数据这三种数据。 让我们来看看整个数据流。 它是从我们网络广告发布的过程中流入的。 也就是说，请务必记住，我们在业务环节产生的数据一定要回收。 我认为这现在在营销整个行业方面，现在还没有得到足够的重视。 作为业务的一环，流过来，又流过来，支持下一个业务战略，整体原理是这样的。

这样，我们就能真正实现从效果检测到效果预测。 其中，最大的问题是如何实现大数据的运用。 三个关键词是，首先，如果我们要使用大数据，我们一定要有数据。 这个数据来自那里，这个数据是我们在业务的任何部分，无论是广告发布者，我们是服务机构，还是媒体，这个数据都产生在我们的业务中，所以首先要建立的观念和理念是我们在业务中积累的， 接下来，为了能够使用这些数据，我刚才已经涵盖了，但是数据解决的过程需要从收集到的原始数据加工到转换为可识别的新闻这一数据来解决。 这个数据怎么加工解决，没关系。 像我们这样的第三方企业可以帮助我们做这种加工解决的工作。

既然是最后要用的，那我为什么一开始说呢，对于大数据大家要理性看待。 当我们的第一步还没做好的时候，我必须向部门追求最后一步。 我在用大数据做什么，你还没有。 所以这是开始。 如果是去年的话，我也想有越来越多的公司，开始重视自己的数据收集和整理。 今天的共享到此为止。 谢谢你。