下载掌阅APP，畅读海量书库
立即打开
如今，数据的计量单位由PB（1000个TB）到EB（100万个TB），再发展至ZB（10亿个TB），井喷式增长的数据标志着大数据时代的到来。我们在网络上的任何足迹，都为大数据的增长做了贡献，比如浏览一个网站、登录一次邮箱、发送一次邮件、发表一个帖子。
大多数互联网用户都有类似经验，当我们打开邮箱，经常能收到一些感兴趣的广告链接，比如淘宝网服装打折，京东电子产品促销，还有一些小游戏的推荐等。不知道你有没有发现，不同的用户被推荐的具体内容是不一样的。而这些不同的内容往往正好符合用户需求。
亚马逊是全球领先的电子商务公司，是利用大数据分析用户行为特征获得成功的典型案例。1995年，亚马逊首创了网上售书业务，图书行业的利润非常少，很多企业以降低价格为主要手段进行竞争，最终也没有取得胜利。亚马逊深知这个道理，决定从用户的行为数据特征入手进入图书行业。当电子商务还不为人们所了解时，亚马逊就通过互联网获取了大量的用户行为信息，分析用户行为特征，最终满足了互联网用户的个性需求，打破了图书行业的传统市场模式，在不到十年的时间里将很多历史悠久的书店逼得破产。
低价促销作为企业提高销售量、增强知名度的常用方式，被亚马逊玩出了新花样。亚马逊的促销管理运营流程是以用户数据为指导的。对亚马逊来说，一次好的促销活动不是只降低产品价格，而是数据支撑下企业各个部门以及整个产品供应链的联动。
据亚马逊中国副总裁张建富称，亚马逊进行一次大促销活动需要很长的准备时间。亚马逊在中国进行一次促销活动所涉及的部门广泛，包括西雅图、印度和中国区的运营、IT技术、库房、客服、物流等各个部门，因此需要事先充分准备。在准备过程中，每个部门都会明确自己在促销活动中的职责。
在亚马逊的促销中，数据是各个部门的决策依据。亚马逊促销的选品策略、促销力度都是系统化的。大规模促销会吸引一大批用户，而亚马逊可以通过用户的浏览轨迹智能的向不同用户推荐不同的促销产品，以提高转化率。
有些产品虽然折扣力度很大，如果用户近期有同类产品的购买行为，系统就不会再给用户推荐相同的产品，而是会根据用户的浏览轨迹和购买记录推荐用户有可能感兴趣的其他产品。
亚马逊的成功之处在于它可以整合用户数据，并挖掘用户的潜在需求，对有相同特征的用户实行精准的营销。下面，我们就看看如果韩寒的新书上市，亚马逊会如何做一期邮件推广营销。
首先，从用户的购买数据中筛选出购买过韩寒的书的用户。当然，营销目标不仅仅是这些用户，通过用户的浏览轨迹分析可以筛选出关注过韩寒书籍的用户，他们也是本次营销活动的目标用户。亚马逊网站还会举行“喜欢韩寒还是郭敬明”的投票活动锁定选择韩寒的用户。
然后，亚马逊需要分析目标用户群体的共同特征，从而为他们定制最搭配的促销方式。比如，他们的浏览轨迹数据以及购买行为数据显示他们更倾向于邮费低的配送方式，这说明目标用户群对于运费价格比较敏感。这样一来，这次营销活动的主题也就确定了。邮件标题可以取名为“韩寒新书（免运费）”。
营销活动到这里还没有结束。亚马逊会记录目标用户的反馈行为信息，比如，目标用户收到邮件后，是否打开了邮件，是否通过邮件链接进入了韩寒新书促销页面。对整个营销活动来说，这种持续追踪行为可以统计活动的效果，为以后类似促销的活动提供历史依据。
在个体用户的数据收集方面，亚马逊的持续追踪行为可以统计这个用户对于特定主题和特定促销方式的接受程度。亚马逊可以利用这种数据判断在以后类似的主题或者促销方式的营销活动中是否还发邮件给这个用户。如果连续将相似主题的邮件发给没有反应的用户，就会给用户带来不好的体验，使网站蒙受损失。生气的用户还有可能将亚马逊列到邮箱的黑名单中，对亚马逊的名誉造成负面影响。
亚马逊作为一家国际化大型企业，已经通过收集用户的数据建立了与其形象保持相当一致的数据库。而大多数互联网公司则是通过收购来获得大数据，这样，同步数据就变成了当下最重要的任务。对个别用户数据的处理或者增强信息的针对性，仍然是一个低优先级的方式。
亚马逊利用用户数据为用户提供个性化的服务，使用户获得了满意的服务。这就给各个互联网公司一个启示：有效利用用户数据（见图1-6）为用户提供更优质的产品和服务才是数据的价值所在。
图1-6 有效利用用户数据的方法
将用户的地域、性别、年龄等属性作为分析维度，对营销活动信息进行筛选，这样可以在一定程度上提高用户与营销活动的相关性。最起码企业要保证用户收到的营销活动信息与自己的住址、工作场所以及自己的普通属性相关，这样用户才有可能对产品产生兴趣。
了解已怀孕用户的购买习惯是一件很麻烦的事情。但优秀的互联网公司就具有这种洞察力，并可以利用这种洞察力进行细致入微的调查。它们不会打扰这些用户以及他们的父母，在各种各样的调查中，提取有价值的用户数据对怀孕客户定制服务，包括一些产前用品的优惠券等。
需要量化的用户数据包括用户的浏览历史、是否产生了购买行为、购买过的产品价值、产品购买的频率以及最近一次购买产品的时间等属性。通过量化用户数据将会产生用户价值的评分，从而对用户价值高低做出排序，对用户接受营销活动信息的难易程度做出评估。通过评分高低可以决定对用户进行营销活动宣传的力度大小，以及推荐产品的细分种类，有效提高用户反馈率。
对用户的历史购买记录以及浏览轨迹数据进行分析，可以对以往用户接受的促销活动有一个系统的了解，包括促销折扣比例、商品原价、折扣金额、能否退款、产品风格等信息。这对于预测用户的可能兴趣点有重要意义。当然，这是一个相对高级、相对复杂的工作，一旦运用得好可以收到非常好的效果。
企业应该考虑在营销活动信息推荐的商品旁边为用户添加选择“不喜欢”的功能。在个性化推荐中，收集用户喜欢的商品具有很高的价值，而收集用户不喜欢的商品拥有同样重要的价值。假设用户表示他不喜欢西餐厅的午餐，可能比他购买了一份日餐午餐透露出的信息还要多。
公司使用智能数据不仅可以为用户提供更好的服务，还减少了在传统意义上市场调研所花费的固定费用。良好的大数据支持无需扩展劳动力，甚至招收一个新员工。
今后，越来越多的公司将投入更多精力在数据收集工作上。将用户数据透明化，更恰当地使用收集结果是各大公司共同的努力方向。最根本的是，将控制权交给用户，为用户提供更多更好的选择，让用户明白自己的数据信息是如何被应用的。