因為技術革新，營銷迎來了美好的時代，但是技術也是需要情感美化，我們需要針對每一類數據實體，可以進一步分解落地的數據，匯集出合適的人物特征。

1、采集和清理數據：用已知預測未知

首先得掌握繁雜的數據源。包括用戶數據、各式活動數據、電子郵件訂閱數、線上或線下數據庫及客戶服務信息等。這個是累積數據庫；這里面基礎的就是如何收集網站／APP用戶行為數據。比如當你登陸某網站，其Cookie就一直駐留在瀏覽器中，當用戶觸及的動作，點擊的位置，按鈕，點贊，評論，粉絲，還有訪問的路徑，可以識別并記錄他／她的所有瀏覽行為，然后持續分析瀏覽過的關鍵詞和頁面，分析出他的短期需求和長期興趣。還可以通過分析朋友圈，獲得非常清晰獲得對方的工作，愛好，教育等方面，這比個人填寫的表單，還要更全面和真實。

用戶分群：分門別類貼標簽

描述分析是基本的分析統計方法，描述統計分為兩大部分：數據描述和指標統計。數據描述：用來對數據進行基本情況的刻畫，包括數據總數，范圍，數據來源。指標統計：把分布，對比，預測指標進行建模。這里常常是Datamining的一些數學模型，像響應率分析模型，客戶傾向性模型，這類分群使用Lift圖，用打分的方法告訴你哪一類客戶有較高的接觸和轉化的價值。

制定策略：優化再調整

有了用戶畫像之后，便能清楚了解需求，在實際操作上，能深度經營顧客關系，甚至找到擴散口碑的機會。例如上面例子中，若有生鮮的打折券，日本餐館新推薦，營銷人員就會把適合產品的相關信息，準確推送這個消費者的手機中；針對不同產品發送推薦信息，同時也不斷通過滿意度調查，跟蹤碼確認等方式，掌握顧客各方面的行為與偏好。

注：剖析大數據數字營銷準確關鍵詞

數據細分受眾

“顛覆營銷”書中提到一個例子，可以引述一下，大家思考一個問題：如果你打算搜集200份有效問卷，依照以往的經驗，你需要發多少份問卷，才能達到這個目標？預計用多少預算和時間來執行？

以往的方法是這樣的：評估網絡問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發送量，也就是發出4000份問卷，一個月內如果可以回收，就是不錯的表現。

預測

當我們采集和分析用戶畫像時，可以實現準確營銷。這是直接和有價值的應用，廣告主可以通過用戶標簽來發布廣告給所要觸達的用戶，這里面又可以通過上圖提到的搜索廣告，展示社交廣告，移動廣告等多渠道的營銷策略，營銷分析，營銷優化以及后端CRM/供應鏈系統打通的一站式營銷優化，全面提升ROI。

準確推薦

大數據的價值不是事后分析，而是預測和推薦，我就拿電商舉例，”準確推薦”成為大數據改變零售業的核心功能。譬如服裝網站Stitchfix例子，在個性化推薦機制方面，大多數服裝訂購網站采用的都是用戶提交身形、風格數據+編輯人工推薦的模式。

準確的數據整合改變了企業的營銷方式，而一些社會經驗已經不是光是累積在人的身上，而是完全依賴消費者的行為數據去做推薦。未來營銷模式中，銷售人員不再只是銷售人員，而能以專業的數據預測，搭配人性的親切互動推薦商品，升級成為顧問型銷售。