2016年是大数据发展中重要的一年，在经过2015年及之前的喧嚣以后，大数据终于开始变得务实，大数据的触角已经深度嵌入了智能营销领域，更多的基于实时化交易数据或在线数据的应用模式和产品出现，并取得了良好的效果。这种现象不是突然发生的，而是市场变化倒逼出现的。

　　2016年是大数据从口号转为实操、从面上转到深度应用的关键的一年，大数据的概念越来越清晰的呈现在我们的面前。纵观2016年，我认为如下几个趋势是应该值得我们来重点回顾的：

　　一、消费升级趋势下，大数据智能营销价值显现

　　2016年，大数据、消费升级与移动互联网时代的碰撞愈发激烈，也更多的成为了传统企业和互联网企业的中心话题。传统企业衰落的根本原因在于难以贴近消费者，难以了解消费者的真正的需求。互联网公司的强项恰恰是天然的贴近消费者。

　　但是，过去的一年中，不管是传统企业还是互联网企业，都希望搞清楚这样的问题：消费升级带来了怎样的消费行为变化.客户是怎样通过互联网进行消费的.为什么传统的广告营销策略在互联网时代效率越来越低了.我们应该如何利用大数据来认识客户并应对这种变化.

　　我认为，2016年的消费者市场经历了三个主要变化：

　　变化一：客户交互深度介入，形成网状化决策。2016年，消费者从独自完成决策思考的单线程决策模式，转变为网状交互式决策，消费者更多的借助他人购买或使用经验进行辅助决策，借助论坛，淘宝向已购买人提问，通过微信朋友圈征询。

　　变化二：心智模式和文化认同互相加持：2016年，消费者从追逐潮流，缺乏主见盲目从众非理性消费，慢慢的转变为个性认同下的价值消费，消费过程更多的寻求对品牌文化主张、兴趣社交圈、品牌社群的消费者群体归因下的文化价值认同。

　　变化三：长流程和碎片化，多因素叠加：消费者的消费场景变成了一个集合多消费场景(地铁、公司、家、***所)、碎片化(在线搜索、社交网络、转发分享、即时通讯、垂直社区)、长流程(需求认知、搜寻、购前评估、购买、够后评估、处置)、多因素(文化、社会价值、个人影响、家庭、情景等)的模式。

　　在这样的消费环境变化下，客户消费转变成了从群体认同到商品认同的交互过程。这一过程也提出了更高的智能化营销的需求，需要对用户的网络购买行为数据和影响决策的因素关联分析，对用户进行精准的判定，进而精准的体现大数据的价值。

　　这些分析都是基于用户全网大数据来完成的，如通过活动(APP)-兴趣(公众号)-消费(购物车)来对用户进行判定。例如，一个用户经常使用凤凰网、今日头条、第一财经APP,经常观看逻辑思维、男士健康、时尚旅游公众号，消费类别主要是运动、数码产品，那么可以判定其实职场精英。这样的关联数据对于用户的描述更加的准确和真实，而不是单维度下的局部画像。

　　在产品认知上，智慧营销模式通过基于用户全网数据形成对产品的认知。在这个环节中，大数据在智能营销领域主要可以做六个方面的分析：

　　1、在激发需求方面，判断用户的购买欲望是否被商品激发;

　　2、在用户挑选商品阶段，观测用户信息了解是否充足、满意;

　　3、在用户拍下商品阶段，判断什么商品因素影响用户确定是否购买;

　　4、支付货款时判断用户是否满足支付条件;

　　5、送货阶段物流速度、态度是否达到需求;

　　6、最后的收货使用阶段，商品是否会满意并激发用户的再次购物需求。

　　智慧营销通过大数据对用户和产品进行重新认知后，讲进一步引导用户进行消费。以客户购买手机为例，决策周期为1-4周左右，会经历多种关联行为，将碎片化决策信息进行综合评定，最终形成购买决策。智慧营销模式提供客户购买路径的追踪工具，可对客户的消费旅程进行追踪，并找出引导客户购买的关键营销点，建立品牌营销引导轨迹。

　　这个消费引导过程也是一个立体营销的过程，将多营销通道的整合与协同，包括RTB通道、SMS通道、CAll Center通道、自媒体、微信、APP推送通道。这些通道大数据智慧型立体营销模式是针对消费升级环境下用户和产品认知变化的一体化营销解决方案，通过多通道对接产品和用户，并最终促成营销。

　　二、大数据流动性充分释放，数据联合是智能营销的基础

　　大数据的价值在于流动性。就如我前面说陈述的，消费转变的背景下的智能营销，首要的工作就是找准目标用户，而这一过程需要整合用户的各种各样的兴趣数据、位置数据、交易数据和消费数据(如WIFI探针数据、IP库地址数据、运营商DPI数据、投放Cookie数据、电商交易数据和金融数据等行业应用数据)，数据联合是开展智能营销应用的首要基础。

　　数据要进行联合，首先要让这些数据进行流动!

　　企业的采购、生产、销售、运营等一切活动都会在数字空间留下痕迹，商流、物流、资金流最终汇集成为数据流，沉淀为企业的数据资产。这些沉淀的数据蕴含了改善企业经营、优化商业模式、拓展业务疆界的一切信息，只要善加利用，就能把数据变成闪闪发光的黄金。

　　比如视频网站的用户的观影行为是什么样的.他们喜欢玩游戏还是喜欢旅游.又比如一个信用卡公司和一个旅游网站的数据非常互补，但他们都需要数据平台去进行交换，否则没有交易规则，也没有交易标准，就不可能完成交换。而这一交换过程，便促进了数据的流动性。

　　欣喜的是，随着大数据的价值显现，2016年我们看到越来越多的企业秉持一种开发的态度来开放数据，这就初始了数据进行深度联合并应用于智能营销变得可能。例如通信、互联网领域与金融领域都在越来越积极的探索数据合作和变现的模式。企业拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力。

　　数据流动性是一个漫长的过程，需要人为的推动。我认为，在2016年的数据联合的基础上，将会有越来越多的行业和企业的数据开放行动，也会形成越来越多的数据交换平台，这些行动讲进一步提升大数据智能营销的基础数据环境。

　　三、大数据智能营销更加智能化、算法市场形成

　　2016年之前，大数据的应用更多的集中于静态分析与应用方面，这主要是源于技术的限制，另外一方面也是需求不足。2016年，人们更加关注对已接触数据采取什么行动，这促进了算法得到了更大的重视和资源投入。例如，当你访问一个网站时，根据你手上的资料，快速确定最合适的广告。或者在大量的交易数据中找出异常值来甄别欺诈行为。

　　这些算法是非常专业的人工智能，不是已经存在多年的普通人工智能所能比的。在过去几个月的大趋势上，大数据分析已经大量应用人工智能(各种形式和接口)，去帮助分析海量数据，得出预测的见解。

　　比如机器学习、人工智能，先进分析、预测分析、实时分析、Hadoop和Spark，以及其他Apache基金会项目,如开源、云计算服务、自助服务等等，这些工具和技术都在不同的智能营销业务层面得到了不同程度的整合与应用。同时，这些应用又促进了算法市场的蓬勃发展，涌现除了更多的创新性大数据企业和应用服务模式。

　　四、程序化购买模式日渐成熟，更实时更精准

　　一提到大数据智能化营销，就不得不提程序化购买(RTB)。RTB是近两年兴起的一个重要的大数据智能营销应用领域。有数据表明，2015年国内程序化购买的市场份额已经高达115亿元，增速高达137.6，占比整体展示广告比例14.9%，2016年预计占比达23%。

　　当然，程序化购买市场的发展取决于三个方面的发展：一是需求方市场的发展;二是资源方市场的发展;三是大数据技术的发展。我认为这三个方面在2016年都取得了很多的成果，也促进了RTB模式价值的体现。

　　程序化购买是基于营销大数据的新兴的广告模式，可针对媒体背后的人群购买，只针对目标人群投放广告。同时通过实时竞价的方式进行广告的实时投放，依靠技术实现海量媒体人群的程序化购买。DSP利用精准的数据和技术算法，达到较好的转化，广告主可根据投放效果及时调整策略、实时优化效果。

　　2016年，程序化购买产业链进一步完善，更多的厂商推出了自己基于大数据的数据+流量+优化的一站式解决方案，我认为，RTB在大数据智能化营销领域将大有作为。

　　上面是我对2016年大数据在智能营销领域的发展与应用的一些回顾。作为一个大数据人，我也深有感触，大数据给我们带来机会的同时，也给我们带来了更多的挑战。这个世界变化如此之快，唯有突破自我随之而变才能不被时代大潮所抛弃，这是对我们每一个大数据人的激励!