互聯網IDC圈12月31日報道：一個數字世界的大門正徐徐開啟，大數據成為時代之光，無處不在。

創新互聯成立與2013年，先為筠連等服務建站，筠連等地企業，進行企業商務咨詢服務。為筠連企業網站制作PC+手機+微官網三網同步一站式服務解決您的所有建站問題。

數據隨著技術進步不斷地積累、繁殖，數據加工處理能力也以幾何級速度暴增，營銷和管理是否可藉此變得更加簡單和精準?這是一個值得研究的問題。近年來，基于中國大數據的管理學術研究日益受到中外學者的重視，日前，復旦大學管理學院數據驅動管理決策研究中心舉辦“基于中國大數據的市場洞察和管理啟示”國際研討會，邀請經濟學、金融學、信息管理系統、新聞傳播、市場營銷、運營管理和統計等領域從事前沿研究的學者，分享基于中國大數據的市場洞察、管理實踐啟示以及研究方法，會議同時邀請大數據相關產業的企業高管共同探討中國大數據應用的現狀、趨勢和前沿問題，以及大數據產學研用國際合作的方式與前景。

告別泡沫，走向真正的大數據科學研究

媒體消費行為與商品消費行為是無縫銜接的，媒體大數據的挖掘跟市場營銷管理決策緊密關聯在一起——消費由消費者接觸媒體后產生，并通過媒體實現，消費后會把評論和感受反饋到媒體上。

當今社會，什么是文科?什么是理科?我是新聞學教師，新聞學院傳統上教授的是文科內容，曾經有同學就因為不想學數學才考進新聞學院。然而現在，要想學好新聞，必須數學好。為什么這么說?今天我想談一下大數據在新聞傳播學中的應用。

首先，什么是傳播學?營銷跟傳播關系特別緊密，均涉及怎樣把事情或信息傳出去的過程。1948年，美國政治學家拉斯韋爾提出傳播學的“5W”模型，明確提出了傳播過程及其五個基本要素，即：誰(Who)，說了什么(Sayswhat)，通過什么渠道(InWhichChannel)，對誰說(ToWhom)，取得了什么效果(WithWhatEffect)。

以前，新聞傳播學比較忽視數據，通常采取“傳者中心”模式，希望控制和影響傳播過程和效果，發布內容和渠道都由從業者決定。現在，傳播業面臨劇變，從“5W”中就可看出——傳播者從少數精英變成萬眾;媒體從傳統紙媒轉變為網絡，從大眾媒體到社會化媒體;內容原來是有限供給、定時生產，現在是無限豐富，24小時供應;受眾從被動接收信息到主動參與、從分散獨立到組織互聯;效果從難以評估到可以評估。

數據顯示，今年9月新浪微博日均活躍用戶數達到1億，每天發布的文章和照片是海量的數據;微信已成為的移動社交平臺，有6.5億的月活躍量，有超過1000萬的微信公眾號，這背后代表的是社會的“脈動”。媒體的運營方式由此發生變化，以前是專業化生產，現在有兩種，一是UGC(用戶原創內容)，另一種是AGC(自發生成內容)，基于某一特定算法自動生成內容。營銷過程中也必須洞察這些變化，知曉客戶的變化和組成。

在媒體行業，有文字數據、文本數據、關系數據、時間數據、空間分析數據，有音視頻的數據，有用戶屬性、行為和關系的數據等等，最早的大數據是收視率，一個企業要投放廣告給電視，首先會考慮收視率。收視率怎么測量?最早是通過人工記錄收集，但即使上海只有一千戶人家，每隔15秒記錄一次，產生的數據也有近600萬條，這個數量級已沒法用人工處理，后來就通過測量儀測量記錄了。

2010年電視基本數字化以后，收視率測量更加精準。今天，我們可以用收視率大數據做很多分析，比如時間序列的分析，可以觀察到一個家庭的ID、個人的ID、時間碼和觀看頻道等，時間碼可以追蹤觀眾行為變遷的軌跡，電視臺可以據此編排節目，廣告商和企業可以依此決定購買那個時段投放廣告。

在海量數據面前，新聞傳播學開始運用信息化的方法、專門的計算和分析工具，研究人類傳播行為及其背后的模式法則，形成數據新聞和計算廣告等學科，集傳播理論、編程、統計建模和計算思維于一體。自此，已很難分清文理科的界限。

新聞傳播學中的大數據，首先體現在數據新聞和可視化新聞上。美國媒體上曾刊登了一張類似股市K線圖的圖表，它代表的是一年中不同時期一千萬美國人分手的比率，背后的數據來源于Facebook(臉書)上的個人頁面，形成了一個可視化的圖表，人們從中可以清晰地看出，美國人在感恩節、圣誕節前后和夏季時提分手，愚人節時卻很少分手。

現在，越來越多的媒體呈現可視化的作品，背后都是數據挖掘工作。英國的《衛報》、BBC、美國《紐約時報》、CBS等都在出產數據化作品，從嘗試變成常規做法，從簡單信息圖變成可交互的專題甚至是游戲。在產品營銷過程中，企業和廣告商也可以根據實際情況多應用可視化的方式。

大數據在傳媒業的另一個應用領域是網絡輿情分析，跟營銷關系也很密切。網絡輿情怎么測量，跟網下輿情有什么關系?明星范瑋琪在新浪微博上“曬娃”被罵，但為什么是范瑋琪?她沒有王菲有名，粉絲也沒有小S多，發個照片怎么就能引起軒然大波?因為新浪有一個數據算法，算了以后范瑋琪在那個時段被置頂到熱點排行榜，越來越多的人點擊到她的頁面去看，結果比大閱兵點擊率還高，就被部分網民罵了。在這件事中，是服務器影響和改變了輿論。現在的網絡輿情是怎樣生成的值得關注，我們逐漸從中看到了數據的力量。

以前，我們打100多次電話做一個輿情的調查，很累，現在都是通過大數據來分析。中國人的情緒在微博上是什么反映?基本上，過年的時候高一些，年底放假很高興，過年的時候興，地震的時候低一些，每年的趨勢大體差不多，有一些特殊時點有些變化。

從新聞傳播角度講，一方面要理解和學習數據的結構，運用大數據服務新聞、輿情分析、后臺分析、計算廣告和營銷效果評估等;另一方面應該思考怎樣有限度地使用數據的價值。比如，計算新聞學應用場景數據、輿情分析等提高信息和新聞傳播效果，日益得到重視。但大數據的發展還有很多挑戰，數據非常多，但不一定完整，不一定準確，背后需要發掘的東西太多，應該告別大數據泡沫，走向真正的數據科學研究。

傳媒業的數據已成為社會大數據的重要來源，也是影響市場和管理的重要因素，很大程度上影響到營銷、消費、決策。現在，媒體消費行為與商品消費行為是無縫銜接的，媒體大數據的挖掘跟市場營銷管理決策緊密關聯在一起——消費由消費者接觸媒體后產生，并通過媒體實現，消費后會把評論和感受反饋到媒體上。

信息的傳播者還會通過搜集相關數據，精準定向廣告的受眾，測量廣告擴散的廣度和深度，測算廣告對品牌認知、購買行為的影響，用大數據分析電子商務與廣告的效果、消費者口碑傳播的心理和行為、評論的文本、傳播效果等。

找到好問題，體現數據的價值

很多人拿到數據特別高興，我現在不這樣了，數據都好不到哪兒去，拿到數據只是第一步，找到一個特別好的研究問題才是關鍵。我覺得如果用中國數據，用這些數據去測試一些特別大的問題，這才能體現數據的價值。

做研究有兩類，一類是做理論的，他們只寫公式，文章里沒有數據;我是做實證的，拿數據驗證他們的理論，我辦公室有三四臺戴爾并行服務器，一臺一萬美元，但我的技術還是比不上今天真正研究大數據的，他們都是既懂統計又懂計算機的人。

很多年前，我在國外做研究時，基本上用的都是中國的數據，有一些電商的數據，比如淘寶的，有家電下鄉項目的數據，還有網游的數據。從幾年前開始，學術研究中中國的數據越來越多，我就思考，這些數據有沒有問題，比如，中國的數據有什么獨特之處?有代表性嗎?研究結果能不能在全世界通用?這些數據可靠嗎?

為什么要用中國的數據，我個人的經驗總結，主要是三點原因，第一，美國等國也有類似的數據，但拿不到。我是百度營銷研究院的顧問，除了核心數據基本都可以接觸到。第二，研究涉及中國或者新興市場特有的問題，用中國的數據順理成章。第三，這個問題在中國和國外都有，但在國外驗證起來更加困難，或者可能沒有條件去驗證，但在中國，驗證起來特別順利。

我做過一些經濟現象的實證研究，在此講一下背后的大數據情況。

首先，第一個問題是extortion(敲詐勒索)，很多文章和理論都認為敲詐勒索會影響市場效率，但實證研究很難做。現在線上電商平臺越做越大，線上顧客打分、評語很重要，評語會影響其他顧客的購買行為，商家受此影響會改變行為。有些不太好的顧客看到這個機會，就會利用寫評論敲詐勒索，寫差評要挾店家。

2012年到2013年的時候，差評師很猖狂，我們從淘寶拿到了這方面的數據。當時淘寶派人打入這些差評師的機構，潛入他們的聊天室，分析他們的行為，拿出好幾份不同的報告，內容有重合也有不同，這些數據不是特別清晰，也有一些誤差。

我們根據這些數據，到差評師買過、評過的女裝商品下，分析差評師的留言和行為。第一，我們研究這些差評師選商家時有沒有規則，是用一套專門的體系化方式選人，還是隨機的?第二，差評師這么做之后，對商家的影響是什么，商家的行為會怎么改變?第三，這種行為導致的經濟損失有多少，近期、長期損失是什么?

做了一系列研究分析后，我們發現，這些差評師總體上是有套路的，但套路不是特別優化，有時他們并不能從差評中獲利。我們還發現差評師對商家的兩個影響：因為大家都看評語買東西，差評一出來銷售額會掉下來;所有被勒索的賣家基本上會做兩件事情，一是降價，二是謹慎接單，如果一下子來100個單子，他不會全部接受，會挑選，變得小心翼翼。短期的銷量降低了，而長期來看，經過幾周之后，銷售額反而一直是上升的，商家自己行為的改變也影響了最終長期的效果。

另外一個是家電下鄉項目的研究。國家2007年底提出并實施家電下鄉政策，持續了三四年，對農民購買納入補貼范圍的家電產品給予一定比例(13%)的財政補貼，設置各類商品的補貼上限。廠家開始投標，符合條件并獲政府批準后就可以賣產品了。農民買了之后，拿著發票到當地政府去報銷，政府直接補助農民。我們研究組當時拿到了每一項交易的數據，每個交易都知道誰是買方誰是賣方，零售商是誰，買的產品是什么，多少價格買了多少數量，知道交易的時間和地點。

根據這些數據，你如何評價這么個大項目?政府花這么多錢是否達到了目的?我們發現一個有意思的現象——在那幾年時間里，中標公司的分銷網點增加了很多。我們知道，這個政策面向農村地區，很多是貧困地區，以前農民想買沒地方和渠道，現在，除了獲得補貼外，他們有了購買的渠道，這也是政策的效果之一。我們還構建了數據模型，來算政府補貼比例的有效區間等。

看這些數據時，我們發現另外一個現象：每個廠家的產品必須低于官方定價，上端的廠家就會去限制產業鏈下端的廠家，經常有違反合約的情況。這些數據讓我們興奮，這是一個特別大的經濟學課題，很多文章在研究，但還沒有實證研究。拿到這些數據后，我們就可以做實證研究了——違約行為到底能不能用經濟學模式研究出來?這種違約或許是一種均衡的結果，是有模型可以預測的。的實證研究發現，情況就是如此，這是一種均衡的結果。

最終總結一下，很多人拿到數據特別高興，我現在不這樣了，數據都好不到哪兒去，拿到數據只是第一步，找到一個特別好的研究問題才是關鍵。我覺得如果用中國數據，用這些數據去測試一些特別大的問題，這才能體現數據的價值。

用數據解決企業“一公里”問題

在研究中，我們有個“大數據引擎”模型，其中包括各類外部大數據、個人數據和第三方數據等，我們將用戶歸類，把同一個人在不同平臺上的信息數據整合起來，這樣的研究結果影響了企業營銷的方式和效果。這種研究和應用，對于企業挖掘“沉默的大多數”用戶非常有幫助。

我做數據挖掘工作快16年了，我在美國讀博士時的導師，就是數據挖掘方面的專家。近幾年，我在新加坡管理大學做的比較多的是用數據研究用戶行為和集群等方面。在這一方面，我們和國內很多企業合作，比如和平安集團合作快三年了，幫他們用大數據做了很多項目和分析，還和新加坡星展銀行做類似的研究合作，今天講的，很多是從這些項目中提煉出來的內容。

我的演講主題是數據驅動、技術賦能的商業智能化。在跟企業交往中，我越來越有一個強烈的感受——雖然大家一直在談大數據，但現實中很多企業的信息化程度太低了，我們曾到一些非常好的企業去看他們的數據，很亂，還有很多缺漏。

目前的經濟趨勢下，很多金融企業感到了市場的壓力，不再被動地等著顧客上門來網點辦業務，而是把金融服務嵌入客戶生活工作中、“醫衣食住行”等各方面，但前提是你首先得了解你的用戶和潛在用戶，這就需要大數據的支撐。

一般情況下，企業內部資源和能力都是有限的，獲取數據時面臨可持續性、隱私保護等挑戰;即使企業對某一用戶很了解，對他的特征畫像非常完整，但關系怎么維持?傳統的電話營銷方式還有多少空間?如果沒有這個營銷方式，我們怎樣開展業務?

我們主要想解決企業“一公里”的問題，用數據挖掘價值、或在應用數據中體現價值。

我們用的外部數據，目前是社交媒體的數據，企業內部數據通常是交易記錄為主。客戶買了還是沒買，用了還是沒用，通常是商業活動的結果，如果要講更好的用戶體驗，就要更多地“追因”，這時，外部數據就可以提供更多依據。比如，一個人買手機，是給自己、給父母、給孩子還是給太太用?商業單據里只能看到購買結果，購買原因要通過外部大數據提煉出來。

通常，企業會關注他們的顧客，但卻很少看到客戶與客戶之間的關系，這個關系會產生一些意想不到的影響，比如說有兩個大客戶來存錢，每個人存幾億元，談的時候銀行給兩人不同的利率，萬一他們是好朋友，回去碰了面一合計，總歸會有一個人不開心。由此，企業的數據應該實現內部、外部和內外部之間打通，形成用戶的全景式信息體系，形成一個網絡和各種針對性的產品模型。

在研究中，我們有個“大數據引擎”模型，其中包括各類外部大數據、個人數據和第三方數據等，我們將用戶歸類，把同一個人在不同平臺上的信息數據整合起來，這樣的研究結果影響了企業營銷的方式和效果。比如，保時捷以前過年過節過生日會給客戶送禮物，現在他們已經知道客戶是喜歡紅酒還是高爾夫，從而進行個性化定制服務以維護客戶關系。

這種研究和應用，對于企業挖掘“沉默的大多數”用戶非常有幫助，比如，在1.5億用戶和潛在用戶中做精準營銷。以前我們跟平安保險合作，每天從1.5億潛在用戶中篩選出50個最需要打電話的人，讓企業直接做營銷。這之前，我們會整合研究一個人在各平臺上分享的信息，處理之后打上標簽——這一條是聊孩子的，那一條是講旅行的，總結下來就可以看到Ta在時間軸上的興趣變化和分布，有可能準備要生孩子了，或者有計劃去歐洲旅行了，這時候就可以有針對性地向其推送一些產品和服務。

關系類大數據還可以用來進行風控。如果一個客戶違約或者信用很差，銀行在挖掘、掌握他的一些社會關系網后，就可以對與其相關的人進行著重關注和篩查，在貸款等業務上謹慎出手控制風險，以防失信客戶讓其親戚朋友繼續代其申請新業務。再比如，如果在關系大數據中涉及的不是高風險，而是高價值呢?一個人在銀行存了好幾億元，他太太也來存錢，銀行在了解他們是夫妻關系后，會給她推薦什么產品呢?這些都是值得研究思考的。

接下來講一下大數據在房地產業的應用。我們最近和綠地、保利合作，做眾籌、虛擬買房等項目，使技術和渠道相結合，用大數據獲取客戶。

首先，我們用關系類大數據做營銷。買房通常是以家庭為單位，先生買一套，再給他太太推銷一套，不太合理，我們就用互動好友的數據，在每個人周圍找出10個好友做營銷。第二，給客戶畫像，把現有客戶資料跟業務經驗結合起來，連接上外部數據大平臺，可以產生很多潛在新客戶的畫像。比如，我們和濟南一個樓盤開發商合作，先根據業務經驗和現有客戶，總結出目標客戶群年齡是多大、收入有多少，初步篩選后剩下60萬候選客戶，再結合大數據做一些潛在新客戶模擬，產生2000個潛在用戶。當我們發現這個用戶在網絡上寫到“想換房，最近也光臨過一些樓盤”，那么就可以將其放在潛在客戶名單上進行重點營銷了。

我們還對信息獲取渠道做數據分析，那么就可以知道應該去什么地方做廣告——網絡、報紙廣告怎樣投放最有效，微信要不要用公眾號推廣一下，戶外是不是應該弄一個簽到地點，這些對企業營銷都非常有用。

剛才是講我們能做什么，還想說，有些問題我們也應該注意，比如說隱私問題，數據不能隨便用了，隱私邊界怎么界定，企業間的數據交換怎么定價，等等，希望大家一起關注。

標題名稱：大數據之光無處不在：洞察市場，指導管理
網站地址：http://vcdvsql.cn/article32/sosisc.html

成都網站建設公司_創新互聯，為您提供外貿網站建設、關鍵詞優化、定制網站、網站設計公司、移動網站建設、微信公眾號

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯