互聯網高速發展的時代，企業要想取得成功，就必須懂得利用大數據進行營銷。《大數據營銷》通過各大商業領域的成功案例，將商業邏輯與大數據思維結合起來，找出對未來企業戰略具有決定性影響的因素，使大數據分析效果和效益大限度地發揮出來，讓企業營銷管理能“運籌帷幄，決勝千里”。比如，、谷歌、臉書、蘋果等巨頭公司都是大數據應用的先鋒者，并在大數據應用領域取得了傲人成績。
通過《大數據營銷》一書，讀者不僅可以對小米的成功模式了如指掌，對QQ、微信以及陌陌的盈利方式不再困惑，更可以洞悉全球巨頭企業壟斷市場的能力來自哪里，尤其是中國手機市場的霸主——蘋果手機為何能夠長盛不衰。
《大數據營銷》適合各種企業的管理者、營銷人員、廣告設計人員、產品經理等一切希望利用大數據促進企業發展，提高投資回報的讀者，同時也適合任何對大數據營銷感興趣的讀者。
適讀人群 ：本書適合各種企業的管理者、營銷人員、廣告設計人員、產品經理等一切希望利用大數據促進企業發展，提高投資回報的讀者，同時也適合任何對大數據營銷感興趣的讀者。
大數據時代，讓營銷更精準！
《大數據營銷》一書通過眾多典型案例講述了大數據營銷的方方面面。
無論是國際知名企業，還是國內小眾群體，讀者總能找到適合自己，能夠解決自己問題的一款。
如何使用大數據識別用戶偏好，大數據是如何助力市場預測和決策的，如何才能提供用戶體驗。。。。。。
本書都可以找到答案！
隨著科技的進步，人們的生活與互聯網、與各種電子設備的關系越來越緊密，通過搜索網站查找資料，通過手機APP訂外賣，通過智能手環記錄步行路線和步數……每一個行為都在產生數據，而這些數據就是大數據的一部分。
在大數據概念興起之初，很多人會覺得大數據是互聯網公司的事情，與普通人無關，而現在，大數據充斥著人們的生活，無論是互聯網企業還是傳統企業，無論是大公司還是私營小店。越來越多的人在談論大數據，尋找大數據的可用之處。而那些較早利用大數據的企業，已經是身價斐然。
大數據是什么？
有研究機構給出了這樣的定義：大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
由此可見，單純的數據并沒有什么作用，通過分析、挖掘，找尋數據背后的信息，才能為企業所用。那么，數據在那里，我們該怎么用？
《大數據營銷》一書介紹了大量案例:亞馬遜是如何做促銷的；小米手機是如何營銷的；是什么造就了《紙牌屋》的收視奇跡；北京大悅城是如何達到精細化運營的；唯品會的訂單事件又是如何解決的……
本書分析了不同行業的企業運用大數據，通過挖掘有價值的信息，實現精準營銷，最終實現企業發展的案例。希望讀者能夠有所收獲，通過大數據的指引，使企業的營銷更加精準有效。
本書由韓布偉編著，在編寫過程中獲得了李改霞、賈云葉、李艷霞、李偉光、龔毅、趙丹丹、李恬、游萬梅、李衛霞、宋佳佳、李曉青和梁現麗的支持與幫助，在此一并表示感謝。
由于時間倉促、加之編者水平有限，難免出現疏漏，敬請指正。
編 者
韓布偉，北京鑫博慧通文化發展公司，“預見者”天使孵化平臺發起人，總經理，“預見者”天使孵化平臺發起人、北京海德美集團副董事長，同時兼任多家公司的戰略顧問等，長期專注于移動互聯網、大數據、工業4.0等有關大趨勢的研究。
上篇 多角度分析你的客戶
第一章 大數據分析用戶行為 3
1.1 用戶搜索慣性 4
1.1.1 萬圣節搜索意圖 4
1.1.2 精準定位的萬圣節關鍵詞 6
1.2 用戶的點評數據 7
1.3 用戶的購物車列表 9
1.3.1 電商網站重視購物車 10
1.3.2 巧妙設計購物車 11
1.4 亞馬遜的瀏覽軌跡分析 13
1.4.1 亞馬遜的促銷策略 13
1.4.2 亞馬遜數據的有效利用 15
1.5 臉書用戶的情緒數據 16
1.5.1 臉書用數據看戀愛 17
1.5.2 臉書全方位運用情緒數據 18
第二章 大數據識別用戶的偏好 21
2.1 用戶的停留時間數據表 22
2.1.1 淘寶、天貓的用戶停留時間 22
2.1.2 電商網站有效轉化流量 23
2.2 Tindie用戶直奔主題的緣由 24
2.2.1 格蕾斯利用瀏覽功能了解用戶 25
2.2.2 遵循高效原則的Tindie產品搜索 25
2.2.3 Tindie合理正確的導向用戶 26
2.2.4 Tindie改進購物車，助力全球化 27
2.3 大數據看用戶影視內容偏好 28
2.3.1 卡通先生用數據 28
2.3.2 《爸爸去哪兒》內容偏好 29
2.3.3 56、優酷等視頻網站聚焦大數據 29
2.4 那些“為發燒而生”的發燒友們 31
2.4.1 小米定位發燒友 31
2.4.2 發燒友助力小米營銷 32
2.4.3 “為發燒而生”的啟示 34
2.5 谷歌的搜索識別系統 35
2.5.1 谷歌數據收集 35
2.5.2 谷歌運用大數據的啟示 37
第三章 市場預測與決策的數據源 39
3.1 數據分析模型和規則 40
3.1.1 塔吉特超市的精準預測 40
3.1.2 塔吉特超市的3W數據分析模型 41
3.1.3 “尿布與啤酒”數據關聯規則 42
3.2 實際場景決定數據價值 44
3.2.1 百度天眼場景化應用 44
3.2.2 大數據的產業化場景 45
3.3 將聲音轉化為數字的颯拉（ZARA） 47
3.3.1 ZARA運用數據生產及營銷 47
3.3.2 ZARA三個數據源 49
3.4 《紙牌屋》的票房奇跡 50
3.4.1 Netflix用數據打造《紙牌屋》 50
3.4.2 《紙牌屋》成功的啟示 52
3.5 梅西百貨的全渠道營銷 54
3.5.1 梅西百貨改革策略 54
3.5.2 梅西百貨的營銷啟示 56
中篇 大數據營銷中的“UFO”模型
第四章 User experience：極致用戶體驗 59
4.1 簡約主義（Simple） 60
4.1.1 簡約的蘋果手機 60
4.1.2 像蘋果一樣簡約 61
4.2 定制思維（Customization） 62
4.2.1 高級定制——勞力士 63
4.2.2 勞力士定制思維啟發 63
4.3 從1到10，Windows的更新迭代史 65
4.3.1 微軟系統30年發展史 65
4.3.2 Windows 從1到10的啟示 67
4.4 “微創新”模式并不存在抄襲 68
4.4.1 新一代行業熱點——微創新 69
4.4.2 微創新成就微信的成功 70
4.5 諾基亞魔咒 72
4.5.1 來自蘋果、安卓的威脅 73
4.5.2 諾基亞固守“我們的方式” 73
4.5.3 董事會成員辭職風波 74
第五章 Freemium：免費商業模式 77
5.1 免費策略：機會成本 78
5.1.1 一美元的機票 78
5.1.2 免費的電信手機經營之道 79
5.2 產品免費——增值服務收費 81
5.2.1 奇虎360通過免費奇襲成功 81
5.2.2 奇虎360免費模式的進化歷程 82
5.2.3 奇虎360免費模式背后的啟示 84
5.3 用戶免費——廣告商付費 85
5.3.1 玩家樂意看廣告免費玩游戲 85
5.3.2 微信、微博等超級APP盈利手段 86
5.4 產品免費——附件收費 88
5.4.1 剃須刀+刀片的商業模式 88
5.4.2 吉列、利樂的成功經驗 89
5.5 通過免費開放平臺盈利的谷歌 91
5.5.1 平臺免費，后續服務收費 91
5.5.2 免費開放：尋找下一個10億 92
第六章 Operation：精細化運營 95
6.1 精細化運營中的數據價值挖掘 96
6.1.1 北京大悅城的精細化運營 96
6.1.2 大數據在搜狐投放廣告中的價值 97
6.2 數據分析：基于案例的推理 98
6.2.1 太原鋼鐵集團利用CBR技術巧運營 99
6.2.2 太原鋼鐵集團利用數據的啟發 100
6.3 陌陌的運營策略 101
6.3.1 陌陌垂直細分領域的開拓 101
6.3.2 陌陌運營滿足用戶需求 102
6.4 大數據透析用戶喜好邏輯實例 104
6.4.1 用戶數據助推星巴克激活市場 104
6.4.2 星巴克大數據運用的啟發 105
6.5 由百度刷臉看用戶需求分析 106
6.5.1 世界杯期間拼顏值吃飯 106
6.5.2 百度精細化運營啟發 107
下篇 大數據營銷中的系統支持
第七章 大數據信息刪除系統 111
7.1 數據量大≠大價值 112
7.2 隱私數據刪除模式 114
7.2.1 教育機構運用大數據 114
7.2.2 有效防止隱私數據泄露 115
7.3 離群數據（Outlier）刪除模式 117
7.3.1 離群數據即異常值 117
7.3.2 普瑞辛格的忠告 118
7.4 重復數據刪除技術 119
7.4.1 飛康軟件發力重復數據刪除 120
7.4.2 自由選擇去重方式 120
7.5 中國大而不強的信息技術產業 122
7.5.1 信息技術產業現狀 122
7.5.2 信息技術產業的突破口 123
第八章 SCRM社會化客戶關系管理 125
8.1 QQ增強版看SCRM強關系營銷 126
8.1.1 SCRM的戰略應用——營銷QQ增強版 126
8.1.2 強關系紐帶的形成 128
8.2 SCRM的交互影響力 129
8.2.1 從CRM到SCRM的愛爾康 129
8.2.2 驢媽媽擁抱SCRM有效避免客戶流失 131
8.3 與用戶共同創造產品 132
8.3.1 戴爾公司邀用戶共同打造產品 133
8.3.2 戴爾建立直銷平臺的啟發 134
8.4 西門子的客戶關系維護系統 135
8.4.1 西門子發展的驅動力 135
8.4.2 西門子維護客戶關系的原因 138
8.5 iPhone的“蘋果樹”思維 139
8.5.1 “蘋果樹”的成長歷程 139
8.5.2 “蘋果樹”的啟發 140
第九章 競爭對手數據流監測 143
9.1 大數據情報搜集系統 144
9.1.1 銀行利用情報規避投資風險 144
9.1.2 情報的主要來源 145
9.2 競爭對手分析 147
9.2.1 英特爾完勝摩托羅拉 147
9.2.2 英特爾案例的啟發 149
9.3 降維營銷打擊理論 150
9.3.1 小米、微信的“降維打擊” 151
9.3.2 小米、微信顛覆市場格局的啟發 152
9.4 用數據鄙視競爭對手 153
9.4.1 蘋果產品的數據 154
9.4.2 蘋果利用數據指標的啟發 155
9.5 無敵手的特斯拉汽車 157
9.5.1 特斯拉汽車無敵手的原因 157
9.5.2 特斯拉的成功經驗 159
第十章 品牌危機大數據即時預警 161
10.1 危機與機會 162
10.1.1 三星的危機，蘋果的機會 162
10.1.2 “乘”虛而入策略 162
10.2 “7×24”大數據輿情監測 164
10.2.1 北信源網情監測平臺分析 164
10.2.2 輿情監測應對體系 166
10.3 唯品會訂單事件 166
10.3.1 履行訂單解決品牌危機 167
10.3.2 唯品會公關的啟發 168
10.4 不合格的優衣庫危機公關 169
10.4.1 “優衣庫事件”損傷品牌形象 169
10.4.2 優衣庫與屈臣氏的危機公關對比 170
10.5 數據黑洞 171
10.5.1 大數據有時會失效 171
10.5.2 大數據黑洞來源 172
第十一章 發現新市場與預見未來 175
11.1 還沒下單，快遞已到家門口 176
11.1.1 亞馬遜的神奇物流 176
11.1.2 “遞送無憂”的購物體驗 177
11.2 大數據客戶價值挖掘 178
11.2.1 樂購中國的深挖客戶價值 178
11.2.2 樂購中國利用大數據經營管理 180
11.3 用大數據的眼光看世界 181
11.3.1 大數據預測未來及應用 182
11.3.2 大數據引領未來 183
11.4 谷歌的未來戰略——Google X 184
11.4.1 解密Google X 184
11.4.2 谷歌、豐田的創業經驗 185
11.5 有關未來的數據，你能做什么？ 187
11.5.1 大數據預測“學霸” 188
11.5.2 利用大數據，從現在做起 189
新書資訊