有效互動是唯一目的

大數據營銷本質上只做一件事：通過有效的客戶互動來拉動價值。

在大數據時代，市場營銷的職能中心已經數字化，從強調漂亮的宣傳照和朗朗上口的宣傳語，轉變為獲取、整合、分析所有類型數據。根據現有案例我們發現，大數據營銷本質上只做一件事：通過有效的客戶互動來拉動價值。

未來的市場營銷，將依靠數據驅動，在洞悉結構性和多元結構性公司數據（大數據）的基礎上進行搜集、分析和執行，為營銷人員提供良好標準，更高效地制定計劃、執行任務和證明其業務價值。

獲取400萬名消費者數據，紅牛只用了一場訴訟

2014年，一名叫本杰明·卡里瑟斯的消費者把紅牛告上法庭，理由是他喝了10年紅牛，卻沒有“長出翅膀”。原來，紅牛剛剛發布一句新廣告語：“紅牛給你翅膀”。這位消費者認為自己受到了愚弄。

后來，紅牛與原告簽訂了和解協議，承諾將支付1300萬美元賠償金。然而，這場離譜的官司并沒有草草收場。

不久，美國《今日美國報》發布了紅牛針對這一訴訟的回應，宣布根據雙方達成的協議，只要在2002年1月1日～2014年10月3日之間購買紅牛的美國消費者，都可獲賠10美元現金或相當于15美元的紅牛產品。

值得注意的是，消費者不用提供購物小票，無需證明自己買過紅牛，只要在網上提交一份索賠申報表即可。此舉讓紅牛一下子登上各國媒體頭條，甚至引發了中國網友腦洞大開的吐槽熱情。事實上，紅牛趁此玩了一次以獲取大數據為目的的事件營銷。

原來，上述1300萬美元并非支付給個人，而是作為賠償總額支付給每位索賠者，每人獲賠金額將按照索賠總人數重新計算。在紅牛宣布索賠方法后，其官網在24小時內就獲得了460萬次訪問，消費者很高興地在索賠申報表上填寫了自己的真實姓名、郵箱、銀行卡等相關信息，以方便紅牛支付賠償金。

就這樣，紅牛實際上每人只支付了3美元，就一舉獲得了400多萬個消費者的真實數據，接下來的精準營銷可謂手到擒來。

怎么能夠獲取消費者的真實數據，還能夠讓人家津津樂道，關注你、談論你？有效互動。

為老用戶畫像，別克找到精準新用戶

日前，別克與號稱“跨平臺、跨屏幕、跨渠道”的全域營銷平臺阿里媽媽，為即將在中國市場發布的新車“英朗”，設計了一場以找到精準消費者為目的的大數據營銷。

營銷團隊認為，現在更多汽車消費者在消費之前會在互聯網上留下痕跡，那么通過將上一代客戶的互聯網痕跡與潛在客戶進行對比，就能找到未來消費者并對其進行精準廣告投放。

為了對老用戶進行精準畫像，別克設置了5個維度進行描繪，涉及電商數據、用戶特征、地理位置、思考周期等。具體如下。

首先，別克將近期購車的車主數據與阿里大數據進行匹配，發現匹配度高達80%左右，從而得到基本用戶特征——

其次，他們通過分析用戶特征，發現女性車主數量龐大，35歲以下消費者占絕大多數，其中25～29歲最多；而單身用戶占3成，戀愛或準備結婚用戶近2成，已婚的用戶過半。

再者，根據用戶維度坐標分布，別克在中國地圖上進行標識，得出用戶分布圖。這個分布圖可精確至其所在的小區、街道和周邊熱點地區，從而識別不同地區的消費者特征差異，找到不同地區的主要用戶群體特征。

然后，通過研究發現，用戶從有意向買車到決策，基本需要經過60天思考。而這60天又可細分為幾個階段，每個階段中的用戶存在變化和差異。

第一個階段處于購車前40～60天，用戶主要關注汽車之家、太平洋汽車等汽車垂直媒體大量獲取信息，同時開始關注太陽鏡、蘋果專用配件以及孕中期或為嬰兒準備的玩具等。

第二個階段處于購車前20～40天，開始對中級車的主要品牌做了解，開始購買汽車配件用品，主要用品類型集中在新車所需的裝飾及保護墊等。

第三個階段處于購車前20天，用戶會直接搜索車型，并大量購買汽車配件和用品，主要集中在飾品、清洗、美容保養等，“呵護”未來的新車。

如此，別克就完成了對老用戶數個維度的精準畫像，將這些數據上傳到阿里達摩盤（大數據營銷平臺）后，就能對符合這些數據特征的人群進行廣告投放。

最終，交易數據顯示，這些被投放網頁廣告的潛在消費者，人均點擊1.36次；而在已下定金的客戶人群中，有80.3%是由這群人轉化而來的。

只需兩個數值，LinkedIn讓用戶流失減少40%

擁有3.5億用戶、5000名銷售的LinkedIn，已實現精確管理到每個客戶。這讓他們的用戶流失率從50%降到10%，每年有90%的付費用戶留存。

一開始，LinkedIn做了一個“客戶流失模型”，每當檢測到客戶即將流失時，就啟動E-mail營銷，即發郵件給用戶給予50%折扣或宣布這個月免費。但結果是，收到郵件的用戶更快地流失掉了。

原來，很多付費用戶早已忘記自己是在付費，郵件反而提醒了他們：“哦，原來我在付費！”于是，關閉賬號的人反而越來越多。

LinkedIn意識到這一點后，選擇將客戶關系維護的時間節點往前推，結果是用戶剛剛開始注冊，客戶關系維護部門就是開放介入，教用戶如何使用付費功能、如何將小技巧運用于工作學習等。

那么，LinkendIn是如何識別客戶行為的呢？

首先，他們對每個用戶的每個細微使用行為進行記錄、分析，例如如何點擊、查看、發布信息等，將之算成一個個積分。每天、 每星期、每月的積分構成數據庫，通過對數據庫里面的積分進行排序，得出“最有可能流失客戶”的數值，就可以監測到具體哪位用戶可能會流失，客戶維護部門就能及時針對個體做出反應。

為了簡化數據庫使用難度，LinkedIn又將數據歸納為兩個數值：溫度和健康度。溫度，就是說用戶繼續購買LinkedIn服務的可能性有多少。健康度，就是說用戶使用這個產品的頻次有多少。

比如說一個客戶非常健康卻不購買，那么客戶關系經理就要追賣東西；有的客戶只付費不使用，這些客戶一定會流失，客戶關系經理就要開始培訓客戶如何使用付費功能。如此，這套體系也就帶動了客戶和平臺之間越來越多的互動，用戶黏性隨之增強。

當下，LinkedIn90%的銷售人員每天都在用這套系統，99%的人每周都在使用。平均下來，每天每人使用這套系統的頻率高達10次！