[大連海事大學 大連 116026]

引言

2000年至今，網(wǎng)絡營銷市場初步形成并開始蓬勃發(fā)展。目前網(wǎng)絡營銷已經(jīng)廣泛被我國企業(yè)用于信息的搜索、網(wǎng)上信息發(fā)布、網(wǎng)絡商情調查、銷售渠道開拓、網(wǎng)絡品牌推廣、客戶關系管理、資源整合等功能模塊。營銷方式多樣化、產(chǎn)品服務創(chuàng)新化已經(jīng)活躍到企業(yè)的日常經(jīng)營中。根據(jù)《第35次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》數(shù)據(jù)顯示，截至2014年12月，我國網(wǎng)絡購物用戶規(guī)模達到3.61億，增長率為19.7%；我國網(wǎng)民使用網(wǎng)絡購物的比例從48.9%提升至55.7%，網(wǎng)購用戶數(shù)量呈急劇上升之態(tài)[1]。同時，隨著移動電子設備的普及，網(wǎng)絡購物又有了新的特點，平臺正從PC端不斷向移動終端滲透。2014年我國手機網(wǎng)絡購物用戶規(guī)模達到2.36億，增長率為63.5%，是網(wǎng)絡購物市場整體用戶規(guī)模增長速度的3.2倍，手機購物的使用比例提升了13.5個百分點達到42.4%。相信在未來幾年里，移動終端將持續(xù)保持較高的增長率。

雖然我國網(wǎng)絡營銷發(fā)展速度很快，但仍然存在較多問題。很多企業(yè)對網(wǎng)絡營銷的認識存在偏差，認為網(wǎng)絡營銷即是網(wǎng)上促銷；沒有充分開發(fā)網(wǎng)絡資源來運用恰當?shù)耐茝V手段投放廣告且一直處于被動地位，使得商家喪失了巨大的商機。對于商品來說，因無法滿足消費者的觸覺、嗅覺等感官上的享受性，使得消費者缺乏信心，使企業(yè)丟失了銷售額。針對消費者多樣化的需求，企業(yè)精準營銷至關重要。傳統(tǒng)媒體無法滿足這些要求，而當前迅速發(fā)展的社會化媒體已成為網(wǎng)絡營銷的主流。但是，僅僅如此還不夠，無論是傳統(tǒng)媒體，還是目前社會化媒體，客戶特征和客戶需求信息往往碎片化，這些信息分布在網(wǎng)絡的各個角落[2]。如何獲取、整合、抽取這些信息滿足企業(yè)未來的營銷需求？大數(shù)據(jù)概念和方法正好能夠解決這一問題。大數(shù)據(jù)是指不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數(shù)據(jù)進行分析處理，這樣才具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力。在商務智能（BI）的框架下，本文提出基于大數(shù)據(jù)的網(wǎng)絡營銷研究。本文通過對網(wǎng)絡營銷現(xiàn)狀以及大數(shù)據(jù)的特點的分析得出大數(shù)據(jù)網(wǎng)絡營銷是網(wǎng)絡營銷的必然發(fā)展趨勢，設計了基于大數(shù)據(jù)的網(wǎng)絡營銷模型，制定了評價模型的“5J”標準。

一、理論基礎

（一）大數(shù)據(jù)概念

最近幾年，國外頂級學術報刊陸續(xù)出版了有關大數(shù)據(jù)的專欄，《Nature》在2008年就推出了“big data”?？?，從互聯(lián)網(wǎng)技術、超級計算及生物醫(yī)學等方面來專門探討對大數(shù)據(jù)的研究[3]。Science在2011年出版了關于數(shù)據(jù)處理的期刊“Dealing with data”討論了數(shù)據(jù)流帶來的挑戰(zhàn)，提出了對大數(shù)據(jù)可以對社會發(fā)展起到巨大推動作用的觀點[4]。2012年3月，美國公布了旨在提高和改進人們從海量信息數(shù)據(jù)中獲取信息能力的“大數(shù)據(jù)研發(fā)計劃”[5]。Zhao等為檢測大型社區(qū)網(wǎng)絡提出了一種并行結構的聚類算法[6]；Lee等為了實現(xiàn)高效率完成SQL到MapReduce的數(shù)據(jù)轉換開發(fā)了一個被稱作Ysmart的系統(tǒng)[7]；Mukherjee等將傳統(tǒng)POSIX集群文件系統(tǒng)與Hadoop文件系統(tǒng)進行比較[8]；Qin等提出將RDBMS和MapReduce融合成一個統(tǒng)一的大數(shù)據(jù)分析系統(tǒng)并在Hadoop中對數(shù)據(jù)進行了OLAP分析和查詢實驗[9]；在可視化領域，Pirolli等提出了情報分析概念模型[10]；Stasko等在Pirolli的理論基礎上開發(fā)了可視化分析系統(tǒng)用于情報的可視化分析[11]；在生物學領域[12～13]，McKenna等嘗試將基因分析工具集引入MapReduce框架來處理和分析DNA序列海量數(shù)據(jù)，并取得了顯著的成效[14]；Hrovat等以Apriori算法和線性遞歸模型為基礎運用大數(shù)據(jù)可視分析技術探索病人數(shù)據(jù)[15]；Schadt等通過租用Amazon S3平臺，開展了云技術和異構計算方案處理生物數(shù)據(jù)的實踐[16～17]；在醫(yī)學領域，Nielson等探索了神經(jīng)損傷移植中海量數(shù)據(jù)的可視化[18]；Stark等將地理空間與計算機網(wǎng)絡結合起來，并設計了可視化顯示不同地理位置大型算機網(wǎng)絡健康監(jiān)控的系統(tǒng)[19]。

到目前為止對大數(shù)據(jù)還沒有一個統(tǒng)一明確的定義，2001年的研究報告中，META集團的分析師Laney定義大數(shù)據(jù)為數(shù)據(jù)增長的機遇和挑戰(zhàn)是三維的，即增加的數(shù)量（數(shù)據(jù)量），速度（數(shù)據(jù)高速的輸入和輸出）和多樣化（數(shù)據(jù)類型和來源的范圍）[20]；Gartner公司認為大數(shù)據(jù)是指需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)[21]。從以上大數(shù)據(jù)定義來看，大數(shù)據(jù)具有3V特點，即Volume（大量）、Variety（多樣）、Velocity（高速）[22～23]，這是一種較為專業(yè)化的定義。而另一種定義指出了大數(shù)據(jù)的潛力及用途，在3Vs的基礎上增加了Value（價值），即4Vs[24～25]。這種定義指出大數(shù)據(jù)最為核心的問題，就是如何從規(guī)模巨大、種類繁多、生成快速的數(shù)據(jù)集中挖掘價值[26]。正如美國麥肯錫全球研究院2011年6月發(fā)布題為《大數(shù)據(jù)：下一個創(chuàng)新、競爭和生產(chǎn)力的前沿》的研究報告指出“數(shù)據(jù)正成為與物質資產(chǎn)和人力資本相提并論的重要生產(chǎn)要素，大數(shù)據(jù)的使用將成為未來提高競爭力的關鍵要素”。基于以上分析，本文認為大數(shù)據(jù)是指傳統(tǒng)技術無法在合理的時間內(nèi)進行捕捉、策展、搜索、共享、存儲及傳輸?shù)拇笕萘康男畔①Y產(chǎn)，以智力資源和知識服務能力的形式來支持企業(yè)經(jīng)營決策等。

（二）大數(shù)據(jù)營銷

《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》指出，目前最典型、最主要的互聯(lián)網(wǎng)服務和應用包括網(wǎng)絡購物、網(wǎng)上支付、網(wǎng)絡廣告等方面?；ヂ?lián)網(wǎng)是一個海量數(shù)據(jù)的集散地，能夠運用大數(shù)據(jù)理論及技術發(fā)現(xiàn)其存在的統(tǒng)計規(guī)律。由此可見，大數(shù)據(jù)的應用作為一種具有巨大的潛力數(shù)據(jù)戰(zhàn)略，必將對網(wǎng)絡營銷的發(fā)展產(chǎn)生積極影響，推動這一電子商務活動更好、更快地發(fā)展。在大數(shù)據(jù)時代下，網(wǎng)絡營銷將趨于多樣化、個性化、準確化，大數(shù)據(jù)網(wǎng)絡營銷是網(wǎng)絡營銷的必然發(fā)展趨勢。根據(jù)2013年《中國網(wǎng)絡營銷白皮書》顯示，在2013年有31.6%的企業(yè)在大數(shù)據(jù)營銷方面有所投入，60.3%的企業(yè)正在關注，我國的大數(shù)據(jù)營銷實踐還處于初級階段。

在新時代下，網(wǎng)絡營銷不單單是一種營銷手段，更是一種信息化社會的新文化，引導媒體進入一個新的模式，大數(shù)據(jù)營銷必將為企業(yè)帶來豐厚的利益[27～30]。大數(shù)據(jù)營銷是以互聯(lián)網(wǎng)為平臺，根據(jù)企業(yè)經(jīng)營目標利用大數(shù)據(jù)技術對相關數(shù)據(jù)實現(xiàn)實時的采集、挖掘和分析并統(tǒng)計其潛在規(guī)律，以智力資源和知識服務能力的形式支持企業(yè)決策以及實現(xiàn)個性化營銷?？梢姡髷?shù)據(jù)營銷比傳統(tǒng)網(wǎng)絡營銷能夠用更科學的方法為企業(yè)提供準確的數(shù)據(jù)分析結果，為消費者提供多樣化、個性化和準確化的“一對一”服務，支持企業(yè)實時調整營銷策略。

在大數(shù)據(jù)營銷方面，國外學者也做了一些研究，Alexandre討論了大數(shù)據(jù)在營銷信息系統(tǒng)中的應用和在決策中的貢獻并對大數(shù)據(jù)的新的可能性和局限性進行了改進[31]；Peter等對全球各地777位營銷高管進行調查結果，討論企業(yè)在大數(shù)據(jù)環(huán)境下面臨的挑戰(zhàn)[32]；Paulus等通過探討網(wǎng)絡營銷的概念以及網(wǎng)絡營銷的發(fā)展趨勢，證明了網(wǎng)絡營銷是市場營銷領域的未來[33]；國外學者對大數(shù)據(jù)網(wǎng)絡營銷方面的研究文獻非常少，相關的理論研究才剛剛起步[34～37]。在國內(nèi)學術界，網(wǎng)絡營銷一直是大家關注的一個話題，而目前國內(nèi)學者對大數(shù)據(jù)背景下的網(wǎng)絡營銷方面的研究文獻數(shù)量屈指可數(shù)。馮芷艷等描述了在大數(shù)據(jù)環(huán)境下的顧客洞察與市場營銷及基于大數(shù)據(jù)的商業(yè)模式創(chuàng)新等方向[38]；王東設計大數(shù)據(jù)副本服務器的Hash-map分布方案，針對精準化營銷等特定應用，解決數(shù)據(jù)一致性檢索的追溯性問題[39]。

現(xiàn)有的研究多側重于大數(shù)據(jù)的處理技術及大數(shù)據(jù)給各個領域帶來的機遇和挑戰(zhàn)等方面，在探討大數(shù)據(jù)的網(wǎng)絡營銷方面都僅停留在宏觀層面的研究?；诖耍疚膹奈⒂^層面構建了一個全新的基于大數(shù)據(jù)的網(wǎng)絡營銷模型，并制定模型的“5J”評價標準，以期為企業(yè)在新環(huán)境下利用大數(shù)據(jù)技術進行網(wǎng)絡營銷提供方法和借鑒。

二、大數(shù)據(jù)環(huán)境下的網(wǎng)絡營銷模型

（一）大數(shù)據(jù)與BI系統(tǒng)分析

企業(yè)進行網(wǎng)上營銷成功的關鍵是借助信息技術的潛能，分析企業(yè)最擅長的活動，以便在價值鏈中占據(jù)有利的位置，并從根本上重新調整價值創(chuàng)造過程，實現(xiàn)企業(yè)、合作伙伴和顧客的多贏。而商務智能恰是擔此重任的理想選擇[40]。

在信息化時代，信息處理及利用能力的強弱越來越能夠決定企業(yè)的成敗。所以企業(yè)更加追求企業(yè)的信息數(shù)據(jù)中所蘊含的知識和商業(yè)價值[41～44]。在這種情況下，企業(yè)希望能對以往的歷史數(shù)據(jù)進行前瞻性的分析，從而可以預測企業(yè)以后可能面臨的情況。故能在大量的歷史信息中獲得有價值的信息，進一步發(fā)現(xiàn)隱藏的有用關系[45]，從而找到企業(yè)的新增長點的商務智能成為越來越多企業(yè)競爭的手段。Business Objects公司認為商務智能是一種基于大量信息基礎上的提煉和重新整合的過程，這個過程與知識共享和知識創(chuàng)造密切結合，完成了從信息到知識的轉變，最終為商家提供網(wǎng)絡時代的競爭優(yōu)勢和實實在在的利潤。所以，商務智能不僅僅是軟件產(chǎn)品，到目前為止它已成為了一種管理思想，它能夠全面、準確、及時、深入地分析和處理數(shù)據(jù)，使企業(yè)決策者做出理性的決定，所以被很多企業(yè)運用到客戶行為分析、預測市場、制定營銷策略等日常的運營管理當中[46～47]。商務智能就是將數(shù)據(jù)倉庫、聯(lián)機分析處理和數(shù)據(jù)挖掘等技術結合起來應用到商業(yè)活動中，從不同的數(shù)據(jù)源收集到有用的數(shù)據(jù)，經(jīng)過ETL存儲到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，然后使用合適的查詢工具、DM工具、OLAP工具等適當?shù)姆治龉芾砉ぞ叻治鎏幚硇畔ⅲ蛊涑蔀闆Q策者所能使用的決策知識，并采用適合的方式將知識展現(xiàn)在決策者面前，為決策者提供決策信息，以制定決策方案[48～49]。

我們每時每刻都身處數(shù)據(jù)的海洋，每天都會產(chǎn)生和接收大量的數(shù)據(jù)。一方面由于各種儀器的使用使我們能夠接觸到更多的事物，這些事務的部分信息或全部信息會被存儲起來；另一方面現(xiàn)在通信工具的普遍使用，使大家都能夠及時地進行溝通，而這個溝通主要是通過“機器 —機器”形式來表現(xiàn)，從而產(chǎn)生了大量的交互數(shù)據(jù)；因集成電路價格降低導致了許多設備的智能化，從而使得有些事物本身產(chǎn)生一些智能信息，這些數(shù)據(jù)紛繁復雜，結構多樣，文本、文檔、圖形、視頻、聲音等多種格式成為時代的主流數(shù)據(jù)。與日俱增的社會信息促成了大數(shù)據(jù)的發(fā)展，數(shù)據(jù)已經(jīng)成為了核心資產(chǎn)[50]，大數(shù)據(jù)時代已經(jīng)到來[51]。其作為繼云計算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)的又一次巨大變革[52～53]，大數(shù)據(jù)必將給現(xiàn)代企業(yè)進行網(wǎng)絡營銷帶來新的機遇與沖擊。在這樣的環(huán)境下企業(yè)可以充分利用大數(shù)據(jù)技術對用戶的微博數(shù)據(jù)、社交數(shù)據(jù)、歷史交易數(shù)據(jù)來進行搜集和實時的分析及處理，幫助企業(yè)進行快速有效的決策，實現(xiàn)網(wǎng)絡的“精準營銷”。

圖1 典型商務智能結構

大數(shù)據(jù)時代下，企業(yè)積累了大量的數(shù)據(jù)，對于復雜多樣的數(shù)據(jù)存儲和處理成為傳統(tǒng)的BI系統(tǒng)面臨的巨大難題，但是大數(shù)據(jù)技術（如用MapReduce等并行處理技術、基于Hadoop的Chukwa采集技術、Tableau可視化技術等）卻能使我們能夠訪問和使用這些寶貴的、大規(guī)模數(shù)據(jù)集以應對越來越復雜的數(shù)據(jù)分析和更好的商業(yè)決策制定。大數(shù)據(jù)的發(fā)展并不是取代了BI系統(tǒng)，它是BI系統(tǒng)的擴展和延伸，大數(shù)據(jù)能夠使BI系統(tǒng)變得更加強大及更好地支持企業(yè)決策。

表1 大數(shù)據(jù)下的BI系統(tǒng)變化

（二）大數(shù)據(jù)環(huán)境下網(wǎng)絡營銷模型構建

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)及云計算的快速發(fā)展，數(shù)據(jù)流通量增長非常迅速，企業(yè)迫切需要高效、精準地分析數(shù)據(jù)來支持決策，傳統(tǒng)的BI系統(tǒng)已無法應對龐大的信息，但大數(shù)據(jù)能使我們能夠訪問和使用這些寶貴的、大規(guī)模數(shù)據(jù)集以應對越來越復雜的數(shù)據(jù)分析和更好的商業(yè)決策制定。將大數(shù)據(jù)技術和特性引入到傳統(tǒng)的BI結構中，設計了基于大數(shù)據(jù)的網(wǎng)路營銷模型，模型展示的是某一時點大數(shù)據(jù)網(wǎng)絡營銷運行的功能模塊。從縱向切割模型，模型展示的是信息的流動方向，故而將模型分為五個層次，即數(shù)據(jù)源層、數(shù)據(jù)層、數(shù)據(jù)分析層、營銷應用層及用戶層，如圖2所示。

數(shù)據(jù)源：信息技術和互聯(lián)網(wǎng)的發(fā)展，使數(shù)據(jù)產(chǎn)生的途徑不斷增多、類型不斷增多，非結構化數(shù)據(jù)成為大數(shù)據(jù)時代的主流數(shù)據(jù)。不同數(shù)據(jù)類型的融和給傳統(tǒng)的網(wǎng)絡營銷帶來了新的機遇，企業(yè)的目標客戶越是在社交媒體上花大量時間進行沖浪，企業(yè)就可以獲取客戶更多樣的信息，這為網(wǎng)絡營銷的數(shù)據(jù)搜集提供了寶貴的資源。在大數(shù)據(jù)的時代下，企業(yè)利用社交網(wǎng)絡、RFID射頻數(shù)據(jù)、傳感器數(shù)據(jù)等多個數(shù)據(jù)庫來接收來自客戶端結構化、半結構化和非結構化的數(shù)據(jù)。正如網(wǎng)絡營銷始源于消費者的需求，數(shù)據(jù)采集取決于企業(yè)要解決的問題，企業(yè)在進行這一步驟時要深刻理解數(shù)據(jù)能給企業(yè)帶來什么價值，清晰地了解市場、用戶等。

數(shù)據(jù)層：大數(shù)據(jù)的主要特征就是數(shù)據(jù)量大，由于大數(shù)據(jù)處理的是全部目標顧客的數(shù)據(jù)信息，所以可以從更多的細節(jié)來解釋事物屬性，提高對目標估計的準確率。數(shù)據(jù)大量化的出現(xiàn)使得企業(yè)在進行網(wǎng)絡營銷的預測活動時，不再產(chǎn)生片面性和誤差性的預測結果。考慮到數(shù)據(jù)的巨量性，單機所能容納的數(shù)據(jù)量已經(jīng)不能承載系統(tǒng)源源不斷產(chǎn)生數(shù)據(jù)帶來的壓力，因此必須采用大數(shù)據(jù)的分布式存儲的方式。數(shù)據(jù)存儲后要集成抽取出對企業(yè)營銷有價值的合適數(shù)據(jù)。在數(shù)據(jù)集成和抽取時，通常包含了許多毫無意義的信息或錯誤信息，事實上，當前所有數(shù)據(jù)庫中非結構化數(shù)據(jù)所占的比例越來越高，其中噪音、冗余或缺失的數(shù)據(jù)也越來越多[54]，這些數(shù)據(jù)對企業(yè)制定營銷策略是沒有價值的，所以對數(shù)據(jù)進行清洗，轉化成網(wǎng)絡營銷數(shù)據(jù)挖掘所需的數(shù)據(jù)。“去粗存精”“去偽存真”的數(shù)據(jù)，加快網(wǎng)絡營銷分析的速度，在極短的時間內(nèi)提高數(shù)據(jù)質量，滿足行業(yè)和個人進行網(wǎng)絡營銷數(shù)據(jù)挖掘的要求。

數(shù)據(jù)分析層：大數(shù)據(jù)時代消費者通過社會化媒體產(chǎn)生數(shù)據(jù)的實時更新特別快、數(shù)量十分巨大，而傳統(tǒng)的數(shù)據(jù)處理技術在處理大量數(shù)據(jù)時一般都要經(jīng)歷幾天的時間，使得數(shù)據(jù)逐漸失去價值，導致網(wǎng)絡營銷策略無法根據(jù)實際情況進行調整，大數(shù)據(jù)挖掘技術正好可以滿足快速處理和實時更新的要求。大數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程，即根據(jù)企業(yè)的營銷目標及要求，將處理后的客戶數(shù)據(jù)轉換成能夠支持企業(yè)營銷決策的有用的信息和知識。在這個過程中，信息是以可視化的形式呈獻給決策者，能夠幫助企業(yè)制定動態(tài)策略，隨時滿足消費者需求，進行個性化的營銷，很好地解決了以往的網(wǎng)絡營銷策略可能達不到預期效果的問題。

營銷應用層：網(wǎng)絡營銷企業(yè)的決策者通過可視化的信息制定營銷策略，通過分析尋找客戶的消費規(guī)律和消費行為模式，確定客戶的消費能力、消費特點及消費潛力，豐富個性化服務信息，以便進行必要的產(chǎn)品或服務調整。基于大數(shù)據(jù)的網(wǎng)絡營銷的應用包括社會化媒體營銷、移動營銷、用戶行為分析營銷、個性化推薦營銷、關聯(lián)挖掘營銷等等。

用戶層：基于大數(shù)據(jù)環(huán)境下的網(wǎng)絡營銷框架的最后一層的設計是消費者、數(shù)據(jù)提供者等通過移動APP、網(wǎng)站、郵件等一系列工具接收到企業(yè)營銷信息，并將反應結果反饋到數(shù)據(jù)層，存到數(shù)據(jù)倉庫中。判斷客戶對網(wǎng)站提供服務的滿意度，據(jù)此對網(wǎng)絡營銷的戰(zhàn)略和策略進行改進，提供與客戶需求更匹配的產(chǎn)品或服務。利用大數(shù)據(jù)技術可以使企業(yè)能夠快速、準確地獲取各種信息，實時地調整營銷策略，對客戶立即產(chǎn)生影響。

（三）模型評價標準

為了考查大數(shù)據(jù)的網(wǎng)絡營銷模型的價值尺度和界限，確定其優(yōu)良程度，設計了基于大數(shù)據(jù)的網(wǎng)絡營銷模型的“5J”評價指標：“減”“撿”“監(jiān)”“建”“檢”，如圖3所示：

圖3 數(shù)據(jù)網(wǎng)絡營銷框架評價標準

減：過多的信息內(nèi)容往往包含更多的干擾信息，從而導致企業(yè)對信息的處理效率降低。精簡信息內(nèi)容，減少干擾信息，從而減少不必要的信息反饋，提高決策因素的質量。

撿：企業(yè)進行營銷需要的是從紛繁的數(shù)據(jù)中提取有價值的信息。一、在數(shù)字時代的媒體趨勢下選擇有效的新型社交媒體平臺。二、多樣化的社會化媒體平臺，從傳播精度、互動性、領袖“口碑”效應等幾個方面選擇合適的渠道。

監(jiān)：一方面，通過社交媒體傾聽消費者對產(chǎn)品或服務的談論、評價、愛好和需求等。另一方面，通過數(shù)據(jù)向企業(yè)反饋信息，來管理和監(jiān)督消費者的需求。

建：建立與目標群體的有效溝通，構建良好的用戶體驗，同時讓消費者成為企業(yè)的傳播者。一、選擇個性化的對話模式，建立特定群體溝通。二、洞察用戶的心理。三、建立完善的售后服務系統(tǒng)。

檢：大數(shù)據(jù)具有混雜性，無法實現(xiàn)對數(shù)據(jù)精準處理，所以需要實時地進行營銷策略的合適性的檢查。一方面注意微博效應檢查。另一方面加強對電影、廣告等手段的投放效果檢查。

（四）大數(shù)據(jù)網(wǎng)絡營銷模型的營銷價值

1.預測消費者行為：消費者的行為是復雜而又多樣性的，不同消費者在需求、偏好以及選擇產(chǎn)品的方式等方面各有側重，同一消費者在不同時期、不同情境、不同產(chǎn)品選擇上，其行為也有很大的差異性。雖然消費者行為多種多樣，但在千差萬別的背后存在一些特點及行為因素。通過對消費者數(shù)據(jù)的分析，可以預測消費者下一步的行為，制定相應的刺激策略，鼓勵消費者進行購買。

2.引導產(chǎn)品及營銷活動投用戶所好：大數(shù)據(jù)驅動網(wǎng)絡營銷，給網(wǎng)絡營銷的發(fā)展提供了一個嶄新的機會，利用大數(shù)據(jù)挖掘這種新的技術對消費者的行為進行分析，并對企業(yè)的營銷策略進行優(yōu)化?？梢酝ㄟ^分析各種社交媒體所產(chǎn)生的“大數(shù)據(jù)”，比如通過新浪微博和百度貼吧的話題熱點，可以向用戶推薦他們感興趣的產(chǎn)品，根據(jù)用戶的反饋數(shù)據(jù)來檢測營銷策略的有效性，優(yōu)化營銷策略，提高消費者的滿意度。

3.更完整的描述消費者：大數(shù)據(jù)挖掘類似于用戶特征繪制。根據(jù)用戶在網(wǎng)上留下來的痕跡（數(shù)據(jù)），然后對數(shù)據(jù)進行分析處理，挖掘用戶的特點、喜好及購買習慣，越來越仔細的描繪消費者，做到“比用戶更了解用戶自己”。消費者數(shù)據(jù)包括有：瀏覽網(wǎng)站數(shù)據(jù)、社交媒體數(shù)據(jù)、地理位置數(shù)據(jù)等，這些數(shù)據(jù)的挖掘能夠更好地將用戶特點完整的描繪出來。比如，通過運用大數(shù)據(jù)技術對消費者在某電子商務購物網(wǎng)站的點擊、訪問過程、購買決策和評價等的挖掘，能夠全方位地描繪消費者，分析出消費者的年齡、職業(yè)、性別及興趣愛好等信息。

4.個性化營銷：大數(shù)據(jù)是精準性和多樣性的分析工具，能夠使企業(yè)決策者從多種不同角度對消費者進行細分，不再是簡單的群體劃分，而是針對每個細分群體進行個性化營銷。比如零售商可以針對消費者的收入、學歷、年齡、性格等特點對消費者進行精準分類，針對不同的消費者推送不同的營銷內(nèi)容，為消費者量體裁衣制定“一對一”的個性化營銷。

三、結語

隨著互聯(lián)網(wǎng)的迅猛發(fā)展，數(shù)據(jù)已經(jīng)滲透到當今每一個行業(yè)和業(yè)務職能領域，成為重要的生產(chǎn)因素。人們對于海量數(shù)據(jù)的挖掘和運用，預示著新一波生產(chǎn)率增長和消費者盈余浪潮的到來。大數(shù)據(jù)在網(wǎng)絡營銷領域，已經(jīng)成為一種商業(yè)資本、一項重要的經(jīng)濟投入，對企業(yè)來說，大數(shù)據(jù)的來臨驅動著營銷變革：營銷觀念的變革、營銷管理的變革、營銷方式的變革。從傳統(tǒng)營銷到網(wǎng)絡營銷至應時而生的大數(shù)據(jù)網(wǎng)絡營銷，營銷的戰(zhàn)略更趨于多樣化，營銷的方式更趨于個性化、營銷的廣告投放更趨于精準化。大數(shù)據(jù)網(wǎng)絡營銷已經(jīng)成為新時代下電子商務重要的新型營銷方式，大數(shù)據(jù)網(wǎng)絡營銷是營銷發(fā)展的必然趨勢。本文基于BI理論的大數(shù)據(jù)網(wǎng)絡營銷模型的建立正是積極響應了這種發(fā)展趨勢。為了實現(xiàn)先進的大數(shù)據(jù)技術與網(wǎng)絡營銷行業(yè)相結合，本文將模型分為數(shù)據(jù)源層、數(shù)據(jù)層、數(shù)據(jù)分析層、營銷應用層及用戶層五個部分，通過模型的建立將大數(shù)據(jù)與網(wǎng)絡營銷進行很好的擬合，同時對模型提出了“減、撿、監(jiān)、建、檢”的評價標準。通過大數(shù)據(jù)在網(wǎng)絡營銷中的應用，可以對用戶的社交網(wǎng)絡等相關性進行全面解構，挖掘客戶潛在需求，有效地細分市場，精準地洞察顧客，在正確的時間通過正確的渠道對正確的顧客推送正確的信息，實現(xiàn)企業(yè)的“精準營銷”，讓網(wǎng)絡營銷乘著大數(shù)據(jù)的浪潮揚帆起航。

[1] CNNIC.第35次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告[R].中國互聯(lián)網(wǎng)絡信息中心, 2015.

[2] 楊學成, 蘭冰, 孫飛.品牌微博如何吸引粉絲互動—基于CMC理論的實證研究[J].管理評論, 2015, 27(1)：158-168.

[3] GRAHAM-ROEW D, GOLDSTON D, DOCTOROW C, et al.Big Data：Science in the Petabyte Era[J].Nature, 2008,455(7209)：8-9.

[4] BROWN.Dealing with data[J].Science, 2011, 5(4)：56-150.

[5] 李國杰, 程學旗.大數(shù)據(jù)研究：未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領域—大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J].中國科學院院刊, 2012, 27(6)：647-657.

[6] ZHAO W Z, MARTHA V, XV X W, et al.A Parallel Structural Clustering Algorithm for Big Networks in MapReduce[J].Advanced Information Networking and Applications(IEEE AINA), 2013, 30(1)：862-869.

[7] LEE R, LUO T, HUAI Y, et al.Y smart：Yet Another Sql-to-mapreduce Translator[C].Distributed Computing Systems(ICDCS), 2011.

[8] MUKHERJEE A, DATTA J, JORAPUR R, et al.Shared Disk Big Data Analytics with Apache Hadoop[C].Puce,India：19th International Conference on.IEEE, 2012.

[9] QIN X, WANG H, LI F, et al.Beyond Simple Integration of RDBMS and MapReduce—Paving the Way toward a Unified System for Big Data Analytics：Vision and Progress[J].Cloud and Green Computing(CGC), 2013, 1(10)：716-725.

[10] PIROLLI P, CARD S.The Sensemaking Process and Leverage Points for Analyst Technology as Identified Through Cognitive Task Analysis[C].Proceedings of International Conference on Intelligence Analysis, 2005.

[11] STASKO J, GORG C, LIU Z.Jigsaw：Supporting Investigation Analysis Through Interactive Visualization[J].Information Visualization, 2008, 7(2)：118-132.

[12] HOWE D, COSTANZO M, FEY P, et al.Big Data：The Future of Biocuration[J].Nature, 2008, 455(7209)：47-50.

[13] SALIMI N, VITA R.The Biocurator：Connecting and Enhancing Scientific Data[J].PLoS computional biology, 2006,2(10)：e125.

[14] MCKENNA A, HANNA M, BANKS E, et al.The Genome Analysis Toolkit：A MapReduce Framework for Analyzing Next-generation DNA Sequencing Data[J].Genome research, 2010, 20(9)：1297-1303.

[15] HROVAT G, STIGLIC G, KOKOL P, et al.Contrasting Temporal Trend Discovery for Large Healthcare[J].Computer Methods and Programs in Biomedicine, 2014,113(1)：251-257.

[16] SCHADT E E, LINDERMAN M D, SORENSON J,et al.Cloud and Heterogeneous Computing Solutions Exist Today for the Emerging Big Data Problems in Biology[J].Nature Reviews Genetics, 2011, 12(3)：224-224.

[17] 黃永勤.國外大數(shù)據(jù)研究熱點及發(fā)展趨勢探析[J].情報雜志, 2014, 33(6)：99-104.

[18] NIELSON J, INOUE T, PAQUETTE J, et al.Big Data Visualization for Translational Neurotrauma[J].Journal of Neurotrauma, 2013：A61-A62.

[19] STARK R F, WOLLOCKO A, BORYS M, et al.Visualizing Large Scale Patterns and Anomalies in Geospatial Data：VAST 2012 Mini Challenge #1 Award：Honorable Mention for Good Visual Design[C].Visual Analytics Science and Technology(VAST), 2012.

[20] LANEY D.3D Data Management：Controlling Data Volume, Velocity and Variety[R].Meta Group, 2001.

[21] BEYER M A, LANEY D.The Importance of Big Data：A Definition[EB/OL].(2016-6-21).https：//www.mendeley.com/research-papers/gartner-says-solving-big-data-challengeinvolves-more-just-managing-volumes-data/.

[22] MEIJER E.The World According to Linq[J].Communications of the ACM, 2011, 54(10)：45-51.

[23] MARK B.Gartner Says Solving Big Data Challenge Involves More than just Managing Volumes of Data[EB].Gartner Retrieved, 2011.

[24] CHEN R M.Challenges, values and countermeasures of the era of big data[J].Mobile Communication, 2012(17)：14-15.

[25] RYS M.Scalable SQL[J].Communications of the ACM, 2011, 54(6)：48-53.

[26] 張引, 陳敏, 小飛.大數(shù)據(jù)應用的現(xiàn)狀與展望[J].計算機研究與發(fā)展, 2013, 50(S2)：216-233.

[27] FENG D G, ZHANG M, Li H.Data security and privacy protection[J].Chinese Journal of Computers, 2014,37(1)：246-258.

[28] MENG X F, CI X.Big data management：Concepts、techniques and challenges[J].Journal of Computer Research and Development, 2013, 50(1)：146-169.

[29] LI G J.Scientific value on Big Data research[J].Communications of China Computer Federation, 2012, 8(9)：8-15.

[30] LI G J.White Paper on China’s Big Data Technology and Industry Development[R].Big Data Expert Committee in China Computer Federation, 2013.

[31] ALEXANDRE B S.Big Data Usage in the Marketing Information System[J].Journal of Data Analysis and Information Processing, 2014, 2(3)：77-85.

[32] PETER S H, LEEFIANG, PETER C, et al.Challenges and solutions for marketing in a digital era[J].European Management Journal, 2014, 32(1)：1-12.

[33] PAULUS H A, ANDREKI, YAZDANIFARD R.Is EMarketing the Future of Marketing Field?[J].American Journal of Industrial and Business Management, 2014, 4(7)：333-336.

[34] RAZAVI A, MOSCHOYIANNIS S, KRAUSE P.An open digital environment to support business ecosystems[J].Peer-to-Peer Networking and Applications, 2009, 2(4)：367-397.

[35] STEPHEN F.Getting real about Big Data：applying critical realism to analyze Big Data hype[J].International Journal of Managing Projects in Business, 2013, 6(4)：739-760.

[36] MCDONALD J, LéVEILLé V.Whither the retention schedule in the era of big data and open data?[J].Records Management Journal, 2014, 24(2)：99-121.

[37] DANIEL J.Using“Big Data”for analytics and decision support[J].Journal of Decision Systems, 2014, 23(2)：222-228.

[38] 馮芷艷, 郭迅華, 曾大軍.大數(shù)據(jù)背景下商務管理研究若干前沿課題[J].管理科學學報, 2013(1)：1-9.

[39] 王東.大數(shù)據(jù)技術在精準營銷中的應用[J].中國流通經(jīng)濟, 2013(7)：90-93.

[40] 葉瓊偉, 宋光興, 譚繼江.商務智能(BI)在電子商務企業(yè)中應用的實證研究—以YNYY藥業(yè)連鎖企業(yè)為例[J].科技進步與對策, 2010, 27(21)：113-115.

[41] LEE K, LIM G.Technological regimes、catching-up and leapfrogging findings from Korean industries[J].Research Policy, 2001, 30(3)：459-483.

[42] 吳曉波.二次創(chuàng)新的進化過程[J].科研管理,1995(2)：27-35.

[43] ADOMAVICIUS G, TUZHILIN A.Using data mining methods to build custom profiles[J].Computer, 2001,34(2)：74-82.

[44] BARRY D V, MACKINNON, PETER.Microsoft Data Mining：Integrated Business Intelligence for e-Commerce and Knowledge Management[M].London：Digital Press, 2001.

[45] MARCH S T, HEVNER A R.Integrated decision support systems：A data warehousing perspective[J].Decision Support Systems, 2007, 43(3)：1031-1043.

[46] 鄒鵬, 李一軍, 葉強.客戶利潤貢獻度評價的數(shù)據(jù)挖掘方法[J].管理科學學報, 2004, 7(1)：53-58.

[47] MICHAEL J S, SUBRAMANIAM C, TAN G W.Knowledge management and data mining for marketing[J].Decision Support Systems, 2001, 31(1)：127-137.

[48] WATSON H J, WIXOM B.The Current State of Business Intelligence[J].IEEE Computer, 2007, 40：96-99.

[49] WANG Z Y.The research of process mining assessment used in business intelligence[C].11th International Conference on Computer and Information Science, 2012.

[50] LUO S M, WANG Z K, WANG Z P.Big-Data Analytics：Challenges, Key Technologies and Prospects[J].Cloud Computing and IT Institute of ZTE Corporation, 2013,11(2)：11-17.

[51] HILBERT M.The worlds technological capacity to store, communicate and compute information[J].Science, 2011,332(6025)：60-65.

[52] BUGHIN J, CHUL M, MANYLKA J.Clouds, big data, and smart assets：Ten tech-enabled business trends to watch[J].McKinsey Quarterly, 2010(8)：1-14.

[53] ZHOU X F, LU J H, LI C P, et al.The challenges of big data from the perspective of data management[J].Communications of the China Computer Federation, 2012, 8(9)：16-21.

[54] 王林.基于評論信息的網(wǎng)購情境線索類型及其作用機制研究[J].管理評論, 2015, 27(4)：156-166.