有很多次在和别人聊天的时候，一说我是做数据营销的，对方立即就用一种看数学家的眼光打量我，然后脑子里就开始蹦出“聚类分析，回归分析，群体偏好”等等内容。等聊着聊着，发现我完全不提那些内容时，就会开始问我：“你说的数据营销到底是什么意思啊？”

理论的东西我就不多说了，最近和淘宝的兄弟们对淘宝超市讨论的比较多，就用家网络超市来举个例子，看看数据营销到底是做哪些东西的。

数据化营销第一层：千人一面――千人千面

数据营销第二层：客户生命周期管理

数据营销第三层：老客户培育

数据化营销第一层：千人一面――千人千面

数据化营销的第一大作用，就是可以把目标客户切分得更细，更精准，使得我们在推广过程中的内容与买家更相关，把运营从千人一面变成千人千面，是数据化营销的主要目标之一。

之前收到一封1号店的推广邮件，如下：

这样的邮件我想大家每天都会收到很多，也会发出很多，我们今天不讨论邮件本身，我们来看看通过数据营销如何把这封邮件做得更好。

假设这封邮件是要发给100万会员的，假如我们要得到最高的购买率，最好的方式肯定是给100万人发100万封个性化的邮件，给每个人都推不同的商品。但这样的方式显然在实际操作中是不可行的。于是，数据化营销就是要找到一种可操作的让我们得到最高购买率的营销方法。

如何才能让上面这封发给100万人的邮件转化率更高？

我们先来看一种好一点点的方法：

我们把客户按年龄、性别分成4组，然后根据这个组的特点YY一些主推的商品，然后做成4个页面，分别投放到4个客户群。

年龄 性别 典型主推商品 　　　典型文案

15-25 男 可乐， 　　　　　可乐18元/箱，比超市便宜5元，再也不用自己扛，半日内送货上门

15-25 女 各类零食，洗发水

25-35 男 啤酒，

25-35 女 洗发水，纸巾，色拉油

做数据营销的一大前提就是数据积累，数据积累的程度决定了数据营销能做得多精细。在这里我们需要积累的信息很少，年龄、性别，两个属性就OK了。（如果我们在这里添加更多客户的属性，就可以把整个客户群分成更细的小群，比如加上“收入”，“教育程度”，“职业”等等，银行就是基于这些信息做客户的CRM管理和风险管理的。细分的好处是可以更精准，缺点是推广的成本更高，同时，随着客户群分的越细，推广效率增长的边际效益递减，所以分到差不多细就可以了。）

然后，我们再比这个做得好一点点：

我们在每一个组里，再增加“浏览类目”和“购买类目”两个字段，

年龄 性别 浏览类目TOP3 　　　　 购买类目TOP3 　　　　　典型文案

15-25 男 饮料，纸品，进口食品 饮料，进口食品，纸品 可乐18元/箱，比超市便宜5元，再也不用自己扛，半日内送货上门

15-25 女

25-35 男

25-35 女

那我们就可以看到“15－25岁的男人购买最多的3个类目是食品――饮料，日化――纸品，食品――进口食品”，然后我们就可以有几种选择：简单点就从“饮料，纸品，进口食品”中各选一件促销商品，做成一个促销包，推给整个组。

这里的数据积累就更复杂一些了，首先，我们要积累每个会员的购买记录和浏览记录，光这两个字段，就需要一个庞大的数据库了。

还能再好一点点吗？

我们看到了每个人的交易记录和浏览记录之后，商业有上几条思路可以继续细化：

1. 有哪些东西是客户经常看但是没有买的？

2. 客户买了A之后最有可能买的B是什么？

做1需要我们通过对浏览记录和购买记录进行关联，通过数据分析设定“类目浏览次数＞N且未购买”的标准。

做2比较复杂，最通用的做法是分析购买记录，通过分析整个客户群，建立算法，假设购买A产品的有1万人，分析这1万人的购买记录，找到这些人购买的其它产品中购买次数最多的产品B，C，D，放在A的页面上进行推荐（Amazon基本就是这么做的）