在各行業紛紛主動或被動網際網路的環境下，大資料應用正在不斷深化。對於每一個有意“網際網路+”的企業而言，都需正視“正面是業務，背面是資料”的現實。而在營銷領域，“大資料的離線應用和線上應用分別解決精細化營銷和精準化營銷的問題”，更使這一大資料應用的先驅行業充滿掘金機會。在4月25日由對外經濟貿易大學國際商學院、中國傳媒大學國家廣告研究院主辦的“‘網際網路+’時代的品牌推廣高峰論壇”上，締元信.網路資料CEO秦雯再次就大資料在營銷領域的應用價值與前景的深入剖析，引起與會從業者的高度關注。
（圖為：締元信.網路資料CEO秦雯）
網際網路化：正面是業務，背面是資料
秦雯認為，大資料的興起與各行各業的網際網路化密切相關，大資料實際上正是人類直接和間接行為的過程記錄，現在網際網路的所有業務都是人機互動的，在這個過程當中實現使用者直接行為的記錄。此外，物聯網的興起，使得為人提供服務的很多裝置也能線上，這些裝置對人類間接行為的過程記錄也是大資料。
雖然大資料的概念已廣為傳播，但一些傳統企業領袖往往仍困惑於不知道哪裡有資料，或者認為自家企業不可能擁有大資料。對此，秦雯表示，“大資料業務流的正面是業務，背面就是資料”。每一個企業在業務流發生、成長、成熟、創新的過程中，每一步都會對應著資料的產生、積累、發現、產生。因此，對每個企業來說，都必須重視資料的沉澱積累、採集環節。
以往，傳統的線下環境很難把資料收集到，比如一個大的百貨商場，你想知道每一個到這個商場的人所看到的每個櫃檯、所走過的路線，所買的東西，記錄成本基本上是不可以承受的。但在網際網路上，這樣的資料幾乎可以以零的代價收集回來。2007年締元信成立時，主要業務還只是幫助網站通過使用者行為的資料分析去優化網站業務，在當時的過程中，締元信就發現使用者行為反映出來的使用者偏好和其他一些使用者特徵，其有效度要遠遠大於通過樣本資料進行市場研究的傳統方式。
網路營銷：離線是精細，線上是精準
在營銷領域，大資料應用主要有兩個方面。第一，是離線應用，在業務過程當中產生的資料收集完後，在業務體系之外加工後可應用的，例如，報表、工具等。第二，是線上應用，資料直接參與到業務當中，業務由資料驅動而不是人驅動。兩者分別解決精細化營銷和精準化營銷問題。
離線應用解決的是精細化營銷。以往投廣告的方式，是去大致分析產品定位的目標人群的一些人口學特徵，分析面向人群的性別、年齡段、收入水平等，再去尋找與定位相匹配的媒體進行廣告投放。這樣的模式造成的後果是廣告界的那句名言——“50%的預算被浪費了，但是也不知道浪費在哪兒”。應用大資料後，網路營銷可以實現包括媒介價值發現、分群使用者品牌偏好差異、個性化內容推薦、推廣渠道選擇的精細化策略。比如定位產品的目標使用者不用再判斷年齡、收入等資料，而可以直接找到在之前真正關注、感興趣的使用者。如訪問過官網的使用者、在其他媒介上看過產品或者品牌資訊相關內容的使用者、看過或者買過競品的使用者等，從而獲得相當精細化的使用者群。之後還可對使用者進行細化，瞭解使用者的偏好、主要出現的網際網路場所，從而獲得精準的推廣渠道。之後，也可制定更加精細化的媒介策略，如創意精細化，通過發現使用者的偏好，更好地去創意要推廣的資訊;或者，進行精細化的過程控制，根據歷史資料和行業資料對未來下一步的業務策略進行預算，對媒體型別，使用者型別，投放程度，投放效果等進行預估。
“例如，入口網站的體育頻道，在傳統的營銷的策略上，更多是根據經驗去找可能和體育相關的，比如運動服裝品牌來投放廣告。但是締元信通過資料分析發現，其實體育頻道的使用者對商品偏好達到TCI一百以上就意味著有明顯偏好的，這樣的商品除了體育用品，還有旅遊、電腦、手機、母嬰、金融等等。對於體育頻道媒體來說，這就意味著不用侷限在只開發跟體育用品或者運動相關的客戶。”
而線上應用是可以實現更為深入的一對一的精準營銷，即在確定潛在使用者後才把廣告投放給他，此外也可以用於競品發現、競品分析、政策與股市關聯分析等。精準營銷的基礎一是資料管理平臺DMP，二是基於這個資料新型的廣告投放系統DSP，三是在這樣的系統上自動實現媒介購買，即程式化購買。進一步發展後，廣告主不用先購買媒介資源，而是實時競價獲得媒介資源：當一個使用者出現在這個廣告平臺上，根據這個使用者可能的行為，判斷他滿足某些廣告主的需求，這個時候誰出的價高，就給這個使用者推送誰的廣告。為此，締元信.網路資料推出的應用可針對每一個品牌關聯使用者和使用者所關聯到其它資訊，建立了一個資料模型，最終幫助企業把產品型號和品牌輸入進去，得到競品的相關資訊，由此企業可以進行差異化的創意，突出產品優勢。
秦雯表示，從離線應用向線上應用發展是營銷未來的趨勢。線上應用是智慧化應用，可以大幅度的降低營銷工作環節的各種人力資源。以阿里巴巴的小微貸款業務為例，要做到同樣規模，傳統銀行需要二百人到三百人，但在阿里巴巴的螞蟻金服業務平臺上只需要二十人到三十人即可實現。從傳統的管理報表應用，到BI工具應用，再到智慧化應用，大資料的價值也由決策參考轉向決策優化，繼而又轉向驅動業務，而這才是大資料的終極價值。