受到微信、微博及社交网络等 OTT 业务影响，运营商语音、短信等传统业务收入大幅下滑，而数据流量由于国家”提速降费“政策的施压，单位价格逐步降低，流量”增量不增收“现象突出，流量的增长难以弥补语音、短信等业务收入的下降，从而给运营商运营收入任务的完成带来极大压力;加上电信业税收政策被纳入国家“营业税改增值税”，为确保利润，国资委要求运营商在3年内减少营销费用 400 多亿元。外部环境及国家政策的改变，迫使运营商必须优化营销环节策略，降低成本，提升效率，以更少成本实现较高的运营收入。
随着4G及各种行业应用业务的全面展开，运营商为用户带来了更多的业务应用，与此同时，用户群体越来越向小众化、复杂化发展，用户对多元化、个性化业务的需要以及对高质量信息服务的要求不断提升， 这也对运营商营销能力提出了新的挑战。
因此，运营商就需要在营销方面进行新突破，如何快速地为用户提供其真正所需要的服务，成为运营商营销环节创新的重点。运营商要创新、优化营销环节，就必须依靠先进的技术实现业务的实时精准营销，实现产品、管理及商务等方面模式的创新。传统的粗放式营销模式，要向精准的营销模式转变，达到高效率运营、低成本营销。
在大数据快速发展的大背景下，运营商自身具有大量的数据资源，每天可获取到TB 级的信令数据和用户消费数据，其中包含用户的基本信息、语音通话数据、短信数据、流量数据等丰富的信息。面对如此海量的信令数据和用户消费数据，如果运营商应充分利用先进的大数据挖掘分析技术，深入挖掘其背后隐藏的规律和价值，科学合理地指导、支撑营销活动，就可以实现精准营销，达到降本增效的效果。
大数据对于精准营销的意义
大数据支持下的营销核心在于让运营商的业务在合适的时间，通过合适的载体，以合适的方式，推送给最需要此业务的用户。
首先，大数据营销具有很强的时效性。在互联网时代，用户的消费行为极易在短时间内发生变化，大数据营销可以在用户需求最旺盛时及时进行营销策略实施。
其次，可以实施个性化、差异化营销。大数据营销可以根据用户的兴趣爱好、在某一时间点的需求，做到细分用户实施一对一的营销，让业务的营销做到有的放矢;并可以根据实时性的效果反馈，及时调整营销策略。
最后，大数据营销对目标用户的信息可以进行关联性分析。大数据可以对用户的各种信息进行多维度的关联分析，从大量数据中发现数据项集之间有趣的关联和相关联系，如通过发现用户购物篮中的不同商品之间的联系，分析出用户的其他消费习惯，通过了解哪些商品频繁地被用户同时购买，这种关联的发现可以帮助营销人员从用户的一种商品消费习惯，发现用户另外的商品消费规律，从而针对此用户制定出相关商品的营销策略。
大数据精准营销的优势
运营商在大数据领域占据独特的天然管道优势，拥有多年业务运营积累的网络运营数据和用户业务数据，拥有互联网企业难以比拟的庞大用户数据源，具备精准营销必须的基本要素。
首先，运营商通过用户办理业务时提供的信息掌握用户的姓名、性别、年龄、单位、住址等详细数据内容;其次，运营商能够掌握用户的业务类型、业务资费、通话信息、消费行为等内容信息;再次运营商可以根据基站、定位系统等准确获取用户的地理位置等信息内容;最后，运营商拥有巨大的用户互联网访问数据信息记录。
如果运营商能够将拥有的用户数据、业务数据及其他数据结合起来，在其内部建立一个共享的数据库，利用自己的优势结合新技术，通过大数据分析挖掘等技术深入洞察用户需求，实现更加个性化、差异化、精准化的服务，就可以制定出精准化的营销方案，挖掘出更大的市场价值。
实现大数据精准营销的方式
精准营销简单地说就是利用现代化的信息技术手段来实现个性化营销的活动，需要建立在精准定位和分析基础之上，运营商精准营销可以从以下几个方面进行。
首先，大数据精准营销要解决的首要问题是数据整合汇聚。运营商目前运用大数据实现精准营销的一个重要挑战是数据的碎片化，即信息化系统各自为政。在许多信息化系统中，数据散落在互不连通的数据库中，相应的数据处理技术也存在于不同部门中，如何将这些孤立错位的数据库打通、互联、交换和共享，并且实现技术共享，才能够最大化大数据价值，实现精准营销。为此，运营商首先要构建大数据交换共享平台，整合共享各信息化系统的数据，汇集用户在多个渠道上的行为数据，构建对用户行为和用户其他数据的深入洞察，一方面实时监控各渠道的用户行为特征、运营和营销的效果;另一方面集中用户的数据，便于后续的深入挖掘分析，实现以用户为中心的数据有效汇聚，提升用户数据价值，实现用户交互的精准识别和多渠道数据汇集，为用户提供更加准确的服务和营销策略。
其次，建立系统化的大数据可视化关联分析系统。通过三维表现技术来展示复杂的大数据分析结果，支持多种异构数据源接入包括互联网与运营商本身海量数据外，还可以支持第三方接口数据、文本文件数据、传统数据库(如Oracle、SqlServer、MySQL等)数据、网页数据等数据源;支持数据可视化分析、数据挖掘运算法、预测性分析、语义引擎、高质量的数据管理等。借助人脑的视觉思维能力，通过挖掘数据之间重要的关联关系将若干关联性的可视化数据进行汇总处理，揭示出大量数据中隐含的规律和发展趋势，进一步提高大数据对精准营销的预测支撑能力。
如在美国的沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗?”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”
这就是沃尔玛在大数据系统支持下实现“顾问式营销”的一个实例。因为大数据系统早就算计好了，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、作料。而提供这一决策分析支持的就是其位于美国一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。
第三，将大数据交换共享平台和现有的 CRM系统打通。以前的CRM系统，只能促使分析报告回答“发生了什么事”，现在让CRM系统结合大数据平台，可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，从而能判断“用户想要什么事发生”。对用户的需求进行细分，促使营销服务要做到精准分析、精准筛选、精准投递等要求。
第四，利用用户的各种社交工具实现精确营销和用户维系，可以利用关联分析等相关技术对用户社交信息进行分析，通过挖掘用户的社交关系、所在群体来提高用户的保有率，实现交叉销售和向上销售，基于社会影响和社交变化对目标用户进行细分，营销人员可识别社交网络中的“头羊”、跟随者以及其他成员，通过定义基于角色的变量，识别目标用户群中最有挖掘潜力的用户。
第五，对用户市场进行细分。这是运营商实现精准化营销的基础，不同于传统的市场划分，精准营销开展的市场细分要求根据用户的消费习惯、需求、行为规律等进行分析研究，然后据此进行市场细分，这就要求必须收集客户的显性和隐性方面的信息数据，利用大数据分析挖掘工具深入分析，绘制完整的用户视图，然后进行深层次的挖掘分析，定位目标市场，才能为运营商精准化营销提供依据。
第六，根据大数据挖掘分析的用户需求信息，进行产品或服务的量身定做。通过大数据精准营销缩短运营商与用户的沟通距离，实现一对一的精准化、个性化营销。随着移动互联网、大数据等技术的进步，运营商和用户的交流沟通更加个性化、虚拟化、网络化，沟通技巧也变得更加柔和，大数据精准化营销使得沟通变为直线最短距离，加强了沟通的效果。营销方式从海量业务广播式推送，过渡到一对一以用户体验为中心的业务精准实施。一对一精准营销面向用户在某一刻、以适合的价格，推送最需要的业务。围绕用户、业务场景、触点、营销推送内容、营销活动等，基于跨渠道触发式的营销，运营商在注重用户体验同时达到最佳的营销效果，并且可对营销过程进行全程跟踪，从而不断优化营销策略。
最后，要以客户为导向重组市场营销流程，对市场营销全过程实施跟踪监管。传统的市场营销流程主要是以产品为中心，对市场的反应速度较慢，而且没有对市场营销活动的结果反馈进行改进，因而难以形成一个闭环。大数据时代的精准化营销，以客户为中心，从客户的需求着手，进行深入的洞察和分析，然后结合运营商自身的业务、品牌等进行市场营销活动的策划。在市场营销活动的过程中，还要根据市场变化、竞争对手的反应及用户反馈情况等内容及时调整营销策略。同时，在市场营销活动开展一段时间后，要根据活动反馈结果适时做一些归纳和总结，以便为下一个阶段市场营销活动策划打好基础。
总之，未来对市场的争夺就是对客户资源的争夺，运营商如果能够有效利用自己手中大量的大数据资源，充分运用各种数据挖掘分析技术实现精准化的营销，就能深入挖掘新的市场价值，轻松应对任务重压，实现自身营销环节的优化演进，达到收入倍增的目的。
本文作者：席科文
来源：51CTO
