基本介紹
- 中文名：玩轉大數據：商業分析＋運營推廣＋行銷技巧＋實戰案例
- 作者：海天電商金融研究中心
- 出版社：清華大學出版社
- 出版時間：2017年1月
- 定價：49.8 元
- ISBN：9787302449850
內容簡介,圖書目錄,
內容簡介
一家公司，如何運用大數據進行客戶定位、行銷推廣、品牌傳播？
一個行業，如何運用大數據進行產業分析、前景預測、商機挖掘？
本書將全面揭秘大數據價值挖掘、平台構建、行銷定位、生活服務、社會互動、風險管理和未來套用，特別是對銷售行業、餐飲行業、網路通信、交通能源、醫療領域、娛樂傳媒、生產製造、企業管理、金融行業、旅遊行業、遊戲行業和房地產行業等影響力大的行業或領域進行剖析，幫助讀者知曉賺錢公司的大數據是怎樣玩轉的！
書中內容零基礎、全圖解，通過12個行業套用挖掘+17章專題內容詳解+400多張圖片圖解展示，深度剖析了大數據的商業分析、運營推廣、行銷技巧和實戰案例，讓您一書在手，輕鬆玩轉大數據！
本書對象為對大數據分析、行銷感興趣的所有讀者，特別是企業經營者、管理者、網際網路行銷崗位的工作人員等。
圖書目錄
第1章 發展揭秘：全程破解大數據 1
1.1 相關了解，全面分析 2
1.1.1 大數據的發展歷程 2
1.1.2 大數據的4大特徵 4
1.1.3 大數據增長的結構類型 5
1.1.4 大數據發展的三大趨勢 7
1.1.5 大數據視角下的世界 9
1.2 深入了解，行銷獲益 10
1.2.1 新型行銷模式的形成 11
1.2.2 新型業務模式的發掘 12
1.2.3 存量客戶的價值發掘 12
1.2.4 新客戶資源的高效獲取 13
1.3 核心建設，把握機遇 14
1.3.1 4G時代下的大數據
產業鏈 14
1.3.2 大數據行銷機會的挖掘 15
1.4 商業智慧型，價值轉型 16
1.4.1 大數據下的商業智慧型
概述 16
1.4.2 商業智慧型的大數據基礎 17
1.4.3 商業智慧型的行業掘金 17
1.5 綜合利用，未來曙光 19
1.5.1 必然走向的大數據 19
1.5.2 大數據時代的業界生態 19
1.5.3 大數據的未來套用 20
1.5.4 大數據未來的發展要求 21
第2章 價值獲取：深度挖掘大數據 23
2.1 數據挖掘的相關知識 24
2.1.1 數據挖掘的基本概念 24
2.1.2 數據挖掘的商業解讀 25
2.1.3 數據挖掘的具體計算 25
2.1.4 數據挖掘的一般過程 26
2.2 基礎設施的建設與發展 27
2.2.1 雲計算數據中心 28
2.2.2 存儲伺服器 28
2.2.3 全面虛擬化模式 29
2.2.4 虛擬化網路模式 30
2.3 網際網路資料庫的行銷套用 31
2.3.1 免費Wi-Fi的客戶數據
蒐集 31
2.3.2 用戶頭像的信息獲取 32
2.3.3 Immersion的用戶郵件
挖掘 33
2.3.4 LinkedIn社交數據的商業
分析 34
2.4 不同行業的大數據源 35
2.4.1 文本數據的用戶情感分析 35
2.4.2 電網數據的用戶需求分析 37
2.4.3 車載信息數據的風險評估
分析 37
2.4.4 遙測數據的活動狀況分析 38
第3章 平台構建：大數據分布計算 41
3.1 分散式計算的相關概念 42
3.1.1 雲計算系統的運行概述 42
3.1.2 分散式檔案系統的數據
存儲 43
3.1.3 分散式計算系統的優勢 44
3.2 Hadoop分析技術 45
3.2.1 Hadoop的含義概述 45
3.2.2 Hadoop的4大特點 47
3.2.3 Hadoop的企業套用 47
3.2.4 Hadoop的拓寬套用 48
3.3 平台搭建與行銷效果 50
3.3.1 大數據平台搭建 50
3.3.2 英特爾的雲生態圈構建 51
3.3.3 公有雲解決方案的套用
選擇 54
3.3.4 雲創存儲的智慧型門戶
平台 55
第4章 精準定位：大數據策略行銷 57
4.1 做好細分，客戶定位制勝關鍵 58
4.1.1 客戶屬性細分 58
4.1.2 精準定位的地位 59
4.1.3 目標客戶群定位 60
4.1.4 企業客戶細分 61
4.1.5 二次細分與動態調整 63
4.2 品牌傳播，企業客戶定位優選 64
4.2.1 企業品牌的基本含義 65
4.2.2 品牌定位的基本含義 66
4.2.3 品牌的客戶定位策略 67
4.3 特徵把握，行業客戶定位技巧 69
4.3.1 零售行業的個體特色
定位 69
4.3.2 房地產行業的服務意識
定位 71
4.3.3 汽車行業的品牌塑造
定位 71
第5章 生活服務：日趨便捷的移動大數據 75
5.1 移動LBS的位置服務 76
5.1.1 移動LBS的定義和特點 76
5.1.2 移動LBS的生活服務
套用 78
5.1.3 移動LBS的未來發展 80
5.1.4 LBS的移動大數據行銷 81
5.2 移動O2O的購物模式 84
5.2.1 移動O2O模式的基本
概念 84
5.2.2 移動O2O模式的發展
優勢 85
5.2.3 移動O2O模式的商業
用途 87
5.2.4 O2O模式的移動大數據
行銷 89
5.3 App的各類生活套用 90
5.3.1 App的基本概念 91
5.3.2 App的行銷優勢 93
5.3.3 App的移動大數據行銷 93
5.4 二維碼的掃碼服務 96
5.4.1 二維碼的相關套用與價值 96
5.4.2 二維碼的行銷優勢 97
5.4.3 二維碼的移動大數據行銷 98
第6章 社互動動：全天候的移動大數據 103
6.1 微信的多樣化互動 104
6.1.1 微信互動的行銷條件 104
6.1.2 微信互動的行銷含義 106
6.1.3 微信互動的行銷模式 107
6.1.4 【案例】南航的微信互動
服務體驗 111
6.2 移動微博的文本互動 112
6.2.1 微博互動的行銷含義 113
6.2.2 微博互動的行銷價值 113
6.2.3 微博互動的行銷原則 114
6.2.4 微博互動的行銷策略 115
6.2.5 【案例】京東的微博
引流行銷 118
6.3 移動QQ的大範圍溝通 119
6.3.1 移動QQ的行銷平台 119
6.3.2 QQ互動的行銷優勢 120
6.3.3 QQ行銷的數據套用 121
6.3.4 QQ行銷的互動技巧 122
6.3.5 【案例】西瓜的QQ空間
創意行銷 125
第7章 風險管理：大數據安全套用 127
7.1 五大風險，日益凸顯 128
7.1.1 企業數據管理風險 128
7.1.2 用戶隱私泄露風險 129
7.1.3 企業成本控制風險 130
7.1.4 網路數據安全風險 131
7.1.5 數據人才缺乏問題 131
7.2 七大誤區，問題叢生 132
7.2.1 項目噱頭套用誤區 132
7.2.2 成果過分誇大誤區 133
7.2.3 項目盲目跟風誤區 134
7.2.4 軟體萬能認識誤區 134
7.2.5 項目套用僵化誤區 135
7.2.6 數據量偏重的誤區 135
7.2.7 他人經驗輕忽誤區 135
7.3 三大板塊，管理最佳化 135
7.3.1 三大硬體設備管理 135
7.3.2 兩類軟體管理 137
7.3.3 兩項認識調整 138
第8章 完整記錄：銷售行業的大數據攻略 139
8.1 大數據時代下的銷售行業 140
8.1.1 大數據下的智慧型零售
形成 140
8.1.2 大數據下的零售業挑戰
產生 141
8.1.3 大數據下的零售業商業
價值 141
8.2 鎖定客戶的大數據實體零售 143
8.2.1 實體零售的信息化趨勢 143
8.2.2 【案例】精準定位的
""上品折扣"" 144
8.2.3 【案例】服務轉型的
富士通 145
8.2.4 【案例】構建大數據
戰略的朝陽大悅城 146
8.3 大數據領域的電商零售方針 147
8.3.1 金麥獎的實體零售方案
探索 147
8.3.2 【案例】阿里巴巴的大數據
行銷變革 149
8.3.3 百度視頻的大數據建模 150
8.4 大數據的廣告行銷引導 152
8.4.1 廣告投放的一般法則 152
8.4.2 【案例】投放精準的
""泰一指尚"" 153
8.4.3 【案例】亞馬遜的RTB
廣告模式 154
第9章 市場定位：特色餐飲的大數據策略 155
9.1 大數據與餐飲行業的相關知識 156
9.1.1 餐飲業市場的大數據
需求 156
9.1.2 餐飲業發展的大數據
作用 158
9.1.3 餐飲業經營的大數據
套用 159
9.1.4 餐飲業管理的大數據
挑戰 160
9.2 餐飲行業的大數據特色行銷
案例 162
9.2.1 【案例】活力舒化：大數據
和微博雙助力 162
9.2.2 【案例】美團美食：LBS
與大數據雙聯合 163
9.2.3 【案例】海底撈訂餐：
大數據與App雙選擇 165
9.2.4 【案例】食譜：大數據
與創意雙行銷 166
第10章 信息累積：網路通信的大數據變革 167
10.1 大數據與信息行業的相關知識 168
10.1.1 信息行業轉變的大數據
環境 168
10.1.2 信息行業發展的大數據
前景 170
10.1.3 信息行業行銷的大數據
方案 170
10.1.4 移動網際網路的大數據
分析 171
10.2 網際網路企業的大數據行銷 172
10.2.1 【案例】PPTV聚力：
大數據智慧型推送 172
10.2.2 【案例】大眾點評：
大數據智慧型展現 173
10.2.3 【案例】世紀佳緣：
大數據智慧型判斷 174
10.3 通信行業的大數據套用手段 175
10.3.1 【案例】中國移動：
大數據信息化戰略 175
10.3.2 【案例】中國聯通：
大數據標準化進程 177
10.3.3 【案例】湖南電信：
大數據綜合化推進 177
第11章 智慧型監控：交通能源的大數據效益 179
11.1 大數據與交通行業的相關知識 180
11.1.1 交通行業的城市發展
難題 180
11.1.2 交通行業的大數據套用 181
11.1.3 交通行業的大數據優勢 183
11.1.4 交通行業的大數據挑戰 184
11.2 交通行業的大數據行銷利器 185
11.2.1 【案例】數據交流，
行車安全 185
11.2.2 【案例】信息服務，
豐田暢通 186
11.2.3 【案例】數據救援，
安聯智慧型 187
11.3 能源行業的大數據開發與套用 188
11.3.1 電力行業的大數據套用 189
11.3.2 【案例】谷歌的漂浮數據
中心 190
11.3.3 【案例】UPS的物流數據
中心 191
第12章 高效服務：醫療領域的大數據價值 193
12.1 大數據時代下的醫療行銷 194
12.1.1 醫療領域的大數據
價值 194
12.1.2 醫療領域的大數據
套用 195
12.1.3 醫療領域的大數據
前景 196
12.1.4 醫療領域的大數據
挑戰 197
12.2 醫療領域的行銷大數據 198
12.2.1 醫療領域的大數據
增長 198
12.2.2 醫療領域的大數據
關係 199
12.2.3 醫療領域的大數據
方案 200
12.3 醫療領域的大數據套用案例 201
12.3.1 【案例】""南湘雅""的
臨床大數據系統 201
12.3.2 【案例】""好大夫線上""
的大數據定位 203
12.3.3 【案例】康諾雲的大數據
醫療服務 204
第13章 迅速反應：娛樂傳媒的大數據衝擊 205
13.1 大數據時代下的娛樂傳媒 206
13.1.1 娛樂傳媒的大數據
意義 206
13.1.2 娛樂傳媒的大數據
挑戰 208
13.1.3 娛樂傳媒的大數據
策略 209
13.2 娛樂傳媒的大數據行銷套用 211
13.2.1 娛樂傳媒的大數據
趨勢 211
13.2.2 娛樂傳媒的大數據商業
模式 212
13.3 娛樂傳媒的大數據行銷案例 213
13.3.1 【案例】新影數訊的
大數據分析 213
13.3.2 【案例】《小時代》的
大數據分析 214
13.3.3 【案例】《紙牌屋》的
大數據變革 215
第14章 供需調控：生產製造的大數據支撐 217
14.1 大數據與生產製造業的相關
知識 218
14.1.1 生產製造業的大數據
挖掘 218
14.1.2 生產製造業的大數據
衝擊 220
14.1.3 生產製造業的大數據
套用 221
14.1.4 製造業的大數據商業
智慧型 222
14.2 生產製造業的大數據價值體現 224
14.2.1 【案例】可口可樂的
大數據暱稱捕捉 225
14.2.2 【案例】長虹的大數據
家電戰略 226
14.2.3 【案例】歐派電動車的
大數據服務 227
14.2.4 【案例】長安汽車的
大數據製造套用 228
第15章 對內經營：企業管理的大數據戰略 229
15.1 大數據與企業管理的相關知識 230
15.1.1 企業管理的大數據內部
重塑 230
15.1.2 企業管理的大數據
方法 231
15.1.3 企業管理的大數據
智慧型 232
15.1.4 企業管理的大數據套用
關鍵 232
15.1.5 企業管理的大數據
要點 233
15.2 企業管理的大數據套用 235
15.2.1 【案例】智慧商貿進銷存的
企業管理 235
15.2.2 【案例】漢庭酒店的
大數據預算管理 236
15.2.3 【案例】機場的大數據
預測管理 238
15.2.4 【案例】國藥集團的
大數據平台 240
第16章 線上線下：金融行業的大數據競爭 241
16.1 大數據時代下的金融行業 242
16.1.1 金融行業的大數據變革
理念 242
16.1.2 金融行業的大數據套用
途徑 244
16.1.3 金融行業的大數據趨勢 245
16.1.4 金融行業的大數據挑戰 246
16.2 銀行業的大數據行銷套用案例 246
16.2.1 【案例】工商銀行的
大數據方案 247
16.2.2 【案例】招商銀行的
大數據戰略 248
16.2.3 【案例】花旗銀行的
大數據服務 249
16.3 金融行業其他領域的大數據
套用 250
16.3.1 【案例】紐交所的大數據
系統 250
16.3.2 【案例】基金業的大數據
預判 251
16.3.3 【案例】保險業的大數據
風險控制 251
第17章 廣泛發展：其他行業的大數據套用 253
17.1 大數據時代下的旅遊行業 254
17.1.1 旅遊行業的大數據發展
趨勢 254
17.1.2 【案例】黃山遊客大數據
引流 256
17.2 大數據時代下的遊戲行業 257
17.2.1 遊戲行業的大數據關聯
指導 258
17.2.2 【案例】EA遊戲體驗的
大數據改進 258
17.3 大數據時代下的房地產行業 262
17.3.1 房地產行業的大數據
行銷 262
17.3.2 【案例】萬科地產的
大數據戰略 264
