बड़े डेटा के तहत ग्लास का विपणन मूल्य

क्या मार्केटिंग एक विज्ञान है?निःसंदेह, चूँकि मनुष्यों की व्यापारिक गतिविधियाँ होती हैं, इसलिए विपणन हमेशा अस्तित्व में रहा है, और समय बदलने के साथ-साथ इसके नए रूप सामने आते रहते हैं।बड़े डेटा के युग में, मार्केटिंग भी धीरे-धीरे विकसित हुई है।

कुछ मामलों में, वर्तमान विपणन उद्योग में भी अभूतपूर्व क्षमता है।बड़े डेटा के युग में मार्केटिंग पेशेवरों के लिए रोजगार की दिशा में यह एक नया चलन है।बहुत से लोग कहते हैं कि पारंपरिक विपणन ज्ञान को बड़े डेटा की जबरदस्त शक्ति के साथ जोड़ने से गुणात्मक और मात्रात्मक विश्लेषण में भारी लाभ मिल सकता है।लेकिन ऐसा करने के लिए पहले अभी भी बहुत काम किया जाना बाकी है.व्हार्टन स्कूल ऑफ बिजनेस में संचालन और सूचना प्रबंधन के प्रोफेसर शॉन्ड्रा हिल ने कहा: “यह एक बहुत ही रोमांचक समय है।ग्राहकों, उनके दृष्टिकोण और उनके दृष्टिकोण को समझने के लिए मेरे पास बहुत सारा डेटा है।आप किस बारे में सोच रहे हैं।इसके अलावा, डेटा माइनिंग ने पिछले दस वर्षों में काफी प्रगति की है, लेकिन हमें अभी भी एक लंबा रास्ता तय करना है... यानी, लोग जो कहते हैं उसके पीछे के सही अर्थ का पता लगाना है।

कई लोगों को लगता है कि बड़े डेटा का युग आ रहा है, लेकिन यह अक्सर एक अस्पष्ट एहसास ही होता है।विपणन की इसकी वास्तविक शक्ति के लिए, आप इसका वर्णन करने के लिए एक फैशनेबल शब्द का उपयोग कर सकते हैं-अस्पष्ट।वास्तव में, आपको इसकी शक्ति को समझने के लिए इसका पता लगाने का प्रयास करना चाहिए।अधिकांश कंपनियों के लिए, बिग डेटा मार्केटिंग का मुख्य मूल्य निम्नलिखित पहलुओं से आता है।

सबसे पहले, उपयोगकर्ता के व्यवहार और विशेषताओं का विश्लेषण।

जाहिर है, जब तक आप पर्याप्त उपयोगकर्ता डेटा जमा करते हैं, आप उपयोगकर्ता की प्राथमिकताओं और खरीदारी की आदतों का विश्लेषण कर सकते हैं, और यहां तक ​​कि "उपयोगकर्ता को उपयोगकर्ता से बेहतर जान सकते हैं।"इसके साथ, यह कई बड़े डेटा मार्केटिंग का आधार और शुरुआती बिंदु है।किसी भी मामले में, वे कंपनियां जिन्होंने "ग्राहक-केंद्रित" को अपने नारे के रूप में इस्तेमाल किया था, वे इसके बारे में सोच सकती हैं।अतीत में, क्या आप वास्तव में ग्राहकों की ज़रूरतों और विचारों को समय पर समझ सकते थे?शायद बड़े डेटा के युग में ही इस प्रश्न का उत्तर अधिक स्पष्ट है।

दूसरा, सटीक विपणन जानकारी के लिए समर्थन को आगे बढ़ाएं।

पिछले कुछ वर्षों में, कई कंपनियों द्वारा हमेशा सटीक विपणन का उल्लेख किया गया है, लेकिन यह बहुत दुर्लभ है, लेकिन स्पैम की बाढ़ आ रही है।मुख्य कारण यह है कि अतीत में नाममात्र सटीक विपणन बहुत सटीक नहीं था, क्योंकि इसमें उपयोगकर्ता विशेषता डेटा समर्थन और विस्तृत और सटीक विश्लेषण का अभाव था।तुलनात्मक रूप से कहें तो मौजूदा आरटीबी विज्ञापन और अन्य एप्लिकेशन हमें पहले की तुलना में बेहतर सटीकता दिखाते हैं और इसके पीछे बड़े डेटा का समर्थन है।

तीसरा, उत्पादों और विपणन गतिविधियों को उपयोगकर्ता के पक्ष में निर्देशित करें।

यदि आप उत्पाद के उत्पादन से पहले संभावित उपयोगकर्ताओं की मुख्य विशेषताओं और उत्पाद के प्रति उनकी अपेक्षाओं को समझ सकते हैं, तो आपके उत्पाद का उत्पादन उतना अच्छा हो सकता है।उदाहरण के लिए, नेटफ्लिक्स ने "हाउस ऑफ कार्ड्स" की शूटिंग से पहले उन निर्देशकों और अभिनेताओं को जानने के लिए बड़े डेटा विश्लेषण का उपयोग किया जो संभावित दर्शकों को पसंद आएंगे और इसने वास्तव में दर्शकों के दिलों पर कब्जा कर लिया।एक अन्य उदाहरण के लिए, "लिटिल टाइम्स" का ट्रेलर जारी होने के बाद, वीबो से बड़े डेटा विश्लेषण के माध्यम से यह पता चला कि इसकी फिल्मों का मुख्य दर्शक समूह 90 के दशक के बाद की महिलाएं थीं, इसलिए बाद की मार्केटिंग गतिविधियां मुख्य रूप से इन समूहों के लिए की गईं।

चौथा, प्रतिस्पर्धी निगरानी और ब्रांड संचार।

एक प्रतिस्पर्धी क्या कर रहा है, यह कई कंपनियां जानना चाहती हैं।भले ही दूसरा पक्ष आपको नहीं बताए, आप बड़े डेटा निगरानी और विश्लेषण के माध्यम से पता लगा सकते हैं।ब्रांड संचार की प्रभावशीलता को बड़े डेटा विश्लेषण के माध्यम से भी लक्षित किया जा सकता है।उदाहरण के लिए, संचार प्रवृत्ति विश्लेषण, सामग्री सुविधा विश्लेषण, इंटरैक्टिव उपयोगकर्ता विश्लेषण, सकारात्मक और नकारात्मक भावना वर्गीकरण, वर्ड-ऑफ-माउथ श्रेणी विश्लेषण, उत्पाद विशेषता वितरण, आदि किया जा सकता है।प्रतिस्पर्धियों की संचार प्रवृत्ति को निगरानी के माध्यम से समझा जा सकता है, और उद्योग बेंचमार्किंग उपयोगकर्ता योजना को उपयोगकर्ता की आवाज के अनुसार सामग्री की योजना बनाने और यहां तक ​​कि वीबो मैट्रिक्स के संचालन प्रभाव का मूल्यांकन करने के लिए संदर्भित किया जा सकता है।

पांचवां, ब्रांड संकट निगरानी और प्रबंधन समर्थन।

नए मीडिया युग में, ब्रांड संकट ने कई कंपनियों को इसके बारे में बात करने के लिए प्रेरित किया है।हालाँकि, बड़ा डेटा कंपनियों को पहले से जानकारी प्रदान कर सकता है।किसी संकट के फैलने के दौरान, संकट के प्रसार की प्रवृत्ति को ट्रैक करने, महत्वपूर्ण प्रतिभागियों की पहचान करने और त्वरित प्रतिक्रिया की सुविधा प्रदान करने की आवश्यकता होती है।बड़ा डेटा नकारात्मक परिभाषा सामग्री एकत्र कर सकता है, तुरंत संकट ट्रैकिंग और अलार्म शुरू कर सकता है, भीड़ की सामाजिक विशेषताओं का विश्लेषण कर सकता है, घटना प्रक्रिया में दृष्टिकोण को क्लस्टर कर सकता है, प्रमुख लोगों और संचार पथों की पहचान कर सकता है, और फिर उद्यमों और उत्पादों की प्रतिष्ठा की रक्षा कर सकता है, और समझ सकता है स्रोत और कुंजी.नोड, संकटों से जल्दी और प्रभावी ढंग से निपटें।

छठा, कंपनी के प्रमुख ग्राहकों की जांच की जाती है।

कई उद्यमी इस प्रश्न में उलझे हुए हैं: उद्यम के उपयोगकर्ताओं, मित्रों और प्रशंसकों में से कौन मूल्यवान उपयोगकर्ता हैं?बड़े डेटा के साथ, शायद यह सब तथ्यों द्वारा समर्थित किया जा सकता है।उपयोगकर्ता द्वारा देखी गई विभिन्न वेबसाइटों से, आप यह निर्धारित कर सकते हैं कि जिन चीज़ों की आप परवाह करते हैं वे आपके व्यवसाय से संबंधित हैं या नहीं;सोशल मीडिया पर उपयोगकर्ता द्वारा पोस्ट की गई विभिन्न सामग्री और दूसरों के साथ बातचीत की गई सामग्री से, आप अटूट जानकारी प्राप्त कर सकते हैं, संबद्ध और संश्लेषित करने के लिए कुछ नियमों का उपयोग करके, कंपनियों को प्रमुख लक्षित उपयोगकर्ताओं की स्क्रीनिंग करने में मदद मिल सकती है।

सातवां, उपयोगकर्ता अनुभव को बेहतर बनाने के लिए बड़े डेटा का उपयोग किया जाता है।

उपयोगकर्ता अनुभव को बेहतर बनाने के लिए, कुंजी वास्तव में उपयोगकर्ता और आपके उत्पाद की स्थिति को समझना है जिसका वे उपयोग कर रहे हैं, और समय पर अनुस्मारक देना है।उदाहरण के लिए, बड़े डेटा के युग में, शायद आप जो कार चला रहे हैं वह आपकी जान पहले ही बचा सकती है।जब तक पूरे वाहन में सेंसर के माध्यम से वाहन संचालन की जानकारी एकत्र की जाती है, यह आपकी कार के प्रमुख घटकों में समस्या होने से पहले आपको या 4S दुकान को पहले से चेतावनी देगा।यह न केवल पैसे बचाने के लिए है, बल्कि जीवन की रक्षा के लिए भी है।वास्तव में, 2000 की शुरुआत में, संयुक्त राज्य अमेरिका में यूपीएस एक्सप्रेस कंपनी ने समय पर रक्षात्मक मरम्मत करने के लिए संयुक्त राज्य अमेरिका में 60,000 वाहनों की वास्तविक समय वाहन स्थितियों का पता लगाने के लिए बड़े डेटा पर आधारित इस पूर्वानुमानित विश्लेषण प्रणाली का उपयोग किया था। .