大數(shù)據(jù)實際上是營銷的科學導向的自然演化。
大數(shù)據(jù)思維有三個緯度——定量思維、相關思維、實驗思維。
第一，定量思維，即提供更多描述性的信息，其原則是一切皆可測。不僅銷售數(shù)據(jù)、價格這些客觀標準可以形成大數(shù)據(jù)，甚至連顧客情緒（如對色彩、空間的感知等）都可以測得，大數(shù)據(jù)包含了與消費行為有關的方方面面；
第二，相關思維，一切皆可連，消費者行為的不同數(shù)據(jù)都有內(nèi)在聯(lián)系。這可以用來預測消費者的行為偏好；
第三，實驗思維，一切皆可試，大數(shù)據(jù)所帶來的信息可以幫助制定營銷策略。
這就是三個大數(shù)據(jù)運用遞進的層次：首先是描述，然后是預測，最后產(chǎn)生攻略。
一切皆可測：迪士尼MagicBand手環(huán)
美國迪斯尼公司最近投資了10億美元進行線下顧客跟蹤和數(shù)據(jù)采集，開發(fā)出MagicBand手環(huán)。游客在入園時佩戴上帶有位置采集功能的手環(huán)，園方可以通過定位系統(tǒng)了解不同區(qū)域游客的分布情況，并將這一信息告訴游客，方便游客選擇最佳游玩路線。此外，用戶還可以使用移動訂餐功能，通過手環(huán)的定位，送餐人員能夠?qū)⒖觳退偷接脩羰种小＠么髷?shù)據(jù)不僅提升了用戶體驗，也有助于疏導園內(nèi)的人流。而采集得到的顧客數(shù)據(jù)，可以用于精準營銷。這是一切皆可測的例子，線下活動也可以被測量。
一切皆可連：網(wǎng)上訂餐追蹤系統(tǒng)
一家做訂餐配送的互聯(lián)網(wǎng)企業(yè)，在送外賣的自行車和汽車上安裝一套軟件和追蹤系統(tǒng)，從配送外賣中采集了大量數(shù)據(jù)，如誰訂了什么外賣、經(jīng)過什么路線、到了誰的家里……而通過對數(shù)據(jù)的分析，可以得出哪家餐館的什么外賣比較受歡迎，最快捷的路徑是那一條等，在此基礎上為商家提供備料建議，并規(guī)劃一條合理高效的送餐路線。利用分析表面看似無關聯(lián)的大數(shù)據(jù)，公司能夠提供優(yōu)化餐館運營的增值服務。
一切皆可試：電商頁面推薦功能
電商購物中，商品頁面的其他產(chǎn)品推薦是個重要的功能（例如“買過該商品的人還買過XXX”）。如何量化和優(yōu)化推薦功能的效果？有研究機構做了這樣一個測試：按順序向用戶推薦全部/屏蔽部分推薦/屏蔽所有推薦，經(jīng)過一個月測試之后，跟蹤被測試對象的購買情況，發(fā)現(xiàn)不屏蔽推薦的短期效應最高，購買量最多。而屏蔽所有推薦的效果要優(yōu)于屏蔽部分推薦。而原先購買過商品的消費者在被屏蔽推薦之后，商品的銷售額下降更快，因而可以得出推薦功能對有忠誠度的客戶作用更大。更有趣的是推薦功能的長期效果。研究發(fā)現(xiàn)，不論首次購買過程中用戶是否購買了推薦商品，第二次的訪問情況都遵循這一規(guī)律：未被屏蔽推薦的顧客中，10%的人會再次訪問，被屏蔽推薦的訪問率是9%，而實際轉化成訪問的次數(shù)是8%，如果再結合老顧客推薦效果會更好，最后會產(chǎn)生超過10%的營收提高?？傮w看來，推薦的效果更可觀。
從描述到預測，再到產(chǎn)生攻略
社交網(wǎng)絡分析跟蹤，將消費者社交網(wǎng)絡上的關鍵詞頻率轉化為可視化表達，對消費者進行分類，進而做針對目標客群的精準營銷，這是大數(shù)據(jù)營銷的描述階段。
預測階段的案例是對信用卡使用情況的研究。原先每家銀行只能看到消費者的本行刷卡記錄，銀行據(jù)此消費記錄對客戶實行獎勵。其中存在的問題是，客戶使用非本行信用卡的消費情況無從知曉，銀行無法了解客戶的實際消費情況，哪些是隱藏的“消費大戶”。解決這一問題的難點在于，他行的數(shù)據(jù)記錄很難獲得，因此研究機構就使用第三方零售商調(diào)研的數(shù)據(jù)，通過建立模型，將兩種數(shù)據(jù)融合，再對消費者的實際消費情況進行預測。模型中原先可能年消費只有2000-3000元的消費者，實際消費達到了4萬，這些人成了非常有潛力的銀行客戶。
在攻略階段，銀行可以根據(jù)預測結果調(diào)整客戶獎勵政策，例如給年均消費3000元的客戶提高返點，或者提供更豐富的積點兌換產(chǎn)品等，使這部分人群變成銀行的忠誠顧客。