不管是在在大数据时代，还是在传统的线下营销时代，对于无数企业的市场营销人员来说，面临的问题其实都是类似的。我们需要解决的问题是：如何更加快速、精准地找到企业的目标用户。

以前一个用户从他产生一个想法，到他步入一个商场去完成一个购买行为，周期可能是一个星期，甚至更长。但今天大家点击几下鼠标，一个完整的购买行为就完成了。对于我们营销人员来说，我们需要在第一时间去发现用户的需求，在第一时刻去影响他、改变他的动机。那么在这之前，我们必须要先找到这个用户并对这个用户有足够的了解：我们需要知道我们的客户在哪里，长成什么样，如何触达到他们，他们的需要是什么。而且，作为营销人，需要不断地思考怎么去快速回答这样一些问题，不然哪怕你想到了一个完美的方案，但无奈花费时间太多，抬眼一看，发现用户早已被竞争对手所抢走，能做的，做多是捶胸顿足、望洋兴叹。

大数据时代的一个重要特点是：用户的互联网行为都在被记录；数据量足够大。在《互联网用户画像分析，你知道多少》一文中，我们已对此问题进行详细的解析，这里不再赘述。互联网时代，用户在互联网上的所有搜索、浏览、购物行为都在被记录且被分析，并运用于企业的营销特别是电子商务营销。淘宝、京东、亚马逊等购物商城的个性推荐系统便是典型的例子。这些平台根据用户访问习惯、历史交易习惯进行分析，组成一个电子货架，把用户最有可能购买或曾经浏览的商品在第一时间最好的位置展现在用户面前，让用户能够实现一个非常好的选择。

商品推荐这一运用已并不局限于自己平台，而是已经蔓延至各媒体平台。或许我们在访问新浪网站时会看到淘宝给我们推送的各种商品；在浏览某个科技媒体时会弹出京东推荐的一款商品，而这些商品就是我们前段时间浏览过的。目前百度、360、淘宝等都已具备这样的技术并以将之商业化，帮助他们的客户将信息推广至感兴趣人群经常访问的其他媒体平台上，增加商品或品牌的曝光率，提高购买的可能。目前，很多平台上都配有专门的百度推广、360推广、淘宝推广广告位，只要付费，商家很容易便能通过此渠道进行病毒式传播与营销。

不可否认，这样的技术帮助商家完成了比较好的转换，但作为消费者有时候你也会非常苦恼。这些推荐的商品可能是在很久以前就已经购买完的商品，它却还不断在你眼前反反复复展现，这种无价值信息的呈现，会让人不胜其烦。还有一种情况是当商品过多时，会让人不知道选什么好。毕竟有很多用户是有选择障碍的，既然不知道要买什么，最后的选择就是不买，反而会适得其反。还有种可能是某些用户天天会接收到大量不管是有用还是无用的广告信息，大量的广告让他产生了强烈的抵触情绪，对于这种以广告形式呈现的营销模式带有很强的反感情绪，其效果可想而知。而这些用户，也可能并不是我们的用户，这种损己（损失大量的广告费）扰人（广告轰炸）的方式并不是我们想要的。

而如今，大数据技术的推进，帮助企业营销带来新的变革。有针对用户组群进行营销的“小红书”式营销；也有备受推崇的“wish模式”推荐。这些营销模式所带来的效果，不管是购买率还是回头率，都比亚马逊这类网站的营销模式提高好几倍。

现在来分析一下这两种模式的营销原理，小红书采用俱乐部式营销法，通过研究一个用户群体的兴趣爱好来推荐他们可能需要的东西，以让个体找到归属感；wish模式则是采用私人会所定制模式，通过社交平台数据的导入，来分析用户偏好，预测接下来可能需要的东西，从而进行推荐，在用户可能并不清楚自己需要什么的情况下，来引导她的消费，这种主动出击的引导式营销，比跟着用户的脚步来推荐效果要好得多。

从这些方式中，我们可以看到，光了解客户其实是不够的，在很多时候我们需要去预测客户未来的走向和发生，找到真正属于我们的客户。这时候，我们需要的，不止是自己平台上的数据，还需要更多外部的、更多类型的数据来帮助我们更加精准、全面地了解我们的用户，找到可能会成为我们客户的用户。外部及内部数据的结合能够帮助我们完成有效的用户画像，我们通过用户基础信息分析，能够把这个用户还原出来。然后再通过商品特点进行运算，最终形成适合用户的商品推荐，推荐到用户的手上。

所有这些，都需要对足够多的数据做足够深入、精准的分析预测。而大数据的魅力在于，我们可以从一个虚拟的，50%的静止客户开始做起，通过不断反馈和优化，最终达到80%、90%甚至更高的跟现实世界接近的一个推算值。从而获知真实用户的需求与行为，快速找到我们的目标用户。

但这些并不是目前市场上所有企业都具备这样的能力，毕竟目前能做推荐的也就只有那么几家大佬。好在目前市场上出现的大数据公司能给我们提供这样的技术支持。作为一家大数据公司，蜘了具有数据采集、数据清洗、数据分析等能力，能够通过在多平台上采集到用户得数据，然后对其进行处理分析，获知用户的基础信息；并通过对用户曾经访问轨迹的分析，用户在网上表现出来的兴趣点，甚至他看媒体的差异，寻找到一些线索，从而帮助我们快速有效地找到目标用户群。在了解用户现有购买行为的基础上，来预测他们在未来某个时间点会需要我们的商品，从而以合适的方式推荐给他。