上篇 多角度分析你的客户 3
第一章 大数据分析用户行为 3
1.1 用户搜索惯性 4
1.1.1 万圣节搜索意图 4
1.1.2 精准定位的万圣节关键词 6
1.2 用户的点评数据 7
1.3 用户的购物车列表 9
1.3.1 电商网站重视购物车 10
1.3.2 巧妙设计购物车 11
1.4 亚马逊的浏览轨迹分析 13
1.4.1 亚马逊的促销策略 13
1.4.2 亚马逊数据的有效利用 15
1.5 脸书用户的情绪数据 16
1.5.1 脸书用数据看恋爱 17
1.5.2 脸书全方位运用情绪数据 18
第二章 大数据识别用户的偏好 21
2.1 用户的停留时间数据表 22
2.1.1 淘宝、天猫的用户停留时间 22
2.1.2 电商网站有效转化流量 23
2.2 Tindie用户直奔主题的缘由 24
2.2.1 格蕾斯利用浏览功能了解用户 25
2.2.2 遵循高效原则的Tindie产品搜索 25
2.2.3 Tindie合理正确的导向用户 26
2.2.4 Tindie改进购物车，助力全球化 27
2.3 大数据看用户影视内容偏好 28
2.3.1 卡通先生用数据 28
2.3.2 《爸爸去哪儿》内容偏好 29
2.3.3 56、优酷等视频网站聚焦大数据 29
2.4 那些“为发烧而生”的发烧友们 31
2.4.1 小米定位发烧友 31
2.4.2 发烧友助力小米营销 32
2.4.3 “为发烧而生”的启示 34
2.5 谷歌的搜索识别系统 35
2.5.1 谷歌数据收集 35
2.5.2 谷歌运用大数据的启示 37
第三章 市场预测与决策的数据源 39
3.1 数据分析模型和规则 40
3.1.1 塔吉特超市的精准预测 40
3.1.2 塔吉特超市的3W数据分析模型 41
3.1.3 “尿布与啤酒”数据关联规则 42
3.2 实际场景决定数据价值 44
3.2.1 百度天眼场景化应用 44
3.2.2 大数据的产业化场景 45
3.3 将声音转化为数字的飒拉（ZARA） 47
3.3.1 ZARA运用数据生产及营销 47
3.3.2 ZARA三个数据源 49
3.4 《纸牌屋》的票房奇迹 50
3.4.1 Netflix用数据打造《纸牌屋》 50
3.4.2 《纸牌屋》成功的启示 52
3.5 梅西百货的全渠道营销 54
3.5.1 梅西百货改革策略 54
3.5.2 梅西百货的营销启示 56
中篇 大数据营销中的“UFO”模型 59
第四章 User experience：极致用户体验 59
4.1 简约主义（Simple） 60
4.1.1 简约的苹果手机 60
4.1.2 像苹果一样简约 61
4.2 定制思维（Customization） 62
4.2.1 高级定制——劳力士 63
4.2.2 劳力士定制思维启发 63
4.3 从1到10，Windows的更新迭代史 65
4.3.1 微软系统30年发展史 65
4.3.2 Windows从1到10的启示 67
4.4 “微创新”模式并不存在抄袭 68
4.4.1 新一代行业热点——微创新 69
4.4.2 微创新成就微信的成功 70
4.5 诺基亚魔咒 72
4.5.1 来自苹果、安卓的威胁 73
4.5.2 诺基亚固守“我们的方式” 73
4.5.3 董事会成员辞职风波 74
第五章 Freemium：免费商业模式 77
5.1 免费策略：机会成本 78
5.1.1 一美元的机票 78
5.1.2 免费的电信手机经营之道 79
5.2 产品免费——增值服务收费 81
5.2.1 奇虎360通过免费奇袭成功 81
5.2.2 奇虎360免费模式的进化历程 82
5.2.3 奇虎360免费模式背后的启示 84
5.3 用户免费——广告商付费 85
5.3.1 玩家乐意看广告免费玩游戏 85
5.3.2 微信、微博等超级APP盈利手段 86
5.4 产品免费——附件收费 88
5.4.1 剃须刀＋刀片的商业模式 88
5.4.2 吉列、利乐的成功经验 89
5.5 通过免费开放平台盈利的谷歌 91
5.5.1 平台免费，后续服务收费 91
5.5.2 免费开放：寻找下一个10亿 92
第六章 Operation：精细化运营 95
6.1 精细化运营中的数据价值挖掘 96
6.1.1 北京大悦城的精细化运营 96
6.1.2 大数据在搜狐投放广告中的价值 97
6.2 数据分析：基于案例的推理 98
6.2.1 太原钢铁集团利用CBR技术巧运营 99
6.2.2 太原钢铁集团利用数据的启发 100
6.3 陌陌的运营策略 101
6.3.1 陌陌垂直细分领域的开拓 101
6.3.2 陌陌运营满足用户需求 102
6.4 大数据透析用户喜好逻辑实例 104
6.4.1 用户数据助推星巴克激活市场 104
6.4.2 星巴克大数据运用的启发 105
6.5 由百度刷脸看用户需求分析 106
6.5.1 世界杯期间拼颜值吃饭 106
6.5.2 百度精细化运营启发 107
下篇 大数据营销中的系统支持 111
第七章 大数据信息删除系统 111
7.1 数据量大≠大价值 112
7.2 隐私数据删除模式 114
7.2.1 教育机构运用大数据 114
7.2.2 有效防止隐私数据泄露 115
7.3 离群数据（Outlier）删除模式 117
7.3.1 离群数据即异常值 117
7.3.2 普瑞辛格的忠告 118
7.4 重复数据删除技术 119
7.4.1 飞康软件发力重复数据删除 120
7.4.2 自由选择去重方式 120
7.5 中国大而不强的信息技术产业 122
7.5.1 信息技术产业现状 122
7.5.2 信息技术产业的突破口 123
第八章 SCRM社会化客户关系管理 125
8.1 QQ增强版看SCRM强关系营销 126
8.1.1 SCRM的战略应用——营销QQ增强版 126
8.1.2 强关系纽带的形成 128
8.2 SCRM的交互影响力 129
8.2.1 从CRM到SCRM的爱尔康 129
8.2.2 驴妈妈拥抱SCRM有效避免客户流失 131
8.3 与用户共同创造产品 132
8.3.1 戴尔公司邀用户共同打造产品 133
8.3.2 戴尔建立直销平台的启发 134
8.4 西门子的客户关系维护系统 135
8.4.1 西门子发展的驱动力 135
8.4.2 西门子维护客户关系的原因 138
8.5 iPhone的“苹果树”思维 139
8.5.1 “苹果树”的成长历程 139
8.5.2 “苹果树”的启发 140
第九章 竞争对手数据流监测 143
9.1 大数据情报搜集系统 144
9.1.1 银行利用情报规避投资风险 144
9.1.2 情报的主要来源 145
9.2 竞争对手分析 147
9.2.1 英特尔完胜摩托罗拉 147
9.2.2 英特尔案例的启发 149
9.3 降维营销打击理论 150
9.3.1 小米、微信的“降维打击” 151
9.3.2 小米、微信颠覆市场格局的启发 152
9.4 用数据鄙视竞争对手 153
9.4.1 苹果产品的数据 154
9.4.2 苹果利用数据指标的启发 155
9.5 无敌手的特斯拉汽车 157
9.5.1 特斯拉汽车无敌手的原因 157
9.5.2 特斯拉的成功经验 159
第十章 品牌危机大数据即时预警 161
10.1 危机与机会 162
10.1.1 三星的危机，苹果的机会 162
10.1.2 “乘”虚而入策略 162
10.2 “7×24”大数据舆情监测 164
10.2.1 北信源网情监测平台分析 164
10.2.2 舆情监测应对体系 166
10.3 唯品会订单事件 166
10.3.1 履行订单解决品牌危机 167
10.3.2 唯品会公关的启发 168
10.4 不合格的优衣库危机公关 169
10.4.1 “优衣库事件”损伤品牌形象 169
10.4.2 优衣库与屈臣氏的危机公关对比 170
10.5 数据黑洞 171
10.5.1 大数据有时会失效 171
10.5.2 大数据黑洞来源 172
第十一章 发现新市场与预见未来 175
11.1 还没下单，快递已到家门口 176
11.1.1 亚马逊的神奇物流 176
11.1.2 “递送无忧”的购物体验 177
11.2 大数据客户价值挖掘 178
11.2.1 乐购中国的深挖客户价值 178
11.2.2 乐购中国利用大数据经营管理 180
11.3 用大数据的眼光看世界 181
11.3.1 大数据预测未来及应用 182
11.3.2 大数据引领未来 183
11.4 谷歌的未来战略——Google X 184
11.4.1 解密Google X 184
11.4.2 谷歌、丰田的创业经验 185
11.5 有关未来的数据，你能做什么？ 187
11.5.1 大数据预测“学霸” 188
11.5.2 利用大数据，从现在做起 189