第 1 章 绪 论
1.1 研究背景
科学技术水平的提高伴以人们物质文化生活的极大丰富，使得每个个体每时每刻的行为产生了大量的信息与数据，并且都得以记录。随着互联网的普及化，数据量更是呈现几何式增长，并且难以被传统的数据系统所驾驭。2003 年，数据的总和为 5EB（百亿亿字节），而如今，要获得 5EB 的数据量只需要两天的时间，到 2020 年将会有 35.2ZB（十万亿亿字节）的数据总和，即 2 的 70 次方。这便是近几年逐渐走向主流的大数据。
大数据横跨经济活动的方方面面，从银行证券、通信、保险、交通到政府、教育、医疗等其他公共事业，处处都形成了大量的数据并且时刻变换。互联网具有高度的开放性，随着云计算、云端应用、各种移动设备的普及，以及 Google、亚马逊等电子商务巨头数据营销体系的成熟，大数据营销的关注度日益提高，并被大多数企业所提及和应用。
在此背景下，本文将以大数据营销为出发点，探讨我国电子商务领域是如何收集大数据并利用这些数据进行消费者分析，多方面、多环节地加强营销效果。
同时，本文还将以中国互联网企业巨头阿里巴巴集团作为案例分析研究其大数据营销的应用现状，并从中分析出我国互联网企业大数据营销中可能存在的问题，为我国企业大数据营销的发展提供指导建议。
1.2 研究目的及意义
1.2.1 研究目的
21 世纪是数据的时代，尤其随着 2011 年大数据概念的提出，学术、商业以及政府对大数据的关注度逐渐加强，相关的文献也随之增多。在这一时代背景和趋势下，大数据营销也被企业越来越多的被提及。然而，目前的研究文献多限于商业期刊或杂志、以及企业内部人士对于大数据营销的阐述，学术研究较少。在学术领域，相关的研究还较多的集中在数据挖掘技术在市场营销中的应用。然而，在大数据时代，数据无论在规模、复杂性以及技术支持上都有了新的要求，因此本文希望通过针对现今时代背景，对大数据营销分析研究。
互联网作为大数据发展的领先行业，无论是在国外还是国内，都形成了相对较成熟的发展体系。因此，本文还将借助案例分析的方法，研究大数据营销在我国电子商务领域的应用情况。
1.2.2 研究意义
首先，研究内容的深化及拓宽。目前，有关大数据的研究多是聚焦于信息技术、医疗服务等方面，而在营销领域的研究则凤毛麟角。20 世纪初期，数据挖掘技术兴起，国内外学者开始关注数据挖掘在营销中的应用问题，但当时的数据量远达不到今天的规模，其技术能力、数据库规模都随着大数据的产生发生了巨大改变。因此，本文关于大数据营销的研究是对数据挖掘技术在深度及广度上的深化。
其次，本文研究中将结合阿里巴巴集团的大数据营销进行案例分析，以使本文研究的内容更加形象和具体化。同时，大数据营销作为新时代营销方式的发展，不仅可以为我国互联网企业提供借鉴意义，也可以为其他线下企业提供发展之道。
此外，本文研究具有实践指导意义。具有中国特色的社会发展使各行各业的发展都具有特殊性，在营销领域，我国在许多环节尚不成熟的情形下，便跨越式的发展到大数据营销的阶段。企业以及消费者对于营销的理解尚不成熟，有的甚至具有片面性。而相对于发达国家在其他阶段的领先地位，大数据时代，我们可以说是并驾齐驱，因此，在大数据营销时代保证我国的领先与进步需要相关各界审时度势。本文将对我国大数据营销中可能存在的制约因素进行分析，希望为大数据营销未来的发展提供借鉴意义。
1.2.3 研究方法
文献阅读法。研究将通过对国内外阅读有关大数据、大数据营销、数据挖掘、电子商务应用等方面的文献，领会文献内容并确定研究内容的理论基础。
综合归纳法。综合归纳法是指就某一个问题，先对国内外学者在这一问题的研究思路和研究成果进行综合介绍，在此基础上进行系统分析、归纳总结，提出自己的观点和意见。本文将结合国内外关于大数据营销的观点、理论，总结共性、探讨问题，并结合本文的研究方向进行归纳综合，比较分析法。比较分析也即对比分析，是把客观事物加以比较以达到认识事物的本质和规律并做出正确的评价。本文将对国内外电子商务巨头在大数据营销方面的应用进行对比分析，以期获得具体的应用脉络。
案例分析法。综合比较之后，本文聚焦阿里巴巴集团大数据营销案例，希望通过对营销过程的详细分析，为我国企业大数据营销提供发展建议。
1.3 文献综述
1.3.1 大数据的产生及发展
“大数据”这一说法在数据开始逐渐发挥作用之时便已产生，但并没有融合现在大数据的特性，并不能称之为真正意义上的大数据。Doug Laney（2001）使用3V（即 Volume 体量、Velocity 速度、Variety 多样性）特征来形容大数据，而这些特征一直被沿用至今。不过 Doug Laney 当时使用的并不是“big data”这一说法，而是用“3D data-三维数据”.目前，企业和学术界对于大数据尚未形成公认的准确定义，权威 IT 研究与顾问咨询公司 Gartner 将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”;美国国家科学基金会（NSF）将大数据定义为“有科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”.①工信部大数据白皮书（2014）指出，认识大数据，要把握“资源、技术、应用”三个层次。大数据是具有体量大、结构多样、时效强等特征的数据；处理大数据需采用新型计算架构和智能算法等新技术；大数据的应用强调以新的理念应用于辅助决策、发现新的知识，更强调在线闭环的业务流程优化。尽管概念形式有所不同，但公认的是，大数据与“海量数据”、“大规模数据”的概念一脉相承，但其在数据体量、数据复杂性和产生速度三大方面均大大超出了传统的数据形态，也超出了现有技术手段的处理能力，并带来了巨大的产业创新的机遇。
1.3.2 大数据应用的领域
近些年，随着大数据的影响日益加深，学术、商业、政府等各方面开始逐渐关注大数据及其应用问题。《Nature》（2008）年发表大数据专刊，主要探讨了大数据及相应技术问题，并对其对当代科学产生的重要作用进行阐明。麦肯锡（2011）的企业报告中从经济和商业的维度探讨了大数据的发展潜力，深入分析大数据在医疗、公共部门、零售业、制造业以及追踪定位五方面的应用。美国白宫（2014）大数据白皮书主要谈及了大数据在公共部门和私营部门的应用，此外还重点阐明了美国关于数据开放与个人隐私的平衡问题。
随着大数据说法的提出，国内关于大数据的研究文献也随之增加。王珊等（2011）对适合大数据分析的数据仓库架构进行分析，指出大数据分析平台应具备高度可扩展性、高性能、高度容错性、支持异构环境等特性，并对当时的主流实现平台进行分析归纳，指出了相应的优缺点。孟小峰等（2013）通过研究大数据处理的基础框架，阐述了在大数据时代云计算技术对数据管理所产生的作用，同时对大数据时代所面临的挑战进行分析。
综合国内外关于大数据应用的文献，可以看出，大数据研究时间不长，涉及范围广泛但目前仍有侧重。上海科技研究中心（2014）对大数据研究涉及的学科领域进行分析得出，在1994年至2013年大数据文献研究领域的前15位学科中，运筹学与管理科学、经营经济学分列第 14、15 位。由此可以看出，大数据营销并不是学术目前研究的重点。
1.3.3 大数据营销应用综述
1.数据挖掘技术在营销领域的应用
国内外关于大数据营销的关联文献中，数据挖掘在营销领域的应用研究较多，而事实上，关于大数据营销的研究最早也应追溯到数据挖掘技术的应用。
Michael J. Shaw、Gek Woo Tan 等（2001）将数据挖掘技术与知识管理相结合提出了一个系统的方法论用来掌控营销信息、提供营销策略。这一方法论也可用于巩固 CRM（customer relationship management）。Chris Rygielski、David C.Yen 等（2002）探讨了在客户关系管理中，数据挖掘的重要性及意义并且提出了二者具体的关联及相关技术支持。John H. Heinrichs&Jeen-Su Lim（2003）利用基于网络的数据挖掘和商业模型相结合方式研究了二者在公司战略效果上的积极影响。这些研究集中地研究了消费者这一群体。作为延伸，西方学者结合当时营销方式的发展， Charles X. Ling& Chenghui Li 对数据挖掘与直销进行研究，探讨了其中存在的问题和解决方法。
在我国，范小军等（2001）通过介绍数据挖掘，指出了其对确定营销目标、延伸营销利润、降低营销成本三方面的促进作用。王旭（2003）结合当时的时代背景，阐述了数据挖掘的简要过程，并分析提出数据挖掘在客户管理、创造核心竞争力、了解营销环境等 7 个方面对市场营销的指导作用。同国外研究类似，随着企业市场营销的关注点向消费者转移，企业越来越关注客户关系的维护，CRM在企业营销中盛行。而数据挖掘作为对这一体系的技术支撑，在 21 世纪的前几年，关于数据挖掘与 CRM 关系的研究颇多。李宝东等（2002）认为可以利用数据挖掘加强客户关系管理，并指出数据挖掘在 CRM 中的作用体现在一对一营销，客户的盈利能力分析、交叉销售、客户的获取与保持等方面。
2. 大数据营销
近几年，大数据营销的概念甚嚣尘上，关于大数据营销的文献开始有所增加。
冯芷艳（2013）认为目前国内外大数据的研究多限于科学层面，因此提出了大数据背景下商务管理的相关课题，突出描述了三个视角，即社会化的价值创造、网络化的企业运作、实时化的市场洞察。同时指出在消费者异质化的今天大数据营销能够促进顾客洞察的实时化和精准化，有助于企业确立适当的市场营销策略。
黄升民、刘珊（2012）认为大数据使得营销的科学性变为可能，全媒体和大数据使得低成本的普查成为可能，需求被合理推测和满足，无论是信息还是商品服务的提供都更应趋向于定制。傅琳雅等（2013）认为大数据营销将成为未来的营销发展趋势。在大数据时代，消费者的信息扩大到行为层面，在移动终端的盛行之下，营销应该转变方法，实现与消费者的真实对话和良性互动。
3.文献述评
综上，国内外对大数据营销的文献有如下特征，在 21 世纪最初几年，研究限于数据挖掘技术在营销领域的应用，由于信息时代的发展进步，当时的技术有的已无法适应现今生活，这从大数据的主流概念中也可窥见一斑。目前，在关于大数据的应用中，从学术研究、企业报告到政府规划，都发现了大数据营销的发展迹象，其中学术研究较少，企业文章或报告多从实务角度对大数据营销进行阐述，而政府规划则从整体宏观环境及政策角度出发研究大数据营销。可以说，目前已经逐步进入大数据营销时代。
1.3.4 电商企业大数据营销应用研究综述
在众多行业中，互联网行业拥有比其他行业更庞大的数据来源基础，是大数据营销发展的领头羊。在 21 世纪初期有关互联网应用的文献中，限于当时的现实发展情况，研究并不深入。王宏（2000）对数据挖掘在网络营销中的应用做了初步尝试，介绍了使用分类模型和关联模型进行数据挖掘的应用实例，并阐述了从原始数据转换到到应用数据的实现方法。聂高辉（2007）认为电子商务需要需要数据仓库这样的体系结构存储异构数据，从互联网中获取销售动态、市场情况、消费者行为等信息，满足电子商务的信息发布、查询、分析和决策需求。但在当时，我国互联网普及程度不高，数据获取量不足，且数据挖掘工具较少，应用性低。
随着近几年大数据的普及，相应研究有所增加。王元卓等（2013）分析了网络大数据的复杂性、不确定性和涌现性，总结了相关应用中的主要问题，对未来的发展趋势进行了展望。李维维、蒋绪军（2013）研究了精准营销对电子商务的重要意义，并指出电子商务精准营销的实现依赖于信息的收集、处理、储存及分析。中国电子商务企业发展报告（2013）指出，电商企业可利用大数据技术实现精准营销、增加用户粘性、降低运营成本，创新商业发展模式，为企业寻求新的差异竞争优势。刘志超等（2014）指出了大数据营销对电子商务赋予的新价值，分析出个性化导购服务、垂直细分领域服务以及数据产品服务三种新型的电子商务服务模式。
