中图分类号：C939 文献标识码：A 文章编号：1003-3890（2016）05-0025-05
一、问题的提出
云计算、移动互联网等新信息技术的广泛应用及社会化网络的兴起，使信息数据产生机制更复杂、传播速度更快、类型更多样，全球进入信息数据量“井喷式”增长的大数据时代。国际数据公司（International Data Corporation，IDC）指出：全球创建和复制的数据量五年内增长近九倍，预计将以每两年至少翻一番的速度继续增长。仅2013年，世界范围存储的数据就达1.2ZB（1ZB≈1021B），将这些数据刻录到CDR只读光盘并堆起，其高度将是地球到月球距离的五倍[1]。
生产和信息方式的变革引起管理规范及其深层次上价值观的转变。传统企业营销中，为避免无法获取整体数据的弊端，多依据小样本采样统计推断以形成所谓“科学决策”。然而采样分析的成功取决于样本的绝对随机性，大数据时代，营销调研建立在对大样本持续收集数据的基础上，实时分析和输出调查结果将为营销决策提供及时判断临界值。
在大数据背景下对营销活动进行研究，具有聚焦数据，提高营销决策科学性；强调洞察，增强营销活动“预见性”；重视创新，增强营销理论“前瞻性”等研究价值[2]。特别是中国具有众多人口和庞大市场，也使中国成为最为复杂的大数据国家之一。那么，大数据对营销活动究竟会产生怎样的影响？其内在机理是什么？通过文献综述，对大数据概念进行界定，梳理其发展的历史脉络，在此基础上分析大数据对消费者行为、营销决策模式、营销战略、营销要素等的影响表征及其机理，最后对大数据的营销应用研究做出述评。
二、大数据的发展脉络及概念界定
（一）大数据的发展脉络
大数据的概念最早要追溯到上世纪，只是在互联网时代，大数据才从规模、类型等方面得以实现。早在1981年，美国著名未来学家Toffler在其著作《The Third Wave》中，提及“大数据”，并称之为“第三浪潮的华章”[3]。2001年，META集团（现为Gartner）的分析师Laney指出数据增长带来规模性（Volume）、高速性（Velocity）、多样性（Variety）等变化[4]。《Nature》则在2008年9月开设“Big Data”专刊[5-7]，同时《Science》也推出数据处理研究专刊“Dealing With Data”，对数据洪流（Data Deluge）所带来的社会变革及影响做出讨论[8]。大数据研究的开创性论文是Ginsberg et al（2009）的“Detecting Influenza Epidemics Using Search Engine Query Data”，该文探讨了如何利用谷歌搜索引擎查询词来预测流行病[9]。
只是在最近几年，大数据才成为高频词。2011年5月，麦肯锡公司发布《大数据：创新、竞争和生产力的下一前沿》报告，指出“在数据渗透于各领域并成为生产要素的背景下，对海量数据挖掘应用，将带来新的生产增长和消费者盈余浪潮”[10]。2012年3月，美国开始实施“大数据研发计划（Big Data Research and Development Initiative）”，将大数据喻为“未来新石油”，并视为与互联网、超级计算机同等重要的国家战略，这也是美国在“信息高速公路”计划后所实施的又一国家级重大科技战略。日本紧随其后，推出“新ICT战略研究计划”。同年，世界经济论坛发布《大数据、大影响》报告，从多个行业领域阐述大数据给世界经济带来的发展机会[11]。
就国内而言，2011年12月，国金证券开创国内大数据研究先河，将其研究成果引入资本市场[12]。2012年5月，香山科学会议组织“大数据科学与工程：一门新兴的交叉学科”为论题的会议，同年6月，中国计算机学会青年计算机科技论坛（CCF YOCSEF）举办“大数据时代，智谋未来”会议，对大数据挖掘技术、组织架构、平台治理等展开探讨。2013年6月，国家自然科学基金委管理科学部、美国营销科学学会（MSI）、南京大学商学院（管理学院）和香港中文大学工商管理学院联合主办“2013营销科学与应用国际论坛”，也将“大数据、社会化、移动化对市场营销的新挑战”作为主要议题之一。2014年2月，北京银行与小米科技就移动支付、便捷信贷、产品定制、渠道拓展等签署协议，表明国内企业运用大数据战略进入实质性阶段。2014年3月5日，李克强总理第一次把大数据写进政府工作报告，阐明了国家对大数据产业鼎力支持的政策，随后一系列公开讲话进一步明确了这一战略部署。2015年2月，百度公司利用百度迁徙、百度指数等大数据产品直观地呈现了春运“景观”，把大数据研究成果可视化地展示在电视屏幕上。2015年3月，政府工作报告中进一步提出“互联网+”计划，推动大数据与现代工业相结合。
（二）大数据的概念界定
大数据本身就是抽象的概念，当前对其概念界定尚未达成统一，不同组织及学者给予不同的表述，见表1。
尽管各方对大数据概念并不统一，但其中“大规模数据”“体量、复杂性及速度超越传统数据”“超越现代技术手段处理能力”等观点得到基本认可。IBM公司及Laney et al（2001）认为大数据具有“3V”特征：规模性（Volume），数据量一般要达到TB级甚至PB级；多样性（Variety），数据结构类型包括结构化数据、半结构化数据和非结构化数据；高速性（Velocity），产生、处理、分析数据的速度加快。国际数据公司（IDC）在此基础上，增加“价值性（Value），即“大数据价值很大但呈现低密度性”的特点，从而形成大数据的“4V”特征[16]。 而NetApp公司认为大数据具有“ABC”三特征：大分析（Big Analytic），通过对大数据实时分析构建新的业务模式并更好地了解顾客需求；高带宽（Big Bandwidth），快速有效地对数据进行处理分析；大内容（Big Content），包括各种类型数据，同时对数据存储、扩展、安全等管理的高要求[17]。
三、大数据对未来市场营销的冲击
根据（移动）互联网时代大数据的特征、消费者行为变化及营销模式的可能演变，通过相关文献梳理，勾画的大数据对未来营销活动的影响趋势，见图1。
（一）大数据对消费行为的影响
1. 消费行为更理性。工业化时代，信息不对称的客观存在，消费者易受各种如低价促销、广告宣传等影响。而大数据时代，消费者有更多、更方便的途径获取更详细的商品价格、成本、产地、质量等信息，并可更方便地搜寻、比对和遴选，从而做出更理性的选择[18]。
2. 消费行为幂律分布。大数据时代，消费者评价系统更广泛，先前购物者的购后评价及经验对新消费者具有重要参考。相比先前购物者的好评，消费者则会更关注其差评，以便做出正确的消费决策。同类产品中，质量好、价格有优势、服务好的产品受到越来越多的青睐，并不断吸引新的消费者，形成“滚雪球式”的“马太效应”，消费行为呈现幂律分布。
3. 消费行为更个性化。工业化时代，商家追求规模经济的考虑，只能在有限范围满足消费者个性化消费。而大数据时代，信息广泛并快速传播，消费者的消费认知及创造力大大提升，消费异质性不断增大，对产品或服务的关注并不仅限于以往的质量、品牌、价格、售后等，更关注其个性化的满足程度。
（二）大数据对营销决策模式的影响
大数据时代，思维方式发生三个变革：其一，要分析与事务相关所有数据而不是少量数据所构成的样本；其二，要接受数据纷乱复杂的事实，而不能过于苛求精确；其三，更加主动地分析相关关系而不再探究难以捉摸的因果关系[19]，可以说，数据驱动型决策（Data?driven Decision Making）是大数据背景下决策的特点[20]，以“数据化、智能化、实时化+经验”将成为大数据时代的营销决策范式。
1. 数据决策技术升级，注重实时处理及相关分析。传统分析多基于多元统计、计量经济学模型等方法，对大量一手和二手结构化数据实施分析，从中寻求研究对象的内在联系，常用方法有：聚类分析、因子分析、相关分析、回归分析、A/B测试、数据挖掘等。大数据背景下，数据规模大、传递速度快、非结构化数据多等特点，使得传统数据分析及数据库管理手段很难适应时代要求。数据产生及传播速度加快，要求数据应用实现从离线（Offline）向在线（Online）的实时处理转化[21]。数据关联成为大数据的主要价值来源，但数据间交互广、价值密度低、碎片化严重，也使决策重点从以往因果关系分析向相关关系分析转变。
2. 决策参与主体向社会大众倾斜，数据分析师地位加强。大数据使营销决策越来越依赖于数据分析而非经验或直觉[22]，直觉判断将被精准的数据分析代替。管理者决策重心在于正确发现并提出问题，一线员工对决策参与度将大大提升，决策主体从社会精英向社会大众倾斜，扁平化组织架构、学习型企业文化将得到加强。同时，能综合运用数据分析、分布式管理的数据分析师，将为企业营销决策提供更多智力支持。
（三）大数据对营销战略的影响
1. 激发协同营销的竞争格局。大数据环境下企业与行业的边界日趋模糊，营销系统开放性更明显。企业竞争不再局限于个体之间或供应链的链条间，而是向多主体所构建的商业生态系统间延伸[23]。企业营销战略的设计应打破传统的个体竞争思维，在不断提升自身营销网络化和动态化能力基础上，利用外部资源，形成协同营销格局。
2. 一对一营销的精准定位。大数据背景下，企业可以记录消费者在产品各个生命周期阶段的品牌偏好、口碑评价等行为数据，基于社会学、心理学、营销学、传播学等相关理论，并借助数据挖掘、统计计量等，按一定的细分标准进行消费行为细分，从而结合自身资源优势，形成目标市场的选择和一对一营销的精准定位。
（四）大数据对营销要素的影响
1. 产品：顾客参与式的产品设计和个人定制。大数据背景下，虚拟企业和智能车间将会越来越多地被采用，顾客参与式的产品设计和个人定制将大行其道。那些市场价值在较短时间发生贬值的短生命周期产品的时效性更强、需求波动大，与外界存在着复杂非线性关系[24]。而长周期产品特别是其中生产工艺复杂、流程管理复杂、客户需求复杂的复杂品（Complicated Product）将实现供应链纵向一体化整合及全生命周期数据整合[25]。“全息”生命周期的完整大数据可帮助企业构建消费者兴趣图谱，从而应用于营销和新媒体关系定位中。
2. 渠道：渠道缩短及渠道多元化。大数据背景下，信息技术更为成熟，经由中间商的渠道模式将让位于直销，渠道长度越来越短。特别是具有及时反馈交互关系平台技术的实施，使企业可开发出更多、更便捷的渠道与顾客连接，实现多渠道及跨渠道营销。诸如微商等“屏幕+手指+快递”的购物方式，配合超低的价格，使营销渠道更趋多元化。
3. 价格：透明度更高，基于支付意愿的差异化定价。传统营销定价多从产品成本、利润率、顾客接受度等简单因素考虑，并依据先前相关销售经验建立精算模型。大数据背景下，传统精算模型将被颠覆，价格不对称性有所改善，定价透明度越来越高，明智的价格策略是企业“阳光”定价，基于支付意愿的差异化定价将成为主导，电子支付成为主流。
4. 促销策略：促销手段的数字化、互动化趋势。大数据背景下，传统电视、报纸、广播等大众传媒的传播效率不断下降，而建立在数据库基础上的移动互联网将成为促销信息的重要传播手段，促销手段更具数字化。同时，促销手段更新颖，目标受众被多元化数据锁定，并特别强调与顾客间的互动和情感沟通。 四、大数据研究在营销中的应用评析
（一）研究层次：偏宏观层面研究，轻微观分析
当前对大数据的相关研究，更多从宏观层面对其概念内涵、形成脉络及其对社会所产生的影响方面展开描述，而对大数据所形成各种影响的内在机理缺少必要的微观分析。大数据为未来营销带来深刻影响，但机会和挑战并存，其合理利用前提是必须拥有准确、可靠、及时的高质量的数据[26]，只有在此基础上，才能提炼出有效的营销决策信息，才能帮助企业实现精准定位。
（二）研究视角：多立足于信息科学视角，缺少管理视角
当前，国外从管理学视角应用大数据技术来支持管理决策已成为商科教育的热点[27]。相比之下，国内相关研究还处于起步阶段，数据驱动决策的管理模式还有待形成，现有的相关研究则更多立足于对数据信息的采集、处理、检索、挖掘及离线分析等信息科学视角。而只有立足管理决策的视角，探讨大数据对现代经济组织的战略定位、架构设计、营销实施等实时问题，才能真正发掘大数据的“资源”价值，建立起信息引导决策的机制。
（三）应用范围：国内多理论研究，实践广度、深度不够
大数据在国内发展还处于起步阶段，从行业实践范围来看，多局限于银行、保险、电信、电商等领域；从技术应用度来看，多表现在对一些相对成熟的数据分析处理技术进行有限范围应用，Hadoop、非结构化数据库、个性化推荐引擎等新技术则由于较高的技术门槛及运营成本未能很好采用；从应用整合情况来看，尚缺少一个具有大数据信息分享、整合的营销数据平台。只有让大数据更便捷、快速地贴近顾客，并实现数据流通，才能使得大数据发挥其生命力，实现其对营销管理决策的真正价值。
