Facebook Hashtags – 它是關於什麼的?

以其數量、速度、價格和範圍為特徵;每年以超過 2.8 澤字節 (ZB) 或 2.8 萬億千兆字節的速度產生大量事實。每天有 200 萬篇博客發布,1.72 億用戶訪問 Facebook(在未婚社交網絡網頁上總共花費 47 億分鐘),上傳視頻 5100 萬分鐘,分享 2.5 億張虛擬照片。我們堅持每天生成 2940 億封電子郵件,儘管許多人認為電子郵件是一種過時的口頭交流形式。預計到 2020 年在 12 個月內爆發到 40 ZB 以上;為了提前獲得百分比,公司需要開始購買 Instagram 瀏覽量這些天處理大量數據。投資比以往任何時候都更快,以提高生產力、創造價值、保持競爭力、發現新的業務發展並產生令人興奮的分析答案。大信息正在成為 21 世紀初的標誌,在這個時代,越來越多的公司正在消耗和使用大信息。

您通常可以將大量統計數據分為兩種不同的類型,既定的和非結構化的。每天發送的 2940 億封電子郵件可以考慮依賴文本和最簡單的巨量信息類型之一。包括電影票銷售、汽油收入、餐飲場所銷售等在內的金融交易通常是建立起來的,並且只佔當今全球網絡中事實的一小部分。其他類型的既定記錄包括點擊流通興趣、日誌信息和社區保護信號。非結構化信息同樣是海量統計數據增長的第一大來源。音樂是一種不斷增長的數據類型,我們每天通過免費曲目載體 Pandora 流式傳輸近 1900 萬小時的音樂。舊電視節目和電影是非結構化領域內的其他範圍來源。每天有超過 864,000 小時的視頻上傳到 YouTube。MBAOnline.Com 甚至發現我們可以將 98 年的非壟斷貓電影注入任何人的家中,讓他們享受無限的無聊、樂趣或瘋狂!

除了一般的生成之外,大記錄將需要對大多數企業的方法進行調整,以確保做出具有正確分析判斷的選擇。為了讓他們理解這些要求,需要更密切地關注主要思想。首先,需要探索組織如何利用當代技術解決方案來處理這兩個部分,然後剖析記錄;第二,對企業擁有並將使用事實制定策略以創建、保持和美化其不同收入流的方法進行介紹和預測。

幾十年來,企業一直在對客戶市場進行細分,但是大事實的產生使得細分變得更加重要,甚至更加複雜。挑戰不僅僅在於積累事實;相反,這是一場更詳細地了解客戶的競賽。細分是專有技術客戶的基本要素。在其唯一的形式中,客戶是根據可比較的特徵進行分組的。隨著記錄的改進(人口、態度和行為),分割方法變得更加先進。目前,組織幾乎淹沒在所有積累的數據中,如果他們現在不小心,他們可能會花費所有時間查看這些數據,而沒有將其用於適當的用途以做出更高的企業選擇。解剖時間可以是無限的而不產生實際結果,

各行各業的企業都認識到,正確了解您的顧客會為客戶帶來進步和定制的供應商,這會產生額外的忠誠客戶。為了更好地識別他們的客戶,企業傳統上僱傭了包括谷歌分析在內的高級分析結構,主要根據人口統計、地理等因素將他們的客戶分組。儘管這種細分有所幫助,但它通常無法最好地定義客戶之間的重要差異,但缺乏傳遞穩定的革命性特徵。例如,航空公司的基本遊客細分可能會將客戶描述為男性,37 歲,在羅利生活和工作,並經常前往倫敦出差。

一種更高的技術是根據購買者與企業的所有交互來對購買者的選擇、選擇和品味進行分類。但是為了正確地細分客戶,團隊需要理解更廣泛的客戶特徵,其中很多特徵可以在航空公司的預訂、離港控制和忠誠度結構中的結構化數據之外發現。在電子郵件、通話記錄、聊天、短信、社交媒體等購買者互動中可以觀察到關於客戶的大量額外信息。企業應該有潛力識別消費者對話中的含義,並可能通過更新的分析系統自動實現這一點。

大信息有可能從根本上改變營銷人員與他們的客戶的關係——他們所有人——不再只是積極參與忠誠度申請的一小部分人。企業可以利用購買者互動和在線營銷路徑(包括社交媒體、博客和網站)的大量可用事實來精細劃分、維護和發展與客戶的關係。

眾所周知,大數據對企業來說既是一項重要的任務,也是一種可能性。擁有旨在解決信息數量、範圍和速度的爆炸式增長的技術對於實現這些技術非常重要。幸運的是,超現代的機會硬件運輸方式、雲架構和開源軟件程序使大數據處理觸手可及。最後,大型記錄背後的龐大故事可能非常小——創建和服務非常小的客戶細分的功能——具有顯著更高的準確性,並且以更少的成本達到更大的目標。分割只是海量信息冰山的一角,而群體已經形成並可以保持成形以利用它的技術是巨大的。

目前,企業使用四種主要策略來利用大型統計數據來發揮自己的優勢:整體績效管理、決策技術、社交分析和數據探索。性能控制是一切的開始。通過了解代理數據庫中海量數據的含義以及使用預先確定的查詢,管理者可以提出諸如利潤最高的細分市場在哪裡等問題。它可能非常複雜,需要大量資源;然而,事情開始變得不那麼複雜了。當今大多數商業智能工具都提供儀表板功能。消費者,通常是經理或分析師,可以選擇要運行的查詢,並且可以通過某些維度(例如,位置)過濾掉文件輸出並對其進行排名,以及向下鑽取/向上鑽取數據。多種評論和圖表使管理者可以輕鬆觀察趨勢。借助實用且“易於”使用的儀表板,小組開始成為事半功倍的好方法;但我們只能尋找一個答案,它給出了一個簡潔的設計和簡單的功能,它提供了比目前存在的更高的洞察力。

數據探索是目前通過代理機構發揮作用的第二種策略。這種方法大量使用統計數據來測試和獲得管理者以前可能不知道的問題的答案。這種方法利用預測建模技術來預測用戶基於他們之前的交易和選項的行為。聚類分析可用於將客戶劃分為主要基於類似屬性的機構,這些屬性可能在一開始就沒有考慮過。一旦找到這些公司,管理人員就可以執行重點行動,包括定制營銷信息、升級運營商以及向每個精確機構傳遞/追加銷售。另一個著名的用例是預測哪些客戶機構可能還會“退出”。有了這些統計數據,
知名商店 Target 使用大量信息挖掘技術來預測已經通過主要生活方式事件的顧客群的購買行為。Target 能夠了解 25 種產品,包括無味乳液和膳食補充劑,綜合分析這些產品有助於確定“懷孕預測”評級。然後,Target 根據懷孕預測評級向女孩發送以嬰兒相關產品為中心的促銷活動。這導致 Target 的嬰兒和母親商品的銷售在推出新的廣告和營銷活動後不久就急劇擴大。

企業使用的下一個方法是利用社交媒體網站以及 Facebook、Twitter、Yelp 或 Instagram。社交分析衡量當今存在的非交易信息的全部數量。大部分統計數據存在於社交媒體系統中,以及 Facebook、Twitter 和 Yelp 上的對話和評論。社會分析學位分為三大類:注意力、參與度和口碑或影響力。意識似乎是對社交內容的曝光或提及,通常包括指標以及視頻觀點的數量以及追隨者或社區成員的範圍。參與度衡量平台參與者之間消遣和互動的程度,包括個人生成內容的頻率。最後,覆蓋率衡量內容在整個社會系統中傳播給其他客戶的數量。可以通過變量來衡量覆蓋率,例如 Twitter 上的轉發範圍和 Facebook 上的共享點贊數。

社交分析者希望清楚地了解他們正在測量的內容。例如,一個被認為有 1000 萬次實例的病毒視頻是高意識的一個很好的指標,但它並不總是一個很好的參與度和互動的衡量標準。此外,社會指標包括中間的非經濟指標。為了確定對商業企業的影響,分析人員經常希望獲得互聯網站點訪問者和企業指標,以及社交指標,然後搜索相關性。對於病毒式電影,分析師想要確定在觀看 YouTube 電影后,是否有訪問者通過最終產品購買觀察到該機構的互聯網網站。

企業使用的最終方法被命名為“決策科學”。它通常涉及非交易統計的實驗和評估,其中包括客戶產生的產品創意和產品評估,以改進決策過程。與專注於社會分析以衡量公認目標的社會分析者不同,決策科學家探索社會大數據作為進行“主題研究”和檢驗假設的一種方式。眾包包括概念生成和投票,使組織能夠向社區提出有關其商品和品牌的問題。決策科學家與網絡反饋一起確定這些想法的價值、有效性、可行性和健康性,並最終記錄他們是否/如何計劃將這些想法置於運動中。例如,My Starbucks Idea 應用程序使客戶能夠對星巴克的產品、購買者體驗和社區參與度進行評分、投票和提出想法。到目前為止,已經積累了超過 10,000 個想法。星巴克有一個“想法在行動”部分來討論想法在評論技術中佔據一席之地。

選擇科學家使用的許多技術都涉及執行文本內容和情感評估的聽力工具。通過利用這些設備,公司可以圍繞其商品確定感興趣的特定主題,以及誰在談論這些主題。例如,在發布全新產品之前,企業家可以評估購買者對費率的感受、人口統計數據可能對情緒產生的影響,以及多年來情緒的變化情況。然後,管理人員可以完全根據這些測試來調節收費。

技術的未來很難期待,但是,完全基於事情的發展,組織正在押注它將在分析系統內利用的新型技術中,並以海量統計數據為重點。作為一家專注於網絡和記錄分析的雇主的創始人,我們打賭命運是在大型統計處理領域。通過開發一個方便的在線分析平台,強調美觀的設計和易​​於使用的簡單界面,我們將有效的分析與​​驚人的效果相結合。通過利用所有 4 種當今的技術並將我們自己的技術融入其中,效果需要推動非小說和科技小說之間的界限。

大數據正在改變我們的生活方式,從步行組織到在雜貨店購物再到購買電影票。每一條累積的信息都被分割並用於調查客戶的假設和行為方式。為了利用這個機會,我們需要遠離舊的、創新性較低的解決方案。取而代之的是,我們能夠利用新創業公司所展示的新一代和下一代,這些創業公司以我們能夠意識到統計趨勢和洞察消費者思維策略的方式進行交易。通過了解組織用來獲取大量記錄的當今策略,我們能夠使用這些事實來做出更明智的預測,大致了解這種現象正在發生的情況。

首頁
前往遊戲
遊戲介紹
操作流程