对很多企业来说，大数据的概念已不陌生，但如何在营销中应用大数据仍是说易行难。其实，作为大数据最先落地也最先体现出价值的应用领域，网络营销的数据化之路已有成熟的经验及操作模式。
一、获取全网用户数据
首先需要明确的是，仅有企业数据，即使规模再大，也只是孤岛数据。在收集、打通企业内部的用户数据时，还要与互联网数据统合，才能准确掌握用户在站内站外的全方位的行为，使数据在营销中体现应有的价值。在数据采集阶段，建议在搜集自身各方面数据形成DMP数据平台后，还要与第三方公用DMP数据对接，获取更多的目标人群数据，形成基于全网的数据管理系统。
二、让数据看得懂
采集来的原始数据难以懂读，因此还需要进行集中化、结构化、标准化处理，让“天书”变成看得懂的信息。
这个过程中，需要建立、应用各类“库”，如行业知识库（包括产品知识库、关键词库、域名知识库、内容知识库）；基于“数据格式化处理库”衍生出来的底层库（用户行为库、URL标签库）；中层库（用户标签库、流量统计、舆情评估）；用户共性库等。
通过多维的用户标签识别用户的基本属性特征、偏好、兴趣特征和商业价值特征。
三、分析用户特征及偏好
将第一方标签与第三方标签相结合，按不同的评估维度和模型算法，通过聚类方式将具有相同特征的用户划分成不同属性的用户族群，对用户的静态信息（性别、年龄、职业、学历、关联人群、生活习性等）、动态信息（资讯偏好、娱乐偏好、健康状况、商品偏好等）、实时信息（地理位置、相关事件、相关服务、相关消费、相关动作）分别描述，形成网站用户分群画像系统。
四、制定渠道和创意策略
根据对目标群体的特征测量和分析结果，在营销计划实施前，对营销投放策略进行评估和优化。如选择更适合的用户群体，匹配适当的媒体，制定性价比及效率更高的渠道组合，根据用户特征制定内容策略，从而提高目标用户人群的转化率。
五、提升营销效率
在投放过程中，仍需不断回收、分析数据，并利用统计系统对不同渠道的类型、时段、地域、位置等价值进行分析，对用户转化率的贡献程度进行评估，在营销过程中进行实时策略调整。
- 对渠道依存关系进行分析：分析推广渠道的构成类型与网站频道、栏目的关联程度（路径图形化+表格展示）；
- 对流量来源进行分析：分析网站各种推广渠道类型的对网站流量的贡献程度；
- 对用户特征及用户转化进行分析：分析各个类型的推广渠道所带来的用户特征、各推广渠道类型转化效率、效果和ROI。
六、营销效果评估、管理
利用渠道管理和宣传制作工具，利用数据进行可视化的品牌宣传、事件传播和产品，制作数据图形化工具，自动生成特定的市场宣传报告，对特定宣传目的报告进行管理。
七、创建精准投放系统
对于有意领先精准营销的企业来说，则可更进一步，整合内部数据资源，补充第三方站外数据资源，进而建立广告精准投放系统，对营销全程进行精细管理。
补充：
基本的5W1H问答也能玩转消费行为数据
Kotler（科特勒行为选择）模型从市场的特点来探讨消费者行为，更容易进行定量研究：
Kotler（科特勒行为选择）模型
以推广营销某款手机为例，我们将要研究的数据可综合为5W1H：
1.Who & Whom：购买这款手机的人群分类？还要弄清谁是决策者，谁是使用者，谁对决定购买有重大影响以及谁是实际购买者；
2.What：不同手机品牌的市场占有率、具体型号的销售情况；
3.When：了解在具体的季节、时间甚至时点所发生的购买行为，比如配合节假日促销；
4.Where：研究适当的销售渠道和地点，还可以进一步了解消费者是在什么样的地理环境、气侯条件、甚至于地点场合使用手机；
5.How：了解消费者怎样购买、喜欢什么样的促销方式，比如是去线下体验店还是看测评视频等；
6.Why：探索消费者行为动机和偏好，比如为什么喜欢特定款手机并拒绝别的品牌或型号；
不同特征的消费者会产生不同的心理活动的过程，通过其决策过程导致了一定的购买决定，最终形成了消费者对产品、品牌、经销商、购买时机、购买数量的选择。
数字营销人员如果能比较清楚地了解各类购买者对不同形式的产品、服务、价格、促销方式的真实反应，就能够适当地影响、刺激或诱发购买者的购买行为。且数据的应用可以贯穿营销价值链的广告、公关、官网、电商、CRM各个环节，覆盖用户能力会更加全面和强大。
各类购买者反应