对于大多数品牌来说，利用目前现有的客户数据，去做未来客户的定义，是一种最有效的方法。这听起来像一个简单的任务，但在在现实实践中却存在各种障碍，其中包括数据匹配的低精确度；单独依靠线上活动把客户错误细分；有些品牌根本就没有设立可用的客户数据库等等。甚至就算恰当地组织好客户数据，一些广告主线上线下的匹配率也低至10％，简单的性别识别只有50％的准确度，更别提客户更深的属性。

为了带来持续而精确的客户数据匹配、分析和定位，笔者向大家介绍一个分5步走的过程：AESMA。这5个步骤将帮助品牌把有价值的、专利的第一方数据转化为一个高竞争性的客户定位策略：

1、    访问（Access）—— 启用选择性地访问客户数据，理想的情况是使用一个数据仓库。为了提高匹配率和数据的准确性，如名称和地址等必不可少的数据字段，webpower中国认为，利用邮件、短信、微信等跨渠道的客户数据共享，对完善客户数据以及提高数据的精准度，开展精准营销将非常有帮助。

2、    强化（Enhance）——选择一个匹配率在50％以上的成熟的数据强化供应商，目前品牌可用的主要的数据提供商，大都是使用名称和地址匹配去统计客户数据，品牌如有必要可以选择一些合法可靠的数据供应商，但是，就效果而言，笔者认为，通过品牌自身营销，如品牌邮件营销、短信营销、微信营销等多渠道获取的第一手数据将更为有效，品牌不妨优先利用自身已有的客户数据资源。

3、分割（Segment）——开发一个双向分割框架，一方面，使用一个品牌的本地数据去创建直观的、专有的数据划分，另一方面，使用第三方数据来创建实践性的、数据驱动性的数据分割。两种分割方法之间的矩阵将为品牌更深入了解现有客户提供难得的机会，并可以帮助企业去定义未来定位人群策略。

4、    模型（Model）——在大多数情况下，我们最终都是获得太多的数据。使用建模技术来隔离和删除冗余数据，并重点突出与确定目标定位人群相关联的极少数的物质变量。例如，如使用了居民收入，就可以不用再使用一个财富指标等等。

5、行动（Action）——如果品牌具备了所有数据并进行了分析，但是没有利用这些数据和分析去实践，那么工作也只完成了一半。使用模型输出，以制定一个多渠道的更有针对性的活动。当然，数字渠道可以使用更多的定位参数，如DSPs，社交媒体和电子邮件等等; 但品牌也可以利用邮政编码去汇总结果，以及利用传统渠道如户外、电视和电台等渠道，去定位目标受众。

不久，所有渠道都将允许一定程度的超定位，甚至电视机都将迎来机顶盒定位。从现在开始加强和分割客户数据，将为你的品牌提供足够的背景和经验以领先于竞争对手。

客户数据情报如何收集

大数据时代对质量安全预警的模式变革。在大数据时代，对质量安全的预警不再是某个专业部门所能胜任的。质量安全的预警分析应聚合大量各学科的人才，特别是网络、计算机、数据分析、社会学、经济学等各学科的专业人才来应对质量安全的分析。要充分地利用起各类媒体的信息，以及从大量的消费者中获得第一手的质量安全信息。要支撑这一工作，同时要建立起大量的质量安全信息数据存储系统，专业的数据分析团队乃至成立专门的机构和队伍。

利用专业的信息采集和数据挖掘软件，实时而准确地采集国内外新闻，行业新闻，技术文章；采集竞争对手以及供应商的新闻，人事，产品，价格等信息数据抓取；采集公共信源的商业情报（同行产品价格，竞争对手的用户反馈，行业新闻）；采集本企业的品牌以及竞争对手的品牌在各大搜索引擎中的结果；采集各大行业论坛中的信息，从中了解消费者的需求与反馈，从而发现市场趋势与商业机会；准确地从网络公共信息中采集销售线索，潜在客户的资料；准确地从网络公共信息中采集本行业上万种产品的产品信息（描述，价格等），图片，技术文档。通过这些数据建立企业数据情报中心，通过专业人员对这些客户情报数据的分析，快速而大量地获取目标商业信息，立刻提高公司的市场营销能力 数据挖掘 ；实现企业应用(ERP,CRM等)及企业门户网站对于因特网内容的整合；建立大容量专业知识数据库，立刻促进公司的知识管理水平，节约内部员工到各网站查阅新闻的时间。

大数据时代的挑战不仅仅是技术层面的，更是思维方式层面的。在大数据时代，应对数据保持更加开放的心态，任何信息都有可能以很快的速度成为公共信息，因此要以开放和包容的心态对待各类信息，哪怕是干扰信息都有可能是有用的，关键是在于怎么分析和利用这些信息，如果能增加信息的透明度，能够建立起与社会公众分享信息的机制，将极大地增强政府管理部门的公信力，并提升其工作的成效。目前在美国等发达国家，已非常重视政府与企业在数据方面的合作，在预防犯罪、公共卫生、交通管理等社会治理领域广泛地引入大数据的分析方法，并建立起了信息共享机制，这种机制无疑是值得我们学习的。