跨屏、精准、RTB、程序化购买、定向……这些词眼熟吗?
不断增加的新名词，让广告营销成为了最会讲概念的一个行业，从奥美、唐舒尔茨时代经典的4P、4C理论，到后来的各种广告营销模型，再到当下最热的大数据营销，每一个阶段的产物都让人容易产生膜拜之感，但是高大上之外，仍然会让行外人摸不着头脑。
而在当下，言必称大数据和精准，成了数据营销最绕不过去的一个尴尬——几乎所有的广告营销公司都自称自己的特色是基于大数据，能够做到定向投放或者精准营销。作为一个广告主或者开发者，你真能区分不同平台之间的差异吗?能保证自己没被这些看上去高深的名词忽悠吗?
大数据的出现的确为营销带来了精准的可能，Amazon、Google、Facebook、阿里妈妈等以营销著称的公司早已嗅到了这一点，早早做了布局，经过多年的发展，并结合其自身的优势和特点，彼此间也产生了差异化。
通过对这些巨头的梳理，以及结合行业的发展情况，《天下网商》总结了四种典型模式，可以说，这四种模式也涵盖了目前大数据营销的关键点，它们也可以成为判断一个公司是不是数据营销公司的标准。
一、关联模式
代表公司：Amazon
模式逻辑：由A找到B，从数据中找到关联
先从一个古老的零售故事讲起， 沃尔玛喜欢将啤酒和尿布放在一起销售，如此神奇的组合却让两种商品的销量都有所提升。 沃尔玛通过对超市一段时间的原始交易数据进行了详细分析，同时发现很多美国爸爸经常会在下班回家的路上为孩子买尿布，同时顺手拿上自己爱喝的啤酒—— 这对组合由此诞生，也成为了传统零售中关联模式的一个最经典案例。
到了互联网时代，亚马逊成为了关联销售模式的佼佼者，据称其20%~30%的销售是通过关联推荐获取的，在2013年，亚马逊的Prime Instant Video 也因个性化推荐引擎而获得了艾美奖。亚马逊做关联推荐的尝试比较早，甚至很多人不知道的是， 当你今天习以为常的打开一个电商网站，就能看到各种关联推荐的商品，这个做法最初就来自于亚马逊。
《大数据时代》一书很好的记录了亚马逊这个创举的发展过程。1994年，杰夫·贝索斯(Jeff Bezos)创办了亚马逊之后，组建了一个20人规模的内容团队，专门写书评和推荐新书，这对亚马逊的书籍销售起了非常大的作用。但随着书籍数量和网站规模规模的不断增大，这种手工生产的推荐方式远远不能满足所有的需求，个性化的推荐系统由此而生。但最初的系统推荐是试图找到用户之间的关联，但是关联效果却并不好，这个推荐系统也在当时被书评家詹姆斯·马库斯(James Marcus)评价为“和一群脑残一起逛书店”。
设计和开发了亚马逊推荐算法的格雷格·林登(Greg Linden)，后来转变了思路，把关联的对象由用户变为商品，这夜就奠定了亚马逊“从商品到商品”(Item-to-Item)的个性化推荐基调，一直沿用至今。格雷格曾写过一篇文章详细介绍了亚马逊的推荐算法和系统，他认为这种从商品到商品的协同过滤不涉及顾客数量和特性，同时可以提前分析产品之间的关系，避免推荐的“冷启动”问题，及时并实时产生高质量的推荐。
这种推荐算法在电子商务领域的应用尤其广泛，也成为了比较经典的算法，在最近几年也被研究得很多，因此就算法本身而言，它并不难，而亚马逊之所以能够以相同的算法在大批电商网站中脱颖而出，是因为它经过了十几年的积累，不仅投入了大笔资金不断搭建，也不断在收集商品数据和用户的行为数据，这种积淀很难在短时间内被超越。
此时，你是不是马上打开亚马逊网站或者自己的邮箱，看看那些它为你推荐了哪些关联的商品呢?
二、精准定向模式
代表公司：Facebook
模式逻辑：从A、B、C、……等一群人中找到你最想要的A，这也是几乎市面上所有DSP(数字广告公司)所惯用的模式
借助广告，Facebook成功把粉丝和流量变现， 根据公开数据，它在今年三季度的营收同比增长了41%，其中社交广告贡献巨大，广告营收占到了其总营收的90%以上。
之所以能够在广告领域大获成功，Facebook 靠的是精准的定向：一方面把最合适的人群推送给品牌方，另一方面也让用户接收到他和朋友可能感兴趣的内容，这些内容有着很明显的社交属性，甚至能让用户爱上广告。 以它和Ben&Jerry’s的合作为例，根据Facebook发布的数据显示，广告的粉丝覆盖率达到了98%，评论和受喜爱程度都十分可观。而根据Ben&Jerrry’s市场部给出的评估，它在Facebook上所投放的这些广告给自己带来了3比1的投资回报率。