罗洪滨： 互联网广告的投放过程中需要不断地搜集产生的数据，同时，也要积累数据的分析。 做产品的过程中，经常要做市场调研，要了解趋势、竞争对手以及规模。 市场调研是为了明确营销者的位置以及未来走向。
大数据营销也存在一些问题。 在做营销推广的过程中，有很多产品可以选择，包括经常用的 SEM、网盟、P2P 社区广告和视频广告等。如何选择这些投放产品，哪些用户是适合发展的用户，这是存在的一个问题。 随着目前互联网终端的增多，如何在多个终端上有效地展现投放的广告，同时能够在不同的地方对这些用户进行统一识别，能够把零散的行为汇集起来，这也是存在的一个问题。
对于以上的问题，在应用中可以使用大数据营销平台。 大数据通过全面、大量的实时数据支撑，使得做市场分析时有更及时、 更准确的数据依据；通过各种渠道的分析，每一次的广告展现得到最终效果时，有全路径的分析；每个渠道能够进行各种指标的回顾分析。
首先， 大数据营销平台采集用户的数据信息，对用户的所有行为特征基本都能够做到实时跟踪。
另外，随着移动产品的增加，目前能够真正实现跨平台、跨终端对用户和数据进行采集。 不但可以在搜索社区展示类广告进行投放，同时也能够实现从移动终端到 PC 之间的直接投放。
大数据营销平台可以帮助营销者做决策，通过数据支持进行用户行为分析。 广告主可以通过数据分析结果得知其网站的用户经常做什么，对什么感兴趣，哪一种产品最热销，能够了解这些网站用户的行为特点以及兴趣特点。
大数据营销平台每天能够监控到数十亿媒体广告的曝光，从中可以掌握每个媒体目前的流量和人群覆盖、价格趋势变化以及每一个定价的参与者和广告投放。 通过和搜索引擎公司的合作，能够知道用户最近在搜索什么、关注什么，从而掌握用户的即时兴趣。 同时，也能得知用户在站内的搜索内容，因此能够给用户推送其最感兴趣的内容。
目前， 大数据的精准广告投放一般分为三类，包括搜索广告、社交广告、精准展示广告。 精准展示广告主要是在行业内，数据使用性比较强，转化率相对比较高，规模非常大。 搜索广告主要是根据用户的搜索意见进行定位，规模也比较大，转化率和点击率相对来说比较好， 用户的注册信息比较明确。 社交广告更加丰富一些，能够对目前的变化趋势做更好的分析。 随着精准技术得到大家的认可，互联网领域会有更多人使用精准广告技术， 会有更多的资源。 这个发展是一个蓝海，目前表面上只有 110 亿的投放，未来还会呈现至少翻倍的增长速度。 另外，点击率比传统广告高很多， 效果转化率也非常高。
因为做了人为的精准，每天产生的效果数已经超过了一般的社交和传统广告的展现效果。
目前，亿玛大数据营销平台覆盖的人群超过 6 亿，有效的行为数据超过 2 亿， 日增购物定单超过百万，每天能够监控到的搜索行为超过 50 万。 这些数据可以支持客户的数据分析，并且能支持精准人群的定位，同时能够支持客户和用户对各种渠道的分析。 另外，数据可以实现跨平台、跨终端的投放。 跨平台能够实现目前所有的开放流量投放数据，包括媒体流量、搜索平台、社交平台等。 跨终端能够做手机和相应的平板电脑、PC 等各种设备的投放。目前，优化的手段很简单，通过广告的投放进行优化。 基于不同的人群， 在投放过程中实时进行数据分析，根据不同指标的异常进行调整，找到调整的最关键的内容，从而实现广告投放的优化。
大数据的文本分析
袁扬扬：营销代理商给企业制定最相关的营销推广计划，并且取得营销目标对象群体的回应。 营销计划的分析内容一般包括以下几个方面：首先是识别，即帮助客户对消费者进行全面的了解，从而挖掘潜在的商业机会；其次，对消费群体进行细分，将消费者分成不同的群体，以便实施最有效、最相关的营销沟通；再次是预测，建立各种类型的预测模型，目的是为了预测最能够呈现出企业所需要的消费行为的人群；最后是测量，运用高端的测量设计与分析，帮助企业评估基于数据分析基础上的营销策略与手段的绩效。
大数据时代的确可以给商家带来无限商机，然而现实是企业拥有大量的消费者数据，其中有用的信息却很少。
在过去，因为信息渠道的缺乏，消费者对企业或品牌信息的了解也相当有限。 因此，传统的营销方式可以奏效。 今天，消费者手里拥有大量信息，他们可以从各个渠道获得企业或品牌的信息，也拥有了前所未有的自主权。 因此，企业今天就不能再用传统营销方式与消费者进行沟通，消费者更希望的是一对一的个性化沟通方式。 企业已经越来越意识到精准数据分析的重要性，并正在尝试用数据分析改变与消费者互动的方式，将这种互动方式慢慢转化成更加接近于一对一的方式。消费者数据分为结构化数据和非结构化数据。
结构化数据是可以量化的数据，包括问卷调查中的封闭式回答、交易记录、网上评分等数据。 非结构化数据包括电话、邮件、在线聊天以及问卷调查开放式的回答。 这些信息可以由企业内部直接从消费者手里获取。 另外，还有博客和社交媒体等网民信息，这些信息是外部公开的。 今天消费者在与品牌的每一个接触点都留下了足迹，企业也试图从各个媒体渠道获取消费者信息。 但是，获取信息仅是第一步，如果要实现对消费者全面的认知，必须要有效整合这些多媒体数据，深度挖掘，并且进行精准的分析和提炼，这样企业才能够全面地认识消费者，全面地了解消费者的行为与爱好，从而进行一对一的定制服务。
据 IDT 一份报告的分析，80%以上的商业信息以文本形式存在，20%的信息是结构化的数据。结构化的数据在未来几年将以 22%的年复合增长速度增长，而非结构化数据则以 62%的速度增长。 一般的企业对结构化的数据可以进行分析，而对于 80%的非结构化数据，因为分析难度很大，并且需要花费大量人工成本，如果没有合适的工具，企业的做法就是搁置一边，或者采用关键词搜索的方法进行分析，但搜索分析会有很大的局限性。
因此， 我们建议客户使用文本分析方法（TextAnalytics）将数据结构化。 文本分析是用一系列语言学和统计学的方法将文本结构化。 首先提取观点和模式，识别句子的意义和关系；其次辨析情绪是正面还是负面；然后将文本转化为可量化的结构化数据；最后把非结构化的数据和结构化的数据整合起来，形成对消费者的全面认识。
文本分析的方法有两个组成部分。 第一个部分是利用自然语言处理来解析语意和语境，把一句话分成几个组成部分， 对每一个组成部分贴上标签；然后分析这几个部分之间的关系；最后做语言学关系的分析。 第二个部分是情绪分析，每一个词被赋予了正到负的情绪分值，分别代表了正面、中立、负面态度；对于修正词还要调整情绪分值，因为每一个行业有其特殊性，所以对每个客户需要调整默认值并且设立例外的原则；最后给每一个句子赋予一个分值。
总之，文本分析就是运用尖端的文本分析工具来量化非结构性数据， 并与结构性数据相结合，进行深度分析与建立预测模型，以实现对消费者的全方位认知。
