一种大数据智能营销系统及营销方法与流程
本发明涉及一种营销系统，具体是一种大数据智能营销系统。
背景技术：
营销是指企业发现或挖掘准消费者需求，从整体氛围的营造以及自身产品形态的营造去推广和销售产品，主要是深挖产品的内涵，切合准消费者的需求，从而让消费者深刻了解该产品进而购买的过程。传统的营销手段最主要的还是以广告的方式进行，但是随着互联网的不断发展，营销方式方法也更加的多样化；在多渠道销售的客户那里，常常会有这样的问题：线上推广是否对线下购买产生影响、哪些渠道触达客户的最佳渠道、如何减少重叠投放广告、如何发现最像我的优质客户的潜在客户。这也反应了目前营销行业的技术发展现状，其主要存在以下几点问题：1)缺少客户互动数据使客户生命价值管理受限（缺少售前、售中、售后客户数据的识别与追踪）；2)营销活动效果难以预测（缺乏营销活动中用户行为数据、传播等数据的监测与分析）； 3)浪费预算在无效的渠道上（缺乏数据化的渠道价值分析）； 4)广告覆盖用户重叠冗余（用户多渠道或跨终端的识别匹配不够）； S105：无相关的广告曝光拉低品牌价值（缺乏精准的客户画像和受众细分管理）；随着移动互联网的不断发展大数据分析越来越影响着人们的生活，通过对一个人行为消费习惯的分析能够有效的判断客户的喜好和购买物品的倾向，如何将大数据和营销结合是一个重要的问题。
技术实现要素：
本发明的目的在于提供一种大数据智能营销系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种大数据智能营销系统，包括代理商模块、数据管理模块、智能投放模块和决策分析模块，所述数据管理模块包括用户标签管理单元、行业分析模型单元和数据采集处理单元；数据管理模块用于收集用户人口属性特征、用户状态特征信息，并根据手机到的信息对用户新型标签化处理；数据管理模块连接至代理商模块，数据管理模块将处理后的数据传递给代理商模块；所述智能投放模块包括程序化购买单元、广告交易单元、合作媒体管理单元和全渠道触点单元；通过智能投放模块收集用户购买信息和消费习惯，从而根据消费信息和购买习惯对客户进行标签化区分；智能投放模块连接诶之代理商模块，智能投放模块将分析数据传递给代理商模块；所述决策分析模块包括营销分析单元、数据可视化单元和数据API服务单元；决策分析模块连接至代理商模块，代理商模块将收集到的信息传递给决策分析模块，决策分析模块进行营销决策，并将决策通过智能投放模块反应。
一种大数据智能营销系统的营销方法，其主要步骤如下：
S101通过人口属性特征分析，定向目标人群的性别、年龄、学历标签；
S102：通过用户状态特征分析大数据营销系统，定向目标人群的婚恋、消费和居住标签；
S103：通过终端设备特征分析，筛选目标人群的设备类型、型号、系统标签；
S104：通过线下场景数据采集设备和用户的连接，判断用户所处时间、地点、天气及其他LBS信息；
S105：将S101-S104收集到的信息采用TGI算法，分析用户兴趣和行为偏好特征大数据营销系统，量化用户偏好程度，通过多级用户兴趣和行为偏好标签进行立体用户画像
与现有技术相比，本发明的有益效果是：通过采集用户行为数据、线下硬件设备数据的采集，对用户线下行为量化，用户线上数据和线下数据的结合使我们对用户行为预测更为精准，实现用户身份识别永不过期；更精准的客户画像，围绕客户需求生产营销内容，使营销内容往往具有良好体验，更易通过客户的口碑和分享引爆社交网络。
附图说明
图1为大数据智能营销系统的结构示意图。
图2为大数据智能营销系统的营销方法的流程示意图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
请参阅图1-2，一种大数据智能营销系统，包括代理商模块、数据管理模块、智能投放模块和决策分析模块，所述数据管理模块包括用户标签管理单元、行业分析模型单元和数据采集处理单元；数据管理模块用于收集用户人口属性特征、用户状态特征信息，并根据手机到的信息对用户新型标签化处理；数据管理模块连接至代理商模块，数据管理模块将处理后的数据传递给代理商模块；所述智能投放模块包括程序化购买单元、广告交易单元、合作媒体管理单元和全渠道触点单元；通过智能投放模块收集用户购买信息和消费习惯，从而根据消费信息和购买习惯对客户进行标签化区分；智能投放模块连接诶之代理商模块，智能投放模块将分析数据传递给代理商模块；所述决策分析模块包括营销分析单元、数据可视化单元和数据API服务单元；决策分析模块连接至代理商模块，代理商模块将收集到的信息传递给决策分析模块，决策分析模块进行营销决策，并将决策通过智能投放模块反应。
一种大数据智能营销系统的营销方法，其主要步骤如下：
S101：通过人口属性特征分析，定向目标人群的性别、年龄、学历标签；
S102：通过用户状态特征分析，定向目标人群的婚恋、消费和居住标签；
S103：通过终端设备特征分析，筛选目标人群的设备类型、型号、系统标签；
S104：通过线下场景数据采集设备和用户的连接，判断用户所处时间、地点、天气及其他LBS信息；
S105：将S101-S104收集到的信息采用TGI算法，分析用户兴趣和行为偏好特征，量化用户偏好程度，通过多级用户兴趣和行为偏好标签进行立体用户画像。
上面对本发明的较佳实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
