為了鎖定個人消費者，美國家居用品零售商Williams-Sonoma把多來源的數據聚合到一起，通過Hadoop平臺構建起具有在線營銷洞察力的統一儀表盤。

當你將大數據、統計模型和銷售分析結合在一起會發生什么呢?如果你是美國家居用品零售商Williams-Sonoma，那么你將獲得每天處理5000萬行數據的能力，將能夠有針對性地向大量個人消費者進行營銷。

Williams-Sonoma是一家年營收接近40億美元、擁有3萬名員工的上市企業。該公司負責客戶分析的副總裁Mohan Namboodiri目前正試圖提升該公司的營銷分析水平。Williams-Sonoma并不認為，在線廣告和電子郵件會比針對特定客戶的營銷更為有效。該公司正在試圖找到一種辦法，以全面獲得營銷活動歸因。也就是說，理解每次針對個人消費者的促銷活動的效果。這能夠讓企業重新分配營銷活動預算，以鎖定個人消費者，而不是特定的客戶群體。

營銷分析在過去的用途十分簡單，一般是追蹤活動代碼到你的客戶，以了解活動的效果。相對于分類、直接郵寄、群發電子郵件、廣告、電話推銷等方式，營銷活動數據相對易于管理。

營銷工具、數據來源和數據規模正在持續增長，其中包括手機短信、橫幅廣告、在線搜索活動、店內促銷、會員卡、鼠標點擊率等。借助于涵蓋客戶數量統計、信用評分等第三方數據，數據來源正變得越來越多。此外，還有一些不受營銷控制的因素，比如季節購買習慣和客戶購買習慣。最終，管理營銷系統會面臨諸多挑戰，許多營銷策略取決于不同的應用或機構。

最新的營銷系統使得針對不同客戶量身制訂新品推廣、打折促銷或消費積分方案變得更加容易。但是，為了發揮最大效果，營銷人員需要完全清楚哪些方案針對哪些客戶，同時注意不讓他們的客戶感到厭煩。例如，經常性地群發電子郵件。這些做法會導致難以觀察客戶活動，以及難以以最有效的方式進行營銷。

問題是多方面的。由于容量、速率和多樣性等因素，這實際上是一個大數據問題;各種各樣互不相連的系統，使得其成為了一個數據孤島問題;利用給定因素，試圖理解針對個人消費者的營銷活動效果，是一個統計分析問題。例如，一些客戶可能只會在圣誕節期間對電子郵件促銷做出回應，而另外一些客戶可能會點擊電子郵件促銷，并在全年進行購買。

通過營銷渠道的加權，營銷歸因儀表盤顯示出了針對每名客戶的銷量。

為了對信息進行準確評估，你需要一個能夠直觀顯示活動與購買行為之間關聯關系的儀表盤。Williams-Sonoma選擇的營銷歸因SaaS解決方案由UpStream創建。UpStream開發團隊采用了一個綜合商業背景、營銷、計算機科學、數學、物理和統計的多學科解決方案，來解決復雜的商業問題。

為了應對大數據和數據孤島的挑戰，UpStream的托管服務使用Hadoop作為ETL(提取/轉換/加載)中間件和分布式處理數據倉庫。Hadoop被用于準備來自營銷程序的數據，對客戶行為進行評分。Williams-Sonoma向UpStream提供其內部的營銷數據(包括網站瀏覽、移動網站、客戶服務中心等)。UpStream將把它們與來自Experian等代理商的第三方客戶數據匯聚在一起。

數據聚合能夠讓UpStream完成許多任務。首先，它們能夠通過Hadoop評估綜合數據，并迅速推出大量針對個人消費者的營銷活動，處理每個客戶端每天5000多萬的評分。其次，它們讓Williams-Sonoma在所有相關活動、與零售商店的互動、在線營銷和采購中都能夠擁有一個統一的儀表盤。

數據聚合還讓統計分析成為了可能。UpStream通過用R語言編寫的生存回歸模型(即眾所周知的風險模型或時間至事件模型)創建了一種全新的解決方案。這些模型在衛生保健行業已經被成功的應用，不過其應用環境僅為涵蓋數百名病人的小型數據集。

UpStream改進了這些模型，以為零售商處理特定的營銷，分析出每次針對客戶采購的營銷活動的加權效果。在這種情況下，預算能夠被更為有效地分配。為了讓解決方案的這一部分更具擴展性，UpStream使用了Revolution Analytics公司的商業版R語言。模型能夠根據營銷活動預測指定客戶的購買可能性。

UpStream和Williams-Sonoma正在繼續合作，以針對個人消費者創建定制的、目標明確的營銷活動。其模型設計使得他們能夠確定哪種營銷方式對哪些客戶起作用(例如電子郵件相比傳統郵件的營銷效果)，以及哪些客戶適用于橫幅廣告等在線營銷活動。

盡管Williams-Sonoma并沒有公布詳細結果，不過Namboodiri透露，結果非常令人鼓舞，雖然目前還沒有確切的數據，但是在規模和質量上均有所提升。