1、基于客户行为分析的产品推荐
产品推荐的一个重要方面是基于客户交易行为分析的交叉销售。根据客户信息、客户交易历史、客户购买过程的行为轨迹等客户行为数据，以及同一商品其他访问或成交客户的客户行为数据，进行客户行为的相似性分析，为客户推荐产品，包括浏览这一产品的客户还浏览了哪些产品、购买这一产品的客户还购买了哪些产品、预测客户还喜欢哪些产品等。产品推荐是Amazon的发明，它为Amazon等电子商务公司赢得了近1/3的新增商品交易。
产品推荐的另一个重要方面是基于客户社交行为分析的社区营销。通过分析客户在微博、微信、社区里的兴趣、关注、爱好和观点等数据，投其所好，为客户推荐他本人喜欢的、或者是他的圈子流行的、或推荐给他朋友的相关产品。
通过对客户行为数据的分析，产品推荐将更加精准、个性化。传统企业既可以依赖大型电子商务公司和社区网络的产品推荐系统提升销售量，也可以依靠企业内部的客户交易数据、公司自有的电子商务网站等直销渠道、企业社区等进行客户行为数据的采集和分析，实现企业直销渠道的产品推荐。
2、基于客户评价的产品设计
客户评价数据具有非常大的潜在价值，它是企业改进产品设计、产品定价、运营效率、客户服务等方面的一个很好的数据渠道，也是实现产品创新的重要方式之一。客户的评价既有对产品满意度、物流效率、客户服务质量等方面的建设性改进意见，也有客户对产品的外观、功能、性能等方面的体验和期望，有效采集和分析客户评价数据，将有助于企业改进产品、运营和服务，有助于企业建立以客户为中心的产品创新。
3、基于数据分析的广告投放
DSP为广告主提供数据分析服务，包括广告投放试验、时段分析和效果分析。例如，依托数据平台记录每次用户会话中每个页面事件的海量数据，可以在很短的时间内完成一次广告位置、颜色、大小、用词和其他特征的试验。当试验表明广告中的这种特征更改促成了更好的点击行为，这个更改和优化就可以实时实施。再如，根据根据广告被点击和购买的效果数据分析，根据广告点击时段分析等，针对性进行广告投放的策划。
4、基于社区热点的趋势预测和病毒式营销
社区中热点和热门是大数据分析的结果。在社区中热门话题、在搜索引擎中热点分析，通常具有先兆性的特征，能够成为一种流行趋势的预测。比如，苹果的土豪金让土豪色成为一种流行。同时由于社区传播的广泛、快捷性，也能够帮助企业通过病毒式营销获得更多关注，比如小米的病毒式营销的策划。
5、基于数据分析的产品定价
产品定价的合理性需要进行数据试验和分析，主要研究客户对产品定价的敏感度，将客户按照敏感度进行分类，测量不同价格敏感度的客户群对产品价格变化的直接反应和容忍度。通过这些数据试验，为产品定价提供决策参考。
6、基于客户异常行为的客户流失预测
客户数据分析中发现客户的投诉增多，客户评价出现负面情绪，客户购买量明显减少等现象，根据客户行为模型，预测客户流失的可能性，并采取针对性措施。
7、基于环境数据的外部形势分析
从市场竞争者的产品、促销等数据，从外部环境的数据，例如天气（如雾霾）、重大节日（如双十一）、国家大事（十八大）、热门话题（如中国好声音）、社交媒体上人们的情绪（快乐）等中找到对外部形势演变的先导性的预测，帮助企业应对环境变化。
8、基于物联网数据分析的产品生命周期管理
条形码、二维码、RFID等能够唯一标识产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。
企业大数据应用远不止此，理论上看，业务价值链的各个环节都有数据分析的必要性，随着大数据应用的进一步深化，会有越来越多的应用场景，最大程度发挥大数据应用的价值。
| 欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/) | 黑马程序员IT技术论坛 X3.2 |