如今，營銷人員可以獲得比以往任何時候都多且呈指數(shù)級增長的數(shù)據(jù)。新冠疫情所驅動的數(shù)字化加速締造了一個圍繞消費者、產品和購買行為的海量數(shù)據(jù)庫。

　　據(jù)Statista預計，至2025年全球數(shù)據(jù)創(chuàng)建量--即創(chuàng)建、捕獲、復制和使用的數(shù)據(jù)總量，將增長至180多ZB。

　　挑戰(zhàn)在于如何篩選數(shù)據(jù)并辨別出能夠產生有價值洞察的趨勢和模式。作為一個龐大的數(shù)據(jù)洪流，如果沒有上下文情景和相關性，它對營銷人員則幾乎毫無價值。營銷人員如何轉換信息并使數(shù)據(jù)更有意義和用處呢？

Neo4j亞太區(qū)市場副總裁伍長輝

　　在當今數(shù)據(jù)豐富的世界中，營銷人員可以通過知識圖譜將數(shù)據(jù)轉化為更大的營銷智能。與擁有數(shù)據(jù)行和列的傳統(tǒng)表格數(shù)據(jù)庫截然不同，知識圖譜將數(shù)據(jù)及其之間的關系存儲為連接節(jié)點，然后以顏色和形狀的方式直觀地展示，從而輕松檢測模式和異常情況。

　　例如，在Excel電子表格中，登陸一個客戶數(shù)據(jù)集與他們的購買歷史數(shù)據(jù)集非常容易。但是，嘗試添加額外的上下文情景，例如人口統(tǒng)計信息、購買路徑、購買時間和日期、當?shù)氐臍夂蚰Ｊ骄惋@得既困難又笨重，也無法在一張表格內完成。然而，這種上下文情景對于確認是誰、在何時、購買什么以及怎樣購買至關重要。

　　知識圖譜旨在洞察客戶需求、產品和市場趨勢，減緩持續(xù)增長、高度互連的數(shù)據(jù)集帶來的挑戰(zhàn)。他們擅長關聯(lián)和管理大量買家和產品數(shù)據(jù)以應對復雜的查詢。

　　例如要分析網(wǎng)站活動并跟蹤人們如何在網(wǎng)站上找到不同的頁面：例如通過點擊廣告、搜索引擎、社交媒體或電子郵件鏈接。這將有助于了解當前的營銷活動是否有效，還可深入洞察可能成為客戶的網(wǎng)站訪問者的行為。

　　在知識圖譜中，所有頁面和營銷渠道都作為節(jié)點相互連接。通過向連接（關系）添加上下文情景，便可開始進行復雜的查詢。如果獲得訪問時間的數(shù)據(jù)，則可以分析個別營銷渠道績效的進展和對特定頁面的興趣。通過添加相關訪問者的位置數(shù)據(jù)，可以分析某些渠道是否更適合特定的區(qū)域市場。

　　實時推薦引擎對于在線零售商至關重要，其目的是推送相關產品建議，并邀請購物者將最后一分鐘選定的心儀產品添加到在線購物車中。這能實現(xiàn)雙贏：供應商可以出售高利潤商品、積壓商品及提供促銷活動，而購買者可以發(fā)現(xiàn)有用且相關的商品，從而改善客戶體驗。

　　生成相關推薦需要即時關聯(lián)產品、客戶、庫存、供應商、物流甚至社會情緒指數(shù)等數(shù)據(jù)，并即時捕捉客戶當前訪問顯示的新興趣。實時篩選所有這些數(shù)據(jù)的能力是傳統(tǒng)關系數(shù)據(jù)庫所不具備的。

　　對于知識圖譜來說，匹配歷史數(shù)據(jù)和會話數(shù)據(jù)并不重要。知識圖譜可以使用多種推薦方法并對其進行加權，例如基于相似用戶或產品、用戶歷史和個人資料或業(yè)務策略（促銷、利潤、庫存）做推薦。

　　在后Cookie時代，知識圖譜提供了一種關聯(lián)海量買家和產品數(shù)據(jù)的方法，以生成對產品趨勢和客戶需求的洞察。

　　在這一領域，知識圖譜的速度遠遠超過傳統(tǒng)方法。它們可用于分析網(wǎng)絡流量和點擊流數(shù)據(jù)并建立獨特的客戶檔案。

　　美國媒體集團Meredith Corporation使用圖算法將數(shù)十億的頁面瀏覽量轉換為具有豐富瀏覽配置文件的數(shù)百萬個假名標識符。然后，將3.5億個被視為具有不同興趣和模式特征的個人資料整合為1.63億個更豐富、更準確的個體資料。這能幫助集團更好地了解客戶并開展高效營銷。

　　根據(jù)2020Neo4jPulse調查顯示，近90%的CXO認為知識圖譜將顯著提升企業(yè)利潤。Gartner預測，到2025年，圖技術將用于80%的數(shù)據(jù)和分析創(chuàng)新，遠遠高于今年的10%。最終，知識圖譜將協(xié)助營銷人員實現(xiàn)目標，并增強企業(yè)的競爭優(yōu)勢，實現(xiàn)業(yè)務的全面成功。