網絡流量發展到“不患寡而患不精準”的成熟階段，阿里巴巴使用消費者動態標籤，隨著真實交易行為即時變動，幫助電商有效集客。
2013年，淘寶網締造了舉世聞名的紀錄，單日創下350億人民幣的電商奇蹟，讓許多創業者一頭栽進了網絡零售的世界，低成本開店的無痛門檻，人人都夢想著成為淘寶奇蹟的一份子。那時生意很好做，網商不多，投放1000元的廣告預算就很有效。
但到了2015年，電商世界重新洗牌，淘寶店家愈來愈多， 分到的流量愈來愈少，無法集客，連帶廣告效益ROI（投資報酬率）逐漸降低，即便是突破1都相當困難。連阿里巴巴都在問，這是怎麼了？
這是網絡賣家的集體焦慮，更是中國最大電商阿里巴巴的痛點。阿里巴巴握有全中國80%以上的線上交易流量，流量數已屆頂峰，向上提升的成長空間有限，同時網絡賣家成長速度愈來愈快，瓜分著有限的流量。對阿里巴巴來說，這是個警訊，代表著“賣流量”這項生意開始出現危機。
以淘寶網來說，開始產生僧多粥少、流量不均狀況。短短一年的鉅變，網絡賣家的感受更是深刻，一樣是花同樣的營銷預算買流量，成效卻遠不及一年前成效的一半。其中，出現兩個問題，第一是流量成長有限，第二是導流的對象不夠精準。
於是，大數據營銷有了施力點。網絡流量不足不是問題，不精準才是大問題，流量不是“患寡而患不均”，而是“患不精準”，解決流量不精準的問題，才能有效提高廣告營收。
電商成功獲利的關鍵在集客，網絡廣告仍是集客最有效的方法，投放廣告有四個考慮要件：選人、選廣告、選預算、選產品。個別來說，品牌主首先要考慮的是，我要接觸哪個對象，第二是選擇商品，第三是我願意花多少預算來接觸這些人， 第四我要用什麼樣的廣告創意來接觸他們。
面對龐大陌生的消費者，沒有邏輯與策略地投放廣告，就像一場單憑運氣的賭注。因此，選對人是有效投放廣告的關鍵。
那麼，我們該如何選對人說話？以淘寶商家為例，在廣告投放上，除了選擇版位外，也能選擇標籤人群名單投放，但深入去了解後，發現一般標籤名單是傳統人口統計分類：男性、女性、年齡、居住地、職業、消費偏好等特徵。還記得前面提到的人口統計營銷和大數據營銷的差異嗎？這些硬邦邦的人口標籤，背後代表的意義其實是一批不變動的固定死名單，這些名單在大量曝光、打造品牌知名度，或是其他特別需求時適合使用，但是精準戰中，就顯得過於龐大失準。
說穿了，廣告營銷無效，是因為資料庫的名單失效。想像一下，某位顧客是公務員，喜歡團購美食，之後離職換工作到美妝產業，轉而開始熱中於購買各類新奇美妝小物，但卻因為起初的職業設定，讓彩妝銷售員誤判“這不是我的廣告投放目標”而錯失機會；人天天在變，店鋪的營運狀況也天天在改變，傳統標籤的定義方式顯然跟不上“快營銷”的電商腳步。
而這些人口標籤更因為店家的不同需求，急速擴充到近1000種，使得營銷人員難以駕馭，只能憑經驗推測，這次廣告應該使用哪幾個標籤名單投放廣告；龐大的名單數量，也使得營銷人不得不花大筆預算投放，廣告效果一翻兩瞪眼。不是大好就是大壞，全憑運氣。
看到苦於失準的廣告投放名單而失血的淘寶商家，我們認為，應鎖定三個目標聚焦，分別是：精準、動態、簡化，藉由數據演算的動力，活化名單。
小而準數據鍊金術：算出自己的顧客DNA
在過去，淘寶商家要針對新進產品——鋼鐵人的T恤投放廣告，就只能以操作經驗來判斷，從一般標籤中選擇，男性、20至30歲、購物偏好英雄動漫、曾買過T恤這幾項標籤，鎖定這些標籤所產生的名單投放廣告，藉此找到鋼鐵人T恤的愛好者。
但僅僅這些標籤名單加總起來，人數可能就高達數百萬人，因為阿里巴巴資料庫有上億筆會員，店家若要全部投放，所需耗費的廣告成本將非常高昂，對小店家來說，可能根本無力負擔。而就算店家真的砸重金投放廣告，廣告效益如何呢？這些人購買鋼鐵人T恤的機率有多高呢？答案是：不確定、也不知道。
其實，找不到答案的最大的盲點在於，忽略了最珍貴、有效的數據就在身邊，也就是自家曾經交易的會員數據資料。雖然不若阿里巴巴的總體會員是大數據，但卻能精準勾勒出會購買你家商品的會員樣貌。廣告要命中，優勢不在於接觸的人很多，而是在於接觸到廣告的人都會買。
另外，我們再將“時間”這個變動要素加入演算，便能清楚瞭解你的會員中，哪些人第一次消費（新會員）、哪些人固定時間會回來消費（主力會員）、哪些人消費後，很久沒有再回來購物（流失會員）；有了這些數據，營銷上便能有憑有據的靈活運用，對主力會員投放活動訊息，持續提高貢獻；對流失會員祭出迴流方案廣告，提醒這群人別忘了回來購物。
而對於潛在顧客的招募，透過分析自家“新會員”、“主力會員”的數據DNA，再到阿里巴巴大數據庫“淘金”，挖掘出擁有相似DNA的潛在顧客投放廣告，更能運用“標籤智庫”選擇DNA序列相似的程度來進行不同策略的廣告投放；如選擇DNA相似程度僅放大5倍的淘寶會員，就像是近親種子名單，消費行為非常相似，投遞廣告最精準；反之，若選擇DNA相似程度放大30倍，就如同遠親，人群較多但消費行為相對較有差異，因此投遞廣告精準度稍微下降，但好處是曝光量較高。
阿里巴巴的數據，與電商店鋪數據建立互補關係，前者提供整體市場樣貌，後者精準掌握個別商家潛在顧客輪廓，讓我們告別“猜”的不確定性，而名單精準收斂，更使投入的廣告成本大幅降低，投資報酬率自然攀升。
實際使用精準標籤（標籤智庫）以投放廣告的淘寶商家，平均ROI比對原本用經驗挑選的標籤成效提升三至五倍，這就是精準數據營銷的強大力量，用自己的數據，算自己的生意。
消費者動態標籤：顧客變我們就變
一共兩億人次的淘寶會員天天在變，只靠一兩個營銷人員，絕對趕不上市場變化的速度，因此我們創造了“活的”標籤，快速反應顧客需求。
什麼是活的標籤呢？
第一，所產出的種子名單，設定投放廣告期間，將不斷自動更新。昨天A會員還是潛在顧客，會收到吸引新客上門的廣告，今天他上門購物，消費者動態標籤就直接將他排除在“吸引新客”的廣告名單之外，並轉到“吸引二次購”的廣告名單內，這樣一來，不但廣告費用能免於浪費，會員收到的廣告也是相對有用的資訊。
第二，一旦A會員購買了B商家產品後，他的消費數據DNA也同步開始被自動分析，B商家的顧客輪廓將多一個樣本值。可以想見，當愈多人購買你的商品，你將愈來愈瞭解什麼樣的人容易成為你的顧客，而且這次是紮紮實實地用數據計算出來的活標籤，不只是經驗談。
最後，依據這些“活”的動態數據，就可以計算出7天后最有機會購買B商家產品的名單並投放廣告，為營銷人找到最可能花錢購買的顧客。
DNA演算法精準接觸高貢獻潛在顧客：動態“標籤智庫”以店鋪觀點出發，透過消費者DNA演算法，算出各店鋪的消費者圖像，並可依等比例放大範圍。比如現有5000名曾經購買某產品的種子顧客，以他們為基準演算出DNA標籤，根據DNA標籤放大倍率5倍，這2萬5000名就是極有可能購買該產品的潛在顧客。店鋪可依廣告投放預算決定倍數，但準確率與放大倍數成反比。
數據愈大，愈要簡單：上千標籤簡化成19個
阿里巴巴每天產生的龐大數據量，一方面是龐大的數據金庫，產出許多有價值的資料，但高達1000組的人群標籤，也同時讓營銷人看花了眼，與其花費大把時間一一選擇標籤，營銷結果還不一定準確，不如把時間還給策略思考和創意發想，所以數據愈大，營銷人更需要用統計和科技簡化決策流程。
多達1000個的人口特徵標籤，透過3個演算模型NES、LRFM （Length，顧客開始購買你家產品至今的時間長度。Recency，顧客最近一次來購物的時間。Frequency，顧客購物頻繁程度，Monetary，顧客平均購物金額）及顧客下一次交易時間（Next Purchasing Time, NPT）。
將上千個標籤改為簡單清楚的6組動態及19種標籤，6組動態包括“顧客動態”、“入店資歷”、“購物情境”、“購物頻率”、“購物金額”、“購物機率預測”。
運用這19個動態標籤，就能做到精準廣告投放應用，標籤名單每24小時自動學習優化，讓廣告投放自己找到最適合的人。這19個標籤並非是窮盡的概念，而是透過數據分析，讓高達千組的人口標籤簡化至19個，降維到營銷人可以有效處理的範疇，具體成效在於足以提升廣告精準度，商家還可以搭配原本的一般標籤做靈活變化。
營銷操作變得簡單上手，因為複雜的數據，已經透過背後統計，幫營銷人運算完畢。未來電商店鋪的無人化經營不再是理想，而是一定會發生的事。
找到顧客的19個動態標籤：改變以人口統計營銷（Profile Marketing）為分析的數百種標籤，聚焦在LRFM顧客區隔＋NES顧客狀態＋NPT下次購買時間等三大顧客分類法，共得出19個消費者動態標籤，精準掌握你的顧客。