导读：从传统媒体到微博、微信、音频、视频，再到如今的短视频、音乐短视频，中国的媒体发展进入了快车道。
从营销角度来看，如此多变的环境对企业意味着什么？营销在此过程中发生了怎样的变化？这些变化又对企业提出了哪些要求？营销又会有哪些趋势？以下，Enjoy：上海交通大学安泰经济与管理学院中国CEO创新管理课程教授周颖接受了采访。她提出：
“无论营销环境如何变化，企业营销不变的是永远要‘变’，最终以创新的思维方式助力产品更快地触达消费者。”
01、抖音的火爆源于什么？
任何事物的发展都是逐步演进的。
抖音发展至今，我个人认为首先离不开环境的作用。
抖音赶上了短视频消费升级的浪潮，，%。
碎片化使用、内容的丰富性，促进了短视频总使用时长的暴涨。
其次、从定位方面看，抖音明确将自己定位为“15秒音乐短视频社区”，为一二线城市年轻人打造了一个“智能社交”的社群，这与快手形成明显的差异化。
第三、从产品方面看，BGM（背景音乐）营造的“美好感”，帮助短视频有更强的表现效果。抖音在美颜、滤镜方面做了非常大的投入和优化，这也是抖音受用户欢迎的关键要素。
第四、从技术方面看，抖音的个性化推荐，能够快速帮助用户找到自己喜爱的内容，打造出极强的用户黏性。抖音把人脸识别、肢体识别和3D渲染这些基于深度学习和图像识别的AI技术，应用到了全景贴纸、尬舞机、AR贴纸、3D染发等创意中。
第五、从产品功能看，95后、00后这个群体希望有一个自由表达的平台，抖音正好满足年轻群体爱玩、好奇、追求潮流、渴望表达自我的心理需求，通过酷炫的滤镜 音乐，强化了内容优势和竞争壁垒。
抖音的火爆还带动了MCN（Multi-Channel Network）机构的崛起，它以专业的方式对内容进行生产、集合、发送，保证内容持续、高品质输出，由此慢慢形成了一个集内容生产、内容运营、粉丝互动为一体的生态圈。
，月活达到了3亿，还呈持续上升态势。一些知名企业，如宝洁、腾讯、小米，以及特警、公安机关等政府部门，也成了它的用户，这又促进了专业内容的生产。02、在新媒体营销方面，企业应该具备怎样的思维？
媒体的变化，最直接带来的就是营销内容和营销形式的变化。企业怎样才能应对一系列变化所带来的营销挑战？
我认为需要具备“六个思维”。
传统企业追求的是20%的客户带来80%的销售，它抓的是大客户，但现在截然相反，互联网因为流量优势，更讲求抓长尾，所以企业必须要从用户的角度思考如何抓住这些流量。
以广告投放为例，以前一般是做个年度计划，然后按计划投放。但现在不同，广告投放必须要考虑如何和你的目标客户建立联系，最好能和目标客户更好地互动。
颠覆性创新不是所有的企业或所有的产品都能做到，很多时候，产品只能通过持续的小而快的迭代，来保持自身在市场上的热度。
很多企业都有CRM系统，但会员是沉睡的。怎样激活这部分人，把他们培养成忠诚的粉丝，让他们帮助企业进行口碑宣传，这些将成为企业战胜竞争对手的关键。
我们称现在为大数据时代，这一时期与传统时代最大的不同在于，很多决策可以通过数据进行分析。
譬如广告投放，就可以有目的地圈定目标人群进行精准投放。
前不久，招商银行花费50万元在微信朋友圈投放了三天广告，大获成功，原因在于他们将投放目标精准地锁定在“北上广深”有留学生信用卡的这类群体。
挑战与机遇常伴，机遇则与诱惑同行。在不断变化的环境中，企业需要聚焦，而要实现聚焦，就必须敢于做减法。
做加法是能力，而做减法则是境界。
在给上海交通大学安泰经济与管理学院的中国CEO创新课程学员上课时，我也看到不少传统企业在新媒体环境下对营销不知所措。
有一个学员企业是做传统消费品的，十几年来，靠加盟和直营做得非常不错。但是2015年开始，销售下滑，2016年更厉害。
2017年，创始人坐不住了，决定来读书。
好在他是一个非常有魄力的人，在同学们的建议下，他决定突破多年形成的思维定势，去尝试社交营销，没想到一波营销策划结束后，持续下滑的业绩有了大反转。03、当今，企业营销涉及的要素哪些变了，哪些没变？
如今媒体形式变了，媒体呈现的内容也变了，企业营销涉及的很多要素都发生了改变。
以前的代际划分大致以十年为单位，也就是我们平常所说的70后、80后、90后，比较笼统；
现在则不一样，只能以五年为单位进行划分，所以出现了95后、00后、05后，因为95后说看不懂00后，00后则说和05后无法交流等等。
每一个群体，他们追求的东西完全不同，譬如90后更加追求新奇特。
所以我们看到奥利奥公司从去年的音乐盒饼干到今年的DJ台饼干，通过新的互动和定制设计，在天猫超级品牌日上打造成爆款，新的消费群体购买产品不仅要产品好，更要好玩和有趣，企业需要不断创新。
以前产品销售是典型的B2C模式，往往容易造成大量的库存。现在转为C2B，像奥利奥DJ台从下单一直到用户手中，5天内即可完成，且不会产生库存。
在过往相当长的时间里，媒体形式主要就是报纸、杂志、电视、电台，但随着互联网技术的发展，新媒体不断出现，从微博、微信，一直到现在非常流行的短视频、直播、音频以及社交媒体等。
虽然现在很多企业仍然以传统营销方式为主，但新媒体带来的巨大流量让很多企业选择减少传统媒体投放，不断增加新媒体尝试。
在这个多变的时代，有没有不变的东西？我认为可以从两个角度来看。
我觉得无论经济环境怎么变，“产品永远要符合消费者的需求”这一理念不会变。
对任何企业而言，永远不变的就是永远要“变”，换句话说，就是企业要想持续发展，创新求变的思维方式不能变。
以交大安泰为例，我深知作为教师，我们始终要围绕“传道、授业、解惑”这个宗旨，这些永远不会变。
但商学院又是为社会、为企业培养人才的地方，随着企业以及社会经济环境的变化，我们的课程也必须不断寻求突破。
前不久，学院的中国CEO创新管理课程就围绕“一条主线、两个根本、三个创新”，对原有课程体系进行了六大板块的大胆“改革”，希望能够帮助学员持续升维，在多变的环境中“以不变应万变”。04、企业运用新媒体营销时应该避免陷入哪些误区？
的确，在新媒体营销环境中，很多企业对新媒体营销比较困惑——我们的企业能不能运用这种形式来营销？
我认为，不是所有的企业都适合各种形式的新媒体营销。比如说抖音，就更适合一些快消品牌，或者与普通民众距离更近的产品。
从企业发展阶段来看，两头的企业，也就是小微企业和品牌成熟、知名度高的企业，更适合采用新媒体进行营销，因为前者试错成本低，后者则有品牌背书。
新媒体与传统媒体最大的不同在于，有了技术的加持，可以更好地评估营销的效果。
企业在运用新媒体进行营销时，首先要理智，不能盲目跟进，一定要关注媒体的目标人群是否与企业的目标人群一致或者有相关性。
必须要对效果进行评估，根据结果实时调整营销策略。最后一定要关注营销内容的价值观是否积极，以及平台本身有无政策风险。
05、您认为，未来营销会有怎样的趋势？
在过去的十年里，营销行业经历了翻天覆地的变化，仍然没有看到终点。
我们可以略微回顾一下营销行业的发展史：从产品为王，到渠道为王，再到现在的体验为王，企业经历了从注重产品质量到关注消费者体验、与他们互动的转变。
而在媒体形态方面，则是一段传统报纸、广播、杂志和电视向网络、视频，再向短视频、直播、自媒体发展的历程。
地段为王、流量为王，再到现在的粉丝为王，企业的营销方式经历了从大规模营销到细分营销，再到现在由大数据带来的精准营销的变革。
如何看待未来的营销趋势？
我个人认为，AI的发展给营销带了更多颠覆性的改变。无人零售、机器人客服、电商的大数据精准推荐，都是AI在营销领域的尝试。
前不久，上海建设银行在大堂里推出了机器人服务，他不仅能回答你的问题，还能带你到指定的地方办理业务，这是AI在服务领域的探索和尝试。
再比如说阿里的无人零售，它的人脸识别和生物识别既是一次重大的技术突破，未来这些技术也可以更好地运用到营销上。
精准营销的未来方向
数据精准营销的七个关键要素
说到大数据精准营销，不得不先提个性化的用户画像，我们针对每一类数据实体，进一步分解可落地的数据维度，刻画TA的每一个特征，在聚集起来形成人群画像。01用户画像
用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：
用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座
用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好
用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分
用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次
用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。
：用已知预测未知
首先得掌握繁杂的数据源。包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。这个是累积数据库；这里面最基础的就是如何收集网站／APP用户行为数据。比如当你登陆某网站，其Cookie就一直驻留在浏览器中，当用户触及的动作，点击的位置，按钮，点赞，评论，粉丝，还有访问的路径，可以识别并记录他／她的所有浏览行为，然后持续分析浏览过的关键词和页面，分析出他的短期需求和长期兴趣。还可以通过分析朋友圈，获得非常清晰获得对方的工作，爱好，教育等方面，这比个人填写的表单，还要更全面和真实。
我们用已知的数据寻找线索，不断挖掘素材，不但可以巩固老会员，也可以分析出未知的顾客与需求，进一步开发市场。
：分门别类贴标签
描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计。数据描述：用来对数据进行基本情况的刻画，包括数据总数，范围，数据来源。指标统计：把分布，对比，预测指标进行建模。这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值。
在分析阶段，数据会转换为影响指数，进而可以做"一对一"的精准营销。举个例子，一个80后客户喜欢在生鲜网站上早上10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理，经过搜集与转换，就会产生一些标签，包括"80后""生鲜""做饭""日本料理"等等，贴在消费者身上。
：优化再调整
有了用户画像之后，便能清楚了解需求，在实际操作上，能深度经营顾客关系，甚至找到扩散口碑的机会。例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；针对不同产品发送推荐信息，同时也不断通过满意度调查，跟踪码确认等方式，掌握顾客各方面的行为与偏好。
除了顾客分群之外，营销人员也在不同时间阶段观察成长率和成功率，前后期对照，确认整体经营策略与方向是否正确；若效果不佳，又该用什么策略应对。反复试错并调整模型，做到循环优化。
这个阶段的目的是提炼价值，再根据客户需求精准营销，最后追踪客户反馈的信息，完成闭环优化。
我们从数据整合导入开始，聚合数据，在进行数据的分析挖掘。数据分析和挖掘还是有一些区别。数据分析重点是观察数据，单纯的统计，看KPI的升降原因。而数据挖掘从细微和模型角度去研究数据，从学习集、训练集发现知识规则，除了一些比较商业化的软件SAS，WEKA功能强大的数据分析挖掘软件，这边还是更推荐使用R，Python，因为SAS，SPSS本身比较昂贵，也很难做页面和服务级别的API，而Python和R有丰富的库，可以类似WEKA的模块，无缝交互其他API和程序，这里还需要熟悉数据库，Hadoop等。
02数据细分受众
“颠覆营销”书中提到一个例子，可以引述一下，大家思考一个问题：如果你打算搜集200份有效问卷，依照以往的经验，你需要发多少份问卷，才能达到这个目标？预计用多少预算和时间来执行？
以往的方法是这样的：评估网络问卷大约是5%的回收率，想要保证收到200份的问卷，就必须有20倍的发送量，也就是发出4000份问卷，一个月内如果可以回收，就是不错的表现。
但现在不一样了，在执行大数据分析的3小时内，就可以轻松完成以下的目标：
精准挑选出1%的VIP顾客
发送390份问卷，全部回收
问卷寄出3小时内回收35%的问卷
5天内就回收了超过目标数86%的问卷数
所需时间和预算都在以往的10%以下
这是怎么做到在问卷发送后的3个小时就回收35%？那是因为数据做到了发送时间的"一对一定制化"，利用数据得出，A先生最可能在什么时间打开邮件就在那个时间点发送问卷。
举例来说，有的人在上班路上会打开邮件，但如果是开车族，并没有时间填写答案，而搭乘公共交通工具的人，上班路上的时间会玩手机，填写答案的概率就高，这些都是数据细分受众的好处。
03预 测
“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。
当我们采集和分析用户画像时，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户，这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。
我们再说一说营销时代的变迁，传统的企业大多还停留在“”时代，以产品为中心，满足传统的消费者需求，而进入“”，以社会价值与品牌为使命，也不能完全精准对接个性化需求。，我们要对每个消费者进行个性化匹配，一对一营销，甚至精确算清楚成交转化率，提高投资回报比。大数据下的营销颠覆经典的营销4P理论，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大数据时代，线下地理的竞争边界早就不存在，比的是早一步的先知能力，利用大数据，从顾客真实交易数据中，预测下一次的购买时间。 “预测”。
预测营销能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。以上图为例，你可以将营销活动的目标受众锁定为20万潜在客户或现有客户，其中包括特定产品的大多数买家（4万人）。你还可以拨出部分预算用于吸引更小的客户群（比如20% 的客户），而不是整个客户群，进而优化你的支出。
过去我们看数据可能是被动的方式，但预测营销强调是决策价值，比如购买时间，你该看的不是她最后的购买日期，而是下次购买的时间，看未来的存活概率，最后生成客户终身价值（CLV）。预测营销催生了一种新的数据驱动营销方式，就是以客户为中心，核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。
04精准推荐
大数据最大的价值不是事后分析，而是预测和推荐，我就拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据 编辑人工推荐的模式，Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。
数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。
05技术工具
关于预测营销的技术能力，有几种选择方案：
1、使用预测分析工作平台，然后以某种方法将模型输入活动管理工具；
2、以分析为动力的预测性活动外包给市场服务提供商；
3、评估并购买一个预测营销的解决方案，比如预测性营销云和多渠道的活动管理工具。
但无论哪条路，都要确定三项基本能力：
1）连接不同来源的客户数据，包括线上，线下，为预测分析准备好数据 ；
2）分析客户数据，使用系统和定制预测模型，做高级分析 ；
3）在正确时间，正确客户，正确的场景出发正确行为，可能做交叉销售，跨不同营销系统。
06预测模型
预测客户购买可能性的行业标准是RFM模型（最近一次消费R，消费频率F，消费金额M），但模型应用有限，本质是一个试探性方案，没有统计和预测依据。“过去的成绩不能保证未来的表现”，RFM只关注过去，不去将客户当前行为和其他客户当前行为做对比。这样就无法在购买产品之前识别高价值客户。
我们聚焦的预测模型，就是为了在最短时间内对客户价值产生最大影响。这里列举一些其他模型参考：
参与倾向模型，预测客户参与一个品牌的可能性，参与定义可以多元，比如参加一个活动，打开电子邮件，点击，访问某页面。可以通过模型来确定EDM的发送频率。并对趋势做预测，是增加还是减少活动。
钱包模型，就是为每个客户预测最大可能的支出，定义为单个客户购买产品的最大年度支出。然后看增长模型，如果当前的总目标市场比较小，但未来可能很大，就需要去发现这些市场。
价格优化模型，就是能够去最大限度提升销售，销量或利润的架构，通过价格优化模型为每个客户来定价，这里需要对你想要的产品开发不同的模型，或者开发通用，可预测的客户价格敏感度的模型，确定哪一块报价时对客户有最大的影响。
关键字推荐模型，关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度，预测客户对什么热点，爆款感兴趣，营销者使用这种预测结果为特定客户决定内容营销主题。
预测聚集模型，预测聚集模型就是预测客户会归为哪一类。
07AI在营销领域的应用
去年人工智能特别火，特别是深度学习在机器视觉，语言识别，游戏AI上的突飞猛进，以至于人们开始恐慌人工智能是不是已经可以接管人类工作，我个人是对新技术有着强烈的兴趣，也非常看好新科技，数据与现实的关联。
我以前在国外零售店买单的时候经常被询问“你有没有购物卡”，当我说没有收银员会赶紧劝我免费开通，有打折优惠，只需要填个手机号和邮箱，后面就可以针对我的购买记录做营销活动，而当我下次进来，他们就让我报出电话号码做消费者识别，当时我想如果做到人脸识别，岂不是更方便，刷脸就可以买单。而这个场景在去年也有了实验，蚂蚁金服研发出了一个生物识别机器人，叫蚂可Mark，据说其认脸能力已经超越了人类肉眼的能力。还有VR购物，Amazon推出的无收银员商店Amazon Go，通过手势识别，物联网和后续数据挖掘等技术实现购物体验。
针对营销领域，主要有以下三种预测营销技术：
1、无监督的学习技术
无监督学习技术能识别数据中的隐藏模式，也无须明确预测一种结果。比如在一群客户中发现兴趣小组，也许是滑雪，也许是长跑，一般是放在聚类算法，揭示数据集合中 真实的潜在客户。所谓聚类，就是自动发现重要的客户属性，并据此做分类。
2、 有监督的学习技术
通过案例训练机器，学习并识别数据，得到目标结果，这个一般是给定输入数据情况下预测，比如预测客户生命周期价值，客户与品牌互动的可能性，未来购买的可能性。
3、强化学习技术
这种是利用数据中的潜质模式，精准预测最佳的选择结果，比如对某用户做促销应该提供哪些产品。这个跟监督学习不同，强化学习算法无须仅需输入和输出训练，学习过程通过试错完成。
从技术角度看，推荐模型应用了协同过滤，贝叶斯网络等算法模型。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。
按团队的话来说，叫做“学会学习”的能力，或者叫做能解决类似相关问题的归纳能力。除了强化学习，还在迁移学习。迁移学习就是把一个通用模型迁移到一个小数据上，使它个性化，在新的领域也能产生效果，类似于人的举一反三、触类旁通。
强化学习加上迁移学习，能够把小数据也用起来，我认为是很激动人心的，通过AI来创造AI，数据科学家的部分工作也可以让机器来实现了。
精准营销的未来趋势
一、互联网广告行业概述
广告是指由商品经营者或服务提供者承担费用，通过一定媒介直接或间接地介绍自己所推销商品或提供服务的形式，是互联网产品中最易变现的方式之一，大到BAT以及四大门户网站，小到个人站长、淘宝客之流，都需要依赖广告获得收入。
互联网广告的价值就在于以最低的成本、最高的效率、最大的范围去最精确的捕捉那些广告主想要真正去接触到的受众。伴随着互联网的诞生、大数据的出现，大众在传统媒体花费时间逐渐转移到新型互联网媒体，并已经发展到由PC互联网转移到移动互联网，互联网广告已经变得可追踪、效率化。
互联网广告行业的计费模式主要包括展示计费（CPM）、点击计费（CPC）、按时计费（CPT）、效果计费（CPA）和销量计费（CPS）等多种方式。
互联网广告行业的计费模式
资料来源：华经产业研究院整理
不同的广告形式往往采用不同的计费模式，各类形式互联网广告的份额变动也会反映在计费方式的市场份额之中。由于搜索类广告的快速增长，其采用的CPC（按点击计费）计费方式的市场份额也逐年扩大，而品牌图形广告近年来呈现下降趋势，其主要采用的CPT（按时间计费）计费方式份额则逐渐萎缩。垂直搜索类广告和展示类广告的发展分别带动了CPM（每千人成本）以及CPA（按效果计费）等计费方式的增长。
互联网广告行业产业链按参与主体可分为广告主、互联网广告营销服务商、媒体渠道和互联网用户，其中广告主是互联网广告行业发展的源动力，互联网广告营销服务商是市场的核心驱动，媒体渠道是互联网广告的载体和受众接触点，互联网用户是互联网广告营销的最终受众。
互联网广告营销服务商是连接广告主和媒体渠道的桥梁和纽带，一方面，它通过与广告主建立广告代理关系，帮助广告主进行市场调查和预测，确定广告目标，依据计划进行广告策划和创意，并完成广告作品的设计与制作；另一方面，它整合多元化的广告购买渠道和方式，通过统一的平台进行广告投放和管理，并优化配置多渠道的媒体资源。广告主的广告投放需求通过互联网广告营销服务商的平台，能够精准地识别目标受众，并在合适的时间向目标受众浏览的媒体投放，最终实现广告精准投放的目标。
资料来源：华经产业研究院整理
二、互联网行业发展规模分析
美国作为互联网广告的发源地，是互联网广告发展最早的国家，目前已成为全球最大的互联网广告市场。从美国的广告媒体分类来看，互联网广告是增长最为强劲的广告媒体，其市场规模一直处于增长态势，并逐步超过了美国的传统广告媒体。经过多年来的发展，美国互联网广告市场已经处于成熟期，其市场规模虽然不断的增长，但增长速度逐渐趋于平缓。
我国互联网的应用深入社会、经济生活的方方面面，并且覆盖了主流消费人群。截止2018年6月，，2018上半年新增网民数量为2968万人，%，%。互联网已逐渐渗入到企业管理和个人工作生活中，互联网广告的市场需求也将随之不断扩大，互联网用户数量巨大且持续增长，互联网市场具有巨大的广告价值。
资料来源：公开资料整理
随着互联网生态环境的逐渐完善、互联网广告的精准化程度提高以及媒体质量较高等优势的逐渐凸显，广告主对互联网广告的认可程度逐渐增强，互联网广告行业迅速崛起。2017年，，%。
资料来源：公开资料整理
互联网广告主要包括展示类广告、搜索引擎广告、文字链广告、分类广告和其他形式广告等，其中展示类广告和搜索引擎广告是最重要的两种广告形式，这两种广告形式的市场份额合计占比近90%。展示类广告指通过图形、视频等直接展示型的广告，主要有品牌图形广告、富媒体广告和视频贴片广告等形式；搜索类广告包括搜索关键字广告和垂直搜索广告，搜索关键字广告是指互联网用户通过搜索引擎基于关键字匹配的广告，垂直搜索广告是指互联网用户使用垂直领域专门的搜索引擎进行搜索后展现的广告，例如淘宝、京东、去哪儿等。
2017年，%，成为第一大互联网广告形式，%，%，下降趋势明显。随着移动互联网的快速发展，围绕移动互联网和新兴社会化媒体展开的各类型广告有望快速发展，市场占比将快速提升。
资料来源：公开资料整理
三、我国互联网行业发展趋势
1、互联网广告营销技术的重要性不断提升，营销效率得到提高
技术一直是互联网广告营销领域内的核心竞争要素之一。互联网广告行业发展至今，在技术上有了很大进步，特别是效果监测和精准营销技术的应用很大程度上解决了传统营销中受众不清、效果不明的问题，营销效率比传统方式有很大提高。随着信息技术的进一步发展，大规模分布式计算、海量数据挖掘等基础技术逐渐成熟并得到应用，互联网广告营销将能更深入的洞察消费者需求，制定高效的营销方案，有针对性地满足广告主的营销需求。
互联网广告营销服务提供商为广告主经营发展提供了一个高效平台，并且借助精准营销技术使所有有效信息都可以迅速的汇集和送达，有效地将买卖双方的信息交换时间缩短，突破地域限制，简捷快速的为广告主和受众提供优质服务。互联网广告营销服务提供商通过压缩营销流程降低了营销成本，加快了营销速度，营销效率大幅提升。
2、行业集中度将进一步提升
与传统营销领域内的市场竞争格局不同，互联网广告行业的政策管制相对宽松，互联网广告营销领域内的市场竞争较为充分，市场准入门槛相对较低，同时由于互联网广告营销领域内营销服务商的类型和数量巨大，大大小小的营销服务商可生存的空间相对宽泛，导致互联网广告行业的从业企业数量相对较多，行业集中度相对较低。
从行业发展实践来看，互联网精准营销是互联网广告行业未来的发展趋势。精准营销过程中对消费者精准定位、海量数据挖掘技术及消费者数据洞察能力的要求将促进全行业的优胜劣汰；互联网媒体对互联网广告营销服务商提供优惠的采购价格并根据采购额度确定优惠返点比例，大型互联网广告营销服务商具有采购额的规模优势，采购成本较低；随着互联网广告市场快速增长，诸多上市公司凭借其资金实力和资本市场融资平台，通过兼并收购互联网广告营销企业快速进入互联网广告行业。互联网广告行业的集中度将随行业发展的日渐深入而不断提高。
3、程序化购买进程加速，DSP市场实现智能化升级
程序化购买是指广告主结合DSP平台实时采集数据并使用特殊算法衡量多项因素后给出的可视化结果，筛选出与广告客体匹配度最高的具体受众和性价比较高的媒体渠道，自助下单执行广告投放的全部流程。
我国程序化购买发展迅速，产业链的各方，从广告主、广告代理商、DSP平台、广告交易平台到媒体都对程序化购买有了更深入的实践，并从各自角度推动互联网广告程序化购买的发展进程。一方面，越来越多的广告主主动尝试通过程序化购买的方式在提高品牌知名度、维持市场曝光率、网站引流、提高注册量、新产品发布等方面实现实质性突破，特别是汽车、食品饮料和个人护理产品等行业的广告主在程序化购买领域投入较多；另一方面，DSP提供商也在加速提升自身技术水平以实现媒体资源对接和受众定向能力的升级，快速积累丰富的程序化广告撮合交易经验。互联网广告行业正在经历智能化升级过程，未来将以更加高效便捷的方式为产业链各方参与主体提供优质服务。
