中国电子商务市场竞争趋于白热化。流量成本数倍增长，典型广告报价增幅达四倍以上；但高价购买的流量利用效率极低，整站转化率很多都低于1%。
在这种情况下，基于大数据的精细的个性化营销开始成为企业的核心竞争力。而这种核心竞争力需要两个基本层面的支持：第一，海量的数据能够通过有效的算法得出有价值的结果；第二，有价值的结果能够直接地、有针对性地找到消费者。
大数据的海量规模和个体消费者针对性需求之间的巨大鸿沟，被推荐引擎技术、跨网站消费偏好分析平台的“百分点”公司所看到。2009年7月成立的百分点，其业务模式类似于硅谷的RichRelevance、Baynote、Choice
Stream、eXelate、Brilig、Bluekai和欧洲的Strands；但在中国，这方面的服务基本是空白。
首先，百分点解决的是大数据的信息“孤岛”问题。百分点的客户数量达到250家以上，包括220家电商和30家媒体及社交网站，同时还拥有1.5亿独立用户（见“百分点核心数据盘点”）。当它获得了客户、用户以及增值服务商三方的信息资源时，也获得多个终端的消费者偏好数据与营销数据的集中化管理，实现了跨网站、跨渠道、跨终端的信息融合与综合利用。
每一个企业对其用户的了解都是片面的或者单个维度的，比如，卖运动装的网站A、卖休闲装的网站B和卖包的网站C，都了解用户在自己网站的偏好，但却无法了解用户在自己网站外的行为和偏好。如果网站A能够了解它的用户在网站B和C上的兴趣（比如非常喜欢紫色的休闲衣服和包），就可以更加精准地为该用户提供TA可能也会喜欢的运动装。
这不仅增强了网站的转化率，也大幅改善了用户体验。一旦打通消费者在多个领域内（比如购物、资讯、交友、娱乐等）的数据，就可以通过大数据构建消费者全面的兴趣图谱。
其次，在单个电商公司的内部，百分点分析引擎可以帮助企业打通流量和订单数据，充分利用数据资源来优化运营决策。以百分点的产品“分析2.0”为例，它能向企业提供基于流量、通路、访客、内容、商品和订单六种的数据分析，用图形、报表形式向企业管理者展示电子商务的核心数据，如动销、转化率、复购率和销售集中度等。商业智能分析系统打通前后端数据，将传统商业的销售—营销—管理—决策—销售的层级顺序彻底平铺，数据能直接反映销售的实时动态，实时定价、直接进行决策调整。这就从根本上挑战了传统“销售学”和“管理学”的根基。
此外，“分析2.0”建立的漏斗模型能通过分析用户行为轨迹—查看—挑选—放入购物车—购买—不断聚焦消费者的购买偏好，最终应该能够完成一种个性化的转变，在每个用户下一次登陆该电子商城首页的时候，呈现给每一个用户的页面都不一样。
试想一下，如果有一天，用户打开浏览器就看到页面最中间是最近关注的那几只股票、追看的电视剧的最新进度；而两侧的广告位是中意的新款连衣裙、期盼已久的“筷子兄弟”演出门票以及小区门口川菜馆的打折信息。那么，电商的推送广告就会因其信息的有效性而变得不令人生厌，也就会直接带来较高的转化率。
人们也许会担心，精准的个性化营销为电商带来经济效益的同时，会不会侵犯用户的隐私？
基于用户行为的推荐算法的好处在于：不管用户具有什么属性（性别、年龄、婚姻、收入），不管商品具有什么属性（颜色、大小、产地、价格），只要某用户喜欢某种商品，也不管TA
为何喜欢某种商品，TA的用户行为只会暴露其偏好。只是单纯分析一个ID的用户（对于分析平台来说，每个用户只是一个字符串）喜欢买红色的包和耐克的跑步鞋，根据这些信息任何人都无法确定这个用户是谁，只知道该用户的某些偏好，这就不会涉及用户的隐私信息。
在不久的将来，在人们熟知的2C、2B的商业模式之外，会出现面向数据的商业模式—2D模式。它将是一种以数据为惟一输入、以向特定受众公开的数据产品为惟一输出的全新商业模式。
苏萌 北京大学光华管理学院副教授