【WAW演讲稿】高鹏——营销变简单，增长变自然，数据驱动营销价值

大家好，我是Convertlab高鹏。

刚才宋星老师已经讲了很多。我想今天借这个难得的机会，分享一下我们有关营销云的一些个人观点。

首先先提几句，刚才宋星老师讲到网站分析，其实网站分析跟营销云之间是有渊源的。这个行业里有几个标杆，Adobe基本是第一。如果我们去看一下Adobe 的历史的话，你会发现Adobe不管是在Vision的程度，或者今天解决方案的深度，这两个角度它都是排名第一。但是Adobe这家公司，大家知道基本上是做创意工具出身的，Photoshop。回过头来讲，Adobe冲到Digitial Market里的第一件事情是在2012年，这是Adobe试水DigitialMarket的起步。

如果说我们看（Marketing Cloud），或者说（Adtech）就是广告主之间有什么差别，有什么定位上的差别或者是实战的差别。

Convertlab成立于2015年7月份，一直深耕营销云这个领域。 那时候的微信用户体量已经很大，第三方支付已经到后期。我们判断，传统企业对数据运营的需求应该已经显现。当时数据运营在美国很热，有3000多家的厂商活跃在这个市场，但国内几乎没有任何企业在这个领域有更进一步的动作。在过去三年里我们见了至少2000家客户，今天我要聊的观点，一部分基于观察北美，更多的来自于这三年的实践。

技术上来讲，营销本质上的问题，是一个大规模销售的问题。生产力低下的时候，是没有营销的普遍需求的。直到流水线的出现，企业的生产能力已经超过了销售能力的时候，营销作为一个管理概念才被提了出来。

营销技术概念也很宽泛，铁路系统促进了百货业态的出现，开放货架以及相配套的体系导致超市的出现，这些都是促成当年“新零售”的技术。和这些“站内”运营体系相对应的则是“站外”的媒体和传播。现代意义上的报纸从17世纪开始萌芽，立即成为广告的载体。收音机的出现，大面积捕获受众的电视网络，今天铺天盖地的移动互联网和数字化媒体，传播其实是第一个面对数字化冲击，并且完成数字化转型的行业。

营销基本上就是两个基本面，第一个是传播，大规模的影响用户。大规模的覆盖价值很大，能做到这点的，要么是关注度极高的媒体，要么是非常走心的内容，而这两种资源都非常稀缺，所以昂贵。传播带来的是曝光的机会，如何借助这个机会转变人的决定和行为，取决于第二个基本面“运营”。

MarTech所涉及到的，也就是传播和运营。传播绝大部分在第三方平台完成，但是运营涉及到企业第一方的策略、能力和体系。

如何缓解对数据的未知引发的焦虑

• 第三方数据or第一方数据，如何抉择

从如今消费者的数字化程度来看，相信不需要太久，中国乃至全球，最终消费者会完全数字化。比如微信现在全球用户总数超过10亿，是一个很庞大数字。但直到现在依然很多企业还习惯传统的方式来解决市场问题，渠道、经销商、活动等各方面的数据都通过表格汇总呈现，从未有任何消费者数据的积累。所以市政公司，医药公司在这方面部分都有巨大的投入。这方面连锁销售零售行业稍有得天独厚的优势，至少有pos机交易数据的累积。

我们深入MarTech领域期间，常常会被问到一些问题，比如关于第三方数据和第一方数据如何选择。尤其是有数据交易的企业，往往会倾向于选第三方数据，究竟要选择花钱买数据还是买技术？但仅仅依赖第三方数据你会发现，其实数据本身的精准程度会存在很多问题。

很多企业可能还不了解第一方数据。企业接触消费者的直接或间接渠道有很多。产品可以充当媒介，化妆品包装上可以放二维码，如果是饮料，瓶盖上也可以印二维码。渠道促销的玩法则更多元化，这时，如果可以将企业自有的数据利用起来，会为营销增加太多可能性。事实上在跟快销品牌合作时，我们也发现有很多线下活动，不管通过第三方或是其他渠道获取到的数据，企业最终有机会对部分数据进行回收。

如今很多传统零售企业其实都在面临着一个选择：究竟要自己掌握话语权与消费者直接交流，把经销商或渠道商等中间环节全都干掉，还是继续沿用传统模式让经销商去运作，这要经历慎重的决策。

以汽车企业举例，汽车从品牌商和经销商到各门店到消费者，当与消费沟通的链路打通后，车牌号码、车主的手机号码我们都可以获取，这里面的各个环节都是有价值且可以重组的。所以品牌企业千万不要低估第一方数据的能力和价值，而且第一方数据全都属于企业自身，想要哪些信息可以自行获取。而且这个过程是渐进式的，当通过数据分析发现某一个角度，比如说交易偏好或者未来的趋势，在获得数据之后，可以主动地结合现有数据进行运营。

所以，数据焦虑带来的第一个误区就是单纯看重第三方数据。不可否认第三方数据是有价值的，但它不是全部，有可能只是一个辅助，第一方数据不可低估，它和第三方之间是相辅相成的。

• 数据堆叠无意义，挖掘价值是目的

今天很多企业因为数据焦虑，可能会发生动作变形，急于要去完成建设DMP。这也是焦虑引起的第二个误区。事实上很多情况下，特别在企业没有任何数字化基础搭建的情况下，DMP的数据很难应用，因为通过DMP收获价值首先要有相应的执行方式。比如用数据据分析企业官网网站，最后形成数据可视化。但如果仅仅停留在可视化，你看到一个数据丰富的报告，然后做什么？

这里，我们认为标签是一个承接，把可视化的数据标签化，因为一旦标签化之后，你针对某一个有特定特征的人群，某一个具体的人展开营销活动。我们所希望是有执行能力之后，再通过分析发展阶段，优化这种方式来构建营销体系，并不是单纯的拥有数据或者简单分析数据。

同样要说，DMP当然有必要，但是从另外一方面讲，其实也需要关注到一点是怎样应用。

• CDP实现用户个性化的交互

关于数据焦虑的第三点，之前我在观察美国的一些趋势，注意到一个新的名词叫CDP（customer data platform）。如果简单理解，可以认为是C2M加上DMP的综合体。事实上除了数据覆盖范围会比DMP多，CDP还具备其他一些能力，比如有效对接来自于很多不同渠道的用户行为数据，CDP可以提供ID的管理，合并、去重等等，同时还能够管理标签，甚至由于CDP是面向企业第一方的，管理标签的时候门槛更低。DMP要求配备专业团队、专业人员来做标签和维护，CDP里面要求的是让企业直接来用。

CDP还有一个关键的核心能力：实时响应。以银行、旅游行业来举例，他们的运营推广很传统：用户回馈赠礼。但在兰州、在上海能吸引用户的礼品是不一样的，地域差别将末端的差异性不断放大。所以企业一定希望在一个平台上，通过不同策略，面向海量用户，实时的给每个用户进行准确的推送。如果说Martech里面有两个基本趋势的话，第一是数据的爆炸，第二就是CDP的出现。

关于数据焦虑，就讲这三个点。

数字化转型从哪儿开始？

如果对数字化转型这个主题单独剖析，会发现有很多方式。但是我认为对于一家企业而言，有三个数字化转型的基本量，第一个是生产。最近有不少厂商企业，纺织企业甚至酒类企业都已经开始出现这种产品定制化的需求。第二是交易，交易环节的数字化在中国已经发展得非常成熟，第三是营销，但是营销端的数字化一直很难落地。

在纺织企业沟通中，可以看到一些非常有趣的现象，企业会愿意花大代价去改造它的流水线，我们好奇的是用什么来驱动生产线改造？一定是用户需求，所以观点其实很简单，越靠近用户的环节，才是要做数字化的最关键的环节。

在流量红利还存在的时候，很多企业更倾向于用更简单的方式来出货和管理库存。但是今天我们面临的情况是，流量被填平的速度越来越快，大家突然发现线下的价格和线上的价格越来越接近了。所以也许在未来2到3年，中国市场会很快出现大量厂商的转型。

Martech最大价值一定是带来增值。因为品牌是在传播，但是在运营层面，投入产出的增长是可以量化的。我们非常坚定的相信数据能够带来产出能力的优化。

营销数字化实现增长的几种方式

• 精细化运营

在这种情况下，精细化的运营能力非常之重要。如果把运营的能力分成三个等级：强运营体系、弱运营体系、无运营体系。

强运营体系里面的代表是互联网模式。电商、互金、游戏、互联网运营，典型的强运营体系。

弱运营代表性的是连锁零售企业、比如711，运营工具的使用上比较弱，但还是可以把它做起来。甚至一部分的传统金融，它也许没有太多的系统支撑，没有太多的体系的支撑，从策略到组织结构到流程，也算是弱运营体系。

但是很遗憾，绝大多数企业处于最后一级：无运营体系。大部分企业甚至包括大部分的外企，数字化程度非常低。

尽管不想承认，但我们不得不正视这个现状，那么如何做？

第一，在今天精细化运营体系完全没建立的情况下，如果向精细化运营靠拢，我们有成功案例显示，增长能够达到50%左右，甚至会达到三倍到四倍。由于边际效应，大幅度增长有可能不能持续，但是持续有10~15%的增长是一定可以达到的。在今天的市场环境下，即使不择手段，保持两位数增长的难度也是众所周知的，从付出的成本和收益来看，我认为精细化运营完全是值得推荐的。

精细化运营我们不得不说一个话题：细分。营销它归根结底其实就是一个问题：对谁说以及怎样说能获取最大价值。所以一般细分的时候，比如最基本的AB测试，怎么分组怎么定义，如果我们人工来做，可能需要两周的时间，但是如果让机器人来做，可能不会超过两天。还有很多延伸的内容，如果进行人群细分，企业面向不同的细分人群一定需要不同的方式来沟通交流？怎么样来做程序化创意？怎么样在过程中确保全局可以不断的优化，这是一个很大的问题。科学管理的基础就是KPI，有了KPI我们就可以不断的迭代不断的优化。

• 营销自动化

最近几年出现了一些新的概念，比如营销自动化。到了今天，营销自动化从某种角度上去演变成一种工具，工具帮助营销人员和技术人员之间输出结果。各种渠道用户进来之后，怎么样可以让营销负责人在一个屏幕后面，面对海量用户做个性化的实时沟通？这就是营销自动化的优势。而且这里面有一点需要特别说明的是，当我提营销自动化的时候，早些年大家想到的可能是邮件，但今天的营销自动化它依赖的就是前面提到的CDP，以及内容交互。

当企业与用户发生交互，交互过程中产生大量数据，把这些数据传回到用户信息CDP里面，自动化流程中的策略便可以使用。同时在CDP里面构造标签，哪些人对哪些产品感兴趣，用户的渠道来源等等，根据标签可以实现千人千面的交互。

企业如何行动消费升级？

如果讲接下来几年国内的一个大趋势的话，消费升级一定是必须的。营销的核心永远是大规模的选择。今天流量洼地蔓延的速度越来越快，而且流量越来越贵。消费升级是当在这种情况下，如何运营用户，摆脱第三方。

没有任何数字化基础设施待见的情况下，就算想借助第三方可能也没有机会，所以传统企业是被倒逼着去寻找广告的营销策略，以及其他所有的技术手段。

这是一个很深入的话题，哪怕是做一个最标准的rs分析，里面涉及到的工具和复杂程度，可能也已超出营销人的能力。有些数据很难用非常标准化的手段分析，同一家企业三年前的利润的定义与两年前都不一样。进行数据抽取清洗需要很多人力投入。这一过程对IT技术企业来说，会省一些时间。数据清洗后还有数据探索，因为每一种数据都是特殊的，它可能是空间分布、指数分布、正态分布，每一种都需要用不同的数据分析模型。这也很难要求品牌企业自主完成。数据探索结束后，还要进行算法锁定，这也很难要求品牌企业自主完成，可以在专业的MarTech服务公司配合下双方共同完成，专业的服务商能够通过一些方法来阐述数据的内在规律。维度越高，人越看不出来数据的内在规律，一定是用各种各样算法探索，找到规律，选择算法来做模型。有了模型，还要对照原本的样本数据，打相关标签。完成标签推理后，就要测试。测试可能涉及到权力体系设计，是需要技术与艺术结合完成。

Convertlab产品构造的是一个闭环体系，主要由4个模块组成。最上面的一层是用户数据分析，其实就是CDP。最底层是交互，然后中间一层是画像，其实是营销自动化流程，还有一个中间层是分析洞察。这就是我们认定的营销端的运营体系。

营销很复杂，也很多样化，但是如果落实到基本架构的构建，我们认为数据、交互、策略、分析，四位一体组成标准体系。我们认为不管行业如何变化，只要涉及到大规模的营销，一定就是这四个问题。

最后进行几个案例分享。

这是我刚才提到的快消品品牌，客户在与我们合作前已经尝试了很多营销方式。快消行业获取数据的渠道是多元化的，掌握用户数据后，就可以通过对消费者的分析，制定相应的沟通策略，指导品牌在各个不同的渠道进行产品投放、活动、促销、新产品推广，甚至业务合作的交换数据，各种各样商品交易等等。这个项目的效果数据非常好。

接下来是在金融行业的应用案例。银行企业遇到的最主要问题是获客越来越难。当多数用户已经都到了APP端，银行原本营业厅的营销策略方式必然失效。Convertlab帮助该银行搭建云端服务，使其遍布全国的业务人员可以接受总部的集中管控，同时又允许它遍布全国的营业网点制定适用于区域性的定制化营销策略。作为一个金融机构，需要考虑周边环境的适当性，进行质量管理、标签体系建设等复杂的运营过程。通过Convertlab研发的营销平台系统，只要确定客户，接下的营销流程全部自动化进行，什么情况需要与用户做哪些交互，实施过程中什么情况进行AB测试，是否需要自动选择执行更高的分析，甚至可以自定义一些插件。

最后介绍一下我们这个团队，整个团队在过去的十几年中一直在企业级服务领域，对企业应用比如CRM、供应链生产流程比较熟悉，这个过程中我们一直在积累。

我们的口号也很简单：让营销变得简单，让增长自然而然。增长在中国是很稀缺的衡量标准，且一定是策略性的，我非常希望有更多的机会跟大家一起来实践。

谢谢大家！