关于数字营销,你应该知道哪些才能事半功倍?

“门槛低、水很深”的数字营销之路到底该怎么走?数据驱动下的营销如何从量变到质变?市场数据储存、分析的常用工具有哪些?未来人工智能是否会取代营销从业者和数据分析师?

9月27日,数据侠林雨旸邀请了美库尔中国效果媒体负责人马骏,与大家一起共同探讨数据驱动的营销之路该何去何从~本文为其演讲实录。

▍为什么数据驱动那么重要?

数据驱动从提出开始到现在都是非常重要的,就像一个企业非常看重财务报表,因为财务报表可以告诉他什么时候应该继续投资,什么时候应该降低预算,什么时候应该降低成本,什么时候应该获取更多的投资去谋求更多的机会。对于营销也是一样,营销也需要这样一个晴雨表去了解市场对企业产品和服务的反应。在广告投放之前,还可以用数据精准化地圈定受众去预测投放效果。

(图片说明:数据是营销晴雨表 图片来源:美库尔)

为什么营销中的数据那么重要?因为需要数据来帮助每一个决策。因为产品服务的广告投向某个渠道的时候,并不是一开始就是正确的,需要在测试中不断调整,找到最契合的营销渠道,甚至是多渠道的营销组合。另外,即使找到最优化的营销组合了,它还是会不断动态地改变。互联网时代的发展速度是非常快的,这对现阶段的营销者也提出了非常大的要求和挑战。

▍关于数据营销的有趣案例

现在看到的营销案例,更多是偏向于创意或者社会化营销的,这些案例让人觉得非常感人、印象深刻。再比如社会化营销中经常说裂变,让人听上去很神奇。其实用数据来驱动的精准营销并没有那么sexy,它每天都在发生。特别之处就在于:数据时代,利用数据来进行的营销活动具有一种美感,它的美是因为他是可以衡量的。

我更加倾向于用“有意思”来衡量这些案例。我个人感觉国内以数据为驱动的营销,发展的速度稍微慢了一点,有许多限制条件和壁垒。但是慢慢地数据驱动的营销案例还是不停地涌现的。

分享一个百度相关的案例。百度的数据是相当丰富的,包括历史搜索记录、浏览记录、爱奇艺观影记录等,还包括百度地图、百度外卖的数据。

我们今年上半年有一个客户——一家电影公司,我们为它的一部机器人电影提供一部分媒体的策划投放支持。这是我们合作的第四部电影。而这次我们和客户一同用百度丰富的数据为观影的人群进行画像,然后利用这个数据(画像和模型)与百度大量的人群标签匹配出最后的投放人群,最终扩大电影的影响力。

最后三方对结果都是很满意的,因为各种KPI的指标,比如广告点击率、预告片的播放率都是比之前电影高出50%左右。从目前的所有的工作方式和结果来看,用到的数据越多,效果的确比历史上没有利用那么多数据要好很多。

▍想要进行数据驱动的营销有多困难?

用数据来帮助营销,是一个门槛很低,但是水又很深的工作。说门槛很低,是因为只要对产品现有的数字营销渠道进行一点更改,就可以获得比较高质量的数据,这些数据可以马上就被利用到的营销活动中。然而说水很深,是因为的确需要像林雨旸这样资深的数据分析师去对数据进行操作。另一方面,需要花非常大的精力去说服管理层,让他们认识到做这部分投入是有回报的,就是有非常多的说服的工作。

(图片说明:数据驱动的营销需要很多说服高层的工作 图片来源:Tom Fishburne)

许多品牌并不是说对数据分析不重视,而是因为把更多的精力和预算放到了媒体上。如果进行媒体投放觉得效果好的话,一定会再投,会加大投入,而不会把这些新增的预算投资用到数据分析上。如果反过来生意不好的话,品牌的第一反应是把预算削减下来,更不会去投资数据分析而让广告更加精准。这就会变成一个两难的困境。

数据驱动的营销从这个意义上来讲,并不是营销部门自己的事情。因为它包含了数据收集、数据分析、数据呈现。营销的实施也是整个公司的事情。管理层需要去支持这个事情,为各种营销活动数据去开绿灯;技术部门需要帮助营销部门去整理、收集、清洗数据;营销部门需要去推动、落实,去组织、管理、协调好一系列的以数据为目标的营销活动。因此公司必须先是一个营销型的公司,其次才是以一个数据为驱动的营销型公司。

举个例子来说,我们的团队经常需要去说服客户,需要跟技术人员一起工作,因为很多时候技术人员只是想实现一个功能,但并不考虑营销上进行这些更改有什么好处。

▍谈谈收集数据

数据驱动的营销包含非常多的环节,其中数据收集是最初的环节。从品牌的角度来讲是“MarTech”(Marketing Technology),是为了帮助品牌能够更好地认识客户群体,为广告投放、CRM与忠诚度计划这些营销活动服务,是基于第一方数据的。

从广告产业的角度来讲是“AdTech”(Advertising Technology),是为了帮助广告从业者对广告主、品牌有更好的理解,提供的是品牌的第三方数据。合在一块就叫“MadTech”,MadTech的核心就是数据的收集,数据的接入,数据的清洗,还有数据的利用。

(图片说明:MarTech + AdTech =MadTech 图片来源:美库尔)

数据抓取方面,对于国内的营销者而言,最有用的就是手机号码。有了手机号码,就可以几乎认识所有平台的受众,而且可以识别个人的数据,使得其他方面的信息关联到每个人。

收集到这些数据就可以将营销信息上传到各个想投放的渠道了,比如百度、腾讯或者阿里,然后就可以依靠他们的技术建模,用他们的比较基础的模型构建自己的目标受众,并且进行拓展。(更高级、客户化的建模还是要数据分析师来亲自操刀。)

▍典型的储存营销数据的方式?

CRM数据库是很普遍使用的营销数据库,储存了现有客户和以往客户的数据,还可以帮助维护和客人之间的关系。CRM数据库会存储比如说手机号码、姓名、地址等客户的信息,这些客户数据是第一方的数据。但是随着获客成本的提高,获得第一方的数据会越来越难,成本会越来越高。

那么,能不能让潜在的客户还没有真正成为客户之前,就获取他的一些信息?这些信息可以帮助用于以后的营销,比如说获取客户的浏览器cookie、手机的设备ID、微信的open ID。

这些数据并不是完整的客户信息,因此对CRM数据库的定义也发生了改变,我们叫CDP(Customer Data Platform)。CDP同样存储了第一方的数据,但是这些数据并不只是现有客户或者历史客户的数据了。CRM数据库到CDP数据库的转变丰富了营销的第一方数据,对营销科技是一个划时代的转变。

另外一个核心概念叫DMP(Data Management Platform)。DMP的概念从程序化广告中来,特别是广告的实时竞价中,需要在一百毫秒钟就决定是否对受众展现广告, DMP就是用来判断是否对这个访客投放一次广告展现的平台。

DMP中有非常大的数据量,不但需要各个平台的数据源打通,而且需要从媒体投放拿到的源源不断的新鲜数据。因此品牌自己要去建立或者维护一个DMP的成本是非常高的。

品牌方要如何搭建数据库呢?

品牌方应该去建设自己的CDP,因为CDP的第一方数据可以和DMP打通,可以更好地帮助投放人群的圈定。当从CDP载入一个比较小的一个数据集时,DMP就可以通过输入的数据,去归纳出需要的对象的特质,从而通过这个特质来扩大受众群体。一个品牌的第一方数据越丰富,营销实力和潜力就越大。

▍数据分析的方法论是什么?

我经常分享的数据分析方法论是“数字分析的三驾马车”。

(图片说明:数字分析的三驾马车 图片来源:极诣数字营销)

数据抓取是第一架马车,首先要确立一个假设,或者说做分析的兴趣点在哪里?确立了假设以后,才可以知道需要对哪些数据进行抓取。第二驾马车是数据处理,对数据进行梳理、清洗、分类和归因。第三驾马车是对数据的理解,要看结果能不能验证假设,或者对现有的数据换一个角度处理一下,看能不能有新的收获,这叫做数据理解和阅读。数据分析的过程就是三驾马车并驾齐驱的过程,一直到获得有意义的、能够指导营销优化的结果。

举个例子,美库尔在今年首创了利用马尔可夫链进行归因优化来分配广告预算。它抓取每一个点击和购买的信息,对原始数据进行归因。然后看一下各个campaign的真实的投入产出比。分配调整后再进行投放,再收集回数据来看这样的决策是不是正确,有没有更进一步优化的地方,接着对投放预算进行再分配,再进行新一轮的投放。

▍对未来的展望

我们经常将广告分成品牌广告和效果广告,听上去效果广告需要更多的数据分析师来参与,品牌广告只要Spray and Pray,差不多就好了。从去年开始,营销界有不同的声音,像宝洁、联合利华,大幅削减了营销预算,他们认为在数据、科技上花的成本太高了。

这种说法从结果上来说是正确的。有的品牌的产品可能并不局限于某一特定人群,并不需要花太多精力在精准定位上。消费群体的分析或者广告技术上不需要投入太多,只要把大量的广告分发给每个人就行了。他们觉得效果广告没这么重要,只要做好品牌广告就行。

但是这种说法从过程上却是错的。效果广告的目标受众不单是使用这些服务和产品的人,还包括了和真正在用这些产品的人能够产生共鸣的群体,能够影响那些人的群体,所以同样需要数据分析师的贡献。 群体增大只不过降低了难度而已。况且我们还需要利用分析来发现一些广告欺诈(Ad Fraud)、可见性(Viewability)、安全性(Brand Security)的问题。

比这种思潮更让数据营销者有危机感的应该是人工智能。人工智能的快速发展是对数据分析师的一大考验。去年乌镇AlphaGo大战柯洁等棋手,结果是完胜。完胜并不可怕,可怕的是AlphaGo的用时几乎是人类棋手的一半。

科技中的人工智能元素在未来的十年到二十年里,会让许多人失业。有人会说营销是研究人的科学,人当然更了解人,所以AI是不会代替人的,但是我认为这其中的差距已经非常小了。现在的搜索营销、程序化广告中AI的应用已经趋于成熟,会越来越难去钻AI的空子。

AI的进步又是由那些互联网巨头来推动的,它们通过提供营销服务和平台赚钱,而数字营销者离这些互联网巨头是非常近的,所以数字营销者是最快被影响到的。

(图片说明:人工智能可能在未来让许多人失业 图片来源:纽约客)

另外,营销科技的迭代也是非常快的,这就要求我们努力不停地学习。数据分析师们应该拓宽自己的知识面,并更多了解上下游的其他工作,为自己的职业生涯增加更多的可能性,因为实在不知道未来会怎么样。

注:以上内容根据数据侠马骏在数据侠线上实验室的演讲实录整理。图片来自其现场PPT,已经本人审阅。点击“阅读原文”,获取作者直播回放。本文仅为作者观点,不代表DT数据侠立场。

作者 | 马骏

编辑 | 陈静 :chenjing@dtcj.com

题图 | 站酷海洛

原文发布于微信公众号 - DT数据侠(DTdatahero)

原文发表时间:2018-10-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人称T客

寻找客户服务价值洼地,为什么SaaS供应商都在讲客户成功?

撰文 | 张飞逸 首先,我们需要了解什么是客户成功? 顾名思义,客户成功就是要让客户获得成功,而且是“越成功越好,”其本身是一种维护与提升服务商和客户关系的公...

37212
来自专栏数据猿

永洪科技惠卓卓:大数据多样化,数据分析平台助力构建智慧校园

2017年08月16日,由数据猿、HCR慧辰资讯双方联合主办的主题为“大数据助力个性化教育”活动在酒仙桥东路电子城科技园隆重举行,永洪科技的惠卓卓特意来为大家分...

3779
来自专栏罗超频道

腾讯移动版图,在微信和手Q之外还有更多

原创2015-03-23罗超 腾讯稳坐移动互联网头把交椅,已没有争议和变数。微信这一国民级应用,从用户数、活跃数、下载量等关键指标来看它均是中国最强App,它也...

3455
来自专栏大数据文摘

小心陷阱!品牌营销数据管理平台(DMP)搭建风险

3393
来自专栏企鹅号快讯

从科研角度谈“如何实现基于机器学习的智能运维”

清华大学计算机系副教授 裴丹于运维自动化专场发表了题为《基于机器学习的智能运维》的演讲,现场分享了基于机器学习的智能运维目前面临的挑战和解决思路。以下为演讲实录...

2926
来自专栏云计算D1net

2019年,多云景观的蓝图与困境

云计算市场占有率正在疯狂增长,并且即将被各大规模的企业所采用。然而,尽管从AWS、Azure到谷歌、阿里巴巴、Dropbox等服务仍在不断的增加,却依旧没有一片...

3205
来自专栏互联网数据官iCDO

2018,营销所面对的5大阻碍(1):数字化转型

去年年底,我撰写了《营销所面临的5大阻碍》系列文章,希望看到那些经典的预测文章之外的,可能被我们忽视掉的内容,从而试图预测未来3 - 5年内营销领域可能发生的大...

3569
来自专栏科技向令说

天气险助阵,天气通能否突破行业变现瓶颈?

在国外,“天气险”早已不是一个新鲜词语,而在中国,近两年才开始兴起。近日,拥有3.8亿用户数的天气APP天气通与四大互联网保险公司之一的安心保险,联合推出“天气...

761
来自专栏光变

【C】腾讯人心中的产品运营

一直想给产品运营下个系统的定义,或者总结一个方法论如何做好产品运营,产品运营需要包含的素质等。听过很…

1022
来自专栏云计算D1net

云计算在人工智能时代仍为主流

1747

扫码关注云+社区