从一个CMO的进阶之路折射出的市场营销变革

2017-10-28 21:38   来源:  作者:
122浏览

虽然“大数据营销”早已是营销界用烂的旧梗,但据笔者观察,目前绝大多数广告主依然还只到达了数据营销的初级阶段,甚至有相当部分的广告主还停留在更早的数据统计阶段而不知。


从数据统计到数据决策可以分为五个阶段:                          


1

原始阶段——数据统计


积极利用数字媒体、在线媒体进行营销活动,通过媒体或合作伙伴得到营销活动的统计数据,形成“耳中有数”。


比如一位车企主机厂的市场人Lisa,在销售旺季,配合公司线下营销活动进行了一波线上促销,在四大垂直、搜索引擎、视频媒体上做了一波投放,每天的主要工作就是与各个广告代理、媒体进行电话、邮件的沟通,review物料创意,催数据,要报告,忙的不亦乐乎。


这一阶段,广告主主要是需要结果数字来衡量一次活动的效果,只能说初步有了数据意识,但既无法对数据做深入的分析,也无法评估数据本身的质量,所以这一阶段的数据,只能被认为是很原始的阶段。


2

初级阶段——数据掌握


有意识的自主采购或建立监测体系,监测收集营销活动中的数据,并基于这些数据建立一套自己的KPI,达到“眼中有数”。


Lisa在跟进了几波活动后,逐渐发现这种沟通的低效和不可控,有时候得到了一拨活动数据,但想要一些新的非常规的分析角度,现有的数据往往难以支持。而且Lisa也听说现在数字广告有相当数量的虚假流量,但从媒体和代理反馈的数字中却无法辨别。于是,她向老板申请采购了第三方的监控系统,从此,她不用再等媒体和代理提供数据了,她可以直接从系统中获得最新的数据,可以从精细到创意、地域、分钟的角度来分析各类数据。而且也可以利用第三方监控系统提供的异常排查功能找到异常点,过滤虚假流量。


这一阶段,广告主不满足于被动等待数字结果,也不满足于不可剖析的概览数据,希望通过系统获取比通过媒体或代理,更实时、更准确的数据,并进行细粒度、多角度的分析,而且也会开始基于这些数据探索一套符合自己目标的指标体系。广告主对数据的掌握达到了新的阶段,也开始分析、理解数据深层的意义,探寻结果背后的原因,并能有效地发现异常。但因为数据的孤立性,这一阶段能得到的解读往往十分有限。


3

进阶阶段——数据贯通


随着数据积累的增多,广告主开始打通数据背后的关系,将多次活动、多种媒体形式的数据进行打通,不仅是前端的数据,也有后端的数据,不仅是线上的数据,也有线下的数据,不仅有自己的数据,也有竞争对手的数据和行业的数据,一组围绕营销的数据库慢慢成型,这组数据库往往会涵盖人群(受众)、媒体(渠道)、内容(创意)这三种营销领域最重要的对象。广告主做到了“手中有数”。


通过第三方系统的数据和积累的经验,Lisa可以很轻松的跟进并分析一波活动的效果。她也得到了升职,现在她不仅仅要考虑一次活动的成败,还要从长期和更后端的效果来制定规划。Lisa感觉手头系统上那些分Campaign的系统和数据用起来已经不是那么符合需求了,她想看到把多次活动整合起来的数据,而且她想要更多专门针对自己这家主机厂商提供的维度和指标。于是她申请立项,搭建了一个适合自己的营销数据库。前期监测的数据不仅仅服务于一次投放,成为了公司的长期资产,而Lisa和公司的其他部门,比如销售、信息、系统也有了更多的互动,经常会聚在一起研究怎样把手中的营销数据和其他部门的数据打通,实现更大的价值。


这一阶段,广告主拥有的是一个全景的数据,通过这些数据可以追溯因果,掌握趋势,将碎片化的营销活动打通,很多在上一阶段找不到答案的问题在这一阶段都会有了新的清晰的解读。但这些解读主要还停留在直观的理解上,由其得出的结论有效但受限。


4

高级阶段——数据科学


经过上一阶段的数据贯通,数据维度会得到大大增加,其领域也会有广阔的扩展,这时最重要的是对数据进行深入的挖掘,因为此时由于数据的丰富,简单的统计分析已经不能很快地得出准确的结论,分析者很容易陷入数字的海洋中,而且可能花大力气做的分析最后却得不出有价值的结果。


Lisa基于营销数据库和对接的更丰富的数据已经可以对过去的活动做出很多的分析,但她依然有一个困惑:这些数据的背后到底是哪些因素在起作用。比如不同媒体间的表现差异是受什么影响的?媒体之间是否有一定的关联?一波DSP或者信息流投放,是否能有更精准的定向?或者基于历史数据我能否对接下来活动或者媒体的表现进行准确的预估?这已经不是简单的Excel公式或者图表能支持的了,也不是随便用一种数据挖掘的模型套上就可以得出适当的结论了,Lisa邀请了公司内的数据分析团队和第三方有深厚行业营销分析经验的咨询分析公司结合历史数据进行了分析建模,得到了最适合Lisa所在公司的一整套模型与算法体系。


新的阶段需要有效的利用各种机器学习或人工智能的模型,去冗存精,并将非营销活动直接产生的数据,比如线下销售数据、CRM数据、电商数据以及第三方数据进行整合汇总,从推广活动看到营销全环节,从受众触达看到用户体验全旅程,开始建立归因模型、基于数据进行用户画像以及再营销,做到了“脑中有数”。


5

完全阶段——数据决策


通过上一阶段积累打通的数据,不再仅仅只为营销活动服务,被用于市场分析,生产设计,资源调配等其他领域,形成一套基于数据驱动的决策体系,不断正向反馈,整个公司加速成长,进入了“心中有数”。


经过前述一系列的演进,基于数据决策,形成投放、监测、分析、挖掘、优化投放的闭环就是顺理成章的事情了。Lisa拥有了一个完全可控的营销体系,并且可以不断优化,自动适应新的营销挑战。

 

未来猜想:全新境界——驱动数据


在这一阶段,数据不仅可以为公司内部所使用,更可以为外部使用并产生更大价值。公司不仅基于数据做营销,更营销数据,不仅成为数据的消费者,更成为数据的生产者。从数据驱动进化为驱动数据,成为通过数据影响市场及外部决策的主宰者。也即“数即自身,自身即数”。


Lisa经过一系列升迁,成为了公司C字头的一位。她开始更多地考虑公司的整体发展方向,与数据打了多年交道,她逐渐意识到数据即资产,数据即“燃料”,数据甚至直接可以是公司本身提供的产品和价值。于是她带领着公司探索了新的方向,她所在的公司也从一家主打汽车主机的厂商扩张为涵盖出行服务、汽车金融、二手电商等多个领域的集团,并基于数据,不断在新的领域扩展自身的影响。

 

当然,以上Lisa的例子忽略了很多演进过程中的困难和细节,即使是同一阶段,从起步到完善,中间也可能经过很多的摸索和反复,数据的收集和清理也并不像字面上说的那样简单明了,更不要说数据决策往往会在面对苛刻繁复的现实条件下可能产生的不可忽视的偏差。但正如人类科学的进步从来不是一帆风顺,数据营销这一营销科学的演进也不可能是一条坦途,但社会总会演进,市场总会发展,找对方向与方法,抢占先机,是所有的广告主、市场人一直在思考与索求的。


本文作者 | 国双科技高级技术总监吴充


分享:

J9C)E(80TAJJEXJQ6XMYP7Y.png