过去两年里,数字化取得了史无前例的发展。无论是政策层面的重视,还是社会形势的演变,数字化时代都赋予了企业通过”大数据营销”去优化营销投入产出,和竞争对手拉开差距的可能性。

在客户体验设计中,数据是核心。企业需要基于数据优化体验流程,基于数据对客户价值进行判断,基于数据来投放广告。可见,数据对营销的重要性比以往任何时候都显得重要。 大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。 大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。 大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。 从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。 一、被热议的“大数据”,究竟包括哪些数据 从数据的类型上,我们又可以将数据简单分为两大类。

1. 第一类是聚合数据 这类数据用于衡量数字化营销活动的整体现状及投入产出比,如广告展现、广告点击和转化、CPC(Cost Per Click,每点击一次计费)、CPM(Cost Per Mille,千人印象成本)、网站浏览量、跳出率、停留时长、留资数量、CPL(Cost Per Leads,线索成本)、线索转化率、新客户数量、CPA、老客户占比、Retaining Rate(留存率)、GMV 电商平台销售额等。 2. 第二类是基于个体的客户数据 又可以将其细分为以下几种数据类型(可总结为 BATP): 客户行为数据(Behavior),比如他在你的网站上停留了多长时间,浏览路径是什么,感兴趣的产品是哪些,和你交互频率如何,微信上都留言什么内容,什么时候成了你的会员,等等。 媒体归因数据(Attribution),比如首次被广告触达是什么媒体,中间经历过哪些媒体的再次触达,最后一次触达导致他做出相关行为是由什么媒体所致的,这些都是基于个体的媒体归因数据。 客户交易数据(Transaction),比如这个客户购买了什么产品,何时购买的,最近一次购买是在什么时候,一年销售额贡献度是多少,平均每笔交易金额是多少,是否有交叉购买或向上购买的情况,等等。 360 度客户画像数据(Personal),比如他来自哪里,什么职业身份,性别、姓名、电话、邮箱地址、兴趣爱好是什么,平时有哪些媒体浏览习惯,甚至身高、体型、偏好品牌,等等。 客户画像是客户本身自带的数据,即使没有和你的品牌产生任何关联, 也会有这些数据。而客户的行为数据、交易数据和媒体归因数据都是在客户和你的品牌产生关联后产生的数据,更加具有针对性,但是获取这些数据的首要条件是必须让客户对你的品牌产生兴趣。 二、现在的大数据营销呈现是什么样的现象呢?

第一,日益上升的获客成本增加了品牌渴望将客户数据变现的紧迫性。 媒体投放的价格越来越高、竞争环境激烈是导致企业获客成本不断上升的主要原因。 对于获客成本上升这件事,企业除了优化自身的营销行为、降低运营成本外,激烈的竞争环境是客观原因,谁也无能为力。所以,企业非常渴望将不断上升的大数据营销的商业价值充分体现到企业的商业行为中,并且需求迫切。 第二, “新冠肺炎疫情”使通过私域流量提升全漏斗转化效率的方法变成”新常态”。 如果我们将客户的消费者旅程进一步简化,并与数据营销的目的和手段结合起来,就得到了如下图所示的“营销漏斗”模式。 随着”新冠肺炎疫情”的爆发,企业充分利用营销漏斗下半段私域流量的数据,提升整个营销漏斗的转化率成为一种全新的常态化的趋势。 “新冠肺炎疫情”期间,居民的活动自由受到约束,企业的营销人员出去开拓新业务、获得新客户也变得更加困难,怎么办呢?那就是充分利用已有数据库中的客户资源,把已经取消或暂停的客户项目重新激活,通过再触达,做已有客户的增长。企业数据营销的重点从营销漏斗上半段向下半段转移, 盘活私域数据,拉动高潜客户的需求,促进转化及提升已有客户的价值贡献成了数据营销的主流。 第三,由于消费者行为的多变性、复杂性、不确定性,数据散落在各个触点,获得数据的触点也是纷繁复杂,这给企业在数据的利用层面带来了很大的挑战。 以前市场营销是以传播信息为主,主要渠道有户外广告牌、报纸杂志、电视、广播等。但是今天,沟通的介质和媒体发生了巨大的变化,现在所有的渠道和触点如行业网站、社交媒体、短视频媒体、微信公众号、门户网站、视频网站、App 等都是数字化和移动化的,消费者数据散落在不同的触点,这使数据的采集和整合成为巨大的挑战。 第一方数据是企业进行大数据营销的最好起点。据统计,大部分品牌只利用了其第一方数据库中 5%的数据,95%的第一方数据潜藏在品牌方的数据库中并未被充分利用(见图 3-12),而利用自己数据库中的第一方数据比利用第三方数据要快速且高效得多。

由于很多数据如行为数据、用户个性化数据、ID 数据都在第三方平台手里,要在这个基础上去扩展并丰富第三方数据是一件非常困难的事情。要扩展和丰富第三方数据我们必须将第三方和第一方数据打通,让散落在各个消费者旅程的各个触点串联起来才可以。 其他品牌商家惯用的手段还有很多,如样品免费试用、发放折扣券、免费注册会员获得积分等。 第四,在数据维度层面,消费者的个性化行为数据比统计学数据更重要。 个性化行为数据展示的是消费者对产品的喜好度、消费者与品牌互动的广度和深度、消费者购买的是哪种产品及未来复购和可能性等。而统计学数据展示的是消费者的姓名、性别、年龄、学历等信息。 消费者个性化行为数据能够预测未来类似的客户群体的购买行为及购买可能性,这是消费者个性化行为数据研究和利用的最大意义,也是更深层次的数据,有了这些数据,商家就可以立即制定和客户互动的内容和方案,进而获得更好的转化效果。 而统计学数据更像是整体数据,你可以获得,竞品同样可以获得,其提供的数据洞察非常有限,所以获得这些数据对营销活动的指导意义并不是很大。 同时,这些个性化行为数据也必须和营销漏斗后段的交易数据结合使用,从而形成一个更加完整的属于品牌自己的 360 度用户画像。 360 度用户画像形成后,不仅可以帮助品牌方更好地服务现有客户,提升已有客户的价值,更重要的是可以对未来最有可能成交的客户群体进行预测,并进行相似客户群体分类,为未来制定个性化营销方式提供数据洞察。 基于此我们可以展望一下大数据营销的未来:更多的数据以帮助企业更好地理解用户 +更多的可能性去建立强有力的客户关系纽带 + 更多的选择以监测每个触点的营销变现 = 更多的机会通过数据营销驱动企业营销关键决策 三、如何制定大数据驱动的营销策略呢? 1. 设定目标和消费者洞察 目标一定要清晰,要分阶段地将目标进行拆解,可以按照 OKR(Objectives and Key Results,目标与关键成果法)的思路,即关键要达到的具体目标是什么、为的是达成什么样的关键成果。 2. 大数据建模规划和 KPI 的制定 即建立什么样的数据模型去帮助你加速拉新,以及具体衡量指标有哪些。 3. 制定市场激活计划和策略 我们需要思考,对于新客数量增长来说,什么样的媒体策略和内容策略是行之有效的,以及对于客户转化时间降低这个问题,有什么样的刺激可以引导消费者加速购买决策。 4. 项目复盘,评估和迭代 整个过程一定要以目标远大、小步快跑的方式进行,不断试错,调整优化,直至大数据营销成为新常态。 |
最新评论