数据驱动的
互联网营销和运营

一直在说智慧营销,但你可能从未了解 MarTech

本文转载自用户行为洞察研究院

MarTech = 传说中的“智慧营销”

MarTech 概念的创始人是 ScottBrinker ,MarTech 即一种智慧营销概念。目前,MarTech 一方面可以帮助营销漏斗最上层的流量或用户数的扩大,另一方面可以帮助营销漏斗各环节的转化率提升,而这也是 Martech 解决的主要问题。

MarTech 技术的核心目标实际上是完成对用户触达、用户培育、转化提升等关键环节(比如企业如何决策在什么渠道投放和展现广告,推广内容策略和内容选择,营销转化率及 ROI 评估),以及用户全生命周期的体验优化,帮助 CMO 及 CEO 直接掌握营销各环节数据(如挖掘出受众快速增长的渠道、度量受众触达效果)的解决,从而及时调整营销策略,真正实现营销闭环或者说全营销漏斗管理。

 

最为基础的“数据&分析”

业内把 MarTech 分为广告技术/Ad Tech,数据&分析、内容&体验、互动&关系、营销云、交易五类,但数据&分析类是其他几类的基础,也是我最看好的一类。对于所有 Martech 的相关技术,其应用和发挥最大价值的前提是基于数据&分析才能更好的做出决策,在这里举两个例子。

对于传统 Ad Tech,无论是在互联网金融、电商、在线教育、快消零售、文化娱乐等行业,大部分企业都是使用外包代理或者渠道服务商来进行推广。

图 1. 图片来源于网络

事实上,企业主在互联网或移动互联网平台进行推广时,面临的一个问题就是无法甄别虚假流量。当企业获取的流量为虚假流量时,根本无法进行精准营销,更谈不上通过个体用户行为来进行用户体验、互动或内容优化的参考。

此外,活跃的羊毛党群体,也会对企业优质营销资源造成进一步的浪费,带来大量的无效交易,让营销投入石沉大海、无法实现业绩有效增长。

第二个例子,我们现在的企业,尤其是 C 端企业,非常看重用户体验和交易,并且强调营销的创新。去年有好多 H5、小程序的创意营销案例,比如轰动一时的百雀羚,这些刷屏级的营销案例,除了让外行看热闹、内行看门道以外,企业主更关注的是实际带来的流量转化。

图 2. 图片来源于网络

这些流量转化并不是简单的会员注册数、而是需要有交易量和交易额的要求,并且需要明确是这次 campaign 带来的营销效果,以及希望了解这次 campaign 可能带来的持续影响力,比如用户留存、用户复购等。

涉及到这种十分量化的衡量一次创意活动 campaign 时,需要打通营销全漏斗(展现——点击——注册——转化——复购/留存)来进行数据分析,分析流失用户的环节,是否可以进行再次召回等。

其实这些不光存在于快消零售,在获客成本尤为高昂的金融,更是如此,比如大多数互金行业,在线上获取一个客户的成本少则上百元,多则上千元。

不难看出,只有基于全量和用户级数据的分析,才能实现有效流量的甄别、找出用户转化与流失的真正症结,才能对症下药。基于数据&分析,并结合其他 MarTech 技术,是企业为客户提供更匹配与精准的营销服务、强化企业品牌与形象的基础。

 

MarTech 最大的难点是数据采集

然而,现阶段 MarTech 最大的难点正是数据采集。

我们习惯把 MarTech 比作是破解营销困境的密钥,用户洞察是精准营销的源头,伴随客户全生命周期的营销要保证企业对消费者“识别、洞察、服务”的能力。只有实现全渠道、全量的用户数据收集后,打通割裂的营销链路,经过系统分析后才能实现精细化营销,从而触达每一个潜在用户。

神策数据在接触各类型企业服务过程中,我们发现企业数据底子十分薄弱,甚至已经超出我们的想象。企业通过自建或者选购第三方技术平台来支持营销,容易陷入经常会陷入“重分析,轻采集”的误区。

对用户行为进行数据分析的深度,取决于数据采集的质量,若顾此失彼,营销的道路只能越走越窄。

因此,神策数据多次强调:数据采集应该遵循“大”、“全”、“细”、“实”四字法则的原因,追求更宏观、全量采集、多数据源与多维度数据,并注重数据的时效性

图 3. “大、全、细、时”

 

技术增长战略思维的前提是数据思维

Scott Brinker 在提出 MarTech 定律的时候,他的观点是——技术的增长是指数型,组织管理的变化是线性变化,其变化速度远低于技术变化。

实际上,从我们实际服务企业客户的经验来看,很多 CMO 在战略和管理上已经在业内积累了非常丰富的实战经验,而往往是类似于数据基础薄弱或分析能力的缺失,导致他们无法有的放矢地进行营销决策的优化、实现规模化的放量增长。

无论是 To B 或 To C 类的企业,都在提倡以用户为中心,而要真正实现以用户为中心的、甚至是满足个体用户需求的精准匹配的营销策略,都需要建立在技术增长的基础上。

图 4. 图片来源于网络

毕竟,营销的英文叫做 Marketing,有人说 Marketing 既是一门艺术、也是一门科学。事实上,奥格威在《一个广告人的自白》里曾经说过“We sales, or Else“,这从根本上指出了——提高销量才是 CMO 的核心目标,技术增长战略思维的前提就是数据思维通过数据找到企业业绩增长的奥秘和具体方法。

 

数据意识不是一个人的事

对很多传统行业的 CMO 而言,基本上都面临三大挑战——企业本身的数据采集能力偏弱、数据化程度较低、整体数据意识都薄弱。对于希望能够通过营销技术实现业绩发展的 CMO 而言,在构建自己的营销技术团队时,首先需要改善的就是自己和团队的数据意识,养成用数据说话的思维模式,此外就是数据分析和运营数据的能力。

我曾经和一个零售企业的创始人一起探讨数据驱动,在交流中,我发现他在数据方面非常关心,数据意识也非常好。而且他还意识到,仅有他自己拥有数据意识并不行,重点是怎么让企业里的每一个部门都能有数据意识,并且通过数据来做决策。

其实,对于一个线下零售企业来说,仅仅用好交易数据和进销存数据,也可以产生很大的价值。但用数据说话的意识应该灌输到公司每个人的心中,在做一些营销和经营决策时,首先考虑是不是能够通过一些数据做支撑,这种意识就像思考要有逻辑性一样重要,要让它成为一种条件反射。

 

AI 技术同样需要数据作为根基

除了上述情况,AI 技术同样需要基于数据发挥作用。从目前我们服务客户应用的情况来看,主要有几类实际落地的场景:

1)精准推荐——规模化的个性化推荐/广告,基于个体用户浏览行为和偏好、同类用户行为和交易特征,从而提供给用户最为精准和匹配的信息

2)搜索引擎点击调权:基于海量用户检索-点击行为,调整检索结果中高频点击项的排序

3)自然语言营销应用——智能评价系统,自动从用户评价中,抽取关键字及情绪化文字,如“大屏幕”,“超长待机”,“老人家喜欢”等

4)流失用户预警:提前预警用户潜在的流失倾向,提供优惠券、促销活动,延长用户生命周期

5)营销洞察,比如结合过往特征用户的交易行为和交易数据,进行潜客线索的职能评分等。

 

MarTech 工具的使用情况

目前,神策数据使用的 MarTech 会包括大致几类:一类是线上投放,比如百度统计,主要用来进行我们 SEM 的投放管理;一类是 SA(神策分析,Sensors Analytics)。

这是一个用户行为分析平台,市场团队目前主要用来做自己投放渠道的投放效果评估、跨渠道访问特征分析、渠道最佳费用和效果产出点分析、渠道作弊分析、广告和社会化媒体的销售贡献分析、渠道生命周期分析、渠道画像和价值模型分析等等。

还有一类是 CRM,主要用来做客户跟进的管理。这里需要说明的是,目前是会把自己的投放账户、SA 和 CRM,三个贯穿用户营销全生命周期的业务系统,然后所有数据整合到 SA 去做分析。

图 5. 图片来源于神策数据

目前神策数据对市场团队的要求,是需要从线索获取一直跟踪到成单,甚至是老客户维护。只有贯穿用户全生命周期的营销,对于 CMO 来讲,才能充分挖掘用户价值。

实际上,我们目前看到,对于企业客户而言,将不同业务系统打通并整合同一用户在不同平台、终端访问和互动的信息,并通过唯一用户识别 ID 来进行整合分析和精准营销,是一大难点。

 

 实践案例——中商惠民 

第一个例子是中商惠民通过数据驱动实现消费者全生命周期的精准营销案例。

中商惠民是神策数据的客户,他们通过数据驱动实现全渠道营销,通过前沿技术手段对企业信息流、资金流、物流进行了重塑,实现商超全触点管理,多渠道交互,形成以大数据为基础的营销闭环。

基于用户分群分析模型帮助其甄选出具有一致属性或特征的用户群体,深度观察其行为特征,在此基础上,针对售点不同阶段、不同喜好、不同画像,采用不同策略进行精细化营销和方案,能够基于数据和事实,精准把握用户需求、提高响应速度。

例如,在中商惠民的线上营销中,“惠配通”(B2B 服务体系)是中商惠民专为社区超市(便利店)经营者管理打造的线上订货 APP。中商惠民对线上用户的活跃度、留存率、付费转化率、商品推广效果、渠道 ROI 等进行深度分析,来定位最有价值用户群及潜在用户群,预警流失,及时介入营销、提升黏性。

例如,首页推广位的效果监控是站内运营重要一环,数据的监测与分析是重要工作,它为站内优化、页面体验提升作出指导。企业可以通过商超的点击转化率与购买转化率判断首页不同位置的推广效果。

图 6. 全渠道零售生态新格局

在智慧零售领域,新零售企业可以运用神策分析(Sensors Analytics)构建新零售场景下的数据闭环,驱动自动化营销的“落地”。传统分析工具无法实现多维度、细粒度、实时地分析,且数据采集功能局限,限制了用户行为偏好、用户标签体系、用户画像等分析(点击此处可下载零售行业白皮书)。

神策数据可以助力新零售企业从数据源头上整合全端用户行为数据建立用户行为主题仓库,包括用户行为数据和业务数据的打通、线上电商和线下门店数据的打通、营销投放和线索数据的打通,释放数据治理的大量人力成本投入,为新零售企业的市场营销、产品、运营、管理部门提供大数据分析支撑,实现全渠道、全角色的用户触达和精准自动化营销。

图 7. 图片来源于网络

而对零售企业来说,“如何降低运营成本?”和“如何提升销售额?”一直是其关注的核心目标,从数据层面换句话说,也就是指“引流”和“转化”效果如何。

一方面,利用神策分析(Sensors Analytics)预警机制实时定位销售异动情况,及时归因分析调整策略,避免虚假流量所造成的资源浪费,根据数据分析结果,精准投放 ROI 最高的投放方式和合作渠道。

另一方面,多触点精准触达用户以提升有效转化率。根据基于用户行为的用户标签体系,制定个性化推荐策略,挥手告别大规模、无差别的营销方式,实现用户价值分群、用户精准运营。

例如,通过商品和用户的相似推荐,进行交叉销售和追加销售;及时发现潜在流失用户,探究流失原因和用户特征,及时召回等。

神策数据正在帮助新零售企业提升数据采集的效率,建立用户标签体系,并用数据驱动营销活动拉新、产品优化迭代、用户精细化运营促活等多方面业务。

通过神策数据构建的自动化营销闭环,基于会员体系和用户行为数据对用户分群,将用户分为新顾客、成熟顾客、高价值顾客、潜在流失顾客,及时采取有针对性的维护方式,促进客户转化,减少客户流失,实现精准营销推送驱动闭环。

图 8. 图片来源于神策数据

目前,MarTech 在电商、零售、金融行业的适用性都很高。以零售企业为例,重要的应用场景之一就是基于用户画像构建对消费者的洞察力。

全渠道零售时代,零售企业在全量用户数据积累的基础上,应用新兴技术来支撑全渠道营销模式的持续优化,将线上线下数据壁垒打破、用户行为与业务交易数据打通,通过用户画像深度洞察消费者,完整的用户画像标签体系设计,从而建立起以消费者为中心的营销模式。

 

 实践案例——鉴别虚假流量 

第二个例子是关于虚假流量的鉴别(点击此处可下载《数字广告投放中虚假流量的排查与判定》白皮书)。

上文简述了虚假流量是广告主特别头疼的问题,从结果上看,虚假流量提升了流量、下载、激活等数据,但虚增的曝光次数实际对广告主并无价值,同时对投递效果无法科学评估,造成广告主的经济损失。

虚假流量的存在,让广告效果、品牌安全等方面都难以实现广告主的投放初衷,会导致获客成本的增加,直接造成了广告主的经济损失。那么广告主应该怎么做,砍预算吗?当然不是,因为减少投入就会降低与客户建立联系的机会。

神策数据在这方面能够做到的是,提供全流程数据流量监控运营人员可以通过基本属性(流量进入的时间、终端类型、操作系统、联网方式等)、网站参与度(跳出率、平均访问深度、平均访问时长等)、用户转化等维度帮助企业快速识别虚假流量,并进行规避。

图 9. 图片来源于《数字广告投放中虚假流量的排查与判定》

神策数据帮助企业线上线下数据的打通,帮助企业快速识别同一消费者 ID,通过用户分群深度挖掘群体特征,了解销售者所处的阶段,同时把消费者按照生命周期分为新注册用户、普通用户、活跃用户、流失预警客户等。

当企业在掌握和理解消费者个体与群体在时间轴上的精准动向和动机后,可根据群体行为调整供需策略、了解客户需求,从而把握最佳消费时机、创造消费时机,当用户消费轨迹趋缓时给予消费刺激等。

 

 未来缺乏的是业务 + 技术的复合型人才 

到底是市场出身,还是技术出身的人更容易转型成为数据运营人才?

其实,未来人才缺口最大的是既懂业务又懂技术的人,这些人才可能成为真正的技术增长类复合型人才。

我们自己的市场团队,有做数字营销、有做市场活动、有做内容营销,不管是哪个市场职能线,都要求用数据说话,他们必须用实际的数据来证明市场的营销效果。首先,他们是懂市场专业知识的人,所以他们每一项工作的实际产出结果,以及对于整体营销计划的影响,都要通过数据发现问题并进行调优。

图 10. 图片来源于网络

对像神策数据一样的从业者而言,每家服务商都有自己的特点和优势,为了更切实的帮助 CMO 们实现企业业绩的增长,我们需要更加清楚和明确地传递出到底可以为他们解决什么问题、实现什么、行业头部客户可以借鉴的经验和创新的方法是什么,才能推动整个行业的开放交流和发展。

神策数据作为国内大数据分析领域的代表性服务商,一直秉承着为企业带来价值的理念。神策数据的愿景是重构中国互联网数据根基,让中国的企业都可以依靠大数据技术构建出自己的核心竞争力。

从去年开始,神策数据一直在跟工信部指导的信通院、以及各大服务商,一起就用户行为分析领域的大数据分析标准、规范进行研究,希望能把行业标准、行业普适性、可以跟国内外对标的范式,梳理给企业客户作为未来技术增长领域的参考。

这版标准,作为国内首个大数据应用解决方案评测标准——用户行为分析标准 1.0,在今年 4 月份 2018 年大数据产业峰会上,正式发布。未来我们还将联合业内专家和从业者们,不断完善和修正,推动行业不断往前发展。

而 MarTech 的全面应用,预计还需要 5-10 年的时间,也就是当大数据时代全面到来以后,我相信,MarTech 定将会开拓一片新世界。

写在最后

希望业内同行在选择技术营销工具或产品时,首先需要关注是否能实现现有营销渠道、用户、业务系统全面整合。

其次,在工具的灵活性方面,要考虑是否可以支持各个营销线的一线员工使用,同时要兼顾不同职能线的市场人员诉求。

最后,选择一款可以保障数据安全、行业合规要求的工具和产品。

文中提及相关报告:

《覆盖19个城市,19,000个样本,零售业深度研究报告发布》

《数字广告投放中虚假流量的排查与判定》白皮书重磅发布

未经允许不得转载:互联网数据官互联网数据官 » 一直在说智慧营销,但你可能从未了解 MarTech
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址