ARC 再论述-数字化营销(一)

ARC 再论述-数字化营销(一)


对于数据分析我们之前讨论过,这是一个“赋能”的技术,可以做到所谓“见不可见,知不可知,为不可为”。这边,我们就用营销来做一个非常典型的例子说明。

从前的营销可能更类似像天马行空的创意思想(Big Idea)或是炫目吸引的视觉冲击,但大家可能都听过如此的一句说法:“知道我的行销预算有一半被浪费,只是不知道哪一半”。这句话充分的说明了甲方和乙方的困扰,而现在我们可以通过数据的掌握和分析,能够将营销变成科学,将“不可”变为“可”。
01|见不可见
首先是对于任何一个公司或部门的营销,如果不能对你的客户清楚的理解,区分和掌握,就很难进行所谓的精准营销,只能瞎子摸象,散弹打鸟。而以前的客户分析,仅仅是靠性别/年龄/地区/家庭等等的外在条件去做区分,其实意义不大,效果也不彰。对于今天异质结构的社会(heterogeneous),人们已经不是可以用单一生活方式来做定性,而如果要进行更细致和有效的理解,就需要将客户的行为数据、互动记录、互动内容、频率、方式等资料,都进行收集之后来做出分析的模型,如此才能有所谓高精度的客户理解,才能建立有意义的客户画像(Customer Profile)

“见不可见”,把所有资料都放入客户描述,其维度将会非常的高且体量非常大,通常我们对于这种高维大量的数据,是没有办法用一张简单的二维图或三维图,能够去找得出来不同客户群中有意义的分别和规则。通过数据分析,而系统能在内部中寻找相关的规则,自动的将客户划分不同的类别。通过这样的分群,我们就可以有效地将客户做出区分,这个就是“见不可见”的能力。

02|知不可知

第二个概念是“知不可知”,就是我们可以用收集的信息,结合跨界的学科,不但能掌握客户的外在条件,也能够判断这个人内在的心态与动机,而进行有意义的沟通。并且通过系统对于客户进行专门定制化的沟通,提供及时合适的信息,来强化其特定的心理状态,诱发我们预期的行为:包括对于产品的倾向、或品牌的认同,并且提高客户的体验。这个能够掌握对于客户深层沟通的能力,称为“知不可知”的能力。

而“为不可为”这个部分可以表现在很多的方面,有了基本对于客户的理解和互动的模型,就可以设计多种营销方案,能够知道如何将最小的成本投入,产生最大的量化效果,从而能评估与优化整体的ROI。这个是在传统的营销中不可能做到的地步,这就是“为不可为”的能力。


03|目的

我们刚刚讲的所有的方法,都要能清楚理解到数字营销的核心是对于数据的掌握。只有具备这个能力,才能有效的在今天的市场中进行主动的战略规划,项目运营和系统部署,而不是被动自画范围,盲目操作和等待结果。

所以说数据化行销真正的目的是为了要能够赋能,而其核心思想就是通过数据分析能够掌握新的能力。


04|持续更新
今天是一个总论,后续我们将会用三篇文章详细阐述这些方法和实施步骤,分别为:商务考虑及数据准备、ARC模型、OCEAN模型,欢迎大家持续关注。
5|关于精铭数据公司
精铭数据公司是国内大数据建模,具有多位国内外专家,致力于数据分析的实用化和相关咨询培训。公司对于数据营销、渠道管理、工业自动化、物联网等行业有实际业务提供专业的服务。

    • Related Articles

    • ARC 再论述-数字化营销(二).

      如同我们之前所谈到的,任何数据分析,包括数据营销也是一样,都需要使用 CRISP-DM 的流程,建立对系统的完整理解。通过这个思维框架,以确定目标、掌握数据、建立模型、实际应用。所以明白整体的实用目的,永远是数据分析中最重要的任务。 之前营销中所常常谈论的市占率、曝光率、好感度或者忠诚度,虽然这个部分也是通过数字来衡量,往往都是事后之师,看图说话,没有办法作为营销的结果评估和未来的行动指导。 01|客户洞悉 ...
    • ARC 再论述-ARC模型(三)

      如何有效有序的建造一个平台,可以通过2014年我写的一本书“钻石营销”来把这个问题讲解清楚。整体理论是以客户为主,从厂商的角度将其中的历程分为三个阶段:获取/维护/转换(Acquisition / Retention / Conversation),ARC模式最主要功能是能够将客户流程的核心功能,依照不同的阶段,利用科技的手段建立可操作的平台,通过这个平台能与有效的和现有的营销体系相结合,产生最大的效用。 ...
    • 营销的灵魂拷问

      所有公司在营销方面基本都面临三大挑战:客户理解、 ROI优化和潜客转换。到底是哪些人为什么会购买我们的产品?投入的营销费用到底效果如何最优化?如何把有可能的潜客最有效的转为购买顾客?而这三大灵魂拷问一直困扰着营销人员。 如要解答这些深刻的问题,必须首先要明白客户的购买需经过一个称之为客户历程(Customer Journey)的流程,能对其中不同的阶段,进行清楚确定、量化分析、确实理解并强化效应,这才是真正营销要考量的核心,而能有意义的回答以上的问题。 ...
    • 工厂自动化的数据

      行业发展动态 大部分的工厂自动化,主要的困难并不在于说使用什么模型,或者如何做分析,反而是很多时候,因为数据的采集,而造成的对于关键资料的收集困难。10/29总部有一个很有趣的网上视频讨论,主要是讲关于在工厂自动化中所碰到的问题和解决方案。其中特别有意思的是对于一些传统工厂中如何做数据收集做出演示。 这个视频,其中最主要讲的并不是在于如何去分析数据,而更多的是在如何收集和整理数据之上。我们整理了视频,提供下面几个应用的场景,在不同需求下如何收集数据的问题。 案例一:空间位置判断 ...
    • 建议分析(Prescription Analysis)

      对症抓药- 建议分析(Prescription Analysis)的强大力量 数据科学的核心是机器学习。但在现实环境中,教科书式的问题如;分析谁会购买,评估网页排名或预测系统将崩溃,如此简单明白的课题往往是不存在的。而在这篇文章中,我们会从更实际的情景来讨论数据科学的使用, 而建议分析(Prescriptions Analysis)作为将【机器学习】和【全局优化】相结合的技术,在解决日常中实际的问题如何扮演一个重要的角色。 建议分析-该做什么,而不是将要发生什么 ...