ARC 再论述-数字化营销(二).

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

所以第一个概念就是要确定数字化营销的目的是什么?与之前的营销有最大的不同就是清楚的量化导向。能清楚界定在每一个阶段中,掌握数据、进行分析、量化指标。能在每一个阶段都能清楚计算KPI,而后整合能达到全局的整体优化。所以要达到这个效果,最重要的是要能回答三个问题:我们的客户是谁?他们从什么管道来的?如何才能有效的互动?

从根本上来说,对于客户要能够完全的理解才能掌握。而其分析的条件不单只是单纯的外在指标,你要能够对他们心理状况也必须做一个判断,并且知道何种渠道能够产生最大的客流量,这样才能避免不必要的成本投入。最重要的是在跟客户沟通互动的时候,如何能够让他们接收到要传达的信息和产生预期的效果,应该用什么样子的方式和诉求,可以达到这个目的?

02|数据掌握

第二个概念要说的是,如果需要量化,数据是极为关键。不只是单纯现有可得的数据,其更是在深度/广度/长度三个维度都要全面掌握。深度是对于相关数据尽可能的详细资料;广度是更全面收集不同种类来源的资料;长度是对于相关数据的尽可能完整的历史资料;并且积极主动“吸取“这个三维的数据,而不是被动”收集“唾手可得的资料。这个需要在各个环境中,透过各种管道的方式掌握的更好更完整更详细数据。在今天的社会中,数据是最有价值的资产,这个是必须在公司内部里面建立起共识。

而对于数据的部分,国家对这部分也开始重视和保护个人隐私,而相关法律也开始逐渐的完善和严格。中国是很早就开始采用类似欧盟GDPR(General Data Protection Regulation)法规的标准,还有包括2021年11月1号开始实行的“个保法“,都是对于数据的取得更为严谨。很大程度也因为数据的限制越来越严格,业界也开始从公域流量改到私域流量,尽量避免第三方的平台数据,如此才能够方便掌握更完整的数据,当然这个也是整个生态里面的另外一个趋势,对于未来的网络运作会有极大的影响。


03|足够准备

第三个概念是对于数据营销或是任何数据分析,不是把所有的数据都堆在一起,然后就希望能够自动通过观察,就能有很奇妙的结果产生。现在数据其中的信息含量,已经不是人们可以单纯以直观或是经验能掌握,我们必须承认,机器的能力已然超过我们了。人们的角色已经转变为战略规划和计划制定,而系统的能力才是能提供最大效果的手段。

对于这样一个全新能力的系统,我们也要有能力能够使用和管理,不至于反而过度依赖或为其所控制,所以营销人员必须具备足够的知识和合适的工具。我们希望透过之前所讲授的理论课程可以提供坚实的基础,同时也使用Rapid Miner 这个业界先进的工具,可以很合适的作为我们分析的平台。

04|客户历程
任何营销或是销售,基本上都是有一个客户的历程。从客户开始感知产品、了解信息、再接触体验、之后产生需求,最后的购买动作。而这个就是在营销理论中的经典 AIDA(Aware, Interest, Desire, Action)的模式。通过理解这个完整的客户历程的模式,能清楚对于客户在不同的阶段做出界定。但这个概念,是从客户的角度来说明其所经历的阶段。我们如果从厂商的角度,可以有不同的方式来理解和界定阶段所认知的客户流程。

要建立一个很完整的客户流程,首先要有效的区分不同的阶段,而每个阶段的目的,不见得单纯粗暴将客户推向购买,而是希望能够在每一个阶段,能构建有效的流程,从而逐步推进完成对于客户的导引,最后完成销售。最重要的是能在每一个阶段,非常清楚的建立量化指标,有详细的KPI 和检查点。通过如此的每一部分的完整评估,才能在全局做到整体的优化,这个才是建立客户流程的目的。

所以所谓的数字营销不仅是使用各种数字的方式来进行沟通,更重要的是能通过数字来进行积极的指导和优化。

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(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 ...
    • 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。 ...
    • 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 ...
    • 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。 ...
    • 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 ...