关于数字营销，你应该知道哪些才能事半功倍？

为什么数据驱动那么重要？

数据驱动从提出开始到现在都是非常重要的，就像一个企业非常看重财务报表，因为财务报表可以告诉他什么时候应该继续投资，什么时候应该降低预算，什么时候应该降低成本，什么时候应该获取更多的投资去谋求更多的机会。对于营销也是一样，营销也需要这样一个晴雨表去了解市场对企业产品和服务的反应。在广告投放之前，还可以用数据精准化地圈定受众去预测投放效果。

（图片说明：数据是营销晴雨表 图片来源：美库尔）

为什么营销中的数据那么重要？因为需要数据来帮助每一个决策。因为产品服务的广告投向某个渠道的时候，并不是一开始就是正确的，需要在测试中不断调整，找到最契合的营销渠道，甚至是多渠道的营销组合。另外，即使找到最优化的营销组合了，它还是会不断动态地改变。互联网时代的发展速度是非常快的，这对现阶段的营销者也提出了非常大的要求和挑战。

关于数据营销的有趣案例

现在看到的营销案例，更多是偏向于创意或者社会化营销的，这些案例让人觉得非常感人、印象深刻。再比如社会化营销中经常说裂变，让人听上去很神奇。其实用数据来驱动的精准营销并没有那么sexy，它每天都在发生。特别之处就在于：数据时代，利用数据来进行的营销活动具有一种美感，它的美是因为他是可以衡量的。

我更加倾向于用“有意思”来衡量这些案例。我个人感觉国内以数据为驱动的营销，发展的速度稍微慢了一点，有许多限制条件和壁垒。但是慢慢地数据驱动的营销案例还是不停地涌现的。

分享一个百度相关的案例。百度的数据是相当丰富的，包括历史搜索记录、浏览记录、爱奇艺观影记录等，还包括百度地图、百度外卖的数据。

我们今年上半年有一个客户——一家电影公司，我们为它的一部机器人电影提供一部分媒体的策划投放支持。这是我们合作的第四部电影。而这次我们和客户一同用百度丰富的数据为观影的人群进行画像，然后利用这个数据（画像和模型）与百度大量的人群标签匹配出最后的投放人群，最终扩大电影的影响力。

最后三方对结果都是很满意的，因为各种KPI的指标，比如广告点击率、预告片的播放率都是比之前电影高出50%左右。从目前的所有的工作方式和结果来看，用到的数据越多，效果的确比历史上没有利用那么多数据要好很多。

想要进行数据驱动的营销有多困难？

用数据来帮助营销，是一个门槛很低，但是水又很深的工作。说门槛很低，是因为只要对产品现有的数字营销渠道进行一点更改，就可以获得比较高质量的数据，这些数据可以马上就被利用到的营销活动中。然而说水很深，是因为的确需要像林雨旸这样资深的数据分析师去对数据进行操作。另一方面,需要花非常大的精力去说服管理层，让他们认识到做这部分投入是有回报的，就是有非常多的说服的工作。

（图片说明：数据驱动的营销需要很多说服高层的工作 图片来源：Tom Fishburne）

许多品牌并不是说对数据分析不重视，而是因为把更多的精力和预算放到了媒体上。如果进行媒体投放觉得效果好的话，一定会再投，会加大投入，而不会把这些新增的预算投资用到数据分析上。如果反过来生意不好的话，品牌的第一反应是把预算削减下来，更不会去投资数据分析而让广告更加精准。这就会变成一个两难的困境。

数据驱动的营销从这个意义上来讲，并不是营销部门自己的事情。因为它包含了数据收集、数据分析、数据呈现。营销的实施也是整个公司的事情。管理层需要去支持这个事情，为各种营销活动数据去开绿灯；技术部门需要帮助营销部门去整理、收集、清洗数据；营销部门需要去推动、落实，去组织、管理、协调好一系列的以数据为目标的营销活动。因此公司必须先是一个营销型的公司，其次才是以一个数据为驱动的营销型公司。

举个例子来说，我们的团队经常需要去说服客户，需要跟技术人员一起工作，因为很多时候技术人员只是想实现一个功能，但并不考虑营销上进行这些更改有什么好处。

谈谈收集数据

数据驱动的营销包含非常多的环节，其中数据收集是最初的环节。从品牌的角度来讲是“MarTech”（Marketing Technology），是为了帮助品牌能够更好地认识客户群体，为广告投放、CRM与忠诚度计划这些营销活动服务，是基于第一方数据的。

从广告产业的角度来讲是“AdTech”(Advertising Technology)，是为了帮助广告从业者对广告主、品牌有更好的理解，提供的是品牌的第三方数据。合在一块就叫“MadTech”，MadTech的核心就是数据的收集，数据的接入，数据的清洗，还有数据的利用。

（图片说明：MarTech + AdTech =MadTech 图片来源：美库尔）

数据抓取方面，对于国内的营销者而言，最有用的就是手机号码。有了手机号码，就可以几乎认识所有平台的受众，而且可以识别个人的数据，使得其他方面的信息关联到每个人。

收集到这些数据就可以将营销信息上传到各个想投放的渠道了，比如百度、腾讯或者阿里，然后就可以依靠他们的技术建模，用他们的比较基础的模型构建自己的目标受众，并且进行拓展。（更高级、客户化的建模还是要数据分析师来亲自操刀。）

典型的储存营销数据的方式？

CRM数据库是很普遍使用的营销数据库，储存了现有客户和以往客户的数据，还可以帮助维护和客人之间的关系。CRM数据库会存储比如说手机号码、姓名、地址等客户的信息，这些客户数据是第一方的数据。但是随着获客成本的提高，获得第一方的数据会越来越难，成本会越来越高。

那么，能不能让潜在的客户还没有真正成为客户之前，就获取他的一些信息？这些信息可以帮助用于以后的营销，比如说获取客户的浏览器cookie、手机的设备ID、微信的open ID。

这些数据并不是完整的客户信息，因此对CRM数据库的定义也发生了改变，我们叫CDP（Customer Data Platform）。CDP同样存储了第一方的数据，但是这些数据并不只是现有客户或者历史客户的数据了。CRM数据库到CDP数据库的转变丰富了营销的第一方数据，对营销科技是一个划时代的转变。

另外一个核心概念叫DMP(Data Management Platform)。DMP的概念从程序化广告中来，特别是广告的实时竞价中，需要在一百毫秒钟就决定是否对受众展现广告， DMP就是用来判断是否对这个访客投放一次广告展现的平台。

DMP中有非常大的数据量，不但需要各个平台的数据源打通，而且需要从媒体投放拿到的源源不断的新鲜数据。因此品牌自己要去建立或者维护一个DMP的成本是非常高的。

品牌方要如何搭建数据库呢？

品牌方应该去建设自己的CDP，因为CDP的第一方数据可以和DMP打通，可以更好地帮助投放人群的圈定。当从CDP载入一个比较小的一个数据集时，DMP就可以通过输入的数据，去归纳出需要的对象的特质，从而通过这个特质来扩大受众群体。一个品牌的第一方数据越丰富，营销实力和潜力就越大。

数据分析的方法论是什么？

我经常分享的数据分析方法论是“数字分析的三驾马车”。

(图片说明：数字分析的三驾马车 图片来源：极诣数字营销)

数据抓取是第一架马车，首先要确立一个假设，或者说做分析的兴趣点在哪里？确立了假设以后，才可以知道需要对哪些数据进行抓取。第二驾马车是数据处理，对数据进行梳理、清洗、分类和归因。第三驾马车是对数据的理解，要看结果能不能验证假设，或者对现有的数据换一个角度处理一下，看能不能有新的收获，这叫做数据理解和阅读。数据分析的过程就是三驾马车并驾齐驱的过程，一直到获得有意义的、能够指导营销优化的结果。

举个例子，美库尔在今年首创了利用马尔可夫链进行归因优化来分配广告预算。它抓取每一个点击和购买的信息，对原始数据进行归因。然后看一下各个campaign的真实的投入产出比。分配调整后再进行投放，再收集回数据来看这样的决策是不是正确，有没有更进一步优化的地方，接着对投放预算进行再分配，再进行新一轮的投放。

对未来的展望

我们经常将广告分成品牌广告和效果广告，听上去效果广告需要更多的数据分析师来参与，品牌广告只要Spray and Pray，差不多就好了。从去年开始，营销界有不同的声音，像宝洁、联合利华，大幅削减了营销预算，他们认为在数据、科技上花的成本太高了。

这种说法从结果上来说是正确的。有的品牌的产品可能并不局限于某一特定人群，并不需要花太多精力在精准定位上。消费群体的分析或者广告技术上不需要投入太多，只要把大量的广告分发给每个人就行了。他们觉得效果广告没这么重要，只要做好品牌广告就行。

但是这种说法从过程上却是错的。效果广告的目标受众不单是使用这些服务和产品的人，还包括了和真正在用这些产品的人能够产生共鸣的群体，能够影响那些人的群体，所以同样需要数据分析师的贡献。 群体增大只不过降低了难度而已。况且我们还需要利用分析来发现一些广告欺诈（Ad Fraud）、可见性（Viewability）、安全性（Brand Security）的问题。

比这种思潮更让数据营销者有危机感的应该是人工智能。人工智能的快速发展是对数据分析师的一大考验。去年乌镇AlphaGo大战柯洁等棋手，结果是完胜。完胜并不可怕，可怕的是AlphaGo的用时几乎是人类棋手的一半。

科技中的人工智能元素在未来的十年到二十年里，会让许多人失业。有人会说营销是研究人的科学，人当然更了解人，所以AI是不会代替人的，但是我认为这其中的差距已经非常小了。现在的搜索营销、程序化广告中AI的应用已经趋于成熟，会越来越难去钻AI的空子。

AI的进步又是由那些互联网巨头来推动的，它们通过提供营销服务和平台赚钱，而数字营销者离这些互联网巨头是非常近的，所以数字营销者是最快被影响到的。

（图片说明：人工智能可能在未来让许多人失业 图片来源：纽约客）

另外，营销科技的迭代也是非常快的，这就要求我们努力不停地学习。数据分析师们应该拓宽自己的知识面，并更多了解上下游的其他工作，为自己的职业生涯增加更多的可能性，因为实在不知道未来会怎么样。

注：以上内容根据数据侠马骏在数据侠线上实验室的演讲实录整理。图片来自其现场PPT，已经本人审阅。点击“阅读原文”，获取作者直播回放。本文仅为作者观点，不代表DT数据侠立场。

数据侠门派

本文数据侠马骏，美库尔中国效果媒体负责人，数字营销、互联网营销专家。百度站长专栏作家，SearchEngineLand专栏作家，Web Analytics资深分析师，Google认证专家，极诣数字营销创始人，微信公众号极诣数字营销（ID：digital-marketer）。精通领域包括SEO，PPC，程序化广告，有丰富的百度推广和Google AdWords/DoubleClick的经验，曾服务于多个财富500强客户、上市公司和知名企业，帮助过超过两百个亚太地区网站进行推广。

加入数据侠

“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，投稿、合作请联系datahero@dtcj.com。