
營銷人如何搞定工作中的數(shù)據分析?
數(shù)據之于營銷人的意義已經無須贅述。但現(xiàn)實問題是,面對各種復雜難懂的“大數(shù)據”概念,我們如何才能抓住關鍵,在最短的時間里建立起對數(shù)據分析的感性認識?如何通過系統(tǒng)認知在工作中逐漸培養(yǎng)起數(shù)據思維?
1
營銷人不得不面對的行業(yè)趨勢
Holmes Report 2016年全球傳播報告指出,無論在公關公司還是企業(yè)內部的公關部,數(shù)據分析已經成為了繼文案、策略、溝通的第四大技能。
希望這篇文章能培養(yǎng)大家的數(shù)據思維能力和意識,掌握一些營銷場景下的數(shù)據常識,了解數(shù)據分析的四步流程,相信對你以后的工作會有所幫助。
2
為什么要注重數(shù)據分析?
為什么學會數(shù)據分析對我們來說很重要?
有效避免拍腦袋,主觀臆斷;
為決策提供支撐,使我們的結論更能說服人,說服客戶;
解釋過去,預測未來。
當談到數(shù)據解決問題時,我們說:“如果你不能量化它,你就不能理解它,如果不理解就不能控制它,不能控制也就不能改變它”。數(shù)據無處不在,每個人都面臨著如何有效地吸收、理解和利用數(shù)據的挑戰(zhàn)。那些能夠有效利用資源從數(shù)據中提煉信息、發(fā)現(xiàn)知識的人,最終往往成為各行各業(yè)的強者。
3
數(shù)據在營銷領域的發(fā)展歷程
首先我們來回顧一下營銷的發(fā)展史。營銷主要經歷了三個發(fā)展階段。第一個是20世紀50年代初產生的4P理論,4P理論是伴隨著營銷組合的出現(xiàn)而出現(xiàn)的,以產品、價格、渠道和促銷為核心。4P理論可以很好的幫我們了解一個公司整體的運營狀況。后來到了20世紀末出現(xiàn)了4C,4C是以顧客、溝通、便利和成本為核心的,到了21世紀初,菲利普·科特勒又提出一個新的概念,就是我們已經屬于營銷3.0時代,一個“以人為中心”的時代。“人”的概念是指圍繞在品牌周邊的所有角色,既包括了品牌的真實用戶和潛在客戶,也包括了在品牌的傳播當中非常重要的自媒體、KOL、粉絲等,當然也包括了品牌的從業(yè)者、員工和合作伙伴。
對于這些“人”的分析洞察和數(shù)據挖掘,在方法論上也經歷了三個發(fā)展階段。第一個階段是傳統(tǒng)調研。傳統(tǒng)調研是以調研問卷和焦點小組訪問的形式為主的。主要特點是樣本量比較少,受調研者的主觀判斷和經驗所限,在信息上會有一些缺失。后來隨著社交媒體的蓬勃發(fā)展出現(xiàn)了社會化聆聽的方法。社會化聆聽的一個主要特點就是數(shù)據量大,對于挖掘用戶原生需求和內容是一個很好的渠道。而現(xiàn)在我們則步入了大數(shù)據時代。特點是數(shù)據海量,多樣化的數(shù)據源,可以支持多維度多平臺的縱深分析。
4
數(shù)據分析四步流程
究竟數(shù)據分析這塊應該怎么來做呢?
簡單來說分四步:第一步明確目標,第二步數(shù)據獲取,第三步數(shù)據洞察,最后結果輸出。我想強調一下明確目標這步,因為我們在拿到客戶的brief之后,首先需要去理解和轉化brief的內容,然后再進行后續(xù)的工作。明確目標對大家而言不僅僅是需要去理解brief本身的內容,更重要的是要知道背后的background information。第二數(shù)據獲取,就是告訴大家目前在營銷行業(yè)對數(shù)據的一些常規(guī)分類方法。第三和第四步會結合具體的案例來講。
1
明確目標
好的問題使我們離答案更近一步,同理,壞的問題可以使我們離答案更遠一步,甚至不止一步。來看一下有哪些值得我們去了解的背景信息。首先你要知道客戶所處的行業(yè)以及行業(yè)趨勢是什么,面臨的主要問題和挑戰(zhàn)是什么。第二是和你對接的客戶屬于企業(yè)當中的什么角色,是市場部還是公關部?還是其他部門?KPI是什么?第三,過去的一段時間你幫助這個客戶解決過什么樣的問題,以此試圖了解他產生這次需求的動機。
除了我們要知道需求的背景之外,我們自己還需要培養(yǎng)數(shù)字化的思維方法,說白了就是你需要對數(shù)據有敏感性。
舉個例子,比如說客戶要做一輪傳播,需要找一些自媒體。我們拿到這個需求之后,在腦子當中就需要有意識去想我可以獲取什么樣的數(shù)據,需要從什么方向和維度去結構化這些數(shù)據,以及最后想達到的效果是什么。比如說這個case,就需要知道我們要reach什么樣的受眾,這些受眾有什么特點,以及我通過什么樣的數(shù)據可以判斷受眾最關注的自媒體帳號是什么,最后還要思考篩選的機制大概是什么樣的。這個過程要求大家的左腦和右腦同時運轉,一邊是發(fā)散性的思維,一邊是結構化的邏輯思維過程。
剛剛說的都是從自身出發(fā)的,再換一個角度來看一下從客戶角度怎么看問題??蛻舻慕巧煌麄儗?shù)據的理解以及價值的發(fā)現(xiàn)也是不一樣的。比如說市場、銷售、CRM部門,他們更多的可能是對用戶畫像,對用戶細分更感興趣;研究部門或者是產品部門對用戶的口碑,用戶的UGC內容更感興趣,因為他們通常想要去了解用戶對品牌、對活動、以及對產品和服務的真實反饋是什么;最后對于公關或者是媒介部門來說,更多的需要去了解媒介的情況:用什么媒體什么渠道可以獲得最好的效果等等。
2
數(shù)據獲取
首先我們認識一下用戶標識。用戶標識也叫用戶ID,相當于數(shù)據分析的一把鑰匙。通過用戶標識可以進行用戶數(shù)據匹配和數(shù)據打通。目前平臺碎片化和渠道碎片化,用戶標識在不同平臺和不同渠道上都是不一樣的。目前業(yè)內采用比較多的方式,PC端是使用cookies,移動端使用手機唯一識別碼,在蘋果手機上稱為IDMA,在安卓機上叫IMEI號,這個號是唯一不變的。不論你的手機有什么樣的操作更新或者安裝了什么APP都不影響設備號。所以可以通過這個設備號去精準地定位到我們的用戶。對APP的識別有另外一個方法就是SDK。除了這些還有用戶的其他身份,比如說用戶的手機號,電子郵箱,社交ID,比如說微博號微信號,這些都是作為用戶標識的方法。
剛剛說了用戶標識,接下來我們來看一下用戶數(shù)據這塊。用戶數(shù)據的分類方法有很多種,一種方式可以從靜態(tài)數(shù)據和動態(tài)數(shù)據兩個概念來分。靜態(tài)數(shù)據是指在一段時間內不會輕易發(fā)生改變的數(shù)據,動態(tài)數(shù)據是會實時改變的。我們對用戶的分類大概可以分為自然特性、社會特性、偏好特性和消費特征。其中自然和社會特性數(shù)據是靜態(tài)數(shù)據,偏好和消費特征是動態(tài)數(shù)據。
除了用戶數(shù)據另外還有渠道數(shù)據,包括信息的渠道和購買渠道。信息就是包括了社交媒體平臺,新聞資訊平臺的數(shù)據。購買就是指購買渠道的數(shù)據,比如電商、官網、賣場數(shù)據等。
數(shù)據按照所有者和來源又可以分為兩大塊:一方面是我們說的一手數(shù)據,就是企業(yè)和品牌所擁有的數(shù)據。最典型的體現(xiàn)為CRM數(shù)據。另一方面是第三方數(shù)據,大部分的第三方數(shù)據都是開放和公開數(shù)據,當然也有一些數(shù)據交換和數(shù)據合作得到的加密數(shù)據。
5
數(shù)據在營銷中的使用場景
第三步數(shù)據洞察和第四步結果輸出將結合案例給大家講。在講案例之前我們可以先來看一看,數(shù)據在整個營銷當中,最經常會遇到的使用場景,基本所有的營銷問題都可以歸納為三類,就是關于“Who、What、Where”的問題。Who可以理解為TA是誰,What就是去了解這些用戶的原生內容,就是我們說的UGC(User Generated Content)。UGC口碑引申出來的就是對品牌、服務、產品的整體反饋。我們可以基于此為企業(yè)不同業(yè)務單元提供不一樣的建議和策略。Where是通過哪些媒體渠道和觸點,可以最好地reach到用戶。
WHO
首先我們來看一下用戶畫像。到底什么是用戶畫像呢,其實說白了就是給用戶打標簽的過程和最后輸出結論。我們現(xiàn)在對用戶畫像標簽的體系架構無非就是這么幾大類,包括人口屬性,社會屬性,興趣偏好、行為習慣和心理學屬性。那這么五大類的標簽建完之后有什么意義呢?我們可以重點看一下上面的分析指標,他們體現(xiàn)了標簽能夠產生的價值。
通過人口屬性可以去做用戶的不同代際細分,比如分別針對80后、90后、95后、00后提供不同的人群細分和描摹。還可以對受眾按照標簽細分,比如說按性別或者地域或者消費水平去做細分。社會學屬性使我們可以去分析用戶的社會形態(tài),他們的life style是什么樣的,家庭生命周期是什么樣的,有什么樣的生活大事件和他們所處的社會階層。興趣偏好這塊我們可以分析用戶對品牌的美譽度和對品牌的好感度,以及他們的興趣圖譜和購物的偏好。行為習慣這塊用的最多的就是觸媒習慣,觸媒習慣包括線上和線下的觸媒。還有一些網購行為習慣,比如說消費的金額、頻次、流入流出的情況等。心理學這塊一般來說要通過傳統(tǒng)調研的形式,來進一步挖掘用戶的三觀和想法。
用戶畫像是源于企業(yè)對用戶認知的渴求,用戶畫像無非就是對這兩類人。一類是現(xiàn)有用戶,一類是潛在用戶。對這兩類人群畫像,一般可以通過什么樣的分析維度呢?可以列舉三個維度:
用戶群劃分:對于已有的用戶集合,可以根據不用標簽將用戶聚類為不用的用戶群,針對不用的用戶群采取不用的營銷措施,或者將營銷資源放在主要用戶群上。
用戶興趣分析:通過用戶畫像,可以知道用戶喜歡什么,偏好什么樣的產品,從而將用戶興趣納入到需求之中改進產品或服務。
用戶消費分析:能夠了解用戶消費層次,消費能力及潛在消費能力,愿意為什么樣的產品或服務付費,取得消費突破點,增加銷售額。
其實說白了,所有的這些維度最后都是做精準營銷的。因為我們都知道現(xiàn)在數(shù)據很泛濫,每個用戶身上每天都會接收海量的信息。其實現(xiàn)在用戶對于他不關心的數(shù)據也好信息也好是非常排斥的,我不知道大家是不是這樣,就是對于我不想看到的東西,是不會仔細去看的。信息太過泛濫,因此用戶都已經習慣性的選擇抗拒不關注的信息,故只有了解用戶之后按時按需按人將自己的信息從廣告轉化為有用咨詢,才能取得較好的用戶轉化率。
數(shù)據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據分析的 “基礎語言”—— 從描述數(shù)據分布的 “均 ...
2025-09-19CDA 數(shù)據分析師:表結構數(shù)據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(如數(shù)據庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據分析師:解鎖表結構數(shù)據特征價值的專業(yè)核心 表結構數(shù)據(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據,如數(shù)據庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據差異是否 “ ...
2025-09-16CDA 數(shù)據分析師:掌控表格結構數(shù)據全功能周期的專業(yè)操盤手 表格結構數(shù)據(以 “行 - 列” 存儲的結構化數(shù)據,如 Excel 表、數(shù)據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據分析師:激活表格結構數(shù)據價值的核心操盤手 表格結構數(shù)據(如 Excel 表格、數(shù)據庫表)是企業(yè)最基礎、最核心的數(shù)據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據的科學計數(shù)法問題 為幫助 Python 數(shù)據從業(yè)者解決pd.read_csv讀取長浮點數(shù)據時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據分析師:業(yè)務數(shù)據分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11