
大數(shù)據(jù)時代,你的營銷決策夠智能嗎
數(shù)據(jù)權力的分配直接影響到?jīng)Q策權力的劃分,高層需要帶頭建立大數(shù)據(jù)決策的文化。目前的人工智能技術更多是從大數(shù)據(jù)中發(fā)現(xiàn)線索,而對數(shù)據(jù)分析的結果進行解讀,還需要依靠決策者的洞察力。相比于隨處可得的技術,提升決策者對大數(shù)據(jù)的洞察力、調整公司決策的方式更為關鍵。市場營銷是受到大數(shù)據(jù)影響最明顯的領域,大數(shù)據(jù)是如何影響營銷決策的?
大數(shù)據(jù)具有三個區(qū)別于傳統(tǒng)數(shù)據(jù)的特點:海量、多維度和實時。海量是指所涉及的數(shù)據(jù)量規(guī)模巨大。從營銷的角度講,可以理解為覆蓋人群眾多。多維度表示數(shù)據(jù)具有多種不同用戶信息,比如網(wǎng)絡搜索、瀏覽、購買交易等信息。多維度的數(shù)據(jù)能將用戶畫像勾勒得更清楚,讓互聯(lián)網(wǎng)營銷更有的放矢。實時則意味著大數(shù)據(jù)產(chǎn)生和更新的速度之快,其高時效性對數(shù)據(jù)的分析和處理速度都有很高的要求。
大數(shù)據(jù)本身是沒有目的的,決策者必須有一個數(shù)據(jù)的應用目的,才知道如何去挖掘數(shù)據(jù)價值。大數(shù)據(jù)對于公司營銷決策的作用有三個:一是為用戶洞察提供了有力武器;二是滿足個性化營銷的要求;三是幫助企業(yè)做出正確的媒介購買等營銷執(zhí)行決策。
大數(shù)據(jù)為市場洞察提供更多維度
市場洞察原來是通過傳統(tǒng)數(shù)據(jù)獲取,現(xiàn)在已經(jīng)漸漸過渡到利用大數(shù)據(jù)來實現(xiàn)。通過企業(yè)調研和營銷獲得的數(shù)據(jù)具有明顯的“人工計劃”特征,在收集數(shù)據(jù)之前,數(shù)據(jù)的樣本、調查手段、分析手段和應用目的就有了清晰的規(guī)劃,所以數(shù)據(jù)是“結構化”的。
移動互聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)是大數(shù)據(jù),這些數(shù)據(jù)主要是用戶行為產(chǎn)生的數(shù)據(jù),包括搜索、瀏覽、交易和社交等。它不受計劃控制,而且數(shù)據(jù)的收集、分析和應用的過程有很強的不確定性。管理者發(fā)現(xiàn),大數(shù)據(jù)的維度更多,能夠從360度全方位接近用戶,分析出誰在買、何時買、買多少、為什么買等等,讓決策的依據(jù)更清晰。
大數(shù)據(jù)還有一個特點是實時。從數(shù)據(jù)的產(chǎn)生到應用是在很短的時間內完成的,“很短”可以是24小時,也可以是僅僅幾毫秒,這中間包含數(shù)據(jù)收集、數(shù)據(jù)過濾、數(shù)據(jù)進入數(shù)據(jù)庫、數(shù)據(jù)判定、數(shù)據(jù)應用等一系列過程。這種速度要求是人工無法做到的。雖然數(shù)據(jù)的收集是某個結果的“事后”,對于數(shù)據(jù)的處理和應用卻必須是“事前”決定的,所以整個過程受到?jīng)Q策者的影響,也需要依靠智能工具來完成。
筆者創(chuàng)建過一家廣告技術公司,為了幫助銀行客戶尋找對小額貸款產(chǎn)品感興趣的潛在客戶,我們針對搜索過“貸款”“抵押”等關鍵詞的互聯(lián)網(wǎng)用戶投放產(chǎn)品廣告。數(shù)據(jù)表明,關鍵詞的時效性非常明顯:時間越短,效果越好。如果超過24小時,關鍵詞的作用基本就消失了。有了這個經(jīng)驗以后,我們在智能系統(tǒng)中設定,只對24小時以內的關鍵詞搜索用戶投放金融產(chǎn)品廣告,從而提升了轉化率。如今,時效性已經(jīng)成為智能廣告引擎不可缺少的定向數(shù)據(jù)元素。
大數(shù)據(jù)讓營銷從曝光導向轉為效果導向
傳統(tǒng)營銷的對象是“群”。營銷人員是按照用戶年齡、性別、收入、教育、職業(yè)、家庭、地域因素等用戶的外部或心理特征來描述廣告受眾的。這種“人以群分”的用戶“標簽”一旦固定下來就不會改變。由于覆蓋的人群數(shù)量較大,所以被稱作是大眾營銷。衡量大眾營銷的效果往往是曝光,就是營銷活動覆蓋了多少人。我們熟知的GRP(總收視率)、CPM(千人曝光成本)等,就成為衡量營銷決策的主要指標。決策者使用的工具來自傳統(tǒng)的統(tǒng)計數(shù)據(jù),就是前面提到的結構數(shù)據(jù)。
有了大數(shù)據(jù),特別是有了移動數(shù)據(jù)以后, 用戶分類中不但增加了前面提到的時間因素,還補充了地點因素,場景分類的概念就隨之誕生。營銷決策變成了運用數(shù)據(jù)推算出用戶的場景信息,從而決定推送什么營銷信息。用戶場景分類“標簽”的有效性稍縱即逝,現(xiàn)在還是廣告受眾的“他”,下一秒鐘可能就不是了。例如用戶在下午1點鐘位于某商場,可以推送商場活動相關信息;2點鐘回到辦公室,你還在推同樣的信息就遲了。
“不知道廣告的哪一半被浪費”,這個讓營銷者頭痛了百年的問題,似乎從大數(shù)據(jù)中可以找到解決方案。從此,大眾營銷模式被顛覆,營銷的重心從追求“用戶覆蓋”轉向“有效覆蓋”,即效果。由大數(shù)據(jù)公司谷歌建立的CPC(單位點擊成本)的效果營銷,成為當今主流的營銷模式。這種模式中,決策的依據(jù)不再是“群”,而是“個人”。營銷活動只有觸及目標用戶,才算有效。當前的營銷行業(yè)中CPL (單位銷售線索成本)、CPA (單位注冊成本)、CPS(每單銷售成本)等模式成為衡量營銷的標準,占據(jù)了廣告的大部分預算。在這種環(huán)境下,營銷決策只有拋棄過往的統(tǒng)計報告,學會從大數(shù)據(jù)中洞察市場,同時借用大數(shù)據(jù)驅動的智能引擎去執(zhí)行策略,才能取得好的營銷效果。
智能決策不能離開營銷邏輯
企業(yè)運用數(shù)據(jù)做市場分析,是基于決策人對于營銷邏輯的理解來完成的。離開了營銷邏輯,大數(shù)據(jù)應用就會迷失方向。
廣告媒介的決策是營銷的重要部分,因為其影響周期長,而且預算大。傳統(tǒng)的媒介購買決策和購買主要是由“人工”完成。營銷人員根據(jù)推廣目的,按照媒體屬性,例如媒體內容、年齡屬性、收入水平、地理位置、職業(yè)特征等等人工選定媒體,制定媒體購買計劃,購買決定一旦形成就難以調整。而如今,大數(shù)據(jù)讓購買決策變成以“人工+智能”相結合的方式完成。營銷者需要知道哪些營銷任務需要由“人工”來決定,哪些需要由“智能”機制來完成。一般來講,營銷的目的、目標用戶的定義、活動的時間段和效果衡量等整體策略的制定仍然離不開人;“數(shù)據(jù)智能”則可以幫助決策者建立用戶洞察和媒介洞察,也可以實現(xiàn)媒介的“智能”購買 。
營銷決策權是關鍵瓶頸
曾經(jīng)遇到過一個快消行業(yè)的財富500強客戶,希望運用大數(shù)據(jù)和智能引擎手段提升營銷效率。經(jīng)過深度交流,我們發(fā)現(xiàn)客戶管理層對大數(shù)據(jù)還缺乏了解,而且在決策流程上營銷部門、數(shù)據(jù)部門和IT部門相互分離。不難預料,客戶最后采用的方案并非大數(shù)據(jù)營銷。公司在運用大數(shù)據(jù)來幫助洞察和決策的過程中,會面對重重障礙,主要來自公司管理層的不積極和現(xiàn)有組織結構的缺陷。
營銷決策負責人需要決策的靈活性,以滿足用戶需求,但是產(chǎn)品部門的決策往往需要涉及更多人,因此容易造成決策的延遲。不同部門之間的這種矛盾有時甚至會發(fā)展為沖突。這種情況下,公司需要平衡營銷決策權和產(chǎn)品決策權的關系。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL 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(jù)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(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
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(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)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(jù)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(jù)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(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
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(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)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(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)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(jù)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(jù)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 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10