数据分析
运营
app 推广

数据分析与市场营销有什么关系?

关注者
17
被浏览
11,225

6 个回答

所有企业都有一个希望,就是用最少的广告费获得更多的用户。根据我国今年来的调查数据显示,在2010年左右,广告行业实现了大数据技术引导投放,之后的两年里,广告投放费的GDP占比反而疯狂上涨,而在此之后,人们显然认识到达数据的局限性,涨幅有所下降,可惜占比仍然居高不下。
简单的说,在大数据精准投放的加持下,企业广告投放的成本收益比却降低了。这是为什么呢?今天DataHunter数猎哥就来从数据分析的角度说说企业在做市场营销推广时,如何提高广告投放的效果。


一、为什么广告投放没有效果

1.忽略了产品的生命周期
企业在做推广投放时会涉及关键指标的跟踪,比如CPM、CPS、GMV、DAU等,这些指标除了与企业的获客成本、平均客单价、客户数量等密切相关以外,还需要结合企业产品的生命周期来进行监测。

对于处在成熟期的业务模式良好的公司,上述指标是可行的。因为成熟公司讲究的是执行到位,商业模式验证阶段已经完成了。企业只需要复制已有模式,按部就班,扩大规模就能顺利达成商业目标。对应的GMV等指标是可以衡量运营绩效的,对这些关键指标的跟踪也能有效的度量企业的投放效果。

但对于创业阶段还处于探索期的新项目而言,由于商业模式都还没完全确定,还在寻找目标客户和验证产品。这个阶段主要做小规模广告投放,目的是为了验证产品和市场的匹配程度,通过广告投放测试了解当前的产品、商业模式是否能让自己盈利。这个时候需要考核的重要指标不是GMV、DAU,而是在广告停止投放以后,有多少用户会继续使用产品、产品的复购率、转介绍次数有多少等与公司生存密切相关的数据。

2.对各投放平台本质的认知不够
企业做广告投放的目的是为了影响消费者的决策,我们常听说大数据可以预测人的行为,那是不是利用大数据就可以影响消费者的决策让广告更有效呢?其实不然,各大数据平台是通过日常精准的抓取并记录用户的行为数据,为用户建立一个个的标签,并将其详细归类。而这种方式暂时无法做到精准预测人的行为。
原因首先是数据本身不完整,各个大数据平台可能处于对用户隐私的保护,或者各个平台之间的数据并没有完全打通;其次即使数据孤岛被打通,数据本身是完整的,也不能保证各大信息流平台就能精准的识别和预测潜在受众对广告的主观反映,因为人性本身是不可预测的。如今的大数据,只是省去了我们收集处理的过程,而如何洞察消费者的决策,还需要人脑来进行,大数据技术只是辅助而非主导。

3.忽略了对人性的洞察
企业做广告投放,不管是做信息流还是其他,其实都是在研究人的购买决策过程,即研究用户从“看到”到“产生兴趣”、再到“产生购买欲望”、最后完成购买行为的整个过程。但真正的需求往往是隐而不见的,而想要把隐形动机发掘出来,就必须要学会洞察人性。

菲利普科特勒的《营销管理》中提到,消费者的决策路径分中央决策路径边缘决策路径,其中中央路径是说消费者态度的形成或改变来源于他对最重要的产品信息进行的大量认真而理性的思考;边缘路线是说消费者态度的形成或改变并非基于充分的思考,而是根据正面或负面的边缘线索所形成的品牌联想。
所以企业在对信息流广告的数据进行分析时,各大数据平台给到只是用户标签数据的表象,还需要从多重视角,甚至需要从最深层次的人性角度去探索背后的原因,思考为什么受众会做出这样的反应?他们转化或是不转化的底层逻辑是什么?如此反复才可能找到优化的方向,比竞争对手提前一步找到客户。

二、如何识别广告投放效果好与差

1.什么是好的效果
线上营销主要有两类,一是品牌推广,效果考核主要是曝光量;二是绩效营销,效果考核主要是获得了多少用户。当然,根据企业需要用户做的事情不同,又可以细分成很多层面,比如有的是下载量、激活量,有的是销售线索,比如电话,微信涨粉,还有的是触发行动,比如领取优惠券,转发拼团等等。就绩效营销来说,想要用户做到上面这些事儿,对应的门槛也是不同的,企业需要相应的激励措施,给到用户不得不照着做的理由。

2.什么是好的效果
这里企业广告投放效果“差”是相对的概念,需要同时提供合适的参照系,才能理解效果“差”在哪里。比如跟谁比,以什么标准比,在什么范围内比。如果不明确,那么这样的效果“差”是无法为后续的数据分析提供帮助的。这里我们可以从企业内部和外部两个方向来看:

(1)企业内部
①渠道:是某个渠道相对较差,还是不管什么渠道都差?这两个问题对应的解决方法是完全不一样的;
②时间:是同比差,即现在和去年同时期的效果对比?还是环比差,即现在这个投放周期和上一个投放周期对比?
③产品/服务/品牌:一些公司的产品线和品牌较多,那么是某一个产品效果差还是同类的某几个都差?还是所有产品投放效果都不好?
④地域:是在某几个城市差还是某几个省份差?
⑤转化路径:是点击率差还是落地以后的转化环节差?
⑥管理:是各项指标和公司既定的指标相比较差?还是和自己预期比较差?


(2)企业外部
企业外部是指同行甚至是全网,比如当转化率、获客成本 、订单成本等广告投放效果“差”的时候,站在同行乃至全网的角度,是与同行平均水平相比?还是与主要的竞争对手相比?因为企业不仅仅是在和同行抢流量,还和你用户关注的其他行业产品抢流量。
再比如,投放的问题是出在投放工作本身还是投放工作之外?除此以外还有很多思考维度,比如投放本身是不是有问题?用户分析有无问题?产品本身是不是适合在线上推广等等。当然不管是内部还是外部还有许多不同的维度可以拆解,但不管怎么分,目的只有一个,就是找到关键指标所在,然后更精准、高效的解决投放问题。

三、企业抓取“有效”流量的3个关键点

早期的互联网产品不多,流量基本集中在几个门户网站上,那时候的推广方式主要是追逐流量,从来不思考流量的质量。而如今移动互联网环境中,流量到处都是,但所有的平台都有自己的特有属性,企业需要在各个平台抓取“有效”流量,而流量是否“有效”需要关注三个关键点:媒介、受众和产品。


1.媒介
企业投放的目的是为了获取有效流量,那么媒介就相当于获取流量的通道。不同的媒介,对应的流量也不尽相同,用以实现的广告目的也都不同。比如有的媒介就适合做品牌曝光,有的更适合卖货,有的只适合互动,那么只适合曝光的媒介就应该匹配以曝光为目的的文案,适合转化的媒介就写利于转化的文案,如此才能更准确的引流。
媒介一定意义上也可以解释为用户看到广告时的场景。也就是说,媒介代表了场景。不同场景下的用户状态是不一样的,接收信息的状态也是不一样的,我们需要根据用户当下的那个状态去写对应的内容。


比如在地铁中以品牌广告居多,推广品牌形象为主,这和地铁广告给大众的心理形象有关,在这里做广告意味着品牌有实力,那么相应的投放费用也比较高;信息流广告平台上的内容,一般会伪装成一条资讯发布,这是由于用户在浏览信息流的时候,潜意识是在查看资讯,因此会抗拒广告,伪装成资讯可以解除用户对广告的抵触,相对点开率会更高。比如同样是婚纱广告,在知乎,可以伪装成问答,最好还要有点话题性,不然难以引发传播;但在头条,就适合伪装成通知,比如民国风婚纱今日上线,限99对尝鲜。

2.受众

企业在做广告投放时需要明确目标用户是谁,而这是抓取到有效流量的另一个关键点。受众精准创意内容有两个明显的好处:一是找到并吸引符合条件的人,让广告花费更值;二是赶走不符合条件的人,减少广告浪费。很多创意内容常会犯的错误是:将时间浪费在那种不会买、或者是没有实力买的受众身上。为了避免这种错误,需要先对受众做个界定。即看到投放到的这个受众,要具备以下条件:
(1)对产品/服务感兴趣
比如企业卖的是代步型的轿车,那么对越野感兴趣的人就基本上不用考虑了,也不需要把广告投给有这种透露出越野气质的用户。假设你投放的是寿险的广告,那么那些超出年龄范围之外的用户就不需要你考虑了,除非有数据或者调研证明,这些超出产品年龄之外的人士可以影响目标用户的决策,才有必要针对他们做投放。

(2)能够买得起产品/服务
也许你会说只要想买,钱不是问题,比如苹果手机,很多人买不起也在想办法买。但这件事有两个前提,就是用户愿意为购买这个产品想尽办法,以及没有强大的反对力量拉扯他;如果我们一开始就锁定了有购买力的人,那么他自己就能搞定,我们也不用花时间通过内容去处理那些可能会影响用户购买决策的反对意见。

(3)购买产品/服务的决策者
没有决策权就容易被周围有决策权的人否定,例如昂贵的游戏机,受众群之一是青少年,而决策者往往是家长。这时候投放的内容需要打动的是成年的、有消费能力的青年内心深处的孩童的愿望。如果过度针对少年儿童,那么家长的反对意见可能会需要花费很多精力去搞定。在信息流的环境里,用户每多想一秒,就会多一分不买的可能。除非企业投放的广告内容里为他提供了足够多、且到位的说服理由,让他去说服比他更有决策权的人,否则还是找到最有决策权的人,一步搞定最好。

(4)认可产品/服务
体验过与你类似产品/服务、而且还对此挺有好感的人会是企业投放首选要说服的对象。比如张三是网易云课堂的用户,对他们出品的文案课程很有信心,那么下一次网易云再推文案类课程的时候,就很容易感兴趣,愿意去了解。如果是张三从没关注过的一个平台,没有信任度,那么不管他的课程多好,张三都可能不感兴趣,就算企业在张三身上花再多的广告费,也很难有效果。

3.产品

所谓产品是能够供给市场,被人们使用和消费并能满足人们某种需求的东西。简单来说:产品就是受众购买的理由。所以企业在做投放时,可以通过文字帮产品把这个理由描述出来,吸引对此有需要的流量。
这里很多企业可能会说现在产品同质化程度太高了,找不到什么差异化的点,那可能是因为还没有成为这个产品/服务的专家,这里的专家不是指需要了解过深的专业知识,而是要能够理解在用户心智中,哪一个产品或服务的点才是可以真实打动他们的。

这不仅需要熟知要销售的产品/服务的资讯,包括自己的,也包括竞争对手的。还要在面对不同需求的用户时,迅速找出那个可以说服用户购买的点这个点可以关于产品特色,也可以是产品价值,而价值又分功能性价值和情绪性价值等。
综上,企业流量抓取质量的好坏,取决于广告投放的创意和内容是否有效的链接了媒介、产品和受众。当一家公司投放在所有平台上的内容都是同一套时,就从侧面说明了负责人对平台属性没有基本的认知,对受众的感受不够关注。

四、企业精准广告投放的5个步骤

1.确定是否存在需求
企业首先需要了解的是市场上是否真的有人迫切需要自己的产品/服务。这一步解决的是企业是否有做广告投放的必要。例如一款带风扇的筷子,可以帮助我们吹凉面条。虽然产品很新鲜,市场上没有竞争者,可是用户并不需要这个产品,因此投放广告也没什么意义。

2.明确用户的目的
确认市场之后,企业就要明确产品/服务能够帮助这些有需要的用户完成什么任务,能够帮助他们达到什么目标。这一步解决的是企业做广告投放后能否找到有效用户的问题。

3.确定用户是谁
在确定用户与产品/服务匹配之后,企业就要开始收集用户画像,主要是通过用户调研,竞品用户分析匹配相关的关键词。如果决策者不是目标用户本人时,甚至还需要找到与目标用户相关的决策者通常会关注的关键词,来进行匹配投放。

4.确定用户在哪里
这一步解决的是企业该把广告投放到哪里的问题。在前面一步里广告可以投给本人,也就是购买服务的决策者。也可以是利益相关人,比如决策参与者,直系亲属等。总的来说不管是决策者还是相关人,他们会在哪里出现?可以从以下几种方式来确认

(1)地理位置
可以利用企业自媒体的后台地理位置数据,对粉丝特征进行调研,然后选取相关省份城市进行广告投放。

(2)媒介渠道
企业的目标用户通常会通过哪些媒介获取信息,是传统媒体还是新媒体、是微信还是微博、是今日头条还是手机百度。不同的用户群,在不同的目标状态下,会进入不同的渠道。而我们需要根据企业的用户画像,选出获客性价比最高的渠道,然后有针对性的进行投放。很多广告之所以投放效果不好,原因之一就是在媒介这一步选错了,选错媒介意味着企业的目标用户不在这个平台上,也就无法看到广告。

5.了解用户的偏好
用户方向确定了,接下来就要根据上述步骤中搜集到的情报,有针对性的制作标签和内容定向。这个时候,企业需要了解目标用户群的偏好。很多信息流广告的投手,投放思维还停留在搜索平台做投放的思维阶段。比如投放法律服务的广告就光投给带有法律标签的,其他的人群就不管了,这样做的直接后果就是,定向会被设置的非常狭隘,除非抬高出价,否则广告很难投放出去。
比如一个太阳伞的厂商,他可以去找标签中带着“防晒”的女性用户,也可以去找标注有“墨镜”“美白”“晒后修复”等标签的用户,要知道会买太阳伞的女孩子,一定是有美白需求的。再比如礼品类企业,目标用户同时也在关心脑白金、药酒之类的产品、关心如何让自己的血压降下去之类的健康资讯,那么广告关键词、创意方向都可以参考这些与目标用户有交集的内容。

五、如何利用数据分析让投放更精准

1.区别“有效标签”和“关联标签”
大部分企业习惯去运用直观可见的单一属性,机械的将市场上存在的某些相似的用户归类在一起,将关键词和用户行为之间的相关关系,误解为因果关系。就好像冰淇淋销量增加的时候,溺水人数同比增加,并不能得出冰激凌热卖导致溺水。而是天气炎热导致冰激凌热卖和水上运动人数增加,从而基数增加,溺水人数必然按比例增加。可见理清投放关键词与产品间的关系,是企业广告投放必须要做的功课。


2.优先关注发出消费信号的用户
侦查学家艾德蒙·洛卡德认为,当人们在实施某个行为时,总会跟各种各样的物质发生接触和互换关系。对应的大数据时代,用户的每一个行为,都会在他接触过的地方留下数据。而这些数据,就是一个个的消费信号,分析和整理这些信号,可以帮助企业侦查用户的状态、预测用户的行为。

3.尽量保持与动机型用户的同频
观察到用户的消费动机之后是不是就代表,只要我们把产品信息推送给他,就一定能把产品卖出去呢?还需要进一步考虑,你的产品层级,是否和用户的消费水平、习惯在同一个层级上。这都需要进行大量的数据搜集和分析。
通常情况下,数据搜集可以理解为搜集客户静态数据和交易数据。静态数据就是客户的静态数据文件,如姓名、地址、联系电话、年收入之类的背景档案;而交易数据则是流动的,如交易商品属性、规格、活动参与数据及客服记录等,以及商品特性编码,用来记录与交易商品本身相关的价格、产地、功能描述、口碑数据等信息。
这些数据非常重要,是我们用户画像的重要指向部分。但是更容易发现精准关键词的地方是客户交易的商品本身。在同类用户同期消费的产品上,我们更容易搜集到更具分析价值的信息。

六、小结

企业在做广告投放的数据解读时不能预设立场。当你预设了某个立场后,首先你就会忍不住关注那些与自己想法相关的人、事、物,导致分析结果出现了方向性的偏差;其次绝大部分情况下可能企业都没意识到;最后还有可能只统计自己想统计的,然后用来证明自己已有的观点。但数据分析的精髓并不在于用数据证明自己的既有观点,而是从数据里发现洞察,为企业的业绩KPI增长找到方向和突破点。企业应该具有严谨负责的态度,保持中立的立场,客观的评价数据分析工作中存在的问题。
企业要善用上帝视角。数据分析是企业的一部分,当用用户决策视角来看待数据分析的作用时,就能提纲挈领的理解数据是怎么回事了。比如很多销售导向型的信息流广告转化不好,此时企业要做的不是直接钻到点击率曝光量这些投放数据里埋头苦干,而是先要识别当下这个广告行为有效的前提是什么。


数据可以指导广告投放的前提是能够正确的解读数据。比如前文所说的混淆了因果关系和相关关系的情况,以局部视角诠释整体格局的误区等等。企业要对数据变化敏感、更要对数据变化背后的原因敏感。企业如何提高数据的敏感性呢?DataHunter就能帮到你了。Data Analytics是一个轻量级业务数据可视化平台,可一键快速接入企业本地和云端内外部Execl/CSV等数据文件,无需编程仅需简单的拖拽即可制作酷炫的数据可视化看板,用直观的数据帮你做好的决策。


本文中所有图表都是借助Data Analytics软件免费版做出来的。想尝试自己做图,点击“阅读原文”即可学习如何制作,记得先注册哦~

使用Data Analytics数据可视化软件制作,原数据已做脱敏处理

关于 DataHunter
DataHunter 是一家专业的数据分析和商业智能服务提供商,注册于2014年。团队核心成员来自 IBM、Oracle、SAP 等知名公司,深耕大数据分析领域,具有十余年丰富的企业服务经验。

DataHunter 旗下核心产品智能数据分析平台 Data Analytics、数据大屏设计配置工具 Data MAX已在业内形成自己的独特优势,并在各行业积累了众多标杆客户和成功案例。


成立以来,DataHunter就致力于为客户提供实时、高效、智能的数据分析展示解决方案,帮助企业查看分析数据并改进业务,成为最值得信赖的数据业务公司。


欢迎关注公众号:DataHunter
-数据分析展示就用 DataHunter-

编辑于 2019-06-27 11:03

数据营销行业直接从业者!

谈到营销,就不得不提到营销的投入产出比ROI,这也就是数据分析本身的意义。从投入和产出衡量市场费用具体带来了多少的影响力、或者影响转化。

我们把市场管理分为几个阶段:

1、投平面传媒广告:

在这个阶段,多数的传播是依靠数字算出来的,比如收视率、比如广告曝光区域的人流量等,这些代表着广告位的价值高低,同时也代表了可以影响的人群的范围。事实上是概算,而并非是精确到目标用户群体,所以这个时候,市场的投入是非精确而不可衡量的。也就衍生出了一个话题:

市场部到底有没有价值?

当然这个问题,是不可被衡量的,因为市场部自己也不会有答案。数据分析在这里因为缺失了效果数据,而无法进行太多实际的评估。

2、生活圈广告时代:

第二个阶段,是生活圈广告的时代,已经通过合适的人群筛选,比如受众的范围,可能喜欢什么样的东西?在生活以及物质需求里面有什么的要求?年收入的范围等,基本已经形成了一个完善的数据样本。投广告的时候,会比较精确的选择在那些区域,那些小区,那栋楼的电梯里,什么时间段投广告。以实现更高效的利用潜在人群,从而让品牌占领用户的心智。

实际上已经可以算出潜在的购买量了,所以这个时候的市场投入产出分析,是根据模型的初步模算。

3、信息流广告时代:

信息流广告时代,以微博、微信、今日头条、广点通、互联网页面广告等代表。主要通过跟踪访问用户的核心数据以及操作浏览内容,从而建立完整的用户画像,包括可行性行为轨迹等,相对比较精确的还原用户的年龄段、性别、教育水平、爱好等,从而实现精准的广告推送,这个时候的广告推送,其投入产出基本是直接可以算出来,影响了多少用户,会带来多少潜在的转化,可能的成单金额是多少。

市场,从传统的成本中心,逐步变成投入产出部门,进而慢慢的变成利润中心!

数据分析在市场里,是衡量 ROI 的工具,当然选择合适的数据分析工具,去跟踪广告的实际投放情况,也是比较重要的工作。

发布于 2018-11-28 10:40

对于市场营销领域来说,现在是最好的时代。今天的市场营销专业人士拥有大量的工具可以创造出更有吸引力、更有效的营销活动和策略,其中一个工具就是数据分析。

“数据分析”这个术语指的是对原始数据进行分析,从而得出关于该信息的结论。这对营销人员来说是天赐之物,特别是当它被正确使用的时候。下面我们来了解下如何将数据分析最大限度地运用到营销活动中。


数据分析对市场营销的益处

为什么要在市场营销中使用数据分析工具? 因为这个工具可以给市场营销人员带来很多好处。

假设你发起了一个电子邮件营销活动,你怎么知道你的邮件列表上有多少人打开了邮件? 在电子邮件营销活动中,有些人可能已经决定不再和你做生意了---你如何追踪这些取消订阅的用户?数据分析为电子邮件营销平台提供了解决这些问题的答案。

数据分析也可以帮助营销人员做出更好的决策。你知道哪种广告方法的投资回报率最高吗? 通过对不同渠道的数据监测分析,你可以辨别出更有效的推广方式和渠道。你可能会发现,把钱投到CPC广告(点击付费广告)中并不能产生你所希望的投资回报。然而,也许电子邮件营销活动比你意识到的要成功得多。

Cobub Razor是一款私有化部署且可以帮助你发掘有效推广渠道的数据统计分析产品,想知道Cobub如何做到吗?欢迎访问Cobub官网 cobub.com/了解更多详情。


如何在市场营销中成功地使用数据分析?

虽然数据分析可以改善营销活动的效果,但前提是你必须遵循一些最佳实践方法。

首先,你应该设定明确的目标。数据是海量的,你不可能分析所有的数据,你也不应该分析所有的数据,毕竟不是每个数据都会对你产生益处。你需要且应该分析的是那些对你有益的数据。而这些都要求你明确自己想要完成的事情(如接触不活跃的客户,提高客户的参与度,决定销售到成交的比率等等),并找到合适的数据。

另一个最佳实践方法是保持数据“干净”。 有时,信息可能有误。例如,如果一个电话号码的两位数被调换,你就不会找到合适的人。确保你的数据是无误的,这将帮助你更好地进行用户行为分析,从而更好地指导产品运营。

最后,使用合适的工具进行工作。市场上有许多数据分析解决方案,例如,Cobub Razor可以帮助你采集用户行为数据,并且提供可视化的报表,许多市场营销人员都认为它是有用的。尽管市场上的数据分析产品这么多。但最终,你的团队需要找到适合其需求的数据分析工具,从而产生最佳的结果。

想知道更多关于数据分析和市场营销的知识吗?

你是否有兴趣学习更多关于数据分析的知识,以及如何在市场营销中使用它们? 请关注Cobub微信公众号dev-cobub了解更多相关知识。如果你有一个关于如何在市场营销中使用数据分析的故事,欢迎向我们投稿,与我们分享你的故事。如果你是一名app开发者也欢迎加入Cobub开源社区(QQ:194022996),在这里,你不仅可以得到社区小伙伴的帮助,结识“臭味相投的朋友”,你还可以帮助社区其他成员,为开源项目做贡献。

编辑于 2017-07-05 16:08

“数据”作为营销者的武器,利用好它,将给您带来意想不到的结果。


做预算:数据是说服领导的不二之选



每年年底,市场部门都需要第二年做整体预算。这些预算既包含固定费用(如市场人员工资等),也包含变动费用(如展会费用、广告费用等),想让领导顺利的审批预算,就必须保证预算的合理性。如何评估预算的合理性?数据是重要“物证”。


根据历史数据,详细预估每项活动需要的物料费用、人员费用、场地费用、交通费用等数据信息,并对各渠道投放的广告费用做趋势预测,最后再加上对未来一年市场营销环境的分析等内容,您的预算报告有理有据,领导不通过也难。



找用户:数据是最强指南针



根据以往活动的数据,整合用户数据信息,形成包括社会属性和消费行为两大类信息的用户画像。


对于快消企业的线上商城,精准的营销手段可以帮助快消企业利用用户画像,对不同种类的广告物料投放给不同的用户群体,触达精准人群,提高广告点击率,并最终增加购买转化。


对于线下,参考啤酒尿不湿的经典案例,根据消费行为数据做关联分析,得出有效信息,用以指导货架摆放、确定促销力度、确定营销产品组合等。


联动促销:用数据实时监控活动状况



遇到涉及到各个省份联动的大型活动,数据的实时监控至关重要。利用DataHunter可视化工具,灵活搭建看板,实时地将各区域、各门店所有经营信息展示在一个看板内。


当面对突发状况,比如某个区域或某个店面出现流量暴增,管理者可以立即调配附近资源支援这些店面。


活动复盘:用数据矫正行动



一般而言,活动复盘主要是将目标和实际效果进行对比,发现相差较大的地方,寻找原因并予以改进。




(模拟数据看板)


通过搭建一个类似上图的数据看板,市场营销人员可以直观的获得活动效果信息:左边条图显示了每场活动的预计销售量和实际销售量的对比;中间部分展示了每项活动的费用支出以及参与的店面数量;右边三个大的数据标签让实际销量和销量达成率这两个重要信息一目了然。


另外常用的模型还有漏斗模型,这个主要适用于快消电商类活动的复盘,将活动的浏览数、参与数以及最终转化数。

发布于 2017-11-30 17:35

数字化时代,线上线下的界限越来越模糊,DTC(Direct To Consumer)成为主流营销趋势。碎片化的媒体环境、快节奏的营销步调需要品牌用更加直接的KPI来优化媒体投放,不仅要触达用户(Reach),更要触动其心智(Resonance),建立忠诚关系,进而提升销售转化效果(Reaction)。

在这过程中,全链路数据闭环扮演着尤为重要的角色。AdMaster CEO 陈传洽Calvin表示,21世纪,如何实现数据持续在线,是企业打造品牌,必须考虑的问题,数据作为基础的能源,是品牌实现自身进化最为重要的燃料。落地到实操层面,要实现生意的螺旋成长,就要用数据科技打造“测量-评估-优化”的营销闭环。


统一监测度量衡

让销售归因有迹可循


“不管是实现reach、Resonance还是Reaction,企业要做的第一步,就是用同样的度量标准,全面、准确的测量与用户接触的每个触点,将投放在不同媒介的预算纳入同一个测量体系中,且所有的测量能够细化到受众级别。”

Calvin表示,随着线上线下的互相渗透,广告测量也不能再区分线上和线下,像户外广告、直播/点播电视广告等传统的非数字化形式都要纳入监测范畴。


不管是户外还是点播/直播电视,在数字化之前,虽然头部媒体均有一些投放效果数据,但数据维度较为粗糙,且缺乏第三方审计数据。数字化后,品牌就可以将户外及TV端的效果数据与PC、MOBILE、OTT端进行跨屏计算,从而测量不同媒介对整体Reach的增量贡献。


效果评估一体化

数据闭环带来螺旋成长


将与用户接触的触点全部数字化并统一测量后,品牌就可以用更贴近商业转化的评估指标衡量各个渠道的贡献。虽然到达率、品牌美誉度一直以来都是品牌重要的评估指标,但当所有投放渠道都可以数字化评估后,就可以用更贴近商业指标综合评估,在评估之后,再根据各渠道的在不同指标上的表现,优化未来的投放。

评估的维度有三个层面:第一是在Reach层面,包括到达率、品牌安全、品牌可见度以及无效流量的占比;第二是Resonance层面,包括品牌健康度、根据语义和图文分析得出的社交声量及品牌正负好感度,还有就是基于神经科学,比如眼动、脑电测试得出的用户真实情感;第三层面是Reaction,包括全渠道/线上(天猫/京东)销售转化、线下店铺引流转化以及效果类客户关注的应用下载/打开/注册转化指标。

这三个层面也就是营销要实现“从Reach到RICH”的升级,从响应(Response)到震撼(Impact)到商业价值(Commerce)再到Data Hub(数据枢纽),将品牌与用户连接的每一个环节都数据化。

基于测量、评估、优化形成的闭环,参考各个媒体的ROI表现后,品牌就可以建立自己的经验槽(Reach Curve/Mixed Reach),辅助营销决策,在深度学习等AI技术的加持下,实现自动化投放和评估后的自我修正,推动企业生意增长。线上线下监测一体化、数据闭环驱动螺旋成长是数字经济时代,品牌营销的必然趋势。

发布于 2020-01-31 21:08