用数据还原营销互动过程 上一讲结尾我们谈到营销现场还原的问题,其核心就是营销数据要完整的回收。 首先明确一下,什么是营销数据?所谓营销数据就是从营销目的开始到最终结束全周期中形成的所有数据,涉及用户的达成、交易、销售、参与反馈行为、内容设计、权益补贴、通道时间、初始营销策略、监测指标等一系列的详细数据,力求还原营销现场。 在本系列的第一篇文章中,我们已经探讨了关于营销的局限性问题。我们重视营销结果的数据指标制定和监测,但却很少把营销全过程和反馈数据回收用于策略的迭代和优化。本文将重点探讨关于营销数据的制定、回收和使用的问题。 营销数据没有形成详细的收集 我们重视结果数据的收集,也就是与直接结果相关数据的监测收集,却忘记应该像收集用户行为数据一样详细收集用户在营销互动中产生的所有过程数据。所以你无从知道哪些用户在离开,用户又为何会离开,更无从知道对于这样一个糟糕的结果,该如何解决。因为我们缺少一面镜子来还原用户的详细旅程。 营销的数据评估指标 是具备人为选择性和无法优化的 过去我们重视的是ROI和转化率、销售额、交易规模等结果性的营销指标,并作为评估效果好坏的尺度。但是这个尺度是相对的,因为我们没有Benchmark作为参照。Benchmark不是拿某一次营销的结果作为Benchmark,也不是所谓的平均法则,而是建立在长期稳健的营销策略基础上的基准。数据指标也是营销数据的一部分,但这部分数据作为结果性数据,无法作为策略或者模型的输入数据,重新进行营销策略的优化。 此外,营销数据的指标更多是基于人为选择的需要,制定了部分的数据指标来评估整体的效果。而这是远远不够的。 营销数据需要制定完整的规范 制定营销数据的规范,其价值在于向营销相关的策略模型或者决策算法提供输入的大量数据,这些数据包含过程数据、结果响应数据、原始策略规则数据等等。我们需要建立一套规范或者范式,来制定标准的整个营销数据的采集规范。比如营销的时间、频次、权益、触达时间、通道选择、客户规模、客群特质(标签)、每个客群响应概率、达成概率、成本价格、流程转化等等一系列与此相关的要素,都需要依据规范整理出来。 在规范的确立方面,有一套业务原则可以作为整体的营销数据采集指导,这套原则叫做OGSM。在营销数据的规范化采集时,力求通过这样的一套原则,将整个营销通过数据完整还原。 O(Objective)是最为核心的要素,因为所有现行的营销智能决策的平台和模型,都无法做到在没有业务输入的情况下开展决策机制,输出策略去营销。所以营销数据的规范和收集是贯穿整个全营销体系的,而不是只去收集结果数据的。O的核心是描述一个营销的战略诉求,比如对新客户形成转化,对存量客群进行促活,而这些也需要编辑到营销数据中,作为所有重要的营销数据的索引来使用。当营销决策模型或者专家经验进行策略输出时,我们需要知道的是过去有没有针对这个战略目标进行过数据收集和建设分析。 而G(Goal)的收集可以直观的从想提升或者转化的指标出发,数据化的标注和记录目标。这一点上,是将战略意义落实到具体行动上,具体指标的出现,其意义就是整个营销驱动要达成的指标。 而S(Strategy)则是营销的中台,营销策略在输出的时候确实只有营销目标人群ID,但是附属的信息是很多的,比如权益、通道、时间、冲突等等信息。如果营销数据可以对这部分的数据细化到对于客群的记录层面,那么将有利于在后续营销活动开展时获取更多要素,进行策略的升级。 M(Measure)其实解决的不单单是对于目标的监测,更重要的是如何将用户参与的过程、时间、波次等一系列行为完整记录下来。举个例子,我们通常在营销最后会获取到用户是否响应了该活动或者营销内容,但是没有把该响应或者未响应人群在此次营销过程的参与数据也一并获取,作为补充内容来分析和调整策略。 电商平台一般会监测用户的购物车,这一点其实就是对于过程数据的利用。因为通常电商平台向用户发送权益或者消息时,最初的目标是要产生购买转化,也就是交易额。但是电商平台去复盘和整理了用户参与营销的流程,比如重复浏览、加入购物车、选择收藏加入心愿单,则都是过程性的数据,并不是我们一般认为的结果响应数据。 而电商平台则会根据这些过程数据调整策略,比如会在购物车中提示商品现在比加入购物车时便宜多少,或者推送消息提示购物车中的商品降价了。而这部分并不是传统意义的结果导向的ROI数据,也被包括在监测的范围中。 不过也有人会提出质疑,说刚才所列举的场景是针对一个事件行为去做营销,这一点是正确的,但是和刚才所述的情况并不冲突。从每一个营销整体去看,我们设计的流程中客户反馈环节很多,我们需要把全流程的所有数据以一个营销整体的维度去看待。因为事件行为的营销属于枚举范畴,是在专家经验角度提升和提炼。但实际操作时,是要考虑原来的营销策略与该事件行为营销之间是否存在冲突和不合规的问题。 营销数据就是力求完整还原营销现场 在前面制定营销数据规范的部分已经提到了还原的问题,在此处强调的目的在于,还原是为了向人工专家经验提供支持,或者为模型算法提供数据。OGSM是方法的其中一种,从业务指导原则上也可以使用比如AAARRR方法论、增长理论、UGD等等。营销数据将在未来的营销自主决策中扮演着试金石的角色,它将为通过机器和人工形成的大量决策提供依据和测试基础。 此外,这些数据也将和最开始所收集的各个渠道、各种形态的数据混合到一起,作为原材料进行深度加工和策略支持。 最后还需要谈到一点,营销数据将在应对多渠道和角色之间发生的冲突仲裁方面扮演重要角色,也是重要的决策依据。营销一致性、体验一致性、实时性等问题也都赖于营销数据本身是否可以完整收集,以发挥决策价值。 下一讲中,我们将讨论营销数据如何参与策略优化的问题。 未完待续 作者:TalkingData 于洋 本文原发于:中国营销网 图片来源于Pexels 关于TalkingData:TalkingData 成立于2011年,是国内领先的数据服务提供商。TalkingData秉承“数据改变企业决策,数据改善人类生活”的愿景,围绕TalkingData SmartDP数据智能平台(TalkingData数据中台)构建“连接、安全、共享”的数据智能应用生态,致力于用数据+科技的能力为合作伙伴创造价值,帮助商业企业和现代社会实现以数据为驱动力的智能化转型。 本文来源:TalkingData —- 编译者/作者:TalkingData 玩币族申明:玩币族作为开放的资讯翻译/分享平台,所提供的所有资讯仅代表作者个人观点,与玩币族平台立场无关,且不构成任何投资理财建议。文章版权归原作者所有。 |
用户没转化,如何找到原因?丨营销十日谈
2020-08-24 TalkingData 来源:火星财经
LOADING...
相关阅读:
- Plan B第24期打造「合约产业」全生态孵化空间,X--Club底气何来?2020-08-24
- CCR机器人自动智能一键启动随时随地都可以操作2020-08-24
- 注册沙特阿拉伯公司2020-08-24
- 怎么联系鼎盛客服在哪里找靠谱2020-08-23
- 突如其来的下跌,杀得很多投资者是猝不及防。2020-08-22