數字營銷的2022，大數據營銷有哪些新進展？如何設計大數據營銷策略框架？

數字化取得了史無前例的發展。無論是政策層面的重視，還是社會形勢的演變，數字化時代都賦予了企業通過"大數據營銷"去優化營銷投入產出，和競爭對手拉開差距的可能性。

在客戶體驗設計中，數據是核心。企業需要基于數據優化體驗流程，基于數據對客戶價值進行判斷，基于數據來投放廣告。可見，數據對營銷的重要性比以往任何時候都顯得重要。

被熱議的“大數據”，究竟包括哪些數據？

如果說只能用一個詞來形容目前數字營銷的核心優勢，我認為是"大數據"。大數據營銷是依托互聯網海量數據，通過對數據進行采集、分析及預測，將大數據廣泛應用于營銷行業的一種營銷方式。

大數據到底指哪些數據呢？我們通常會用第一方數據，第二方數據和第三方數據來概括數據范疇。

第一方數據是指企業直接從受眾（包括客戶、網站訪問者和社交媒體關注者） 那里收集的數據。它可以是通過自己的網站或者小程序獲得的線索數據，也可以是微信公眾號的粉絲數據，還可以是自己的電商網站獲得的客戶數據等等。

第二方數據是對第一方數據的延展，是企業通過第三方工具獲得的數據， 如第三方網絡廣告、網站監測數據等。第二方數據仍然是和自己客戶相關的數據，只是這個數據無法自己獲得，需要靠第三方工具。

第三方數據是從外部購買或由第三方平臺提供的電商數據。國內有一些數據購買工具，如企查查、天眼查等。通過這些平臺不僅可以了解你客戶的基本信息，還可以進一步得知和你客戶相關的更多信息，如企業的經營范圍、收入和利潤等。

從數據的類型上，我們又可以將數據簡單分為兩大類。

第一類是聚合數據，這類數據用于衡量數字化營銷活動的整體現狀及投入產出比，如廣告展現、廣告點擊和轉化、CPC（Cost Per Click，每點擊一次計費）、CPM（Cost Per Mille，千人印象成本）、網站瀏覽量、跳出率、停留時長、留資數量、CPL（Cost Per Leads，線索成本）、線索轉化率、新客戶數量、CPA、老客戶占比、Retaining Rate（留存率）、GMV 電商平臺銷售額等。

第二類是基于個體的客戶數據，又可以將其細分為以下幾種數據類型（可總結為 BATP）：

客戶行為數據（Behavior），比如他在你的網站上停留了多長時間，瀏覽路徑是什么，感興趣的產品是哪些，和你交互頻率如何，微信上都留言什么內容，什么時候成了你的會員，等等。

媒體歸因數據（Attribution），比如首次被廣告觸達是什么媒體，中間經歷過哪些媒體的再次觸達，最后一次觸達導致他做出相關行為是由什么媒體所致的，這些都是基于個體的媒體歸因數據。理想狀態下，一個客戶從第一次接觸品牌廣告，到最后完成購買轉化甚至復購的每一個觸點和外部因素都可以被監測到，但這在現實世界里很難做到，一方面是因為用戶數據的隱私保護，另一方面是數據技術仍有難關需要克服。

客戶交易數據（Transaction），比如這個客戶購買了什么產品，何時購買的，最近一次購買是在什么時候，一年銷售額貢獻度是多少，平均每筆交易金額是多少，是否有交叉購買或向上購買的情況，等等。

360 度客戶畫像數據（Personal），比如他來自哪里，什么職業身份，性別、姓名、電話、郵箱地址、興趣愛好是什么，平時有哪些媒體瀏覽習慣，甚至身高、體型、偏好品牌，等等。

客戶畫像是客戶本身自帶的數據，即使沒有和你的品牌產生任何關聯， 也會有這些數據。而客戶的行為數據、交易數據和媒體歸因數據都是在客戶和你的品牌產生關聯后產生的數據，更加具有針對性，但是獲取這些數據的首要條件是必須讓客戶對你的品牌產生興趣。

2022年，大數據營銷有哪些新進展？

市場變化之快超乎想象。大數據的出現及開始被各大企業重視并充分利用也就是這幾年的時間，每家企業對大數據的處理情況都處在不同的階段， 有些才剛開始進行數據庫的建設，有些已經搭建了數據中臺，還有些走在比較前端的可能對數據模型的應用已經非常成熟了。

大數據營銷不是一種選擇，而是一種必然。如今數據對數字營銷的重要性堪比魚和水的關系，所以，相應的能夠洞察大數據的演變趨勢、充分抓住大數據營銷機遇的企業一定會在未來激烈的商業競爭環境中拔得頭籌。

那么，現在的大數據營銷呈現是什么樣的現象呢？

第一，日益上升的獲客成本增加了品牌渴望將客戶數據變現的緊迫性。媒體投放的價格越來越高、競爭環境激烈是導致企業獲客成本不斷上升的主要原因。對于獲客成本上升這件事，企業除了優化自身的營銷行為、降低運營成本外，激烈的競爭環境是客觀原因，誰也無能為力。

所以，企業非常渴望將不斷上升的大數據營銷的商業價值充分體現到企業的商業行為中，并且需求迫切。

第二，"新冠肺炎疫情"使通過私域流量提升全漏斗轉化效率的方法變成"新常態"。如果我們將客戶的消費者旅程進一步簡化，并與數據營銷的目的和手段結合起來，就得到了如下圖所示的“營銷漏斗”模式。

隨著"新冠肺炎疫情"的爆發，企業充分利用營銷漏斗下半段私域流量的數據，提升整個營銷漏斗的轉化率成為一種全新的常態化的趨勢。

"新冠肺炎疫情"期間，居民的活動自由受到約束，企業的營銷人員出去開拓新業務、獲得新客戶也變得更加困難，怎么辦呢？那就是充分利用已有數據庫中的客戶資源，把已經取消或暫停的客戶項目重新激活，通過再觸達，做已有客戶的增長。企業數據營銷的重點從營銷漏斗上半段向下半段轉移， 盤活私域數據，拉動高潛客戶的需求，促進轉化及提升已有客戶的價值貢獻成了數據營銷的主流。

第三，由于消費者行為的多變性、復雜性、不確定性，數據散落在各個觸點，獲得數據的觸點也是紛繁復雜，這給企業在數據的利用層面帶來了很大的挑戰。

第一方數據獲取平臺主要有官網、微信公眾號、小程序、App、微信的服務號，第二方數據來自營銷事件監測（如 H5 活動頁面）和通過廣告和網站監測工具獲得的各類轉化數據。第三方數據獲取平臺主要有各大品牌天貓旗艦店、京東旗艦店、經銷商授權專營店、第三方數據提供商如天眼查及其他合作企業數據。

以前市場營銷是以傳播信息為主，主要渠道有戶外廣告牌、報紙雜志、電視、廣播等。但是今天，溝通的介質和媒體發生了巨大的變化，現在所有的渠道和觸點如行業網站、社交媒體、短視頻媒體、微信公眾號、門戶網站、視頻網站、App 等都是數字化和移動化的，消費者數據散落在不同的觸點，這使數據的采集和整合成為巨大的挑戰。

第一方數據是企業進行大數據營銷的最好起點。據統計，大部分品牌只利用了其第一方數據庫中 5%的數據，95%的第一方數據潛藏在品牌方的數據庫中并未被充分利用（見圖 3-12），而利用自己數據庫中的第一方數據比利用第三方數據要快速且高效得多。

由于很多數據如行為數據、用戶個性化數據、ID 數據都在第三方平臺手里，要在這個基礎上去擴展并豐富第三方數據是一件非常困難的事情。要擴展和豐富第三方數據我們必須將第三方和第一方數據打通，讓散落在各個消費者旅程的各個觸點串聯起來才可以。

一般情況下，品牌商家需要為用戶提供一些特別的福利來引導用戶留下自己的信息。例如，麥肯錫季刊（McKinsey Quarterly）網站會根據注冊用戶留下信息的完善程度給用戶提供不同的福利，如果用戶只留下了郵箱地址，那么用戶可以定期收到文章推送；如果用戶注冊時留下了更多的個性化信息，那么平臺會根據用戶的興趣愛好提供更多個性化的服務。那么，為了得到更好的免費服務，用戶自然愿意提供更多信息了。

其他品牌商家慣用的手段還有很多，如樣品免費試用、發放折扣券、免費注冊會員獲得積分等。

第四，在數據維度層面，消費者的個性化行為數據比統計學數據更重要。個性化行為數據展示的是消費者對產品的喜好度、消費者與品牌互動的廣度和深度、消費者購買的是哪種產品及未來復購和可能性等。而統計學數據展示的是消費者的姓名、性別、年齡、學歷等信息。

消費者個性化行為數據能夠預測未來類似的客戶群體的購買行為及購買可能性，這是消費者個性化行為數據研究和利用的最大意義，也是更深層次的數據，有了這些數據，商家就可以立即制定和客戶互動的內容和方案，進而獲得更好的轉化效果。

而統計學數據更像是整體數據，你可以獲得，競品同樣可以獲得，其提供的數據洞察非常有限，所以獲得這些數據對營銷活動的指導意義并不是很大。

同時，這些個性化行為數據也必須和營銷漏斗后段的交易數據結合使用，從而形成一個更加完整的屬于品牌自己的 360 度用戶畫像。360 度用戶畫像形成后，不僅可以幫助品牌方更好地服務現有客戶，提升已有客戶的價值，更重要的是可以對未來最有可能成交的客戶群體進行預測，并進行相似客戶群體分類，為未來制定個性化營銷方式提供數據洞察。

基于此我們可以展望一下大數據營銷的未來：

基于上面的營銷漏斗模型，對于不同轉化階段的消費者來說，企業應當采用不同的營銷策略。

當消費者處于前鏈路即認知和興趣階段時，數據營銷需要進行潛在用戶的洞察和營銷推廣活動的設計，主要目的是為了發掘潛在高意向客戶。

到了消費者首次購買階段，第一階段的部分高潛客戶已經轉化，但仍然有一部分還未激活，那么這個階段的數據營銷就是為了激活高潛客戶，并針對高潛客戶的需求進一步提升品牌吸引力，直至最后拉動更多購買需求。

而忠誠度階段的消費者會反復復購，大數據營銷的設計就在于留存，提升復購率和忠實粉絲的數量，提高購買頻率和客單價。企業大數據營銷的重點應該從營銷漏斗的上半段向下半段轉移，盤活私域數據，拉動高潛客戶的需求，促進轉化及提升已有客戶的價值。

那么，如何制定大數據驅動的營銷策略呢？我分享一個簡單的套路供大家參考。

第一步是設定目標和消費者洞察。目標一定要清晰，要分階段地將目標進行拆解，可以按照 OKR（Objectives and Key Results，目標與關鍵成果法）的思路，即關鍵要達到的具體目標是什么、為的是達成什么樣的關鍵成果。

比如，目標可以是：一年內加速客戶拉新。將這個目標拆解成子項目，得到兩個要達成的關鍵結果：第一，新客數量同比增長 100%；第二， 將客戶轉化時間縮短一半。在這兩個關鍵結果的支撐下，分別建立子項目幫助兩個關鍵結果的達成。第一步中還有一個關鍵步驟就是進行消費者洞察，我們可以通過歷史客戶數據的收集和分析去挖掘數據庫中客戶的行為和特征。

第二步是大數據建模規劃和 KPI 的制定，即建立什么樣的數據模型去幫助你加速拉新，以及具體衡量指標有哪些。

第三步是制定市場激活計劃和策略。我們需要思考，對于新客數量增長來說，什么樣的媒體策略和內容策略是行之有效的，以及對于客戶轉化時間降低這個問題，有什么樣的刺激可以引導消費者加速購買決策。

第四步是營銷活動的執行。最后是項目復盤，評估和迭代。

整個過程一定要以目標遠大、小步快跑的方式進行，不斷試錯，調整優化，直至大數據營銷成為新常態。

那么大數據營銷的有效性又如何衡量呢？我們可以以消費者旅程為基點，對每一階段的衡量指標進行拆解并優化營銷行為。

在認知階段，要看什么數字營銷措施使廣告曝光率、點擊率、網頁瀏覽量和有效 Cookie 用戶保持在較高的水平，網頁跳出率保持在較低水平。在興趣階段則看從一個訪客轉化到市場合格的銷售線索，其獲客成本和營銷電子郵件的打開率。最后到了后鏈路購買階段，這個階段是衡量投入產出比的最佳時刻，這時候每個客戶的獲客成本、成交訂單金額和訂單金額都是關鍵 KPI。

這樣就形成了端對端的可以完全衡量營銷效率的全鏈路監測。數字營銷的全鏈路監測不僅僅是看有效線索的數量或最終銷售額，更為關鍵的是在每一個階段設定 KPI 并提供如何可以幫助改進的數據洞察和優化計劃。

在大數據營銷中，數據就代表著流量。但無論數據如何紛繁復雜，如何多樣化，如何強大，我們始終都要牢記客戶體驗設計的核心是"客戶"，這個不會變。在新營銷時代，構建端對端的營銷閉環，形成從流量思維到客戶思維的轉變是企業建立護城河的唯一路徑。