分享到微信
日常消费, 传媒
作者:刘冠卓
2021-10-20 14:10
[亿欧导读]

如何筛选和定义有效的外部数据?除了整体的设备数据之外,还有哪些第三方数据值得关注?平台圈自己流量的趋势会持续多久?如何才能真正意义上做到提升数据营销的效果?在人和AI之间如何权衡?

数据中台

题图来自“收费图库”

8月起,亿欧EqualOcean&北拓资本围绕中国营销技术(MarTech)展开月度“高能分享”系列活动。

据IDC《中国大数据平台市场研究报告-2020》显示,2020 年全球大数据软件市场规模达 4813.6 亿人民币,包括硬软服在内的中国大数据市场规模达677.3亿元,其中软件部分达到92.2亿元,同比增长15.9%。据中国信通院数据显示,2020年,全球数字经济规模达到32.6万亿美元,中国位居世界第二,规模为5.4万亿美元。中国已成为名副其实的数据大国,新冠疫情冲击下,数据经济更是成为经济社会转型的重要选择。

8月25日,在“第三方数据如何赋能以人为本的营销策略”分享上,我们邀请到了MobTech袤博科技合伙人/CMO高晓思、一面数据合伙人王涛、数说故事VP许志华三位嘉宾,围绕外部数据的应用,用户数据资产,全域平台的搭建展开分享与讨论。

以下是嘉宾活动速记精选,经亿欧EqualOcean整理,供大家学习参考。 

如何筛选和定义有效的外部数据?

许志华:数据应用有一个说法叫以终为始,所以我们从目的,从应用来倒推的话,定义有效的外部数据就变成了筛选哪些是服务于我应用目的和直接需求的数据。 

大数据本身比较繁杂,各类数据的可应用程度差异很大,比如人群基础属性就属于富矿基本拿来就能用,比如social listening数据噪音就非常大,我们的能力就是去识别情感,通过文本识别的方法把有用的信息提取出来,ETL的过程会相对复杂。所以有效的外部数据也不是简单的裸数据,而是经过定义的相对标准可靠的数据。

王涛:消费者留下的数字化痕迹其实很多,但真正对品牌特定问题有最直接价值的数据,还是来自于跟消费者之间最相关接触的场景。比如消费者在电商上买完产品后写的评论留言,是完全针对产品所表达出的态度,基于这套评论,我们可以通过定制的知识图谱,去解读消费者的评论,并在每一个维度里再进行更细颗粒度的解读。拿到这些数据之后,一方面我们可以判断出大家聊的最多的是哪些维度,另一方面可以知道顾客的态度是否满意。这样,不仅可以更有针对性地提升消费者最关心的维度,更重要的是可以横向跟同一品类中其他竞品用同一套指标体系进行对比,得出更合理的Benchmark,有利于我们明确自己产品以及竞品的强弱,更加有的放矢。 

在社媒场景中比如小红书这类偏向于种草的分享平台,大家更关心这些产品和品牌与平台上所描绘的种种生活有什么关系。再比如买车会去看汽车的垂直论坛,看娱乐会在抖音等等,不同的APP就是在不同的场景下,服务不同的人群解决不同的问题。 

大数据信息很杂,我们现在面临的问题不光是有大量文本要处理,还要开发把视频转成文字,再做自然语言处理的技术,因为视频占比越来越高。所以视频内容的识别也要叠加在数据处理中,才能综合的知道消费者在接收文本、视频、音频信息的时候,到底是什么态度。 

高晓思:企业在数字化底层建设的过程中,有些数据在意的是覆盖率和准确度,有些应用层的场景在意标签的定向和精准度,所以不同的企业遇到的问题是不一样的。首先企业经营者要明确,企业发展到了哪一步,在这个阶段下对于数字化的定义和需求是什么,是需要在底层树上搭建,还是需要贴近使用场景去设计? 

我们现在提到的大部分外部数据都是指数据融合,在整体数据的构成逻辑里面,三方数据的融合有一个大前提就是数据的安全性和交互的合规性。近些年国家在个人信息安全和数据安全合规方面有一些法律法规的界定,这对大数据行业来说是利好的现象。在政策合规的前提下,我们做外部数据运营有法可依,企业主最先需要判断的就是数据源是否合理合法,外部数据和数据交互的链路是否合规。

除了整体的设备数据之外,还有哪些第三方数据值得关注?

高晓思:现在大部分流量的载入体都在微信生态内,不管是公众号小程序还是企业微信,所以很多企业在做私域流量运营和数字化建设的过程中,第一站想的就是微信怎么做,一是因为接近于企业的经营指标,二是微信生态对于企业的入驻扶持相对友好。但其实除了微信外,还有很多的生态触点,比如线上电商平台和短视频平台,社交领域的媒体触点等也很重要。 

从数据即为企业资产的角度来讲,大家开始需要把不同触点上的授权数据作为企业知识产权沉淀下来。然后我们再在具体的策略落地过程中,把合理合规的数据进行处理和融合。这个过程中,市场上常规用到的是偏行为类的SDK数据,或运营商开放的数据。 

线下更多的是企业自己的经营数据比如交易数据,企业实际流量运营较好的时候,会有打通相关ID的设备号。一些头部企业会有完整的私域流量体系,比如顾客去店里购物,会有相关的交易时间点,购买动因和具体价格等数据,可以通过这些做深入的用户分析。但除了头部以外,腰部以下的企业还没有开始做到完善的数字化转型。 

王涛:用户数据资产的价值越来越被大家意识到,但政策也在收紧,所以每个平台或者品牌主自己采集到的信息,共享性和开放性是越来越紧的。我们观察到一个趋势,就是平台对于自己内部的数据保守性会变强。分析者希望利用某一平台的数据时,将不得不使用他们的开放平台工具,类似于阿里和京东的ISV体系。平台希望建立门槛,把内部数据圈起来,让各个品牌和合作方在门槛内做精细化运营。从法律上来讲是对的,但这种割裂的现象可能影响到用户体验,因为用户没办法在平台之间享受到所谓的智能推荐。这种时候就需要一些服务商或agency用技术手段去尝试打通平台。

平台圈自己流量的趋势会持续多久?

王涛:这个还得看政策的趋向。从数据开放的价值角度,这样的封闭其实不太好,但现在国家希望先把保护做好,再在合规的前提下尝试打通。其实有一些不太敏感的外部数据,也可以帮助品牌做决策。比如基金或投资方要评估品牌表现,他可以在电商上看品牌的市场份额、口碑等等,也可以通过招聘网站看到公司的招聘动向,还可以看公司新获得的专利数量和质量。这些信息都是从多角度去理解公司的质地,且都是早于财报的前瞻性指标。我们把这个逻辑运用在用户身上,消费者在平台上的行为和足迹中也可以挖掘前瞻性指标,背后对应的是人们对产品品牌的态度变化。 

许志华:很长一段时间内,大数据行业老想着去获取个体,但其实很多有用的价值并不一定要去触达个体数据。我们是通过统计或公开的、第三方的数据结合在一起变成智能决策的信息。 

在垂直行业的数据, DataStory分为4大类,人、货、场、介。人的数据有企业通过CRM和私域掌握了一部分,但大多数都被掌握在头部企业如BAT手中,我们需要跟生态厂商合作来获取。货的数据在整个市面上都很稀缺,线下消费的数据非常分散,现在有电商、O2O之后,公开的销售、价格等数据都可以变成货的数据,我们通过各种合作渠道来整合和打通这些数据。场的数据比如各种店铺的增长、新兴品牌的开设、商圈信息等等,尤其用在研究一个城市和商圈的发展,帮品牌做渠道或市场端的决策时。介的数据比如社媒,小红书,抖音视频上的数据等等。我们做数据工作就是af csa 在打通、融合这几类数据的交叉应用上,帮客户提供智能化的决策支持。

整体数据是相当分散的,哪怕是头部公司。所以数据怎么去打通服务于全社会,是我们需要探索的方向。现在的数据越来越便宜和开放,很大程度上得益于商业应用过程中对平台的反向推动。Datastory做大数据基本上不碰个体级的数据,全是统计级的,这一类数据我们需要花很大的力气去鼓励这些生态商把手里的数据共享,甚至参与到帮助他们变现。经过这些年的努力,整个行业数据应用有了很大进步,几年前10万级别的数据现在可能只需要几百,我对行业发展偏积极乐观,认为数据来源于行业就应该也服务于行业,只要不触及安全法规,大家都抱着open的态度去应用数据,行业就能发展的更好。

如何才能真正意义上做到提升数据营销的效果?

许志华:从数据应用链路来说,就是要闭环,分两层,一是宏观层面,策略层的数据用市场大的数据更好检验。我们现在给大规模扩张的品牌做渠道布局的策略,客户拿着我们列出的清单,就可以清晰的知道应该在城市怎么布局,在哪些商圈布局,非常好检验。 

从微观层面讲,企业内部个体级的数据更好检验,我们帮客户做智能推荐,在一批标注的消费者中,哪些购买会高频一点,推出效果立马可以回收回来,这个流程更短。所以如果真正打通了处理数据的设定,再嵌入到应用的环境中,真正打通了闭环的话,效果是很好验证的。数据应用提升营销效果的过程中是一个不断迭代的过程,通过反馈不断的优化模型和算法。当然这个过程需要三方和一方数据的密切配合,需要甲乙双方的密切合作。 

高晓思:营销可以分成两点来看,一是获客,找到客户并触达他;二是保客,如何增加已有客户的有效购买?数据在营销里的价值无非是降本增效。 

在获客方面,我们首先要知道谁是用户,通过数据洞察用户特征和画像,以及通过有效地媒介找到潜客,并定制用户偏好的创意文案去实现有效触达。再说降本的事情,我们服务过一个快消品牌,在不影响整体广告投放精准度的情况下,帮他甄别广告位是否要做竞价判断,广告投放完之后再根据有效的回流数据做归因分析,这样的话品牌就能判断出它本质投放的价值和效果评估,花更少的钱获取更多的目标用户。 

在保客方面,很多企业对自己用户的画像和洞察其实比较表象化,他们很难把买过产品的用户洞察的更细致,自己的数据有限,也看不清消费喜好,第三方数据就可以帮企业有效地完善用户的全方位画像。完整画像的价值就是帮企业主与目标用户的交互旅程中,有效提升用户的粘性和消费力,消费者才能成为这个品牌的坚实用户。 

第三是黑灰产,夏季刚过,一些二维码营销的线下零售品牌经常收到黑灰产的攻击,甚至一些啤酒饮品在旺季促销时有30%-50%的营销费用都被黑灰产吞掉了,经费造成了极大的浪费。我们就帮企业做了一套风控方案来有效地甄别羊毛党或黑灰产,帮企业降本增效。 

数据不是光看一个趋势或大概,因为这些公开数据大家可以在网上查到,更大的价值是在于精细化的用户洞察,了解用户偏好,从而支撑品牌主营销体系里的决策。所以营销跟数据的关系就是,策略需要数据做支撑,执行过程中数据又服务于策略。 

王涛:数据不是万能的,数据有能干的擅长的地方。主要有两个场景利用大数据,一是偏分析,分析里又分为向后看的评估复盘,和向前看的探索趋势识别;另一类是执行,包括消费者的触达筛选,互动体验设计转化等等。 

在执行方面,用机器操作效率很高,精准有效。在分析方面,大家现在讨论MarTech很多,都觉得高科技AI厉害,反而渐渐忘记了品牌搭建过程中,人味儿也很重要。所以我们会看到定性和定量的割裂,传统研究跟大数据分析的割裂,大家太依赖于数据了,反而对数据背后反映消费者的需求和价值观的挖掘不够。直接跟消费者做研究,深入挖掘消费者内心想法,可以和我们大数据中的电商趋势做印证。比如我们在数据上看到一个趋势,这个趋势是否只是一个表象,底层需求并没有被满足?大家到最后拼的其实是对数据的理解,再把人跟机器的部分结合在一起,效果会更好。

在人和AI之间如何权衡?

王涛:从品牌的角度,从决策层到执行层,大家要有一个概念,不能不用数据,也不能只用数据。通常我们发现对人比较敏感的人,对数字会相对弱;对数字敏感的人,同理心会相对弱。所以未来团队的搭建,希望能把不同的人才结合在一起,能产生更好的化学反应。

全域数据监测最重要的难点是什么?什么企业适合做全域数据的监测?

高晓思:首先成本很高,哪些企业适合做全域的数据监测系统,得看整体的毛利率和市场占有率,如果要做就相当于把所有经营过程中的数据采集下来,难点一是搭建一套这样的系统需要梳理好公司涉及的每个业务细节,比如一些企业的大数据中台,一到具体的实施场景就不配合。二是框架的梳理,数据采集、处理及应用等各环节里边的咬合度,都涉及较高的开发成本。 

其次是数据打通的问题。场景不同,数据维度、字段不一样、ID也不一样,回收以后第一件事就是清晰哪些能作为统一的标识运用于整个体系中,所以如果拿不回有效的相关ID就需要通过外部的方式来补充,不同场景的ID的打通方案又不一样,所以企业在做数据中台或全链路数据监测的一个困惑是数据的统一。 

最后是数据处理及应用能力,假设你可以创建整个数仓,也建立了采集的路径和逻辑方法,数据通过处理也可以串联,那么下一步就是应用。应用中如何有效跟场景绑定,各种场景都需要有不同的设计方案和路径。所以整个一大套流程里,有很多企业在做之前没有完整意识,需要专业的机构去帮助他们,把全部串联到一起。比如现在MarTech指导下的CDP这些,搭建到一定阶段后,还是需要外部的三方供应商来帮助处理。 

王涛:搭建大全域平台的成本很高,技术难度也大。任何一个品牌自己是不可能支撑这么大范围和成本的平台,肯定要跟第三方公司合作。这些客户对于全域数据的期望和能够拿出来的预算,两者之间也有矛盾。比如某个第三方公司他预算不够,没法满足所有客户的数据要求,只能先根据客户A的需求,搭一套满足30%的小全域,客户B来了之后再变成40%,40%变成50%,慢慢的迭代共建。这个过程相对更易实践,也更匹配实际需求。当客户从30%的小程序中解决了实际问题,有ROI回来,就会愿意投入更多变成50%。 

坏处是如果很多公司都能做小全域,那么自己的优势就无法体现。所以又变成有资本投入的头部公司可以咬牙先做一个80%的大全域,再去收割头部用户,这样的模式会更有效。我们公司更偏向于垂直领域的深耕,全域并不擅长。如果客户和别的agency搭了全域池子,我们也可以把特定垂直领域里深层的或细颗粒的数据,和全域数据做一个贯穿或印证。 

许志华:我们开玩笑讲每一个品牌都有一个拥有自己的数据平台的梦想,而且是能把各种数据对接,发挥高达作用的平台。但实践过程中很残酷,首先是投入预算很大,我们做的项目中老板的耐心大概是3~6个月,超过6个月没看到成果,大家的压力就会很大。 

连接数据的过程中,天然会连到数据安全的顾虑。单从经济效益来讲,即使是最有钱的品牌,构建契合自己的全域数据平台,都不是经济实惠的。平台建自己的数据平台,先不说技术要求,单说构建应用,去整合这么多的部门来实现平台的商业价值,都是很难的事情。比如一些知名公司,花费很多建平台,随着负责人的离开,平台也慢慢搁置了,这些都是资源的浪费。所以我认为大家还是应该更open的看待数据的应用,以后有了更好的数据安全技术后大家能open的共享数据,也能更好的发挥数据价值。

公司现在为客户提供哪些产品服务?

许志华: DataStory是一家一站式的大数据和AI智能应用的服务商,我们提供四个方面的数据服务:品牌营销数字化、产品创新数字化、渠道经营数字化和用户运营数字化,品牌营销数字化是帮着品牌去做媒介优选、效果评估、内容精选甚至生产内容。我们有一个内容library,可以帮忙挑选全网最有意思的内容,比较快捷的生产热门素材,这个模块属于品牌营销数字化的内容。产品创新方面,我们帮助R&D部门在全网范围发现热销热议的idea和产品,最新概念元素和趋势帮助产品创新。渠道经营数字化服务于品牌战略选址、选品、铺货、O2O经营等等。四是私域流量运营。我们密切服务于企业日常跟市场最密切的这几个环节,有时为证明我们的能力甚至敢于给客户做效果承诺。

例如我们帮着品牌去做铺货,现在O2O增长较快,特别是新兴品牌,O2O已经是一个重要渠道。在O2O上做铺货,我们会把涉及到的所有门店做潜力评估,我们本身有品牌各种的竞品信息,有线上线下货品销售的数据,我们可以知道每一块地方,有什么样的消费者和竞争对手,根据每个门店周边的人、货、场、介各种数据综合建模。指引客户在细微市场做更优的选品铺货促销策略。

如何去追踪效果,一是结合品牌历史数据,执行结果很容易反馈,回收以后继续放在平台上,看观测是否跟推荐的模型预测一致。如果不一致就要查找是什么原因导致的,并及时调整和优化,形成迭代。整个过程下来还是能密切的追踪到实际效果的。 

王涛:我们给客户做的分析也分为两类,一是偏向监测,就是把销售、口碑、出货状况做一个监测性的服务交付方式,除了定期的报告提交外,也有针对客户问题的专项分析,尤其是偏向探索性的,客户也希望我们不要局限于现有数据源。 

我们帮客户找未来一段时间行业发展或产品上的趋势,做到把数据源尽可能细颗粒度的拆解。比如一个专做宠粮的客户,他售卖的产品中很大一部分是卖给泰迪这种小型犬。我们仔细拆解后发现,给幼犬的销售比例在快速下跌,虽然整体来讲成年泰迪的销量还是很高,但可以反映出犬种面临的老龄化趋势。所以如果客户未来两三年不早做准备修改产品线,就会导致market share的下跌。我们再看电商数据,搜索大家讨论最多的犬种,对于犬种的满意度,可以判断出哪些犬种未来是有机会的,采用新的趋势来提升销售。 

所以从单一的数据源里,只要做的够细,对客户业务和消费者有充分理解,就能挖出很多有趣的洞察,这些洞察都是紧贴着客户业务成长和品牌发展的。同样的逻辑也可用于其他行业,比如女生对美妆成分很熟,反映出大家对于成分党或高科技的需求。我们会综合电商数据和品类,详细的清洗,把各种功效以及消费者对于功效、成分的满意程度也作清洗,最后得出的未来的一个趋势洞察,帮助客户解决他实际的业务问题。 

高晓思:数据一是在整体决策过程中,支撑战略的制定,更多是偏经营的,从消费者细分所推导出来的策略的调整。二是在经营场景中,比如商业地理地产,从选地拿地、项目定位再到招商,跟商场经营相关的每一个环节,我们都有对应的数据解决方案和检测报告。比如母婴类孩子妈妈比较多,那么亲子主题就会对客流增长更好。比如金融场景里,现在国家开始把放贷类型的业务给城商行农商行做,他们数据有储备能力,但对全流程的带动风控没有解决方案,我们就可以辅助甄别出信贷风险更高的人群。所以数据在不同场景里能效越来越大。 

还有几个重点,数据的计算能力,甄别能力,算法能力,最重要的是对于应用场景的定义,不同的数据融入并计算出来后,应该用什么样的决策链指导经营者,这些是大数据从业人员更需要思考的。 


以上就是亿欧与北拓联合发起的MarTech月“高能分享”系列活动第四周第二次活动,我们仍在邀请中国MarTech领域最优秀的创业者、投资人、从业者参与我们的讨论与分享,不管你是想参与聆听嘉宾精彩发言、还是希望亲自下场进行碰撞分享,欢迎联系并参与我们的活动。


本文来源于亿欧,原创文章,作者:刘冠卓。
转载或合作请点击转载说明,违规转载法律必究。

大数据市场营销大数据营销有效市场数据应用第三方数据