京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代营销人的变革:像预测营销者一样思考
我们和早期成功采用预测营销的人工作时,十分震惊。这些人工作时采用了不同的方式。对于客户、公司和相似的个体营销者来说,有着很强的双赢优势。客户满意度在上升,公司已经转型为以客户为中心,个体营销者在公司中获得更多的价值提升。我们工作的公司通过围绕一个品牌不断增加在线收入使总收入翻倍,而这个品牌是植根于商店的。线上购物在整个过程中的收益从20%上升到80%。
最后,我们以一些建议来结束这个话题。那就是,不在于你做了什么,而在于怎么做。这里有来自预测营销者的一些经验,可以帮助你做出惊人的转变。
第一点,你读完本书后应该至少获得一个经验,那就是聚焦于客户并围绕客户进行思考。以客户为中心不是一个新的概念,实际上从营销出现开始,营销者就已经努力将营销行为聚焦于客户身上,只不过这个概念虽然流行了很长时间,但却不一定被成功地执行。这仅仅是因为你的公司到目前为止可能都无法建立真正的以客户为中心的文化,但这并不意味着你不能再次尝试。大数据和预测性分析确实使得一个营销组织以前所未有的方式实现了以客户为中心。
第二点,聚焦于行分析项目行为,而不是分析本身。许多分析项目最后失败,是因为公司陷入众所周知的分析瘫痪阶段。一旦你习惯了数字,就会被它迷住。每个与客户有关的真相总会引起另一个问题。我们只有很低比例的重复买家。为什么会这样?这些不再光顾的顾客是年轻人还是老人?我们在实体店是否比线上流失更多的顾客?是否有某些特定产品能吸引回头客?这些不再光顾的顾客是否比其他顾客退货更多?你可以使用顾客数据提出和回答无穷无尽的问题。然而,突然问太多问题也有风险,那就是使用数据解决不了任何问题,因为仅仅拥有数据是不会改变任何事请的。尽量只问那些可以促成行动的问题,其他问题没有必要问。很多顾问做了大量的分析却始终没有行动,这是个有趣的现象。如果你按照客户数据行事,只能够提升客户体验、终身收入和公司的财政业绩。这意味着仅仅使用一个客户见解就可以做出改变或者发起可能提升某些指标的活动。这个案例也许是通过购后推荐或改善客户欢迎活动来判断结果是否会有所不同。你根据客户数据行动得越快,数据驱动营销成为一种生活方式的速度就会越快。同时,它以提升客户满意度和收益的形式促进早期赢利,并促使公司批准你继续数据探究。
第三点,今天就开始行动,使它变得简单并不断重复。供应商支持预测营销的技术状况正在快速变化。更新更好的技术每年都变得更容易获得。然而,这不是守株待兔的理由。尽早行动有着巨大的优势。在本书中提到的公司都知道这个道理。我们在写这本书时遇到的主要挑战是让营销者同意分享他们在预测营销中取得的成果。我们经常听到这样的声音:“我们不想让对手知道部署预测营销会带来多大的回报。”或者:“我们将预测营销主动权视作主要的竞争优势,我们不想让其他人知道这些。”这说明一个道理:冒一次风险,开始预测营销——即使在小规模范围内进行。这会让你的公司习惯以新的方式为预测营销思考,所以你开始转变并学习的速度越快,就会变得越出色。最终,你的客户会要求你为他们进行更多相关服务,如果你的对手开始进行预测营销,那么你会损失一部分客户。但如果你知道早晚有一天会采用预测营销,为什么不在今天马上开始并赢得竞争优势呢?
第四点,频繁尝试新事物并进行评估。不要期待你第一次尝试就能敲开预测营销的大门。寻找数据和制动活动需要反复尝试,但是学到这些东西唯一的方法就是马上开始尝试。确定你为每项实验都形成了一套清晰的假设,并通过A/B测试来检验假设,或通过拒不接受新方法的团体来测试假设。逐渐通过测试新事物来得到提高。保持耐心,你的公司可能需要一段时间才能走上正轨,就算第一次实验失败了也不要停下来。一些成功的客户曾经经营了数百个活动,每个活动都为总体经验和客户的终身价值贡献了一小部分力量。像足球一样,每个营销行为都会帮助足球在场上前进一步,最终奔向那些忠诚且可赢利的客户。
最后,在公司内外交流成功的人或事。当你开始看到预测营销的结果时,请与世界分享这些成果。在你的行业内寻找一组志趣相投的营销者交换意见,这样做非常有价值。也许你可以在有共同点但没有竞争关系的公司或品牌内部找到营销者。你不需要自己发明轮子,学习进程就会加速。预测营销正成为一项强有力的活动,寻找志趣相投的从业者,不仅有利可图而且可以带来欢乐。我们推荐你用博客或发新闻稿的方式来告诉客户你的实验进程。我们很乐意为你联系那些乐意报道这些活动的记者。你们致力于更好地理解和服务于客户,同时努力消除不相关的大规模营销实践,客户会很乐意看到这些事迹。最后,在博客上报告你的成功事迹,你可以得到一个有前瞻思维的现代营销者应有的声望。为什么不在采用预测营销过程中建立自己的声望呢?
以上是预测营销的原则。能够见证历史意义最深远的一次技术和文化变革,我们感到幸运。请提升自己,力求拥有这些品质,接着你可以使用我们介绍的对你有利的策略——或者发明你自己的策略。你可以在公司和客户一起,创造出属于你自己的成功事迹。随着预测营销逐步发展并普及,越来越多的人会参与进来。
营销技术正处在巨大革命的前沿。机器学习最终会渗透到生活的方方面面,并提高教育、慈善、卫生保健等各个方面的质量。作为营销者,我们是开拓者,探索怎样最好地使用机器智能改善我们的生活,而不以不良的方式侵犯个人隐私。你所做的事情十分重要。我们希望你在预测营销的努力中得到好运,并告诉我们你的经历。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据科学的工具箱中,析因分析(Factor Analysis, FA)、聚类分析(Clustering Analysis)与主成分分析(Principal Component ...
2025-12-18自2017年《Attention Is All You Need》一文问世以来,Transformer模型凭借自注意力机制的强大建模能力,在NLP、CV、语音等领域 ...
2025-12-18在CDA(Certified Data Analyst)数据分析师的时间序列分析工作中,常面临这样的困惑:某电商平台月度销售额增长20%,但增长是来 ...
2025-12-18在机器学习实践中,“超小数据集”(通常指样本量从几十到几百,远小于模型参数规模)是绕不开的场景——医疗领域的罕见病数据、 ...
2025-12-17数据仓库作为企业决策分析的“数据中枢”,其价值完全依赖于数据质量——若输入的是缺失、重复、不一致的“脏数据”,后续的建模 ...
2025-12-17在CDA(Certified Data Analyst)数据分析师的日常工作中,“随时间变化的数据”无处不在——零售企业的每日销售额、互联网平台 ...
2025-12-17在休闲游戏的运营体系中,次日留存率是当之无愧的“生死线”——它不仅是衡量产品核心吸引力的首个关键指标,更直接决定了后续LT ...
2025-12-16在数字化转型浪潮中,“以用户为中心”已成为企业的核心经营理念,而用户画像则是企业洞察用户、精准决策的“核心工具”。然而, ...
2025-12-16在零售行业从“流量争夺”转向“价值深耕”的演进中,塔吉特百货(Target)以两场标志性实践树立了行业标杆——2000年后的孕妇精 ...
2025-12-15在统计学领域,二项分布与卡方检验是两个高频出现的概念,二者都常用于处理离散数据,因此常被初学者混淆。但本质上,二项分布是 ...
2025-12-15在CDA(Certified Data Analyst)数据分析师的工作链路中,“标签加工”是连接原始数据与业务应用的关键环节。企业积累的用户行 ...
2025-12-15在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05