京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对大数据营销现状的三个“唯”批判
当你想买牛奶时,一款牛奶品牌的信息立马出现在你的面前,实现精准推送——大多数人对大数据营销的理解也许还停留在这个层面上。
但很明显,大数据的魅力远不止于此。仍以牛奶为例,它不仅会实时提醒你牛奶何时会过期,同时也会自动列出一份采购清单,发往超市的后台,之后你就会收到最新鲜的牛奶——这会是大数据营销不远的未来。
这样的理解差异化也同样体现在大数据营销的从业者中:较多人还在声嘶力竭地呐喊着“不要采样而要全量、不要看因果要看关联、不要看精准而要看混杂性”等等。对此,阿里妈妈首席数据科学家薛贵荣(数据分析师)认为,这些理解都仅仅停留在概念层面,没有真正把大数据落到营销的实处。
对于目前的大数据营销现状,他提出了三个“唯”批判,这也构成了他关于大数据营销的核心理解。
阿里妈妈首席数据科学家薛贵荣
批判一:唯概念论
把消费者作为营销的终点而不是起点
品牌很难掌控消费者需求,只有消费者自己才能决定他的兴趣和购买,这样朴素直白的道理大家都懂,但是在营销的推行中,这一点却往往被忽视。
今天在谈大数据营销时,大部分人还是热衷于谈RTB,即实时竞价,为不同的消费者推送不同的广告内容,引以为傲的是精准。与此同时,老派的营销人也仍不忘把经典的4P、5P概念带入到大数据的环境中。
不难发现,这些营销方式的起点都不是消费者,而是营销的终点,这也是薛贵荣对其批判的一个关键。在他(数据分析师)看来,这些概念并没有错,但这些方式方法与数据营销离得太远。他的主张是:首先要从人开始做营销,发现目标消费者,再去推断消费者在哪里、消费者需求是什么等问题。
确定了这些核心的消费者画像后,展现层面的问题也就迎刃而解,譬如需要为这些消费者匹配什么样的活动和运营,设计什么样的页面展示和店铺装修等。同样,在渠道层面,品牌商和卖家可以根据数据预知布什么样的渠道,在各个渠道分别布什么样的货。
更深层次的影响也渗透到了物流和生产环节。薛贵荣强调说,这是一个以消费者诉求为驱动的整体运营和营销体系,体现的是企业运营营销全链路的贯穿。
这样的链路也许在双11还能稍见类似的踪影,品牌方和卖家为了迎接大量需求涌入,提前在渠道、备货、物流等方面做准备。而实际上,这样的提前准备仍然有一定的误打误撞心理——在空前的购物热情下,很多品牌面对的都几乎是备多少都能卖掉的场面,根本不是由大数据所体现出来的需求,因此回到日常销售,就又进入到了以供为主的原始路径。
“不要今天卖了多少货,再去决定生产多少东西,而需要再往前走一步,你知道消费者明天的需求,然后决定生产多少货。”薛贵荣告诉记者,以今天对消费者的洞察来看,大数据已经能做到这个程度。
而之所以薛贵荣能够先人一步地看到这一点,他认为,是因为他就是从RTB做起来的。早在阿里妈妈负责钻石展位业务时,他就看到了其中的局限性:一开始的业务逻辑很简单,就是人群定位为主,做“看了来买、买了再买”的定位行为,需求是由系统背后的工程师所决定的,但商家的主观能动性被制约。这就推动了“达摩盘项目”的启动,商家主动进行个性化营销的意识有了萌发。但当自动化智能营销工具“阿里魔镜”推出后,薛贵荣又发现,其实商家的主观能动性仍然有发挥的空间,完全可以再往前走一步,从消费者出发做营销。
“本质就在于我们越来越了解消费者,所以消费者的诉求提前被我们观察到了,所以消费者会买单。消费者买单,商家就会从中获益。”因此,薛贵荣强调说,无论大品牌还是小企业,都需要从RTB这种模式转变到以消费者诉求为起点的营销方向。
批判二:唯上帝论
不区分消费者之间的动态价值差异
早在1996年,《差异化营销》一书的作者葛斯·哈伯就提到,公司的小部分客户通常带来大部分的营业收入,客户数量与收入并不成比例,在营销领域,二八定律同样发挥着作用。
而直到今天,商家对于消费者的理解还是不够深入,薛贵荣把这种浅层理解称之为“数人数”,即只知道今天卖了多少货,却很少思考该如何利用消费者在店里留下的各种行为数据。
“不能单纯的说买过你东西的就是老客户,逛过没买的都是潜在客户,你(数据分析师)要区分客户的价值,达到‘你期望客户带给你的价值’与‘你送给客户的价值’之间的平衡,这是大家从来没有去想过的问题。”薛贵荣认为,两个不同价值的互相匹配是其中的关键,“用户是上帝”往往是一句口号,花钱最多和花在你这个企业身上钱最多完全是两个概念。
目前,针对消费者分层已经有许多成熟的营销模型。以四象限的客户体系模型为例,薛贵荣(数据分析师)认为,消费者可以按“花钱多的”、“花钱少的”和“花在你身上钱多的”、“花在你身上钱少的”来分类,以此来识别哪类用户才是真正的核心消费者。商家不需要对所有用户用同样的力,不是所有的消费者都要努力让他变成你的VIP客户。把“花钱最多的人”转化成“为你花钱最多的人”,这才是商家努力的方向。
例如,两个同样在你身上花了100元的人,第一个是个高富帅、白富美,每个月的花费成千上万,而第二个人是个学生,每个月只消费200元,这两个消费者对商家的价值完全不一样。前者还不是忠实用户,但可以争取让他花更多的钱;而对于后者,他的忠诚度已经够高了——消费者分层的意义就在于,要发现你的消费者处于怎样的位置,然后需要配合不同的运营方式。
薛贵荣还提到了另外一个模型RFM,这个模型强调了三个关键的客户信息,即最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。消费者在不同时间往往也呈现出不同的状态,经常到店、花钱最多且最近来过的客户是最忠实的消费人群,需要密切关注、经常刺激消费。“很多商家没观察到这类消费者的状态,没有意识到客人已经流失了。客户都要走了,你还不知道,还停留在花钱买广告的状态。”薛贵荣认为,营销的最高等级是关怀你的客户。
以这些模型为参考,商家实际上可以根据自己的情况,对消费者进行相应的分层,确定他们不同的营销空间,而不是做千篇一律的信息轰炸。
批判三:唯ROI论
没把消费者作为核心资产来管理
什么是企业核心的竞争力?很多人有各种不同答案,人才、创新、数据等等,这些都对,但除此以外,薛贵荣还明确提出,大数据时代,消费者才是企业的核心竞争力,需要把这群人当成资产来进行管理。
一个企业会周期性地对企业资产进行财务盘点,有多少钱、从哪里来、花到哪里去,这样的财务思路同样也应该用在消费者资产管理上。企业应该问问自己,到底有多少消费者、他们从哪里来、在我这里进行了怎样的消费,未来如何增值。
这样的管理和盘点,一个好处是能够保证投入和产出之间的平衡,就如上面所提到的消费者分层,思考“我对消费者的投入”与“他给我带来的价值”是否能够成比例,以此避免资源浪费。
这里需要避免的一个问题是:可能做一次活动的投入产出比很高,所以我的营销做得还不错的想法。大部分商家现在的营销手段还都是处在做一次性营销,搞一次营销活动,客户来了、买了,这次营销关系就此结束;待到下次再做营销活动时,又是一次从头再来。前后两次的营销是没有关联的,完全断层。这就是资产浪费的一个典型表现。
薛荣贵告诉记者,国外很多电商企业在拉新客和维护老顾客的投入比在2:8左右,而国内的营销几乎是在做完全相反的事情,不断地拉新客,却没有把客户管理起来,拉新客和维护老顾客的投入比在8:2左右。当下一波营销活动发生时,老客混在新客中,被推送着同样的信息。每次做营销都是零起点,营销资源极大浪费。薛荣贵认为,这并不意味着单次的营销活动不重要,而是要进行变革,以资产为主线,将多个单次活动串联起来,变成企业的营销规划。
管理和盘点在另一方面的意义更为深远,把消费者当成资产管理起来,让这部分资产进行升值。“当你有了资产的概念,你会考虑对资产不断的投入放大,让资产盘活起来。”阿里的粉丝爆炸器就是根据企业的已有消费者资产为样本,在一个上亿的消费者人群大池子里,帮助企业寻找未来成为该企业忠诚消费者的一群人,帮助企业达到资产放大的目的。通过不断的更新迭代,最终能够让一个企业的消费者资产能够十倍、百倍的放大,实现资产的增值。
(数据分析师)以消费者为中心的企业数据资产运营和营销,这必将是企业率先进入DT时代的一个通行证。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23