
大数据就是占有数据?错,如何使用更重要!
置身于当下的每个营销峰会,人们讨论的焦点都绕不过这两个字。台上的演讲嘉宾中,开始有了越来越多互联网的身影,从他们口中蹦出的专有名词也不再为传统广告人熟知,每个广告主看起来都开始更关心效果而非创意。
种种迹象表明,广告的变局正悄然开始。
没有人会否认大数据对广告营销的重要性,但也没有人能否认,随着数字营销进程的不断加快,传统营销的经验已经不适用于这个新的时代。广告主们正走入“无人区”,它们亟需一套新的方法论解决营销过程中产生的全新的难题:如何解决数据孤岛?如何把数据应用于实战?以及,如何在最大程度上挖掘出每个数据的价值?
从广告营销公司的层面来说,一套营销方法论同样重要,这是它们应对数字化时代的良方,否则就有被甩下急速行驶列车的可能。尤其当你知道身处一个目的地满是掘金机会的列车时,谁也不愿意中途下站。
作为一家移动广告平台,多盟对数字化时代有着更深的理解。与鳞次栉比的纯技术公司不同,凭借自身对移动互联网营销的深入理解,它的数字营销方法论天然带着更多服务的基因和对营销变化更精准的洞察。
在今年的GMIC上,蓝色光标集团副总裁、多盟总裁边嘉耕受邀做了《数据赋能,营销智能》的演讲。这场演讲向人们全面阐释了多盟的一套名为“DATA+”的系统化解决方案,通过这套方案,多盟能够为每个客户提供定制化的数据及策略解决方案,并提供面向策略、运营和营销管理的咨询服务,而这为那些处于困惑中的广告主们指明了方向。
选择多盟这样一个移动营销行业中数据运用领先的公司作为案例,可以管窥广告营销公司未来该如何应对席卷而来的数据浪潮,并且怎样在其中腾挪移转争取出自己的生存空间。
媒体驱动vs数据驱动
在这场主旨演讲中,边嘉耕提到多盟成立的这七年,也正是移动营销从“媒体驱动型”向“数据驱动型”转变的时期。这让很多广告主及营销公司感同身受,因为这个洞察与他们的切身体会完全吻合。
从历史的维度去看,早期的广告营销公司往往通过掌握媒体资源构建起自己的壁垒。所以,以往判断一家公司是否有价值的标准在于它是否能与更多的媒体建立起合作关系。在高度数字化之前,广告投放遵循着工业时代的经验进行:大投入、多媒体、饱和式攻击......我更愿意将这个阶段定义成“粗放式”的广告经营模式。
但当技术的进步让广告主和媒体能够精细化操作每个流量和接触点之后,媒体资源以外,在实操层面使用数据的能力也开始变得至关重要。
在多盟团队看来,市场中从不缺乏数据,不同的市场主体也都在纷纷构建自己的数据库。但一个不幸的现象是,数据越多,孤岛越多。“DATA+”中的重点在“+”,而不是“DATA”,这意味着如何打通、管理和分析数据是更为重要的,只有这样才能帮助品牌抓住实现生意持续增长的机会。
这已经成为了行业痛点,一个最新的例子是,具有指标意义的可口可乐公司直接用首席增长官取代了首席营销官。
在多盟的构想中,DATA+应该在数据上形成一个闭环,并且在实践过程中根据市场反馈螺旋迭代、向上发展。目前的核心产品模块包括三大类:前端是基于互联网行为数据的营销策略推荐,中端是数据驱动的营销管理系统,后端是提供端到端的闭环数据服务方案。从策略、管理到服务,数据真正活起来了,它的价值能够反复被挖掘,直到最大化。
边嘉耕用了三个标签阐述对团队的定位:广告狂人之外,他们还是技术达人和数据专家。他的定位也反映出未来广告营销公司的一个发展趋势:数据和技术能力将成为比拼的关键战场,不管对于4A这样的巨兽还是技术公司均是如此。
总的来说,数据已经不再仅仅关系着最后的投放环节,还开始影响广告公司的前端创意以及与广告主的沟通交流。高举数据的大旗,并真正脚踏实地地思考营销方法论的革新,从广告主心态的转变以及技术的演进史思考,这么做都势在必行。
占有数据vs使用数据
现在的广告主容易陷入这样一种迷思:认为大数据的重点是“大”,所以对数据的重视只限于收集和存储的层面。但实际上,中国的数据市场割裂非常严重,广告主手上只握有一方数据,更大量的数据集中在互联网媒体手中,但这些媒体对于营销的经验并没有深耕多年的专业公司来得充足。
到头来,广告主的大数据,从收集的角度来讲量不够大,从使用的角度来讲效果也不够好。
多盟认为这给广告营销公司提供了难得的机会:在品牌对数据不了解、媒体对营销不了解的背景下,站在广告主一方的专业公司能够帮助企业对数据建立更清晰的认知,也能更合理化地运用。
人们对广告营销公司推动大数据的质疑,往往集中在能掌握多少数据,对数据的控制力有多强。但实际上,相较简单地占有数据,使用数据才是更关键的环节。
从某个层面讲,《大数据时代》这本具有指标意义的书提供了一些不太完善的观点,譬如认为数据量越大越好。但实际上,漫无目的地追求数据量不太聪明,庞大的数据规模反而会降低分析效率。坦白讲,大数据拼到最后不是比拼谁多,而是在数据赋能之前如何为数据赋能的能力。
以广告发布前的A/B Testing为例,DATA+的解决方案中对数据进行了相当精细化的处理。面对同样的一个数据集,多盟可以从目标受众、创意呈现、体验路径、产品组合/促销方案四个维度深挖价值。
而在针对目标受众的分析中,DATA+首先会将消费者划分出几个不同的子集,并分别从互动、点击、拉新等层面考察每个子集的反馈效果。一目了然的细分数据让广告主了解到如何向正确的人说正确的话,在这个过程中,数据从“一库一吃”变成了“一库多吃”,即使是有限的数据用好了也能发挥出惊人的价值。
所以,数据固然重要,但通过技术产品的优势挖掘数据,并将成果直接应用于营销实战更加重要,这些正是多盟这类营销技术公司能做好的。
边嘉耕选择用大树来形象地阐释DATA+的产品结构:它的树根是多方数据源,树干是数据的基础处理能力,顶端散发出的树枝是一个个模块化的数据产品,而树枝上的树叶则是定制化的解决方案。数据的养分从底端不断向上传导,最终整个大树枝繁叶茂。
媒体视角vs广告主视角
在明确数据使用比简单的数据占有更重要之后,应该采用怎样的视角使用这些数据对营销同样重要。
以精准投放中最重要的标签转译为例,腾讯、京东、头条、优酷这些重要的流量方,它们都有自己的标签体系,有些更为成熟的系统还有自身的人群挖掘规则。但是,将品牌的感性目标人群画像转译成理性的标签非常困难,难点在于这并非简单的基于人口结构的划分。
要让这些数据的价值变得更大,必然需要结合营销的相关理论和经验。譬如同样是产妇,适龄产妇和高龄产妇在消费心理和决策模型上大相径庭;同样是准备旅游的人,马上出发和一个月之后出发关注的点也截然不同,这些差异需要专业的营销人士加以区隔和整理。所以,从广告主视角出发使用数据远比媒体视角重要。
DATA+的人群策略系统通过对多方DMP的运用,可以深入分析品牌目标的种子人群,再加上营销人员根植于营销体系多年形成的经验判断,能够产出更具结构化的人群策略以及更佳细腻且适配的标签方案,更好地实现“技术+营销”的结合。
边嘉耕在演讲中分享的一个案例能够更系统地阐释两种视角间可能出现的差异。此案例的广告主是某进口敏感肌洗衣液,在策略重构的模块,营销专家们从购买兴趣和认知程度两个维度构建了一个3*3的矩阵,将人群细分为准妈妈、烦恼客、讲究咖等9个人群。随后根据不同人群制定不同的传播方案和沟通策略,譬如在针对精明妈的推广中,就使用“宝宝护肤,从选对洗衣液开始”的诉求。在投放的环节,则根据广告主的目标和预算规模作为主要考量进行最优化的配置。在线下推广的部分,多盟也为9个不同类型的人群定制化了不同的促销方案。
坦白讲,媒体方(或者说流量方)需要耗费很多精力才能完成整个营销活动的策划流程。但对于有着多年经验的营销公司来说,他们显然更加轻车熟路。
多盟的团队用了一个形象的比喻解释自己如何站在广告主的角度做事:“如果把数据比作一条鱼,我们不仅要让广告主吃上鱼,还要告诉他鱼是一种什么动物,生活的环境如何,我们大概怎么捕到鱼的。”某种程度上,和广告主的沟通也不仅是产出并执行一套方案这么简单,弥合广告主对数字营销认知的差距会让整个过程更有意义。
坦白讲,数字营销是没有止境的,大数据不仅是一种资源,更是一种思考营销的全新方式。在数据驱动的营销背景下,从广告主的视角合理地使用数据变得愈加重要。而数据也不应该成为一个个相互隔绝的孤岛,更不应该拉大产业链中各企业间的差距。理想的方式是各司其职、共同发展,而多盟和它的DATA+想做的就是这样的事情。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01