
排除大数据营销的这7大雷区,挖掘更具价值的宝藏
互联网人总屡出大招。比如,营销界名人李叫兽(李靖)自爆已经连同自己和整个团队一起卖给了百度,他还出任了百度副总裁,才25岁啊,难怪拉仇恨,各个跟互联网、营销相关的群都炸锅了。
还是咱黑马哥比较理性、客观,他说了,别光盯着人家的年龄和资历啊,“谁说公司高管都要有其他大公司的履历,谁说做好自媒体的人当不好副总裁”。他觉得, 李叫兽最大的挑战乃是能否把营销方法论通过机器学习产品化,这既是他个人的难题,也是行业的课题。
在百度高级副总裁向海龙写给内部的邮件中有这么一句:“相信李靖及其团队与百度的人工智能技术、大数据和生态资源相结合,将为广大用户创造更多价值”,说的应该就是李叫兽加入百度以后的重任啦。
这年头说到营销,不扯扯大数据,不说说娱乐化,都不好意思说自己是营销圈中人了。印象中,今年参加过的活动中,没有提及这两个词的几乎没有。
在《大数据时代》一书中,译者周涛引用了苏珊·朗格在《哲学新视野》一书中的一句话:“这种‘宏大概念’突然流行起来,一时间把几乎所有的东西都挤到了一边”,来给那些对大数据没有任何深刻理解,却月月日日分分秒秒穿行于各种“大数据嘉年华”的投资人、媒体人和创业者泼一盆冷水。
很不幸,Soso姐正是这样的媒体人,不过我认为,研究大数据这么专业的事情只能交给“叫兽”级人物,而我们记录与此相关的事件、观点和案例,也很有意义嘛。
从9月到现在,参加过的与营销相关的活动中,有两场给我留下蛮深的印象,其一是9月的2016腾讯全球合作伙伴大会营销分论坛,还有本月由易车车慧和腾讯社交广告联合主办的“D造品牌-2016汽车大数据营销峰会”,原因在于,与会嘉宾的分享对何为大数据,如何用大数据做营销这两个问题做了比较明晰的阐述,并且指出了一些大数据营销中存在的误区。
Soso姐结合平时采访和行业中人探讨所得的一些发现,总结了大数据营销领域目前存在的7个雷区,大家来对照一下,看自己是不是也踩过这样的雷区呢?
雷区一:将大数据等同于海量数据
数据多就能称之为“大数据”吗?
这让Soso姐想起以前在报社,广告部门的同事去谈客户,被问及我们报纸的优势是什么,也有人扯,我们有大数据。那是些什么数据呢?无非就是订阅用户的姓名、单位、职称、电话等等信息而已。事实上,我们连这些用户会不会看到我们的报纸以及登在上面的广告都并不知情,更谈不上对他们的消费习惯、消费需求有半点了解了。
好了,这部分数据算不上大数据,也许是因为数量不够大,那如果让这些“姓名、单位、职称、电话”等信息的数据呈量级增长,就能称之为大数据了吗?显然不是。
因此——
“判断大数据的标准不是基于数量的维度,而是基于场景的维度。”
雷区二:把自家大数据当做宝
还是在《大数据时代》一书中,作者提到,“虽然数据还没有被列入企业的资产负债表,但这只是一个时间问题”,言下之意,大数据无疑是一个企业的宝贵财富。也的确如此,常常当我们问到一些广告公司、营销平台他们的优势是什么时,其抛出来的答案绝对有这一项:大数据。
因此有人戏谑称:“自己看着全是宝,其实什么也没有”,说的正是企业将自家数据封闭起来,形成数据孤岛而造成的价值丧失。
也因此,BAT也好,京东、58等平台也好,都在试图开放数据,通过数据的交叉、渗透和洞察更好地形成数字的生态,比如京腾计划、腾城计划的实施,又比如腾讯在和一些垂直行业平台车慧、滴滴、同程、乐居进行合作,来解决数据单一化的问题,实现交易场景的交互。
雷区三:将大数据视为灵丹妙药
是产品为王还是营销至上,个人认为这已经是一个不需要讨论的问题。但加上了“大数据”这把“灵丹妙药”,就真的有人相信即使产品做不好,靠着对大数据那端痛点的把握,也能靠造造噱头把产品卖出去。
对于那些打一枪换一个鸟窝的,我们就不和他探讨了,对于真想做好产品并借助大数据进行营销的,提醒一句,所谓大数据也是有其局限性的,尤其是在数据开放、交互、智能程度还远远不够的当下,程序化的购买不能完全取代人为的判断,就像新闻资讯推送不能完全依赖机器人,是一样的道理。
雷区四:用平台和服务商的大数据做营销
这个思路当然没错,可是,广告主们别忘了,最有价值的数据恰恰掌握在你们自己手里,最了解你们客户的也正是你们自己,正如同一个campaign的转化效果如何,广告主应该最清楚,而不是依赖于服务商所提供的华丽数据。
说到这里就还是回到了“开放”这一个点上,广告主手里的数据是一座宝矿,但他们是否有开放的心态让服务商们去挖出其中的真金?如果没有,他们的担忧是什么?只有他们自己知道了。
雷区五:大数据营销就是效果营销吗?
刚才说到转化的问题,而大数据营销往往和一个形容词是相伴随而来的,那就是“精准”,因此,往往一提大数据营销,就容易单一地与ROI挂钩,把它与快速、直接地解决短期内销量问题,提升销量目标划等号。
但实际上,大数据营销其实是在品牌和效果两端同时做工作——希望通过品牌营销去提升品牌的关注度以及美誉度;在效果层面通过在线上对用户进行影响,使得用户成为店头集客,最后达成成交,实现销售的闭环。
数据能够帮助广告主更好地做广告投放,而不只是做效果投放,同时可以通过PMP、PDB等方式去做投放,来满足客户对品牌方面的需要。
雷区六:大数据只是帮助投放吗?
刚才说到大数据能够帮助广告主来做广告投放,辣么问题又来了,大数据只是在投放决策前起作用吗?
答案当然是no,这已经是过去时。过去,的确是广告开始投放时,营销决策的过程已经结束,但现在,当广告开始投放时,它才刚刚开始。在广告投放的过程中,需要不断优化数据逻辑,甚至几版创意同时投放并进行监测,在动态的过程中与用户产生交互,让用户决定将在更大范围内投放的创意。
上个月底,百度MOMENTS 营销大会推出“百度思维”智能品牌营销生态系统时,其产品一个很重要的特性正是实时性互动,从前期决策到过程中的投放再到后期的效果评估,全流程打通。
雷区七:围绕需求做营销就足够吗?
Soso姐听一位营销大咖分享过其家庭买车的故事,他的要求是不要买一辆“街车”,而当他们终于做了购买决定以后,发现身边的朋友不谋而合地和他们买了同一品牌的车,换言之,在小范围内,这辆车还是杯具地成为了街车。
问题出在哪里?围绕需求做营销就可以吗?当然不是,除了洞察需求,还要洞察决策的关系链以及他们相互影响的程度。
总而言之,就如同《大数据时代》作者维克托·迈尔-舍恩伯格所言的:在大数据的时代,我们将会意识到最重要的或者真实的数据的力量,不光是要满足这种主要的需求;而且第一手数据只是数据总体价值的冰山一角。
新的一年开启了,愿我们排除雷区,挖掘到冰山底下更有价值的宝藏。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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 ...
2025-09-04