本文为混沌大学《数据驱动营销》上课的学习心得，

讲师：吴明辉

吴明辉，毕业于北京大学，云计算和大数据领域的专家，国家级的互联网广告监测专家。拥有超过15年的软件开发经验和11年的软件开发管理经验，曾负责和指导过多个大项目的研发管理和项目实施，包括网络数据监测分析、精准营销大数据平台、大数据挖掘分析平台、企业级大数据平台项目等。服务于宝洁、通用汽车、中国联通、中国邮政等世界500强企业，涵盖金融、电商、电信、汽车、快消等多个行业，于2006年创办了秒针系统，2014年担任明略数据董事长。

授课形式：线上

时长：约3小时

听课次数：

课程目录

1、数据是营销价值测量和评估的载体

2、数据驱动营销效率

3、传统营销数据测量

4、大数据时代数据营销

5、营销的个性化

6、未来是营销个性化的时代——自动化营销

在上课之前，按惯例给自己设置问题，带着问题去听课

1、为什么数据能够驱动营销？

2、数据是如何驱动营销的？

3、传统数据驱动营销和大数据时代驱动营销有哪些区别？

4、个性化营销和数据什么关系？

1、为什么数据能够驱动营销？

这个问题首先要理清楚什么是营销？

吴明辉在课中提到“营销的本质是一种投资行为”。对这个观点我是这样理解的：投资是以最小投入获得最高价值回报的行为。营销或者说市场营销，是通过一定的市场投入去打动目标客户，让他们购买自己产品的行为。任何企业来说都是希望“以小博大”，小成本获得高回报。

企业这样的心理就要求营销是高效的。营销有很多环节，场景，是否所有环节和场景都是必须的？谁都知道应该选择最高效的环节，场景，那么高效由谁来决定？

可以由数据来决定，用数据去判定每个环节价值的效率，以此决定。好的发扬光大，不好的改进或是抛弃，或是进行重新组合去发挥更大的作用，从这个层面来说，数据通过调整营销环节组合来驱动营销。

数据是营销价值的测量和评估载体。通过对营销各环节的数据结果进行监测，实时的监测，去关注各项（市场的、消费者的、竞品的）变化，根据变化来尽快调整。越早发现，越早调整，则效率也越高。这其实就是“监测-感知-反应”模型，数据通过监测来驱动营销。

不仅是当前的数据监测，也需要对未来的数据预测，既要缩短当前数据监测的周期，也要缩短对未来数据预测的周期，这也是数据驱动营销。

总结：

营销本质要求提高效率，提高决策和应对的效率，，减少浪费，选择高效率的手段和方法；

数据通过对营销环节、手段、方法的监测和价值评估，去驱动营销；

监测-感知-反应模型；

除了对当前营销数据的监测，也需要监测未来数据。既要提高当前营销效率，也要提高未来营销效率。

总之，数据驱动营销其实就是驱动营销效率，就是通过数据不断提高每个环节反应周期，减少浪费，快人一步；

2、数据如何驱动营销

首先要明确，数据驱动营销（效率）从哪里切入？

数据驱动营销第一要务：理解消费者的采购转换漏斗

所谓转换漏斗：就是一个企业的可能消费者通过层层环节最终使用/消费企业产品的整个过程，这个过程会不断有消费者流失。和我们互联网产品中说的页面漏斗是一个意思，就是用户从打开APP/网站之后到最终下单（完成一个功能闭环）的漏斗。

漏斗模型示例

用数据监测不同漏斗的结果，可以让我们知道哪个漏斗的效率是有待提高的。然而不同的产品、不同的生命周期，不同渠道这些漏斗会有不同的情况，这就涉及到很多不同的模型。

吴明辉在课中提到两个常用的模型分别是“who，how，what”模型和“watch，brand，buy”模型

who，how，what模型

这个模型比较常见，who就是“谁是我们的消费者（目标用户），包括最终消费者和潜在消费者”，what则是“我们最终向消费者卖什么产品和服务”，how“方式，解决把产品和服务触达并卖给最终/潜在消费者的过程”。

我们平时做产品，做运营的时候，经常提及到这一模型，而在数据驱动营销的模式之下，就是用数据去测量者三个内容。

“watch，brand，buy”模型

这个模型则是第一次听说，理解下来其实也没有特别之处。所谓watch，就是用户观看你的广告，其实就是曝光率。buy就是我们的最终目的，用户最终购买/使用产品和服务。brand是指通过watch，潜在用户脑海中形成的品牌资产。

这个模型的核心就是如何通过同样watch，产生更多的buy；或是同样的buy，如何消耗更少的watch（就是营销本质是投资的概念）

而在实务中，watch到buy的过程并不是快速见效的，因此就有brand这个概念，形成潜在的对品牌认知。

数据驱动营销，就是用数据不断监测这些单词的环节，“计划-执行-评估”这个循环的频率尽可能地加快。

吴明辉接下来对“watch，brand，buy”模型做了更为详细的说明。

对watch的测量：可以理解为另一个术语：收视率。重点测量多少人看了，看了几次，到底是不是我们的目标用户。这决定了到底我们在什么样的媒体打广告，他们会有多少目标用户？（是不是和产品经理、运营思考的方式很像，用户在哪？哪里的用户最多？他们都在干些什么）这些测量的数据会告诉我们很多重要的信息

比如：我们的广告有1万人次看了，

到底是10000人每人看了1次，还是3000人每人看了3次，还是1000人每人看了10次，这都有着不同的含义，意味着企业要采取不同的手段和策略；

此外，这里还涉及到边际效益的问题，一个目标用户看几次广告是够的？看10次还是20次，如果10次就够了，那么另外的10次就有必要投放在其他的渠道其他的目标用户身上；

有哪些是新来的客人，有哪些是看了很多次的客户，这会决定投放的渠道和频率；

对buy的测量：很多企业不知道自己到底卖了多少货，更不知道竞争对手卖了多少货 ？

企业为什么会不知道自己到底卖了多少货？因为传统渠道有分销商（甚至多级），货是在分销商手里还是最终消费者手里？这个问题很致命，搞不清楚货在哪里的话，产品持续在生产，广告持续在打，这可能是严重的浪费；电商企业去除了中间层，可以直达消费者，但也要注意：我的产品是什么时间段什么场景下卖的多？哪一类消费者购买力更强？同时当前出现了“达人经济”，达人或者网红某种意义上是新的中间层，选择哪个达人/网红更能影响消费者，也是需要测量的问题？

对竞争对手的产品buy测量，每10款产品，有多少产品是你的？有多少产品是竞争对手的？

对brand的测量：品牌资产的测量，买牙膏，6秒决策买哪款牙膏。有时候购买过程周期比较长，需要对品牌测量来发现营销效果。

总结：

数据驱动营销两个基本模型，who，how，what；watch，brand，buy；

watch测量重点：重点测量多少人看了，看了几次，到底是不是我们的目标用户。

buy测量重点：自己到底卖了多少货，竞争对手卖了多少货？

brand测量：对品牌资产的测量，较长购买决策的过程中不能忽视对品牌资产的营销，需要数据监测品牌在受众心中的认知地位；

无论哪个模型，核心都是要提高整个营销的效率，通过对不同数据的不断测量更早地发现问题，减少浪费；

3、传统数据驱动营销和大数据时代驱动营销有哪些区别？

现在人人都在谈大数据，那么对比传统数据驱动方法，如今大数据会有什么不同之处？

首先要知道什么是大数据，四个V（课上没有说，个人补充内容）。体量大（volumes），从TB级别，跃升到PB级别；数据类别(variety)大，数据来源多；数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理；指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。

大数据之前，市场营销中的数据获得主要是通过问卷调查等抽样调查方式，比如上文说道的日记卡，电视机顶盒的抽样调查法。而随着大数据时代的到来，IT成本下降，技术能力提高（数据存储和数据处理等能力），在数据驱动之上有了新的特点：

1、更主动，传统的抽样调查方式需要人工联系发放问卷，现在用户行为被大量记录、存储，数据的采集、监测可以更为主动；

2、实时性，以往少则一个月多则几个月的数据采集时间，在大数据时代则可以实时得出结果；

3、技术的提高一定程度上门槛降低。以往这样的工作需要请专业的公司来做，对于中小企业来说是不现实的。而现在百度指数、微信指数、淘宝指数的出现，让普通人也可以进行一定程度的数据监测和分析。

4、成本的降低。数据采集的成本在大幅下降，包括时间成本和金钱成本；

5、数据间的打通 ，传统数据营销很难将不同的数据之间打通，只能做趋势分析；而大数据则将不同类型间的数据打通，可以做归因分析。

对数据间打通这个印象较深，比如一个餐厅，传统的数据调查只是关注哪个菜你爱吃，哪个菜不爱吃，这个月哪个菜卖的更好等等，而现在我们可以结合消费者在互联网上的行为数据，识别出消费者的身份，喜好，可以进行精准的推送或交叉营销。

另外传统的数据调查我们只能知道谁买了产品或服务，但他们为什么买产品，为什么使用服务，却无法有个准确的结论，现在可通过用户在各个终端下留下的记录去找到可能原因或影响因素。

大数据给数据营销带来了很多便利的同时也带来了一些问题，水军，刷机的出现，对数据的准确性影响更大，而这会直接影响到营销策略的制定和实施。

4、个性化营销和数据什么关系？

为什么会出现个性化营销？

随着社会经济的发展，物资供给的丰富，消费者、产品、媒体都在越来越复杂；而且决定营销结果的因素越来越多样化，不再是单一因素可以单独决定；

消费者的分类越来越细化，消费者对产品和服务要求不满足于物质层面，上升到了精神层面。

由上面联系到近几年出现的个性化电商，定制化服务，为消费者提供个性化的产品和服务，那么面临一个问题：产品和服务越细，效率则会越低，这个问题如何破解？

吴明辉提到需要在这中间找到一个平衡，这个工作就要由数据来做。通过数据分析去发现不同消费者之间对应的需求、渠道、行为，寻找到可以让成本最小化，利润最大化的环节。

具体如何做？

加强对消费者数据采集、监测、分析，将消费者和产品、服务联系起来，了解消费者到底在想什么，他们在现实生活和网络中在说什么，在看什么，在讨论什么，他们看到产品服务第一反应是什么，使用之后第一感觉是什么，会在怎样的场景下去推荐，去复购你的产品和服务？

同一个消费者在不同时间段，不同场景下的个性化需求也会不一样，这就要求我们主动去挖掘不同场景下的数据。

总结：

个性化营销是未来的趋势，也是共识；

消费者不再满足于大众化的，纯物质需求，更多追求个性的和精神层面需求；

数据通过采集、监测、分析消费者的个性化行为（不同时间，不同地区，不同年龄段，不同场景）来驱动营销，提升营销效率；

核心要点：

近三个小时的课停下来，核心要点就是“数据如何提高营销的效率，提高投资回报率”

数据对于营销的核心作用：提高营销的效率，减少各环节的浪费；

要求我们把所有投资和回报相关的数据记录下来，把中间的每个环节数据记录下来，最终连成一片，打通watch-brand-buy；

要有主动的数据意识，不单关注当前数据，也要关注未来数据；数据包括用户的行为