編輯導語：MarTech是營銷數字化轉型進程中更側重技術的概念輸出。在整個營銷生态當中，能夠用到的營銷系統或軟件都可以被稱為MarTech。本文就MarTech 營銷數據閉環在數據中的應用。推薦對MarTech感興趣的用戶閱讀。

在數據洞察一文中，我介紹了大量原始數據如何化繁為簡，變成業務能夠看懂的信息，好比把食材做成大餐，那麼大餐在哪裡吃呢？在家裡，還是在高端餐廳？這就是數據應用，他确定了數據的使用場景。

營銷數據都是關于人的數據，顆粒度可粗可細，可以适用大量場景。本文會介紹品牌企業典型的幾個應用場景及使用部門。

一、目标市場分析

通常品牌的市場部會定期使用自有和第三方宏觀數據，做細分市場容量和所占份額的調研，以此為依據制定後續企業戰略和打法，比如整合城市和細分品類分析表。

尤其是在新品孵化和蓄水階段，需要找準細分區域、細分品類賽道，做好産品定位，這一階段需要品牌做大量市場數據的整合分析，獲取品類集中度、價格帶集中度等信息。

數據顆粒度是企業精細化運營的根本，營銷數據閉環是一場顆粒度革命，幫助公司管理層從「北極星指标」入手，通過下鑽、上卷等手段，層層關聯到核心問題和權責人。

傳統的市場份額是通過大量渠道調研、用戶問卷等方式采集的，費用巨大，從工作量、樣本數和準确率的角度考慮，無法支撐細顆粒度的統計。

而使用閉環的營銷數據，從消費者個體數據上卷彙總，就可以得到品牌想要的各個維度的數據，再結合外部的宏觀數據，可以輕松得到市份額等指标。

二、目标用戶分析

經常看到一些互聯網公司年底會發布用戶畫像報告，這類報告的意義不僅是對外彰顯品牌調性和數字化實力，而且對市場部、商品開發部、銷售部都有重要作用。

消費者畫像也是一種标簽，但與運營使用的标簽不太一樣，前者側重于整個群體的大分類，比如「人口屬性」，「地區屬性」 ，「小鎮青年」，「新中産」，「銀發族」，「寵物檔」等，後者側重于直接引導轉化的小分類，比如「近 7 天無線購物活躍時段」，「30 天類目搜索偏好」，「近 90 天好評率」等。

通過整個品牌對目标用戶畫像的梳理，能夠統一語言，明确商品定位、價格定位、推廣策略等。

比如，某咖啡豆品牌利用電商數據發現超過 30% 的訂單來自于華東地區某 1 線城市，而結合第三方宏觀數據發現這個地區在家使用咖啡豆自制咖啡的滲透率達到了 60%，那麼就證明這是個有價值的市場，品牌在接下來制定新品開發策略時會更加重視這個區域的用戶喜好，對産品包裝、産品定價、銷售渠道等進行特定策略布局，以及考慮是否在該地區開設線下門店，更好的宣傳品牌和服務消費者。

三、經營分析

銷售運營部門将營銷的個體數據進行上卷、下鑽可以看到各種維度的交叉分析，及時了解品牌的真實經營狀況。

舉個例子，某服裝品牌在總結 2021 年營銷活動 ROI，發現隻有上海地區 ROI 呈增長，其他幾個城市都出現下滑。如果此時蓋棺論定上海營銷活動做的最優，還為時太早，可以下鑽一層，看一下上海具體搞了哪些大的營銷活動。

經過下鑽發現，上海地區全年重大營銷活動都出現了 ROI 下滑，隻有「品牌周年慶活動」 ROI 比較高，導緻總體 ROI 出現了上升，但這裡有兩點問題：

1. 2021 年「品牌周年慶活動」活動由于受到疫情影響，隻在上海地區小範圍内宣傳和舉辦，投入較小，雖然 ROI 高達 5.9，但絕對銷售額隻有 55.4 萬，完全沒達到營銷目标
2. 在 「618 大促」和「國慶大促」中，ROI 首次出現< 1 情況，意味着營銷活動本身出現了虧損

綜上分析，可以看到，某服裝品牌的營銷活動策略出現了很大問題，全國範圍内營銷效率下滑，上海地區甚至出現營銷虧損，需要大力整治。

四、客戶關系管理

當品牌擁有 PII 數據和交易數據之後，就出現了客戶關系管理系統 CRM，通常這些數據的用法，是基于 RFM 模型做用戶分層（Customer Segmentation）。沒有任何一個現代企業無差别的對待所有消費者，資源緊缺的情況下，把營銷預算提供給更有價值的消費者符合人性驅動的市場經濟原則。

經濟學中有一句話「凡選擇必有歧視」，這裡的歧視是一個中性詞，當企業針對不同群體提供差異化服務時，比如隻給 VIP 提供額外優惠和更體貼的服務，本質上是歧視了非 VIP 客戶。

經常會有人對所謂「價格歧視」憤憤不平，實際上無論喜歡不喜歡，價格歧視是客觀存在的，不以某個人、某個組織、甚至是國家領導人的意志為轉移，除非我們回到計劃經濟。

本質上，品牌追求的是邊際平衡，也就是花在 VIP 身上的營銷成本和 VIP 帶來的營收一定是邊際平衡的。

早些年，我去麥當勞點餐，經常看到有些人手握一把優惠券，而我隻能原價購買，但我并不覺得難受，因為我不經常吃麥當勞，自然也會不花時間去收集優惠券。

本質上，麥當勞是用紙質優惠券對不同人群進行價格歧視，用價格來區分人群。像我這種非目标人群，自然享受不到優惠。

現如今，大量的交易在線上進行，數字化營銷讓價格歧視執行起來更加方便，而且玩法五花八門。實際上，20% 的消費者貢獻 80% 的收入是著名的二八理論，因此品牌需要對接觸的消費者進行優先級劃分，找到自己最重視的 20%。RFM 模型（最近購買時間 Recency、購買頻率 Frenquency、購買金額 Monetary） 3 個指标就可以把消費者分成重要價值、重要發展、重要保持、重要挽留等 8 個細分用戶。

從 RFM 模型的定義可以看出來，所有指标都在交易數據中可以獲取，而且維度隻有 3 個，隻需要一張如下交易訂單表即可。需要強調的是這裡的交易訂單必須是支付且妥投的個人訂單，把團購訂單、大客戶訂單去掉，否則對細分人群有影響。

R 是最近一次消費時間間隔，也就是當前日期 12 月 11日 減去 12 月 3 日，等于 8；

F 是最近一個周期的消費頻次，周期需要根據行業确定，比如快消品等高頻品類，一般每個月都會複購，那麼把周期定為 3 個月即可。對于中頻品類，要看平均複購一次是多久，然後取 3 倍時間為一個統計周期；

M 是最近一個周期的消費金額，100 150 120 = 370。

計算完成如下表：

最簡單的方式就是把 RFM 的數值按照某個阈值一分為二，這個阈值的選取有以下方法：

1. 采用均值方法劃分，比如有 1000 個會員取到的 R 平均值是 10，那麼 8 就是低
2. 采用中位數方法劃分，這種方法可以将人群一分為均等兩份
3. 采用 20 分位數劃分，這個原理就是二八原則，要選出真正高價值的 20% 用戶

除此之外，還有更複雜分段打分法，不在這裡贅述，有機會單開一文講解。

接下來就是按照細分出的 8 個用戶群，執行不同的營銷策略和持續優化模型。RFM 模型優化，主要還是在于阈值的調整。要随着最終劃分的人群以及相關的運營效果、活動規律，調整阈值的設定，最終達到一個最合理的劃分。

目前使用大數據可以得到更細顆粒度的用戶标簽，為什麼還要花這麼多時間介紹 RFM 模型呢？RFM 仍然有極大價值的原因包括：

1. RFM 模型性價比高，隻要有交易訂單數據就可以使用，不需要大數據系統
2. 目前很多品牌并沒有實時數倉，數據刷新頻率無法支撐大量細分标簽的更新和準确性
3. 營銷内容的生産也是瓶頸，除了頭部互聯網公司，沒有品牌能夠真正支持「千人千面」，品牌可以把消費者細分成 1000 個群體，但也要有能力準備 1000 個營銷内容

RFM 的缺點包括：

1. 數據都來自于交易訂單，具有滞後性，是建立在用戶行為在交易前和交易後無差别的前提下
2. 對耐消品行業是無效的，比如，用戶購買家居建材裝修房子，可能 5、6 年都不會有相關需求，這是沒法用 RFM 模型分析的

除了對用戶使用 RFM 模型細分，還可以對用戶進行生命周期的管理。比如在汽車、保險、母嬰、化妝品等行業，消費者會經曆一個需求萌芽、範圍鎖定、決策支持、下單購買、傳播分享、替換産品的過程，每個階段都有清晰的營銷重點。

• 需求萌芽階段可以通過「小紅書」投放大量 KOL/KOC 素人使用産品的生活場景，引起消費者的好奇和好感
• 範圍鎖定階段可以通過「知乎」投放産品功能效果的評測和專業的産品科普知識，産品硬核成分和技術參數解析，進一步鎖定産品
• 決策支持階段通過公衆号、小程序、線下門店等 DTC 渠道與消費者直接産生互動，傳遞品牌價值，消除消費者顧慮，促成下單
• 下單購買階段通過電商推薦位、線下導購尋找更多産品交叉銷售機會，提高連帶率
• 傳播分享階段通過良好體驗 額外獎勵，促使消費者對商品進行評論及分享
• 替換産品階段引入新的産品承接消費者需求，繼續延續用戶生命周期。提前預判消費者替換階段，根據經驗，在進入替換階段前開始引入新品，成功率會更高。比如，保險行業，總是在距離保險到期至少還有 3 個月時就開始電銷，而此時消費者通常還沒有開始貨比三家，很容易直接轉化

這幾個步驟一環扣一環，構成了消費者的完整生命周期。

五、用戶體驗升級

營銷的北極星指标就是用戶體驗，而管理營銷實際上就是在管理用戶體驗。在旅遊、銀行、運營商、汽車、快消品等行業，品牌通過自建 APP 和官網，與消費者進行了大量互動，通過營銷自動化和營銷數據的結合，現在已經可以做到基于消費者行為的實時、個性化互動。

以某咖啡品牌為例：

1. 用戶在不同城市登錄 APP ，首頁上展示的是帶有不同地區特點的營銷活動
2. 根據不同地區，展示附近咖啡店，天氣情況和當地新聞
3. 通過參加在線活動，實時累計積分，兌換優惠券
4. 根據季節、地區、個人喜好推薦當地特色手沖搭配瑪芬蛋糕
5. 按照消費者日常點咖啡時間，每天定時發送一張最喜愛品種的優惠券
6. ……

六、電商平台引流

雖然品牌在中心化電商平台（阿裡、京東）産生了大量數據，但電商平台并不會把數據直接提供給品牌，隻提供統計級的數據分析工具，比如阿裡的「生意參謀」，對品牌數據沉澱幫助不大。

相反，電商平台可以接收品牌提供的一方數據來幫助推廣。

比如，品牌通過自有數據分析，産生了 10 個标簽人群，可以把這些人群上傳到電商後台，與電商平台注冊用戶進行碰撞，撞庫的結果進行站内廣告推廣，為站内店鋪引流。

七、數字門店

除了線上應用場景，對于擁有線下實體門店的品牌，可以使用數據來實現「智慧門店」。

消費者進入實體店後，導購通過手持設備對消費者會員碼進行掃描或者通過企業微信添加好友，就可以了解到會員姓名、用戶畫像、品牌偏好标簽、品類偏好标簽、RFM 模型标簽等，能夠更好的服務消費者，提升銷售轉化率。

還可以通過門店安裝的客流統計設備，識别「過店客流」，「關注客流」，「進店客流」，「停留區域」，「停留人次」，「停留時長」，「動線圖」，「區域相關圖」等。通過這些技術，可以對線下消費者進行群體畫像，反過來協同生成門店畫像。

此外，還可以通過門店廣告屏投放品牌宣傳和商品促銷，引流用戶掃碼關注，領取優惠券，這樣就可以把消費者線下、線上的行為串聯起來，做多渠道算法歸因分析，客觀公正的體現各個渠道在消費者轉化中的貢獻度。

未來，所有品牌都是全渠道經營，不論是平台電商、私域電商、線下門店，在一次營銷活動中要做到多渠道、多端的整合營銷，傳遞同樣的品牌故事和調性，與消費者實時、準确互動，打造從興趣好奇，到滿意，到持續滿意，到感動的品牌，而這一切都離不開營銷數據的應用。

作者：劉生，直隸暗察史

本文由 @劉生 原創發布于人人都是産品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部