论文部分内容阅读
我跟大家分享的内容是,打造品牌的数据枢纽。营销界有句非常著名的话,就是“我有一半的广告预算是被浪费的,问题是我不知道是哪一半。”现在很多人认为互联网解决了所有的精准触达问题,其实我想说的是,很抱歉,并没有。根据AdMaster的数据,一个OTV投放的目标受众达到率最高也就是30%多,也就是说有70%是被浪费的。
现在我们看到了曙光,那就是大数据。关于大数据的应用有四个挑战,就是4个V。第一个是Volume体量,中国有6亿多网民,数据体量很大,但很多品牌商的营销数据采集量却很小,数据很缺乏。第二个是Velocity速率,数据产生的速度很快,一秒钟之前的数据如果你不去处理它就已经是垃圾了。第三是Veracity真实性,我相信很多传统行业不愿意进入互联网是因为看不到、摸不着,很难去区分真实与非真实的数据。第四是Variety多元性,就是复杂多样的数字接触点。
要想走出混沌,需要有效管理受众标签,帮助营销主认定细分市场。方法论其实就是做三件事,首先是把数据采集回来,打上标签,然后对消费者进行细分,基于他的生活形态和用户行为习惯,做用户画像。
给大家分享几个案例。第一个,很多互联网广告面对的一个挑战是我既需要有用户到达率,同时也不能过度曝光,一个消费者看到20次广告对品牌同样会产生负面影响。我们可以通过大数据与研究结合,分析广告最佳曝光频次,比如曝光频次对品牌回想度的影响,对品牌喜爱度的影响,对消费者购买意愿的影响,等等。假如你发现在曝光3次的时候,品牌喜爱度已经达到了90%,为什么还要再打第5次广告呢?营销追求的是ROI,钱是有限的,曝光到某个程度已经能获得最好的效果就应该在这点停住了,过度就是浪费。
第二个案例是基于母婴垂直网站人群标签,提升OTV投放的目标受众到达率。像《芈月传》这种热播资源,所有人都想贴,但你不一定买得到,就算买得到,也未必能触达你最精准的目标人群。比如一个母婴类奶粉客户,其实母婴垂直网站才是最核心的战场,但往往这类媒体覆盖都比较小。其实我们可以利用互联网标签,把你在母婴网站获取的用户标签作为种子,放到视频网站或其他大众媒体去,基于这个标签来购买它的人群,以此来规模化扩大触达受众。
第三个案例是汽车类客户,他们最大的挑战就是销售转化,如何节省呼叫中心成本,如何获取高质量的潜在用户。汽车厂商很容易获取300万的销售线索,但有两个问题:第一,里面有多少是真实的,第二,就算都是真的,所有人都想买你的车吗?所以怎么来认定优先需要去打电话的人群?我们做的就是大数据建模,通过一个LQA(质量评估)模型,每个销售线索进来,比如这个人用的手机是什么型号,用苹果手机的人群可能更倾向于购买高端车型,再看看他的上网行为,比如一个人1秒钟就退出了,另一个停留了10分钟,那么后者被认为是高质量的线索。数据表明,销售线索中约有45%是高质量线索,订单转化率能达到92%,厂商优先处理这45%高质量线索,能节省50%以上的成本。
通过大数据我们还可以做很多事情,比如基于用户画像、访问行为、偏好等,推送不同的动态创意,实现个性化、场景化的触达目标受众。比如通过回归模型,剖析每个媒介触点的ROI,视频、搜索、微博、banner等等,可以看到你投入的每一块钱到底能回报多少。前不久的车展上我们做了一件事,通过电信数据,形成用户访问车展厂商展位的热力图分析,厂商可以针对每台设备来跟踪进行广告投放。
其实这些都不是很复杂,只是需要一个数据技术公司来帮企业建立一套营销数据体系,现在很多企业还没有去思考这个问题。大多数企业都有ERP等各种系统来管理各种数据,但很少有企业有一个系统来管理营销数据。希望今天大家听完之后,都能思考一下建立数据枢纽的重要性。
现在我们看到了曙光,那就是大数据。关于大数据的应用有四个挑战,就是4个V。第一个是Volume体量,中国有6亿多网民,数据体量很大,但很多品牌商的营销数据采集量却很小,数据很缺乏。第二个是Velocity速率,数据产生的速度很快,一秒钟之前的数据如果你不去处理它就已经是垃圾了。第三是Veracity真实性,我相信很多传统行业不愿意进入互联网是因为看不到、摸不着,很难去区分真实与非真实的数据。第四是Variety多元性,就是复杂多样的数字接触点。
要想走出混沌,需要有效管理受众标签,帮助营销主认定细分市场。方法论其实就是做三件事,首先是把数据采集回来,打上标签,然后对消费者进行细分,基于他的生活形态和用户行为习惯,做用户画像。
给大家分享几个案例。第一个,很多互联网广告面对的一个挑战是我既需要有用户到达率,同时也不能过度曝光,一个消费者看到20次广告对品牌同样会产生负面影响。我们可以通过大数据与研究结合,分析广告最佳曝光频次,比如曝光频次对品牌回想度的影响,对品牌喜爱度的影响,对消费者购买意愿的影响,等等。假如你发现在曝光3次的时候,品牌喜爱度已经达到了90%,为什么还要再打第5次广告呢?营销追求的是ROI,钱是有限的,曝光到某个程度已经能获得最好的效果就应该在这点停住了,过度就是浪费。
第二个案例是基于母婴垂直网站人群标签,提升OTV投放的目标受众到达率。像《芈月传》这种热播资源,所有人都想贴,但你不一定买得到,就算买得到,也未必能触达你最精准的目标人群。比如一个母婴类奶粉客户,其实母婴垂直网站才是最核心的战场,但往往这类媒体覆盖都比较小。其实我们可以利用互联网标签,把你在母婴网站获取的用户标签作为种子,放到视频网站或其他大众媒体去,基于这个标签来购买它的人群,以此来规模化扩大触达受众。
第三个案例是汽车类客户,他们最大的挑战就是销售转化,如何节省呼叫中心成本,如何获取高质量的潜在用户。汽车厂商很容易获取300万的销售线索,但有两个问题:第一,里面有多少是真实的,第二,就算都是真的,所有人都想买你的车吗?所以怎么来认定优先需要去打电话的人群?我们做的就是大数据建模,通过一个LQA(质量评估)模型,每个销售线索进来,比如这个人用的手机是什么型号,用苹果手机的人群可能更倾向于购买高端车型,再看看他的上网行为,比如一个人1秒钟就退出了,另一个停留了10分钟,那么后者被认为是高质量的线索。数据表明,销售线索中约有45%是高质量线索,订单转化率能达到92%,厂商优先处理这45%高质量线索,能节省50%以上的成本。
通过大数据我们还可以做很多事情,比如基于用户画像、访问行为、偏好等,推送不同的动态创意,实现个性化、场景化的触达目标受众。比如通过回归模型,剖析每个媒介触点的ROI,视频、搜索、微博、banner等等,可以看到你投入的每一块钱到底能回报多少。前不久的车展上我们做了一件事,通过电信数据,形成用户访问车展厂商展位的热力图分析,厂商可以针对每台设备来跟踪进行广告投放。
其实这些都不是很复杂,只是需要一个数据技术公司来帮企业建立一套营销数据体系,现在很多企业还没有去思考这个问题。大多数企业都有ERP等各种系统来管理各种数据,但很少有企业有一个系统来管理营销数据。希望今天大家听完之后,都能思考一下建立数据枢纽的重要性。