第四篇 应用营销技术的新战术
第八章 数据驱动型营销：开发数据生态环境，实现精准营销定位 / 132
1 通过使用分析引擎，品牌可以根据以往消费记录预测潜在消费者接下来最有可能购买哪些商品。有了这种营销手段，品牌不但可以开发个性化产品，还能实施定制化营销方案。当今时代强大的数字化基础设施，可以使这种营销方式不仅能深入不同的细分市场，还能影响到每一个消费者个体。
2 单一客户市场细分 / 133
2.1 市场细分越是微观，营销方式就越有效果，实施过程也会变得越难。
2.2 市场细分主要包括四种方式，即地理细分、人口细分、心理因素细分和行为细分。
2.3 四种细分方式
2.3.1 营销人员通常会从地理细分方式入手，把市场按照国家、地区、城市和位置进行区分。如果发现地理细分范围仍然过于宽泛，他们便会加入人口变量，包括年龄、性别、职业和社会经济阶层等。地理细分和人口细分属于自上而下的细分方式，简单可行。缺乏意义：因为生活在同一个地区或具有相同人口特征的群体很可能具备不同的消费偏好和消费行为。这些细分方式具有静态化特征，一个消费者只能被归类为某一个产品市场。实际上，消费者的决策过程会随着商品不同的品类和生命周期出现很大的变化。
2.3.2 自下而上的市场细分方式。他们通过调查问卷的方式把消费者按照类似的偏好和行为模式进行分组。也就是说每一个消费者都可以被单独细分成一个市场。具体来说，此类细分方式包括心理因素细分和行为细分两种。
2.3.2.1 在心理因素细分中，消费者根据个人信仰、价值观，以及兴趣和动机的不同被分类。心理因素细分还能体现消费者对特定产品或服务特性的态度，如“质量控”和“成本控”。价值观和态度是其决策的重要驱动力。
2.3.2.2 行为细分是根据以往的购物行为对消费者进行反向归类。行为细分的名称通常会体现消费者的购买频率和金额，如“常飞旅客”和“大买家”。此外，有些名称还能体现消费者的忠诚度和互动程度，如“死忠粉”“经常换牌子的人”和“首次购买者”。心理因素细分和行为细分的问题在于可行性较弱。像“冒险王”和“喜欢便宜货的人”这样的描述，只适合设计广告创意和拉式营销。但是在推式营销中，销售人员和一线工作者在面对消费者时很难识别这些细分市场。
2.3.3 好的市场细分应当自上而下和自下而上兼而有之。我们必须综合四种不同的细分方式，即地理细分、人口细分、心理因素细分和行为细分。
2.4 描绘用户画像
2.4.1 用户画像描述有助于数字化营销机构或数字营销自动化软件公司开发新的客户。它以虚构方式列出了用户的特征，以及用户最关 心的问题有哪些。通过这种方式，我们可以设计出更适合市场的营销策略。
2.4.2 消费者数据库和市场调查不再是获取消费者信息的唯一手段，媒体数据、社交数据、网络数据、交易数据、物联网数据和参与度数据都可以用来补充消费者信息。
2.4.3 单一客户市场消费者描述
2.4.4 数据生态系统建成后，营销人员可使用下面两种方式强化现有的营销细分活动：
2.4.4.1 大数据技术可以帮助营销人员把市场细分到最微小的单位，即个体消费者。营销人员可开发出适合每一个消费者的真实用户画像。在此基础上，企业可以实现一对一营销或单一客户市场营销，针对每一个消费者量身定制产品和营销活动。
2.4.4.2 大数据可以让市场细分呈现出动态变化，帮助营销人员随时改变策略。
2.4.5 传统细分方式对营销工作仍大有裨益，它能实现简单的市场认知。为消费者群体贴上描述性标签的传统做法，可以帮助营销人员充分了解市场。简单明了的标签说明可以帮助企业内部所有成员对品牌营销形成统一的认知。
3 设计数据驱动型营销 / 138
3.1 数据驱动型营销活动的失败主要源自下面三个方面的原因：
3.1.1 企业经常把数据驱动型营销视为信息技术开发项目。
3.1.2 大数据分析经常被认为是万能的，能够洞察所有消费者，解决各种营销难题。
3.1.3 大数据分析可支持很多自动化应用，这会让企业误以为一旦投入使用，系统就可以自主运行。
3.2 第一步：确定数据驱动型营销的目标
3.2.1 数据驱动型营销的目标
3.3 第二步：确定数据需求和可用性
3.3.1 下面几种方式有助于营销人员依据来源对数据进行分类：
3.3.1.1 社交数据，包括社交媒体用户分享的所有信息，如位置、人口特征和兴趣爱好。
3.3.1.2 媒体数据，包括传统媒体的受众衡量，如电视、广播、印刷品和影院。
3.3.1.3 网络数据，包括用户浏览网络生成的所有日志，如网页浏览、搜索和购买记录。
3.3.1.4 交易数据，包括消费者所有的交易记录，如位置、金额、信用卡信息、商品、时间，以及消费者证件。
3.3.1.5 物联网数据，包括互联设备和传感器搜集到的所有信息，如位置、温度、湿度、与其他设备之间的距离，以及消费者生命体征。
3.3.1.6 参与度数据，包括来自企业和消费者之间的直接触点的所有数据，如呼叫中心数据、电子邮件往来和聊天数据。
3.3.2 营销人员应列出实现预定目标必须获取的所有数据。使用数据矩阵可以很好地帮助我们实现这一目标。横向观察矩阵，营销人员可以判断是否具备实现目标所需的足量数据。我们可使用三角法获取有效的观点：利用多重数据来源构建聚合性思维。纵向观察矩阵，有助于营销人员了解从每一种数据来源能获得哪些信息。
3.3.2.1 数据矩阵框架
3.4 第三步：建立一体化数据生态系统
3.4.1 数据整合问题核心是找到适合所有数据来源的共同点。最理想的方式是把数据整合到个体消费者的层次，这样能很好地实现针对单一客户市场的营销。良好的记录行为可以确保企业获得的有关消费者的所有数据集始终与用户的独特身份保持关联。
3.4.2 考虑到隐私问题，我们不可能把所有的数据都整合到个体消费者的层次。折中的办法是用具体的人口细分变量作为共同点进行整合。例如“18～34岁之间的男性消费者”群体，这个特殊命名可以从与其相关的所有数据来源中整合全部信息要素。
3.4.3 每一种动态数据集都必须在单一数据管理平台上存储，以便营销人员实现对数据的全面获取、存储、管理和分析。任何具有新目标的数据驱动型营销新项目都必须使用同一个平台进行管理，这样做有助于扩大数据生态系统的规模，当企业决定使用机器学习方式进行自动化分析时可以为其提供很大的便利。
4 小结：开发数据生态环境，实现精准营销定位 / 144
4.1 大数据的出现改变了市场细分和定位的传统概念。消费者数据的广度和深度都出现了指数级增长。媒体数据、社交数据、网络数据、交易数据、物联网数据和参与度数据的充分组合，可以生动地描绘出每一个具体用户的画像，推动营销人员实现针对单一客户市场消费者的营销。
4.2 在数字化时代，营销的问题不再是数据缺乏，而是如何发现具有重要意义的数据。因此，数据驱动型营销在启动时必须确定明确的目标。确定目标后，营销人员需要搜集相关的数据集并将其整合到统一的数据管理平台，然后把平台连接到分析引擎或机器学习引擎。在此基础上，企业才能更为深刻准确地了解产品开发和营销活动。
4.3 数据驱动型营销不应被视为信息系统开发活动。在开发过程中，营销管理团队必须时刻发挥领导作用，调动包括信息系统在内的公司所有部门齐心协力完成开发。数据驱动型营销并不能一劳永逸地解决营销问题，不能采用自主实施模式，企业中每一位营销人员的参与仍是不可或缺的。
4.4 思考问题
4.4.1 改善数据管理能为你所在的企业带来哪些营销方面的进步？有哪些显而易见的好处？
4.4.2 怎样为你的产品和服务进行市场细分？请设计一份实施路线图，以实现单一市场客户细分。
