郑州bwin国际mayfly代理bwin微信二维码

VIEW

观点

《颠覆营销:大数据时代的商业革命》
2018/11/09  admin 

1、大数据能发现“不相干”的关系。
 
美国劳工部每月发布的就业报告,对金融市场影响巨大。一家基金公司发现,就业竟然与排泄物有关。原来,美国许多公司要求新员工报到时参加尿检,确认是否呈阳性反应。
 
许多因果关系已经被人们认知,但通过大数据能够发现还没有被认知的相关关系。只要有相关性,就能够预测。比如,排骨与海带,传统概念里可能是不相干的,但大数据可能告诉你他们有关联性。
 
2、大数据之厉害,在于能够预测未来。
 
营销1.0是被动策略,顾客要什么就提供什么;营销2.0是创造差异;营销3.0是对接个性化需求;营销4.0的关键词是预测(Predict),通过快速数据分析,根据个性化需求,找到精准目标客户,进行一对一营销,甚至精算出转换率。
 
3、做对决策靠厚数据。
 
厚数据是赋以数据意义,诠释数据,以及核心数据的解读能力。
 
让数据说话,必须先建立假说、观点。假说由人来建立。
 
乐高2004年曾经每天亏损100万元美元。市场调查发现,现在的儿童喜欢“即拿即玩”的玩具,而乐高是组装玩具。乐高深入游戏情景的厚数据发现,并不是每个孩子都喜欢搭积木,但爱搭积木的孩子却会对此十分着迷。不仅热衷于把积木搭好,而且想知道自己达到什么水平。
 
厚数据更重视数据的深度和情景,好的数据观点,往往由厚数据产生,而非大数据。
 
4、找顾客不看人口属性,要看行为标签。
 
传统营销偏向处理异质性问题,根据人口统计学特征,如性别、年龄、居住地、收入等,进行分类分群。
 
行为标签,不看人口属性,只看购买行为,比如将消费者分为三类:新顾客、主力顾客、沉睡顾客,然后分类追踪。
 
5、问对问题,才能找到答案;问题溯源,要找问题背后的问题。
 
数据本身不会思考,思考的是人。数据不会提出问题,但数据能帮助人更快地理解问题,梳理关系。
 
6、当数据超过心力的临界值,就必须降维。
 
大数据有四大特征:数量大、速度快、多样性、不确定性。但很多人忽略了第五个特征,即价值的重要性。
 
当数据复杂性超过心力时,要降维,即看得懂也能动手做。降维有两种办法:一是认知降维,做到可视化,将复杂的数据报告,精简到人的心力可以接受的范围内;二是执行上的降维,自动化以及人机分工,降维到个人体力能承受的程度。
 
7、大数据营销从传统4P进入新4P:消费者(People)、成效(Performance)、步骤(Process)、预测(Predict)。
 
消费者(People)模型:新顾客(N)、既有顾客(主力顾客E0、瞌睡顾客S1、半睡顾客S2、沉睡顾客S3)。
 
成效(Performance)模型:顾客数增加、客单价提高、活跃度提升。
 
步骤(Process):通过有层次的执行程序,改善营收方程式。
 
预测(Predict):预测顾客再次购买时间,让商家在对的时间与最有可能上门的顾客说话。通过控制,能够做到实时观测、零时差沟通和个性化信息。
 
8、没有大数据,就不会有C2B商业模式。
 
西装品牌“青岛红领”,一天生产3000件西装和衬衫,但在众多生产线上绝对找不到两件完全相的衣服。
 
B2C的规模化,与C2B的个性化,完全是不同量级的复杂度。
 
9、传统营销与大数据营销的对比。
 
人口统计营销VS大数据营销;被动分析VS预测分析;活动找人VS人找活动;人力密集VS数据密集;有形调查VS无形调查;检讨报告VS实验报告。
 
10、男女不重要,个性化标签才关键。
 
男女是人口统计指标,个性化标签是行为与动机。
 
人口指标符合统计学。个性化标签可以预测行为,精准预测下次购买时间。
 
不要用经验定义消费者,大数据比你想象的更精准。
 
大数据背后的行为数据和交易数据,对个体消费者的画像,远比经验的人口统计说描述更精准。
 
11、大数据营销进入了营销的“预测时代”。
 
从满足需求到预测顾客渴望,在顾客开口前就已经把生意做完。
 
12、阿里巴巴,通过动态标签掌握顾客DNA。
 
2015年,淘宝店家越来越多,流量越来越少,广告投资回报率下降,大数据有了发力点。
 
流量不足不是问题,不精准才是大问题。广告无效,在于数据库名单失效。
 
广告要精准,不在于接触的人多,而在于接触到的人都会买。
 
阿里通过顾客交易行为分析,比如新会员与主力会员、流失会员的关系,发现有相似DNA的潜在顾客,然后投放广告。按照投放精准度,可以选择放大5倍、15倍、30倍人群放大投放。
 
13、数据可以大,但标签化要简化。
 
个性化,不能一人一个标签。阿里把多达1000种的人口特征标签,简化成6组动态及19种标签。
 
顾客动态(NES):(1)新顾客;(2)主力顾客;(3)近期回头顾客;(4)瞌睡顾客;(5)半睡顾客;(6)沉睡顾客。
 
入店资历(Length):(7)早期;(8)中期;(9)后期。
 
近期购物情景(Recency):(10)最近买家;(11)中期未购物买家;(12)长期未购物买家。
 
购物频率(Frequency): (13)高频买家);(14)中频买家;(15)低频买家。
 
购物金额(Monetary): (16)高消费买家;(17)中消费买家;(19)低消费买家。
 
下次购物预测(NPT):(19)7天内最有可能再次购买的时间点。
 
消费者是活的,标签是动态的。据此模型形成的数据库名单,可成为广告投放的对象。
 
 
读书体会
 
本书买了近两年。第一遍,不甚懂,但记住了大数据商业的关键词:顾客标签化。
 
只有标签化,才能模式化应对,否则,只有人的随机应变才能应对。
 
最近读了第二遍,基本清晰了,做读书笔记,是因为读懂的标志是用自己的语言表达。
 
大数据商业的基本认知:消费行为是可以预测的,预测的依据不是惯常的依人口统计数据分类,比如男女、收入等,而是消费行为数据。这与传统的营销逻辑不同,传统营销分类逻辑基本源于人口统计分类。
 
大数据商业的基本逻辑是:消费者标签化。标签就是消费者的DNA。DNA源于消费行为,有倾向性,但又是变化的。标签化是一种简单化,简单是降维,降维是为了在人的心力临界点之内。
 
因为本书作者为阿里提供大数据咨询,可以视为阿里两年前的大数据营销水准。大数据的商业认知和商业逻辑,基本认同,但标签化模式,不同商业机构不同。同时,本文提到有大数据只是交易数据,更丰富的行为数据,本文没有提及。行为数据可能与交易数据结合,才是更准确的大数据。
 
站在品牌商角度,如何用大数据预测消费者行为,本书提出的零售视角可以借鉴。
 
 
bwin国际品牌创意机构(简称bwin国际)成立于中国品牌快速崛起的2007年。公司成立以来一直致力于中国的品牌崛起,特别专注于食品领域的品牌创意、bwin中国、策划。近年来成功服务消时乐,从品牌命名策划、创意bwin中国传播等助力消时乐一年实现0-3亿快速增长,被中国食品成长之星授予“年度杰出营销案例”奖。bwin国际也一跃成为全国知名品牌创意、策划机构。
 
bwin国际品牌创意机构不同于传统智业公司和单纯的mayfly代理bwin公司。bwin国际以用户需求为导向,从消费洞察、场景创建、品牌创意(基于逆向创意,转化公共认知为品牌认知) 、品牌命名(可注册、可传播) 、mayfly代理bwin(坚持原创:品牌形象识别系统、包装bwin中国、瓶型bwin中国、空间bwin中国、互联网传播bwin中国) 、互动传播(基于互联网的传播、互动、UGC等的bwin中国、策划内容生产、传播造势为品牌赋能) 、场景化落地(产品如何连接消费者,实现无人化推广) 、精准招商、新营销导入(打造样板市场,终端快速爆量、实现规模化复制) 、战略产品孵化(助力有思想企业家、有潜力品牌、产品早日跃升一线) 。
 
bwin国际服务客户均为一线和快速增长准一线品牌。bwin国际品牌创意机构成立十年来,服务消时乐、统一企业、中沃实业、乐天、福森源、北大荒集团、完达山等,取得了客户的高度认可。