在数据和 AI 驱动之下,营销自由得以实现

Marteker .2020-08-26 11:57.阅读量.137

营销自由,指的是「业务和运营人员可以基于数据驱动自由地选择合适的营销方式,在合适的时机,以合适的方式,对合适的受众进行实时和个性化的营销触达,提升客户体验,并实际作用于提升客户的留存,复购。」即所谓的“自由”指的是自由地选择合适的营销方式,在合适的时机,以合适的方式,对合适的受众进行实时和个性化的营销触达,而前提是「数据驱动」。

这是长期以来,营销人追求的完美境界。

传统营销时代,营销人只能退而求其次,诉诸于大众媒体的广泛覆盖,以广度求精度。其实是一种不得已的做法。有了数据和技术手段的支持后,营销自由成为可能。同时,今年由于疫情的影响,更激烈的市场竞争驱使企业亟需降低数据驱动的成本,而传统的以IT辅助营销的方式,难以满足市场快速、实时响应和变化的需求。更实时,个性化,千人千面的营销方式已迫在眉睫。

CDP为营销自由构建数据基础

营销自由需要依赖于优化的数据治理基础之上,其数据层面的基础要素包括:

数据准备和集成:需要整合沉淀在多个数据源的零散数据,打通割裂的数据源,对源头数据进行治理,帮助企业统一业务和数据口径。平台化集成碎片数据,并使数据达到ready-to-use的状态。

数据营销价值链:数据采集→洞见→营销→数据采集→洞见→营销,作为一个实时数据的价值链,从数据采集到最终数据应用的闭环,是整个数据采集到应用后的「FeedbackLoop」的整个生态价值链的一个闭环。大数据和AI是驱动整个营销闭环的关键引擎。

数据实时处理和营销响应速度:数据的实时处理能力将赋予营销更高的响应速度,从T+1营销,人工决策式营销,演进成为场景化营销、触达式营销、体验式营销,帮助客户转化,为企业产生价值。

以上也是企业在数据层面的基础需求,通过客户数据中台(CDP)可以实现。根据CDP研究院(CDPInstitute)的定义,CDP指的是「创建统一、可持续且可由其他系统访问的客户数据库的整套软件」。CDP是一个预先构建的系统,支持一对多交互,实时传输数据并收集数据,将所有来源的客户数据集中起来,整合成为统一的客户文档,提供给其他系统,用于营销活动、客户服务以及客户体验活动,从而将营销,运营的工作从「受到诸多限制」转变为一种真正数据驱动的「自由状态」。这也是CDP这一概念何以在2019年“大火”的原因。

区块链支持下的数据合规

但是,营销人在使用数据的过程中,需要注意数据合规的问题,指的是企业必须遵守的任何「规则」,以确保其拥有的敏感数字资产(通常是个人身份信息和财务细节)不被丢失、盗窃和滥用。这些「规则”形式多样,可能是国家、地区颁行的法律法规,或者是行业标准,不能遵守「规则」的企业将会受到处罚。

近年来,随着用户对自身隐私问题的重视程度加深,各类与数据安全相关的法律法规开始颁行,其中重要的有《中华人民共和国网络安全法》、《信息安全技术 个人信息安全规范》、《欧盟数据保护通用条例》等。其背后的核心主张是个人数据所有权归属 个人,企业等个人信息收集主体需要在经用户授权后方可收集。并且禁止以诱骗、误导的方式收集用户数据,更不能通过非法渠道获取个人信息。《信息安全技术 个人信息安全规范》要求收集数据遵循最小必要原则,即满足个 人信息主体授权同意目的的所需的最少个人信息类型,数量。目标达成后,应及时删除。

多数企业更愿意拥有高质量的合法数据,而区块链应运而生,在不泄露数据的前提下,传递数据价值。与传统软件相比,区块链是一种软件设计的范式转移,无法通过技术实现的,可通过设计生态中参 与方的博弈权利,使得整个生态进行去中心化的自运营。区块链是一种去中心化的生产关系,能够加强信任关系,比如解决数据收集的方式,让用户对自己的信息有了掌控权;区块链还可以搭建更加便捷的数据协作平台、推动数据价值交换,等等。

AI让营销自由从理论变成现实

如果说数据奠定了营销自由的基础,AI(人工智能)则是帮助营销自由从理论变成现实的手段。与传统软件相比,AI有能力有效地处理大规模的数据集,进行分析、预测。最重要的一点,AI有能力进行自学以改进自身的工作能力。

一方面,AI有能力在短时间内处理海量数据,并替代人力,完成许多重复性的工作。近年来,数据量发生了爆炸性增长,也出现了新的数据类型。客户或者潜在客户通过比以往更多的渠道与企业进行互动。据IDC的分析师预测,2025年,全球范围内的数据量将增长到163ZB,相较于2016年的16.1ZB,十年增长1000%。对于如此海量数据,营销人需要求助于AI来完成工作。

例如,借助AI聚类模型分析,企业可以揭示隐藏在海量数据背后的模式与规律,找到适合运营落地的关键变量进行“有效」细分。通过客户细分,企业可以识别不同客户群体对企业的价值及其需求,根据不同的细分群体设计相应的沟通策略、互动方式,使营销活动更具有针对性,实现“按需分配”的营销体验。

另一方面,海量数据以及相关的每一次客户互动,都能让营销人员捕捉到消费者的意图、行为、需求和欲望。这些海量数据将提供给机器学习算法,这将增强预测分析的能力,测量和了解用户当前和过去的购买模式、态度、行为和位置细节,并根据这些数据提出建议。

因此,AI对于营销人的另一项重要任务,是进行预测分析,帮助企业提升客户洞察力,能够在客户产生需求之前进行预测,并进行相应的场景化设计,掌握产品创新和客户服务的主动权,满足并超越客户的期望,实现客户价值的最大化,同时提高企业的获利能力。

基于AI技术在营销领域的逐渐渗透落地,营销各个场景和环节更加智能化,营销的效率不断提高。根据不同客户和需求,针对不同的客户分析主题,结合相应的业务场景,通过调研、客户洞察分析后量身定制AI客户分析解决方案。结合各种关键客户数据的输入,辅助回答客户生命周期中遇到的各种问题,精细化客户关系管理,改善客户体验,提升客户盈利能力。

以汽车行业为例,随着技术的发展,人们需求的变化,汽车厂商正从单纯的产品供给者角色向“行业生态圈”运营者角色转变,其中重要一个步骤是构建AI数据模型,定位业务场景相应人群,即通过AI模型分析,预测新线索的销售转化率,定义“高-中-低”转化级别,剔除极低转化概率线索,优先跟进高概率线索,及时实现销售转化,优化人力资源投入,提高投入产出率。

此外,基于车联网,云服务平台实时监测汽车使用情况,汽车厂商还可以通过AI算法从中发现细微的变化,并实时评估,在问题影响车辆运行之前发出预警,为整个品牌汽车提供预测性维护。

对于零售行业、金融业,AI 都成为引领革新的关键。

微信图片_20200826104132.jpg

更多与营销自由相关内容,请扫描下方二维码下载创略科技《数据和 AI 驱动的营销自由》白皮书;或在后台回复「营销自由」,获得下载链接(提取码:txgk)。

微信图片_20200826104139.png

微信图片_20190505201700.jpg


本文系Marteker原创,如需转载请联系fengqi@marteker.com
点赞 差评
相关推荐
技术营销人都在关注
  • Marteker
  • Marteker
  • 微信公众号
  • 知识星球