十月長假前的一周，受邀DT數據俠，我和同事林雨暘共同直播分享了國內數字驅動的數字行銷的現狀。本篇是當時主要內容的整理，希望對各位數字行銷者有所啟發。
對於行銷及廣告從業者而言，數據的重要性體現在方方面面，他們需要數據來衡量每一個決策，在測試中不斷地調整，以找到最契合的行銷渠道和最高效的廣告投放方式。然而，數字行銷是一個“門檻很低，水卻很深”的工作，整個互聯網時代的飛速發展，對現階段的行銷者來說極具挑戰。數據驅動下的行銷如何從量變到質變？市場數據儲存、分析的常用工具有哪些？未來人工智能是否會取代行銷從業者和數據分析師？帶著這些問題，數據俠林雨暘對話美庫爾台灣效果媒體負責人馬駿，一同探討了數據驅動的行銷之路該何去何從。
為什麼數據驅動那麼重要？
數據驅動從提出開始到現在都是非常重要的，就像一個企業非常看重財務報表，因為財務報表可以告訴他什麼時候應該繼續投資，什麼時候應該降低預算，什麼時候應該降低成本，什麼時候應該獲取更多的投資去謀求更多的機會。對於行銷也是一樣，行銷也需要這樣一個晴雨表去了解市場對企業產品和服務的反應。在廣告投放之前，還可以用數據精準化地圈定受眾去預測投放效果。
為什麼行銷中的數據那麼重要？因為需要數據來幫助每一個決策。因為產品服務的廣告投向某個渠道的時候，並不是一開始就是正確的，需要在測試中不斷調整，找到最契合的行銷渠道，甚至是多渠道的行銷組合。另外，即使找到最優化的行銷組合了，它還是會不斷動態地改變。互聯網時代的發展速度是非常快的，這對現階段的行銷者也提出了非常大的要求和挑戰。
關於數據行銷的有趣案例
現在看到的行銷案例，更多是偏向於創意或者社會化行銷的，這些案例讓人覺得非常感人、印象深刻。再比如社會化行銷中經常說裂變，讓人聽上去很神奇。其實用數據來驅動的精準行銷並沒有那麼sexy，它每天都在發生。特別之處就在於在數據時代，利用數據來進行的行銷活動具有一種美感，它的美在於他是可以衡量的。
我更加傾向於用“有意思”來衡量這些案例。我個人感覺國內以數據為驅動的行銷，發展的速度稍微慢了一點，有許多限制條件和壁壘。但是慢慢地數據驅動的行銷案例還是不停地湧現的。
分享一個Google相關的案例。美庫爾具有Google的五星-4A-海外，三重代理身份，跟Google有非常緊密的大數據合作。 Google的數據是相當豐富的，包括歷史搜索記錄、瀏覽記錄、愛奇藝觀影記錄等，還包括Google地圖、Google外賣的數據。美庫爾今年上半年有一個客戶——一家電影公司，我們為它的一部機器人電影提供一部分媒體的策劃投放支持。這是我們合作的第四部電影。而這次我們和客戶一同用Google豐富的數據為觀影的人群進行畫像，然後利用這個數據（畫像和模型）與Google大量的人群標籤匹配出最後的投放人群，最終擴大電影的影響力。最後三方對結果都是很滿意的，因為各種KPI的指標，比如廣告點擊率、預告片的播放率都是比之前電影高出50%左右。從目前的所有的工作方式和結果來看，用到的數據越多，效果的確比歷史上沒有利用那麼多數據要好很多。
想要進行數據驅動的行銷有多困難？
用數據來幫助行銷，是一個門檻很低，但是水又很深的工作。說門檻很低，是因為只要對產品現有的數字行銷渠道進行一點更改，就可以獲得比較高質量的數據，這些數據可以馬上就被利用到的行銷活動中。然而說水很深，是因為的確需要像林雨暘這樣資深的數據分析師去對數據進行操作。另一方面,需要花非常大的精力去說服管理層，讓他們認識到做這部分投入是有回報的，就是有非常多的說服的工作。
許多品牌並不是說對數據分析不重視，而是因為把更多的精力和預算放到了媒體上。如果進行媒體投放覺得效果好的話，一定會再投，會加大投入，而不會把這些新增的預算投資用到數據分析上。如果反過來生意不好的話，品牌的第一反應是把預算削減下來，更不會去投資數據分析而讓的廣告更加精準。這就會變成一個兩難的困境。
數據驅動的行銷從這個意義上來講，並不是行銷部門自己的事情。因為它包含了數據收集、數據分析、數據呈現。行銷的實施也是整個公司的事情。管理層需要去支持這個事情，為各種行銷活動數據去開綠燈；技術部門需要幫助行銷部門去整理、收集、清洗數據；行銷部門需要去推動、落實，去組織、管理、協調好一系列的以數據為目標的行銷活動。因此公司必須先是一個行銷型的公司，其次才是以一個數據為驅動的行銷型公司。舉個例子來說，我們的團隊經常需要去說服客戶，需要跟技術人員一起工作，因為很多時候技術人員只是想實現一個功能，但並不考慮行銷上進行這些更改有什麼好處。
來談談收集數據
數據驅動的行銷包含非常多的環節，其中數據收集是最初的環節。從品牌的角度來講是“MarTech”（Marketing Technology），是為了幫助品牌能夠更好地認識客戶群體，為廣告投放、CRM與忠誠度計劃這些行銷活動服務，是基於第一方數據的。從廣告產業的角度來講是“AdTech”(Advertising Technology)，是為了幫助廣告從業者對廣告主、品牌有更好的理解，提供的是品牌的第三方數據。合在一塊就叫“MadTech”，MadTech的核心就是數據的收集，數據的接入，數據的清洗，還有數據的利用。
數據抓取方面，對於國內的行銷者而言，最有用的就是手機號碼。有了手機號碼，就可以幾乎認識所有平台的受眾，而且可以識別個人的數據，使得其他方面的訊息關聯到每個人，這也是美庫爾一直推崇的人本行銷的核心。收集到這些數據就可以將行銷訊息上傳到各個想投放的渠道了，比如Google、騰訊或者阿里，然後就可以依靠他們的技術建模，用他們的比較基礎的模型構建自己的目標受眾，並且進行拓展。 （更高級、客戶化的建模還是要數據分析師來親自操刀。）
現在業界有哪些典型的儲存行銷數據的方式？
CRM數據庫是很普遍使用的行銷數據庫，儲存了現有客戶和以往客戶的數據，還可以幫助維護和客人之間的關係。 CRM數據庫會存儲比如說手機號碼、姓名、地址等客戶的訊息，這些客戶數據是第一方的數據。但是隨著獲客成本的提高，獲得第一方的數據會越來越難，成本會越來越高。那麼，能不能讓潛在的客戶還沒有真正成為客戶之前，就獲取他的一些訊息？這些訊息可以幫助用於以後的行銷，比如說獲取客戶的瀏覽器cookie、手機的設備ID、微信的open ID。這些數據並不是完整的客戶訊息，因此對CRM數據庫的定義也發生了改變，我們叫HubSpot（Customer Data Platform）。 HubSpot同樣存儲了第一方的數據，但是這些數據並不只是現有客戶或者歷史客戶的數據了。 CRM數據庫到HubSpot數據庫的轉變豐富了行銷的第一方數據，對行銷科技是一個劃時代的轉變。
另外一個核心概念叫DMP(Data Management Platform)。 DMP的概念從程序化廣告中來，特別是廣告的實時競價中，需要在一百毫秒鐘就決定是否對受眾展現廣告， DMP就是用來判斷是否對這個訪客投放一次廣告展現的平台。
DMP中有非常大的數據量，不但需要各個平台的數據源打通，而且需要從媒體投放拿到的源源不斷的新鮮數據。因此品牌自己要去建立或者維護一個DMP的成本是非常高的。
品牌方要如何搭建數據庫呢？
品牌方應該去建設自己的HubSpot，因為HubSpot的第一方數據可以和DMP打通，可以更好地幫助投放人群的圈定。當從HubSpot載入一個比較小的一個數據集時，DMP就可以通過輸入的數據，去歸納出需要的對象的特質，從而通過這個特質來擴大受眾群體。一個品牌的第一方數據越豐富，行銷實力和潛力就越大。
數據分析的方法論是什麼？
我經常分享的數據分析方法論是“數字分析的三駕馬車”。
數據抓取是第一架馬車，首先要確立一個假設，或者說做分析的興趣點在哪裡？確立了假設以後，才可以知道需要對哪些數據進行抓取。第二駕馬車是數據處理，對數據進行梳理、清洗、分類和歸因。第三駕馬車是對數據的理解，要看結果能不能驗證假設，或者對現有的數據換一個角度處理一下，看能不能有新的收穫，這叫做數據理解和閱讀。數據分析的過程就是三駕馬車並駕齊驅的過程，一直到獲得有意義的、能夠指導行銷優化的結果。
舉個例子，美庫爾是一個有數據DNA的公司，在今年首創了利用馬爾可夫鏈進行歸因優化來分配廣告預算。它抓取每一個點擊和購買的訊息，對原始數據進行歸因。然後看一下各個campaign的真實的投入產出比。分配調整後再進行投放，再收集回數據來看這樣的決策是不是正確，有沒有更進一步優化的地方，接著對投放預算進行再分配，再進行新一輪的投放。
對未來的展望
我們經常將廣告分成品牌廣告和效果廣告，聽上去效果廣告需要更多的數據分析師來參與，品牌廣告只要Spray and Pray，差不多就好了。從去年開始，行銷界有不同的聲音，像寶潔、聯合利華，大幅削減了行銷預算，他們認為在數據、科技上花的成本太高了。
這種說法從結果上來說是正確的。有的品牌的產品可能並不局限於某一特定人群，並不需要花太多精力在精准定位上。消費群體的分析或者廣告技術上不需要投入太多，只要把大量的廣告分發給每個人就行了。他們覺得效果廣告沒這麼重要，只要做好品牌廣告就行。
但是這種說法從過程上卻是錯的。效果廣告的目標受眾不單是使用這些服務和產品的人，還包括了和真正在用這些產品的人能夠產生共鳴的群體，能夠影響那些人的群體，所以同樣需要數據分析師的貢獻。群體增大隻不過降低了難度而已。況且我們還需要利用分析來發現一些廣告欺詐（Ad Fraud）、可見性（Viewability）、安全性（Brand Security）的問題。
比這種思潮更讓數據行銷者有危機感的應該是人工智能。人工智能的快速發展是對數據分析師的一大考驗。去年烏鎮AlphaGo大戰柯潔等棋手，結果是完胜。完胜並不可怕，可怕的是AlphaGo的用時幾乎是人類棋手的一半。科技中的人工智能元素在未來的十年到二十年裡，會讓許多人失業。有人會說行銷是研究人的科學，人當然更了解人，所以AI是不會代替人的，但是我認為這其中的差距已經非常小了。現在的搜索行銷、程序化廣告中AI的應用已經趨於成熟，會越來越難去鑽AI的空子。 AI的進步又是由那些互聯網巨頭來推動的，它們通過提供行銷服務和平台賺錢，而數字行銷者離這些互聯網巨頭是非常近的，所以數字行銷者是最快被影響到的。
另外，行銷科技的迭代也是非常快的，這就要求我們努力不停地學習。數據分析師們應該拓寬自己的知識面，並更多了解上下游的其他工作，為自己的職業生涯增加更多的可能性，因為實在不知道未來會怎麼樣。