导读：这篇文章对“大数据营销”这一热词进行了详细的阐述，从“大数据包括哪些数据”，到“如何设计大数据营销策略框架”，文中都一一进行了详细讲解，推荐对大数据营销感兴趣的童鞋阅读。

过去两年里，数字化取得了史无前例的发展。无论是政策层面的重视，还是社会形势的演变，数字化时代都赋予了企业通过”大数据营销”去优化营销投入产出，和竞争对手拉开差距的可能性。

在客户体验设计中，数据是核心。企业需要基于数据优化体验流程，基于数据对客户价值进行判断，基于数据来投放广告。可见，数据对营销的重要性比以往任何时候都显得重要。

一、被热议的“大数据”，究竟包括哪些数据

如果说只能用一个词来形容目前数字营销的核心优势，我认为是”大数据”。大数据营销是依托互联网海量数据，通过对数据进行采集、分析及预测，将大数据广泛应用于营销行业的一种营销方式。

大数据到底指哪些数据呢？我们通常会用第一方数据，第二方数据和第三方数据来概括数据范畴。

第一方数据是指企业直接从受众（包括客户、网站访问者和社交媒体关注者） 那里收集的数据。它可以是通过自己的网站或者小程序获得的线索数据，也可以是微信公众号的粉丝数据，还可以是自己的电商网站获得的客户数据等等。

第二方数据是对第一方数据的延展，是企业通过第三方工具获得的数据， 如第三方网络广告、网站监测数据等。第二方数据仍然是和自己客户相关的数据，只是这个数据无法自己获得，需要靠第三方工具。

第三方数据是从外部购买或由第三方平台提供的电商数据。国内有一些数据购买工具，如企查查、天眼查等。通过这些平台不仅可以了解你客户的基本信息，还可以进一步得知和你客户相关的更多信息，如企业的经营范围、收入和利润等。

从数据的类型上，我们又可以将数据简单分为两大类。

1. 第一类是聚合数据

这类数据用于衡量数字化营销活动的整体现状及投入产出比，如广告展现、广告点击和转化、CPC（Cost Per Click，每点击一次计费）、CPM（Cost Per Mille，千人印象成本）、网站浏览量、跳出率、停留时长、留资数量、CPL（Cost Per Leads，线索成本）、线索转化率、新客户数量、CPA、老客户占比、Retaining Rate（留存率）、GMV 电商平台销售额等。

2. 第二类是基于个体的客户数据

又可以将其细分为以下几种数据类型（可总结为 BATP）：

客户行为数据（Behavior），比如他在你的网站上停留了多长时间，浏览路径是什么，感兴趣的产品是哪些，和你交互频率如何，微信上都留言什么内容，什么时候成了你的会员，等等。

媒体归因数据（Attribution），比如首次被广告触达是什么媒体，中间经历过哪些媒体的再次触达，最后一次触达导致他做出相关行为是由什么媒体所致的，这些都是基于个体的媒体归因数据。

理想状态下，一个客户从第一次接触品牌广告，到最后完成购买转化甚至复购的每一个触点和外部因素都可以被监测到，但这在现实世界里很难做到，一方面是因为用户数据的隐私保护，另一方面是数据技术仍有难关需要克服。

客户交易数据（Transaction），比如这个客户购买了什么产品，何时购买的，最近一次购买是在什么时候，一年销售额贡献度是多少，平均每笔交易金额是多少，是否有交叉购买或向上购买的情况，等等。

360 度客户画像数据（Personal），比如他来自哪里，什么职业身份，性别、姓名、电话、邮箱地址、兴趣爱好是什么，平时有哪些媒体浏览习惯，甚至身高、体型、偏好品牌，等等。

客户画像是客户本身自带的数据，即使没有和你的品牌产生任何关联， 也会有这些数据。而客户的行为数据、交易数据和媒体归因数据都是在客户和你的品牌产生关联后产生的数据，更加具有针对性，但是获取这些数据的首要条件是必须让客户对你的品牌产生兴趣。

二、2022年，大数据营销有哪些新进展

市场变化之快超乎想象。大数据的出现及开始被各大企业重视并充分利用也就是这几年的时间，每家企业对大数据的处理情况都处在不同的阶段， 有些才刚开始进行数据库的建设，有些已经搭建了数据中台，还有些走在比较前端的可能对数据模型的应用已经非常成熟了。

大数据营销不是一种选择，而是一种必然。如今数据对数字营销的重要性堪比鱼和水的关系，所以，相应的能够洞察大数据的演变趋势、充分抓住大数据营销机遇的企业一定会在未来激烈的商业竞争环境中拔得头筹。

那么，现在的大数据营销呈现是什么样的现象呢？

第一，日益上升的获客成本增加了品牌渴望将客户数据变现的紧迫性。

媒体投放的价格越来越高、竞争环境激烈是导致企业获客成本不断上升的主要原因。

对于获客成本上升这件事，企业除了优化自身的营销行为、降低运营成本外，激烈的竞争环境是客观原因，谁也无能为力。所以，企业非常渴望将不断上升的大数据营销的商业价值充分体现到企业的商业行为中，并且需求迫切。

第二， “新冠肺炎疫情”使通过私域流量提升全漏斗转化效率的方法变成”新常态”。

如果我们将客户的消费者旅程进一步简化，并与数据营销的目的和手段结合起来，就得到了如下图所示的“营销漏斗”模式。

随着”新冠肺炎疫情”的爆发，企业充分利用营销漏斗下半段私域流量的数据，提升整个营销漏斗的转化率成为一种全新的常态化的趋势。

“新冠肺炎疫情”期间，居民的活动自由受到约束，企业的营销人员出去开拓新业务、获得新客户也变得更加困难，怎么办呢？那就是充分利用已有数据库中的客户资源，把已经取消或暂停的客户项目重新激活，通过再触达，做已有客户的增长。企业数据营销的重点从营销漏斗上半段向下半段转移， 盘活私域数据，拉动高潜客户的需求，促进转化及提升已有客户的价值贡献成了数据营销的主流。

第三，由于消费者行为的多变性、复杂性、不确定性，数据散落在各个触点，获得数据的触点也是纷繁复杂，这给企业在数据的利用层面带来了很大的挑战。

第一方数据获取平台主要有官网、微信公众号、小程序、App、微信的服务号，第二方数据来自营销事件监测（如 H5 活动页面）和通过广告和网站监测工具获得的各类转化数据。第三方数据获取平台主要有各大品牌天猫旗舰店、京东旗舰店、经销商授权专营店、第三方数据提供商如天眼查及其他合作企业数据。

以前市场营销是以传播信息为主，主要渠道有户外广告牌、报纸杂志、电视、广播等。但是今天，沟通的介质和媒体发生了巨大的变化，现在所有的渠道和触点如行业网站、社交媒体、短视频媒体、微信公众号、门户网站、视频网站、App 等都是数字化和移动化的，消费者数据散落在不同的触点，这使数据的采集和整合成为巨大的挑战。

第一方数据是企业进行大数据营销的最好起点。据统计，大部分品牌只利用了其第一方数据库中 5%的数据，95%的第一方数据潜藏在品牌方的数据库中并未被充分利用（见图 3-12），而利用自己数据库中的第一方数据比利用第三方数据要快速且高效得多。

由于很多数据如行为数据、用户个性化数据、ID 数据都在第三方平台手里，要在这个基础上去扩展并丰富第三方数据是一件非常困难的事情。要扩展和丰富第三方数据我们必须将第三方和第一方数据打通，让散落在各个消费者旅程的各个触点串联起来才可以。

一般情况下，品牌商家需要为用户提供一些特别的福利来引导用户留下自己的信息。例如，麦肯锡季刊（McKinsey Quarterly）网站会根据注册用户留下信息的完善程度给用户提供不同的福利，如果用户只留下了邮箱地址，那么用户可以定期收到文章推送；如果用户注册时留下了更多的个性化信息，那么平台会根据用户的兴趣爱好提供更多个性化的服务。那么，为了得到更好的免费服务，用户自然愿意提供更多信息了。

其他品牌商家惯用的手段还有很多，如样品免费试用、发放折扣券、免费注册会员获得积分等。

第四，在数据维度层面，消费者的个性化行为数据比统计学数据更重要。

个性化行为数据展示的是消费者对产品的喜好度、消费者与品牌互动的广度和深度、消费者购买的是哪种产品及未来复购和可能性等。而统计学数据展示的是消费者的姓名、性别、年龄、学历等信息。

消费者个性化行为数据能够预测未来类似的客户群体的购买行为及购买可能性，这是消费者个性化行为数据研究和利用的最大意义，也是更深层次的数据，有了这些数据，商家就可以立即制定和客户互动的内容和方案，进而获得更好的转化效果。

而统计学数据更像是整体数据，你可以获得，竞品同样可以获得，其提供的数据洞察非常有限，所以获得这些数据对营销活动的指导意义并不是很大。

同时，这些个性化行为数据也必须和营销漏斗后段的交易数据结合使用，从而形成一个更加完整的属于品牌自己的 360 度用户画像。

360 度用户画像形成后，不仅可以帮助品牌方更好地服务现有客户，提升已有客户的价值，更重要的是可以对未来最有可能成交的客户群体进行预测，并进行相似客户群体分类，为未来制定个性化营销方式提供数据洞察。

基于此我们可以展望一下大数据营销的未来：更多的数据以帮助企业更好地理解用户 +更多的可能性去建立强有力的客户关系纽带 + 更多的选择以监测每个触点的营销变现 = 更多的机会通过数据营销驱动企业营销关键决策

三、如何设计大数据营销策略框架

基于上面的营销漏斗模型，对于不同转化阶段的消费者来说，企业应当采用不同的营销策略。

当消费者处于前链路即认知和兴趣阶段时，数据营销需要进行潜在用户的洞察和营销推广活动的设计，主要目的是为了发掘潜在高意向客户。

到了消费者首次购买阶段，第一阶段的部分高潜客户已经转化，但仍然有一部分还未激活，那么这个阶段的数据营销就是为了激活高潜客户，并针对高潜客户的需求进一步提升品牌吸引力，直至最后拉动更多购买需求。

而忠诚度阶段的消费者会反复复购，大数据营销的设计就在于留存，提升复购率和忠实粉丝的数量，提高购买频率和客单价。企业大数据营销的重点应该从营销漏斗的上半段向下半段转移，盘活私域数据，拉动高潜客户的需求，促进转化及提升已有客户的价值。

那么，如何制定大数据驱动的营销策略呢？我分享一个简单的套路供大家参考。

1. 设定目标和消费者洞察

目标一定要清晰，要分阶段地将目标进行拆解，可以按照 OKR（Objectives and Key Results，目标与关键成果法）的思路，即关键要达到的具体目标是什么、为的是达成什么样的关键成果。

比如，目标可以是：一年内加速客户拉新。将这个目标拆解成子项目，得到两个要达成的关键结果：第一，新客数量同比增长 100%；第二， 将客户转化时间缩短一半。在这两个关键结果的支撑下，分别建立子项目帮助两个关键结果的达成。第一步中还有一个关键步骤就是进行消费者洞察，我们可以通过历史客户数据的收集和分析去挖掘数据库中客户的行为和特征。

2. 大数据建模规划和 KPI 的制定

即建立什么样的数据模型去帮助你加速拉新，以及具体衡量指标有哪些。

3. 制定市场激活计划和策略

我们需要思考，对于新客数量增长来说，什么样的媒体策略和内容策略是行之有效的，以及对于客户转化时间降低这个问题，有什么样的刺激可以引导消费者加速购买决策。

4. 营销活动的执行

5. 项目复盘，评估和迭代

整个过程一定要以目标远大、小步快跑的方式进行，不断试错，调整优化，直至大数据营销成为新常态。

那么大数据营销的有效性又如何衡量呢？我们可以以消费者旅程为基点，对每一阶段的衡量指标进行拆解并优化营销行为。

在认知阶段，要看什么数字营销措施使广告曝光率、点击率、网页浏览量和有效 Cookie 用户保持在较高的水平，网页跳出率保持在较低水平。在兴趣阶段则看从一个访客转化到市场合格的销售线索，其获客成本和营销电子邮件的打开率。最后到了后链路购买阶段，这个阶段是衡量投入产出比的最佳时刻，这时候每个客户的获客成本、成交订单金额和订单金额都是关键 KPI。

这样就形成了端对端的可以完全衡量营销效率的全链路监测。数字营销的全链路监测不仅仅是看有效线索的数量或最终销售额，更为关键的是在每一个阶段设定 KPI 并提供如何可以帮助改进的数据洞察和优化计划。

在大数据营销中，数据就代表着流量。但无论数据如何纷繁复杂，如何多样化，如何强大，我们始终都要牢记客户体验设计的核心是”客户”，这个不会变。在新营销时代，构建端对端的营销闭环，形成从流量思维到客户思维的转变是企业建立护城河的唯一路径。

注：本篇文章摘编自《增长法则》，经作者和出版方授权进行发布。

作者：朱晶裕；来源：微信公众号“新营销”

本文由 @新营销 授权发布于运营派，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。