营销人如何搞定工作中的数据分析？

　　数据之于营销人的意义已经无须赘述。但现实问题是，面对各种复杂难懂的“大数据”概念，我们如何才能抓住关键，在最短的时间里建立起对数据分析的感性认识?如何通过系统认知在工作中逐渐培养起数据思维?

　　

　　1

　　营销人不得不面对的行业趋势

　　Holmes Report 2016年全球传播报告指出，无论在公关公司还是企业内部的公关部，数据分析已经成为了继文案、策略、沟通的第四大技能。

　　

　　希望这篇文章能培养大家的数据思维能力和意识，掌握一些营销场景下的数据常识，了解数据分析的四步流程，相信对你以后的工作会有所帮助。

　　2

　　为什么要注重数据分析?

　　为什么学会数据分析对我们来说很重要?

　　有效避免拍脑袋，主观臆断;

　　为决策提供支撑，使我们的结论更能说服人，说服客户;

　　解释过去，预测未来。

　　当谈到数据解决问题时，我们说：“如果你不能量化它，你就不能理解它，如果不理解就不能控制它，不能控制也就不能改变它”。数据无处不在，每个人都面临着如何有效地吸收、理解和利用数据的挑战。那些能够有效利用资源从数据中提炼信息、发现知识的人，最终往往成为各行各业的强者。

　　3

　　数据在营销领域的发展历程

　　首先我们来回顾一下营销的发展史。营销主要经历了三个发展阶段。第一个是20世纪50年代初产生的4P理论，4P理论是伴随着营销组合的出现而出现的，以产品、价格、渠道和促销为核心。4P理论可以很好的帮我们了解一个公司整体的运营状况。后来到了20世纪末出现了4C，4C是以顾客、沟通、便利和成本为核心的，到了21世纪初，菲利普·科特勒又提出一个新的概念，就是我们已经属于营销3.0时代，一个“以人为中心”的时代。“人”的概念是指围绕在品牌周边的所有角色，既包括了品牌的真实用户和潜在客户，也包括了在品牌的传播当中非常重要的自媒体、KOL、粉丝等，当然也包括了品牌的从业者、员工和合作伙伴。

　　

　　对于这些“人”的分析洞察和数据挖掘，在方法论上也经历了三个发展阶段。第一个阶段是传统调研。传统调研是以调研问卷和焦点小组访问的形式为主的。主要特点是样本量比较少，受调研者的主观判断和经验所限，在信息上会有一些缺失。后来随着社交媒体的蓬勃发展出现了社会化聆听的方法。社会化聆听的一个主要特点就是数据量大，对于挖掘用户原生需求和内容是一个很好的渠道。而现在我们则步入了大数据时代。特点是数据海量，多样化的数据源，可以支持多维度多平台的纵深分析。

　　4

　　数据分析四步流程

　　究竟数据分析这块应该怎么来做呢?

　　

　　简单来说分四步：第一步明确目标，第二步数据获取，第三步数据洞察，最后结果出。我想强调一下明确目标这步，因为我们在拿到客户的brief之后，首先需要去理解和转化brief的内容，然后再进行后续的工作。明确目标对大家而言不仅仅是需要去理解brief本身的内容，更重要的是要知道背后的background information。第二数据获取，就是告诉大家目前在营销行业对数据的一些常规分类方法。第三和第四步会结合具体的案例来讲。

　　1

　　明确目标

　　好的问题使我们离答案更近一步，同理，坏的问题可以使我们离答案更远一步，甚至不止一步。来看一下有哪些值得我们去了解的背景信息。首先你要知道客户所处的行业以及行业趋势是什么，面临的主要问题和挑战是什么。第二是和你对接的客户属于企业当中的什么角色，是市场部还是公关部?还是其他部门?KPI是什么?第三，过去的一段时间你帮助这个客户解决过什么样的问题，以此试图了解他产生这次需求的动机。

　　

　　除了我们要知道需求的背景之外，我们自己还需要培养数字化的思维方法，说白了就是你需要对数据有敏感性。

　　举个例子，比如说客户要做一轮传播，需要找一些自媒体。我们拿到这个需求之后，在脑子当中就需要有意识去想我可以获取什么样的数据，需要从什么方向和维度去结构化这些数据，以及最后想达到的效果是什么。比如说这个case，就需要知道我们要reach什么样的受众，这些受众有什么特点，以及我通过什么样的数据可以判断受众最关注的自媒体帐号是什么，最后还要思考筛选的机制大概是什么样的。这个过程要求大家的左脑和右脑同时运转，一边是发散性的思维，一边是结构化的逻辑思维过程。

　　

　　刚刚说的都是从自身出发的，再换一个角度来看一下从客户角度怎么看问题。客户的角色不同，他们对数据的理解以及价值的发现也是不一样的。比如说市场、销售、CRM部门，他们更多的可能是对用户画像，对用户细分更感兴趣;研究部门或者是产品部门对用户的口碑，用户的UGC内容更感兴趣，因为他们通常想要去了解用户对品牌、对活动、以及对产品和服务的真实反馈是什么;最后对于公关或者是媒介部门来说，更多的需要去了解媒介的情况：用什么媒体什么渠道可以获得最好的效果等等。

　　2

　　数据获取

　　首先我们认识一下用户标识。用户标识也叫用户ID，相当于数据分析的一把钥匙。通过用户标识可以进行用户数据匹配和数据打通。目前平台碎片化和渠道碎片化，用户标识在不同平台和不同渠道上都是不一样的。目前业内采用比较多的方式，PC端是使用cookies，移动端使用手机唯一识别码，在苹果手机上称为IDMA，在安卓机上叫IMEI号，这个号是唯一不变的。不论你的手机有什么样的操作更新或者安装了什么APP都不影响设备号。所以可以通过这个设备号去精准地定位到我们的用户。对APP的识别有另外一个方法就是SDK。除了这些还有用户的其他身份，比如说用户的手机号，电子邮箱，社交ID，比如说微博号微信号，这些都是作为用户标识的方法。

　　

　　刚刚说了用户标识，接下来我们来看一下用户数据这块。用户数据的分类方法有很多种，一种方式可以从静态数据和动态数据两个概念来分。静态数据是指在一段时间内不会轻易发生改变的数据，动态数据是会实时改变的。我们对用户的分类大概可以分为自然特性、社会特性、偏好特性和消费特征。其中自然和社会特性数据是静态数据，偏好和消费特征是动态数据。

　　除了用户数据另外还有渠道数据，包括信息的渠道和购买渠道。信息就是包括了社交媒体平台，新闻资讯平台的数据。购买就是指购买渠道的数据，比如电商、官网、卖场数据等。

　　数据按照所有者和来源又可以分为两大块：一方面是我们说的一手数据，就是企业和品牌所拥有的数据。最典型的体现为CRM数据。另一方面是第三方数据，大部分的第三方数据都是开放和公开数据，当然也有一些数据交换和数据合作得到的加密数据。

　　5

　　数据在营销中的使用场景

　　第三步数据洞察和第四步结果出将结合案例给大家讲。在讲案例之前我们可以先来看一看，数据在整个营销当中，最经常会遇到的使用场景，基本所有的营销问题都可以归纳为三类，就是关于“Who、What、Where”的问题。Who可以理解为TA是谁，What就是去了解这些用户的原生内容，就是我们说的UGC(User Generated Content)。UGC口碑引申出来的就是对品牌、服务、产品的整体反馈。我们可以基于此为企业不同业务单元提供不一样的建议和策略。Where是通过哪些媒体渠道和触点，可以最好地reach到用户。

　　

　　WHO

　　首先我们来看一下用户画像。到底什么是用户画像呢，其实说白了就是给用户打标签的过程和最后出结论。我们现在对用户画像标签的体系架构无非就是这么几大类，包括人口属性，社会属性，兴趣偏好、行为习惯和心理学属性。那这么五大类的标签建完之后有什么意义呢?我们可以重点看一下上面的分析指标，他们体现了标签能够产生的价值。

　　

　　通过人口属性可以去做用户的不同代际细分，比如分别针对80后、90后、95后、00后提供不同的人群细分和描摹。还可以对受众按照标签细分，比如说按性别或者地域或者消费水平去做细分。社会学属性使我们可以去分析用户的社会形态，他们的life style是什么样的，家庭生命周期是什么样的，有什么样的生活大事件和他们所处的社会阶层。兴趣偏好这块我们可以分析用户对品牌的美誉度和对品牌的好感度，以及他们的兴趣图谱和购物的偏好。行为习惯这块用的最多的就是触媒习惯，触媒习惯包括线上和线下的触媒。还有一些网购行为习惯，比如说消费的金额、频次、流入流出的情况等。心理学这块一般来说要通过传统调研的形式，来进一步挖掘用户的三观和想法。

　　用户画像是源于企业对用户认知的渴求，用户画像无非就是对这两类人。一类是现有用户，一类是潜在用户。对这两类人群画像，一般可以通过什么样的分析维度呢?可以列举三个维度：

　　用户群划分：对于已有的用户集合，可以根据不用标签将用户聚类为不用的用户群，针对不用的用户群采取不用的营销措施，或者将营销资源放在主要用户群上。

　　用户兴趣分析：通过用户画像，可以知道用户喜欢什么，偏好什么样的产品，从而将用户兴趣纳入到需求之中改进产品或服务。

　　用户消费分析：能够了解用户消费层次，消费能力及潜在消费能力，愿意为什么样的产品或服务付费，取得消费突破点，增加销售额。

　　其实说白了，所有的这些维度最后都是做精准营销的。因为我们都知道现在数据很泛滥，每个用户身上每天都会接收海量的信息。其实现在用户对于他不关心的数据也好信息也好是非常排斥的，我不知道大家是不是这样，就是对于我不想看到的东西，是不会仔细去看的。信息太过泛滥，因此用户都已经习惯性的选择抗拒不关注的信息，故只有了解用户之后按时按需按人将自己的信息从广告转化为有用咨询，才能取得较好的用户转化率。

　　案例-跑车潜客人群画像

　　首先第一个用户画像的案例是对潜在客户的画像。这个是一个汽车品牌的Case，作为某高端知名跑车2016 Digital推广全案中的一环，建立跑车潜客的用户画像，为进一步沟通接触建立依据，构建数字化营销闭环。当时客户的需求就是通过数据首先来建立对跑车潜客的描摹和画像，然后基于这个用户画像之后，再来导出后续的整个2016年数字化营销的各种传播和执行。

　　在数据获取方面我们遇到一些挑战，因为大家知道跑车潜客，这个人群非常特殊，而且非常小众，跟一般的快销品的受众是不一样的。虽然这个品牌已经在运营多个微博和微信帐号，同时也有运营一些官方俱乐部。但是我们不能直接给品牌的粉丝和潜客划上等号。我们需要另辟蹊径去圈定更精准的人群。

　　

　　后来我们跟客户沟通，最后选定了四类用户作为我们跑车潜客的细分人士。一类是超跑人士，就是SCC相关的人士，他们在微博平台上是非常活跃的一批人。然后就是胡润百富榜类有钱人，还有就是IT新贵，也就是成功的创业人士，还有就是名人明星。我们通过某些标签的筛选去圈定了几百人的样本，然后建立了一个跑车潜客人群的数据库，再去获取他们在社交平台上的公开信息。最后通过画像我们出相关结论。首先，对于跑车潜客来说，男性占到了大概80%左右，30岁以下的人群也超过了三成，而且有不断扩大的趋势。另外就是年轻的消费群体，他们对车的概念已经逐步地脱离了之前所谓资产的概念，而更多的是有个性化和时尚化的需求。他们和以往一些消费者也有很大的不同，他们在社交、网购、还有知识获取这些渠道都有很大的转变。

　　最后我们也做了代际细分，分60、70和80、90的两个群体，会发现他们对跑车的关注点也是很不一样的，60、70对跑车觉得是一个身份地位还有面子的象征。80、90后他们对跑车本身属性更关注，比如动力系统、运动性和操控性等，当然也会考虑个性和时尚的一些独特需求。说明大家对跑车的需求，已经不是停留在高高在上远不可及的这种形象上了，而越来越多的是很实在的一些需求。这也会反向的去驱动我们的汽车厂商对品牌进行相应的重构。

　　

　　这个Case我们可以从方法论上做一个总结，就是如何来获解潜客的画像。主要三种方法，第一种方法是最优方法，即结合品牌自有的CRM数据匹配以各种社交数据，得出的画像可以说是最精准的人群画像。第二种方法是通过典型用户的一些典型的标签和典型的属性去找到这群人，可以称之为是模糊人群画像，前面讲的案例就是采用这种方法。第三种方法，直接用品牌自有的粉丝，或者是竞品的粉丝作为我们分析的对象。这个方法的前提还需要我们事先进行预处理，需要依据粉丝质量对其进行预处理，建立识别和定位潜客的机制，才能实现精准人群画像。

　　案例-家电TA受众定位

　　第二个Case是关于营销受众定位，也就是TA的界定。大家可能会说TA是谁，这不是早就定好的吗?一般都是品牌方已经明确TA是谁，消费能力如何等等。这些都已经是提前告诉我们的，我们不需要再去做这样的分析了。过去都是这样做的，现在你会发现，你对TA的认定或者界定会导向几种结果，第一种最理想的情况就是目标受众和实际受众高度重合。这样的话就是最好的效果，营销能得到最好的发挥，预算也能得到最充分的利用。另外还有三种情况，有可能你的目标受众和实际受众完全不一样，也有可能是边界过宽，也有可能是边界过窄。这些情况会造成营销预算的浪费，营销机会的错失。

　　这个Case的背景是为韩国某家电品牌，他们在韩国市场一直是leading的家电品牌，但是在中国市场最近几年发展表现平平。他们希望知道在中国市场TA究竟是什么样的。而之前他们都是延用韩国市场的TA定位，大概是35到50岁。

　　

　　我们把这个需求转化为三个假设性的问题，第一个就是我们要知道中国家电市场谁才最具有消费能力，第二他们是否有购买需求，第三就是他们是否倾向购买进口品牌。最后再衍生出另外两个问题，他们对品牌的认知是什么样的，以及通过哪些媒体渠道能够reach到他们。这个Case我们结合了比较多元的分析方法和数据资源，综合的使用了包括线下调研还有阿里淘宝的数据，另外还结合了social listening的数据等。

　　

　　通过对这些数据的分析，我们得出：实际上中国消费人群会更年轻化一些，在生活价值上的标签也很不同。最后回到最原本的客户需求上来，基于为中国本土化营销目的出发，在传播内容优化和用户触媒方面给到相关传播策略和建议。

　　所以我们来总结一下这个Case，按照前面说的数据分析四步来走。首先明确目标，我们的目标就是要知道TA是谁，并转化为三个假设性的问题。然后再通过不同渠道获取数据，利用阿里淘宝的数据，以及线下调研的数据，在数据洞察方面通过不同的人群画像的分析方法和维度，最后出了内容和触媒偏好方面的结果。其实你会发现，大部分的品牌数据分析方面的需求都可以转化为这样的四步流程。

　　WHAT

　　案例-汽车售后用户口碑洞察

　　我们来看What部分的Case，这里主要是基于对用户的原生内容、用户口碑、用户UGC内容的深入分析和挖掘所产生的价值。这个Case也是for汽车品牌，该部门希望通过数据分析和方案帮助他们去指导如何做售后相关的活动，指导他们为不同的人群做售后活动，并预防流失客户。

　　具体来说，因为可能大家都知道，汽车品牌每年的revenue当中，一大块是新车销售，另外还有一大块是车的维修和保养。所以车的售后和后市场这一块对车品牌来说是非常重要的利润构成。同时因为有些车主他们在过保之后可能就不会再去4S店做车的维修保养了，因为费用比较高以及其他一些原因。他们可能会选择其他的渠道。所以品牌方非常希望能够知道通过什么样的机制去稳定和回这些客户，以及业内同行业的竞品，他们有哪些活动，哪些机制是我们没有考虑到的，有借鉴意义的。

　　

　　通过社会化聆听的方式，首先我们对车主进行一个细分，细分的方法就是我们来判断他是什么样的客户。比如明确表示不再去4S店维修保养了，而选择其他售后渠道的作为已流失客户。表示还会去4S店，但是已经有一些负面产生，同时他们也不排斥其他渠道的这种作为高风险客户。对4S店表现出明显积极和正面的态度的作为稳定客户。然后对不同的车主再去做进一步的分析。我们通过制定细化的分析维度，来分析和评估出哪些因素会对用户的最终选择和决策构成影响，以及构成多大的影响。并通过数据将这些关键因素量化出来，形成最终的活动策略和优化建议。比如说究竟是维修价格还是维修项目还技术水平还是服务态度会对客户最后的去留产生影响。最后在下一步的campaign传播当中就需要有意识的植入这些用户痛点。

　　

　　我们再来总结一下这个Case的四步，明确目的就是要回已流失的消费者，并且对我们的售后活动进行进一步的优化，我们采用的数据主要是社交媒体的数据，建立用户细分的数据库，也建立了主要汽车竞品的售后活动的数据库，做更具体的行业间横向benchmark对比，才能知道究竟好在哪儿不好在哪儿。再基于用户满意度的聆听、需求的挖掘以及最后活动效果的反馈模型进行结论出。

　　WHERE

　　最后一块是WHERE部分，WHERE可以理解为媒介触点。无论做线上线下的传播，无论通过什么方式做传播都需要找KOL，因为你要去扩大品牌曝光和awareness。尤其是当下这个网红时代，过去都叫意见领袖。现在我们好像很少用这样的叫法，取而代之叫网红、段子手、大号、大V，但其实都是一回事儿。