下一个数据“拉锯战”:个性化和业务化 | Morketing深度
文丨Ivy Zeng
数字营销发展到今天,到了一个什么阶段?——“消费者营销的大规模的实时个性化”,而这,不仅是对数据技术的挑战,更是对数据与业务结合深度的挑战。
“市面上,很多数据SaaS工具解决的都是企业的普适性需求,但是,落到企业内部业务层面,比如挖掘新品趋势、洞察新品方向、看消费者反馈,以及实时的个性化营销,都需要把大数据和小数据结合,把定量和定性结合。这时候,纯依赖平台是不可能的,纯依赖大数据也是不可能的”,卡夫亨氏亚太区消费者洞察/数字化/媒介/内容中心营销负责人蔡宏分享。
很多大品牌主为了构建独特的营销竞争力,都有自主定制化数据挖掘和利用多方数据自主建模的需求,他们对营销工具有深度的个性化需求,以满足业务需求,而PaaS,则给有in-house数据能力的(大)公司一个定制化的选择。
“如果所有公司都使用平台提供的同样工具,则完全没有竞争优势,也不能发挥大公司自己本身的行业知识沉淀优势。”联合利华中国数据和数字化营销副总裁方军补充。
Martech发展这几年不断成熟,从工具化转向业务化。这过程中,Morketing明显观察到,从需求侧看,数据应用的下一个拉锯战在于:“个性化和业务化”。
基于这个洞察,再从供应端看,尤其是互联网大平台,他们也从标准的SaaS工具,走到了可以支持品牌自主定制化数据挖掘和建模的PaaS工具。2021年9月,巨量引擎营销科学在其核心营销数据产品巨量云图SaaS功能中新增了“定制化的数据挖掘和建模服务-数据工厂”。
数据工厂通过标签工厂和建模预测等核心模块,为品牌和服务商提供PaaS类自定义数据分析和应用能力,以满足品牌在巨量云图的个性化&定制化诉求。
那么,“数据工厂”到底是什么?其核心模块有什么?支持哪些应用场景?品牌在其平台如何构建自己的数字化竞争优势?此文,Morketing将深度分析。
01数据应用,“个性化业务化”需求凸显
前几年大家觉得Martech还只是个概念,但如今品牌主越发深刻认知到,数据和技术对营销的帮助越来越大,他们也都开始在构建企业自身的Martech stack营销产品栈。
品牌需求的提升,促使市面上相似类型的产品越来越多,于是很多企业开始用这些产品解决营销问题。
具体就Martech行业来说,无论是需求侧,还是供给侧,都发生了一些结构性变化。就需求侧而言,消费者触点、数据量、个性化需求不断增多,数字营销从技术到玩法都变得越来越复杂了。
“随着企业数字化营销的发展,广告主对于营销的效果管理和追求更加精细化,也更关注产品技术对实际业务场景的支持。对Martech的期望从工具化转向业务化了,大家引入Martech的目标是要应用在营销场景上解决业务问题”,深演智能CTO欧阳辰向Morketing分享了他对于行业的洞察。
这点实际与巨量引擎在巨量云图中新增“数据工厂”功能不谋而合。
“确实,我们在服务落地业务化的过程中,不同产业,不同行业的场景个性化逐渐凸显,特别是大型集团品牌,数字化变成企业内核竞争力的时候,会越发追求个性化的高阶数据应用”,巨量引擎营销科学场景运营负责人岳一晓谈道。
事实也确实如此。“很多公司数据部门是独立出来的,这有一定好处,但是也有很大的弊端,因为很多数据部门的工作,仅仅涉及表面,因为独立数据部门不背销售KPI,不懂业务,但却要指导业务,业务部门的反馈就是‘你不背销售,凭什么指导我业务的事情?’,这是一个比较突出的矛盾点”,卡夫亨氏蔡宏补充道。
而要解决这个问题,一个方向是数据业务化,另一个方向是,企业建立自身的数据门槛,需要更个性化的数据分析工具。对于企业数字化来讲,“数据结合业务,才能比较好的落地,当然,这也涉及到组织架构的问题。”
02巨量云图推出“数据工厂”直击个性化需求
在这样的背景下,巨量引擎旗下品牌资产经营平台巨量云图在2021年9月,就开始琢磨为广告主提供个性化的数据板块。
目前,巨量云图通过增设数据工厂后,可以满足品牌在其标准化解决方案之外,20%的个性化和定制化营销诉求。为什么提升20%场景的独特性很重要?在于品牌可以利用巨量的数据,自定义标签和定制化建模,打造最适品牌主自己的个性化引擎和决策大脑。
“数据工厂”,通过提供更好的平台化能力,快速打造个性化的数据和营销能力,支持品牌主的个性化营销场景。比如,赫莲娜作为欧莱雅集团的高端护肤品牌,其黑白绷带面霜的用户人群标签是什么,怎么充分挖掘如此细分品类的用户诉求和用户画像?——这时候衍生的是:数据在个性化品类和单品上的标签体系和人群策略分析。
其实,“数据工厂”的使用门槛并不高,其不限制行业,不限制体量,自由度高,但是“想要用好”的门槛却很高。
“如果将品牌的数据应用能力进行划分,可以分为‘普通用户’和‘优等生’。目前,已经有一些头部客户在深度使用数据工厂,并涌现出一波标杆案例。但是,还有较大一部分品牌可能是‘普通用户’,其数据能力还需要持续积淀,但也可以在数据工厂进行小步快跑地尝试,从标签工厂开始用起,再到深度的建模预测,同时也鼓励大家找一些比较成熟的、行业Know-how深度积淀的服务商伙伴一起做”,巨量引擎营销科学场景运营负责人岳一晓表示。
对此,品牌该如何更好的使用“数据工厂”这一功能?如下图,数据工厂在基于巨量引擎海量内容公域数据、和强大的技术能力,以及多种机器学习模型的基础上,提供了两大模块功能:标签工厂和建模预测。
数据工厂介绍图
先聊一聊标签工厂。简单来说,品牌可以通过这个功能自定义标签,这个标签覆盖人群、达人、商品和内容。同时品牌还可以基于自己做的自定义标签进行对应分析洞察,满足自家的个性化业务需求,结合自身Know-how,挖掘巨量全平台数据(而不仅只依赖一方数据融合)。
“因此,无论是品牌基于自身产品或定制化场景进行精准目标人群定位、内容洞察优化、垂直达人优选还是商品趋势洞察,都可以通过标签工厂实现”,巨量引擎营销科学场景运营负责人岳一晓介绍。
其中标签工厂,内嵌在巨量云图之中,还能够合并支撑巨量云图各模块的深度使用,离业务场景更近。
也就是说,巨量云图是为品牌提供了一套以品牌资产为核心的标准化营销数据解决方案,帮助品牌对人群、内容、达人、商品等多维度进行深度洞察,指导决策,里面的沉淀和分析的各项指标更偏通用性。但是数据工厂可以在云图通用能力之上进行定制化的叠加使用,帮助广告主去通过自定义的标签和建模去自主挖掘数据,满足更定制化的数据策略需求。
数据工厂在标签工厂之外的第二个大的模块是“建模预测”,其价值是“核心人群精准放大”,在于预测模型的建立和应用。品牌可以在数据工厂自己创建模型,自己定义样本、特征和备选集,对自己所需核心人群做精准放大,这意味着企业可控制的地方更多。
另外,通过巨量云图还可以做一定的数据回流人群分析,而数据工厂提供了高自由度的土壤,如果服务商有很强的行业Know-how和技术储备,就可以在这个数据工厂中获得更高的业务自由度。
03业务落地,满足4大应用场景
数据工厂有了标签工厂和建模预测后,落到业务上,怎么使用?主要体现在4大场景。
场景1:人群分析和人群策略
数据营销的根本诉求是“用最少的钱,拿到最有效的人群,达到最大的ROI”。但如何才能做到这点?搭建一套属于自己细分类目或品牌的专属标签体系,通过这些更细、更准、更专的标签,找到与其产品或品牌最匹配的人。
数据工厂的标签工厂就可以很好地实现这一点。一般而言,产品会涉及到功能、场景、功效、痛点等多方面,所以在搭建标签体系时,品牌主要应用的还是商品人群标签和内容人群标签。选择投放人群时,可以基于你的产品特征,找到十分关注这些产品特征的人,从而提高投放效果,做流量精细化运营。
拿赫莲娜的案例来讲,赫莲娜基于本品行业和品类的兴趣人群和购买人群,对他们关注的top标签进行梳理、筛选。
标签词维度分为:
1、行业维度、品牌维度和品类维度,行业维度再细分至A3与A4词,分别深挖兴趣词和购买词。
2、品牌和竞品维度:补充品牌方提供的投放词与巨量云图后来的品类关键词进行筛选。
形成标签体系和内容洞察,对不同维度的标签词进行多轮分类精筛,筛选出与品牌相关度高且有潜力的词,形成标签体系。
然后,再分别确定筛选人群的维度与标签词维度,从而确定筛词的大盘范围。基于品牌自有的A3兴趣人群 & 站外购买人群,行业的兴趣 & 购买人群,品类的兴趣 & 购买人群,对他们关注的Top标签进行梳理、筛选,然后进行人群的圈定。
当然,在标签体系圈定人群之外,人群分析和策略,也体现在模型训练上,这里以心相印案例来看,如何用正样本人群进行模型训练和优化转化。
心相印的做法主要是基于巨量云图和标签工厂,圈选了“行业、历史渠道触点、消费场景、内容+达人偏好”四大人群,然后跟本品A4购买人群进行了交集,作为建模的正样本人群。以成交转化为目标,洞察目标人群特征,在建模预测模块中进行定制化建模,依据精准目标人群的核心特征进行人群包量级放大,扩充可触达的相似人群,保证大促节点竞价广告实现充分的精准人群覆盖。
场景2:内容洞察和内容素材产出
“在标签体系上,数据工厂不单可以圈人,还能进一步做内容分析洞察,比如找到哪种类别的内容素材更能打动消费者,由此,品牌就可以更好地去赋能内容创意。”巨量引擎营销科学场景运营负责人岳一晓介绍。
以往的观点是如何把人货触点做匹配,但是在抖音,货是用内容的形式去表现的。品牌关注什么角度和客户沟通最高效,应该用什么达人和话术,哪个点是消费者最买单?因此,内容标签变成品牌特别关注的点。目前,各大互联网平台都有人群标签、触点标签,常规的基础属性的标签,普遍缺少内容标签和达人标签。
那么如何做?即通过「内容标签」+「自定义内容洞察」,分析平台的UGC内容和PGC内容,分析内容的声量、趋势与利益点,最后产出洞察结果,并根据结果做相应的内容素材。
还以赫莲娜案例做进一步拆解。赫莲娜在最终标签体系搭建完成之前,都会对各个维度生成的标签进行精筛,最终确定与自身品牌匹配度高、人群活跃度高的核心标签,纳入标签体系。
比如,赫莲娜筛选出核心标签词:“奇肌”、“滋润”、“提亮”后,又在已投放词中筛选出表现好的词,补充进标签体系,像“古源”、“黑濯石”、“弹簧霜”等。
而这些关键词不仅能用于创建内容标签,并通过「自定义内容洞察」洞察内容趋势,还可以圈选核心人群后,在「TA内容偏好」中对核心人群进行内容偏好分析。赫莲娜38女王节的案例便是通过后一种做法,先分析核心人群的内容偏好,并通过上翻历史购买人群覆盖率和匹配率进行二次筛选,最终总结内容洞察,指导具体内容制作。
场景3:营销达人洞察和优选
有了标签体系、人群策略和内容洞察后,在抖音体系营销的第三个场景就是“达人”,品牌可以通过「达人标签」+「达人优选」,在符合品牌产品的达人标签下,进一步根据KOL属性、质量等指标评估,选择可进行短视频、直播带货的KOL,并进行下单。如:星图、百应进行达人下单。
继续拆解赫莲娜38女王节的案例,他们在本次应用数据工厂的案例真的非常全面,从标签体系出发,实现了人群、内容、达人三位一体的有机联动和相互配合。
在达人优选这一环节,赫莲娜通过圈选的核心人群,在「达人优选」模块by TA选达人,并从多个维度精筛出得分最高最适合的达人矩阵。
值得一提的是,在选定达人后,还通过核心人群的达人内容偏好和产品本身出发,指导品牌和达人内容制作方向。
场景4:“新品洞察和产品创新”与“人货匹配优选”
在具体需求的层面,品牌往往希望牢牢掌握新品趋势。这时候,品牌可以结合数据工厂的一方数据和平台的内容趋势标签体系,获得产品和趋势层面的数据洞察。此外,品牌在数据工厂中,还可以通过「商品」模块,做人与货的匹配,并给到直播间的流转数据和策略。
比如,Adidas人货匹配分析案例。通过标签工厂支持定制化人群标签生成与人群圈选,并将人群投射到人货匹配矩阵,定位对本品牌货品集点击率和转化率高的核心人群。
04消费者营销的大规模实时个性化
当然,工具和平台赋能是一方面,把工具用好,更在于“组织和结构”。“智能+人工”,才能发挥最大的效率。
2021年,Morketing采访Convertlab CEO高鹏,他分享了一个观点,“真正的数字智能影响商业可能到现在只发挥了20%的空间,还有80%的潜力待挖掘和发挥”,其中,数据应用于商业的各种业务场景,本质上就是在开发这80%的潜力空间。
“消费者营销大规模的实时个性化”,值得期待。
更多内容,欢迎关注
觉得内容还不错的话,给我点个“在看”呗
转载请在文章开头和结尾显眼处标注:作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载,授权事宜请联系作者本人,侵权必究。
本文禁止转载,侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权,侵权必究。
评论
评论
推荐评论
暂无评论哦,快来评论一下吧!
全部评论(0条)