京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代如何才能把营销数据落到实处
本文作者Benjamin
Gilad是第一家致力于数据竞争情报CIP认证的培训机构联合创始人兼董事长,美国罗格斯大学管理学院副教授,《Business
Blindspots》(1994年)、 《Early Warning 》(2003年)及《Business War
Games》(2009年)的作者。
在大多数公司,营销人员负责评估市场竞争。因此,将近60%的信息专员都会向营销部门报告分析数据,然而大多数营销人员并不能战略性地运用这些竞争分析,只是不断收集而已。换句话说,他们只是对现在进行“快照”,而无法前瞻。
很多分析师都会埋怨:他们的营销负责人太重视竞争对手的各项数据了。
大数据时代的崛起似乎加剧了这一趋势。从全球著名的市场调研公司Nielsen到美国咨询公司Gartner
,再到市场研究公司IMS,这些专业大数据提供者紧盯市场动向,随时描绘市场图景。众所周知,财富500强公司的营销人员非常善于分析竞争对手的市场份额数据,甚至能精确到小数点第二位。
毫无疑问,大数据以及分析学正在改变营销面貌。但是并没有让营销变得更富有战略性,不过是更精确了而已。之前只是用同一个广告到处轰炸式宣传,而如今大数据使得营销人员可以根据用户的个人偏好和特定消费媒介有针对性地向不同客户群体投放不同广告。其对当下营销表现的改变,就好像导弹对当下空战的改变一样,但正如军事专家所言,空袭并不能赢得战争。
时至今日,很多营销人员已经拥有很多前所未有的科技工具作为“武器”,又拥有极先进的数据“侦查”方法。但他们似乎经常缺乏有效的“战略计划”,缺乏根据对方行动评估未来局势并进行反击的能力。
然而,有为数不多的个别公司却可以利用这些数据,从竞争情报分析人员那里得到更多战略价值。
集中精力关注战略框架
在总部位于比利时的中型制药企业UCB,作为战略营销实践的一部分,Heresh Rezavandi和他的经理Michelle
Maddix-Sovero正在领导一个年轻的战略情报部门。Rezavandi的战略预警办法是从公司现有战略开始入手的,借鉴竞争战略之父Michael
Porter的战略框架,考虑到替代品、买家和供应商,将纷纭复杂的竞争信息和未来预测综合分析。这能够帮助团队保持努力的方向。
加入UCB之前,Rezavandi在一家制药咨询公司工作,在那里,他目睹了管理者根本不知道究竟需要什么,只会说:“拣重要的通通报上来。” Rezavandi表示:“在加入UCB之后,我很快意识到,这里和咨询公司不同,信息收集不过是一切的开端。”
让高管层参与进来
在总部位于美国俄亥俄州辛辛那提市,提供高度专业化商业服务的制服企业Cintas,拥有3万名员工。其中1600名经理和董事都在一个返情报的协作区内,这1600人来自全公司各个级别、各个地区以及各个业务部门,公司最高领导层也都在这个协作区里。负责该公司竞争情报部门的主管Troy
Pfeffer表示:“你想要情报,就要自己参与情报创建。”
Troy特别推崇这一方式。他表示:“询问情报的人,通常对该情报已经有了相关了解。忽略这一情报来源会降低情报质量。而通过让询问情报的人加入该情报的创建,你将大大提升采取行动的可能性,深挖这个组织的情报文化。”
洞察先机
2014年,英国罗得岛州东部城市沃里克一家私营科技服务公司Atrion有了麻烦。这家公司创建于1987年,一直以来,其核心业务都是IT基础设施技术的销售、安装和后续支持,其收入的80%都来源于此。但是,随着云计算渐渐成长起来,Atrion的客户突然发现有了更便宜的选择。
幸运的是,云计算的迅速崛起并没有让Atrion措手不及。2012年,Atrion的情报分析人员鉴定指出,云计算将成为首号战略威胁。Dave
Ramsden和他的团队立刻开始跟踪相关数据,不放过任何哪怕最微弱的危险信号。随着云计算的采用率开始增长,他们拉响了警报。
于是在2014年,Ramsden的团队开始建立五年计划,根据历史表现给出预期增长,并在商业基础设施方面将当前增长和预期下降的可能相结合,给出备选方案。Ramsden还利用当时公开可见的情报信息,描绘出了战略地图,分析说明其它科技服务公司在不断变化的市场中做出的战略决策。这促进团队提出许多批判性的问题:Atrion究竟想成为什么?继续紧抓硬件这一块吗?还是成为云服务公司呢?又或者演变成一家专业服务公司?
公司决定提高对服务销售的关注,多多咨询客户,用心理解客户所需的业务。同时公司开始创新服务产品,使得投资组合更加多样化。截至2015年6月的财政年度,Atrion整体总收入增长了约19%,而服务收入增长了44%。
形成假设——然后测试
Man-Wai
Chow在化学公司Eastman领导战略情报工作,他的情报流程是由假设驱动的。这些关于主要产业力量的假设,让其团队得以提供可行的商务见解。假设通常始于企业拥有的某些信念,这种信念或对或错。作为战略情报领导,他的任务就是打磨这些信念,对其进行测试。
Man-Wei的团队发展了这些假设(即观点),然后确定具体的路标或者说是先行指标,努力去验证并尝试这些假设。这里不得不再次提到Michael
Porter的战略模型,它往往会帮助我们获得一个更清晰的观点。Chow
表示:“我们经常会提出‘假设’,防止自己鼠目寸光。我们和业务部门也会紧密合作,深入洞察,提高决策质量。”
很多公司仍认为营销人员只需要负责执行战略,而不需要参与战略的制定。但营销人员远不止销售工作而已,他们还可以促进战略和业务的发展。
但营销人员都知道,营销已经不再只仅仅是做做广告,发发新闻稿了。那个营销人员只需要简单设计下优惠券就OK了的时代已经过去。今天的市场营销包括数据科学和分析部门,需要收集和分析大量交易型的(仍然是主要形式)和字符类型的(挖掘社交网络)用户数据,来设计“最优客户体验”。最新科技工具可以作为辅助,但是无法代替精明的战略思想家。正如Man-Wai
Chow所说:“算法无法超越人类智慧。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14