京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对大数据营销现状的三个“唯”批判
当你想买牛奶时,一款牛奶品牌的信息立马出现在你的面前,实现精准推送——大多数人对大数据营销的理解也许还停留在这个层面上。
但很明显,大数据的魅力远不止于此。仍以牛奶为例,它不仅会实时提醒你牛奶何时会过期,同时也会自动列出一份采购清单,发往超市的后台,之后你就会收到最新鲜的牛奶——这会是大数据营销不远的未来。
这样的理解差异化也同样体现在大数据营销的从业者中:较多人还在声嘶力竭地呐喊着“不要采样而要全量、不要看因果要看关联、不要看精准而要看混杂性”等等。对此,阿里妈妈首席数据科学家薛贵荣(数据分析师)认为,这些理解都仅仅停留在概念层面,没有真正把大数据落到营销的实处。
对于目前的大数据营销现状,他提出了三个“唯”批判,这也构成了他关于大数据营销的核心理解。
阿里妈妈首席数据科学家薛贵荣
批判一:唯概念论
把消费者作为营销的终点而不是起点
品牌很难掌控消费者需求,只有消费者自己才能决定他的兴趣和购买,这样朴素直白的道理大家都懂,但是在营销的推行中,这一点却往往被忽视。
今天在谈大数据营销时,大部分人还是热衷于谈RTB,即实时竞价,为不同的消费者推送不同的广告内容,引以为傲的是精准。与此同时,老派的营销人也仍不忘把经典的4P、5P概念带入到大数据的环境中。
不难发现,这些营销方式的起点都不是消费者,而是营销的终点,这也是薛贵荣对其批判的一个关键。在他(数据分析师)看来,这些概念并没有错,但这些方式方法与数据营销离得太远。他的主张是:首先要从人开始做营销,发现目标消费者,再去推断消费者在哪里、消费者需求是什么等问题。
确定了这些核心的消费者画像后,展现层面的问题也就迎刃而解,譬如需要为这些消费者匹配什么样的活动和运营,设计什么样的页面展示和店铺装修等。同样,在渠道层面,品牌商和卖家可以根据数据预知布什么样的渠道,在各个渠道分别布什么样的货。
更深层次的影响也渗透到了物流和生产环节。薛贵荣强调说,这是一个以消费者诉求为驱动的整体运营和营销体系,体现的是企业运营营销全链路的贯穿。
这样的链路也许在双11还能稍见类似的踪影,品牌方和卖家为了迎接大量需求涌入,提前在渠道、备货、物流等方面做准备。而实际上,这样的提前准备仍然有一定的误打误撞心理——在空前的购物热情下,很多品牌面对的都几乎是备多少都能卖掉的场面,根本不是由大数据所体现出来的需求,因此回到日常销售,就又进入到了以供为主的原始路径。
“不要今天卖了多少货,再去决定生产多少东西,而需要再往前走一步,你知道消费者明天的需求,然后决定生产多少货。”薛贵荣告诉记者,以今天对消费者的洞察来看,大数据已经能做到这个程度。
而之所以薛贵荣能够先人一步地看到这一点,他认为,是因为他就是从RTB做起来的。早在阿里妈妈负责钻石展位业务时,他就看到了其中的局限性:一开始的业务逻辑很简单,就是人群定位为主,做“看了来买、买了再买”的定位行为,需求是由系统背后的工程师所决定的,但商家的主观能动性被制约。这就推动了“达摩盘项目”的启动,商家主动进行个性化营销的意识有了萌发。但当自动化智能营销工具“阿里魔镜”推出后,薛贵荣又发现,其实商家的主观能动性仍然有发挥的空间,完全可以再往前走一步,从消费者出发做营销。
“本质就在于我们越来越了解消费者,所以消费者的诉求提前被我们观察到了,所以消费者会买单。消费者买单,商家就会从中获益。”因此,薛贵荣强调说,无论大品牌还是小企业,都需要从RTB这种模式转变到以消费者诉求为起点的营销方向。
批判二:唯上帝论
不区分消费者之间的动态价值差异
早在1996年,《差异化营销》一书的作者葛斯·哈伯就提到,公司的小部分客户通常带来大部分的营业收入,客户数量与收入并不成比例,在营销领域,二八定律同样发挥着作用。
而直到今天,商家对于消费者的理解还是不够深入,薛贵荣把这种浅层理解称之为“数人数”,即只知道今天卖了多少货,却很少思考该如何利用消费者在店里留下的各种行为数据。
“不能单纯的说买过你东西的就是老客户,逛过没买的都是潜在客户,你(数据分析师)要区分客户的价值,达到‘你期望客户带给你的价值’与‘你送给客户的价值’之间的平衡,这是大家从来没有去想过的问题。”薛贵荣认为,两个不同价值的互相匹配是其中的关键,“用户是上帝”往往是一句口号,花钱最多和花在你这个企业身上钱最多完全是两个概念。
目前,针对消费者分层已经有许多成熟的营销模型。以四象限的客户体系模型为例,薛贵荣(数据分析师)认为,消费者可以按“花钱多的”、“花钱少的”和“花在你身上钱多的”、“花在你身上钱少的”来分类,以此来识别哪类用户才是真正的核心消费者。商家不需要对所有用户用同样的力,不是所有的消费者都要努力让他变成你的VIP客户。把“花钱最多的人”转化成“为你花钱最多的人”,这才是商家努力的方向。
例如,两个同样在你身上花了100元的人,第一个是个高富帅、白富美,每个月的花费成千上万,而第二个人是个学生,每个月只消费200元,这两个消费者对商家的价值完全不一样。前者还不是忠实用户,但可以争取让他花更多的钱;而对于后者,他的忠诚度已经够高了——消费者分层的意义就在于,要发现你的消费者处于怎样的位置,然后需要配合不同的运营方式。
薛贵荣还提到了另外一个模型RFM,这个模型强调了三个关键的客户信息,即最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。消费者在不同时间往往也呈现出不同的状态,经常到店、花钱最多且最近来过的客户是最忠实的消费人群,需要密切关注、经常刺激消费。“很多商家没观察到这类消费者的状态,没有意识到客人已经流失了。客户都要走了,你还不知道,还停留在花钱买广告的状态。”薛贵荣认为,营销的最高等级是关怀你的客户。
以这些模型为参考,商家实际上可以根据自己的情况,对消费者进行相应的分层,确定他们不同的营销空间,而不是做千篇一律的信息轰炸。
批判三:唯ROI论
没把消费者作为核心资产来管理
什么是企业核心的竞争力?很多人有各种不同答案,人才、创新、数据等等,这些都对,但除此以外,薛贵荣还明确提出,大数据时代,消费者才是企业的核心竞争力,需要把这群人当成资产来进行管理。
一个企业会周期性地对企业资产进行财务盘点,有多少钱、从哪里来、花到哪里去,这样的财务思路同样也应该用在消费者资产管理上。企业应该问问自己,到底有多少消费者、他们从哪里来、在我这里进行了怎样的消费,未来如何增值。
这样的管理和盘点,一个好处是能够保证投入和产出之间的平衡,就如上面所提到的消费者分层,思考“我对消费者的投入”与“他给我带来的价值”是否能够成比例,以此避免资源浪费。
这里需要避免的一个问题是:可能做一次活动的投入产出比很高,所以我的营销做得还不错的想法。大部分商家现在的营销手段还都是处在做一次性营销,搞一次营销活动,客户来了、买了,这次营销关系就此结束;待到下次再做营销活动时,又是一次从头再来。前后两次的营销是没有关联的,完全断层。这就是资产浪费的一个典型表现。
薛荣贵告诉记者,国外很多电商企业在拉新客和维护老顾客的投入比在2:8左右,而国内的营销几乎是在做完全相反的事情,不断地拉新客,却没有把客户管理起来,拉新客和维护老顾客的投入比在8:2左右。当下一波营销活动发生时,老客混在新客中,被推送着同样的信息。每次做营销都是零起点,营销资源极大浪费。薛荣贵认为,这并不意味着单次的营销活动不重要,而是要进行变革,以资产为主线,将多个单次活动串联起来,变成企业的营销规划。
管理和盘点在另一方面的意义更为深远,把消费者当成资产管理起来,让这部分资产进行升值。“当你有了资产的概念,你会考虑对资产不断的投入放大,让资产盘活起来。”阿里的粉丝爆炸器就是根据企业的已有消费者资产为样本,在一个上亿的消费者人群大池子里,帮助企业寻找未来成为该企业忠诚消费者的一群人,帮助企业达到资产放大的目的。通过不断的更新迭代,最终能够让一个企业的消费者资产能够十倍、百倍的放大,实现资产的增值。
(数据分析师)以消费者为中心的企业数据资产运营和营销,这必将是企业率先进入DT时代的一个通行证。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】大数据、零售商、消费者、供应链、运营、企业、产品、客户、数据模型、大数据平台、数据开发、系统运维、业务逻 ...
2026-06-26在物流配送、供应链履约、终端供货等业务场景中,送货率是衡量企业履约能力、服务质量、供应链稳定性的核心业务指标,直接关联客 ...
2026-06-26 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” ...
2026-06-26在数字化管理与数据化运营体系中,指标是连接原始数据与业务决策的核心载体。零散的原始数据只是无意义的数值堆砌,无法直接反映 ...
2026-06-25在Excel数据汇总、财务统计、业务复盘等日常办公场景中,经常需要完成逐行相乘、整体汇总求和的计算需求,最典型的场景就是:单 ...
2026-06-25 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 ...
2026-06-25【核心关键词】主数据、资产、供应商、现金流、企业、精细化、集团、数字化、中国、数据质量、数据管理、经营管理、地产行业、 ...
2026-06-24在数据分析、假设检验、AB测试、学术研究等统计场景中,显著水平(α)与P值(P-value)是判断统计结果是否具有统计学意义的两个 ...
2026-06-24小李刚入职了一家互联网公司的运营部门。第一次参加业务复盘会,运营主管问了一个看似简单的问题:“这个月新用户留存率下降了5 ...
2026-06-24在数字化转型全面渗透的产业背景下,数据分析已成为互联网、金融、零售、制造等几乎所有行业的核心岗位能力。很多初学者对数据分 ...
2026-06-23在企业并购、股权定价、投融资评估、资产核算等资本市场核心场景中,市场法是应用最广泛、市场认可度最高的企业价值评估方法。传 ...
2026-06-23 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-06-23【核心关键词】运营、证书、金融、客户、产品、软件、销售额、量化、科技、数据分析、金融行业、证券类软件、业务流程、金融机 ...
2026-06-22在企业方案选型、产品迭代评审、供应商筛选、运营效果复盘等决策场景中,单一指标的优劣判断往往无法支撑科学决策。一套转化效果 ...
2026-06-22 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-06-22【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17