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，最后结果输出。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输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输出结论。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。