第二節 數據營銷的架構

通過以上三個數據營銷階段，大家看到的更多的是企業如何利用客戶數據進行營銷，最后導致銷售的發生，用客戶數據來驅動整個營銷模式。但是，“數據營銷”這個詞覆蓋的范圍遠大于上述領域，如圖1-5所示是從基礎理論、數據基礎、知識領域、主要職責和商業目標這五個領域的架構對數據營銷進行的簡單介紹，在之后的章節將以此展開論述。

一 基礎理論

數據營銷涉及的基礎理論很多，作為基石的是高德納（Gartner）提出的客戶關系管理理論，它強調的是當一個企業的組織架構、產品設計、銷售模式等商業模式的各個環節都是以客戶為中心時，能明顯地增加企業的贏利能力、收入水平和客戶滿意度。之后人們對客戶關系管理的概念又有了不同的理解和更新。

此外，數據營銷還會經常使用分別針對老客戶維系的“客戶生命周期”和新客戶挖掘的“銷售漏斗模型”這兩個比較常見的執行層面的理論。

· 客戶生命周期。它回答了在運營商、銀行等契約型銷售行業，如何根據老客戶在產品使用的不同階段的表現進行針對性營銷，提升老客戶的維系效率。

· 銷售漏斗模型。在新客戶獲取過程中，通過整合不同的營銷資源，對客戶進行多波次營銷，做到不同營銷資源在整合營銷中的最優化。

以上三個理論會在之后的章節進行詳述。

二 數據基礎

要進行數據營銷，首先要建立一套系統用來存儲客戶數據，這就是CRM系統。小到輸入了客戶名片信息的工作表，大到價值千萬美元的Siebel和Salesforce等標準化的解決方案都可以被稱為CRM系統。對企業來說沒有“最好”的CRM系統，只有針對當前業務難點“最適合”的CRM系統。各種CRM系統中存儲的數據具有以下共性。

1．以客戶數據為中心

在不同行業開展數據營銷所需的客戶數據量和規模有很大的差異，但是所有客戶數據都是圍繞“客戶表”而建立的，通過整合客戶的歷史消費、社交媒體行為、營銷反饋等各種數據，最終建立“360度客戶視圖”（將在之后的章節闡述），把海量的客戶數據整合成業務類人員能簡單理解的客戶標簽，幫助營銷人員在正確的時間，以正確的方式、正確的促銷策略，推送正確的營銷內容。

2．數據類型

數據類型分為傳統CRM數據（非實時的，客戶姓名、手機號等基本不會變化，并且數據是唯一的）和數字數據（實時的，基于Cookie ID、MAC、IP地址的行為，是大數據和營銷技術的產物）兩種，兩種數據的整合目前仍然是數據營銷待解決的核心問題之一。關于不同的營銷數據類型和整合問題會在之后的章節敘述。

3．可用數據

有了大數據技術，現在有更多的渠道收集客戶不同類型的數據，并且數據量呈幾何級增加，在具體使用時，客戶數據貴在精而不在多。可用于營銷的數據有以下幾種。

· 聯系方式：客戶的姓名、電話等。

· 歷史購買：客戶以前的購買記錄，包括產品、金額、渠道等。

· 現有商機：多用于B2B領域，包括客戶當前的待采購項目情況。

· 連接關系：客戶和客戶之間的相互關系。

· 營銷反饋：當一個客戶收到企業的營銷后，是否有一個反饋動作，如打開郵件、參加線下會議等。

· 客戶屬性：性別、所屬城市、收入水平等客戶固有屬性。

· 客戶行為：通過營銷技術收集的客戶在互聯網上的行為，如是否瀏覽了某網站、停留時長、線下是否出現在某些地理位置等，這是大數據帶來的最大變化。

· 業務數據：不同行業的企業收集的客戶的個性化數據，如電信運營商收集的客戶撥打電話對象、銀行收集的客戶賬戶余額等信息。

三 知識領域

由于數據營銷涉及領域廣，對數據營銷人員的要求是多方面的。作為一個合格的數據營銷人，至少需要以下四個方面的知識架構。

1．統計學

在不同行業的營銷數據庫里，往往有太多維度去描述每個客戶的行為，如年齡、收入、性別、身高、職業等，客戶的購買行為特征與這些描述維度之間的關系無法通過簡單的分析完成，因此需要運用統計學從數學角度來發現客戶行為與各維度之間的復雜關系。

最著名的例子是沃爾瑪的“啤酒與尿布”。在沃爾瑪超市中有成千上萬種商品，沃爾瑪希望了解客戶當前最感興趣的產品以進行精確推送（如果沃爾瑪并不知道客戶的興趣點，只能在營銷活動中列出超市里所有的商品和折扣，這份直郵或電子郵件大概需要幾百頁，客戶完全不會花時間去看）。沃爾瑪通過統計學手法，對上億份客戶的購買清單記錄進行數據挖掘，判斷客戶在同一次購物行為中所購買的眾多商品之間的關系，最后得出一幅客戶畫像：購買某中高端啤酒的客戶有很大的可能性會同時購買嬰兒尿布，這幅客戶畫像的業務邏輯是30歲左右，有一定的消費能力，已婚且有了第一個孩子的爸爸，會購買價格不算便宜的中高端啤酒，同時會為自己剛出生的孩子采購尿布。基于這個結論，沃爾瑪可以對所有30歲左右的男性進行啤酒與尿布的捆綁銷售策略，營銷的效果會明顯高于尿布或啤酒的單品促銷。

另一個例子是國外某非營利性組織的募捐活動。該組織掌握了上千萬份人口數據，其中包含上千個客戶屬性字段，包括年齡、性別、家中是否養狗、狗的品種、狗毛的顏色等，那哪些屬性會影響客戶的募捐行為呢？通過對已有募捐者的分析，最后出來的客戶畫像是：40～50歲，黑人，女性，收入在貧困線上下，有宗教信仰。通過已捐款人群的畫像分析，該組織可以針對更大的符合客戶畫像的未捐款人群進行相似性營銷。這幅客戶畫像的產生是通過運用統計學，在上千個字段里挑出對客戶是否熱衷于捐款敏感性最高的因素，這與我們常規的認為有錢人會多募捐或中產階級更有愛心的認識不符，但是這個結論在之后的推廣活動中證明了其有效性。

2．業務

相比可以學習的統計學，對業務的理解只能通過長期磨煉而獲得，它是數據營銷人員最珍貴的才能，沒有三至五年的行業經驗，一個數據營銷人員無法真正對這個行業的數據營銷有一個比較深刻的理解。

例如，在IT行業有一場高規格的大客戶答謝會，主辦方在CRM中抽取了歷史收入最高的100個客戶進行邀請，最后來到現場的除了像中國銀行、中國電信這樣的大客戶外，還混雜了類似神州數碼這樣的代理商（從IT廠商購買產品并非自己使用，而是分銷到各個IT大賣場，銷售給客戶）。在大部分IT企業的CRM系統中，由于各種原因，代理商數據和真正的客戶數據往往是分不開的，只能通過外部名單的匹配來排除這部分并不真正使用產品的代理商。

又如，在大部分行業，客戶收入是容易獲得而且非常清晰的數據，但在運營商行業，由于收費模式是后付費（先使用商品，之后郵寄賬單，客戶再支付），因此收入被分為應收、實收、欠款等科目。再加上有些一線銷售人員為了完成指標，可能在CRM系統中做各種假收入（制造一個假客戶，簽訂真合同，開出真賬單，最后按照壞賬處理），看清楚真實收入并找出目標客戶，在運營商行業反而是一件很難的事情。

3．營銷

數據營銷雖然復雜，但仍是營銷的一個部分。要實行數據營銷，首先要了解營銷的邏輯和模式，考慮清楚營銷的4P（產品、價格、促銷、渠道）后才能制定更加貼切的數據營銷策略，最后嵌入企業的整合營銷環節中。

例如，一個醫療設備廠商要針對全國的醫院進行影像歸檔和通信系統的營銷，在制定數據營銷策略時，該廠商需要先了解自己的產品與競爭對手的優劣、在不同細分市場的強弱、營銷跟進的銷售資源能力等，最后可執行的數據營銷模式如下。

· 從外部獲取全國二級以上醫院的名單。

· 獲取每家醫院的X光片室主任、設備科主任、主管采購的副院長名單和聯系方式。

· 針對以上目標醫院進行一輪直郵。

· 在直郵上印制一個400開頭的電話號碼，由專人接聽客戶的呼入電話。

· 在直郵一周后，針對所有華北地區的醫院進行電話外呼，邀請客戶參加將在北京舉行的產品推薦會。

· 針對華南、華東地區的三甲醫院進行外呼，直接進行銷售。

· 將華南、華東地區的其他醫院名單交給當地的代理商，進行上門拜訪。

在以上的整合營銷流程中，數據營銷起到的是客戶細分、提供客戶聯系方式、打通各個營銷節點及優化資源的作用。

4．技術

這是數據營銷人員的基本功，要想精通數據營銷，必須會操作數量超過百萬條的數據庫，其中的基本技能包括以下幾個。

· 營銷數據設施相關硬件和軟件的技術：如何從零開始搭建一個數據庫，市場上各種主流解決方案的對比。

· 數據工具：如結構化查詢語言（Structured Query Language, SQL）、爬蟲及ETL工具、商業智能（Business Intelligence, BI）工具（如Tableau、Cognos）等。

· 分析工具：數據挖掘工具（如SAS、SPSS、Matlab等）和大數據工具（如Hadoop、R、SPARK等）。

· 營銷工具：包括營銷自動化、用戶忠誠度平臺等。

·大數據營銷工具：包括數據管理平臺（Date Management Platform，DMP）、用戶忠誠度平臺、需求方平臺（Demand-Side Platform, DSP）、網站分析、計算廣告等。

很少有人能掌握數據營銷涉及的所有工具和技術，但是作為數據營銷人員一定要知道這些技術領域的存在，并且知道這些領域中各產品的對比、優秀實施供應商，以及針對當前需求最適合營銷產品的鑒別能力。

四 主要職責

數據營銷對企業的作用不只是在營銷執行層面，在企業內部，數據營銷人員的定位是“最懂數據的營銷人”，一切與客戶數據相關的領域數據營銷人員其實都可以參與，主要集中在以下六個領域。

1．市場研究

相比傳統意義上解決戰略戰術層面問題的市場研究，數據營銷更加關注內部分析和傳統市場研究結果的落地工作，兩者并不是各自孤立的，而是互補的關系。如表1-2所示是兩者的對比。

在一個大型企業內部往往有市場研究團隊直接向總裁或市場總監匯報，這些市場研究的專業人士需要看得懂宏觀經濟，了解行業的最新走勢，對當前業務有定性的認識。他們對公司的價值是能提供宏觀到中觀層面的指導意見。

相比專業市場研究人員，數據營銷人員需要更加了解企業內部的運營情況（收入分析）和營銷現狀，幫助市場研究的結果進行“最后一公里”的落地。數據營銷更加關心的是市場研究提出的一些重點細分行業（如制造業）及定義是什么（如建筑業算不算制造業，有多個業態的大型集團中哪幾種業態算制造業），最后產出的是落地的客戶清單和企業內部能落地的銷售組織。本書第四章關于數據驅動的業務模式重構中會有相關案例介紹。

2．營銷策略

通過前期市場研究的職能，數據營銷人員對企業宏觀層面的策略有了一定的了解，當市場部制訂營銷計劃時，數據營銷人員需要配合市場經理完成這些業務策略與營銷計劃的結合。一般企業是按照季度來制訂營銷計劃的，而市場經理的角色是按照細分市場來配置資源（如對某重點行業、重點地域配置對應級別的市場經理）。在營銷計劃中，市場經理需要根據公司給出的業務策略，明確當季度自己所轄領域的重點覆蓋細分市場（因為沒有任何一家企業有足夠的資源對全市場進行重模式的覆蓋，與其在全市場進行輕模式的覆蓋，不如將資源集中在少數幾個重點細分行業，反而能產生更好的效果），數據營銷人員需要從數據上給出市場細分和客戶細分，看清楚這些細分市場的現狀（當前收入、已有客戶數量等）和市場容量（所有目標客戶的數量等），并且評估現有CRM系統的數據是否能支撐針對細分市場的營銷落地，以及支持市場經理的營銷計劃落地。

例如，某大區化妝品行業的市場經理策劃在其所轄范圍內進行某產品的推薦，數據營銷部門需要告訴這個市場經理，在其所轄大區中所有城市的購買潛力、市場份額和歷史收入狀況，幫助市場經理在上百個城市中挑選出最有價值的少數幾個城市，并且列出CRM系統中現存的客戶數據數量，以幫助市場經理判斷如何對這些城市進行覆蓋：是通過無差別的廣告推廣，還是利用CRM系統的客戶數據進行點對點的數據營銷。同時，數據營銷人員還要評估CRM系統中的數據質量（如數據的更新時間），使市場經理能提前預期營銷效果。

3．商業智能

市場上很多講數據庫營銷的書籍都會大篇幅地講述商業智能和營銷數據的挖掘，商業智能本質上是一種將CRM系統中復雜的數據轉變為企業業務層面可用的洞察技術，它包括數據挖掘和數據可視化兩個領域。

（1）數據挖掘

如前文所述，CRM系統中記錄了客戶各類復雜的信息，從個體來說，每個客戶的行為都會有差異。要對復雜的客戶進行簡單化分析，只能通過統計學方法和數據挖掘工具，去繁就簡，把海量數據濃縮成少數“標簽”，幫助企業完成客戶畫像、交叉銷售、產品定價等商業目標。

（2）數據可視化

對與數據常年打交道的營銷數據人員來說，看到電腦屏幕上出現的一堆數據時能迅速提出見解，但是對業務類人員（如市場經理、部門總監、公司管理層等）來說，他們沒有任何數據操作經驗，他們對CRM系統的訴求就是一個簡單的答案。例如，兩個細分領域都投資50萬元進行營銷，產出都是500萬元，哪個細分領域的營銷做得好？這個問題只有通過與歷史收入的同比和環比，與競爭對手業績的對比，才能找到答案，而且這些答案需要通過一些餅圖、柱狀圖展現才能讓業務人員更加直觀地理解。

4．營銷執行

大部分的人提到數據營銷時，說的就是營銷執行這個環節，它為營銷活動直接提供客戶數據。這些數據按照又分為傳統CRM數據和數字數據兩種。

（1）傳統CRM數據

利用CRM系統中存儲的客戶數據進行營銷，這些客戶數據來自歷史訂單數據、營銷活動的積累、外部采購等，有清晰的客戶姓名、聯系方式，傳統的營銷方式（直郵、電話營銷、電子郵件等）會用到這些傳統CRM數據。例如，在我們常見的直郵中，數據營銷人員先通過一定條件（包括姓名、聯系電話和郵寄地址等字段）抽取目標客戶名單，之后將客戶數據交給市場經理進行營銷執行。在營銷活動結束后，數據營銷人員還需要對營銷中辨別的錯誤數據（錯誤信息刪除、新信息更新等）在CRM系統中進行更新。

（2）數字數據

不同于傳統CRM數據，客戶的數字數據不會涉及客戶的具體姓名、聯系電話、地址等敏感數據，更多的是基于一些設備（如電腦、手機）通過營銷技術采集的客戶互聯網行為。數字數據對客戶的識別是基于這些設備的編碼，如Cookie ID、IP地址等。例如，客戶在電腦上瀏覽了某電商網站的商品，Cookie分析可以幫助企業通過客戶的Cookie ID（一串數字和字母形成的亂碼，基于瀏覽器，默認每個瀏覽器產生的Cookie ID背后是同一個客戶）識別客戶在互聯網上查看的商品種類。數字數據被應用于數字營銷領域（程序化購買、社交媒體營銷等），雖然企業不知道這個客戶具體是誰，但是基于這臺識別了客戶行為的設備，企業可以推送各種新型的、實時的、個性化的互聯網廣告和營銷方式。

5．電子商務

過去十年電子商務的興起和成熟改變了企業的營銷和銷售模式，特別是那些銷售額緩慢增長的零售業。如圖1-6所示是來自eMarketer的調研，電子商務的銷售額每年都有10%以上的增長。以美國為例，按照eMarketer的預測，電子商務占總零售市場的6%，在服裝、食品、圖書、玩具等細分市場，增長率超過15%。

在中國，電子商務占零售市場的比例遠超美國，在2014年已經達到10%以上。而且由于物流成本比美國低得多，在過去幾年，國內的線上線下（On line to Off line, O2O）模式引來了大小互聯網公司的瘋狂投入。對數據營銷來說，關注點也從傳統CRM數據轉變為數字數據。在電子商務領域，數據營銷的主要貢獻是電商引流和運營分析。

（1）電商引流

正如前文所說，由于大量電商的出現，電商的最大優勢“流量紅利”已經非常稀薄，對企業電商運營團隊來說，最大的挑戰是找到投資回報率最大的引流路徑。不同于傳統的銷售過程中，企業無法掌握客戶購買歷程的全過程，電子商務通過各種流量分析工具，可以將客戶歷程追溯到更遠，給予更精準的、定量的營銷渠道投入指導。

例如，當一個客戶進入一家4S店購買了汽車，傳統數據營銷只能追溯到這個客戶是乘1路公交車來的，但這是否意味著汽車企業需要將所有營銷資源都投入到1路公交車上做車身廣告呢？答案必然是否定的。但是，由于缺乏數據的支撐，企業只能盲人摸象似地將資源投入憑經驗“可能起作用”的營銷渠道中。

現在，有了營銷技術和大數據，當一個客戶在電商平臺上購買商品時，企業可以追蹤到這個客戶過去對各類商品的購買歷史、在社交媒體上的行為等各種數據，通過以上數據能判斷這個客戶的全購買歷程中每個節點受什么樣的渠道和內容影響，最后決定將營銷資源投入對客戶購買影響最大的節點上。

（2）運營分析

雖然電子商務的最后交易體現在電商平臺上，但是社交媒體平臺（如微信公眾號）、企業官網、APP、線下地推的二維碼等也是電商引流的主要渠道。相比過去只能看到頁面瀏覽量、訪問人數等簡單的運營數字，營銷技術中的網站分析（在網頁上埋設追蹤代碼）和各平臺開放的API接口（如微信公眾號、微博）可以追蹤這些平臺上的客戶行為，幫助企業進行這些平臺的營銷內容優化，指導資源投入。

例如，在微信公眾號運營中，可以在線下使用的二維碼中埋入個性化代碼，當客戶在線下掃描這個二維碼進入微信公眾號時追蹤客戶來源；同時利用微信提供的API接口追蹤線上流量來源，當客戶點擊線上鏈接進入公眾號并關注時，企業能知道哪個渠道起了作用。除了以上客戶來源追蹤，當客戶在微信公眾號中接受了足夠的產品教育，進入購買階段，并通過公眾號領取二維碼形式的電商優惠券，在電商平臺使用時，企業同樣可以追蹤到微信公眾號對電商銷售的引流貢獻度。

6．數據設施

傳統數據營銷涉及的系統相對較少（CRM系統、外呼系統、數據倉庫等），這些系統一般由企業的IT部門統一進行建設。隨著營銷技術的發展和營銷場景的豐富，所需要的數據設施日新月異，營銷系統也越來越復雜，一般隸屬于市場部的數據營銷人員需要代表業務層面（市場部）與IT部門進行溝通，指導和參與企業的數據設施建設。

以一個看似簡單的企業微信公眾號為例，在2015年微信公眾號還只是作為品牌推廣的主陣地之一，到了2016年，很多零售業企業開始打通微信公眾號與電商平臺、ERP系統、會員積分體系、線下店面銷售體系的連接，把微信公眾號作為串接內部運營流程和外部客戶銷售服務流程的關鍵環節，為企業建立以客戶為中心的“營銷—銷售—運作”體系，在企業內部，這樣的微信公眾號項目往往由同時具備業務知識和IT能力的數據營銷人員牽頭實施。

五 商業目標

對大部分企業來說，數據營銷是復雜且投入巨大的領域，那企業高層是如何看待數據營銷的呢？

1．數據驅動營銷

企業高層往往是帶著復雜的感情來看待“營銷”這個詞的，從正面意義來說，營銷的確能帶給企業持續的收入，此外，不同于強烈本位主義的前端銷售和后端產品部門，營銷人員能告訴企業高層一個相對真實的市場情況。但是從負面意義來說，營銷的高成本往往會壓縮一個企業的利潤。世界上第一個真正意義上的廣告主約翰·沃納梅克（John Wanamaker）說過：“我知道在廣告上的投資有一半是無用的，但問題是我不知道是哪一半。”往往只有少數大企業才有資源去嘗試不同的營銷方式，試出哪些是有效的。而大部分企業資源有限，如何得到利益最大化的營銷結果是高層最關心的。對數據營銷來說，整個營銷過程都是圍繞著客戶數據發生的，一個營銷活動是否接觸了正確的目標客戶、客戶對營銷內容是否有好的反饋、最后帶來多少收入等，這些衡量節點都能通過數據來定量分析。相比無法衡量結果的電視廣告、戶外廣告，數據營銷至少能看到定量的投入產出比。

此外，當企業完成了客戶數據的積累后，會產生個性化的、以客戶數據為中心的營銷模式（本書第二章和第三章介紹了相關案例），能將營銷更好地融入銷售和運營體系。

隨著電商的發展，企業會發現“數據”已經成為比資金更重要的企業核心資源，通過客戶數據可以形成如聯合營銷這樣的模式，改變傳統的“企業—供應商—客戶”的單線關系，形成更大的生態圈；通過資源整合，在大幅度降低營銷成本的同時還帶來了更好的營銷結果。第二章的第六節“跨界合作”中將對此進行介紹。

2．數據驅動業務

縱觀企業前端銷售和后端服務的各個環節，在很多行業都能通過客戶數據將它們進行串聯，特別是在電信、金融、零售這些產品高度同質化的行業，客戶數據已經被視為企業實現新的商業模式、提升自身競爭力的核心資產。客戶數據除了應用于營銷，還可以應用于企業內部資源整合、收入考核、架構重組等業務模式重構等領域。第四章介紹了三個業務模式重構案例，這些案例的最后落地都需要基于客戶數據。