为什么会出现无效的营销?怎么用数据化思维来提高营销效率

常常甲方费尽心血做了一个产品,又花了很多钱做推广,但是消费者根本就不感兴趣,也不愿意花钱去买。

甲方常常就会很苦恼,也很委屈,觉得我的产品这么好,你为什么不买。有时候他们就会质疑服务他们的乙方公司,也就是公关营销公司,乙方也觉得很委屈,我很认真地践行你的需求了,效果不好不是我的原因啊。

那么,为什么大家做了这么多努力和尝试,但是最后营销的结果却是无效或者是低效的?

我们部门一直在研究这个问题。在这个大数据时代,数据环境已经发生了翻天覆地的变化,把数据化的思维应用在营销领域,就可以极大地提高营销效率。通常,我们只需要把问题背后的数据搞清楚,并且正确地分析和使用这些数据,就能发现很多现象背后的规律,找到最有效的解决方案。

 

一:为什么会出现无效的营销

 

视角偏差

无效的营销常常是自 high 式的。无效营销常常就是因为企业自 high 所以才会发生的。就像我刚才说的,企业觉得自己已经用尽了全身的力气,出了一个很好的产品,找了最好的公司来做推广,但是你给到消费者的东西,消费者并不需要,这背后的问题在于视角的偏差。企业用企业的视角看问题,但是消费者也有自己的视角,这是无效的营销出现的第一个原因。第二个原因,是对于数据的错误解读,这个我们一会儿再说。

首先,我们重点来谈一谈什么是企业视角,什么是消费者视角,以及数据怎么帮助我们了解这两个视角的不同。

举一个我们刚做过的最新案例,这个案例服务的是一个川菜品牌,这个品牌的创始人说,他们一直坚持食材的质量,对于口味要求也很高,而且一直不涨价。创始人甚至说,还要推出一元菜,给消费者更大的实惠。但是去店里的消费者却越来越少,他非常苦恼,也不理解。

你看,这可以说是一个认真对待消费者的良心企业了,为什么消费者还不买单呢?我们帮他做了一个品牌形象的梳理,有一个关键环节就是通过消费者的视角,来看他们心中的这个品牌是什么样子的。

我们使用了很多不同类型的数据,这里面既包括整个餐饮大盘的数据,也就是行业数据,也包括了针对消费者的调研数据。首先,2017年整个中国餐饮大盘的数据里面,只有16.4%的消费者在点餐的时候,会把性价比放在第一位,大家向周围的人推荐一家餐饮品牌的时候,主要理由也并不是价格,价格的占比是非常低的。所以说,价格不是那么关键。那么,大家到底在意什么呢?我们进行了大样本的调研,数据显示,排名第一的是口味。这个你也能想到,只要是吃饭,大家首先在意的是好不好吃。可是,如果你只在意是不是好吃的话,你现在完全可以点外卖。所以,如果是外出就餐,除了口味,大家还看重什么?

这个结果就有意思了,答案是环境、氛围,还有服务等这些有点务虚的东西。而且尤其是新一代的消费者,90后的人群,他们更愿意为了这些因素花钱。你看,有的时候,一些网红店非常火,实际上它们饭菜的口味也许并不那么令人惊艳,但是大家还会去,图什么呢?图的常常是心理上的一种满足,比如说我在那儿感觉很放松,环境很好,或者说我可以发朋友圈打卡,到此一游,这是一种体验。很多人外出就餐并不是只图那口吃的,主要就是为了放松和享受,这是一个大的原因。

但是刚才说的那位创始人,他却觉得低价很重要。他们一直坚持不涨价,其实承担着非常多的代价。最直接的代价就是,利润低,就没有办法升级他们的环境,消费者就不愿意来,导致利润更低。这就形成了一个恶性循环。

为了进一步了解这个情况,我们还做了消费者访谈。其中,有一个这个品牌的忠诚消费者说,他老来这里吃,是因为他们公司每天餐补是40多块钱。在附近,这个价钱能吃得起、还吃得好的餐厅也就这一家了。你看,他的行为是很忠诚的,但是从态度上来看,他对这个品牌不是真爱。另一个消费者说,要是请朋友吃饭肯定不会来这家,因为环境很一般,尤其是最后一结账,人均50,对方会觉得自己很小气。

这就是企业视角和消费者视角的巨大差异。品牌创始人当天晚上就失眠了,他觉得追求物美价廉,就是最好的服务,但是消费者做出购买决策时,最关心的除了口味之外,是吃饭时良好的体验,这个品牌当时却提供不了。

那什么是营销视角呢?就是企业视角和消费者视角的交集,也就是品牌既能提供,消费者又非常需要的功能。我们要做宣传推广的,就是这个交集,这样的营销效果就会大大提高。

 

timg-2

 

数据的错误解读

有的企业发现数据很重要,也花钱做数据分析,但是他们发现,按照数据分析的结果去做,效率也不高,这是为什么?这个问题背后,是很多人对于数据错误的分析和解读。主要来说说,关于大数据的能力和边界局限问题。

根据 IBM 的定义,大数据有五个特点,也叫 5V 理论,因为这五个特点都是用英文字母 V 来开头的。我们用中文来表述

第一:个是大量的,就是说数据量非常大;

第二:是及时性,你可以理解为即刻发生的事情,非常快速;

第三:是多样性,你也可以理解为多元性,就是大数据有各种类型,可以反映很多方面的问题;

第四:是有价值的;

第五:真实的。这是大数据的五大特点。

但是有的人对于大数据过度信任了,认为只要是大数据出来的结果,就一定是对的。我们分析问题主要出现在两个方面,一个方面是刚才说到大数据是大量的和多样的,但是大量和多样的数据不见得就可以全面地反映问题。

我举个例子,我们服务过一个空气净化器的品牌,这个品牌想要了解,产品应该卖给哪些人。他怎么利用大数据呢?他会去找线上所有在一定时间内讨论了净化器的用户,去收集他们的数据。数据告诉他们,这些讨论的人大部分都是第一次买净化器。那是不是可以得出结论,这个企业应该面对那些要购买人生中第一台净化器的消费者做营销呢?

这看起来是似乎是因果关系,但是其实你会发现,那些买过净化器的人,如果需要买第二台、第三台,是不会像新手这样频繁地在网上讨论的。他们可能也是购买净化器的主流人群,但是刚才我们说的数据就覆盖不到这群人。

再引申一下,这个问题不仅仅会发生在消费者研究上面,还会发生在预测上。有的朋友可能会发现一个问题,有一些大数据机构很喜欢做一些预测,非常典型的就是对电影票房的预测。一开始大家也觉得,既然是大数据预测出来的结果,一定是准确的,但是事实是,我们常常会发现这个影片真正上映之后,它的票房结果跟之前大数据预测很不一样,常常大数据预测说这个电影特别好,但是最后的票房很不好,这是为什么?有人会说这是大数据能力没有那么高,但实际上,根本原因还是大数据不能全面地反映问题。

我们可以通过分析很多因素来预测电影票房,比如导演以前作品的情况,影片主创以前的票房,故事题材在现在这个时代是不是受欢迎等等。听起来很全面,很多元,但是你很难穷举所有的可能性。比如电影上映前,有一个主创吸毒被举报了,票房就会大受影响,甚至得重拍,而这种突发事件是没办法预测的。退一步说,即使没发生这种突发事件,电影上市后,也只有很短的一段时间内,票房跟之前的营销推广是有很大关系的,但是在后面更长的时间里,大家要不要看电影,却主要取决于周围人的口碑,以及一些专业平台的评分,这是都是前期没办法预测的。所以,我们在使用大数据的时候,要注意它是不是能全面地反映问题,不要简单地通过因果关系就得出结论,这是误解大数据能力边界的一个表现。

接下来我再说说误解大数据的第二个表现。很多人以为只要数据真实,就有用,实际上也不是这样。举个例子,我们之前给一个品牌做代言人的评估,评估影视明星张震适不适合代言这个品牌。我们收集了全网半年以来所有跟张震相关的数据,这些数据都是真实的,但是初步梳理的时候发现,有一半以上的数据是没有用的。比如这里面有很多张震岳的数据,在数据采集的时候,张震这个词是含在张震岳里面的。而且还有一个讲鬼故事特别有名的明星,也叫张震,同名同姓,还有一个非常有名的配音演员,也叫张震。这些数据都混在一起。数据都是真实的,但是对我们来说不是都有用。尤其是我们做语义分析,想要分析消费者态度的时候,就很困难,因为汉语特别复杂,同样一种情绪,我们可以用很多种词汇来描述,这在数据识别上就会造成很大的障碍。

刚才我们说的这两种对数据解读的偏差,反映出来的问题就是简单建立因果关系。我们看到数据量很大,很多元,就觉得结果是对的,但是可能有一些很重要的前提没有发现。比如刚才说的空气净化器,老用户也买,但是他们的数据在网上相对少,分析的时候就容易忽略掉。

简单总结一下,无效的营销常常是自 high 式的,背后常常有两种原因。

  • 第一种原因是甲方只站在自己的视角想问题,而没有站在消费者的视角,数据化的思维可以帮助我们找到双方视角的那个交集,那个交集才是营销视角,企业应该重点推广,并且效率很高。

  • 第二个原因是企业对数据的错误解读。有人认为大量和多样的数据就能够全面地反映问题,其实不见得。另一方面,大家觉得真实的数据就一定是有用的,其实也不是。

看起来,我好像在说大数据的坏话,但实际上不是。现在是一个对数据越来越重视的时代,也是数据越来越能发挥作用的时代。我们追求的事情,就是通过数据化思维,帮助企业发现问题的本质,然后去解决问题。只不过在这个过程里,不要神化大数据,所有类型的数据都只是工具。

 

二:数据帮助品牌提高营销效率的

在数据化的环境里,现在我们营销人的工作模式跟以前相比,发生了很大变化。传统的营销模式是甲方客户先提出一个目标,然后大家也不管这个目标对不对,就关起门来头脑风暴,想出来一个方案给到客户。客户不满意,但他也不知道自己究竟想要什么,就说你们回去改吧。于是,大家回来继续头脑风暴,用各自的聪明才智和历史经验使劲想,有时候方案能改十几版。最后时间到了,客户看了看诸多的方案,说还是用第一版吧。然后在执行阶段,大家就严格按照这个方案来执行。最后写一个报告,交给客户,客户也未必很满意,有的时候会觉得效果不好,花的钱打了水漂。

 

传统营销的工作模式

 

现在到了数据化时代,营销过程发生了根本性的变化。我们会把整个工作流程拉得更长,所有决策的过程都要引入数据,大到制定什么战略,小到挑什么媒体、借势哪个话题,都要用到数据来帮我们提高决策效率。比如甲方客户提出了不切实际的目标,就可以用数据帮他纠正回来;比如我要针对消费者做方案,那消费者是谁,他们有什么特点,他们在网上买什么东西,数据都可以告诉我们。在执行的过程中,市场会发生变化,实时监测数据就能帮我们优化策略。这样整个过程下来,我们的方案肯定是更高效的,积累下来的这些数据,又变成了我们下一年新的计划的依据,这就变成了一个有效的闭环。

 

数据化思维的工作模式

 

你可能要问,具体应该怎么做呢?我给你分享一个奥美的经典模型,叫商业企图红星模型,也叫 5C 模型,它主要由5个单词组成,每个单词都是英文字母 C 开头的。

 

商业企图红星模型(5C模型)

 

这个模型对应的5个方向分别是企业、品类、竞争、消费者、渠道,你可以用这个模型来找到营销目标,以及怎么做营销。

我详细来解释一下这个模型

第一步,要先知道企业自身的情况是什么样的,对应到数据上,就是企业现在影响力的大小,用户的情况,企业自己有什么资源,有多少推广费用等等;

第二步叫品类,就是我在一个什么样的环境里发展,在这个环境里我是谁,这里的数据,你可以通过了解行业趋势报告、行业消费者报告以及一些线上的指数工具等来获取;

第三步,我的竞争对手是谁,他的情况怎么样;

第四步,谁是我重要的目标消费人群,他们有什么特点;

第五步,这群人在哪,怎么能触达他们,他们的购买渠道又是什么。

这五个问题弄清楚之后,就不但了解了自己,还了解了竞争对手,也就能制定一个合理的商业及营销目标。在这个过程中,数据有很多用武之地,这里我重点给你介绍两个。

先说怎么用数据思维找到品牌的市场机会点。举个最新的例子,一个在线减脂营的品牌,他们主要是通过线上的饮食和运动指导,帮大家减掉脂肪。我们用 5C 模型做一下梳理。

第一,先来看看企业的情况,它的规模比较小,资金有限,推广费用也很少,核心竞争力在于它的核心成员在业内是非常资深的专家,也就是人上面的资源。以及它这几年来通过自己的努力,已经积累了上万名学员,老学员们对于品牌的好感度比较高。

第二,我们看一下品类。减肥健身的行业是绝对白热化竞争的红海,里面有各种各样的品牌,而且细分化也做得非常不错。你可以吃代餐,可以去健身房举铁,或者去练瑜伽,都能达到效果。在这样一个红海的环境里,一个资金实力比较弱的品牌,情况就不太妙。

第三,我们再来看一下竞争对手。这个减脂营跟其他产品的区别也有限,我们去做用户调研,数据显示,大家说不清楚你的品牌跟其他品牌在功能上有什么区别。想差异化胜出,以它当时的表现,是非常难的。

然后我们再看第四项和第五项,消费者的情况怎么样,以及他们在哪。我们做了一个人群画像,就发现了一个特别有趣的事情,大家在减肥健身的过程中,最难克服的障碍是心理障碍,有四成多的人选了这一项。这背后反映了什么呢?就是说要减肥的人不是不知道正确的方法,也不是没有钱,而是做不到。明明知道不能吃太多糖,还是控制不住自己向蛋糕冰淇淋伸过去的手;明明知道应该早睡,但是刷微博刷到两点;明明今天有时间跑步,但就是不想出门。这是最关键的问题。

所以,在这样的前提下,这个品牌只需要增加一组健身心理学的专家来帮助大家解决心理障碍的问题。这样,这个品牌的差异化就出来了,消费者们也都非常需要这个新功能。而且,这样一来,这个品牌甚至跟其他同行都不会构成竞争关系,因为别人解决不了这个问题。

你看,我们通过梳理 5C 模型,运用数据化的思维,给这个线上减脂营找到了差异化竞争的方向,提高了效率。

说到这儿,我还想给你推荐一点数据分析的小窍门。比如讲到上面说的品类数据分析的时候,可能你想了解一下这个行业是红海还是蓝海,除了翻行业分析报告外,你还可以看这个行业主流企业相关 App 的下载趋势。比如我们之前帮助一个美图软件分析市场,关注的就是行业里面排名前几位的 App 的下载情况,看这个下载趋势是放缓了,还是在上升,这些数据的背后也能展现行业目前是红海还是蓝海。如果下载趋势是一条上升的斜线,并且斜率很高,那说明品类就处在上升期,很有可能整个行业都处在一个正在急剧发展,并且还没有形成残酷竞争的蓝海状态。

再说怎么收集竞争对手的数据。我想给你重点推荐一个可能被低估的工具——百度指数。很多人都用百度指数,但是主要看的是第一页,也就是搜索的趋势变化,它的第二页还有一个需求图谱。这个图谱非常好用,可以帮品牌找到真正的竞品。比如你搜索了牙膏品牌高露洁,在百度指数的需求图谱里,他会收录大家搜索高露洁这个词之前搜了什么,搜了这个词之后又搜了什么,这些词跟你搜的词就是有强关联的词。比如高露洁的关联词图谱里,你会看到佳洁士,这就说明,在消费者心中,高露洁和佳洁士是摆在一起比较的,大家不会把高露洁和冷酸灵放在一起比较。这个数据可以很快速地告诉我们,消费者认为你的竞争对手是谁。

还有,像主流的互联网平台,都有免费的指数工具,比如微博指数、阿里指数等等,感兴趣的话你也可以去搜搜看。

 

总结

咱们主要分享了两个话题,首先为什么会出现无效的营销,这个背后常常是因为视角偏差,以及对数据的错误解读。其次是怎么用数据提高营销效率,我分享了数据时代营销过程的本质变化。在新的营销流程中,不管从战略到战术,数据都可以支持我们做出下一步的决策。我还分享了一个很关键的模型,叫做商业企图红星模型,是奥美一个很重要的思维模型,这个模型可以帮助企业找到对的目标。模型分成五个角度,一个是企业,也就是品牌,第二是行业,第三是竞品,第四是消费者,第五是渠道。我们只要把这五个方向背后的事情搞清楚,就能够很高效地做出对的决策,营销效率可以得到很显著的提升。

除了上面讲到的这些内容,我还想再重点强调一下,我们想要传递的并不是营销的理论,或者是数据的工具,而是一种数据化的思维方式,这种思维方式一方面可以帮助我们真正找到对的问题,另一方面可以在一个对的方向之下,找到一个切实可行的高效的解决方案。这种思维可以帮助品牌找到市场的机会点,为企业找到对的目标消费人群,甚至是帮助品牌找到合适的代言人,以及帮助品牌设计一个科学的 KPI 体系等等。这些类型的事情乍一看都很不一样,但是它们的背后,都是数据化思维方式

我觉得非常感恩的是,我们现在的时代非常好,因为我们现在是站在巨人的肩膀上,有大量的各种各样的数据公司在提供他们的产品和服务,我们可以使用很多非常好用的数据工具。这些特别重要的武器都可以帮助我们更加快速地接触到事实的真相,帮助我们进一步做出洞察。但是我想再次强调的是,数据只是一个工具,更重要的是使用它的方法,因为数据是死的,背后的洞察才是最重要的,这才是数据化营销最正确的打开方式

浏览量:0
创建时间:2019-09-22 11:58
收藏