大数据营销的三大流派:刻舟求剑、叶公好龙和甩手掌柜
【导读】首先要强调一点,本文讨论的重点是大数据“应用”,尤其是针对企业营销的大数据应用,对于大数据技术本文会有少量涉及,但是对于大数据工程、大数据科学,这不是这篇文章关注的范畴。
大数据营销应用,在大数据带来的各类应用中,恐怕是品牌企业最关注的一个方向。被许多媒体报道过的ZARA的案例,就是一例典型的基于大数据获取、分析,完成经营及营销决策的案例。这个案例让很多企业认识到,通过大数据了解客户的喜好趋势、提高利润空间,可能是一个非常有效的途径。但是我们要知道,因为大数据很大,从关注到真正做出适当的投入和适应的配套动作,对于企业来讲,其间的距离并非举步既至,反而往往充斥着各种认识误区。就笔者所见,认识误区至少有三大流派:刻舟求剑派、叶公好龙派和甩手掌柜派。
报道ZARA案例的媒体,很少会将另一个案例拿出来进行对比性分析——H&M的大数据案例。在大数据方面,H&M与ZARA投入的热情不相伯仲,但是从大数据获得的收益却判若云泥,最重要的一个原因就是,在如何落实大数据得出的经营决策上,出现了较大的差异。ZARA对于大数据提供的决策信息落实得坚决而高效,配套大数据的管理链路非常通畅,直接指导到产品设计、生产、分区域投放的各个环节。对比而言,由于H&M产地分散到亚洲、中南美洲各地,使用大数据后,H&M又没有采用有效措施缩短跨国沟通的时间,这拉长了生产和经营适应大数据决策的时间成本。如此一来,大数据即便及时反映了各区域市场的顾客意见,H&M却无法立即改善,资讯和生产分离的结果,让H&M内部的大数据系统功效受到限制——这造成了ZARA为大数据获得的成绩弹冠相庆之际,H&M却认为大数据价值了了的现状。
上面这个案例是大数据应用的常见认识误区之一,笔者称之为刻舟求剑型认识误区,这种认识误区最大的特点是,看到大数据的视角是孤立、静止的,虽然愿意投入很大力量在大数据获取和分析方面,但是企业的其他管理配套却依然故我,并没有针对大数据应用做出更多的适应性调整,导致大数据工作的最大成就,只是获得了一堆数据而已。
令人遗憾的是,其实多数企业在大数据应用上,都或多或少的有一点刻舟求剑的毛病。判断一个企业在大数据应用上是否刻舟求剑,只要看参与大数据项目的部门和主管在企业中的地位和驱动力就可以知道。如果一家企业的大数据项目,其主对口部门是企业中的会员部门或者是技术部门,或者其他五花八门的总监级别的部门,除了这个对口部门外,并没有能够同时管理多个业务块的更高级别的干部关注大数据项目,那么基本上可以判断,大数据项目的成果多半跑不出数据范畴,想要对营销决策、产生企划和市场投放决策产生高效而持续的影响,基本上没可能。
企业的这种组织安排,显示出他们基本上没明白,大数据跟ERP有一点类似,要想产生效果,就要对旧有的一些管理链路、运营思路进行适应性改变,否则,希望大数据像一个模块一样,只要嵌入企业旧有营销链路,就能运转如神,那基本上属于痴人说梦。
刻舟求剑派虽然问题多多,至少在行动上还是有其坚决一面的,当发现投入不能得到应有产出,企业也还有机会亡羊补牢,对管理链路进行调整,从而使得大数据获得的决策信息、营销数据能够有效传递到相关部门。
笔者最怕的是碰上叶公好龙派,说起大数据的时候极为热情,上手实施的时候,要么手面极小,根本无法保证大数据所需要的资源总量;要么对于大数据必须有的一些工具建设、策略优化、数据准备工作指指点点、不予配合——这两种情况,都非常常见,往往让大数据服务提供商哭笑不得。
我们以面向营销促销的大数据挖掘应用为例,这种应用的目的都是通过精准的人群建模和工具体系建设,使企业能够有效提高新客户数量、新客户下单转化率、老客户复购率等等指标。这种应用无非是两个大类:企业有数据,或者企业没有数据。如果企业手中有大数据,那么必然要经过数据清洗、建模、挖掘、形成策略、建立营销工具、支持营销等多个步骤;如果企业手中没有大数据,那么必然要考虑首先找到数据源、建设数据获取工具,然后同样是清洗、建模、挖掘、形成营销策略、建立营销工具、支持营销等多个步骤。
如果我们碰上的是一家叶公好龙的企业,那就热闹了。比如服务提供商说数据要清洗,客户就可能会质疑:“我做DM和EDM的时候这个数据都能用,不用清洗,你们直接建模吧。”服务商就解释:“做DM或者EDM,只需要有联系方式,和一个粗略的人群分群,就可以了,但是转化率很低,通过数据清洗,我们要剔除其中所有不合格、不准确的数据,完成数据补齐等等工作,这是建模之前的必要步骤。”客户不听解释,反而更加质疑:“你们是不是不够专业,才对数据质量有这么高要求?要是我的数据像你要求的那么好,我找你们来干嘛?”
——照这样沟通,只有一个结果,服务商撤出项目,客户还觉得自己被人骗了。
还有一个门派,是最大的一个门派——甩手掌柜派。这个门派最大的认识误区特点是:我找大数据服务商来,就是给我干活的,我要什么,他给我什么就可以了,到底大数据是怎么运作的,我才不需要去明白呢!我要是都懂了,要他们干什么?
这个门派人数众多,是前述两个门派的火药库。就是由于“我不需要搞太懂”这个思维的存在,甩手掌柜们总会在该问的时候呆若木鸡,不该问的时候横加指责。总是呆若木鸡的企业,最后往往走向刻舟求剑派——这种企业思维中,大数据就是大数据,搞完这一块,等着结果出现就好了,为什么还要调整其他运营流程?而总是横加指责的企业,则往往变成叶公好龙者——这种企业的思维中,大数据“应该是我想的那个样子”,于是当别人告诉他“大数据其实是这个样子”的时候,质疑就如杂草般丛生了。
所以,想搞好大数据应用的企业,首先要检查一下自己是不是具备“学习型企业”的素质,牵头的高层领导、具体对口的部门,是不是有充分的学习热情和能力。一个大数据营销应用项目的建设,其实是一家企业特别好的一次学习和梳理营销体系的机会,当一个项目在建设的过程中,所有参与项目的企业内员工,逐步成长为数据获取、分析和形成决策、策略的个中好手,是一家企业非常幸福的事情,这意味着企业竞争力的提升!
至于甩手掌柜,对大数据来说,那叫做“死路一条”!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-21以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-19在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31