數字化轉型下,如何運用大數據幫助企業創造更高價值?

0 評論 5571 瀏覽 36 收藏 31 分鐘

數字化轉型已經成為大多數企業的選擇,而在這期間,企業也需要將營銷方式轉為線上化、數字化,用更為智能的手段來幫助企業觸達和管理用戶。那么,企業的數字化營銷應該怎么做?本文作者進行了一定總結,不妨來看一下。

最近幾年數字化一直是互聯網討論的熱點話題,連馬爸爸也在說數字化是決定企業未來是否能夠活下去、活得好的關鍵,是未來十年二十年巨大的機遇。

一、企業通常面臨哪些業務問題?

  • 為什么用戶不理我的push和短信?
  • 好不容易拉來的新用戶怎么都走了?
  • 用戶屠名不注冊,注冊轉化率低怎么辦?
  • 如何引導新用戶在黃金七日內進行轉化?
  • 如何提升DAU?
  • 七日留存如何提升?
  • 轉化漏斗中流失的用戶都去哪里了?
  • 我的用戶為什么活躍度降低?
  • 運營資源有限,我該用在哪些用戶身上?
  • 用戶為什么不付費?
  • 用戶都是誰? 他們有什么特征?

二、什么是數字化營銷?

本質上是利用了信息交換數字化、客戶互動數字化、數據存儲數字化進行實現營銷目標的營銷方式,是以數字技術作為核心驅動力,推動企業的營銷業務,包括品牌、市場、運營、銷售、渠道及交易、消費者及服務的全方位變革,將傳統的營銷方式線上化、智能化和自動化的創新,最終驅動業務增長。

百度搜索是我們最常用的一種信息檢索工具,通過搜索引擎可以快速查找我們需要的目標信息,同時百度通過我們的信息檢索精準匹配廣告,廣告的內容、質量、服務會決定我們的購買意向,我們在百度上所有的行為會構成龐大的數據形成用戶畫像,從而影響企業更精準的營銷。

三、數字化營銷具備哪些特征?

當我們在說數字化營銷的時候,應該關注它具備哪些特征,可度量、可預測、可分析、可決策、可行動、可反饋,這些都是數字化營銷應具備的基本要素。

1. 可度量

數字化首先一點要具備海量數據,用戶的業務數據、行為數據、行業數據、三方數據等聚合大數據模型,同時要關注不同的維度、最小顆粒度的數據。

2. 可預測

AI人工智能通過大數據分析,對銷售業務趨勢、營收趨勢、行業發展趨勢智能預測。

3. 可分析

單有數據還不行,還需要結合數據可以分析業務情況,深度分析結果背后的深層次原因。

企業一般喜歡通過數據看板關注銷售業務、營收情況。這些能夠輔助做決策嗎?顯然不能。漲了還是跌了,是什么原因導致這個結果,有哪些因素影響了結果,這些都需要通過數據分析才能更好地輔助決策。

4. 可決策

針對關鍵問題,基于大量、全面、多維度、實時分析,進而形成科學的行動決策,整體上分為兩大類:BI決策方向的業務流程優化,市場投放提升等,Al 決策方向的機器推薦優化,改變用戶觸達方式等。

前面提到分析是用來輔助決策的,有了分析結果才能更高效地做出對應決策,制定相應的策略方案。

舉個例子,數據分析結論得出春運期間人們的出行需求劇增,平臺難以有效消化人們的出行需求,對于企業來說應當做出取消用戶打車優惠、適當提高價格、增加司機運力的決策,以應對出行需求的變化。

5. 可行動

營銷產品的功能需滿足不同場景、不同條件下的個性化營銷策略動作,高度靈活運用,以方便營銷人員進行實施行動,并且記錄在執行過程中產生的數據。

6. 可反饋

對實施的營銷活動、運營策略、營銷計劃要有一個可跟進、可監控的數據反饋通道和工具,便于營銷人員判斷結果是否成功or失敗,需要從哪些方面進行優化改進策略方案、活動,從而更好地感知行動的價值,更快的迭代策略,讓行動更有效,每一次的運營反饋,都會變成下一次迭代運營計劃的感知來源。

四、企業為什么要做好數字化營銷?

企業實施數字化營銷的目的是降本增效,是隨著技術發展出現的一種數字化營銷手段。

1. 企業A未實施數字化營銷前

所有營銷活動均為全量普惠性活動,品牌廣告全棧投放,總體投入幾個億。這樣做是否有效果呢?答案是肯定的。效果如何呢?ROI投入產出比很差。

2. 企業A實施數字化營銷后

所有營銷活動不再執行全國普惠性活動,而是依據大數據分析、目標人群畫像,精準營銷,品牌廣告也是根據渠道數據反饋實施精準投放,總體成本較以前節省一半開支,一樣的目標結果,ROI投產比效果顯著提升。

五、一般企業在數字化轉型下有哪些痛點?

營銷分析斷層:市場營銷成本居高不下,投放拉新的效果追蹤出現斷層,無法追蹤各渠道實際轉化率,難以準確分析 ROI 。

產品迭代無法量化:缺少實時的用戶行為分析能力,使得產品功能改版的效果無法量化衡量,核心流程優化點更多靠拍腦袋,bug 問題的定位后知后覺造成長時間的損失。

用戶運營不精準:“千人一面”的全量用戶營銷,投入產出難以把控,不精準的粗獷方式難以真正提升存量用戶的長期活躍度。

全局運營指標監控不實時:有運營的 BI 系統,但運營指標監控不及時,未形成核心的指標預警機制,決策滯后。

六、怎么做好數字化營銷?

數字化營銷=(產品+服務+數據平臺)×大數據運營×營銷戰略

數字時代,互聯網的產品和服務基本上已全面線上化,從消費者的信息獲取、采集、購買決策和消費行為、供應鏈等環節已經實現數字化,海量的數據存儲在數據庫。

我們需要獲取具體哪些數據?整合數據源,充分管理和應用用戶數據,發揮數據價值,在進行數字化營銷時,多方整合用戶信息,盡可能地掌握用戶信息數據成為首要解決的問題,做好數據埋點工作。

我們將如何管理海量數據?將不同業務產品、服務的元數據分類管理與存儲,搭建數據管理工具,做好數據接入、數據治理、元數據管理的工作。

這些數據該如何有效的利用呢?利用大數據賦能刻畫用戶畫像,分析用戶數據,挖掘有用價值,制定運營決策,通過智能營銷觸達用戶,從而實現企業的營銷目標。

七、數字化營銷有哪些應用工具?

對于企業來說重要的不是應用工具,而是解決問題的方法,互聯網數字化營銷的產品都差不多,沒有太大的區別,工具產品的應用是解決問題的重要環節,本質上是降低門檻提升效率,然而前提條件是營銷人員會用營銷工具、產品好用,這樣才能保證營銷人員持續運營。

數字化轉型下互聯網企業應具備的營銷產品工具有數據分析系統、用戶畫像系統、智能營銷系統、智能推薦系統、廣告投放渠道追蹤系統、內容管理系統、客情系統、AB測試系統等。

八、這些產品的運用對企業有哪些作用?

數據分析系統,可以幫助企業深度分析的用戶行為數據、業務數據、第三方數據,驅動營銷渠道效果評估、用戶精細化運營改進、產品功能及用戶體驗優化、老板看板輔助管理決策、產品個性化推薦改造、用戶標簽體系構建等應用場景。

可支持產品、運營、渠道投放、技術等各角色業務人員的數據分析工作,協助各角色實現自助分析,并對以下問題的分析評估提供解決方案。

1. 支持產品進行功能評估提升轉化率

產品角色作為產品規劃者,重點關注產品的流程設置和功能設計是否給予用戶良好。

的使用體驗,并確保用戶充分體驗產品的核心價值。例如:

  • 如何評估功能效果;
  • 如何評估內容熱度;
  • 如何提升核心流程轉化;
  • 如何優化產品體驗;
  • 如何評估功能留存情況;
  • 如何優化新手引導提升留存。

2. 支持運營進行用戶分群實現精準營銷

運營角色重點關注用戶構成現狀及變化,并從用戶行為角度剖析用戶的活躍程度、流失情況。針對不同用戶分群設置策略給予激勵,以提升產品的核心關鍵指標。例如:

  • 如何評估用戶構成情況;
  • 如何提升用戶次留;
  • 如何評估新/老用戶留存表現;
  • 如何評估不同坑位對推廣效果的影響;
  • 如何評估活動運營對用戶活躍程度的影響。

3. 支持渠道把控拉新的“量”與“質”

渠道角色重點關注渠道拉新的數量及質量,比較不同渠道投放的 ROI 。例如:

  • 如何評估各渠道拉新數量;
  • 如何評估渠道推廣引入新用戶質量;
  • 不同渠道引入用戶在后續行為表現上是否存在差異。

4. 為數據采集技術人員提供解決方案

技術角色重點關注如何快準細全地完成數據的采集及接入,充分理解業務人員的分析需求,協同完成產品的指標增長任務。例如:

  • 如何采集數據;
  • 如何全端做數據埋點;
  • 如何導入已有的歷史數據;
  • 如何提升效率、避免重復性開發,減少研發投入。

用戶畫像系統,提供探索用戶特征及畫像能力,完成對用戶的識別、聚類和細分,并通過歷史特征變化查看用戶全生命周期的演變過程,主要功能包含特征標簽的加工生產、用戶特征及畫像分析、用戶分群管理。

用戶標簽是通過對用戶屬性信息、行為信息、業務信息進行加工后所產生的特征標記,它的值具有高度概括、相互獨立及可枚舉窮盡的特點。

用戶群是由多個用戶組成的用戶集合,可通過分析模型、用戶標簽篩選、單獨創建等方式得到。

用戶畫像是描述某個用戶或用戶群的特征組合,通過這個組合完成用戶的一個多維度的輪廓描述,用戶畫像常有多維度特征及屬性信息組合形成。

例如:

  • 基礎的用戶信息:年齡、地域、性別等;
  • 活躍類信息:用戶的生命周期、是否會員等;
  • 價值類信息:用戶的消費金額、消費頻次等。

用戶畫像系統的目的是提升精細化運營的效果,例如我們有100萬日活躍用戶,則以下為精細化運營的演化路線:

  • 一視同仁:100w*3%;
  • 精細化:50w*4%+50w+3%;
  • 優化:10w*6%+20w*5%+20w*4%+50w+3%。

找到比通用推送效果更好的精準營銷,并逐漸拓展精準營銷覆蓋的用戶比例。每一個洞察用戶的細節都讓業務變得更好,用戶畫像即是企業精細化運營的底層能力。它能應用到智能營銷、智能推薦、數據分析、消息推送、廣告投放等很多的系統中,它的價值也遠不如此。

九、智能營銷系統

智能營銷系統是基于大數據洞察用戶的一站式營銷系統,集活動創建、執行、管理、反饋、迭代為一體的自動化產品,能夠通過用戶行為、屬性、標簽等數據篩選受眾,實現最佳人群的精準營銷。

打通數據流和業務流,是企業實現精細化運營的前提。如果說數據分析是為企業用數據還原真像,那么智能營銷就是幫助企業將數據流和業務流無縫連接,讓企業采集到的用戶行為,一次采集,多次使用。企業在數據流中分析出的洞察可以直接作用于運營的場景,嵌入業務流中,為企業帶來更大的價值。

1. 一覽運營全景,以終為始的運營管理與價值評估體系

精細化的運營效果始于實時洞察。智能營銷工作臺助力企業歸類匯總活動、實時統計活動數據、多維評估活動效果,科學管理與評估運營活動,為運營打開“上帝視角”,建立全局觀,運營現狀一目了然。

智能營銷可實現動態、實時、多維效果監測,全景透視運營現狀,實現運營活動分類洞察。不僅支持用戶規??窗?、用戶構成看板、用戶活躍看板、自定義活動看板等,還支持活動的歸類匯總查看。

2. 自動執行運營計劃,提升運營效率釋放運營想象力

智能營銷可助力運營人員實現自主創建活動計劃,從受眾篩選——觸發條件——觸達配置——目標設置,均可自由、快速配置,自動執行。

智能營銷支持預置計劃模板、定時單次計劃、定時周期計劃、實時觸發計劃,適配不同的運營模型,全面滿足運營活動觸達需求,助力運營脫離數據或技術部門,不再需要等排期、要數據,減少不必要的開發。以此一旦挖掘價值較大的用戶群,便可采取針對性的運營服務,推動用戶的轉化效率,保持用戶的持續貢獻度。

3. 敏捷智能,構建個性化的用戶旅程,提升用戶體驗

智能營銷助力企業實時監測每一步轉化,及時識別機會和風險,在用戶旅程的不同觸點,適時傳遞用戶所需,從而提升用戶留存、實現精細化運營、促進場景式營銷。運營可自主構建用戶全生命周期運營畫布,圍繞用戶從陌生到忠誠的狀態遷移設定自動化的觸達策略,不放過任何一個有效激活的機會,激發更大的客戶里程碑。

十、數字化營銷應用案例

1. 數據分析實踐

1)事件分析模型

① 應用場景

適用統計司機/乘客的行為數據指標。如統計近三月用戶注冊渠道來源及注冊效果、監測注冊趨勢變化;統計各時段出車司機、接單司機數等。

② 應用案例

上圖展示了最近3個月注冊的用戶都是從哪些渠道注冊進來的,進行了渠道數據分布。

上圖展示了昨天每分鐘操作出車的司機有多少人,這個反應了哪個時間段在線司機的峰值情況。

上圖展示了過去7天每個城市活躍的司機數有多少人。

2)漏斗分析

① 應用場景

用于分析某一業務各環節的轉化和流失情況,如活躍司機完成訂單漏斗,包含從司機出車、搶單直至完成訂單的整體轉化,以及每一環節的轉化率和轉化中位時間等。

② 應用案例

上圖展示了從app激活到車主注冊這一步的轉化率和轉化人數。

上圖展示了從司機出車到司機接單這一步的轉化率和轉化人數。

上圖展示了從司機活躍—準備出發—行程中—發起付款每一步的轉化率和轉化人數。

3)留存分析

① 應用場景

用于分析用戶參與情況/活躍程度的分析模型,監測初始行為用戶的后續行為,是衡量產品對用戶價值高低的重要指標。如監測新司機在未來某段時間內是否完成如完成訂單等期許用戶完成的行為可用留存分析。

② 應用案例

上圖展示了上個月每天的活躍司機近7日留存率的數據。

上圖展示了上個月司機價值人群分層這個標簽人群上個月的7日留存率每天數據,并且按每個標簽分層展示了用戶的7日留存率數據,這體現了當前這個標簽人群的留存情況。

上圖展示了上個月各個渠道的活躍司機在上個月的7日留存率,并且按各個渠道展示了活躍司機的7日留存率數據,從圖表中可以體現出各個渠道留存的好壞。

上圖展示了上個月各個城市的活躍司機在上個月的7日留存率,并且按城市展示了的活躍司機的7日留存率數據,從圖表中可以體現出各個城市留存的好壞。

4)分布分析

① 應用場景

用于展示用戶在特定指標的頻次分布,如司機近7天接單次數分布、近30天活躍司機城市分布、昨日司機出車時長分布、今日乘客下單頻次分布等。

② 應用案例

上圖展示了本月司機的活躍次數分布,并且按城市展示了活躍次數分布及占比,從中可以體現出哪些城市的司機活躍做的好,哪些城市做的不好。

上圖展示了本月司機完成訂單量的分布,并且按城市展示了司機完成訂單量的分布及占比,從中可以體現出哪些城市的司機完成訂單多,哪些城市的司機完成訂單少。

上圖展示了本月司機活躍時長的分布,并且按城市展示了司機活躍時長的分布及占比,從中可以體現出哪些城市的司機粘性更好,哪些城市的司機粘性差。

5)間隔分析

① 應用場景

通過計算用戶行為序列某兩個事件的時間間隔,得到業務轉化環節的時長分布。如司機從注冊到入網的間隔時長分布、乘客注冊到首次下單的時長分布等。

② 應用案例

上圖展示了本月車主從注冊到完善信息點擊提交的間隔時長,從數據能夠體現出車主的入網時間成本、學習成本、產品體驗好壞。

上圖展示了本月車主從注冊到注銷賬號的間隔時長,這反應了車主在平臺的生命周期。

6)指標預警分析

① 應用場景

可有效監測數據指標的波動情況,當觸發預警后將自動通過郵件、微信或釘釘提醒運營人員,并輸出改善波動數據的運營方案。如可在系統設置:當某分公司市場時段下單量降至警戒線時通過釘釘消息發送至運營經理。

② 應用案例

上圖展示了哪些指標出現異常波動,它的價值在于引起市場的注意,需要關注并分析。

上圖展示了指標異常的詳細數據,包括影響指標的維度有哪些異常。

上圖展示了目標指標與其他指標的關聯度,它反應出指標與指標之間的影響關系和程度。舉個例子,影響訂單量比較直接的兩個指標分別是乘客下單量和司機的接單量,活躍乘客數、活躍司機數關聯度也很高。

上圖是指標觸發預警閾值的通知,通知的方式可以多種形式,比方微信、釘釘、郵件、短信等等。

2. 用戶畫像實踐

1)用戶標簽

① 應用場景

用戶標簽是通過對用戶屬性信息、行為信息、業務信息進行加工后所產生的特征標記。應用場景:用戶生命周期分層、用戶RFM價值分層、用戶消費行為、用戶傳播行為、司機接單行為等。

② 應用案例

上圖展示了用戶的生命周期標簽分層數據,每個標簽值人群的人數和占比。

上圖展示了根據RFM模型的用戶價值分層標簽數據,及每個標簽值人群的人數和占比。

上圖展示了司機的生命周期標簽分層數據,每個標簽值人群的人數和占比。

上圖展示了根據RFM模型的司機價值分層標簽數據,及每個標簽值人群的人數和占比。

2)用戶群畫像

① 應用場景

如需描述某一用戶或用戶群的特征組合,可以此完成用戶的多維度輪廓描述和分析。如用戶注冊渠道來源、注冊時間、用戶生命周期階段、消費水平等。

② 應用案例

上圖展示了2021年6月-12月入微信群領券的乘客的畫像分析數據,該人群都有哪些特征一目了然。

3. 智能營銷實踐

1)運營計劃

① 應用場景

用于運營人員以某種觸達方式,如短信/push/優惠券/紅包/現金獎勵/系統消息等,對滿足一定條件的目標受眾(如某用戶/用戶群/用戶標簽人群等)進行觸達。如新用戶注冊推送、未付款訂單支付提醒、司機生日推送、司機接單提醒、活躍乘客未下單觸達等。

② 應用案例

上圖展示的是智能運營計劃列表和相關信息。

上圖展示了運營計劃執行的反饋數據詳情,AB實驗的數據反饋,圖中案例實驗結果顯著,實驗組比對照組的目標完成率高出16%。

2)流程畫布

① 應用場景

可通過篩選符合條件的用戶,在設置的時間點或滿足觸發條件后進入流程畫布,再基于用戶篩選條件或觸發事件分流,配置相應的運營策略。

可基于實際運營場景配置多個策略,待上線后將自動執行流程畫布內已設置的一系列運營策略,從而實現對不同人群的精細化運營。如設置對新用戶注冊后首周的第1、3、5天主動給用戶發送新人禮包并提醒使用優惠券;對未付款的用戶第1、3、5天發送短信提醒付款;對新司機注冊后未完成提交資料的第1、3、5天主動給司機發送消息提醒司機填寫資料;對入網司機發送消息提醒上線接單等。

② 應用案例

上圖展示的是智能運營流程畫布的運營計劃列表和相關信息。

上圖展示的是對用戶的用戶生命周期各個人群執行的不同運營策略。

在互聯網時代,數字化成為企業的核心戰略。那么如何實現數字化賦能企業升級、如何應用數字化營銷為企業創造價值,成為企業發展的一道難題。企業應認識到數字化、智能化、個性化、自動化對企業整體運營、轉化能力提升的價值,希望此文能夠幫助大家系統性解決思路和建設方案,助力企業創造無限價值,實現突破增長。

本文由 @燦爛千陽 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!