数据超重要！一堂广告策划营销人必学的“数据挖掘”课

大数据的波涛早已来袭。是否量级庞大、实时传输、格式多样的数据就是大数据？

NO！当全量数据通过某种手段得到利用，创造出商业价值，并能进一步推动商业模式的变革时，大数据才能真正诞生！当数据能被一线营销人员自己使用起来，大数据的价值才能被实现！

如何发现营销数据背后的价值？

1、一个消费者的数据是如何产生价值的？

以时下热门的打车软件为例，当你使用一个APP打到出租车的时候，会产生一次交易，交易完成后，会有一次的红包分享机会，你发到朋友圈，会使更多的人来使用这个APP，与此同时，红包上面会产生第三个品牌LOGO。

在这次交易里，一个消费者在同一个场景下会有三个方面的作用——内部产品购买价值，其他品牌流量价值，自媒体传播价值。

在这里，有一个衡量公式，用这个公式，可以完成单个消费者三方面价值的测量。

传播价值：消费者将红包分享到朋友圈或其余社交媒体时，红包天然带来了链式反应，吸引了更多的用户的持续使用或是对于Apps的下载，如果一个新客的获取成本与老用户的激活成本是某个值，那么这种链式反应就必然可以带来可以计算的传播价值。

内部购买价值：就是消费者在这个场景下的消费额度，比如这趟打车花了35元，那么此时的内部价值就是35元。

外部流量价值：就是消费者将红包分享到朋友圈或其余社交媒体时，给第三方品牌所带来的曝光价值，一个消费者的朋友圈如果有1000好友，那么假设10%的好友会看到，2%的好友会点击，这个外部流量价值就可以相应看出来。

2、如何衡量数据的投入产出？

多：能尽可能多的采集受众行为数据。识别用户及其行为，收集信息，采集受众的行为数据。使用APP越多，收集信息越多。收到的数据越多，能得到的信息越全面。

快：尽可能的把数据利用起来。飞速发展的时候，数据已有，产品不能落后。尽可能接触，频繁通过自动化互动，尽快利用采集数据。与客户互动（客服，广告，推荐，活动）的总频率与接触点的总量，与互动的频次成正比。快速利用数据发展产品，牢牢抓住用户心意，先入为主。

好：在对的时间和媒介，把对的内容给对的人。尽可能发挥好的优化项，以及推送内容的相关的频率度。质量是不可轻视的关卡，一旦质量低下，前面前功尽弃。更佳的用户体验，更完善的UI设计，都是影响用户下一个动作的节点。

省：Social时代的新模式，已经由漏斗化转化成层层的波纹的传播，就像在池塘投入一个小石子，也能产生最大的一个提升。大数据以广博之力，激起社会波澜。

营销人员“可用”的数据才有价值

1、让营销人员“可用”才能实现数据价值

数据落地的可能性首先发生于业务人员理解的基础上，当数据的价值能被理解的时候，业务人员与IT的沟通也就通畅了许多。

这种理解就是从“管”到“用”再到“精”的跨越式发展。

管：数据基础建设——业务与IT吵架，互不理解。

用：数据应用——业务人员单方面操作。

精：模型优化——数据驱动业务，共同走向人生巅峰。

2、数据“可用”的挑战：数据难关

是你玩大数据，还是你被大数据玩？大数据的分析者一般都面临着下面的问题。解决好这些问题，会大大缩短产品研发周期。

如何把用户的行为数据变成可理解的用户画像？

要将用户的行为数据变成可理解的用户画像，可以从两方面着手：一是，从场景出发，构建用户画像。二是，建立人群画像标签体系。

1. 从场景出发，构建用户画像

用户画像的核心在于给用户“打标签”。不同的标签通过结构化的数据体系整合，就可与组合出不同的用户画像。大数据技术的应用，拓展了企业获取数据的来源和 处理数据的方法，让企业有机会得到更多的用户样本，从海量数据中找到那些真正对自己有价值的数据，从更多维度描述自己的用户画像。

广义上来说，找人，互动营销，销售转化，推广/口碑都是相互联系与转化，环环相扣的。

1）找人：即瞄准用户，首先要回答目标用户的特征，聚集区域。找到目标用户才能精准投放广告，挖掘潜在客户，激活流失会员。

2）互动营销：首先得回答品牌如何与不同的消费者沟通，解决这一问题后，数据可用于内容策划，原生广告，消费者生命周期转化。

3）销售转化：消费者可以接受怎样的产品？哪些高价值的客户正在流失？新品的潜在用户在哪里？提升销售，交叉销售，个性化推荐就靠你了！

4）推广/口碑：你是否清楚消费者如何评价产品？数据的分析让关键意见领袖（KOL）和品牌倡导者（brand advocator）发现你！

2.建立人群画像标签体系

把一个消费者按照第一方的数据和第三方数据整合的方式分成两大部分，下面是自然人属性的消费者，上面部分是品牌产生互动之后采集回来的数据。

1）用户信息识别：用户身份的识别码。如手机号、微博ID、open ID、会员号等，用户不同数据源的信息整合。

2）自然人属性：用户的人口统计学信息、兴趣爱好、媒介习惯、消费力情况。

3）品牌关系指标：用户与品牌的距离，以及用户对品牌重要性的综合评估。衡量指标为：生命周期阶段（注意、关注、购买）、用户粘度、用户活跃度、用户价值、用户流失可能。

4）互动沟通倾向：用户在与品牌沟通时，偏好的方式、内容、频率等。衡量指标为：互动品牌倾向、互动渠道倾向（微博、微信、官网）、互动内容倾向（促销活动、新品推送、专业知识）、互动利益倾向（游戏、调查、抽奖）、互动意愿。

5）购买产品倾向：用户喜欢的品类、产品，偏好的购买渠道。

6）传播影响力：用户帮助品牌传播的意愿、传播的内痛、传播的影响范围。具体分类：传播意愿、传播内容倾向、传播方式倾向、传播渠道倾向、传播影响力。

这其实是一个导航系统，它的作用就是可以根据制定好的目标来衡量与消费者之间的距离。可以得知用户购买倾向，如何互动，品牌倾向，以及用户影响力。

数据应用典型场景

1、充分利用留存数据，发现潜在消费者

对比曝光量和活跃用户数，采集全部数据(包括互动数据, 电商销售的数据,进用品的数据)分组，进行不断沟通，发现互动率和覆盖率上面产生的不同数据，转化率、召回转化率的数值。

2、实时个性化：实现数据转化价值

再次利用电商数据，效果地综合起来超过其他的几个组，通过这个数据，匹配线上的实际购买这群人的 ID 和社交 ID,，得出什么人喜欢他的品牌，得出特征，利用特征找到一批相似因素的更大的一批人，再进行二次的投放。

不只是在广告投放阶段，数据能产生价值。更重要的在整个全生命周期阶段，实施的个性化才是最佳的一种方案，包括访客购买者模型，以及线上交叉销售的模型， 向上推荐销售模型，交叉销售模型，形成针对于访客，购买者，忠诚购买者，即将流失用户，潜在用户的不同产品推荐，更精准的空降，让用户有受到关怀的贴心感 受。

实践性是每一种营销都必须遵循的规律，大数据亦是。任何的一个科技在成熟落地之前，都会经历这样一个曲线发展的过程，目前大数据的这种科技发展已经到了成熟期，不要做旁观者，而是做推动者。