不做无效的营销Word格式文档下载.docx

不做无效的营销Word格式文档下载.docx

《不做无效的营销Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《不做无效的营销Word格式文档下载.docx（121页珍藏版）》请在冰豆网上搜索。

1.用户数据告诉你那些“竞品”的事/092

2.竞品的数据锚定/093

（四）大数据眼中的营销“道”与“术”/105

1.拯救那些“浪费的钱”：

花给谁/106

2.那些“浪费的钱”：

花在哪儿/110

3.大数据时代下的营销操作新流程/114

4.营销人的售前数据服务/119

本章思维导图/122

第三章：

代言&

赞助，如何才能不盲目？

（一）反面教材：

那些失败代言教给我们的事/124

1.当红明星的失败代言/125

2.任静付笛声夫妇的“代言风波”/128

3.奇怪代言逻辑大揭秘/129

4.企业什么时候需要代言&

赞助/131

（二）代言&

赞助的三大阶段/136

1.代言&

赞助的几种形式/136

2.代言&

赞助的三大阶段/141

（三）前期：

选择，没那么简单/143

1.营销目标与KPI设定/144

2.谈一谈企业的明星代言/148

3.特质匹配和影响力人群/152

4.代言风险预估/154

（四）中期：

执行数据也能影响策略/158

1.执行影响策略：

数据的元认知调解力/158

2.口碑聆听、社会化聆听与策略优化/161

（五）后期：

告别“会做不会说”的窘境/166

赞助评估/166

2.品牌/产品收益评估/169

3.品牌/产品的营销诊断/171

本章思维导图/172

第四章：

提高营销效率的数据法宝

（一）KPI与营销目标的数据解构/174

1.缺乏评估标准的窘境/175

2.KPI应当怎样设？

/179

3.营销目标的数据解构/183

4.那些不为人熟知的数据维度/190

5.核心指标/197

6.参照物与对比分析/200

（二）用数据帮你营销跨界/205

1.数据与“品牌跨界合作”（Co-branding）/206

2.数据与热门话题借势/212

（三）品牌的数据听诊器/220

1.加速度下的“用户之旅”/221

2.品牌的营销数据分类/229

3.论数据的不完美/232

4.数据听诊器问诊/238

本章思维导图/245

第五章：

营销数据分析师

（一）创意艺术家VS数据理性派/248

1.科学家还是“技术宅”？

/248

2.营销数据分析师在做什么？

/252

3.创意艺术家VS数据理性派/253

（二）能力和素养/256

1.价格与价值/256

2.跨界的知识格局/258

3.开放态度与我们应该担当什么/261

4.“讨人嫌”的“死磕”精神/263

（三）一个舵手的独白/274

1.没有怀才不遇的分析师/274

2.脱缰的大脑和炫酷的职业/278

序言

大数据将引爆营销新时代

数据化的思维方式，将彻底改变新一代营销人的决策过程，也将大大提高营销效率。

这种变革，对营销业的颠覆程度，如同“农业”对人类社会的改变。

从游牧时代到农耕时代，是人类发展史上的里程碑。

由于生活的稳定及食物的充沛，世界人口数量开始暴增。

人类的生活方式也发生了巨大的变化：

从“颠沛流离”“身无长物”，到开始稳定地拥有个人财富。

而作为稳定和财富的“代价”，人类也受制于土地，在很长很长的一段时间里，祖祖辈辈守着一亩三分地生活。

当种子“出现”，我们的祖先并不知道这意味着什么，只是欣喜于不用再朝不保夕地担心吃不饱。

但背后，谁也不知道，历史的车轮滚滚而来，一副巨大的多米诺骨牌被悄然推开，并以势不可挡之势席卷全球。

人类再也回不到从前，这个颠覆性的变化，不可逆转。

在今天的营销行业，这第一张不可逆转的多米诺骨牌，已被悄然放倒，这就是“数据”。

也许在不久的未来，营销新人们看到前辈为了衡量影响力，竟然用尺子来计算纸质媒体上的“豆腐块”文章；

看到“媒体剪报”这种东西，就如同现在的00后们看到寻呼机一样的感受：

“天哪，这是什么‘老土’的技术！

你们以前竟然用这些吗？

”

跟农业一样，当数据与营销相碰撞，带来的是从底层结构上的模式变化。

因为数据，我们将逐渐挥别以前单纯凭借“行业经验”“直觉”“价值观”及“聪明才智”来做营销的时代。

市场机会不再如同雾里看花一样难以琢磨，而可以通过分析数据得到。

当企业出现了营销问题，也不需要绞尽脑汁地猜测，谨小慎微地调整，而是像西医治病一样，科学、迅速地诊断病因并治疗。

使用的“听诊器”，就是数据分析。

营销的执行过程，也将彻底挥别以前的“黑箱子”时代，一切都将变得透明。

营销人可以通过实时数据的反馈来调整执行计划，再也不会出现闷头干活，看到结果却“彻底傻眼”的情况了。

“我知道我的广告费有一半浪费了，但并不知道是哪一半”。

这句营销界经典的自嘲将不再经典，因为数据将改变这一切。

我们每一个营销人，都将掌握“营销问题的数据诊断”“目标人群画像”“商业目标的数据解构”“消费者触达渠道的数据定位”“营销活动的实时数据优化”“大样本随机抽样对照调研”等一系列的技术与方法。

当我们拥有了灯光，谁还能够在漫长的夜晚里忍受黑暗？

我们将彻底挥别“凭借本能和经验做事”，而是寻找数据、利用数据、相信数据，细致观察，大胆假设，严谨论证。

这就是我认为的数据营销时代，一个因为数据技术的缘故，营销效率得以大大提高的时代。

数据营销不等于大数据，而是嵌套于大数据发展的底层技术之上，站在大数据肩膀上的学科。

得益于全球数据产业的发展和壮大，得益于越来越多的数据逐渐从封闭走向开放，营销数据分析师们拥有了可以源源不断供养营销业的“太阳能”。

今天的我们，正站在这个时代的开端。

我十分幸运，在这个时代的伊始，就开始从事营销数据分析的工作，参与并亲身见证了神奇的数据在优化营销决策上的巨大力量。

数据如同一个伟大的舵手，指引着我们营销人用“正确的方法”来“做正确的事”。

营销人将永远挥别“人肉发稿机”的身份，咨询界和营销界将逐渐融合。

在以前，二者如同像互不干涉的行者，在同一座山的两面同时向上攀爬。

但在今天，因为数据的关系，我们将携手共进，帮助企业实现他们真正的“商业企图”。

营销人也将不再是“乙方”——一个简单的执行者，而成为“甲方”的合作伙伴。

越来越多的营销人将不会再为了钱而对企业“言听计从”，而是行所当行，做正确的事，不是“甲方要求的事”。

因为，有了数据，我们可以更好地帮助企业实现商业目标。

追求光明的道路，充满着艰难险阻。

在用数据分析营销问题的过程中，也充斥着错误和误区，花冤枉钱、浪费时间都常常遇到。

但也正是因为在“做正确的事”，过程中发生的每一个“错误”，都将帮助我们迭代知识，成为新的财富。

功不唐捐这个词，在数据营销这条路上，尤其的正确。

我愿意将这几年我们的经验和营销方法写下，向大家展示我们曾经摔过的跟头和取得的成绩。

希望让更多的人看到，用数据来做营销，是一件很科学、很炫酷的事。

也希望这一本入门级的图书，像火种一样，让更多优秀的年轻人加入到营销分析师的阵营中来，让营销业的升级来得更快、更猛烈一些。

请如同我们的前辈拥抱印刷术，拥抱蒸汽机一样地拥抱和支持数据营销吧，它将引爆一个新的营销时代。

王泽蕴

2016年7月

本书的内容结构

如果你愿意，并且时间允许，可以从头到尾通读本书。

但由于本书的每个章节内容自成体系，你也有可能是带着具体的问题希望寻找答案，因此，阅读时你也可以翻到自己最感兴趣的部分去重点阅读。

为了更方便你了解本书每一个章节在谈什么，以便迅速找到你最感兴趣的部分，我将每个章节的概要列在这里。

同时，你将发现，在每个章节背后，有五角星的图标，这是针对营销领域的入门级读者做出的章节难易程度评估：

★☆☆：

一颗星，容易理解；

★★☆：

两颗星，难度中等；

★★★：

较难理解。

行业发展基础知识★☆☆

大数据为什么火？

数据时代对于营销人来说意味着什么？

如何辨别那些挂羊头卖狗肉的虚假大数据？

有了数据，营销人是不是可以为销售负责了？

面对大数据对营销工作带来的冲击，营销人应当如何应对？

数据如何辅助重要的营销战略决策★★★

为什么再英明的老板也会提出错误的营销目标？

老板视角和营销视角有何不同，数据是怎样帮助分辨的？

目标人群画像是什么？

为什么人群画像对制定营销决策如此重要？

为什么说大部分画像都做错了？

正确的人群画像方法是什么？

数据如何帮助品牌找对竞品？

为什么说：

做“正确的事儿”比“把事儿做得正确”重要得多？

战略上失策会发生哪些血泪故事？

数据化思维的营销工作模式是怎样的？

跟以前有什么不同？

代言和赞助的数据评估及优化★★★

企业选代言人怎么选？

在商业赞助行为的背后，数据可以如何帮助评估，如何提高营销效率？

数据是如何优化营销效率的★★☆

为什么说大部分人都在瞎订KPI？

盲目设定KPI会怎样？

什么叫作量身定制和目标的数据解构？

哪些数据方法可以帮助品牌跨界营销？

你还将发现，你其实忽视了执行数据，但执行数据却具有巨大的价值。

执行数据甚至可以优化战略决策，这是怎样发生的？

在数据时代，营销数据都包括什么？

“用户之旅”有哪些变化？

不同类型的数据的长处和短处是什么？

营销数据分析师★☆☆

营销数据分析师这个职业怎么样？

需要哪些素养？

如何成为一名合格的营销数据分析师？

大数据时代

（一）鬼魂般的大数据和哗众取宠者

（二）大数据时代对营销人的挑战

（三）“开始”or“做好”，哪个更重要

（四）营销人应该如何对销售负责

1.人人都爱大数据

“谈及者众，知其者寡”的鬼魂怪圈

受“挂羊头卖狗肉者”蒙蔽而落入的轻信怪圈

“过度神化”的盲从怪圈

当前社会，如果你没有听说过“大数据”这个概念，会被鄙视为“落伍”。

自2012年起，这个词以燎原之势火遍全国。

打开XX指数搜索关键词“大数据”，可以看到，除每年春节大家稍事休息之外，其余时间，搜索量一直节节升高。

大数据之所以这么火，有个很重要的原因是，大部分人都觉得自己跟它，是能扯上一点关系的。

可以看到，很多大数据的案例都非常接地气，跟大家日常关注的社会热点、娱乐及生活息息相关，用来做谈资再好不过。

另外，大数据的应用范围也十分广泛，涉及的行业和从业者都很多。

导致很多人觉得，这就是在自己身边发生的，邻居大哥一般的新技术。

打开知乎网站搜索关键词“行业大数据”，出来的热门问题五花八门：

游戏行业，大数据该如何应用？

大数据会对审计行业形成冲击吗？

审计行业是否会因此而消失？

大数据对财务行业会产生什么样的影响？

大数据技术在金融行业有哪些应用前景？

传统行业如何搭建大数据团队？

大数据在石油行业可以干什么？

大数据在电信行业的应用目前的状况如何？

大数据会如何改变管理咨询行业？

大数据在铁路行业的应用？

……

大数据如同一个核心插件，似乎可以任意安装。

大家追捧大数据的第二个原因是，它自带耀眼的光环，有着IBM、Google等国际大公司的背书，国内的互联网三巨头BAT及很多厉害的公司都对它备加推崇。

因此，“大数据”三个字在很多人心里，不但前卫时髦，还同高科技、高级、高端等等关联紧密。

最后一个理由也最重要。

就是大家从很多报道案例中看到，大数据的价值和潜力确实巨大。

无论是Google用大数据预测流感，还是Netflix公司用大数据捧火美剧《纸牌屋》，都让人觉得不可思议。

而它的经济潜力更是惊人。

早在2011年，麦肯锡全球研究机构就在《大数据：

创新、竞争和生产力的下一个前沿领域》中表示，充分利用大数据可帮助全球个人定位服务提供商增加1000亿美元收入、帮助欧洲公共部门的管理每年提升2500亿美元产值、帮助美国医疗保健行业每年提升3000亿美元产值，并可帮助美国零售业获得60%以上的净利润增长。

在国内，政府更是在“十三五”规划纲要中，明确提出要全面实施国家大数据战略，助力产业转型升级和社会治理创新。

使命重大之外，它的发展速度也非常惊人。

据中国国家金融信息中心指数研究院发布的报告显示，2014年，全球大数据市场规模达到285亿美元，同比增长53.2%。

但是，大家真的了解这个热词吗？

观察网络上跟大数据相关的舆论声音会发现，大家常常会不自觉地陷入一些怪圈。

俚语里形容真爱时有这样的描述——真爱就像鬼魂，人们都在谈论它,却从来没人见过它。

现在，大家谈论大数据时，其实也常常如此。

麻省理工学院的行为经济学家,TED的创始人Dan 

Ariely还有更为传神的描述：

Big 

Data 

is 

like 

Teenage 

Sex:

Everyone 

talks 

about 

it,

Nobody 

really 

knows 

how 

to 

do 

thinks 

everyone 

else 

doing 

So 

claims 

they 

are 

it...

大数据就像十几岁少年眼中的性行为，

每个人都在谈论它，但没人真正知道怎么做。

每个人都以为除了自己之外每个人都在使用它，

所以每个人都装作自己很了解它……

“感觉身边很多声音都在谈论，但好像目前跟我们公司还无关。

如果未来有关的话，也应该是IT部门的事儿吧。

”这是很多人的想法。

关于大数据，IBM公司曾经提出过著名的5V理论，即大数据有五大以V字母开头的特点：

Volume（大量）、Velocity（高速）、Variety（多样性）、Value（价值）和Veracity（真实性）。

但网络上面，部分机构动辄发布某某大数据图表，仅仅是希望借助这个热词的光环来提高自身的影响力，或者实现商业目的。

这些所谓的“大数据”有几种表现形式。

第一种是骗子数据，披着大数据的外衣，其实内里是虚假或断章取义的数据。

第二种是废话数据，看起来数据量也很大，但这些数据结论仔细琢磨一下，却空洞无物。

第三种，是广告数据，打着大数据的旗号，其实是为了宣传自身的产品或品牌。

2015年，某地方城市的一家大数据交易所曾大手笔发布《2015年中国大数据交易白皮书》，分十余个行业对整个中国大数据产业的发展进行了预测。

但在这份预测当中，有一个明显的不合逻辑之处——所有应用细分市场的年增长率都有着惊人的一致性：

2015年的增长率在38%左右，2016年在61%左右，2017年在201%左右，2018年在111%左右……

增长率

2015年

2016年

2017年

2018年

2019年

2020年

大数据应用

37.28%

60.60%

200.20%

110.87%

160.09%

71.70%

金融大数据

38.68%

60.96%

200.54%

111.11%

160.67%

政府大数据

38.87%

60.88%

200.73%

111.24%

160.32%

医疗大数据

39.39%

62.07%

200.98%

111.42%

160.42%

72.15%

企业大数据

39.75%

62.22%

202.54%

111.92%

161.37%

72.97%

电商大数据

38.33%

61.21%

200.96%

111.40%

161.07%

能源大数据

38.58%

61.04%

201.05%

111.15%

161.14%

教育大数据

34.60%

61.88%

202.57%

111.70%

162.12%

73.03%

物流大数据

38.04%

61.48%

201.84%

112.01%

161.49%

72.62%

上图：

某地方大数据交易所发布的《2015年中国大数据交易白皮书》

这种数据其实经不起推敲，但是如不细看，仅作为短新闻发布，却很容易被人相信和传播。

还有的骗子数据，发布者并非为了行骗，只是解读错了数据、理解错了大数据而已，因此给出了错误的结论。

其实，很多人口中说的大数据，只是大样本而已。

下图是《爸爸去哪儿2》热播的时候，某在线视频网站推出的“独家大数据报告”中的部分截图：

“移动终端观看《爸爸去哪儿》成为趋势”这个结论其实并不对。

首先，单一视频网站的数据样本并不是大数据，只能说是大量的数据。

量虽然大，但是并不能代表整个《爸爸去哪儿2》节目，因为还有很多用户是通过其他渠道观看节目的。

其次，播放量往往也无法直接代表用户的观看行为。

网络播放量的含义是，该节目在网络上只要完成一次缓冲，播放量就+1，这里并没有考虑用户的观看时间。

我们都知道，很多用户是利用自己的碎片化时间来进行手机移动端的操作。

因此，可能存在这样一种情况，某用户一天中用手机打开了7次视频，但总共只观看了20分钟，然后他回到家，又用电脑打开了一次，却把剩下的一个小时节目观看完毕了。

这种情况从数据上来看，该用户在移动端当天的播放量为7，而PC端仅为1，但从观看长度上论，PC端却时间更长。

因此，只通过播放量的移动端占比70%这一个数据，其实不能得出网民更多使用移动端观看《爸爸去哪儿》的结论。

更重要的是，如果讨论国人观看节目的行为模式是否发生了变化，光分析移动端和PC端的数据是不够的，电视的播放量数据也需要被考虑进去。

看不到这两组数据的对比，就无法得出上述的结论。

废话数据则是指言之无物的数据。

制作废话数据的人往往将内容中放进大量的数据图表，令人一眼望去心生畏惧。

但仔细一阅读，却发现没有得出任何重要的结论，在大量的数据图表背后，对方其实什么也没说。

而挂羊头卖狗肉之最，就要数广告数据了。

很多品牌打着数据分析行业趋势的旗号，制作分析图表。

但真实目的，只是为了突出他们公司的产品。

背后的分析逻辑也是漏洞百出。

在《爸爸去哪儿》播出的期间，还有一家视频网站也推出了数据微博，最后的结论是：

自己的网站流量最大，比对手强。

大数据概念火了之后，很多企业都喜欢上了借势大数据的推广方式。

断章取义地截取和分析数据，然后得出一个对自己有利的结论。

有的品牌是误导消费者，有的则直接数据作假。

很多朋友对“大数据”这三个字有着天然的信任感。

感觉数据“大”，说的就是对的，其实不然。

大数据分析和预测，也常常“出错”。

比如大数据在预测电影票房上面，就屡屡出现偏差。

某数据搜索平台曾先后预测过姜文导演的《一步之遥》和汤唯主演的《黄金时代》。

《一步之遥》被预测票房超过12亿，而最终票房5.12亿。

《黄金时代》预计票房超过2亿，最终不到5000万。

差距不可谓不大。

为什么会出现这种偏差呢？

通过收集整理网络数据，确实可以一定程度上了解网民对某电影的期待值，对该电影的内容题材、导演、演员的好感度等等。

综合消费者的预期，并且比较同期上映的其他竞品电影的数据。

也能得出一个大概的票房判断。

但只分析上映前的数据，并不能得出百分百准确的预测。

很多人之所以会去电影院看某部影片，并不是受到宣传内容的影响，或是对演员或者导演十分热爱，而是取决于影片上映后身边看过的朋友、同事对该影片的口碑评价，以及豆瓣电影上的评分。

决定口碑评价的变量就太多、太难以预测了。

分析师们必须先穷举所有变量，然后再进行计算。

但是，穷举哪会那么容易呢？

例如，《捉妖记》第一版拍完时，业内人士都看好此片，但谁能预见朝阳群众会举报该剧主演吸毒，而这件事会给影片带来很大的麻烦呢？

再聪明的分析师也无能为力。

但这里也要为这个预测票房的平台说两句公道话。

这两部影片最终票房结果出来时，也有部分人在网络上面批评这个企业。

其实对于该机构来说，票房的预测结果无论成败，过程本身都是非常有益的探索和尝试。

因为，就算在这个案例中并没有成功，但背后数据分析的算法和模型却有可能应用在其他领域，并且取得不错的成绩。

看到我这么说，有人可能会不服：

“举两个反例就可以全盘否定一切吗？

你敢不敢聊一聊美剧《纸牌屋》？

这不就是用大数据制作的超级成功的殿堂级作品吗！

《纸牌屋》火了之后，确实大数据也跟着火了一把，甚至有人用“巫术一般的精准”来形容在这个剧的创作过程中大数据起到的作用。

但恕我不能同意这种观点。

更准确一点的说法也许是——大数据营销是《纸牌屋》成功的必要条件，而非充分必要条件。

如果要说是大数据成就了纸牌屋，不如说是纸牌屋大大提高了“大数据”的影响力要更贴切些。

原因有三点：

首先，数据确实能帮助制作方了解用户的过往内容偏好。

但是用户曾经喜欢不代表未来也会喜欢。

未来有无数种可能性，人们未来的口味太难预估。

到底拍什么样的故事，选什么演员会火，依然需要制片方和导演的经验、直觉以及赌徒式的决断。

第二，数据能够帮助制作方实时了解用户对已播剧集的喜好，从而优化未来的剧集内容。

但是数据无法完全代替创意，再好的故事梗概如果遇上不好的内容编辑，依然会被埋没。

最后，数据是死的，通过数据得出什么洞见要靠人。

同样的数据，不同的人可能会得出完全不同的结论。

因此，客观存放在那里的数据，背后的价值能否被挖掘，以及能被挖掘出多少，也有很大的不确定性。

有的人会误以为掌握海量数据就等于拥有了数据分析的能力了，这是不对的。

其实，就连《纸牌屋》的编剧约翰·

曼凯维奇对于中国用户热议的“纸牌屋通过大数据大获成功”的观点也是很有一些莫名其妙，并坚决否认。

2016年6月，他在接受《北京青年报》采访时，明确表示：

“一部电视剧的走红，关乎导演、演员，更关乎有创意有深度的故事与讲述故事的手法，但市场本身充满了偶然性，并非数据能够算出。

对于大数据而言，幸运的是大家都发现并认可它的巨大价值，但值得警醒的是，在其发展过程中，鬼魂、轻信及盲从的怪圈也需要大家时刻警惕。

1.宿命般的变革

2.老红海中的新生机

这几年，很多公关公司都在转型。

观察身边的同僚们，会发现大家的职业轨迹伴随着行业的发展也在不断发生着变化。

很多人刚开始稳定在公关这一行是因为文笔好，办起线下新闻发布会来井井有条。

但现在，这些人中