花200万元涨粉到300万人,有转化的只有几千个?一方数据,到底该咋用?

Sidney 宋星 Fenxi
+ 关注
2022-03-01 10:04
453次阅读

注:这篇文章所指的一方数据,是指用于数字营销的第一方数据,即企业自己积累的关于消费者或用户的个人信息相关的数据。

前两天在我的读者群里,有一个读者朋友,讲了很多“实话”。

上截图。

花200万元涨粉到300万人,有转化的只有几千个?一方数据,到底该咋用?花200万元涨粉到300万人,有转化的只有几千个?一方数据,到底该咋用?

是不是代表了很多朋友的感受?

谈到CDP,谈到第一方数据,企业都很兴奋。但问题是,为什么我们很少听到特别精彩特别成功的案例呢?

尤其是,我们对于案例的期望,是那种有了数据之后,化腐朽为神奇的案例。毕竟,人人都说的数字化转型,是那种好像注入了什么返老还童的神药一般,让生意突然青春勃发的转型!

但事情似乎并不如此!

数据,尤其是第一方数据,企业苦哈哈地努力获取和维护,一方面,却发现一个终极拷问——咦,都说这些数据很有价值,但它们的价值在哪里?我该怎么用它们?

这篇文章,我想聊聊这个话题。

都在讲一方数据有多么重要的时候,我想说,为啥一方数据就必须对你有用?

你会说,我要一方数据,才能洞悉消费者,才能运营消费者,才能和消费者对话,才能有更好的转化。有了这些数据资产,我投广告的效果才能更好。

那么,我反问你,这些当然是一方数据能够带来的,但是你知道要做到这些需要花费多少代价,以及能够给你带来多大的实效吗?

一个触及灵魂的案例:

一个企业,它竭尽所能获取它的目标受众的数据,并且竭尽所能利用这些数据去触达去转化去维护这些消费者受众(转化之后这些受众成了客户)。这个过程中,每维护一个这样的消费者的数据,需要花费很多的人力物力和时间去搞运营——毕竟数据不可能再跟过去一样是能随便买来的。

通过测算发现,这个企业利用这样的方式每维护一个消费者,成本大概是500元一年,而这个企业的每个客户平均一年能够贡献的消费金额只有200元。

你说,我花这个500元成本要做的事情,就是实现精细化运营,让消费者的ARPU值在生命周期内不断提高。所以,这500元值得花!

但,且慢,你计算过吗?精细运营和精准投放完全不是一回事。精准运营可能要花费更大的人力物力,并且毫无疑问的,要牵扯到更多的部门。这样,你所提高的那点ARPU,相比于为了精细运营而投入的成本,真的是划算的吗?

总体而言,高生命周期消费金额的商品,做深度运营是值得的,这种生意对第一方数据的依赖,以及在第一方数据应用上的深度,都要高得多。低生命周期消费金额的商品,如果恰好受众比较细分,那么更值得在精准投放上下功夫,但做消费者深度运营的必要性就低很多了,对一方数据的依赖性也可能相对降低。

当然,一方数据总体而言,毕竟还有形成报告和洞察的能力,以及,我们也用一方数据去提高广告投放的精准性。但总体而言,实现深度运营是一方数据最值得去投入的场景,毕竟一方数据成本高,我们更希望用它来直接大幅度增加客户的转化和ARPU。

那么,我们下面看看一方数据的各种价值输出,到底是什么,以及为了这些价值输出,需要什么条件。

一方数据肯定是有价值的,但对很多企业而言,一方数据或许有“小用”,但是可能并无“大用”。

一方数据的能力体现在两个层面上。第一个层面,是直接使用它所产生的价值。考虑到一方数据的体量有点小,直接使用它的限制又比较多,因此所能带来的价值总是很受限。

第二个层面,是将一方数据与企业外部的更广阔的数据和资源相结合,将一方数据融入到数字营销更大的闭环生态中,从而创造一方数据的新的应用场景,让一方数据成为一个“药引子”,引发(驱动)其他数据和资源的(为企业服务的)更好的价值。

花200万元涨粉到300万人,有转化的只有几千个?一方数据,到底该咋用?

                                                   图:一方数据能力体现的两个层面

第一个层面的使用,被我称为“小用”。第二个层面的使用,被我称为“大用”。

不过,请注意,“小用”和“大用”并不意味着对你的企业而言,就一定是价值大,或者价值小的。

小用1:直接利用一方数据“骚扰”顾客,例如发短信、打电话或是针对这些数据背后的消费者的定点广告投放。这个大家都懂,效用越来越低。

小用2:查看数据报告、分析用户,实现基于一方数据的洞察。例如,我们常见的用户行为分析工具(网站分析工具、小程序分析工具),或是CRM中关于客户的数据报告。这些报告,能够给我们相当多有价值的洞察——那些关于消费者的、关于产品的、关于市场的洞察。让我们了解到消费者或者客户到了我们私域中的喜好如何、体验如何,以及希冀如何。

大用1:一方数据驱动二方数据或者三方数据,进行广告投放,例如RTA广告,或其他lookalike的广告投放方式。

大用2:一方数据作为正样本,可帮助企业内部的系统或者外部的平台完成数据建模或是机器学习,从而帮助实现更智能优化的营销策略或执行。

大用3:一方数据与二方数据或者三方数据进行匹配,并基于这些数据提供消费者的画像或洞察。

大用4:利用一方数据整合多源的数据,给消费者打标签,与企业的内部系统或者外部的各大营销平台做对接,并做针对消费者的特别具有颗粒度分辨力和区隔性的运营。

花200万元涨粉到300万人,有转化的只有几千个?一方数据,到底该咋用?

                                                    图:一方数据两个层面的使用

基本上就是这些。

现在,你比对一下自己的情况,哪些应用领域是你用得着的?

对于很多很多企业而言,基本上玩一下“小用1”和“小用2”就已经可以解决业务中的问题了。

很多朋友不服气,说,我们企业也有做大用2(也就是要做洞察),但你仔细看看,是不是你企业所做的洞察,基本都是来自于用的平台方的数据,也就是从数据银行或者策略中心(二者都是阿里提供的数据平台)得到的数据报告之后所做的洞察?

其实压根就跟你自己的一方数据没啥关系。

当然,能够把一方数据做大用的企业确实有,不过数量还是很有限的。大部分企业也尝试过,很多企业为了实现一方数据的价值,不惜代价建CDP。CDP上马跑了一段时间之后,发现,哎呀,跑不通,困难重重。

那么,问题到底出在哪里呢?接着看。

可以说,一方数据的应用,任何一个应用,想要实现它,要挖掘的深度是很深的,实现起来并不简单。

相对而言,用平台方的什么数据工具做一些事情,那就容易多了。而且,现在平台方也不遗余力地开放自己的数据能力(注意,不是开放自己的数据,而是开放自己的数据能力),不仅仅是让你应用这些数据的时候更加简便,而且功能也不断推陈出新。只不过,唯一的问题是,你不得不依赖于它,并且数据的应用也都必须在它的生态内。

好,还是回到一方数据的话题,为什么轮到一方数据的应用,就如此困难,如此痛苦?

一句话就能回答:啥都要自己搞呗!

我们以“大用4”为例。

大用4:利用一方数据整合多源的数据,给消费者打标签,与企业的内部系统或者外部的各大营销平台做对接,并做针对消费者的特别具有颗粒度分辨力和区隔性的运营。

这种区隔性的运营,要解决几个问题。第一,数据从哪里来;第二,数据体量是否足够用于打准确的标签;第三,标签打好了,应用的出口(场景)是哪里;第四,面对这个应用场景,相应的工作流程的改变、人员的配备,都能到位吗?

以汽车行业的一个解决方案为例。

这个案例的解决方案,是帮助找到“假性战败”的意向人群。

所谓假性战败,是指被经销商标记为已经选择了竞争对手的产品,或无效的购车意向人群中,但事实上并不是真正这样的那部分人。

怎么找到呢?

首先,我要判断这些人是不是真正的“假性战败”,我需要获取数据。数据有几个类别:

  • 战败人群的个人属性数据 —— 一般来自于销售,销售的记录一般比较准确,需要调用CRM中的记录。

  • 战败人群的销售交流信息数据 —— 一般来自于销售,但销售的记录靠不靠谱不好说,同样需要调用CRM中的记录。

  • 战败人群在私域中的行为数据 —— 取决于车企的线索从哪里来,如果来自于自己的私域,能够获得很多行为数据。

  • 战败人群在互联网大平台中的属性 —— 需要将一方数据和互联网巨头平台的数据进行匹配。

花200万元涨粉到300万人,有转化的只有几千个?一方数据,到底该咋用?
                                                  图:获取数据时的四个类别数据

你看,困难来了:

  • CRM的数据难度不大,但企业的CRM数据涉及到很多管理问题,能不能拿到不好说。这是企业内部组织问题,但很多时候,组织问题卡死人。

  • 行为数据来自于私域,并且可以自己利用工具收集,但通常,这些私域的流量和活跃度都很不足,需要很强有力的运营能力。难度很大。否则数据很稀疏,或者质量很差,啥用都没有。

  • 自己的数据和互联网大平台的数据做匹配,技术难度不大,个人信息保护法的要求要注意。很多企业不知道怎么做。

这只是数据获取这一块的挑战。对很多企业来说太难了。于是,退而求其次,不做私域了,不搞私域数据了,找第三方给我数据。但个保法之后,这条路堵死了。你必须得好好做私域。

数据获取之后,做什么呢?

把这些战败的线索中,发生了实际转化的拿出来,作为正样本;没有发生转化,且被销售认为完全不可能转化的低评级的线索作为负样本。然后建模,用贝叶斯决策树,或者其他的算法,看哪些属性的人跟正样本的人群更像,哪些跟负样本的人群更像,或者,正样本的人群有哪些特征,负样本又有什么样的特征(特征工程)。

这个事情,好做吗?

方法上不难,很多数据服务公司应该都可以做。但容易出问题,主要在数据质量和数据的丰度上,特别不够。数据清洗也需要花费很大的精力。这些没有处理好,给出的结果就变成了“过家家”一般,没有太多的意义可言。

分析做完了,再之后呢?

再之后,让经销商再给这些“找回来”的线索打电话,再去影响他们。如果一切顺利,这个方式就变成了一个企业的标准销售工作流程,就是俗话所说的,利用工具再“洗”一遍数据,然后再基于这些数据打电话,最终提升成交率。

这个业务场景本身的需求描述起来是不是很简单?——不就是把以为已经失败的意向中那些其实还有用的重新找回来嘛!

但实现这个事情的过程是不是很复杂?——涉及到组织内部的合作,涉及到一方数据跟外部平台的匹配(这中间还有很多商务问题,以及在这些平台上的投放花销问题),还涉及到个保法,涉及到数据建模和分析,涉及到某个部门(或多个部门)工作流程的改变。

一点也不简单呀!

现在,可以停下来问问自己,自己的组织真的能够做到吗?或者,大家心里都有数,就算是能做到,也不是马上就能实现的吧!

刚才那个场景,可能大家看了说,我不是汽车行业,我没有那么复杂。

没错,汽车行业是非常复杂的,因为汽车行业有亦合作亦竞争的经销商体系,汽车也是高价商品。

那我们看快消企业利用一方数据进行精准投放的例子。

这是我们前面所说的“大用1”。

大用1:一方数据驱动二方数据或者三方数据,进行广告投放,例如RTA广告,或其他lookalike的广告投放方式。

“大用1”之下,目前比较常见的应用有两种,即上面列出的RTA广告,以及lookalike投放。

RTA广告,我之前的文章也有讲过,本质上跟PDB(AG:Automated Guaranteed)的方式是类似的,都是“询问后再投放”的广告,询问和反馈都通过API完成。如果对这种广告形式不太了解的朋友,欢迎参加我的大课堂。

但RTA和PDB有区别。RTA要基于广告主自己的一方数据,PDB则主要是靠外部第三方的数据。受制于个人信息保护法,PDB这种方式目前有风险。

RTA能够充分发挥一方数据的价值,并且更少个保法上的风险,当然,前提是广告主要合法获取自己的一方数据。

所以,仍然涉及到数据获取的问题。

快消企业的一方数据怎么获取?依靠自己的运营,无论是线上的,还是线下渠道的经营。这些数据来自于几个源头。

  • 自己私域的搭建和运营。

  • 从电商会员通获取。目前,各个大平台的电商会员通,都还有办法让你拿到消费者的相关数据,但有很多条件和限制。

  • 线下各渠道,比如直营店直接数字化获取消费者数据,或是与自己的经销商合作。

你看,获取这些数据还是有难度的。

  • 自己搭建私域以及做运营,看起来不复杂,但是为了数据去做这个事情,就有点复杂了。自己做私域,如果不考虑数据的话,做一些微信群,或者做一些企业微信的应用,还是比较容易的。但如果要收集数据,那么就需要有专门的触点了。这些触点,建立起来不一定复杂,运营可一点都不简单。

  • 电商会员通获取数据,总体看也有一些条件,比如,你需要一个被这些平台认可的CRM系统,你需要和平台认可的ISV(或者TP、DP)合作,当然,更重要的,是你要说服消费者成为你的会员。另外,也有很多限制,比如消费者成为你的会员的前后三个月的订单信息才能被获取,以及可以想到的必然会做的加密(不过有的平台提供官方密钥,有的则通过第三方ISV能够实现解密)。总体看,都能操作,就是需要有比较完善的基础设施,有电商运营的能力,还要跟平台有紧密的合作。

  • 从线下各渠道获取数据?如果是直营店,那就让柜员邀请消费者上翻到线上私域中,相对容易,但对线下柜员的培训和管理很重要。如果跟经销商合作获取消费者,那么需要考虑,如何说服他们提供数据?当然,无论哪种方式,基础设施仍然很重要。

这几种方式都很有挑战。

所以,RTA一出来之后,快消品牌很难用得上。因为,没有那么多一方数据能支撑广告平台过来的查询。

现在快消品牌主也用RTA,但其实并不是“纯粹”的RTA,而是由平台提供的一方数据的RTA。这听起来很矛盾,但实际上是不得已而为之的“折衷”办法。具体可以看微信的RTA广告模式。当然,这种广告模式不是我在这篇文章中要讨论的重点,重点是,这种折衷办法所反映出来的问题——快消品牌广告主普遍缺乏规模化一方数据的累积,尤其是个保法实施之后。

那么,如果我不用RTA,我用lookalike投放呢?情况会不一样吗?

数据应用的门槛会比RTA要低很多。但是……要想投放好,第一方数据的体量不能太稀疏,而且还需要基于数据对人群的segmentation要足够好,即数据属性的丰度和质量也需要很靠谱。我的不少客户,都会抱怨,用了lookalike的方法进行投放之后,很多时候不如直接用平台的DMP选人来投的效果好。emmmm... 事情总是发展的不如我们想象的,这太常见了。

当然,这已经是当前应用一方数据最好的领域了。

这篇文章不想把大家带入一种悲观的情绪中。

我更想表达的是,一方数据的应用,是一个系统性的工程,不仅仅只是数据那么简单。

举那么一个不恰当的例子,如果把数据比喻为石油,假如这世界上不存在石油机械,也没有石油工人,更没有利用化石能源的交通工具和各种机器,那么,石油又有什么价值呢?

所以要让石油有价值,相关的一系列配套系统,必须建立。但问题是,石油虽然没有那么贵重,但是石油机械、操作这些机械的工人、交通工具等等配套应用体系和设施,全部都建立起来的话,是很贵的。

这就回到我这篇文章前面所讲的内容了。应用一方数据,现在必须思考一个重要的问题,成本,或者更准确地说,是性价比问题。

有的企业,若考虑到一方数据的性价比,或许永远都没有必要去做什么一方数据相关的工作,也没必要考虑,自己要非有什么数据资产之类的。另外,并不需要把私域和数据挂上钩,很多私域其实通过建一些群就能解决,直接可用的数据工具也很多,也到不了非要自己积累一方数据的地步。

如果考虑清楚了,必须要上一方数据,那么就需要认真地系统性地思考了。

显然,对大部分的企业而言,一方数据到底要于什么场景,以及用到什么程度,是要提前搞清楚的。然后,需要搞清楚,如果要满足这些场景并达到所需的程度,自己需要满足什么条件、建立哪些基础以及配套什么资源。

在动手之前,还要尽量把预计的效果和KPI提前定好。

或许应该有一个恰如其分的先行咨询,如同我的客户所做的那样。

或者,我该说,如果没有弄清楚就行动,钱或是只是未来会发生的所有损失中最小的损失。

本文经授权转载自微信公众号:宋星的数字观 原标题《一方数据最大的问题,是应用在哪里?

杀入MA赛道——中国互联网数据分析工具转型求生

0
相关文章
最新文章
查看更多
关注 36氪企服点评 公众号
打开微信扫一扫
为您推送企服点评最新内容
消息通知
咨询入驻
商务合作