不做无效的营销.docx
《不做无效的营销.docx》由会员分享，可在线阅读，更多相关《不做无效的营销.docx（121页珍藏版）》请在冰豆网上搜索。
不做无效的营销
不做无效的营销
序言/001
第一章：
营销进化的新纪元：
大数据时代
（一）鬼魂般的大数据和哗众取宠者/008
1.人人都爱大数据/009
2.怪圈一：
“谈及者众，知其者寡”的鬼魂怪圈/011
3.怪圈二：
受“挂羊头卖狗肉者”蒙蔽而落入的轻信怪圈/012
4.怪圈三：
“过度神化”的盲从怪圈/016
（二）大数据时代对营销人的挑战/019
1.宿命般的变革/019
2.老红海中的新生机/021
（三）“开始”or“做好”，哪个更重要/023
1.不用完全准备好，先开始/023
2.小发现也有价值/025
（四）营销人应该如何对销售负责/028
1.业务范畴扩大与对销售负责/029
2.打破数据孤岛与对销售负责/030
3.对销售负责与数据舵手/031
小结：
本章思维导图/034
第二章：
你的营销策略为什么总出错？
（一）症状一：
盲从老板/036
1.甲方与营销人：
相爱相杀/037
2.老板视角VS营销视角/038
3.空气净化器的“营销视角”/039
4.营销视角的数据解读/042
（二）症状二：
瞄错人群/047
1.目标人群是否越“大”越好/048
2.专车APP的“小圈子”目标人群/052
3.你的“人群画像”为什么总没用/057
4.元数据、行为数据与态度数据/062
5.态度数据：
帮助营销判断的幕后之手/067
6.“陈欧体”背后的人群画像/073
7.人群画像模型/082
（三）症状三：
“没有”竞品/091
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
小结：
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
1.代言&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
小结：
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
小结：
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。
第一章：
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？
第二章：
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？
第三章：
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？
第四章：
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？
第五章：
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？
第一章：
营销进化的新纪元：
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
（一）鬼魂般的大数据和哗众取宠者
1.人人都爱大数据
2.怪圈一：
“谈及者众，知其者寡”的鬼魂怪圈
3.怪圈二：
受“挂羊头卖狗肉者”蒙蔽而落入的轻信怪圈
4.怪圈三：
“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。
1.人人都爱大数据
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。
2.怪圈一：
“谈及者众，知其者寡”的鬼魂怪圈
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 it,
Everyone thinks everyone else is doing it,
So everyone claims they are doing 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。
3.怪圈二：
受“挂羊头卖狗肉者”蒙蔽而落入的轻信怪圈
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%
71.70%
政府大数据
38.87%
60.88%
200.73%
111.24%
160.32%
71.70%
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%
71.70%
能源大数据
38.58%
61.04%
201.05%
111.15%
161.14%
72.15%
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。
4.怪圈三：
“过度神化”的盲从怪圈
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。
（二）大数据时代对营销人的挑战
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。
1.宿命般的变革
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
升级会员 