2021年开工 今天我们来聊聊智能营销

我们看到多数互联网企业，比如电商平台，基本上实现了推荐引擎的大规模应用，即基于用户的大量实时反馈数据、基于商品或者人群形成个性化的推荐，而整个过程中，人工干涉和调整的比例在不断减少。

引擎本身解决了分析、策略输出、客群触达、用户反馈、闭环优化的大环节。但是这里我们看到的是，除了数据的回收和整理，最关键的是数据的分析和加工使用，而这个过程是高度自动化的。只有在算法配置、方案配置、分桶策略、目标达成、政策规定几个方面可能仍需要人工调配的，但这些更多的是政策限制，比如首页的banner最后一屏广告只能放置手机类内容，但是内容本身并不完全受制于人工。

也就是说，当营销要具备渠道实时性和数据应用能力，那么就需要从不同角度角度敏捷的对于原始数据进行快速的分析和应用。智能营销的优势简单来说，就是通过大数据分析、深度学习、算法模型更深入地挖掘用户的喜好、分析用户的潜在需求、进而转化销售的效果，新技术的赋能进一步打破了营销碎片化的僵局，并将这种“数据洞察”带入秒级甚至微秒级的地步。

  “啤酒与尿不湿”故事的智能化版本

营销界，流传一个非常经典的案例：讲的是在美国沃尔玛超市里，超市经理发现很多啤酒和尿不湿一起购买的订单，经过调查发现，男性来给孩子买尿不湿时，会顺带给自己买几瓶啤酒。随后，经理把啤酒和尿不湿摆在一起，极大提高了两者的销量。

“啤酒与尿不湿”的故事是有理论依据的：1993年美国学者阿格拉沃尔通过分析购物篮中的商品集合，对用户的消费记录数据进行挖掘和分析，找出了用户购买习惯的一些潜在规律，“定制”了许多用户想要的搭配或套餐，这些套餐销售通常会带来客单价的提升，从而提高公司收益。

这或是数据营销最早的应用案例，从互联网到移动互联网，消费行为数据的收集已从手工收集进入到自动生成的时代。现今，人工智能在商业营销中的应用，进一步盘活了数据的价值，诞生了智能营销。

在整体数据营销的大框架上，一般将智能营销分成四部分：

●第一部分  关于多元渠道数据如何收集和汇集；

●第二部分  关于汇集之后的数据如何进行处理加工，形成基本的原材料用于营销和分析；

●第三部分  如何基于这些数据通过算法、模型等形成文件的策略，指导营销活动；

●第四部分  是如何基于营销策略有效的选择通道、时间、内容、权益、产品进行触达，同时完整的进行数据回收、监测。

传统行业向数字化转型的加速，进一步推高了智能营销的热度，成为市场一块很大并极具潜力的新商机。

 市场对MarTech企业服务的需求

少有企业会根据业务规模配比技术规模，自行组织庞大的技术资源构建智能营销平台。大多的企业心态是“专业的事让专业的人来做”，通过采购或外包给第三方技术供应商。

现在智能营销市场形成一个三层的关系，一是以今日头条、微信朋友圈、百度等为代表的流量平台，它们是企业智能营销最终的“战场”；二是数量庞大的MarTech企业，它们作为中间层协助企业在上面的大平台进行智能投放；三就是千万大大小小的企业，它们拥有旺盛的投放需要。

根据中国产业信息网一份《2020年全球及中国智慧营销行业发展现状及行业发展趋势分析》显示，国内MarTech企业投资热度最高的是2015年。通过2015年的投资热度发现中国的供给侧和投资圈较早在营销科技市场的布局和投入，说明部分MarTech供应商已经完成了初步业务模式探索和技术实力储备阶段。

既然今日头条、朋友圈等投放系统提供非常繁复多元的标签给企业，为何还有那么多MarTech企业诞生呢？问题在于相比于企业细分到极致的诉求，这些大平台提供的标签仍不够丰富，需要这些专业的公司或人员来执行精准投放。

一方面，供给方的标准化产品无法深入到所有行业的各个业务场景；一方面，平台的定位也决定了它不能满足需求方所有诉求，给它们提供精确标签的数据量和预测算法。面对智能营销，大多数企业仍严重依赖行业或业务专家，利用其业务经验和决策知识，协助第三方系统学习、二次开发，这种投入的时间成本与降低营销成本的初衷背道而驰。

例如银行、证券等金融行业，其内部系统较完整、数据隐私性要求高的公司，这方面的最大困难是，需要更多的定制化服务来满足客户需求开发，打通内部业务系统和数据本地化存储，这些都是行业待解的难题；另外，如新零售行业，品牌越来越多开始自建商城，来自微信体系、小程序、会员系统、经销商等的自有留量数据的开发需求，根据垂直行业的不同也需要定制化的智能营销场景。

从数字营销到智能营销

在开展营销时，一种方式是基于人工经验进行规则或者标签的筛选以制定营销方案；另一种是创意性的营销，一般是覆盖所有客群；再有的就是拍脑袋制定人群策略，进行投送。

而且我们习惯在策略执行未达到预期效果时，因考虑到成本问题，放弃后续执行或者实验，而无法继续进行下一步的方案或者优化建议。

产生以上问题的根源，在于我们只关注纯粹的营销结果数据，而没有深度复盘营销全流程情况，单纯以ROI导向，而不再追求迭代和优化，这样就出现了无数的营销方案和规则，却始终找不到长期可持续的战法。

在营销策略初期的工作中，缺少了详细的数据分析，我们过度依赖于规则和标签的逻辑来制定策略，如果没有类似AAARRR这样的方法论指引，则很快就容易走偏方向。

规则也好，标签也好，本质上因为经过了业务或者IT的抽象和封装，并不完全适合于业务执行人员。而业务人员则只能在没有详细分析的情况下，基于制定的标签或者规则逻辑组织营销策略。可想而知，这是一种毫无准备的策略制定，而且这种策略将会越来越多，却毫无继承性和优化余地。

数据分析参与营销过程的另一点，则是在营销执行过程和营销结果方面，也需要进行快速的复盘和分析，目标是在过程中调整和优化策略、降低损失。智能营销的确源于人工智能、大数据分析等新技术，凭“机器学习的基础算法”对用户进行分类，程序编程对用户进行精准分层的，利用数据进行深度学习修正。

智能营销并不是单纯的构建一个系统能解决，需要长期的数据积累，更需要一个精细化执行的组织，依赖大量数据分析和学习的智能营销快速解决当前企业的困境，是当前营销环境下一个有效的手段。

……

短期来说，智能是工具，可以使数据的收集和处理更加简单方便，企业通过多渠道与用户进行互动，个性化加综合性方案成为首选。面对未来，企业应科学地对待智能营销，执行团队从上到下理解每个阶段的核心目标，并做好营销分层，做好用户分层，可以是时间导向、媒体导向、或者用户导向，利用数据赋能内部产品价值做决策，把每一个营销节点建立在一个核心点上，才能实现所想的数据目标。

我们看好智能硬件新场景所带来的商业潜力。从场景上、形式上到创意上，它蕴含着无限可能，随着5G、IoT、人工智能等新技术、新应用的广泛应用，相信多数新场景都能和智能营销碰撞出价值的火花。

智能营销的诞生、发展和未来大发展，都有其必然性。只是，它现在还只是一个“孩子”，面对如此复杂的商业世界，这个适应期会非常漫长，但总有走在前面的企业已经在尝试用AI分析以及自动化来赋能营销，让营销工作变得高效且有据可循。

文/排版：大M

参考：[美]吉姆·斯特恩《人工智能营销》

TalkingData 《做智能营销，数据分析真有那么重要？》、

卓卓《都2021了，不要盲目迷信智能营销》

Convertlab一体化营销云DM HUB的实践

关注公众号Convertlab

获得更多行业资讯

点击申请免费试用“一体化营销云”