揽书阁 | 读《数据赋能》,就像听大学老师讲课
在今天,几乎所有的营销都离不开数据,但是如果问你数字化营销到底是什么,怎么做,恐怕很难有人能系统地解释清楚。
这正是《数据赋能:数字化营销与运营新实战》这本书出现的意义所在。作者宋星是纷析咨询创始人、中国数字营销领域的意见领袖及资深从业者,他将自己在营销领域十余年的经验,凝聚在这本书中,有技术原理有实战策略,阅读过程就像在大学课堂上听老师讲课,深入浅出又干货满满,经常会有恍然大悟之感。本书围绕数据为企业数字化营销和业务增长赋能的两大主线——数据驱动和数据分析展开,详细介绍了企业应该如何利用目前先进的数字化技术,合规地获取消费者在数字世界中的各种数据,并将这些数据应用于数字广告投放、消费者的个性化触达、数字渠道效果的评估与优化、消费者数字体验优化、消费者转化优化、消费者深度运营等领域中,并辅以近几年在中国企业界实际应用的真实案例进行生动讲解。对于完全没有接触过数字化营销运营的人来说,本书一半的内容可以作为科普,但是对于剩下一半,可能需要你是行业中的人才能完全看懂。所以我更愿意将这本书当成一本营销实战工具书,适合放在枕边案头时时翻阅,而不是一次读完,这样无论对自己还是对这本书而言,都是最好的阅读方式。
在互联网上,
你的信息是如何被识别和记录的?
为什么我刚搜索了一个东西,立刻在微信或抖音信息流看到它的广告,有什么时候我根本没有搜索,只是跟朋友聊了一下,甚至心里想了一下,就看到了类似的广告,精准营销是如何识别我的,这样不会侵犯我的隐私吗?我相信,很多人都有这样的疑问,这个问题在《数据赋能》这本书里得到了很详细的解答。
《数据赋能》实拍图个体数据是数字化运营的基础数据,每一个个体数据都可以细化分“ID+属性”的二元结构,其中ID可以是电话,也可以是身份证号码、IP地址、硬件编号等。ID的覆盖范围不同,能够实现跨域的ID更有价值,也就是手机号和身份证号,这就是为什么,很多App让你登录的第一件事就是获取你的手机号。ID的寿命也不同,身份证号的寿命最长,手机号属于中等,cookie的寿命最短,寿命越长的ID越有价值,所以身份证ID价值最高。除了个体数据外,还有人群数据,也就是一类人的数据,譬如北京市养宠物人群,距离某个门店1km之内的常住人口,喜爱二次元的人群等。人群数据并非是绝对的,而是经常以百分比的形式存在,譬如人群数据包中,67%是女性,77%没有汽车,52%位于北京等,广告主可以根据这些百分比来选择适合自己的人群包。为什么你经常发现自己被广告精准target到,因为你通过很多消费者触点暴露了自己的属性,譬如各种社交平台、扫描二维码、连公开wifi等。在这些触点中,企业可以通过加入自己的监测脚本代码SDK,获取你的数据、监测你的点击。有时候我们发现刚在百度上搜索了瑜伽,某淘就展示各种瑜伽裤、健身球,不一定是百度泄露了信息,也可能是wifi探针的网络监测设备收集了进入探针信号覆盖区的数据,所以要是想保护个人隐私,公共wifi尽量少连。有人怀疑微信会监控聊天内容,因为刚跟朋友聊到了某个东西,就看到了相关广告。实际上,《数据赋能》表示这种可能性不大,因为对于微信来说,风险太高,但是输入法可能会。
对于很多人怀疑的监听,是有可能存在的,但是一直录音需要很大的存储空间和内存,会让手机发烫,有点不切实际,但是关键词式的监听是有可能的,譬如某些App会规定一些敏感词,一旦触发,就会被记录下来。当然,这种监听是违法的,相关法规还有待完善。
RTB广告投放到底是如何实现的?
RTB即事实竞价广告已经不是什么新鲜事了,虽然概念我也理解,但是一直不知道RTB究竟是如何运转和实现的,阅读了这本书之后,也让我对RTB有了更加具象的理解。如果有一个广告位支持RTB广告,意味着用户来到这个网站时,这个广告位对用户是空白的,当A、B、C……等广告主发现这个用户符合他们此前设定的标准时,就会对其出价,如果B出价最高,那么它就会获得这个空白广告位的展示权,然后它实现准备好的物料就会迅速出现在空白广告位上,被用户看到,完成了一次RTB投放。这是一种最简单的竞价模式,但实际上,B广告主是否会赢得竞价还跟其广告素材的质量有关,不一定是价高者得,譬如C的出价虽然低于B,但是因为C的广告质量更高,最后获胜的有可能是C。此外,广告结算价格并不一定是出价,而是普遍采用二价原则,也就是说出价最高的广告主赢得广告位后,结算并不是按照它的出价,而是按次低价格结算,这种方式可以刺激广告主竞相给出更高的价格,反正自己的出价不会是最终定价。《数据赋能》书中表示,在中国,目前没有一价模式,无论是搜索引擎竞价排名广告还是RTB广告,都是二价竞价方式。
这都是非常细节和具体的信息,不是营销一线从业者是很难获知的。类似的很多信息,你都可以从这本书中获得。为什么我觉得读这本书很像在大学里听老师讲课,因为只有在大学课堂上,才会听到这种既有理论深度,又有具体案例的内容。
如何衡量流量渠道的效率?
在数字化营销投放中,一线营销人员最头疼的莫过于如何选择平台,哪个平台更有效率。这本书也会告诉你一些非常前沿、具备可操作性的衡量方式。首先,我们通常不会以天为单位计算流量渠道的成本,因为这样很难精准计算,而是把计算周期放大为周或者月,这样误差会更小。此外,衡量广告投入产出比的指标,ROI并不是一个标准叫法,更标准的是ROAS,即Return On Advertising Spending。不同的流量渠道有不同的ROAS,通常来说,ROAS高的渠道更受广告主欢迎,但是只看这一单一指标,过于简单粗暴。还需要引入另一个变量,也是就是Engagement。Engagement的定义是基于衡量流量质量的标准指标三件套——跳出率(Bounce Rate)、停留时间(Time On Site)和PV/V(Pageviews Per Session),后者即页面浏览量和visit的比值。这三个标准指标加上一些我们自定义的非标准指标就升级成Engagement,一个看似模糊但却更全面的指标。该书还详细说明了跳出率的测算逻辑,譬如一个session访问了A页面,又刷新了A页面,那么会被认为是一个无意义的session,如果一个session进入A页面是10点,一直停留在这里,离开是10点20分,会被分析工具认为停留时间是0。这都是非常底层和具体的一些知识,我从未见过任何营销书籍会讲的这么细。所以目前流行的衡量流量质量的方式是Engagement-ROAS分析法,通常以气泡图的形式展示,横轴是ROAS,纵轴是Engagement Index。通常来说,高Engagement Index的渠道,ROAS也高,但是也有特殊情况,ROAS偏低有可能是流量存在作弊或者渠道价格过高;低Engagement Index而高ROAS可能是流量质量太差,只有极少部分流量发生了金额较大的转化,从而拉高了整个渠道的ROAS。Engagement-ROAS分析法非常有用,是流量运营必须掌握的核心工具,但可惜的是,很少有人知道。
这本书讲的有多细,在涉及如何通过改进落地页降低跳出率,增加停留时间时,宋星提到了热力图、AB测试法、辛普森悖论(权重陷阱)等原理和框架,涉猎之广让人叹服。
如何进行归因分析?
归因非常重要,几乎是各个品牌方最关心的事情,毕竟谁都想知道自己被浪费的那一半广告费花在哪里,如何避免。但是归因非常复杂,哪怕很多第一线的营销人员也说不清楚如何进行正确的归因,这本书却尽量深入浅出的解释清楚了归因这件事情。首先,全域归因是很难实现的,线上局部归因是可能的。单触点归因是目前最经典的归因,也是目前最可靠的归因方式,几乎所有的归因分析工具都具有单触点归因追踪和分析功能。多触点归因就复杂很多,目前的实现方法有两种,单ID归因和多ID归因。多ID归因主要涉及的是多个App之间的数据打通问题。书中还提到了归因中的助攻和进球,这是关于归因过程的形象比喻,在足球比赛中,我们只看进球,不会追溯之前是谁进行了传球、助攻才导致了最终进球,但是在营销中,每一次进球其实都有赖于之前的助攻。我们在分析一个流量渠道的价值时,如果只单纯分析它的进球数据,也就是转化数据,很有可能误伤那些擅长助攻的渠道。营销是一个漏斗,你吃到第十个馒头觉得吃饱了,并非是第十个馒头自己的功劳,而是此前九个馒头共同的功劳。另外,归因还有时效性,无限回溯的助攻不符合常理,谷歌分析通常提供最长90天的回溯。书中表示,新品牌可以适当设置更长的回溯期,进入成熟期的品牌回溯期应该更短。体现这本书像大学老师讲课的时候又到了,在归因模型部分的讲解中,宋星老师手把手的告诉我们如何在谷歌分析中自定义归因模型,真的是一步一步截图告诉你如何做,完全是傻瓜式的教学,即便是从未接触过谷歌分析工具的人也能迅速上手,真的非常像老师教学了。以上是我原本非常感兴趣,但是却没有深入、系统了解的问题,而这本书给了我很好的答案。实际上,类似这样非常前沿、又极具实用性的内容还有很多,篇幅有限,我无法一一列举,更重要的原因是,因为每个人知识背景不同,工作内容不同,对内容价值的判断标准也不同,以上只是TOP君的抛砖引玉,更多内容,有待你阅读这本书后,自行体会。整本书阅读下来可以发现,作者不仅懂市场营销,也懂数据分析与产品,更懂WEB端、移动端、小程序、H5技术。如果没有一线的实践经验和深厚的知识积累,是写不出这样一本横跨营销学、互联网技术、数据分析的专业书籍的。推荐每一位想要或者正在从事数字化营销领域的同行,人手一本,常读常新。
创作不易,点个赞鼓励作者吧~