“广告投放没效果，该继续加大投入或及时叫停？”

　　“营销投出去的钱，哪些能产生真正的价值，而哪些是被浪费掉了？”

　　“如何更加合理地分配营销投资组合，从而最大化拉动业务增长？”

　　……

　　如今在广告信息爆炸，增量红利不再的市场环境下，泛消费行业中的零售业态作为数据密集型领域，每时每刻都在产生着海量的用户行为与交易数据。而数据作为继土地，劳动力，资本，技术之后的第五大生产要素，无疑是驱动企业业务新增长的动力与能源。

　　营销费用投入是企业不可或缺的重要投资之一，实践证明，丰富的营销推广活动对最终消费者的购买决策影响是切实有效的。但往往由于业务增长的若干驱动因素经常交织混杂、营销推广所产生的效果常常滞后显现，令企业的营销投入与产出之间普遍出现“关联难归因，效果难评估”的“断链”，导致企业总在面临手段不可控、增长不确定的营销决策迷局。

　　构建以数据驱动的新营销体系

　　随大数据及人工智能等技术的高速进化，数字营销同样得以日新月异的发展。对于拥有产品零售业务的消费企业而言，新零售不再是特定业务的探索模式。在营销数据中台的支撑下，基于海量用户行为与交易数据的存储和分类计算，以数据驱动让零售业务“焕新”正在成为越来越可行的选择。

　　基于国双深耕数智营销十数年所积累的丰富行业经验来看：构建一套行之有效的数字营销体系，目标应该是为了给精细化产品运营提供可量化、可细分、可预测等一系列决策的数据支持，其成功的核心因素不是技术，而是对业务的理解和分析思路，“以业务为核心，以思路为重点，以挖掘技术为辅佐”是项目成功的关键，国双数字营销产品专家介绍到。

　　早在2017年，国双数字营销团队就曾经研究并提出过“用户竞争GROW模型”方法论，获得了年度中国互动营销学院奖。其内涵是通过打通用户在电商上的购买行为和评论行为，深度挖掘消费者的购买动机；用数据衡量企业产品与竞品的竞争关系，量化出用户争夺力水平；并支撑全面分析用户在不同购买阶段的决策因素，整合分析跨品类购物行为，发现用户的潜在消费需求，助力企业更加精准的量化营销投入，对产品运营做到“数往知来”。

　　这个模型后来被陆续应用在酒店、交通等旅游业相关的行业中，帮助企业在用户竞争中获得优势,即拉来更多新用户，留住老用户。其中的关键在于利用数字营销方法及工具帮助客户明晰其最终用户的购买决策路径，并在每一个关键节点上把握好更具有针对性的资源投入。

　　营销BI——让量化效果直观呈现的重要终端

　　而对于数字营销体系构建中的重要终端——营销BI，国双产品专家认为，有四项基础共识历经过往的大量项目考验，被验证并已作为国双团队项目设计的“金标准”，即：

　　1、解决的问题应是为客户需求、产品营销提供个性化、精细化的业务场景构建和运营提供洞察支持；

　　2、依赖的数据可以是已经产生的和今后持续积累的交易数据、支付数据、互动数据、行为数据；

　　3、输出的成果需考虑对数据的解读能力，以及配合数据变化的快速反应；

　　4、 主要的模型要包括目标客户的特征分析、目标客户的预测、用户活跃度定义、用户路径分析、交叉销售模型、信息质量模型、服务保障模型、用户分层模型、用户交易模型、信用风险模型和商品推荐模型；

　　这其中，营销BI首先可以解决的关键问题是目标客户特征分析，唯有找准目标客户和目标受众，然后才是相应的运营方案、个性化的产品和服务等，因此目标客户的特征分析是营销BI首先要去输出的模型。

　　用户特征分析的目标是通过深入了解用户（客户），找出用户细分群体的特点，从而采取精细化个性化的服务（产品）来更好地满足用户需求，进而增强用户与企业之间的感情，最终保障并提升企业的盈利水平。

　　具体来说，用户特征分析可以在产品运营各阶段来支撑业务发展：

　　1、虚拟的目标用户特征分析

　　产品还没有上线，所做的目标客户特征分析只能按照产品设计的初衷、产品定位，以及运营团队心中理想化的猜测，从企业历史数据中模拟、近似地整理出前期期望中的目标客户典型特征 （虚拟的客户特征分析），掌握目标群体的规模和层次。针对虚拟分析，主要通过产品的相关功能、卖点来模拟相应的行为特征和属性特征。虚拟的目标用户特征分析只是在实际用户产生之前的权宜之计，等到实际用户产生之后，需要根据真实的用户数据进行用户特征的修正和完善。

　　2、真实的目标用户特征分析

　　产品使用用户的行为数据和属性数据，可以帮助业务方有效锁定目标群体，而这是精细化运营的基础和前提。从业务方对于用户群体的熟悉程度来考虑，可以将用户特征分析分成3种分析模型，分别是预先定义的划分、数据分析的划分、复合划分。

　　1）基于预先定义的划分，如果对业务和客户有深度的理解，可以直接安装特定的分析字段（维度）和分析指标来进行特征分析和提炼。举例来说，业务方对客户非常熟悉了解，或者说计划中的运营方案是专门针对下单订购产品的，但是15天之后仍然没有付款的用户所进行的催单提醒为目的的营销活动，那么就可以使用此方法。

　　2）基于数据分析的划分，该类方法是主流的用户特征分析方法，因为对用户不了解，且业务需求千变万化，所以针对不同的业务需求进行不同的数据分析挖掘，找出用户的典型特征，可以RFM、聚类技术、决策树的规则整理、预测（响应）模型的核心变量、假设检验方法、EXCEL透视表等方法来实现。

　　3)复合划分，综合采用预先定义的划分和基于数据分析的划分，优先级如何划分，取决于用户的熟悉了解程度和具体的业务需求目的。总体来说，基于数据分析的划分方法常常是处于主要地位，同时，会在此基础上参考业务经验进行更加有效，更加贴近需求的分析和结论建议。

　　作为重要的数据可视化应用，营销BI已经发展成消费及零售业企业评估营销效果及追溯效果归因的一大利器，让营销投入得以量化、直观的呈现效果。助力企业及产品运营，乃至营销效果的分析、洞察提速，同时也可为下一步营销数字化体系提供有效切入点。

　　数字营销在各行业的最佳实践正加速涌现

　　在服务客户开展营销数字化的项目过程中，国双产品团队认识到，随着网络的进化，在移动互联网时代，各行业都在面临着业务环境急剧变化、用户需求日益多样化、新媒体影响力与日俱增等多重挑战，媒介及用户触点的去中心化，给营销和运营都带来巨大的人工工作量及多来源种类数据整合的挑战。

　　虽然企业都希望能够每时每刻最大化开展客户触达，在触达中去不断了解用户、影响用户进而影响其决策，放大自己的营销效果，但找到用户、找对用户是正确触达的绝对前提。

　　例如在世界最大的酒店管理集团——洲际酒店集团项目中，面临着如何找到新市场，如何激活二线及以下城市人群、吸引目标用户关注、促进后续订单转化等拓展低线城市市场的营销新课题。

　　针对以上难题，国双选择以洲际品牌搜索用户为样本，借助在线监测系统的用户行为回溯技术，将洲际酒店人群细分为“即时需求，说走就走”的即时消费人群、“有闲有钱，追求品质体验”的高净值人群和“品牌忠诚用户者”的忠客人群等三类人群。同时，借助cookie匹配技术及与媒体深度合作的强大数据背景，成功对其互联网行为标签进行了标记，并基于这三类人群的潜在需求定制了差异化的营销方案。最终帮助洲际酒店客户取得了30天内复购率达30%、高端品牌新用户提升30%、90天老用户活跃度提升20%、在线收益提升30%等一系列喜人成绩。

　　另外在国内知名的连锁酒店企业——首旅如家的运营监测项目中，客户重点关注着如何提升官网转化率的难题。

　　作为如家的数据咨询合作伙伴，国双将自身平台系统与如家CRM进行了数据打通，实现了用户线上线下（300959）行为的整合。同时，国双数据科学和专业咨询团队还为如家定制了专属标签体系，丰富了用户画像。并在此基础上，根据不同的用户属性推送不同素材，为每一位消费者提供满足其需求的个性化活动和内容。国双助力如家官网会员注册率提升38%、首页轮播banner CTR提升20%、订单转化率提升31%、老访客复订率提升30%，完美达成营销目标。

　　当下，数据驱动的营销正在采用数据优先的方法来驱动企业业务及产品运营的各个方面：从策略、执行到优化。这需要建立系统化架构、且数据可贯通、可连接的营销体系，使营销人员能够更为敏捷的获得关键数据，通过数据的挖掘和分析，随时随地真正实现以数据驱动的营销决策。不仅能实现对用户的“无痛”触达，更可为用户提供贴心、细致周到的良好服务体验。

　　为此，国双将凭借自身产品与技术解决方案，为企业客户的营销数字化转型提供全面而前置的规划与助力，以数据基础设施及通用应用为前提，以数据驱动营销效能提升，释放营销生产力，发挥企业增长新动能。