站长专访：如何利用数据分析实现营销的指数级增长
|
他将LinkedIn 的Business Analytics由独自一人做到近90人的部门；他的数据分析部门支撑整个公司的Sales、Marketing、Monetization、Operations，是LinkedIn业务实现黑客增长最强大的后盾。2015年，他放弃国外优越的平台，毅然回国创业。他就是数据分析大拿张溪梦 Simon Zhang。Simon平时非常忙，九枝兰从2个月前就开始预约，直到今日才约到此篇专访，不过干货满满，等待是值得的。 九枝兰： B2B企业和B2C企业的在线营销策略有何不同，如何利用数据分析迅速达成目标？ 张溪梦：会分别有不同的策略，配备不同的团队，匹配不同的执行方法。因为Linkedln既有B端的企业级用户，也有C端个人用户，我们就以它为例来具体剖析： Linkedln的C端用户有4亿多，市场策略以新用户的获取和提高老用户的活跃度为核心。关于如何获取新客，我会在后面的内容具体展开。这里主要研究如何提高活跃度，这个目标可以分解为： 如何让用户频繁使用Linkedln的网站、如何让他更新自己的简历、如何让他发更多的内容、如何让他天天读更多的内容，如何能在上面发更多消息，如何让他交更多的朋友认识更多的人，如何能在上面和自己的同事进行交流等等。这些就是市场部门的目标。 我们可以通过做各种数据分析模型，来帮助营销团队迅速达成这些目标。 举个简单的例子，比如数据库里4亿的个人用户，我们预测下周有多少人会更新他的简历？方法如下： 假设这个人看过一个工作，那他更新简历的可能性，就比一个从来没有看过任何新工作、新职位的人高很多；如果他的公司被IBM收购了，那么这家公司所有的员工，理论上来说就开始更新自己的简历了。就是这些很微弱的信号，加起来以后就能对整个人群进行各种判断。我们再把挖出来的更新简历几率较大的这一波人，做一些定制化营销，比如发送一封电子邮件加速他们更新简历，这样的营销转化率要比对4亿人海量发送邮件增加好几倍。 Linkedln的B端大概有十几万家不同的企业级客户。做的营销也非常有意思，首先我们会判断每家公司对Linkedln来说，顾客生命价值（Customer Lifetime Value）是多少。 怎么预估顾客生命价值：美国有专门的公司数据库，数据库里面覆盖了上亿家公司，我们从库里抽样出来几百万家公司，通过数据来算出这些公司的营收范围，每家公司在Linkedln会花多少钱。 另外，我们还可以通过社交网络的算法，算出类似的组织架构的东西，找到企业的决策人。而找到决策人这个环节，也是缩短销售周期、提升转化率很重要的关键点。 下一步要做的，是把产品包装成商业故事讲给这些人听，给他一个购买你产品的强大理由。你需要讲一个令他信服的故事，让他在短期内认识到产品的价值。 另外我想强调的是，不同类型的客户需要听到不一样的故事，每个人都有他不同的属性，如果用同一个故事去说服所有人，效果往往比较差。而这个过程中也需要数据跟踪，并用结果动态调整策略。 最后，数据驱动的核心，第一要优化，第二要规模化，所以当故事在某些人群中获得不错的效果，我们会把故事复制给更多同类型的客户。（至于什么样的客户是同类型的客户，也需要数据分析来挖掘。）这样做，与竞争对手相比，你的转化率高好几倍，效率高好几倍，获客成本低好几倍。 九枝兰：预测这些人未来动向（比如更新简历）因素，也可以称之为用户分群的标签一般多少个？ 张溪梦：在Linkedln的时候，有十万个因素，核心因素有八千多到九千多个。所以要求你的技术力量十分雄厚，能从十万个因素里面精准抽样。如果靠人力维护这些因素是非常难的。 九枝兰：数据分析又如何运用到获取新增用户的营销推广上？ 张溪梦：新增用户也一样的，因为大部分老顾客是从以前的推广中沉淀下来的，你要做的是对历史上各种渠道进行分析、拆解，就能变成今天的推广方案。 咱们举个例子，Linkedln去年在某网站上打一个广告，转化率是3%，另外还进行了电子邮件营销，转化率是5%，我们就会对各个渠道数据进行对比，作为今年选择渠道的参照物。今年是否还投放那个网站？或者投和那个网站同类型的其他网站？ 数据分析有一个最妙的地方，就是你不用去知道所有的数据就能判断一个新的事物——通过对历史的数据学习，你就知道未来的趋势。 九枝兰：数据分析在营销领域还有哪些应用？ 张溪梦：首先，我想重点介绍的是用户维度的数据分析。 如果企业的用户量足够多，我建议对用户进行分群，根据地理位置、收入、性别、购物历史等方面进行分群，并对每个标签下的用户实施不同的营销策略：给不同的优惠、不同的价格、不同的产品，然后我们衡量每种策略的效果，在此过程中要进行大量数据测试，用最终的转化结果再去调整前面的渠道投放。 另一方面，是用户生命周期管理。 早期的新用户你怎么获取他？ 如何把新用户变成一个首次购买的一个老用户？ 如何让他迅速复购，再继续购买产品，而不要流失？ 企业应该如何持续保持高价值的用户，提高品牌忠诚度？ 你如何能够使用户变成你的推广者，自愿把产品推荐给身边的朋友？ 这些都是营销人需要思考的。 九枝兰：企业如果要做一个类似京东6.18这样的大促，如果是在Linkedln这样具备成熟的数据分析模式的公司，活动的组织流程以及数据分析部门扮演的角色是怎样的？ 张溪梦：基本上那么大的活动一般是项目制，设计部门、市场运营部门、产品工程部门等部门都会参与，而我们数据部门在第一天就会参与进来。数据部门的主要几个职责： 职责一：针对不同的人群提出不同的促销方案，每个方案的打动点不一样。 比如： 有购买力的人不需要折扣，他对价格不敏感、只需要很好的产品； 但有些价格敏感型的用户，折扣少了他就不会来买。 所以我们策划带有折扣的促销活动，就要算出来哪些用户需要折扣，哪些用户不需要折扣，这就需要数据分析部门进行人群挖掘。 职责二：预估出营销过程中所需要的资源，做好系统性准备 需要算出来在此次活动中，会有多少人会购买这个产品，而他变成客户的过程是有成本的，包括库存、服务器、带宽、客服人员、物流支持系统等各种资源，否则用户来了以后买不到东西，或者客服人员紧缺用户无法获得及时反馈、投诉率上升，这都是问题。所以营销前的系统性规划，也是数据分析部门的职责之一。 职责三：活动过程中的精细化营销，提升活动的营销效果 一般做一个大促，会有很多渠道、很多套文案、物料、很多种语言、很多个landingpage，甚至细化到语意、文字、设计、背景、颜色等等，这里面涉及很多数据测试的知识。这些最后分完了以后，运营部门会分别来执行，在执行前所有的渠道都需要放上我们自己的各种数据标签，为衡量它的转化效果与数据分析做铺垫。 数据分析还有一个很重要的功能：从每次的营销实践，学到最有效率的东西，再利用到下一次营销活动中。 九枝兰： 有些企业的用户转化周期比较长，对于还没有转化的这部分leads我们应该如何处理？ 张溪梦：我建议进行销售线索的培育，而培育leads是一个系统化的循序渐进的过程，是一个从低温度向高温度转化的过程。当一个用户有购买欲望的时候，他不是上来从零到百分之百这么切换，而是需要一个过程： 他是从不知道你（评分为0） 开始知道你（评分10%）， 看到你出现一次（评分15%）， 看到你一篇文章（评分30%）， 下载一个白皮书（评分50%） 他看了产品介绍（评分60%） 他在网站留言说我对你的产品感兴趣（评分80%） 他准备要购买了，谈合同（评分90%） 最后签字（评分100%） 这是一个不断培育的过程，这个过程需要数据分析来追踪。就像一个桃子，只有等它从很小很青涩成长为一颗丰硕的果实才能品味到香甜的味道。 用户也一样，如果他的意向不强就去直接销售产品，他不可能转化。只有等温度比较高（评分较高）的时候，销售再跟进，否则销售在早期只是浪费资源和时间。 比如说，我今天突然打电话给你，想把一个SaaS分析产品卖给你，你说我刚认识你，我都不知道你在说什么。但可能过了一段时间，你发现这东西有用，并在其他地方又看到了我们的广告，才决定购买。 运用销售线索的评分与培育制度，高分用户销售去跟，低分用户自动化系统去跟，最终提升转化率。 九枝兰：目前国内企业在数据分析方面的水平如何？应如何提高数据分析的能力？ 张溪梦：我回国后的这段时间接触了不少具有数据分析需求的企业，我觉得大家在数据分析方面存在2个瓶颈: 首先，没有非常好的数据平台，继而也就没有历史数据积累； 第二，是受国内粗放式的企业增长的影响，各大行业、企业都是跑马圈地，没有把数据分析重视起来。 要想提升国内企业数据分析的能力我认为分为三个步骤： 第一， 需要知道数据分析是非常有价值，具备对数据分析正确的价值认知。 第二， 我们中国企业需要了解最基本的数据分析方法论。 但不需要太复杂的，比如说统计模型，预测模型等这些复杂的模型不需要了解，只需要知道简单的一套数据分析的框架： 首先是采集数据； 采集完了以后通过数据看效果； 看到效果以后再调整下一步实施的方案，就这么简单。 企业还需要了解，数据分析不是一次性完成的，是每天、每周、每月的日常工作。 第三， 需要知道数据分析具体怎么实施。 这一点也不难，整体来说就是一个学习的过程，数据分析的核心就是学习、迭代、促进。 当企业把这三步做完以后，会进入一个正常数据的状态，这个状态的下一步，就是价值大爆发。 九枝兰：你感觉国内外营销现状有什么差异？ 张溪梦：我觉得中国和欧美国家相比，处于的发展阶段不一样。咱们中国在过去十年中，是处在一个高速爆发的时代，以圈地获取流量为核心的一套营销方式，比较粗放、大量投入、不计成本，先把用户圈下来占上这个地。而这一步的下一个发展阶段，就是美国今天的阶段，是精耕细作的阶段，中国正在往这个阶段发展。 我觉得中国很快就会达到美国今天的水平。因为咱们中国人的学习能力很强，发展速度很快，中国正在从一个增量的经济、跑马圈地的经济到存量的经济、节约化的经济迅速切换。因为人们的生活水平正在迅速提高，和几年前相比，人们要求更好的生活质量，这就需要国内企业的产品和运营有更高的品质，而更高的品质必然要做的就是不断优化，而优化需要数据分析为指导。 而这个过程需要像GrowingIO、九枝兰这样的公司来推动，这是中国营销的大势所趋。 九枝兰：如何看待微软收购Linkedln这一事件？ 张溪梦：微软收购Linkedln的价格很多人认为很高，但其实我觉得微软买的很值。因为Linkedln的价值潜力很大，微软切入的这个点是一个很低的点。大家可以回顾一下：Linkedln在2011年5月21号上市时，股价100美元，去年股价达到270美元，今年因为经济上的波动、华尔街的振荡，微软买入时190多美元一股，所以我觉得微软在这个时间切入很聪明，价格相对来说比较低。 九枝兰：6月28日要发布的GrowingIO2.0版本跟1.0版本有什么样的差异？ 张溪梦：我们去年发布的版本和我们现在的版本差异挺大，2.0版本的功能比以前强大很多: 1. 上线了很多新功能，比如说企业可以通过2.0版本检测用户在哪个环节流失，而且能找到流失的原因。 2. 新版本在移动端的数据分析功能比以前强大很多，去年我们发布主要以网站为主，移动为辅，现阶段网站和移动两个是对等的。 3. 另外,现在用户的留存度，精细化分析，比以前好了很多。 最后，九枝兰问起GrowingIO的发展愿景，这位名副其实的数据分析大拿说了一句让我终生难忘的话：”事物本身能产生多大的价值，完全取决于人的想象力。”GrowingIO在数据分析领域一定大有可为。 注：本文内容由九枝兰团队原创，转载请加上九枝兰微信ID：jiuzhilan。对于不署名者，九枝兰将保留追究的权利。 注：相关网站建设技巧阅读请移步到建站教程频道。 （编辑：PHP编程网 - 湛江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
