如何利用数据战略,打造数字化转型基础?

B2B数据营销对于企业发展至关重要。

随着全球数字化的来临,互联网给了我们更多的信息,点击潜客数据就能找到我们想要的数据的时代已经过去,线索轨迹的复杂性和多样性使得企业破译潜客数据更加困难。

如果有人能专门来做数据运营,把复杂的信息逻辑、条理化就好了。

数据营销就完美地解决了这个问题。在这个文章里面,我会详细为你讲解什么是数据营销、数据营销的意义、如何进行数据营销。当然想要更深层次了解数据营销,也可以下载我们的白皮书《新冠疫情下B2B数字化转型洞察报告》


一、数据营销的趋势

目前数据营销的最新趋势是营销自动化。从美国这些年数据营销的发展历史来看,可以大约分成以下三个阶段:

1、初期:数据基础设施的构建和整合

数据营销发展的“初期”以数据基础建设的构建和整合为主,涉及到的内容繁多, 包括奠定整个数据营销的基础,数据清理、整合、匹配等一系列工作。这个过程是一个非常复杂繁琐的过程(如下图所示)。

7.jpg

数据营销初期主要是基础设施的构建和整合。在数据整合层面,一个公司的数据有内部数据,内部数据可能有线上线下,有客户的数据,有企业的数据,有社交媒体的数据,还有各种各样活动的数据; 除了内部数据之外,它还有外部的数据,这可能包括从网上拿到的一些数据,政府部门或者其它公共部门的公开数据,还有一些从第三方买的数据。现在很多公司其实都在利用第三方买的数据,它有时可以为加强公司的整个数据内容提供很多的用途。

在整个数据管理的过程中,除了整合多种不同来源的数据之外,还有对数据进行清理、匹配、分类等等诸多工作。

另外,数据储存也很重要,储存以后到底是建一个BI还是建一个数据仓库?最终这些数据要获得怎样的分析结果?怎么样给各个部门去利用?这些都包括在数据基础设施构建和整合的过程中。

2、中期:全域数据营销

随着基础设施的发展及逐步健全,数据营销和业务越来越紧密的结合,最终实现全域数据营销。所谓全域数据营销是指从营销的最初规划直到最后的业绩报表,全是用数据来驱动的(如下图所示)。

8.jpg

我们可以将客户从不同的生命周期角度来看,有些是潜在客户,再进一步是预期,后来才成为真正的线索,机会,最终才成为我们的客户。成为客户以后呢?可以成为我们的粉丝,提倡者,以致为我们主动做宣传。

从营销进程的角度来看,比如每年年初在做营销策划的时候,要用数据来指导策划,从策划到计划到运营乃至后期的评估及报告,全是靠数据来驱动的过程。

从数据分析和模型预测层面来讲,一般刚开始就要有分析,比如说分类、画像,怎样及时地把最准确的信息传递给最需要的人,这都是需要数据来支撑的。而营销的个性化制作、信息的反馈以及整合清理,数据如何给销售人员提供洞察,所有这些过程都是靠数据来支撑的。

从平台的角度来讲,这时候市场和销售各有自己的CRM平台,它们之间还有一个数据线索从市场到销售传递的过程,当然不同公司情况并不一样,线索传递的过程可能是一个系统,也可能是一个平台。

美国从中期的全域数据营销转变到现在成熟期的营销自动化是非常自然的,从下图的框架可以看出这一点。

9.jpg

框架的最左边看,所有市场活动产生的市场线索都会整合到某一个平台上,整合后就要处理这些数据。数据处理包括数据质量清理,数据匹配,去重与数据验证, 数据标准化等。举例来说,匹配包含很多层面,比如进来一个个人的数据,要把个人所在公司匹配上;进来的数据有很多方面的质量不太好,你怎样通过外来第三方的数据来加强数据质量,即数据增强。

把这些数据处理好后才有怎样把数据线索分流,怎样分配给不同的销售部门。

右边是从营销到销售的一个过程。大公司可能会有不同的销售系统,对合作商有一个销售系统,对企业的大客户有一个系统,对企业中小客户有一个销售系统。 即使一些公司没有不同的销售系统,但因客户种类不同,所以线索的分流也需区别对待。

3、成熟期:营销自动化

现在的成熟期也叫营销自动化相信很多公司都在用各种各样的营销自动化平台,像致趣百川就是一个典型的营销自动化的平台。

从中期的全域营销发展到现在的营销自动化,到底进步在哪里?从上面的图可以看到市场的所有活动都在左边,中间有一个平台去处理,那个平台一般就叫潜在客户管理平台,处理以后转给销售平台。

营销自动化做到的是什么呢?像致趣百川这样的平台,它能做到把原来所有的市场数据和线索管理整合到一起,而且是自动化的。所以中期和成熟期相比,中期的前两个部分现在被合二为一了,而且它是通过一个平台被自动化了。

下图是美国一家大公司营销自动化非常成熟的例子。整个市场营销是从多层面来考虑的,第一层面是从用户生命旅程来考虑,刚才我们提到客户有生命周期(在营销自动化平台里,现在一般就叫用户生命旅程),客户的生命周期分类因公司而异。下例中将用户生命旅程分成三个阶段(有些公司分的更细)。 分别是初级的认知阶段 (客户对产品开始了解);中级的考虑阶段 (客户开始认真考虑产品);高级的决策阶段(客户有很高的可能性会买这个产品)。

如果你想了解了解更多关于用户生命旅程知识,把握触达用户的节奏,那可以下载我们的《B2B线索生命周期管理脑图》

线索生命周期管理.jpg

如果从做营销活动的角度来看,首先是内容策划,对不同阶段的客户策划什么内容?内容营销不仅是社交媒体的内容,它还包括官网,白皮书、网络视频直播、线上线下会议、邮件及邮件追踪等多方内容。在策划内容的过程中,这些内容是由不同的团队来做的。但是这些团队刚开始在做策略的时候都要在一起工作。举个例子来说,白皮书要嵌在整个用户旅程里面,所以白皮书的策划者和做网络直播的这些营销经理都要互相沟通。 同时,目标群体是中小企业的业务和技术主管。怎么样找到这些人?也要和专门做数据的团队同事沟通。此外,在建官网的时候,CTA(Call to Action)的设置也是要和同事沟通的,因为CTA直接影响到线索的培育, 决定到底是想让线索去参加一个网络直播,还是去下载一个白皮书,这些工作都是要团队之间互相沟通,协同操作的。

除了精细化、个体化的内容策划之外,培育线索的过程也很重要。如果线索在认知阶段,怎样能培养到下一个考虑阶段?所以要想到整个客户旅程的线索“培养”邮件应该怎样策划,跟踪,怎样和其它的营销内容相呼应。

刚才提到,整个过程其实是有数据来支撑的,在刚开始找这个目标群体的时候,本身就是要做一个数据分析才能找到这个目标群体。在整个过程中,做得非常成熟的公司会用很多统计预测模型来预测每一步的客户旅程。比如,做目标群体的时候,每一步都可以用一个模型来做,一般会有数据分析和市场细分模型;给线索打分时,做得比较成熟的公司除了用自动化平台的打分之外,也会加一些统计预测模型,甚至现在很多都是用机器学习和人工智能来做混合模型给线索打分,这样最后给销售输送线索就非常有效,且线索在给到销售的时候,就已经有很多信息能够让销售有的放矢的去跟客户交谈。


二、数据在数据营销中的作用和挑战

刚刚提到的是做得特别成熟的公司,但实际上美国也走过了非常长的一个历史。在当今的大数据时代,已不是用不用数据来驱动企业的问题,数据已成为业务成败的一个决定因素。下面跟大家分享一下数据营销中面临的挑战。

1、没有统一集中式数据存储库

最大的数据挑战是它没有一个集中式、标准化的数据储存的地方(数据储存库或平台)。

很多公司线上线下的数据是分开的,它可能是用了不同的平台,收集的内容也不一样;销售可能从一些贸易展览会或者活动上拿到一些数据,这些数据可能存在个人的手机里,或是存在Excel里面,或者是名片,或者是在微信里,有各种各样不同的方式,最后都放到它自己的销售平台里;销售平台又给了市场一些数据,市场又有自己从一些社交媒体上抓来的数据 (如下图所示)。

11.jpg

2、数据反向流动

正确的数据流向是从市场到销售的,但是很多公司却是反过来的,因为很多数据是销售人员得到的,所以数据是从销售给到市场,这样的结果就是很多数据的质量可能并不是完好的,不是有价值的线索,但是花了销售人员宝贵的时间跟那些人联系,所以数据流向逆行也是一个挑战,而且没有一个线索管理的平台或者系统。

12.jpg

3、数据质量差

第三个数据挑战是数据的质量很差,这有各个方面的原因。其一,没有实现数据真正的匹配,没有建立数据怎样匹配、怎样去重的机制,常出现“数据进来了就开始用,但后来发现不能用了”, 即所谓的“垃圾进,垃圾出” 的情况。

举例来说,联系人ID应该是唯一标识,但是下图中John Doe在数据库里面有三条信息,三条其实也没关系,我们每个数据库都有很多同一个人的数据,就看这三条是怎样最后整合的。 下例中这三条都有不同的ID,被视为三个不同的人,所以这三个“数据”在做市场的时候,系统会给这个人发三个同样的电邮或者营销活动。最大的可能性就是这位用户很不高兴,他觉得你们都搞不清楚我,便拒绝接受营销活动的信息, 这便造成了机会成本的流失。机会成本损失是很大的,即John Doe其实是可以买你的东西的,但是他现在完全不看你的内容,你就损失了一个潜在的客户。

此外,当同一个人使用不同的电子邮件的时候,如果系统没有去重,也会导致严重的流失。例子Leo Wang明显是同一个客户(因为电话是一样的),只不过是用了不同的邮件。

还有一点,造成数据质量差的原因是从来没有获取客户的联系偏好,不知道客户是否愿意让我们去联系。在Leo Wang例子里,如果是比较晚完备的话,我们应该进行整合,整合后Leo Wang的工作电子邮件、私人电子邮件、工作电话、手机等等都应该收集,尤其是哪个号码是同意电话联系的,哪个电邮箱是同意接受邮件的。我们看到很多都没有收集,隐私合规性和安全性比较差。

13.jpg


三、制定一个有效的数字化转型的基础数据策略

现代数字营销发展得这么快,营销自动化可以做得非常好, 但在基础层面还面临着很多的挑战,尤其是一些中小企业在走数字化转型的过程中,仅仅依赖营销自动化是远远不够的。那么,怎样能真正达到比较成熟的阶段呢?当然是要做好各个方面的事情, 但最重要的一点是企业一定要制定一个有效的数字化转型的基础-数据策略。

数据策略现在越来越重要,以美国这么多年的经验来讲,公司一直有数据策略与治理的岗位设置,但是大数据时代以后越来越重要,很多公司现在有一个职位CDO(Chief Data Officer),就是专门分管数据策略的。

1、数据策略实战的优先级

数据策略影响数据营销运营、数据分析、数据储存各个方面,其内涵亦十分丰富,包括数据隐私、数据安全性、数据管理、数据治理等各方面。可以将数据策略的实施分成以下几个不同的优先步骤。

14.jpg

第一,搭建一个坚实的数据架构。坚实的数据架构为以后“走”或“跑”奠定基础,如果基础没打好,以后的路也会跌跌撞撞。

第二,数据首先一定要有集中存储的地方,还要有数据的字典,能够告诉大家这些都是什么数据,应该怎么用,每个数据是什么意思。

第三,数据隐私与合规的管理。虽然放在第三步单独强调,但其实在各个过程中都要对此加以考虑,要非常认真地花时间把数据隐私与合规做对做好;另外数据的安全性也至关重要,近些年由于数据安全问题,很多公司被罚款非常多。大家知道欧洲有G D P R,如果违反了G D P R,罚款是非常厉害的。

第四,在上述建好的基础上,构建一个综合的数据营销生态系统,用数据洞察引导企业决策,这样才能最终实现比较成熟期的数据营销自动化。

那么什么时候制定数据策略呢?借用耐克的一句话,Just do it,现在就是最佳的时间。

下面我·重点与大家分享一下数据策略中数据治理中的隐私与数据收集的问题。

2、数据治理重点:数据隐私与数据收集

从下图可看出,数据治理主要包括数据合规性、数据隐私、数据收集、数据处理与安全、数据质量、风险管理等多个方面。

从业务的角度来讲,数据治理要管理不同用户的权益,不同部门的业务流程,公司的商业政策等等。举例说,从营销到销售线索分配的过程中,线索分配给哪个销售是跟公司的商业政策非常相关的,这些都在数据治理的管辖范围之内。

15.jpg

由于时间有限,这里先跟大家简单分享一下数据隐私和数据收集方面的问题。数据收集看起来简单,其实还是挺复杂的。数据收集的过程中涉及到隐私保护,也涉及到合规。

最简单来讲,线上数据收集和线下数据收集都必须提供隐私声明,且隐私声明要根据你所在的国家和地区的语言来提示。

例如,像加拿大的官方语言是英语和法语,在加拿大必须同时提供英语和法语两种语言的隐私声明;有些国家同时使用多种语言,就要注意到不同的语言都要提供,否则就违反了那个国家的政策。

有些朋友问线下怎么操作?其实如果大家注意的话,在一些活动的展台上能够看到一些隐私声明。另外,如果是通过纸质方式收集数据信息,比如说让大家参与调研的话,一定要添加隐私声明。

16.jpg

从数据收集的方式来讲,电子邮件不能用于收集PII(个人识别信息)。 电子邮件不是一个安全的方式,所谓安全方式是指,如果是网络收集的话,一定要是安全网络https,或者传真电话也是可以的,但电子邮件不是一个安全的机制。

在社交网络上抓取的公共信息是绝对不能用于市场营销的。

另外数据隐私的数据偏好方面信息收集至关重要。一般来讲,可能就分成三种客户联系偏好,包括“通知、选择加入、选择退出”。

不管你用电子邮件、电话还是网络发送信息,一般要根据这个国家的隐私政策选择,到底是选择性加入还是选择性退出,还是一个声明,一定要先查那个国家是怎样的政策。在了解该国政策后,在进行网络设计或者线下设计的时候,一定要根据国家政策来设计。

17.jpg

以微软为例,“选择性加入”就是用户必须明确选择了“我选择接收你给我发的材料、发的信息”相关,才能给用户发送信息,如果没选这个框框,是发不了的。即使选择了以后,还有一个双向确认,即二次确定用户选择,一般是会跟踪一个电子邮件,以便于确定这是真的电子邮件。

前面跟大家分享数据质量差的一点表现是,很多收集的电子邮件其实不是有效的电子邮件,都是假的。这说明什么?说明收集过程中没有后来再发一封电子邮件跟踪让用户确认的过程。收集了一大堆的数据,以为是挺有用,但其实可能是垃圾数据。

选择选择性退出正好跟这个相反,是指用户必须明确地取消,否则就可以给他发送相关信息,除非他把这个框框再取消勾选,在设计的时候默认都是可以的。当然一定要了解清楚这个国家到底是怎样的情况。

通知相对而言是最简单一个,告诉用户隐私声明就可以。

一般在网络设计的过程中,我们会把它设计成根据这个国家的情况来即时变化的,如果根据不同的国家来设计,工作量就太大了。

18.jpg

3、以数据驱动决策与营销

数据治理其实是非常复杂的一个过程。同时,在制定好数据策略以后,它可以指引整个运营团队应该怎样运营,整个市场应该怎样做数据分析和数据存储,是一个多层面的系统。

从数据策略的角度来讲,最优化进程是这样的,首先我们要建立一个很好的数据策略,包括怎样建设最基本的基础设施,统一的中央数据平台,统一的数据治理机制等等。

制定很好的数据策略之后,一个结果是各个平台之间衔接是比较容易也比较有效的,可以真正实现成熟期的营销自动化。营销自动化最终目的其实是为了指引业务的发展,通过数据提供真正的洞察,实现数据驱动决策过程。

下图中的两个大箭头表明数据在每一步都在发挥作用,而不只是最后数据驱动决策的过程。在整个过程中,营销团队也是每一步都是跟进的状态,发挥了巨大的作用。

19.jpg



总结一下。

第一点分享是现在市场的数据营销发展趋势是走向数据营销自动化,但是要经过一定辛苦的过程,不是说有这个平台,就一定能做到很好的数据营销,数据营销自动化平台给大家提供了一个突飞猛进的机会,但就像做所有的事一样,有一个平台是很好,但自己还是要努力的,公司的数据基础是一定要打扎实的。

第二点分享是数据到底有什么作用,它到底有哪些挑战?面临这些挑战,我们如何达到最成熟的数据营销自动化?

第三点分享是,面对挑战,一定要设立扎实的数据策略,用数据策略来实现数字化转型和业务腾飞。

如果你想了解更多关于数据化营销的知识,可以下载我们的《新冠疫情下B2B数字化转型洞察报告》,帮你打开数字营销的大门~

新冠疫情下B2B数字化转型洞察报告.jpg



让您的业务快速增长

使用致趣百川一站式营销云,让获客转化更简单

*请输入您的姓名

*请输入您的手机号码

*请输入验证码

*请输入您的公司名称

我已阅读并同意《隐私政策声明》

提交