大数据营销的SMART准则:现已加入营销必备技能包

摘要:SMART原则即目标管理,由管理学大师Peter Drucker提出,根据Drucker的说法,管理人员一定要避免“活动陷阱”(Activity Trap),不能只顾低头拉车,而不抬头看路,最终忘了自己的主要目标。

大数据营销的SMART准则:现已加入营销必备技能包
作为营销人员,经常穿梭于数据的海洋之中,企图通过数据找到目标用户,找出他们的行为,发现他们需要的信息,最终有效率的实施企业的营销活动。以下大数据营销的SMART模型则可以助你一臂之力,运筹帷幄之中,决胜千里之外。

数据仓库,是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它提供大数据庞大的计算资源,在数据应用平台上支持查询,分析,建模,展现等工作,从而让数据营销人员在SMART原则下开始工作。

S(Specific)

从战略、策略出发定义具体问题

当营销人员面临营销决策时,一般从两个维度考虑,他们希望可以很清楚地被告知以下问题:

从战略层面看

(1)目标用户画像是什么样的?

(2)所在行业的发展趋势是什么?

(3)本品牌在该行业数字营销中的品牌数字资产是什么?

从策略层面看

(1)跟竞争对手的异同点在哪?

(2)数字营销策略应该主打什么?

(4)媒介预算应如何分配?

(5)每一波campaign的营销效果是什么?

(6)用户在互联网的行为是怎样的?

……

可以列举的问题数不胜数,我们经常说“问对了问题就是成功了一半”。当营销人员准确的定义了要解决的问题后,就不会不知所措,而是发现问题的本质,知道哪些是自己最想要的,哪些是需要抛弃的不重要的,先忘掉大数据,进而理解获得数据的相关性,从而更好地做决定。

M(Measurable)

确定衡量标准并调取数据

大数据很热,很多人认为大数据能够解决一切问题,殊不知能够解决问题的数据才是有用的。

从数据类型和数据形式看,分为结构化数据,非结构化数据和半结构化数据,内部数据,外部数据。除此之外,还有活动、对话、照片和视频、传感器和物联网等数据。可谓琳琅满目,营销者需要考虑的是这么多的数据哪些数据可以回答自己定义的问题。

在确定用哪些数据之后,则需要明确衡量标准是什么,由于数据的多样性,必定不可用一套评估标准进行衡量。拿外部数据中的互联网数据来说,当前3BAT这几家公司的数据各有千秋,阿里的购物链,腾讯的社交系,百度的需求链,360的行为链。各家无一不具备大数据的能力,面对这么多的数据,且数据之间并没有相互打通时,一套行之有效的评估体系至关重要。

A(Attainable)

分析数据

当清楚了自己的目标,必须分析数据以获取有价值和有用的商业结论。数据分析有很多种方法,文本分析是360营销研究院经常用到的一种方法,文本对于创意,搜索词等分析,可以让分析师更好地了解用户的需求和想法。

需要提醒的是,在数据分析中,标签是数据分析的基础,现在有很多技术打标的方式,实践证明,人工介入较多的标签,最终的结果更靠谱。当然,介入的人员应该是对打标的行业理解充分,同时明白需求方问题背后的原因,才有可能更准确地完成标签工作,以至于后来机器学习时的标签也会更加准确。数据要作假很容易,需求方需要清晰的知道数据的来源,定义方式,数据清洗和统计的方式,才能更加准确的运用数据的结果。

R(Relevant)

报告结果得出结论

目标受众理解信息和结论是分析是否有效的前提。之前有调研结果称,沟通结果最常用的形式是由图片和表格组成的图表和数据表。其次是没有图表的纯文字,最后才是辅以支持性数据和言语沟通的叙述性描述。360营销研究院目前最常用的图表是:柱状图,线形图,条形图,饼图,对应分析图。

随着数据可视化工具的普及,越来越多的工具已经可以帮助分析师将数据从平台中直接生成图表,提高数据分析的效率,让分析师更多的注意力集中在结果的呈现中。当然,完全依赖可视化软件是不可能的,分析师需要适当的使用才能有效。如何将数据的结果呈现出来,并能够让受众直观的看到,这在数据分析之前对于问题的定义和把握尤为重要,只有这样才能将复杂的数据分析结果用简单直接的方式展现出来,并配以数据洞察的结论。

T(Time-based)

调整战略、策略并制定解决方案

从最开始的定义问题,到数据获取,分析数据,得出结论,最终便是落执行工作。我们是否需要:

(1)调整目标用户

(2)改善业务流程

(3)调整营销策略

(4)重新划分媒体及预算

……

机会往往青睐于对于数据结果有敏感度,又将结果进行测试实施的人。当营销人掌握了如何熟练的运用数据,而不是将数据束之高阁,最终,数据让其重新审视过往的证据,并基于事实而不是假设、经验和直觉做出明智的决策。

大数据正在改变着人们的生活,未来,我们可以确定的一件事就是大数据和数据分析会发展的越来越发杂,营销人需要不断地去适应和接受变革,并正确的利用数据创造价值,以便更好地去把营销这件事做的更有创造力。

本文出处:,链接:,采用「CC BY-SA 4.0 CN」协议转载学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请联系「我们」处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言 大数据交流群: 统  计  学 数据分析网-统计学 商业智能 数据分析网-商业智能 数据挖掘 数据分析-数据挖掘 数据产品 数据分析网-数据产品

QR code