John Wannamaker早在100多年前便曾抱怨到:“我的一半广告费都打了水漂;问题是我还不知道是哪一半”。这种情况虽然持续了很长时间,但如今已成过去。借助数据驱动的营销和数据分析工具,营销投资回报率的可视性和透明度现已得到显著提高。
数据为追加销售、交叉销售、客户分析、以及最终通过明智投资决策来最大限度地提高营销效果创造了大量机会。
此外,Gartner在2017年开展的一项调查显示,年收入超过2.5亿美元的企业普遍都在压缩营销支出,从而迫使CMO聚焦分析工作,因为他们“需要向企业证明营销和广告投资的效力。由于客户选择多渠道购物,因此,营销主管不仅需要关注渠道绩效指标,而且还需借助高级分析技术来解答整体营销ROI这道难题。”
管理数据激增
鉴于开展营销工作需要长期访问具体的客户数据,因此,我们一直在说营销必须由数据所驱动。而现在,我们也许正处在一个转折点上 — 数据所带来的不仅是祝福,如果您无法提取准确数据或者基础数据不值得信任,它也会变成一种诅咒。
营销部门正被数据激增所困扰。忠诚度计划、在线商店、客户支持、移动应用及社交媒体等等,都在生成数据。而数据种类也是五花八门,如人口统计数据、财务数据和细分客户数据等等。
其中某些是对准确辨别客户身份至关重要的结构化数据,如ERP或CRM数据,但大多数都是社交媒体及客户支持等来源的非结构化数据。如果我们知道如何过滤和评估非结构化数据,便可在非结构化数据中发现很多商业价值,尤其是在我们可对特定客户群交叉引用非结构化数据时。
因此,数据驱动的营销部门不