过去十年间，品牌营销对数据的要求发生了哪些变化？

作为一个数字广告多年的从业者，我对于近年来品牌营销的数据化深有感触。

过去十年，数字广告主要靠快速增长的流量红利，服务于直接效果客户。由于太关注临门一脚，在建立品牌、影响用户兴趣，即“种草”方面，考虑得并不多。然而今天，流量红利渐渐退去，有实力的客户，必然要将更多的注意力转向利用数字渠道的优势，做好品牌建设，以图长期增长。

传统的品牌营销理论虽然体系自洽，但是设计之初并没有考虑到数字媒体的数据能力。因此，以往品牌营销的最佳实践，往往缺乏数据度量，或者仅仅采用线下调研之类的粗疏方法。

于是，今天的品牌营销，面临着一个关键挑战：必须在科学的数据度量下，将传统理论以实证的方法落地和升级，才能发挥作用。而品牌营销的数据体系，还有很长的路要走：过去的数字广告，往往只关注点击、转化等行为。但品牌营销制定化营销，需要在全链路数据的基础上，逐步从狭义“用户增长”转向“用户关系资产管理”和“品牌内容资产管理”。

在此基础上，可以用数据驱动的方法论，执行业务诊断、策略洞察、策略落地、科学评估等品牌营销中的典型场景。这一产品概念，在当今的数字营销领域方兴未艾，就是所谓的“营销科学”。

上面谈到的概念比较多，我们可以一个具体的产品——巨量云图的数据工厂为例，简要说明一下。

上图是巨量云图数据工厂产品的逻辑框架。其中的用户关系资产，可以用营销大师菲利普·科特勒的5A理论来示例，他将营销的客户进程分为Aware(了解)、Appeal(吸引)、Ask(问询)、Act(行动)、Advocate(拥护)五个阶段，这个进程揭示了用户与品牌的远近关系，如下图所示：

所谓用户关系资产运营，就是要用数据化的方式，记录你的每个用户当前处于哪个营销阶段，而不是仅仅关注点击和转化。

而品牌内容资产，就是将品牌在社交媒体、广告渠道上投放的内容加以科学的数据度量，用以诊断、评估内容的质量和传播效果。

在巨量引擎的产品体系中，客户可以通过巨量云图沉淀用户关系资产和品牌内容资产，而数据工厂可以与巨量云图联动，帮助品牌实现定制化营销需求，实现所谓的“数据精增量”。而定制化数据运用，主要通过“标签工厂”和“建模预测”两个工具来实现。

标签工厂这个工具，可以为品牌提供自定义标签的能力，覆盖三种类型的定制化标签：内容标签、人群标签和达人标签。

整个标签工厂的自定义逻辑，是基于平台本身提供产品化标签的基础上，给到用户自定义生产标签的能力；现在主要提供三类标签：内容标签，人群标签和达人标签；整个标签工厂生产标签主要是基于关键词和一些交互指标进行设置的，整体灵活性非常高，可以灵活适配大家做一些营销策略的需求，比如，像现在大家都宅家，可以通过标签，可以把和“宅家”有关的人群，内容，达人圈选出来；

一些比较高阶的用户，甚至可以借用标签工厂，在云图平台上搭建一个该类目/品牌专属的标签体系，比如：以细分类目/品牌为切入点，基于对产品特征、功效、气味等的理解，提取相关关键词，进行标签树的搭建；把相关的内容，人群，达人归类到这一标签体系上；后面的应用就相当清楚了：可以根据自定义人群分析，将标签人群推到巨量千川做广告投放；也可以通过标签找到相匹配的达人，通过巨量星图/百应下单合作。

而建模预测，实际上可以理解为，瞄准不同交互目标的升级版look-alike过程，比起我们熟知的look-alike，它可以根据客户的需求定制建模的目标，自定义正负样本和人群特征，以达到持续调优的过程。建模预测的典型应用场景，大家可以参考下面几个例子：

种草蓄水，挖掘对品牌有兴趣的人群：这个任务可以以点击率为优化目标，通过模型训练，从大盘人群中找到最可能点击的人群；积累粉丝，挖掘与品牌互动的人群：对比品牌转粉及未转粉人群，通过模型训练，识别粉丝招募的高潜人群；转化收割，找到品牌决策临界点人群：以一方转化购买人群为学习样本，通过模型提高触达人群中消费者浓度，优化ROI。

大家看，以上这些任务，都是根据品牌自己的第一方数据，平台提供建模能力，形成的定制化数据应用。这也正是原始数据向商业价值的转化，体现了 “数据精增量”的概念。

管中窥豹，巨量云图数据工厂这个产品，针对“品牌营销对数据的要求”这个问题，给出了实践层面的一个答案，也为数据科学指导品牌营销做了有价值的探索。我们可以继续保持关注，品牌营销数据化、实证化的时代也许就快要到来了。

（编辑：徐州站长网）

【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!