老Paul話營銷 | 營銷量化革命: 前世，今生，與未來

原創贊收藏評論

舉報 2022-01-13

掃描,分享朋友圈

也許你還沒有注意到，對營銷人而言，一場革命正悄然上演。

有人要問了，這是一場怎樣的革命？這是一場量化革命。過去數十年，量化革命就像一場完美的風暴，徹底改變了職業體育、投資等諸多行業的面貌。同樣的革命，今天正在我們的行業里風卷而行。

在證券投資行業，數據一直非常重要，對價值型投資人而言尤其如此。獲取盡可能多的標的數據至關重要，因為數據可用于判斷估值是否過高、過低還是剛好。作為一種投資策略，價值型投資牽扯到一個基本的判斷：一只股票的交易價格是否大幅低于其內在價值?

投資量化革命始于上世紀70年代末、80年代初，但直到90年代才出現重大突破。與價值投資不同，量化投資在很大程度上不會對內在價值進行基本判斷，而是利用市場低效，或根據對短期交易走勢的預測來試圖獲利。

雖然比量化投資落后了大約20年，市場營銷也一直遵循著類似的變革軌跡。量化革命在如何改變我們的行業？量化革命的優勢和局限性在何處？這場變革又將走向何方？

要回答上述問題，需將營銷的量化革命分為三個階段，分別對應前世、今生，與未來（見表）。

階段一 | 前世：量化革命的孕育市場研究時代

上世紀初，市場研究的興起首次讓企業能夠做出有據可依的營銷決策，同時也在一定程度上帶來了以消費者為中心的理念。與其出售自身所產，不如出售消費者所愛。今天看來再易懂不過的常識，在那個“想要什么顏色的福特汽車都可以，只要是黑色的就行”的年代，確實是理念上的重大突破。
雖然有據可依的決策比起無據可依的決策往往更勝一籌，但在這個階段，數據要么充當知識基底，要么用于驗證決策是否正確。人類的智慧，縱然光芒萬丈，也有諸多缺陷。一般來說，當數據與決策者的想法互相矛盾時，決策者對數據往往吹毛求疵，或者置之不理，甚至直接將其作為橡皮圖章，用來“驗證”任何決策。

此外，市場研究數據的兩大限制——數據范圍和數據顆粒度，深刻影響著數據可以產生的作用。大多數問卷調查時長約20分鐘，涉及數百個樣本，收集到的數據十分有限，這就意味著數據的來源過于狹隘或流于表面；而基于小樣本獲得的研究成果又無法可靠地推而廣之，因此幾乎所有的結論都只囿于PPT報告，一旦試圖踐行，就發現往往是“紙上談兵”。

因此，市場研究行業從不缺乏笑料。

階段二 | 今生：量化革命的曙光營銷效率提升

顯而易見，鑒于市場研究數據的局限性，需要一種嶄新的數據類型來召喚新時代的曙光。是的，這個新的數據類型只能是大數據。

在中國，任何營銷歷史學家（如果有的話）或許都會同意，阿里巴巴在2018年推出“全域營銷”，標志著這一階段的開始。借助“數據銀行”(DataBank)和“策略中心”(StrategyCenter)，營銷人首次掌握了大量翔實的電商消費數據，因此帶來了前所未有的洞察，這些洞察不僅僅是停留在PPT上的理論，它們可以用來幫助品牌精準圈選目標人群；更有意義的是，憑借消費者洞察及目標人群圈選，內容與觸點的精準投放變為可能，并且可以用包括購買轉化率在內的各種KPI進行測試，從而確定更有效的組合。很快，營銷人仿佛發現了一個神奇的武器，可以實現ROI翻番，降低浪費和欺詐，提升商品GMV。

有史以來，營銷人員第一次能夠從大量有廣度、有深度的數據中獲取洞察，將策略直接轉化為可檢驗、可優化的執行方案。同時，營銷人員也是第一次能夠將特定的策略和活動與短期的GMV聯系起來，因此ROI成為了合理、可衡量的KPI。

雖然大數據提供了前所未有的強力有效的解決方案，但目前可供使用的大數據和數據平臺的局限性還是給行業帶來不少困擾。

首先，大多數可用的大數據都是行為數據。盡管數據顆粒更細，也可以用于打標真實消費者，但主要的缺點在于：行為數據只反映了消費者的行為，卻無法揭示他們為何如此——換句話說，我們知道“是什么”而不知道“為什么”。因此，根據相關性或A/B測試來確定哪一類目標群體或哪一種溝通方式的ROI更高是一種常態。在極少數情況下，一些分析師會利用傳統的市場研究來挖掘“為什么”，然后利用這份洞察來指導大數據分析，但這是例外而不是常態。很多人可能會問，不是有“大師”說過相關性就是一切嗎？如果只是預測股票在未來72小時內的走勢，那么相關性就足夠了。但如果想弄清楚下一個重磅產品是什么，消費者興趣走向是什么，或者是否有所向披靡的品牌溝通，這些僅憑相關性是完全不夠的。

另一大限制則與現有營銷數據平臺使用權限有關。這些平臺基本不支持嵌入第三方基于算法的自動分析，也不能在沒有大量人工干預的情況下無縫地進行A/B測試、TA圈選、媒體投放等等。除了極少數二方非常有限的自動化嘗試外，人類依然是營銷決策的唯一思考者和最終拍板的決策者。從這個意義上說，營銷自動化仍然遙不可及。

階段三 | 未來：革命的范式轉變改變游戲規則，超越人類認知

如果有一個科幻作家特別無聊，想要寫寫市場營銷的未來，她很可能會這么寫：

大部分常規營銷決策，尤其是落地執行的決策，比如媒體計劃、目標群體圈選、傳播效率提升等等，將基于算法自動執行、自動優化。這里的一小部分在今天已經成為現實。
人工智能 (AI) 將生成大多數廣告、社交媒體內容。AI已經可以創作出以假亂真、讓專家難以分辨的巴赫式音樂。同樣，機器學習可以基于現有營銷創意內容，由此產生的黑盒算法可用于生成嶄新優質品牌傳播內容。已經有公司在這條路上前行了。至于何時AI可以像一個頂尖的創意人一樣，大量輸出優質內容，這只是時間問題。
同樣，機器學習將梳理消費者歷程數據，設計個性化措施，確定最佳干預時機或場合。無論在品牌種草、品牌建設、購買轉化、舊客留存還是新客裂變階段，都將使用最有效的信息/活動觸達特定消費者，實現營銷目標。
除了人工智能和算法的常規部署外，階段三比起階段二有很大的不同：大多數情況下，階段二更注重在現有的消費行為和決策模式下提升效率，而階段三則是要通過重新設計消費歷程、重組消費者決策來改變消費者行為模式。因此，僅僅依靠機器學習和歷史數據是不夠的。以行為科學為指導的實驗設計將打破市場營銷的新邊界，揭示重塑消費者決策的嶄新洞察及解決方案。

為了充分發揮階段三的潛力，它需要盡可能完整的消費者全鏈路數據。如今的數據孤島（例如數據銀行）功能非常強大，但在廣袤的數據宇宙里，只是一個極小的角落。既然完整的全鏈路數據庫具有如此大的轉換價值，它的出現只是個時間問題。

擁有神奇的數據庫后，營銷專家的境況會越來越像量化基金人士的現狀：出身商科的人數會越來越少，而數學家、程序員和行為科學家等會越來越多。

這個階段的營銷將充滿刺激、奇跡和魔力。從某種意義上說，擁有數據和算法的營銷，在塑造消費者行為方面將比以往任何時候都更加強大。但消費者和政府會容忍嗎？消費者會不會因為收到并不需要的推送而反對營銷，就像Facebook所經歷的那樣？政府是否會感到擔憂，因為這個行業就像劍橋分析(Cambridge Analytica) 及類似公司一樣操縱大眾？

顯然，身處量化革命風口的營銷人員需要遵循兩個原則：1.最大限度尊重消費者隱私；2. 只有當消費對消費者來說是有價值的，才鼓勵消費行為——也就是讓消費者能夠做出充分知情、明智的、可持續的消費決策。畢竟，如果有一天營銷人員醒來的時候意識到她擁有影響消費者的能力，她最好先問自己這個問題：我是否希望生活在這樣一個世界，營銷人員可以自由運用數據和算法來操縱我的決策，卻幾乎從不考慮這樣對我是否真正有益？

量化革命的舞臺已拉開序幕，這對今天的營銷人員有什么啟示？意略明相信，一個行業的重大變革將會帶來前所未有的機遇：

數據資產：數據是新的石油。任何可以補充（當然，能取代就最好不過了）數據孤島的獨特數據集都將具有巨大價值。
算法和應用：可以代營銷人員做出決策的算法，無論是簡單的還是復雜的，都將被嵌入自動化應用程序中。在不久的將來，這些應用程序將用于日常定位目標人群、決定消息傳遞類型。假以時日，應用程序會做出優于人類的戰略營銷決策。
系統間集成：可以鏈接和促進各種數據孤島、算法、數字媒體渠道、電子商務平臺、數字化線下接觸點和其他利益相關者之間協作的集成系統。
行為科學和社會/文化力量：與量化投資不同，品牌方無法通過套利低下的市場效率獲取高額利潤。因此，僅使用純粹的統計方法是不夠的。我們需要深入了解消費者如何做決定，從而得知怎樣才能推動他們做出決定。行為科學，尤其是行為經濟學，再加上影響消費者思維方式的社會和文化力量，將成為數據科學家競相構建更為精彩絕倫的算法和應用程序的航標燈。

當然，階段三是否會出現以及走向何方仍是未知數。然而，此時此刻，我已經迫不及待想知道，階段四會長成什么樣。

專欄作者

周波（Paul Zhou）
創始人 & CEO，意略明集團

Paul在中國及美國的市場研究與戰略營銷咨詢領域擁有20多年的豐富經驗，并致力于通過領先的創新解決方案打造數字化時代的最佳營銷戰略。Paul一直為眾多跨國公司和國內優秀品牌提供以消費者為中心、以數據為驅動的戰略咨詢服務，包括戰略定位、商業模式、品牌策略與傳播、定價、媒體投放及渠道優化等諸多領域。

如需了解更多信息，敬請發送郵件至marketing@illuminera.com

本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。