数据不是营销的灵丹妙药

最近稍稍有些忙，周末才抽空写一点行业观察。而且我明显发现，自己的思考方式会明显受学科教育的背景影响，我是学经济的，就总会不自觉地用一些经济学理论框架去解释问题，也正是因此，我个人比较感兴趣的话题都偏宏观，其实对于很多实操和执行人员来说，这些内容并没有太大作用……

今天说一下营销的数字化，这也是我日常比较关注的一个话题。

通过对大数据的应用，品牌可以更精准地向消费者进行营销，提高转化率、提高ROI，这也是如今大量数据服务公司及平台广告系统的卖点。现在不少广告公司都通过数据分析来指导提案方向，论证策略的可行性；也有如巨量引擎之类的平台，通过颗粒度不断细化的用户标签、数据分析等方式，为广告主提供投放及内容策略。

虽然我也认同数字化工具将会带来营销精准度的提升（也强烈建议每个品牌都去尝试巨量引擎这类营销数据工具，因为他们在数据模型上真的很猛，本文不是广告……），但并不意味着数据就是无敌的，事实上，数据在营销的一些关键问题上无能为力，而我指的并不是4A们常提到的big idea之类的创意玄学。

创意本身就是有稀缺属性的，这与规模化生产的方法论就天然矛盾，就算广告大师们一生无数的案子中，能称之为大创意的也屈指可数，还往往出现在早年职业生涯。不是因为广告大师们的功力退化了，而是创意需要与具体传播环境相结合，而这其中不可控变量太多，我觉得脑子正常的品牌方压根就不应该去追求这种虚无缥缈，如果企业实在太大，有一定探索前沿的责任和义务，倒是可以适当尝试一下。

但对大创意的讨论帮助我们引出了一个有意思的话题，就是营销行动追求的固然是好结果，或者直白说就是高ROI、高业务回报，但这却是由两个部分构成：第一，回报的期望值；第二，回报的波动性。

一次营销动作就如同一个弓箭手射箭靶，平均分数越高的方案，并不意味着它越稳定，平均值和波动性是两个不同的维度，而且可以说是难以兼得。就像《四驱兄弟》里面小烈（红头发）发挥很稳定，但是比赛决胜总是要靠小豪（蓝头发），但小豪又总是出各种状况，四驱车状态很不稳定，赢比赛可能只是因为运气好…

也就是说，摆在企业面前的营销方案往往有两种类型：

第一种是四平八稳，风险小，营销回报还不错的方案；（小烈方案）

第二种是有点邪门，风险大，可能会获得惊人回报的方案，平均回报值优于第一种方案的方案；（小豪方案）

当然还有风险大收益小、风险小收益大的方案，可以组成四个象限，但前者明显说明水平不行，后者正是大数据营销的探索区域，我们后面再说。

第一种“四平八稳的套路”（小烈方案）是品牌市场部的惯用策略，因为可预测性强，对老板、对其他部门同事领导的说服性就强，可以取得最大共识，顺利推进项目，但往往也就是平均分往上，出不了彩。但整体对于职业生涯发展来说，项目经验是有益的，也能够顺利升职加薪。

第二种“有点邪门的创意”（小豪方案）是一些热店型代理公司喜欢推荐的，因为代理公司其实并不太需要承担营销搞砸了的结果，所以他们很多时候会想搏一搏（单车变摩托），再加上很多热店的“创意型”人才确实觉得天天做“行活”没啥意思，在浪费人生。

事实上，如果对于企业老板而言，理论上更愿意选择“有点邪门的创意”（小豪方案），因为在企业长期发展中有多次营销动作，只需要获得整体最高收益就行，无需在意短期的营销波动值。

但事实也并非如此，一方面是由于老板需要懂营销，有营销方案的鉴别能力，而这点很多老板并做不到；另一方面是如同四驱车比赛一样，一场比赛的名次会影响能否进入下一场比赛，还有时间成本、市场窗口期的影响，因此每次营销动作之间是相互关联的，而非绝对孤立的事件。

上面这张图就是整体上甲方市场部人员整体上的技能发展路径。“过程1”其实是一个套路学习的过程，个人成长会非常迅速，但之后呢，是一个分歧点。

走“过程2”路线的人会不断探索有效营销方式，但随着营销回报的提高，营销效果的稳定性在降低，但由于营销技能的提升，营销效果稳定性不会下降过大。

走“过程3”路线的人就基本是在混日子（或者找到了其他职业发展通道），营销效果的可预测性不断增加，但营销回报微弱降低，如果不是有其他职业升迁路径的话，可能这类人还没“开窍”，或者心思不在工作上。

上面这张图是“创意热店”广告代理商营销人员的技能发展路径，同样，“过程1”的成长是迅速的，是一种思维方式的养成，然后也会遇到分歧点。

“过程2”的人会随着技能的不断提升而进一步提升营销创意及稳定性，可能会成为创意代理公司的重要角色。

“过程3”的人基本上属于跳槽到甲方去了，甲方的工作评判标准及生存法则比乙方更复杂，便需要牺牲一点营销回报换取稳定性和项目执行前的说服力。

另外，有些“求稳”的广告公司人员发展路径更像“企业市场部员工发展路径”那张图，这在服务大型客户的代理公司中也不少见，我们不做讨论。

对于上面这个整体象限框架呢，有两点需要补充：

第一是个人的成长过程是波动性的，也就是螺旋式上升，而不是平滑上升；

第二是，这个框架模型有一个重要的前提条件，就是营销传播环境处于一个相对稳定的状态，而如今媒介渠道红利变化很快，因此想要做到更准确，在“波动性”（X轴）、“期望值”（Y轴）之外，还需要增加“传播环境红利”（Z轴）。这样在比较结果时就应该比较三维坐标系下的体积值。

事实上，Z轴就是X轴与Y轴的一个加权值，越能够抓住红利，营销效果就越可预测，ROI也就越高。

如果我们将这个三维坐标模型降维到二维平面坐标中去，那么前面图里的“？”区域（低风险高回报区域）就是通过抓住传播红利而实现，但可惜每一种市场红利都有时间窗口，都是短暂的。

上面只是一个理想化的模型，或者说是我现在在写这篇文章时候的思考路径，但也说明白了我们认为营销决策的三大要素：期望值、波动性、市场红利（为了简化，市场红利我们暂且不谈）。

扯了这么多，我们终于要说回数据营销了。

我们认为，整体而言，数据营销可以提高营销行为的可预测性（即降低波动值），但对营销效果期望值的提升短期内可以提高，中期内存在天花板，长期来看则会回落至原始水平（ROI先涨到一定幅度后再降下来）。

下面说一下我们这么判断的理由。

我们有些时候想问题喜欢以终为始，从整体来看，营销效果ROI的提升，带来的最终结果自然是商品销售的增加。事实上，如果某个渠道ROI大于1的话，不考虑“时间成本”（执行所需的时间成本、资金运作的时间成本、投放回报到营收入账的时间成本）的话，企业就有动力投入无限资源投放该渠道，甚至加杠杆投放，只要杠杆利息能够被ROI带来的利润抹平。但现实并不能这样，ROI会随着投放金额增加而递减，因为优质投放标的是有限的，而超大金额运转时，时间成本也必须考虑。

随着数据营销渗透率的提高，行业整体营销ROI会遇到明显的上升瓶颈。因为整体的商品销售取决于整体的用户需求，用户就算可以透支未来需求，也无法无止境的提高。因此，存在一个限制整体ROI上升的天花板。

而随着数据营销再进一步的渗透，乃至成为营销行业的基础工具，那么ROI就会不断回落至最初水平（平均会稍微提高一些），这是显而易见的。当你拿着剑而别人赤手空拳时，你拥有极大的优势，但如果每个人都拿着同样的剑时，相当于每个人都没有优势了，一切都回到了最初水平，但你知道的是，一个剑招可以更大概率干掉一个人，而一个拳招则概率小得多。

我们认为的数据营销的渗透普及曲线如上图所示。“阶段1”是数据积累和算法优化阶段，未必比非数据营销更高效，面向尝鲜者；“阶段2”、“阶段3”是红利期，少半数品牌入场；“阶段4”是短暂的平衡点、提效探顶阶段；“阶段5”、“阶段6”是数据营销工具大众化普及的过程，红利消失，数据营销服务最终成为完全的基础性工具，如同office套件、浏览器之类的东西。

结论就是，随着数据营销的全民化普及，ROI最终并无法得到显著提升，但是营销的波动性被很大程度上抹平了。换句话说，营销变得更加科学了。

当然，这整个过程都只是一个完美环境下的理论推导模型，但我们相信这个趋势正在发生。而这枚硬币的另一面则告诉我们，营销从来都没有灵丹妙药。