从计划到市场，精准营销也许到了该改变的时候了！
是傅一平的第261篇原创
作者：傅一平
个人微信：fuyipingmnb
在谈这个问题前，首先我来发一张图片：
这是我们依托于获客宝的这个数据产品，在做一个流程攻坚的事情，希望让建模师直接参与到生产经营中，其发布的模型可以直达一线人员，直接获取直销人员的营销反馈，干掉所有管理环节，从而快速迭代，而这张图是获客宝团队的产品经理特意为建模师制作的“贺信”。
这种精准营销在互联网公司看来很平常，但在很多传统企业并不容易，因为营销流程其实很长。
我们统计过，建模人员从完成一个模型，到最后这个模型的数据能直接为一线人员所营销，需要经历很多环节，一次营销的周期就要超过7天，如果迭代更是要翻着倍儿走，典型流程如下：
（1）业务人员进行营销的策划
（2）业务人员提交目标用户需求
（3）建模人员取数或挖掘
（4）业务人员将清单分配到渠道执行
（5）效果评估（如果需要的话）
大家觉得这很正常啊，的确每个环节都是需要的，但需要并不等于高效，每个环节都有提升的空间，新的时期也许需要作出变革。
1、业务人员进行营销的策划
营销其实分常态化和专题化两种类型，前者是体系化驱动，后者是事务驱动，体系化驱动就是政策、产品及场景都是明确的，你定期触发执行就可以，比如运营商宽带到期办理，流量饱和升档推荐等等，事务驱动就是新推出了一个政策或产品，需要重新策划一次营销活动。
但很多企业营销体系化驱动是不足的，并没有针对客户全生命周期的各个关键节点进行规划，想到了就去做，没想到就不做，这往往丧失了营销的时机。
曾经在某地市试点过这种体系化的营销模式，可惜没有坚持下来，但当初的确可圈可点，大多数的营销应该是系统依赖一定的场景和规则自动触发，而不是让营销人员一次次的疲于奔命，每年从头再来。
示例：
当时某个地市曾经启动过一个存量保有的咨询项目，设计了保有客户的特征视图，如下图所示：
针对各个特征群体设计了策略矩阵，将所有维系活动纳入矩阵管理，覆盖所有存量价值客户，实现“不少一个政策，不漏一个客户”的精细化、体系化管理模式，只要任何一个用户满足异动的条件，就直接有一个营销政策自动触发执行。
在大数据时代，实时场景营销已经成为了互联网公司的主要营销模式，传统企业应该系统化的梳理好各种营销和服务的场景，并将这些场景固化在系统层面，比如运营商每年的新春营销、暑期营销、开学营销等等，每次都是轰轰烈烈的运动，每次都是各种摆摊，但在诸如数据模型、时机触发上的支撑效率是乏善可陈的。
体系化的营销思考的少了，系统化的支撑效率又跟不上，事务性的营销则会无穷无尽，各种肉搏战不可避免。
2017-2018年团队就通过“精准模型+实时数据”的开放去赋能一线校园营销，比如高考一结束就直接进行毕业生的识别，希望先人一步，用大数据去打一场不对称的战争！
2017年刚做的时候还很生疏，2018年效率提高了一些，2019年将更加中台化、体系化，但贵在坚持。
就好比阿里双11的营销大屏的进化。
2012年：其完成了一个简单的页面，仅仅呈现了实时的交易额折线图和部分省份的实时交易动态，通过投影仪的方式投到了当年媒体中心的小会议室中。
2013年：双11大屏接入了更多实时的数据，例如港澳台的交易动态、分省份/宝贝/店铺的排行、菜鸟物流的繁忙程度。
2015年：21米宽10米高的LED大屏上迎来了27张大屏的集体亮相，这一年WebGL大爆发，倒计时、3D地图、真实的地图飞线、3D城市数据纷至沓来，新技术将数据从抽象世界还原到人们熟悉的3D城市，让数据和观众的联系感更强。
2017年：全国上亿买家订单沿着真实的消费路线涌向卖家，形成一道道闪电，看到的时候觉得美的说不出话，超过500家中外媒体以此作为现场直播，已经可以通过可视化去帮助分析和解决业务问题。
但光有校园营销的支撑是远远不够的，精准营销需要规模化复制，因此，新的一年团队有个“百大微场景”的支撑计划，希望能结合客户生命周期，把更多的的基于大数据的实时营销能力在系统、产品层面落下来，通过数据中台的形式对外开放。
在运营商流量红利进一步减少、开始提降本增效的时候，精准营销不能是阳春白雪，一定要突破单点思维，要能够体系化的推进。
2、业务人员提交目标用户需求
传统的营销管理人员定目标用户口径有它的合理性，毕竟谁理解客户谁就有口径的发言权，在建模各要素排序中，也是业务>数据>算法，但笔者有一个疑问，我们定目标用户口径的人员真的理解客户吗？
营销管理人员定方向、定政策和定场景可以，但让其定用户的具体口径似乎也并不是最合理，真正跟客户接触的，其实是营业员，客户经理，直销人员，外呼人员等一线执行人员，但他们大多时候没有发言权，建模人员虽然懂数据+算法，但业务上有短板，而且现有的流程让其跟一线人员离得很远。
笔者提倡建模者要走到一线去，不是简单的去找营销管理人员，而是找一线执行人员，就是要补足这个短板，希望让各方发挥所长。
传统的取数流程虽然连接了三方，比如营销管理人员定政策和用户口径，建模人员取数，一线执行人员拿着清单营销，但实际上这三方的沟通基本都是单向的，命令式的，加上冗长的审批流程和执行流程，这种计划经济式的营销模式是否已经不适应新的形势要求？
笔者的设想是企业应该有个模型超市，这个平台连接了所有角色，营销管理人员定政策和场景，建模人员按需发布模型，一线人员选择好的模型进行营销，所有的信息都是透明化的，所有的中间环节都已经被干掉，从而形成一个真正的市场，好的模型能够自底向上的演化出来，大家的关注重点将是效果，而不是流程。
这个模型超市平台在苹果叫作APPSTORE，在这里叫作获客宝，两种平台的本质是一样的，对于诸如运营商，银行这种传统大型企业，由于营销规模足够大，参与的人数足够多，这种市场化机制似乎是值得尝试的。
3、建模人员取数或建模
不少企业对于建模人员的定位是不清楚的，比如没有建模岗位，只有取数岗位，当然建模人员去取数也没问题，但术业有专攻，两者其实很难兼顾，取数相对是被动的，执行为主，但建模则是主动的，创造为主。
精准营销更多的是需要创造，但创造这种事情成本很大，因此精准营销首先是一把手工程，得自上而下的进行推动，没有这个势，下面再怎么干也是事倍功半。
只有高效低成本运作的理念已经深入到企业的执行环节，精准营销这种手段才能真正发挥作用，大数据最大的价值，实际是向管理者普及了一种数据驱动的思想，很多企业的数据人员因此得到了重视，比如设置了专门的岗位，算是收获了时代的红利，要珍惜这个机会！
很多人跟我探讨精准营销的问题，其实笔者给不了什么建议，因为如果企业没有这个意识，没有在机制、流程及资源上真正的倾斜，靠一只建模或产品团队很难成事。
定位问题解决了，再加上（2）中解决的流程问题和平台问题，其实企业建模师最大的挑战就是自身的能力了，但我们的建模能力其实很弱：
一是不够敏捷：笔者在《如何打造敏捷的数据挖掘能力？》问中提到过，“工欲善其事，必先利其器”，企业需要在打造全流程挖掘引擎、降低变量准备时间、选对模型提升的方法、快速迭代及时止损、通过运营保有挖掘资产等方面下足功夫，才能让建模有足够的性价比，这些对于传统挖掘模式的挑战很大，模型绝不是奢侈品。
二是不够专业：笔者在《数据挖掘师，要从一个人活成一支队伍》等文中提到过，建模师需要有跨领域的专业能力，否则即使算法能力再强，也价值有限，企业建模师最需要的能力其实是通识能力。
比如建模人员需要学点营销知识，好歹知道4P，因为数据挖掘的效果可是跟政策、产品、渠道都相关，比如理解挖掘需求就得善于倾听，这个时候就得懂点心理学，固执己见是数据建模师要不得的毛病，比如为了推进工作就得懂点写作和表达，这是获得信任和资源的重要手段。
这些问题都很现实，却是建模中的关键，建模其实是个复杂事务，不是纯粹的技术问题。
4、业务人员将清单分配到渠道执行
要将精准营销的效益最大化，关键是能实现政策、模型、渠道三者资源的协同，比如一线经常出现的问题是有外呼资源，但没有模型数据，等着分派呢，比如直销人员的营销能力不一样，但分配的数量却是一样的，最后闲的闲死，忙的忙死，这就是三项要素出现了不匹配。
为什么会这样？
因为我们的工作是事务性的，是流程驱动的，资源是事先分配好的，虽然有个“营销管理人员”这个资源分配节点，但其往往成为了瓶颈，要解决这个问题，就只有采用市场化的机制，让需求和供给自动匹配。
比如为一线提供更多的营销服务模式，它可以抢单，也可以基于地图和标签自助删选，由于平台会实时提供各类模型的效果数据，因此不用担心一线会胡乱选择模型，最优秀的模型肯定是最先被消费掉的，这就是市场的力量。
5、效果评估
互联网广告投放平台的效果是实时的，这是一个很大优势，很多传统企业的营销效果评估短则以日计、长则以周甚至月计，还有的甚至不评估，因为太多了，效果不好的索性就不评估了，屁股决定脑袋的事情很多。
比如企业营销管理人员常常既当裁判员，又当运动员，这与互联网广告中的广告主和投放端的利益博弈完全是不同的。
但即使评估了，对于模型等各种要素的改进也是流程冗长，很难直接反作用于一线执行，很多企业做了好的模型，中途夭折的基本就是被流程搞死的，甚至不知道怎么死的，毫不夸张的说，精准营销中间每增加一个管理环节，营销效率就下降一半，因为市场不等人。
要做好营销评估，最为关键的是两点：
一是从离线评估走向实时评估，比如重构传统营销管理平台的架构，解决实时评估的问题，一线人员要能实时获得营销成果的评价，建模人员要能实时的了解自己的模型效果，营销管理人员则能实时的了解到这次策划的总体效果。
二是营销效果需要极度透明化，效果评估不是简单的自己的纵向比较，更强调横向比对，很多营销团队会说我的模型好啊，你看成功率多高，但这个所谓好是没有比较基准的，只有在同样的政策、同样的人员、同样的渠道，同样的平台条件下，比较才有意义。
最佳实践推不动，往往是大家形成不了共识，因为没有统一的评估标准，强扭的瓜是甜不了的，所以打造一个透明化的，扁平化的模型超市就很重要，以下是在获客宝平台上针对同样的营销案，由同一只直销员队伍营销，省市两个模型的投放效果的比对。
因此，创造公平比较的环境，通过营销评估真正的发现差距，最佳实践的推广自然水到渠成，大型企业的整体营销效率才会有效提升，这是一个关键点。
以上的五点其实都很难，有人会说这是异想天开吧，我的企业根本不具备这种条件，但理是这个理。
做大数据的，更需要多往前走一步，所谓“站在高处，谋在远处，干在实处”，你不提不做，精准营销就更没前途了。
完
作者：傅一平 （微信号：fuyipingmnb）
好书或文章推荐（每周我会挑选出1-2本好看的书或文章进行推荐）
《OKR工作法:谷歌、领英等公司的高绩效秘籍》克里斯蒂娜•沃特克：如何激励不同的团队一起工作，全力以赴去实现一个有挑战性的目标？非常简短的一本书，但直接指导了我的行动。
《为什么中国足球不行？》 万维钢·精英日课第二季：有一个认知错误，是把竞技体育和“全民健身”相提并论 —— 说国家与其花这么多钱搞竞技体育，不如花钱搞一些社区的体育设施，促进全民健身。与其花这么多钱搞职业足球，不如搞校园足球。这是完全不懂体育的说法。竞技体育是让观众花钱“看”的事儿，是一种产业，是人民精神生活的范畴。全面健身完全是两码事，是人民生活水平提高以后自动就会去做的事情，全民健身应该属于医疗保健的范畴，感觉自己真没文化！
可能错过的近期精选文章（点击链接即可阅读）
从芝麻信用分透露的详细数据设计，我们能从中得到什么启示？
如何避免成为一台取数机器？
哪些广为人知的数据挖掘案例其实是一地鸡毛？
数据的价值到底如何评估？
为什么我提交的数据分析报告总是被领导K？
我如何用统计学指导自己的生活？
从吴军的“算法的油水就那么多”说起！
一起成长，让我们与数据同行
忙完工作，偷得浮生半日闲，讲述自己的数据人生
大叔/电信博士/500强央企/大数据/人工智能/统计取数/数据挖掘/数据产品/数据管理/数据仓库/数据变现