简述现代市场营销部门的组成及相互关系是什么_营销

‍

自2020年起，中国商务广告协会数字营销专业委员会、虎啸奖组委会及秒针营销科学院三方合作陆续发布了，受到行业各方的关注与热议。

为帮助广大营销从业者更清晰的了解各产业的核心能力、现状及未来趋势，我们以双周为周期，推出《数字营销产业分析》专栏，聚焦《中国数字营销生态图（2021版）》三大板块深度分析十六大赛道，为您解读各产业赛道的核心能力、现状及未来趋势，助力企业营销数字化战略布局。

数字营销产业分析专栏第四篇，聚焦《中国数字营销生态图（2021版）》“数据和工具”版块的“营销数据”。

如果说创意是营销的灵魂，那么数据就是营销的血液，生命之源。

但我们口中的大数据也并不是数据量越大越好，数据本身其实是一种负担，需要花钱买空间进行存储，需要持续维护，需要进行数据挖掘。所以真正的大数据有几个基本特征：

一、数据量大，不是普通电脑能打开的数据；

二、纬度丰富，单一维度并不能称为大数据；

三、快速计算和调用，能在短时间内进行计算和调用，而不需要跑一年半载；

四、准确性高，很多数据在采集时很混乱，计算的时候也很随意，造成准确性过低，失去了数据的意义；

五、要有“价值”。

今天我们就来探讨一下营销领域有哪些对我们更有价值的数据，以及我们该如何利用这些数据。

我们从营销触点中能采集到的数据类型很多，会涉及到不同技术和渠道。（如下图）

这些数据如果按照采集难易度和销售相关度来看，是企业能收集的数据中技术最简单，成本最低，数据量最大的数据。（如下图）

在使用这么多纷繁的数据之前，我们一定要对数据的使用权有个整体的概念和分类。对于营销数据来说，整体行业内可以将其分为第一方、第二方和第三方数据。另一个维度，也可以把它分为公域和私域数据。

产供销过程中所产生的数据都属于第一方数据。其中营销常用的第一方数据来源有以下几种：

CRM

即客户关系管理系统产生的数据，用于记录已经购买产品，或者表达了采购意向的消费者的信息。

SCRM

SCRM可以被视作是CRM的一种延展，主要是基于社交系统，比如微信生态等所构建的一套客户管理体系。很多广告主把CRM直接构建在微信公众号上，消费者可以在公众号上实现浏览历史采购记录、会员积分、换取优惠券等。

CDP

集成数据采集、数据打通、统一ID体系化、分析发掘等功能的数据平台。会二次加工数据，使数据能快速地被业务方使用起来。

用户忠诚度平台

会员管理体系，往往也被视为CRM的进阶版。

业务运营数据

业务运营过程中所产生的数据，如银行的刷卡数据等。随着我们对非结构化数据和半结构化数据的采集和处理能力的提升，与消费者运营中的会话数据可以被我们大量的采集和分析，比如文字和音频的对话记录，通过智能识别和加密技术之后，可以进行大量的分析。

第一方数据和私域数据的差别

我们可以简单的理解私域数据是第一方数据的子集，主要针对“人”相关的数据。在某种程度上，企业能拿到的“人”相关的数据，即使不在自己的系统上产生，也可以看作是私域数据，比如在自己的抖音、小红书、电商账号下的数据。也不是所有“人”相关的数据都被视为私域数据，我们通常只把企业与人交互的数据看作是私域数据。

私域数据的重要性

高潜力

私域数据是企业与消费者交互的数据，无论是现有消费者还是潜在消费者，互动本身就代表着活跃性很高，可以实现更多的转化和二次营销；

公私域结合

媒体巨头们的私域体系部分是可以与公域数据打通关联的，以实现规模获客、精细跟进和二次转化；

安全

随着《个人信息保护法》的推进，公域数据的使用会越来越谨慎。每一个私域体系都是相对独立的，私域数据在一定范围内可以保护消费者的数据在不出站的情况下被充分利用。

如果整体来看第一、二、三方数据，第一方数据通常更贴近企业的生意，但第一方数据的质量非常有限、数据宽度不够（数量）、数据厚度不足（字段保有率）、数据刷新速度不够（更新频率）。为了得到更好的数据模型结果，通常需要依赖外部数据。

第二方数据通常是跟自己企业相关，但自己没有能力或者无权采集，需要委托或依托其他方采集或提供，跟本企业相关的数据只提供给本企业使用。

例如，微信体系内的账号运营数据，电商上的运营数据，借助第三方采集的监测数据等。

可以公开获取或交易的数据。跟营销相关的，比如行业报告、第三方DMP平台、外部数据提供商、数据交易平台、数据交易区块链等。

体现的的是数字营销的实时性。不是所有的东西都需要实时呈现。全场景下的四个动态是为了满足程序化购买的需求而产生的。

案例一：

集团内动态预算动态分配

背景

超大型客户的采购通常是集中采购，并且企业存在多品牌多目标人群的问题。在程序化购买的环境中如何把采购的量科学的分配给同期的不同品牌，如何区分人群和标签的优先级成为一个挑战。需要找到一个科学、合理、动态的方式及时对集团内的流量进行分配管理。

策略

利用Ad Serving技术实现流量动态分配

确认多品牌策略关系

分析标签获取难易度、客户价值、标签准确性等，进行优先推荐。比如母婴人群，客户价值高，判断准确度高，获取难度大，所以优先于其他标签，进行相应品牌展示。

当以reach为目标时，超频的部分会有别的品牌接替

（示例：品牌策略）

效果

整体流量效率提升15-30%

案例二：“量身定做”的

精细化用户触达，动态人群沟通

背景

某汽车品牌新车上市阶段，希望扩大新用户认知，让更多核心消费者了解并对产品产生兴趣。

解决方案

分阶段结合人群+创意素材的实时动态调优级素材轮替

针对潜在兴趣人群的实时投放重定向

项目结果

案例三：

量身全网内容动态管理

背景

作为高端工业品，汽车品牌对于产品销售影响深远，某车企实践中发现，车企消费者—尤其是作为购车增长主力的年轻一代—对品牌与营销内容并没有清晰的认知：车企不了解其内容创意本身是否符合目标消费者偏好；车企不知该内容是否被精准投放给了目标消费者。

解决方案

提供了一套工作体系（全数据运营+全流程智能）以及两个管理平台（社交内容分析平台+内容管理平台），以实现内容管理和匹配的优化：

首先进行内容的数据治理，建立管理内容的基础；

有了基础，持续探索和挖掘，通过洞察分析与预测分析，解决内容与客户偏好匹配的问题；

最后通过内容生成和推荐实现内容管理的流程智能，有助于实现运营闭环。

基于用户信息，在受访页面（官网/媒体）展示动态生成的创意内容

结果

通过项目实施，该车企实现多触点的精细运营，大幅提升消费者体验与客户忠诚度，具体体现在：

通过社交网络舆情洞察分析，实时对车企品牌形象进行监测，整体净好感度上升；

针对不同消费者，实现某车型官网创意的千人千面的营销方案后，通过A/B测试估算该车型的留资数量大幅提升40%左右。

我们所说的数字化通常是把流程中的各个点以数据的形式呈现和收集。在这个过程中也伴随着内外数据的打通，智能的决策。一些头部的广告主已经建立了一方的BTD（Brand Trading Deck），并根据自己的流程将所有的上传和下达环节打通。实现从计划、下单、评估的全流程在线。并且通过历史数据和模型的运用，可以进行智能的分配，决策和预测。

案例一：AI辅助决策，

智能分配媒介预算

背景

客户有大量的数据散落在不同的代理和供应商手里，缺乏统一管理；流程里涉及的内外部门众多，缺少权限管控的能力；历史排期修改版本多，无法复盘决策；缺乏监督管理，透明度不够；缺少科学的决策依据，凭借个人经验无法满足日益复杂的媒介变化。

应对

全流程在线，对接各个环节的API做到统一系统，统一视图；

权限管理系统重新梳理；

对接媒体库存系统，客户自己的历史数据导入，制作可落地的模型；

API+Email的方式混合实现策略自动下发；

经验决策与模型决策并存分配线上线下预算。

结果

完成了媒介资产的数据化；

建立了可回溯的透明决策流程机制；

媒介整体成本降低5%（本身价格已经是行业最具竞争力的）；

媒介运营周期缩短了70%。

全流程智能是对数据的深度挖掘，通过算法和模型实现数据价值的最大化。它可以在营销闭环的各个环节发挥价值。

在策略优化阶段，可以基于知识图谱进行探索式的洞察挖掘；在事前分析阶段，可以通过对过往数据的分析，对营销目标进行预测；在投放阶段根据对人群的智能判定推送最合适的内容，并且可以持续的优化。其中智能探索是一个比较新的领域，也是未来可能影响整个咨询和营销行业技术。

知识图谱（Knowledge Graph）本身是一种结构化的语意知识库，用符号形式描述物理世界中的概念和相互关系。基本的组成单位是“实体-关系-实体”三元组。在营销领域有几个使用方向。比如探索式主动推荐。我们传统的搜索都是被动的关联，比如你搜手机，那么出来的结果是各种手机或者手机壳。而探索式推荐是分析了各种信息之间的相关性和关系强弱之后，主动的探索最佳答案。

营销本身也是一种探索创新的过程，如果机器可以通过大数据给出更准确的关联结果，那么对于广告和咨询行业将会带来一场革命。曾经（于2022年2月19日停止服务）有一个基于知识图谱技术的检索网站叫Magi（如图）。

它的出现让百度为之恐慌，主动的探索式推荐方式，对人、事、物、概念进行了重新的关联，颠覆了百度的付费排名和关联度排名的模式。除了探索式推荐，我们还看到一些利用知识图谱技术的营销应用，比如通过社交网络发现消费者需求从而转换成新产品的研发。自动的生成文字创意，自动的分析消费者意图等等。

案例一：

利用知识图谱分析客户需求

知识图谱直接在营销中的应用可以帮我们探索消费者的潜在需求，更好的匹配相应的沟通和产品。比如下图，利用消费者各个触点行为探索消费可能性和可能消费的产品类型。

案例二：智能预测，

通过模型算法对CTR进行预测优化

案例三：

市场预算分配模型

案例四：美妆客户通过，

Lookalike模型提升销售转化

（美妆客户运用Lookalike模型后效果的提升）

案例五：

汽车客户对潜在人群进行智能优化

背景

该车企日常投放体量较大，在程序化投放的过程中已通过不同渠道触达了大部分网民。其中不乏潜在意向人群，但是无法精准的识别他们并再次触达。

目标

整合多方数据，构建一套ID评分模型，从而区别不同的潜在人群，提升留资效率。

方法

第一步，收集所有被广告触达过的人群设备ID，筛选出其中已经留资的（未来可以用车主APP等渠道的数据），作为正样本进行训练；

第二步，通过模型学习识别出这些人群的媒体接触习惯，比如爱上哪个网站，一般看几次后转化。品牌网站行为，比如一般会看多少页，停留多久以后的人群，留资意愿比较强。匹配外部的兴趣标签，看哪些兴趣爱好的人更有倾向；

第三步，将人群进行区分，进行差异化沟通，低质量的人群避开，高质量的人群高频次跟进。

结果

高倾向人群的效率比对照组高了28倍。

这个部分看的是企业构建自己数据平台的能力。对于业务和营销部门来讲，自身一般不是技术出身，对于这种数据平台来说都存在着选择障碍。我们给大家提供一套分类和选择的方式供大家做参考。

数据平台的选择

对于很多企业来说，选择搭建什么样的数据平台直接决定着项目甚至整个公司战略的成败。我们可以简单的总结为三种技术四种模式。这三种技术就是DMP、CDP、数据中台（数据湖）。我们先用下图从三个角度把大家最容易混淆的三种技术平台做一个简单的区分。除了最容易理解的功能维度和数据维度外，应用场景也是非常重要的。它影响着这个平台所需要的时效性，数据的准确性等，差距非常大。

什么部门适合牵头

做相应的平台

Data Lake或者数据中台，更适合做整体的公司数字化转型，而DMP和CDP更适合营销和业务部门使用。

什么类型的行业和阶段适合

做相应的数据平台

了解了应用场景，还要看客户自身所处的行业特征和阶段。

四种模式的选择

选完了三种技术，我们要看在落地时用什么样的模式。这里要考虑的因素有公司现有技术平台的情况、公司的期待、公司的技术政策、公司的预算、相应的人才储备等。

我们提供三种建设思路供大家做参考：

数据平台面临的挑战

ID无法打通造成数据中台的数据孤岛

ID无法打通是今天大数据平台面临的最大挑战之一。造成的原因有几大类，一方面是技术原因。多源异构数据之间难以相互打通识别。另一方面是政策原因，比如国家禁止隐私数据之间的相互转译打通，比较典型是手机号和设备ID。各大平台和客户内部也都有各自的政策数据不能随便。还有一个是流程组织的问题。各部门协作不好，各自为政，重复造轮子，数据不统一。还有流程缺失，数据采集时没有设计好的握手机制导致数据割裂。

ROI陷阱，不合理的预期

一方数据平台的搭建是营销精细化运营的一个标志。初期无法像粗放式营销那样快速收到回报。而是需要用产品经理的思维来构建一方的数据平台。它不仅仅是头疼医头，脚疼医脚的一个工具，更多的是面向未来所构建的数据壁垒，因此它要具备整体的规划，要有足够的时间做前期的设计，并逐步实现它的价值。很多项目往往牺牲在期望过高上。因此我们要看到ROI的拐点效应，用合理的预期来对待数据平台的成长。

人才资源跟不上

一方营销数据平台是一个，业务和技术都需要有所了解的领域。大部分的甲方IT部门还是扮演一个支持者的角色，无论从业务需求的理解还是人员的水平和数量上都有严重的不足。优秀年轻的技术人员大都被互联网大厂高薪挖走了，造成有系统没人维护和使用的尴尬场景，最后只能选择 SAAS模式或者依赖供应商。

今天中国的营销数据，处在一个徘徊的路口，《个人隐私保护法》使数据采集、传输和存储都遇到挑战，各家都在摸索政策的边界和技术上的突破，比如联邦学习，CDP等。当外部数据使用变得更加谨慎时，一方数据的利用率就会成为一个壁垒。

同时，未来需要有政府背景的组织牵头，制定出能满足国家要求的新标准，从而推动数据行业向着成熟合规的方向发展。

当期及往期报告

出品 | 课题组

编排 | 何雨晴

责任编辑 | 刘照龙

值班主编 | 王林娜

助力企业营销数字化转型升级

我们拥有

200+头部数字营销行业资源

500+一线实战专家

10000+优秀获奖案例

如有营销数字化咨询需求

可联系姜女士

电话：13851790129

邮箱：hx005@hooxiao.com

新消费专访：丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨 | | | | 丨 | | | | | |

品牌专访：丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨丨 | | | | | | | | |

想加入更多优质社群

请扫下方二维码添加啸啸微信

2022年《国际品牌观察-数字营销》

5月新刊已上线！

即使用乐观的心态去看待汽车行业营销领域的数字化转型，也很难找出一个真正成功的品牌

贾可博士提出的汽车行业新四化已经成为广泛共识，而汽车流通领域的数字化转型也在不断地被各大玩家所接受，笔者在与行业内各品牌的高管或者CIO交流的过程中，经常探讨的问题就是，现在中国的这些汽车品牌，谁在数字化转型这件事上已经领先？谁可能会被淘汰？谁会最终胜出？

谈到这里，按照传统的预判方法，我们要总结出一套评价数字化转型成功的评价标准，然后来打分，按照各大玩家的得分高低来评判谁领先、谁胜出。可是问题来了，到目前为止，我们即使用乐观的心态去看待汽车行业营销领域的数字化转型，也很难找出一个真正成功的品牌，只能说，我们还在探索还在路上。

那么，这个2020预测就变得无从下手，好在数策从2011年开始便一直跟着行业内具有探索精神和创新意识的车企不断开展数字化转型的实践和创新，我们一起踩了很多坑，既体验了创新者的窘境，也取得了不少成果，更看清了未来的一些基本方向。

因此，本文将结合数策近9年的汽车行业数字化服务的实践，来勾画一下未来，以做抛砖引玉，如果能引起大家的一些共鸣，实属荣幸之至。

基因进化是胜出关键

数据、技术、系统、组织建设都不是难题

车企的数字化转型，说降本增效也好，抓住客户也好，持续经营也好，其根本目的是帮助车企建立数字化和智能化的DNA。而数字化和智能化的DNA是一定都需要的吗？我不做不行吗？到目前为止，仍然有心存这样声音的玩家存在，我想这是行业数字化转型中注定要被淘汰的一类玩家。他们没有看到数字化和智能化这件事的根本发动点是在市场，是在客户，是终端驱动的，是标准的“市场驱动技术进步和模式转变”。这个意识不建立，所有的改革都是没有生命力的。

我举一个简单的例子，我们在某品牌做智能零售和智慧服务建设，该品牌的4S店用线上预约制来做客户服务的排期，打通了客户预约、工位排期和折扣策略、俱乐部积分，配合不同时期的工位价格和促销，引导客户完成在线预约，并支付定金，以此来做工位安排零部件的备料，推广店的预约率平均达到50%，月产值能提升20%以上，并且零部件库存周转提升和月零部件备件成本下降都非常明显。

这是我们原先预想的结果，不足为奇，需要注意的是还有几个有意思的发现：

客户的预约基本都是晚上，或者一早出门时，在非上班时间；

原先我们认为高端车型对价格折扣并不敏感，事实上在工位折扣选择上高端车型车主与一般车型车主选择并没有明显的区别；

不少车主主动提出来，为何不可以用充值来获得更大折扣，享受更好的工位资源，并且他们想在预约完了之后品牌能提供上门取送车服务，客户说“我连店里都不想去，我没时间”；

多次选择预约进店的客户，在收到服务推送的时候接受率更高，他们觉得推送内容越来越符合需求，很准确。我们对客户在收到信息时会投诉“你怎么知道我要什么服务的？”的这个担心并没有频繁发生。

这些发现说明了什么？

说明我们做在线24小时预约系统是客户所需，你无法提供朝九晚五以外的服务时间，而你的竞争对手可以，你就败了。同时，折扣、充值与积分是符合人性的设计，车主有钱不代表不在乎折扣率，他们也希望用充值获得优越感，享受因为特殊VIP待遇带来的尊贵感和与众不同，并且这种特殊政策在现实中能让客户活得越来越“懒”，越来越舒服，越来越高效。

客户并没有在收到需求推送的时候觉得隐私被侵犯，或者最起码没有投诉，说明如果数据能帮助客户获得更定制化的服务，并且数学能让推送越来越智能和精准的话，客户并不是我们理解的不可理喻，或对自己的隐私（比如车辆信息）完全不愿意透露。对这个问题的理解，本质上是意识也即数字化基因。

我们在进行这些变革的推广时，仍然会遇到不少玩家会告诉你：这个做不起来。为什么？因为数据不可能全，技术改造难度大，要改变组织架构，我们不确定这个事情到底能带来什么效果，投入产出是不是一定合理，这个东西一定要做吗，领导汇报批不了怎么办？我不做不可以吗？……我们称之为“数字化DNA”缺失。很显然，传统的财务审核逻辑是不太容忍数字化创新的，他们即使看到了同行在进行探索，也会嗤之以鼻地说：“这事搞不成。”

显而易见，2020年车企数字化转型，数据、技术、系统、组织建设都不是核心问题，数字化DNA的进化是最难的问题，尤其是对“终端客户已经完全打破时间空间的消费行为，必然引起车企营销行为和服务模式的改变”的事实视而不见。

那么，数字化基因到底怎么具备？内生和引进。

内生。生物界基因进化是可以内部促成的，核心是敏感地捕捉到外界环境的变化以去适应，比如鸭子脚上的蹼，啄木鸟的喙，都是内生实现的。行业要做到这些，核心是谁能捕捉到C端的变化，并改变组织、技术、数据和系统来实现更快的适应。

引进。数字化变革特别好的行业在金融、医疗、互联网、快消，这些行业变化快，数据完整，竞争激烈，不能数字化的玩家已经被清洗完了。汽车行业可以深度引进这些行业的CIO或者CDO或者战略团队，同时数学人才天生具备数字化和智能化基因，他们相信数字改变世界，并能促进数字技术与业务的结合，自然也是引进的关键。所以，谁能最敏锐地捕捉C端变化，并在组织内部着手数字化DNA的改造，谁就能胜出。

小员工都是大玩家

数字化转型中，对技术的使用，超过技术本身

数策在做行业数字化转型的过程中，经常发现一些客观事实，比如：一个好的产品或者解决方案，在同一个品牌的不同区域，在同一个区域的不同品牌，或者在一个城市的两家完全一样的品牌，最终有着差异很大的结果。

我们总结通过数字化解决方案和产品取得数字化转型阶段性成功的数百家汽车经销商，发现最关键的数字化转型要素是对新技术使用的培训。

数策有一个从2015年开始探索并研发的产品叫智能线索催化器SmartLeaZ，这个产品的核心是将品牌和经销商的网上线索进行实时清洗和分级，用大数据技术去除无效线索，并根据行业内最经典的“信心需求购买力”三要素结合机器学习构建模型对线索进店和购买可能性打分评级，辅之以不同的线索与不同的DCC外呼专员的能力匹配建议、跟进建议、潜客画像等技术手段，实现客户邀约进店的高质量提升。这个产品已经推广了多个品牌逾500家经销商，带来了大量的进店增量。

我们发现真正让SmartLeaZ迅速获得成功的关键在于我们推广的时候加大了对该产品的使用辅导。这几年来，数据、算法、模型技术在不断进步，产品越来越优化，能做到分区域分品牌的不同模型配置，智能化程度很高，但是，在没有引入对使用者的强化培训之前，效果仍然有波动，直到我们完成了细到对DCC外呼专员、网销专员、DCC经理、CRM经理、销售经理、店总的全链条使用者的技术推广辅导。

当每一天新技术在被正确使用的时候，技术所发生的力量超乎人的想象，并且相关岗位已经形成对该产品的依赖，这种依赖使得他们可以仅用一半左右的时间获得百分之一百二十的工作成果。

所以，数字化转型过程中，我们引进每一种新的技术，都要用产品经理思维去挖掘每一个业务节点上的使用者该如何使用新的技术并实现技术依赖，使得数字化赋能不是一句空话，而是实实在在地赋能每一个业务环节上的参与者，哪怕是个基层的员工也是数字化转型的大玩家。

落地和变现是关键

数字化转型意识上是自上而下的，行动上一定是自下而上的

这几年行业数字化转型出现了很多很多的新概念，比如中台、存量增量、渠道下沉、短视频营销、国民总时间、用户争夺等等。概念其实已经说的差不多了，数字化建设也从成本投入阶段变成数据和技术变现阶段了。

我在《汽车商业评论》?2019年11月刊上发表过一篇题为数字化客户洞察的专栏文章，该文章核心阐述的就是数策如何结合大小数据洞察“聆听客户的声音，知道客户在想什么、怎么想的”，突破仅仅知道“客户是谁，客户在哪里”单一化调研的局限，多维度的客户洞察能直接回答客户是谁、客户在哪、客户是怎么想的、他们昨天怎么想的、今天怎么想的等内容，直接实现所有营销策略的实时调整和区域营销的属地化作战。这就是传统画像平台的变现。

车企近年来做了许多的平台，叫法还千奇百怪，某个车企高管曾说“我们各种P（platform），最后P用都没有。”话糙理不糙。平台的作用是什么？就是变现。

比如洞察平台要变现为营销策略的支持、车型规划、型谱设计、配置优化，或者对客户投诉、服务满意度、咨询改善等实际业务提升的产出。

比如智慧零售平台（号称智能展厅）要真地能产出实实在在的业务驱动和变现。你要真地能帮助增加新的线索，实现线索的进店提升，进店后不是人脸识别数个数就搞定了，而是要跟分配、接待、跟进业务链条都打通，最终还能形成对进店客户的标签化，然后基于标签化进行到店线索购买力评价提醒和预测，赋能一线销售顾问，否则在他们看来你的东西跟原来的DMS有什么区别呢？

比如CDP或者DMP平台要真地能实现对车主全生命周期所有商业机会的捕捉，要在任何客户需要的时候作出提醒并能直达C端，并且将这些机会真正赋能到业务链条的真正玩家面前，而不是放在系统里供他们查询和下载。这些平台要能整合进营销、服务的智能引擎，实现数据对业务的直接赋能而不是仅仅作为平台取个数或者出个报告就行了。

上面谈到每一个变现，需求都是自下而上的，实现也是自下而上发起的，数字化转型需要一把手等高层改变基因自上而下设计，更需要自下而上的高频使用。谁能让业务部门和一线真的用起来、真的变现，谁的数字化转型便有了真正的ROI产出（非财务意义上的ROI），就可以活下去。

结束语

以前我们看天气预报，只需要知道某一天是阴晴或者雨雪就行了，现在看天气预报，我们要看每小时的降水概率、空气质量、体感温度，适不适合洗车，适不适合运动，要不要涂防晒霜；我要看我这个区域和我下午去的另一个地方的天气变化。最好是我到目的地之前，你能提前给我推送一系列天气标签和指数。这便是天气预报的数字化和智能化。

未来车企的数字化同样会做到精准、实时、智能。“阴晴雨雪”这种分类将变得没有意义，更有意义的是高度的差异化和定制化，每一辆车都不同，每一种营销方式都不同，每一个客户所获得的营销和服务内容与体验都将不同。问题是，我们是否具备了这个基因，是否愿意为新技术使用投入更多的战略性资源，能不能切实调动数字化技术的最基层使用者去高频率的使用。

没有任何时候比现在更需要数字化和智能化对行业的提升和变革，也没有任何时候比现在更让我们清醒地看到急需要改变传统的意识，改变我们的基因，改变对新技术使用的战略性投入。

我们对汽车行业数字化的未来充满信心，对2020年充满期待。

文中图片设计：郭梦康

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

这应该是目标受众与客户角色的数据分析。

什么是目标受众？

目标受众又称目标顾客、目标群体和目标客群是一个营销活动所作为目标的人口群体，企业通过广告试图达到的消费者市场份额。

简单来说，你的目标与您的营销对象是谁，那么您的目标受众就是谁。

这里你可以瞄准一组人的教育，目标，兴趣和问题作为您的理想客户。

基本上，你要瞄准的人谁会买你的东西。

如果你的目标是那些不想买你的东西或没有办法买你的东西的人，你可能会得到更多的网站流量，但它不会为你带来销售。

在我们深入探讨寻找受众的细节之前，让我们先来回顾一下目标受众和角色的区别，因为很多人会把他们和目标受众搞混，这可能会导致时间和金钱的浪费。

目标受众和客户角色的区别

用于定义目标受众的数据通常为：

年龄

性别

教育背景

购买力

社会阶级

位置

消费习惯

目标受众示例：女性，20-30岁，居住在上海，拥有学士学位，月收入8,000 – 15,000元，对购物和旅游充满兴趣。

如果你在不了解你的确切受众的情况下创办一家公司，你可能会像几年前的我一样！

这是另一个例子。假设您的企业销售潮玩玩具。因此，您的目标受众可能是儿童、青少年。

或者你有剧本杀生意。你的受众肯定不会是十三岁以下的吧？

不要试图覆盖每个人来增加你的销售和利润的机会。从长远来看，它实际上会让你付出更多的成本，并降低你的利润率。

现在让我们了解一下“客户角色”。

什么是客户角色？

在市场营销中，客户人物角色是将成为您的理想客户的买家的受众群体。

人物角色是具有真实的客户特征的虚构人物。它们是基于目标受众研究而开发的，可以帮助您更好地指导营销活动。

人物角色是指可能对你所提供的东西感兴趣的人，因为他们与你的品牌关系密切，你必须努力使他们成为客户并留住他们。

人物角色所涉及的研究要比您的受众更深入、更详细，因为它包括：

个人特征

购买力

工作

兴趣

参与的社交网络

专业信息

角色示例：小明，22岁，AI算法工程师，月收入3,0000 – 50,000元，对黑科技和创新技术充满兴趣。住在上海。拥有博士学位。在每天的晚上8点-10点喜欢在CSDN、掘金、知乎等网站游览。有一个专栏，并发布AI算法相关教程。他总是关注该地区的人工智能活动，并与其他人一起参加会议。

客户角色和目标受众之间的主要区别是，目标受众以更一般的方式考虑整个受众，而客户角色则更具体。

欢迎分享，转载请注明来源：内存溢出

原文地址:https://54852.com/zz/9022334.html

简述现代市场营销部门的组成及相互关系是什么

发表评论

评论列表（0条）