数字营销是怎样通过数据分析赚钱的？

今天我们要讲的是：数字营销怎样通过数据分析赚钱。讲这个话题有个契机，是因为我们数据应用学院读书会第十六本书在本周正式开讲了。从2019年开始，数据应用学院开始了大数据人工智能读书会的系列讲座，而我们的第十六本书就是关于数据分析在数字营销里的应用。

我挑出了之前读书会讲过比较有代表性的几本书，包括【Data Science for Business】、【Deep Learning】、【Trustworthy Online Controlled Experiments】（这本书几乎是所有大厂里做AB-Text的工程师必读书籍）、【Natural Language Processing with Python】（这是上一期我们与linkedin和Glassdoor合作的关于自然语言处理的一本书）。

非常高兴同学们三年以来和我们一起走过，一起学习。本周，我们进入了一本新的书【Marketing Data Science】。选择这本书是因为它比较系统的介绍了Marketing的整个过程，而且每个章节都配有例子，比如Python和R的代码，其中有一些代码比较旧了，我们团队也会进行更新，用最新的代码实现里面的例子。

这本书可以说是一个承前启后的书，里面有传统的市场内容，也有一些新的变化，大家可以看到Understanding Markets、Predicting Consumer Choice等传统的话题，但是利用大数据、数据科学可以让我们用预测的方法去做，这是相对于传统的一种进步。以及如何Targeting你的用户、如何维护新用户、产品的定位等等，与传统方法相对应。应用的讨论，新产品的研发、如何做Promoting、推荐、Brands and Prices、品牌、Social Newwork竞争对手分析，Sales的预估、重新定义Marketing Rsearch，这是我们做Marketing时候的一些新的趋势、技术以及对将来发展的前瞻。

今天这篇文章，我们会带领大家了解一下什么是Digital Marketing数字营销，以及会用到的主要工具和方法。最后，我们会以游戏产业为例，给大家介绍如何用数字营销帮助游戏公司更好的提供用户体验、研发新产品，以及提升企业利润等等。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
6步数字营销数据分析策略，帮你推动业务增长
如何用数据分析优化你的营销策略？
数据科学和数字营销：Data Science在Digital Marketing领域有哪些应用？
数据求职常出现的RFM是什么？如何影响电商行业营销策略？

那么什么是Digital Marketing？简单来讲，我觉得它是一种推广的方法，或者是品牌和产品以及服务的推广。它可以使用大数据、机器学习、AB Test等统计分析的方法，去找到或者联系到潜在用户。目标是帮我们保留用户，在Wikipedia里边也有更详细的解释，里面讲到SEO/SEM/Content Marketing/Influencer marketing、Content Automation/Campaign Marketing/Social Media Marketing，提到的内容相对比较丰富。

刚才讲到，Digital Marketing的第一个内容是Email Campaign。电子邮件已经成为做Marketing的一个重要手段，我们几乎每天收到来自各种各样厂家的邮件，比如，订阅了健身俱乐部，他就会给你定期发送一些健身信息以及最近的活动；订阅了数据应用学院的读书会，你就会定期收到读书会的Newsletter，里面包括读书会最新一期的课程内容、往期课程里用到的话题、PPT、代码等等信息。第二，社交媒体。社交媒体的推广，可以说非常流行，比如Facebook、Instagram、TikTok这些软件。第三个，广告。大家可以看到传统的Display Ads、Email Ads、Search Ads、Video Ads、Social Media Ads。最后，SEO/SEM、以及最近比较火的网红营销。

想要理解数字营销的话，我们需要先理解Marketing Funnel（营销漏斗）的概念，大家可能听过销售漏斗、转换漏斗等等，其实都是讲一个概念。也就是说,一个商业互动会包含几个层次，比如上图例子，分为四个层次：

• 1.对品牌服务的认知
• 2.如何让用户对品牌和服务产生兴趣
• 3.如何让用户愿意去参与购买
• 4.用户有加入购买的具体行动

为什么叫漏斗呢？因为从上到下不断转换并且数量是不断减少的，在转换过程中可能会流失一些用户，关键问题就是——如何用数据分析的方法，在漏斗的前端尽量的持续性吸引到更多用户。

那么如何用数据分析的方法去提升或者优化公司的转化率，比如通过大数据的方法让每一层的转化率提升百分之五，这就是我们如何用这些方法为企业提供真实有效的帮助。

围绕着营销漏斗来看，你就看到有各种各样的推广的行为、内容、方法。我们从网络广播来看，这也是一种媒体，比如拍一段产品说明等等。还有付费搜索，我们刚才也提到了，在搜索引擎上搜索之后，出来的结果有几条其实是广告。Affiliate实际上是一个Program，比如Amazon Affiliation Program，允许从自己的网站上链接过去。打个比方，给数据应用学院的网站上链接一个在Amazon上销售的Data Science相关书籍，同学们点击并购买了该书籍，Amazon就会有Comission Base Program。同学们在自己的网站上也可以成为Affiliation的会员。

Mail是比较传统的方式，信用卡公司经常使用这种方法；Social Media包括Facebook、Instagram；Broadcast也是一种媒体方式；SMS是短信；Point of Sales就是POS机；Coupon也经常为人所用，最近马上迎来万圣节和圣诞节，所以用到Coupon的地方非常多，许多厂家都会对商品进行打折；Retargeting是重新调整用户与群体；YouTube上可以进行一些推广和广告；同时还可以进行一些Video和Content方面的推广；Online Display是指在网站上或者第三方视频平台上的展示；Catalog也是一种广告，但是现在不常用，但还是会收到一些服装厂家或订阅的会员或者建设俱乐部以Mail的形式发来的Catelog上的广告；PR是公关；同时还有一些户外广告和电视上的一些广告。你可以看到，围绕着数字营销的形式丰富多样。

Digital Marketing数据分析中会用到哪些软件、系统、工具以及Vendor（能够给我们提供帮助的公司）。第一类是能够提供软件系统的公司，如果我们想要在进行Digital Marketing后，增加企业利润、收入、用户数量等，我们需要借助一些工具，这里指的工具不是Python、Excel等编程工具，而是HubSpot、Markto、Salesforce、Marin Software等。

HubSpot是一个CRM ，用于Customer Relationship and Management用户关系管理，和Salesforce一样，两者提供CRM系统。在进行Digital Marketing时，我们的许多同事和行业专家都和CIM打交道。Marketo和Marin Software这两个公司也提供类似服务。

第二类是数据公司。数据公司为何如此重要？因为很多企业本身有IT部门、网站、系统后端、CIM，为我们提供大量现在存在的用户数据。但如果我们想做竞调或者对新兴市场进行调查，我们就需要用到第三方的数据，例如Nielsen。

Nielsen本身是一家为企业提供信息、数据、分析营销数据的公司，总部位于芝加哥。其数据来源主要是通过收集商店里POS机上的数据，比如你在walmart结账时，或者在餐厅吃饭结账时，这些数据其实都被POS收集并保存了下来。最刚开始，POS是服务于金融收费，即转账业务，但现在Nielsen将这些数据进行脱名，以marketing数据的形式，提供给各个公司。所以公司会寻求第三方的帮助。类似的公司还有IRi、GFK、KANTAR MEDIA、Crimson Hexagon。这些公司都可以提供类似数据的服务。

第三类是提供服务的公司。比如，Nielsen提供数据，Omnicom提供服务。Omnicom提供Global Media、Marketing、Communication、advertising、Customer Relationship Management等服务，公司总部位于纽约。之前我们讲过的HubSpot提供CIM系统，而这类公司提供CIM服务，即提供相关技术支持、服务、编程、咨询、数据分析、PR等。

最后一类是我们经常用到的一些分析平台/工具，包括Google Analytics，用于网站流量分析，查看广告效果，在网站外部的广告处加一个特别的label。这时，我们可以跟踪看了广告并点击广告、进入网站的用户，查看广告引流来源。类似的公司还有Adobe、ORACLE、SAS等。以上就是我们在进行Digital Marketing时会用到的软件、系统、数据提供商、服务提供商、平台提供商等。

Digital Markting中还有一个非常有意思的Topic，即Attribution Analysis。我们会在不同频道进行数字营销，例如Facebook广告投放、YouTube自制视频。

如果我们是一个健身俱乐部，我们可能会与一些健身达人或者健身领域的网红合作，通过编辑这些人制作的原创视频，可以达到吸引顾客的目的。我们还可以通过产品手册对周边居民进行宣传,美国许多连锁俱乐部基本上都是采用的此类方法。

在进行多渠道推广时，如何确定用户通过哪个渠道成为会员？用户通过多方面的渠道接触到我们的推广内容，包括手机Facebook上健身达人的推广，又或者是通过邮件了解推广信息。邮件内容可能为疫情恢复之后，大多数人逐渐结束WFH的状态，我们健身房恰巧也有这样一个活动，加入健身俱乐部。用户还可通过YouTube视频上的介绍。

同时，用户还可以经常浏览的网站上的横幅介绍了解到推广内容。因为用户电脑上有很多Cookies、过往浏览记录，而广告就是根据用户电脑或手机里的信息，从而投放用户感兴趣的广告。用户还可通过搜索手段，包括SEO等。我们可以看到用户可以通过多渠道接触到推广信息。

那么如何确定哪一个渠道能为公司提供销售支持？了解这一点非常重要。如果你有关于数字营销的预算，老板告诉你，去年公司在Email、Facebook广告、Google搜索引擎广告投放方面投入了10 million美金，今年如果有150millon美金的预算，希望你分析一下应该如何进行投放。

这是一个非常有挑战性的话题。从数据分析的角度来回答这个问题时，我们可以参考以下几种model，包括Last touch。例如，公司做了展示、付费搜索的推广，然后又一次做了展示的推广，接着是Facebook的推广。

面对这个话题，从数据分析角度讲，我们是有很多模型的。举个例子，我们做了展示的推广，付费搜索的推广，又做了展示的推广，Facebook的推广，还有邮件推广，还有直接接触用户的推销电话。但是究竟哪一个是有效的呢？

第一个模型是Lats Touch。我们认为，Quick Glance at Multi_Touch Attribution Modeling可能是5%，10%，20%，35%，40%的一个分配，但是Lats Touch模型是把前面的部分忽略不计，就是把所有的Full Attribution Credit好处和功劳Give to last one。这是一个简单的模型，我们使用这样的一个模型进行分析做结论，虽然简单粗暴，但是很实用。因为一系列的改变，如果都用Lats Touch这个方法，相对而言，最后总体分析的效果和真实的分布趋势是相近的，而且这也是最容易实现的分析方法。

接着还有Last Non-Direct Click，这个Click不是在我们网上浏览的，是在网站之外的。比如从Facebook广告进入我们网站，从YouTube进入我们网站，从Search Engine上搜索进入网站，这个环节或途径决定了我们的销售。

有Last Touch就有First。First Interaction 是Assume用户第一次看到产品服务的Promotion以后，就对这个产品有一个认知，然后以后的活动都是基于 first interaction 之上。虽然有一定道理，但是并不常用。

还有一些复杂的模型，比如Linear attribution分析，Time Decay分析。Linear attribution分析是一种线性分析，是给每一个活动环节或步骤一个比例，比如比例可以是一个平均的，5个推广环节或推广都是5个20%；也可以不平均，使用自己一个特定的算法。Time Decay是一种跟时间有关系的模型，广告学里有一个半衰期的理论，相当于，weight也就是权重在每一个touch points接触点一直到最后完成这个销售的时候，是根据时间的延迟进行give weight。

还有一种Position Based，它也被称为U-Shape，有Lats Touch，First Touch这两部分是重要的，这样可以build一个U型模型。

这就是Attribution Model，是Digital Marketing一种技术含量的分析手段。

Digital Marketing和数据分析是如何帮助游戏公司提升用户体验以及收入利润。

游戏公司本身和别的行业，电商，医疗，金融是有一些区别的。什么是游戏生命周期? 一个游戏，新的版本或游戏发布有Pre-Heating（预热），Beta（公开测试），Open Period（开始阶段），Matured Period（成熟阶段）。这是数字营销的四个不同阶段。

Pre-Heating，对用户进行用户分析，选择目标用户，做竟对分析。接着Beta，它是产品或版本是完整的，功能完善好了，且经过测试，但是还会找一些Pilot Users，就是挑选有特色的用户和忠实用户，或者是特别的分类用户，提前发布给他们进行测试。因为我们把游戏开放给大众，向大量的人群收集用户体验的数据；定价策略，IAP（In App Purchase）的价格，通过小用户的测试可以进行价格优化，做实验分析用户对哪些价格是敏感的，什么地方销售；大面积多用户推广时marketing的策略。

当游戏推广后，需要考虑用户互动，如果用户第一次打开下载后就不再使用，怎么让用户留存；还有追求 Revenue Monetization，Monetization方法包括IAP，Game里的广告，Game的Affiliation，比如Disney和Hollywood发布了一部电影，Game里会有类似同样IP的游戏出来。

Matured Period是如何留住用户，做Churn Analysis不让用户流失，还让用户推荐你的游戏。整个分析过程遍布了游戏公司的生命周期。

我们具体来讲一下作为一个商业分析师、数据科学家、数据分析师，我们关心的是你怎么用数据驱动的方法去完成这些任务，第一个就是指标——怎么定义这些指标？游戏这些产业关心Daily Active User（DAU）每天有多少人登陆进来，还有Peak Active User（PAU）在巅峰时刻有多少人，还有比如说Number of Signup，Paid Growth，Marketing等。这些就是在游戏里面我们关心的指标。

下面我们再讲一个具体的例子就是广告的优化，在游戏公司里面的广告比如Facebook上的推广，Google的搜索引擎，Game Console的推荐，还有第三方网站上的一些广告；线下主要是通过海报和活动。

优化就是用数据手段去提升Conversion Rate（转化率），这里面你要看到目标，要做Qualitative分析、User Research以及Historical Data；另外就是Budget Allocation，比如说去年有一千万是怎么花的，今年有一千五百万那么去做Attributions根据过去发布的各个channel的反馈ROI 去做budget分析；

还有Design/Format/Content Optimization（内容优化），内容优化非常重要。比如你是email的marketing，老板监测到我们的打开率是越来越增长的，我们的Game在Preheat的阶段不断的发布一些新的feature或者新的更新，打开率很高但是Sign Up的数量没那么高，这个时候内容的优化主要就是Email内容的优化，因为打开率和Title是有关系的，打开率没问题那就是内容方面的问题。然后就是ROI的分析。你衡量一个优化，我们比较关心的Metrics比如CTR（Click Through Rate）,CPI（Cost Per Install），Reach和Impression。

最后评估有效性，就是Campaign Performance Measurement，这个指标包括每一个活动一些运营数据，在这个基础上进行Attributions Methods。

我们给大家介绍了用数据分析的手段如何帮我们做好Digital Marketing，如何帮企业增长利润，做了一个概览。这个也算是我们为三年以来的第16本书做一个开篇。这本书叫MARKETING DATA SCIENCE，里面不仅仅是一些商业知识，还有一些建模技巧包括R和Python的代码。这本书是较经典的，里面有一些Python的Code比较老旧，我们的团队会把它更新起来，能够让同学们用最新的一些比如Pandas,Sklearn的一些新的Library。希望大家能够通过这些内容去解决Case Interview里面的一些商业知识。

感谢你的阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/