数字营销是怎样通过数据分析赚钱的?

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/