在大數據的趨勢下，數據已成為營銷戰略和業務發展中必不可少的環節。作為營銷人員，不可避免地要面對數據進行分析，以求最大化地發揮數據的影響力。然而面對海量的數據，現實情況卻是品牌不知道如何從數據中獲取價值，無法將數據與公司的策略結合，甚至面對數據不知從何入手。本篇文章我們一起看一看營銷人員應該怎樣正確又有效地利用數據做出明智的營銷決策。

1. 建立數據洞察（Data insights）的需求

品牌如果想更好地利用數據，首先需要考慮的是業務目標 (business objectives)。只有確定了目標才能給營銷人員帶來更有效的建議和分析思路。例如，某零售品牌想要了解網上客戶對銷售有多少貢獻程度。又或是，我的網上客戶在我的網站和APP的瀏覽體驗如何？有沒有需要改善我的網站設計來有效提升體驗效果? 不同的需求要運用不同的數據，因此在搜集數據前，品牌應該建立數據洞察的需求，對數據的應用場景要有一個清晰的規劃。

2. 品牌真正擁有數據嗎？

每年品牌投放了大量預算在廣告平台上，但一個常見的問題是用戶行為，消費偏好等資料，仍然是掌握在第三方平台例如Google，Facebook手中。品牌一方面無法留住這些客戶，也無法『認出』他們，只能一次又一次花費尋找『新』客戶。除此以外，歐盟的GDPR, 美國的《加州隱私法案》等信息保護法律帶來的種種限製，例如消費者有權禁止Google等廣告巨頭的追蹤，或是可以要求平台刪除自己的記錄等等，給未來廣告投放的精準度也打上了一個巨大的問號。

為了擺脫這樣的困境，品牌應該由第三方數據轉向第一方數據。第一方數據即企業通過客戶關系管理（CRM）、網站分析等方式直接從消費者收集到的數據。簡單地說，比起尋找新客戶，品牌更應該注重通過不同的渠道積累用戶資料，在每一次與顧客互動的過程中，將這些數據掌握在自己的手中。

3. 可視化 (Data Visualization) 助力數據分析

搜集到數據之後，這些數據對於品牌來說究竟意味著什麽呢？業務團隊還需要對數據進行切割和剖析，並且從不同的角度中分析數據，找到問題的本質。有的時候，理解數據為什麽存在就能知道日後要有採用怎樣的策略。

最直接了解的是電商數據的運用，電商平台幾乎是最為活躍的平台，每天都有相當多的用戶留下數據，這些數據和搜索的痕跡被搜集之後整理起來就意味著一些商業化的信息，通過數據可視化，讓我們知道當前電商運營過程中的現象和問題。

數據可視化的運用能夠讓數據以一種直觀的方式呈現數據的本質。數據本身就是有很多的價值，通常我們缺少一種有效的表達方式，有了這樣直觀的方式，我們在理解數據的過程中也會降低難度，從而更輕鬆的把握當前數據，更精準的掌握市場和消費脈搏。

4. 利用機器學習（Machine Learning）提升數據的價值

營銷人員面對的另一個挑戰是，由於品牌和用戶之間的接觸點越來越多, 導致客戶的信息分散在不同的渠道。消費者可能在Instagram看到了廣告，在Google搜索了你的產品，或打開了促銷郵件等等行為之後完成了一筆訂單，但是營銷人員如何將所有接觸點連接起來，判斷是哪個接觸點發揮了最大的作用？

過去，我們只能依靠營銷人員的經驗，如今，在機器學習的幫助下，品牌可以將消費者購買前的所有行為納入考量，為每一個渠道進行評分，以此來提高營銷效率。舉個簡單的例子，不同的客戶群體都買了同一件商品，但他們在付款前的觸達旅程不一樣，客戶群體1接觸了A，B，C，D，4種廣告後下了訂單，轉化率較高。而客戶群體2下訂單前只經歷了A，C，D 3種廣告，而轉化率相對低。那麽我們就可以推斷B這個渠道對交易的貢獻較大，從而提高該渠道的分數。只要掌握的數據足夠完整，數據就可以發揮最大的價值幫助營銷人員做出明智的營銷決策。

作者：55數據公司顧問經理謝金磊，謝先生在數據分析咨詢及交付管理領域擁有10年工作經驗。先後工作於埃森哲，WPP，福特以及55數據公司。熟悉消費品/零售、電商、汽車等行業，對數據分析及數字營銷生態系統有深入洞察。

本文為投稿，文章純屬作者意見，不代表香港01立場。本文經 IAB Hong Kong 授權轉載，大小標題及引言，經過香港01編輯修訂。