品牌紫海战略:数据力营销
作者:余雅琳
2020-05-29
摘要:数据力投入市场,动摇红海与蓝海的战略思维,催生出新的战略思维“紫海战略”,追求创新突破也不忘善用品牌既有优势。来看品牌由数据所驱动的战略,在激烈市场中···

 2005年《蓝海策略》一书问世,当时恶性竞争、险象环生的红海市场,注入创新能量,鼓励企业把竞争心态抛诸脑后,用“新”商业策略开创无人竞争的蓝海市场。

然而,十几年后的市场面临巨大又快速的变动,大批来自各界的竞争者加入,传统企业力求创新,创新企业力求突破,今日的蓝海到了明日可能变成红海。“红海”与“蓝海”激烈碰撞,激荡出处处“紫海”机会。

“紫海战略”,各取“红海”与“蓝海”战略精髓,鼓励企业善用自身优势,以顾客为中心,运用创新科技、创意点子,用一系列策略为企业带来商机与生机,而“数据”将在品牌全方位战略里,扮演至关重要的角色。

 

数据价值回归市场,推进品牌未来策略

战略要事1:检查自己的数据

2019年,数据价值正式回归市场。过去谈到营销、经营,各界都将焦点放在AI的应用上,加速AI所驱动的工具、平台出现,象是营销自动化平台、聊天机器人、智能语音助理,或是人脸影像辨识。但大量AI投入却也让各界重新审视到AI本身的问题,以及驱动AI背后的原料——数据。

2014年“数据”的讨论在全球到达顶点,但在2014年后进入沉淀期,人人都在关注AI发展,到了2018年下半年开始,数据因AI的推波助澜,重新被审视价值。

没有数据,AI都是还没发生的事。各界认定数据的重要性,它不仅可以帮忙品牌深化,也可以应用在各种场景,数据是品牌在未来发展,最为关键的重要资产。

因此,品牌需掌握数据,但品牌现在掌握了哪些数据?人们生活的破碎化,造就数据也零碎散落在品牌各个沟通渠道上,包括社群媒体平台、电商网站、App,或是品牌各个部门的业务数据资料,都是品牌重要的数据资产。

企业需要从盘点内部数据做起,因为企业握有的第一手数据是含金量最高、最有价值的数据。虽然整合工作不容易,但一步步整合内部、跨部门数据,品牌都能在过程中获得价值,再加入外部数据的谋合,品牌就能如虎添翼。

整合工程绝非易事,许多企业也还在观望数据整合的效益。企业不用要求一次做完全身检查,可以逐步检查进行改善,而每一部分的改善都有助于企业体质的改善,不要等到全身报告都出来才开始改善,那个时候你可能已经罹患癌症了。

战略要事2:拥有自己的数据

社交网站创造出惊人红利,让许多品牌在各社交媒体建立品牌专页,作为曝光渠道也搜集与使用者互动的数据。品牌也为了方便人们搜寻,用数据优化品牌内容,也借机观察人们关注的议题趋势,但这些都属于外部数据,而不是品牌自有数据。

随着数位广告成本增加,品牌在这些平台上取得数据的成本也增加,而各国对于数据隐私也愈来愈重视,这也造成第三方数据价值受到怀疑,却也让第一手数据显得重要。

Own your own media, Own your owndata.品牌若想要有自己的数据,拥有自己的媒体是很重要的广告渠道与数据来源。虽然拥有自媒体的成本不一定低,但想要提升顾客体验就必须投资下去。

当数据在自己家时,品牌可以根据自己的需求运用得来的数据,并利用“Data Hub”(品牌数据心脏)整合品牌内、外部的数据,多取回属于自己的数据。

App即是很重要的自媒体,有自己的App,可以实时回应消费者需求,或对他们的消费行为做实时反馈。

数据战略未来式:预测

数据抓取人们在过去行为上的数据,用机器学习、AI平台优化品牌战略,或实时又精准地向人们投递讯息,数据鉴古知今的能力,在积累够庞大又深度数据之后,将有机会开启预测未来的能力。

平时观看到的交易数据、历史记录,都是消费者已经发生的行为,但可以根据既有历史数据,建构出消费者旅程,把营销往前走一步,象是在消费者思考买什么母亲节礼物时,迅速投递讯息,跟消费者产生互动。

若想开启数据的预测能力,技术火力将放在机器学习、深度学习为主的开发。数据是原料,机器学习是制程,AI是结果。机器学习将会成为品牌未来的眼睛跟耳朵,帮品牌做图像识别、语音识别、社交观听,通过机器学习的训练,创造出品牌独有的资产。

 

数据驱动内容三力,内容称神不称帝

没有内容,品牌就像不存在。品牌与消费者的关系建立之初,从内容提供开始,举凡品牌Logo、产品/服务、广告文案、影片到网站、APP,品牌运用本身的品牌资产、广告人的创意,加上与群众连接的接触点,让消费者对品牌产生共鸣、兴趣到喜爱。

随着大量竞争者出现,品牌则利用“说故事”力量,为品牌创造更为鲜明、独特的形象,让消费者可以感受到品牌存在的价值与魅力,在市场上做到差异化但也需要进一步做到个人化,让消费者感受到与内容与品牌的高度相关,他就会在众多选择中仍然选择你。

数据优化内容营销力

数据驱动的内容营销,让品牌在市场上的博奕胜算提高。品牌拥有的数据,可以从市场洞察、顾客行为、品牌交易数据到跨平台的行为数据,品牌可以将这些数据运用在内容营销的所有阶段上,包括内容设计、投放渠道选择,到执行期的追踪观察、实时改善,以及执行后的成效评估。

在数据还没被市场重视之前,营销人、品牌都是朦着眼做事情,凭着感觉做品牌、做广告,当广告投出去之后,只看广告的反响、好感度改变的多寡,没有把数据做进一步的运用,数据帮你做优化、预测未来、搜集所有的互动,帮你炒出更好的菜。市场上要有好菜,数据是重要备料,烹调之后,才会知道品牌出了什么问题。

数据让品牌的内容与消费者更贴近,传递更有效率,同时让品牌更清楚知道自己有哪些优势与不足、跟消费者有多远。整合这些数据资料之后,成为品脾的资产之一,应用到接下来的内容策略上。

数据催生内容弹性

在品牌精准掌握受众喜好、行为后,除了运用数据优化品牌内容之外,数据也催生出“动态创意素材”(Data Driven Creatives,简称DDC),运用如天气、温度、空气质量等实时资料,以及原有的分众数据。当天气发生改变时,品牌可以实时又迅速调整品牌广告内容,做到一对一的定制化营销沟通,目前如Google、IBM、Facebook都投入相关技术的研发。

深化内容传播力

营销自动化平台,汇集庞大数据资料,协助品牌将内容有效又自动传播到顾客的信箱、手机里,或是顾客会关注的媒体上,但如果数据质量不高,品牌所传递的讯息只会立即进入顾客的垃圾箱里,也可能被顾客所忽视。

因此,如何在对的时间、在对的媒体,向不同客群寄出对的品牌内容?每一个“对”都仰赖数据资料支援,品牌需要反复过滤数据资料,运用技术系统协助,掌握顾客的行为跟喜好、分出不同客群,提高营销自动化平台的ROI。

大部分营销自动化平台结合集客式营销、个人化营销与再营销等特点,使品牌与顾客更深度沟通,有效提升业绩。因此,综观整体趋势,品脾需考虑应用营销自动化来整合业务与营销,解决生意的核心问题。

 

战略援军驾到!KOL营销平台崛起

网红营销、KOL意见领袖营销,名人代言的进化版,也被视作社群营销的重要一环,品牌运用KOL的创意内容与社群影响力,扩大品牌网络声量,打入更为分众、细腻的群体里。

KOL具有“一对一对多”的扩散效应,如果品牌跟KOL属性愈贴近,效果愈好。根据影响者营销中心(Influencer Marketing Hub)指出,如果品牌能有效与KOL合作,每投资1美元可以获得高达18美元的媒体价值。

当KOL影响力跟营销效益愈来愈被看见,企业主们也愈来愈想跟KOL搭上线。影响者营销中心预估,2019年KOL营销产值将是2017年的两倍,从30亿美元增长至65亿美元。

然而,对于品牌而言,想要找到最合适的KOL却是极大挑战,并让许多与“KOL营销”相关的系统、平台、代理商陆续问世,用数据科技提供品牌解决方案。在美国市场上,2016年就有335家与KOL营销相关的平台和代理商,到了2018年增加至740家。

网红储备挖掘品牌爱好者

当品牌在档期间,寻找KOL的烦忧解决了,品牌可以进一步做到“网红储备”,将这些KOL储存下来,成为日后再次合作的对象,而且有机会找到本身是品牌爱好者的KOL。一个KOL最厉害的地方,是他对这个品牌有爱的时候,它的效益就会无敌。

除了品牌找寻KOL的挑战外,KOL营销本身也有挑战必须去克服。现在消费者已经愈来愈习惯网红直播操作,关注度自然不如以往,所以“微网红”开始被讨论,这也是KOL营销下一阶段的发展方向。

延续“微网红”与“找寻品牌爱好者”的概念,品牌可以从自己的忠诚顾客挖掘,发展既有的品牌爱好者,让他们帮忙推广品牌,站在消费者的立场,由懂得这个领域的朋友来推荐商品,消费者通常都会买单。

最后,谈了许多品牌的数据市场战情,但还有更多未谈到或尚未发生的事情,品牌由数据驱动的应用战略只是刚开始,眼下除了数据整合、平台工具掌握、挹注资金外,“人才”更是关键。

追求数据力得有人才,分析人才、数据人才,同时站在营销角度、消费者角度看事情。数据若没有营销人的智慧去运作,那些数据就只是数字,数据要落地,营销人员扮演非常重要的角色,营销的人得很有自信说:“我是那个决定怎么用数据的人。”

 

如何让数据变商机

 

《华盛顿邮报》与数据安全公司Disconnect合作,以专用软件来查看iPhone手机的安全性,结果发现包括OneDrive、Nike、Spotify、The Weather Channel、和Yelp等App,会在“背景更新”时发送用户数据,内容有手机号码、电邮地址、定位、与IP定位等。例如,Yelp每五分钟就会发送一次讯息,而Yelp 的公司则回应说是程序漏洞所致。

用户资讯的安全性

虽然发送数据可让App开发公司得以分析用户的使用情况从而改善产品,但在一周的测试里竟发现了5400个追踪讯号,在一个月的时间里发送了多达1.5GB的用户数据。《华盛顿邮报》建议苹果应加强监管,例如,对使用追踪器的App加上标签。

苹果方面则强调在iTunes程序开发者的相关规定中有清楚列出隐私权政策,这些数据采集通常都有事先得到用户的许可;若发现有APP不符合苹果的隐私政策,苹果会要求对方改正、甚至将其下架。

讽刺的是,在苹果开发者大会(WWDC)上,数据安全成了苹果系统的新卖点。苹果公司宣布即将推出“用苹果登录”(Sign in with Apple),未来苹果产品上的App必须将“用苹果登录”当作登录选项之一。

这项基于苹果帐号(Apple ID)的登录功能有别于用Google或Facebook帐号,登录后苹果系统只会提供用户的姓名和电子信箱给App厂商,用户甚至可选择隐藏真实电子信箱,这样苹果就会自动创造一个随机的电子邮件地址,以防止App厂商记录太多你的个人资料。

此外,苹果还宣示要加强对定位功能的管制,即禁止App以扫描蓝牙或Wi-Fi的方式来推算使用者的位置。

Google的CEO桑德尔·皮查伊(Sundar Pichai)则在《纽约时报》的专栏表示:“服务每个人是Google的中心思想,所以我们不会将隐私保护当作奢侈品,只提供给有能力消费高阶产品的人。”科技业界认为这是Google对苹果新举措的批评。这两家公司对数据的态度不尽相同和各自的产品本质有关。

Google和Facebook非常倚重广告营收,因此必须追踪用户的使用情况才能精准投放广告;苹果主要靠硬件获利,因此即使严格保护客户个资会损及广告利益也不甚介意。

亚马逊的样品战略

2018年一名美国网友在Twitter上说:“亚马逊向我发送了随机咖啡样品!”可能原因是他的亚马逊购物车有过十五种不同类型的咖啡。这是一项亚马逊正在悄悄试行的计划,计划中福爵咖啡(Folgers)和美宝莲(Maybelline)等大品牌,会自掏腰包向潜在消费者寄出免费样品。

本计划目前不限于Prime会员,只要是有亚马逊帐户的任何消费者,都有可能获得免费的样品。此举能帮助消费者发现自己可能会喜欢的产品,就像是网站上的“你可能也会喜欢”的商品以样品的形式出现在你的真实生活中。

亚马逊握有大量的消费者购物资讯,以及完整的物流系统,因此执行这项计划可谓得心应手,这比Google和Facebook纯粹在线上展示产品的广告来得更有效,因为消费者可以闻到、品尝到、或感受到最新的产品。

目前亚马逊提供的样品包括:杂货、美妆、宠物食品、家庭用品、与健康保健食品,并持续增加中。机器学习技术会在亚马逊的庞大资料库内算出消费者可能会偏好的样品。当然,消费者没有购买的义务,也不需对样品给予评价,并可随时退出本计划。广告主必须在指定的时间内提供样品到亚马逊的特定仓库,所有样品会通过亚马逊物流(FBA)来配送。

现在亚马逊的广告营收大部分来自展示广告(displayads),约为50亿美元。由于消费者数据结合产品样本的寄送,有机会提高品牌在展示广告的转换率,亚马逊希望未来能借此在广告业务上建立核心的差异化功能与竞争力。亚马逊的数据资产有可能为该公司实现“广告自助服务”的终极目标,亦即广告主在没有亚马逊客户经理的协助下,也能通过亚马逊的自动化系统有效率地下广告。

Spotify如何靠免费用户带来广告营收?

付费订阅与广告是音乐串流平台Spotify的主要收入来源,根据2019年第一季的财报,其用户总数为2.17亿人,其中有一亿人为订阅用户,其余的免费用户则为该公司带来1.26亿欧元的广告营收。

原本免费用户必须忍受Spotify任何时间播放的广告,而且必须全部听完。Spotify改弦易辙,在澳大利亚试行一项名为“主动媒体”(Active Media)的功能,用户可借以跳过自己没兴趣的广告,广告主也不需为被跳过的广告付费。虽然用户可以跳到自己偏好的广告才听,但还是要凑足广告时段才能继续播放音乐。

Spotify全球策略合伙人李(Danielle Lee)指出:“加速视频智慧(streaming intelligence)能带来更加个人化的体验,让用户跟广告主产生更多连结,从而改善我们提供给广告主的成果。”虽然Spotify的广告收入有可能因此减少,但每当用户略过一次广告,这些数据就能作为下一次广告的参考。

如此一来用户能更有自主性地决定想听的广告,广告主和Spotify也能得到更有价值的广告投放数据,有助于未来提升广告品质,甚至让广告内容也能定制化。Spotify预估这项策略调整能增加20%以上的广告营收。

Spotify向来擅长运用数据发挥营销创意。在2017年他们和气象情报公司Accu Weather合作推出网站“Climatune”,它能根据使用者所在区域的天气状况播放适合其氛围的音乐。不久Spotify又与户外活动服饰品牌The North Face合作,为营销后者的防雨机能外套,在美国地区推出“雨天歌单”(RainyDayPlaylist)。只要点进活动页面就会自动定位,如果所在地正在下雨,才能听到该歌单内的作品。

网飞善用数据拍片

视频串流平台网飞(Netflix)的原创作品近年质、量齐飞。2018年该公司入围112项艾美奖,超越历年大赢家HBO的108项,且其去年于原创内容之投资超过120亿美元,胜过全球上任何一家电影公司或体育频道之外的电视台。众所周知对客户数据的洞察是网飞进行创作的重要依据,该公司评估内容成效的关键指标是“每小时被观看成本”(cost per hour viewed),所以即使一部作品制作成本昂贵,但只要能吸引到一定数量以上的观众,就有继续制作下去的价值。

网飞会预测用户对于每部影片的评价(一到五分),借此来决定该推荐什么作品给用户。网飞掌握了巨量的用户行为资料,包括观看的内容、时间、频率、地点、与设备,在网飞迈向国际之后也将影片语言、影片能上架的地区或时段纳入考虑。现在更以机器学习来建立新的演算法,以捕捉更多传统演算法可能漏掉的重要资讯,例如观看影片的顺序、以及不同因素的交互作用等。

网飞的推荐方式大致上有两种:内容筛选(content-based filtering)会根据影片本身的特性来找出其他类似影片以进行推荐,合作筛选(collaborative filtering)则会区分偏好相似的用户,并推荐你同好看过的影片给你。

网飞甚至会依照个人兴趣,来定制化网站上的电影标示图像。例如,某电影的男主角出现在很多A看过的影片里,网站对A显示该电影时就会用男主角的缩图,若该电影的女主角出现在很多B看过的影片里,网站就会对B采用女主角的缩图,这些目的都是增加影片对观众的吸引力。

虽然网飞一直强调无意为其他企业的商品作广告,但其累积的巨量用户数据仍被许多广告商所觊觎。网飞比传统电视台掌握了更多的观众收视习性,这类资讯对旧金山营销分析公司Jumpshot格外珍贵。Jumpshot追纵了网飞用户的其他线上行为,分析了他们所造访的其他网站,在没有用户个人资料的情况下,Jumpshot也能协助企业洞悉这些用户的看片与购物品味。


热门文章