本篇开始先分享一个案例，在某年双十一开始前，我们曾向某银行提出能否开展一个信用卡提额的营销活动，因为很多用户会在双十一期间消费大量资金，账户容易出现透支。但提出这样的想法时，我们也只能用一些大道理来说服相关人员，因为以往没有进行过这样的尝试，也无据可依，仅能够参考交易流水和额度使用率，来确定是否值得一试。
当遇到这样的局面，我们发现，对于没做过的营销活动，是需要去尝试的，但也需要有一定的快速的数据参考和业务可能性分析。如果有良好的营销资产沉淀，就能有所依据，帮助更顺利的推进。
以往营销数据的有机整合和沉淀，是营销中极其重要的工作，但很多人习惯性的只是一页报告、几个转化率应付了事。
通过分析原始数据和借鉴专家经验，借助营销策略模型输出基本的策略，并基于风险和仲裁的平衡，我们能够构建起可预测的完整营销策略，并通过营销活动完成投放触达和用户互动。再通过有效的数据收集和反馈闭环，我们还可以进行二次甚至多次的迭代和优化。
在数字化营销全流程上，所有的过程都是可以记录的，包括参与角色、人群、渠道、时间、流量等等，这些都属于营销资产。营销资产的有效保全，对优化算法模型和借鉴专家经验有非常重要的意义。所以简单来说，数据的共享和复用是整体营销中的重要环节。
营销策略的共享性和专家经验
多渠道、多部门、多角色之间，如何将反复实施的经验和模式共享出来，供集体参考和使用。未来的营销很多是模式化输出，如果无法使营销逐步走向体系化和规范化，反复的计算和探索则是对资源的极大浪费。共享问题是必须要解决的。
在前述文章中，我们谈到了专家经验需要做知识转移。因为过度依赖于专家模式，会受到人员本身的限制，营销的不均衡性和不公平会更加突出。但是所有营销的起点都是从人工开始，而且即使未来营销智能化再先进，也是不能脱离人的，因为数据本身没有生命力，不能完全决策，势必在一些环节是需要人的决策和政策建议。
专家经验有几个优势是必须说明和强调的：
01
专家经验是营销冷启动的关键解决方案。无论模型还是决策引擎，都将必须有输入数据，包括正、负样本。在营销初期是依赖于专家经验模式的，就像学习下棋要先学习棋谱和残局，以及不断对弈来强化自己的经验和棋力。
02
专家经验是营销策略优化和提升的最佳途径之一。在面向业务场景时，纯粹靠数据和算法做不到政策和创意型的方案。因为算法无法理解业务本质的场景和业务知识，只是用不断挖掘的规律，去尝试匹配一个最优的策略而已。而这之外，违背匹配率和一些所谓预测参数的大胆营销策略，机器是做不到的。而这点本身存在一定的营销风险，但是如果有了实际的测试和效果，就可以作为经验为后续的营销提供参照。
03
专家模式在一段时期与机器决策是并存的，并且效果不亚于机器。但专家经验相比智能决策来说缺少数据化基础和信息整合，这就是为什么专家经验模式下多数的经验没有进一步提升。良好的效果和经验是需要沉淀、学习的，要去放大和迭代这种模式下的策略，进而形成标准体系。
营销资产是企业中花费了成本换来的宝贵财富，而不只是一纸报告。这部分资产应该如同我们前面谈到的棋谱一样，要不断丰富和数字化的保存下来。
结合之前谈到的，数据资产有两大方面的价值：
1、完整沉淀和数字化所有营销内容，将其棋谱化，在接下来的营销中起到验证、参考、测试、策略迭代依据的多重作用，也为后续营销提供最有力的辅助支持作用。
2、强调共享性，因为在一个大型组织机构中，营销涉及很多部门、层级。
一方面，营销弱势单元可以基于他人的成功经验，进行一定的模仿和尝试，找到快速提升营销的秘籍。
另一方面，与营销相关联的部门，可以快速了解营销部门的工作实质。比如在银行体系，计划财务部门是掌握预算审批的部门，在每个营销活动结束后，通常都需要进行活动复盘、输出总结报告，了解业务基于营销预算开展的活动最终效果如何。
然而，很多业务部门没有很好的整理和沉淀每次营销活动结果的完整分析，只是象征性和描述性提供几个指标。这让计划财务部门无法完全掌握预算的花费和投入产出比，也就不能在规划预算时有据可依。此时最需要的就是，提供完整的复盘和营销资产沉淀整理，方便计财部门能够全面、清晰、数字化的了解全局。
未完待续
作者：TalkingData 于洋
本文原发于：中国营销网
图片来源于Pexels
关于TalkingData
TalkingData 成立于2011年，是国内领先的数据服务提供商。TalkingData秉承“数据改变企业决策，数据改善人类生活”的愿景，围绕TalkingData SmartDP数据智能平台（TalkingData数据中台）构建“连接、安全、共享”的数据智能应用生态，致力于用数据+科技的能力为合作伙伴创造价值，帮助商业企业和现代社会实现以数据为驱动力的智能化转型。
推荐阅读：
TalkingData——用数据说话
每天一篇好文章，欢迎分享关注
