过去十年间，品牌营销对数据的要求发生了哪些变化？

笑起来很干净 · 发表于 2023-2-22 08:51:28

消耗商场变革愈来愈快，用户触面战兴致逐步多元化，品牌关于数据的精密化经营的需要也愈来愈下。
数据手艺的开展不竭促进女伶 href="https://www.taojin168.com" target="_blank">品牌营销的开展战立异，但是取此共时品牌营销的差别开展阶段也对于数据提出新的请求。您察看到已往十年，品牌对于数据的需要发作了哪些变革？

10kvK8u · 发表于 2023-2-22 08:52:22

自建到平台：广告主营销数据策略的转变
于勇毅巨量引擎营销科学市场负责人

根据国外研究公司eMarketer的数据，2022年国内数字广告的总投入已经达到1354亿美元，仅次于美国的2488亿，占据全球数字广告总量的22%，比全欧洲的总和还要多400亿。

eMarketer的另一个数字，国内数字广告已经占据了广告总预算的81.5%，这个比率在美国是71.9%，欧洲62%，仅从预算角度，我们已经成为全球品牌营销数字化程度最高的国家。而在10年前，这个比率仅为25%，数字化是整个品牌营销在过去10年最大的发展趋势，品牌接触受众的方式（从电视/报纸/户外到智能手机），品牌营销对于企业的价值（受众认知构建到品效一体），以及品牌营销的底层逻辑（定性的理论驱动，到定量的数据驱动）都发生了改变。

过去十年间，品牌营销对数据的要求发生了哪些变化？

2022年数字广告总预算 / 占比，by eMarketer

说到营销数字化，就不能不说背后的基石：数据

如果站在广告主角度，在过去十年是如何看待数据的价值呢？现在行业有两个主要观点：
观点1：“数据是石油”：这也是全行业最普世和最政治正确的看法，通过构建数据能力，可以帮助广告主极大地提升营销的ROI，让营销洞察更敏捷，让传播更精准，让度量能算得清楚哪一半钱被浪费...而走在数据应用前沿的企业，已经通过打通营销数据和业务数据，进一步推动DTC，O2O，用户经营等业务模式的转型，在过去十年，DMP，CDP，数据湖，营销自动化等技术一直是广告主投资的热点。在笔者经常接触的拥有强大数据能力的企业中，虽然他们不一定是同行业中增长最“快”的，但肯定是同行业中增长最“稳”的，这种数据支持的“大而不倒”的能力，是今天充满不确定性的市场大环境下，品牌营销甚至企业经营层面的压舱石。
举个例子：国内某3C企业，2020年收入2857亿元，增长2.3%，净利润272亿元，增长12.4%，在今天的大环境下，这样的业绩是非常可贵的。利润快速增长的背后，是通过数据实现的用户精细化运营，削减了原本对于销售费用的投入。原来这个企业的销售费用模式是15%的渠道返点 + 5%的销售提成，而在2020年这家企业在组织架构上成立高级别的用户中心，对1亿左右的用户数据实现大集中的专业运营，省出的15%+5%销售费用，都是看得见的真金白银。

过去十年间，品牌营销对数据的要求发生了哪些变化？

观点2：“数据是贫矿”：这是业内人私下沟通时，经常聊到的一个观点，最早来自前英特尔中国研究院院长吴甘沙。大致看法是不否定数据价值的前提下，考虑到数据能力构建时的庞大成本，以及数据合规，技术风险，数据质量等因素带来的不确定性，其实数据的价值密度很低，只有在成规模的大型企业才能发挥优势，主要表现在三个层面：
1. 投资门槛：对于数据能力的投资额度，并不随着企业规模的大小而产生很大差别，例如企业要构建DMP + CDP + 营销自动化的营销数据中台核心能力，大概前期开发成本在小千万级，加上咨询成本，人员成本，数据治理成本等，大约需要耗费2-3年，2-3千万的投入，并且还要面对陌生技术的风险，以及行业里很少人能讲清楚的数据合规隐患。虽然有千万预算的企业很多，但肯跨过这个门槛的企业不过寥寥百多家，更多的企业愿意拿出大钱来做看得见的综艺赞助或者明星代言，而不愿意对数据进行投资。

2. ROI效率：行业中谈到数据对于营销ROI提升的价值，往往是脱离CPD（cost per data）谈的，因为数据能力的成本往往在数字或者IT部门，不在市场部门。举个真实例子，某广告主通过粗放式广告投放，CPC的平均成本在2元，在叠加数据能力后，CPC降到了0.7元，节省了70%的成本，从负责投放的市场部角度来看是很好的结果。但是如果算上数据成本，一条数据只服务一次campaign的话，CPC的成本超过了500元，是原来的250倍以上，从公司角度来看，是亏本的买卖，一条数据要被高频复用500次才能拉平成本。要发挥数据的价值，首先要求营销投入达到一定规模，笔者之前在汽车行业测算过，仅仅DMP一个组件的投入，车企在程序化广告的投资需要达到每年1个亿，才能覆盖数据成本并且有利可图。

3. 数据质量：除非作为“Born in Digital”，有着很重数据基因的企业（互联网，金融，运营商等），很难依靠自己的数据能力建立高质量的数据基础。曾经和一个传统车企的朋友沟通，他觉得自己有着全行业领先的数据能力，包括上亿的用户以及数百个标签。笔者的反馈是拉个数据看下，数百个标签的缺失率以及数据的刷新率，再用外部panel做个验证，数据准确率有多高？按照传统车企的数据收集方式，无论数据类型和数据数量都是极其有限的，甚至不能把用户的年龄，性别，学历，收入水平等基础标签做准，这也是新能源车企对于传统车企在品牌营销上形成降维打击的基点：数据质量。

从以上的拆解可以看到，广告主在渴望数据“石油”给品牌营销带来价值的同时，又面对现实操作中的数据“贫矿”，在两者间是极度挣扎的。随着营销数字化十年大潮后的今天，这种情况是否会有改变呢？

Think out of the box
以上关于广告主如何使用数据的讨论，都有一个大前提：广告主构建全自主的数据能力，包括技术，数据所有权以及数据应用模式。而从数据生态来说，广告主除了自建能力外，还有两种选择：第三方数据（例如DSP）和平台数据。

关于第三方数据，在国外（主要指美国）宽松的数据合规环境下，广告主可以在“只能看和用，不能拿走”的前提下，同时使用多种背景的第三方数据，甚至可以在多个广告主间通过隐私计算实现数据共享，生态中进化出了Adobe Audience Manager, Bluekai，Krux等为代表的数据交易平台（Data Exchange Platform）的技术模式。但是在国内，由于数据合规法律法规的收紧，第三方数据的使用一直处于合规红线上下一厘米的位置，在此不做展开。

而平台数据，指的是互联网平台通过“只能看和用，不能拿走”模式的数据工具，为广告主在进行本平台资源采买的场景下提供的数据服务。过去广告主对于平台数据工具的理解就是“媒介侧DMP”，即使用媒介数据平台中打好的TA标签进行投放。

但是在过去两年，各大平台投入大量资源来提升数据工具的能力，以巨量引擎提供的“巨量云图”为例，当前的能力已经整合了巨量体系内抖音，头条，西瓜等众多APP的数据，覆盖了流量，内容，用户，达人，电商五种数据类型，每年处理的数据量在百PB级别（相当于1亿块1TB硬盘的数据量），并且能无缝连接到巨量的全营销体系，包括广告投放平台（引流资源），巨量星图（达人资源）和巨量千川（电商资源）。

过去十年间，品牌营销对数据的要求发生了哪些变化？

巨量云图：品牌资产经营平台

巨量云图的数据价值，也不只是在投放场景下帮助广告主找到目标受众，当前能力已经覆盖了广告主从诊断 - 洞察分析 - 策略输出 - 效果评估的营销全链路。

巨量云图中的所有数据，都是完成了数据脱敏 -> 数据治理 -> 多数据源整合 -> 数据标签化 -> 数据验证等全套数据管理流程后，整合的，干净的，高质量的提供给广告主使用。这套数据管理流程如果在广告主的自建体系内，可能需要花费数年时间，数百万花费和众多人才投入后才能完成打磨，而今天巨量云图对于广告主来说，是免费和即开即用的。

对于原本数据能力有限的广告主来说，通过巨量云图可以一夜间获得众多高阶数据能力，例如，巨量云图的数据更新频率是以天为单位的，意味着广告主可以以天为单位，根据营销效果评估来调整巨量体系内的营销策略和预算，极度压缩投资犯错的可能性，在绝大部分广告主，这种调整都是以月或季度为单位的。这种“天下武功唯快不破”的高阶能力，即使在自建数据能力的顶级广告主中也是极少见的。

过去十年间，品牌营销对数据的要求发生了哪些变化？

举个例子，某外资食品饮料品牌，过去品牌营销的主要方式是综艺IP，当前想在抖音平台上寻找突破点。在尝试一段时间后，通过巨量云图的数据进行复盘：

首先从用户数据进行诊断（巨量云图的关系资产模块），看到的数据是之前在抖音的品牌营销覆盖了大量受众（A1，A2人群庞大，高于行业平均值），但是和品牌形成深度活动的受众比率低于行业平均值（A3人群转化率低），第一个结论是目标受众被覆盖的数量是足够的，但是受众不愿意深度互动，营销的目标人群策略，内容策略或者触点策略需要被调整。
其次，继续从用户数据进行诊断，发现最终在电商形成转化的受众画像，主要是小镇青年和Z世代，和过去目标的新锐白领和精致妈妈不符，第二个结论是目标受众需要被调整。
最后，通过内容数据进行诊断（巨量云图的内容模块），发现之前诊断的目标人群，最喜欢的内容形式是影视综艺，和这个广告主过去的内容策略是符合的，说明过去的问题是正确的内容策略，有偏差的人群策略。

在2周时间内进行完以上诊断后，广告主在抖音快速构建了四段式的品牌营销模式：以综艺IP开局拉新 -> 以广告加速认知 -> 以直播电商形成转化 -> 将直播场景重新剪辑后，复投持续撬动转化，最终整个全链路的ROI提升了40%。

过去十年间，品牌营销对数据的要求发生了哪些变化？

很多高阶广告主对于平台方数据工具的顾虑，是数据的个性化能力。虽然平台方提供了高质量的数据，但是这些数据是所有广告主都能看和用的，难道互相之间只能比拼在广告竞价中谁的出价高吗？此外，不同广告主基于自己的业务模式，对于目标受众的理解有很大的不同，例如在奶粉行业如何找到“三段奶粉妈妈”是品牌营销的关键，而平台方有再强大的数据能力，也无法真正了解和满足每个广告主的数据诉求。

巨量云图今年推出的“数据工厂”，就是解决高阶用户个性化数据需求的模块，分为“标签工厂”和“建模预测”两个功能：

1. 标签工厂：广告主可以在巨量云图中，通过设定个性化的搜索关键词，内容关键词，商品关键词，圈出自己个性化的人群包，和巨量云图现有的人群，内容，达人标签进行多维交叉后，自定义目标人群，以及找到最适合触达这些人群的KOL。例如某护肤品品牌，对于最终购买人群的搜索和内容浏览行为进行分析，自定义了“抗衰女郎”，“甜美女孩”和“滋养青年”三种标签，实际广告投放ROI提升了7%。

2. 建模预测：不同于标签工厂“白盒”化的自定义标签，建模预测目前主要有二分类和聚类两大模型，其中二分类模型主要是通过人群样本的机器学习（用户可以自定义正负样本和人群特征），对于已经购买人群的lookalike和不管怎么营销都不转化人群的lookunlike进行叠加，找到自定义的目标受众。例如某快消品牌，产品是每个消费者都会用到的普世商品，日常广告投放并没有明确的TA属性，以大曝光为主。在大促期间，由于流量昂贵，希望通过建模预测功能，聚焦最有可能在大促期间通过直播电商形成购买的目标人群。建模预测产出的人群包，最终效果是ROI对比全行业提升了180%。

过去十年间，品牌营销对数据的要求发生了哪些变化？

对于广告主来说，数据能力的建设就像是登山，所有人都在说山顶风景独好，但是只有路上的人才知道路途的泥泞和艰辛，内心充满焦虑和茫然，挣扎在继续和放弃之间。
在过去十年，有着大资源的专业选手们通过自建数据能力，已经快步在前，拉开了和第二梯队的距离，不断享受着数据带来的红利。而今天平台的数据能力又把所有选手在“整合平台资源形成增长路径”这一课题上拉回了同一起跑线，用好巨量云图确定基础增长模式，用好数据工厂寻找个性化增长捷径，希望巨量引擎的数据工具能帮助广告主们在今天不确定的大环境下，找到自己增长的长期主义。

jCgT25J · 发表于 2023-2-22 08:52:39

从流量视角到用户关系资产运营的变化，在流量红利到达前，品牌思考的是如何获取更多的流量，拿到更高的GMV，而随着流量红利衰退后，品牌希望能以数据资产为核心，来助力营销决策和科学度量。围绕人群，内容，商品数据让客户进行深度的分析来指导人群策略/内容策略和串联小店经营和营销场景的商品推广策略等
从电商营销转变为内容营销，随着内容类媒体的发展，我们发现客户的需求也从如何在电商平台做生意转变为如何在内容媒体做生意，从而实现认知-种草-拔草的营销链路，因此客户不仅仅需要后链路的成交数据，也对如何通过内容去做生意提出了更高的要求。因此我们不仅需要提供电商数据，也需要有更多的内容数据

D8LiO0t · 发表于 2023-2-22 08:53:03

品牌对数据的要求也是伴随着媒体的演变而变化。
10年前品牌营销更多关注的是门户网站，及百度等搜索引擎，解决品牌，产品，信息能更容易给用户看到，搜到。对数据的要求更多是搜索量，CPC等。
2015年开始，随着移动互联网的普及，电商平台网站的广告也开始受到品牌主的青睐，因为可以直接建立消费者与品牌商品的关系，离交易更近及更直接。电商站内的展示广告，搜索广告，联盟广告都受到客户的追捧。更关注UV及ROI等。
2016年底推出的数据银行，也给品牌带来了新的数据角度，品牌也开始关注消费者资产。
之后随着抖音等的兴起，信息流广告成为广受关注的形式，行业也完成了从图文信息流向视频信息流的转变过程，短视频、直播场景下所带来的强种草及转化效应，也让互联网营销进入了内容营销的新阶段

现阶段，用户行为有很大的变化，时间更多花在了抖音等短视频网站，用户注意力分散，在互联网上的旅程变得无序，用户的触点也呈现多样性，对品牌的忠诚度持续下降。
面对流量及效率的挑战，此刻的品牌方需要的是真正能从数据驱动，通过数据去更有效地整合品牌营销的各类动作及资产，提高每环节的效率，从而实现品效销的协同。
品牌营销此刻对数据的要求也是有了很大的变化，更强调数据的洞察，整合，及对营销进行多维度数据的衡量。
以抖音生态为例，品牌更希望的是可以数据为基础，更好地对品牌现状进行诊断，对行业及竞品进行分析，对消费者深入的洞察，找到目标人群，及借组用户的洞察帮助更好地制作短视频等内容，选择合适的达人进行合作，进一步结合抖音的品牌类广告及效果广告，进行商品推广或引流直播间，促进最终成交转化。
越来越多的优秀服务商也利用抖音生态的巨量云图及其定制应用数据工厂、星图、罗盘等数据工具，结合AD平台，达人合作，千川广告，直播等方式，更好地联动用户、内容、商品、广告、达人等模块，帮助客户实现品牌+内容+效果+销售一体化，既可以达成在抖音生态的内循环，也可以结合其他电商平台的外循环，长效经营品牌的用户关系资产及内容资产，实现真正意义上的全域营销。

J8AJeV · 发表于 2023-2-22 08:53:45

近年来大家对于营销的认知都是“没以前好做了”
流量红利吃紧，流量成本越来越高，随着数字广告技术成熟、消费市场迭代升级，营销环境也发生了很大的改变。
以前的品牌可以通过强势曝光快速入局，追求短期ROI最优化，可这套玩法如今已经行不通了。
逆势增长企业都有一个共同的品质——摆脱“营销唯短期收益论”的陷阱，不再竭泽而渔只追求短期增长，而是回归品牌的本质，通过“品牌资产运营”，构建兼顾短期增长和长期培育的长效增长模式。
比如我服务过的一个电商个护品牌，通过精准广告投放每月销量在2000万以上。但是2、3年过去，ROI持续下降，现在已经达到了微利的危险状态。因为按照原有标准式、粗狂式投放后，其实大部分人群都被覆盖到了。如今品牌再想要揽新客，必须做更精细化的个性化投放。
比如，近期我们优化师团队在进行广告优化时发现，以往直接套用标准化的DMP进行人群投放和圈选，转化率特别的低，转化成本也很高。我们就在想，如果能够根据具体的产品特征，进行有针对性的圈选和个性化投放，那广告的ROI可就有救了。
我们主要负责美妆个护的优化师就进行了一波这样的尝试。他在用户即将用完产品的时间截点、针对性投放广告提升老客复购；同时拓展历史未覆盖的人群，将沐浴露的主打功能由香变成了“美白”，顺利将产品的受众从年轻女性拓展到了3、4线城市的中年女性，品牌营销终于迎来了拐点，ROI和销量都有了新的突破。
在我看来，精细化数据运营将会是未来品牌核心能力之一。落到实处，品牌越来越需要个性化、定制化的数据产品，根据自己的需求去做个性化的投放。大水漫灌式的覆盖已经不能满足品牌投放的需求了，标准化、模式化的数据产品也不足以支撑品牌进行个性化营销。
我观察到，近期巨量引擎特别敏锐地洞察到了品牌对数据的这一变化，在他们的品牌资产经营平台——巨量云图下，新推出了“数据工厂”版块，就是专门为品牌实现定制化营销服务的。我对里面「标签工厂」这一模块特别感兴趣，第一时间把它推荐给我们的合作品牌，帮助他们进行更有针对性、更个性化的投放。

过去十年间，品牌营销对数据的要求发生了哪些变化？

U4Qfqbc2Byc · 发表于 2023-2-22 08:54:42

作为一个数字广告多年的从业者，我对于近年来品牌营销的数据化深有感触。

过去十年，数字广告主要靠快速增长的流量红利，服务于直接效果客户。由于太关注临门一脚，在建立品牌、影响用户兴趣，即“种草”方面，考虑得并不多。然而今天，流量红利渐渐退去，有实力的客户，必然要将更多的注意力转向利用数字渠道的优势，做好品牌建设，以图长期增长。

传统的品牌营销理论虽然体系自洽，但是设计之初并没有考虑到数字媒体的数据能力。因此，以往品牌营销的最佳实践，往往缺乏数据度量，或者仅仅采用线下调研之类的粗疏方法。

于是，今天的品牌营销，面临着一个关键挑战：必须在科学的数据度量下，将传统理论以实证的方法落地和升级，才能发挥作用。而品牌营销的数据体系，还有很长的路要走：过去的数字广告，往往只关注点击、转化等行为。但品牌营销，需要在全链路数据的基础上，逐步从狭义“用户增长”转向“用户关系资产管理”和“品牌内容资产管理”。

在此基础上，可以用数据驱动的方法论，执行业务诊断、策略洞察、策略落地、科学评估等品牌营销中的典型场景。这一产品概念，在当今的数字营销领域方兴未艾，就是所谓的“营销科学”。

上面谈到的概念比较多，我们可以一个具体的产品——巨量云图的数据工厂为例，简要说明一下。

过去十年间，品牌营销对数据的要求发生了哪些变化？

上图是巨量云图数据工厂产品的逻辑框架。其中的用户关系资产，可以用营销大师菲利普·科特勒的5A理论来示例，他将营销的客户进程分为Aware(了解)、Appeal(吸引)、Ask(问询)、Act(行动)、Advocate(拥护)五个阶段，这个进程揭示了用户与品牌的远近关系，如下图所示：

过去十年间，品牌营销对数据的要求发生了哪些变化？

所谓用户关系资产运营，就是要用数据化的方式，记录你的每个用户当前处于哪个营销阶段，而不是仅仅关注点击和转化。

而品牌内容资产，就是将品牌在社交媒体、广告渠道上投放的内容加以科学的数据度量，用以诊断、评估内容的质量和传播效果。

在巨量引擎的产品体系中，客户可以通过巨量云图沉淀用户关系资产和品牌内容资产，而数据工厂可以与巨量云图联动，帮助品牌实现定制化营销需求，实现所谓的“数据精增量”。而定制化数据运用，主要通过“标签工厂”和“建模预测”两个工具来实现。

过去十年间，品牌营销对数据的要求发生了哪些变化？

标签工厂这个工具，可以为品牌提供自定义标签的能力，覆盖三种类型的定制化标签：内容标签、人群标签和达人标签。
整个标签工厂的自定义逻辑，是基于平台本身提供产品化标签的基础上，给到用户自定义生产标签的能力；现在主要提供三类标签：内容标签，人群标签和达人标签；整个标签工厂生产标签主要是基于关键词和一些交互指标进行设置的，整体灵活性非常高，可以灵活适配大家做一些营销策略的需求，比如，像现在大家都宅家，可以通过标签，可以把和“宅家”有关的人群，内容，达人圈选出来；

一些比较高阶的用户，甚至可以借用标签工厂，在云图平台上搭建一个该类目/品牌专属的标签体系，比如：以细分类目/品牌为切入点，基于对产品特征、功效、气味等的理解，提取相关关键词，进行标签树的搭建；把相关的内容，人群，达人归类到这一标签体系上；后面的应用就相当清楚了：可以根据自定义人群分析，将标签人群推到巨量千川做广告投放；也可以通过标签找到相匹配的达人，通过巨量星图/百应下单合作。

过去十年间，品牌营销对数据的要求发生了哪些变化？

而建模预测，实际上可以理解为，瞄准不同交互目标的升级版look-alike过程，比起我们熟知的look-alike，它可以根据客户的需求定制建模的目标，自定义正负样本和人群特征，以达到持续调优的过程。建模预测的典型应用场景，大家可以参考下面几个例子：

种草蓄水，挖掘对品牌有兴趣的人群：这个任务可以以点击率为优化目标，通过模型训练，从大盘人群中找到最可能点击的人群；
积累粉丝，挖掘与品牌互动的人群：对比品牌转粉及未转粉人群，通过模型训练，识别粉丝招募的高潜人群；
转化收割，找到品牌决策临界点人群：以一方转化购买人群为学习样本，通过模型提高触达人群中消费者浓度，优化ROI。

大家看，以上这些任务，都是根据品牌自己的第一方数据，平台提供建模能力，形成的定制化数据应用。这也正是原始数据向商业价值的转化，体现了 “数据精增量”的概念。

管中窥豹，巨量云图数据工厂这个产品，针对“品牌营销对数据的要求”这个问题，给出了实践层面的一个答案，也为数据科学指导品牌营销做了有价值的探索。我们可以继续保持关注，品牌营销数据化、实证化的时代也许就快要到来了。

越消费越富有？陕西永倍达疑涉传销被多地发

过去十年间，品牌营销对数据的要求发生了哪些变化？

相关帖子

精彩评论5

浏览过的版块

比DeepSeek R2先发!阿里巴巴Qwen3登顶全球

关于我们

产品与服务

全网营销

加盟与合作