腾讯|1个数据大脑+2个轮子=品牌资产运营的“热兵器时代”( 二 )


站在品牌的角度 , 内容资产运营面临和关系资产同样的问题:我也知道内容很重要 , 但是如何找到内容发力点才能既实现品牌卖点和消费者痛点一致?如何与竞争对手形成差异化?如何掌握相关内容的切入时机和方式 , 才不会陷入同质化的红海?
如果把品牌资产比作一个自行车 , 那么关系资产和内容资产就像两个轮子 , 他们的运营共同支撑起品牌资产运营 , 而且相互促进 。 内容资产运营可以提升关系资产 , 而关系资产的提升又能带动内容资产对用户的有效触达 , 甚至还会激励用户自己产生内容 , 这样品牌资产之车将能越转越快 。

只是 , 关系资产和内容资产目前都面临类似问题:如何从经验式的冷兵器运营进化到数据化的热兵器运营时代?
热兵器时代是什么体验?品牌资产运营的热兵器时代和冷兵器时代到底有什么根本差异?冷兵器时代是传统的单向媒体时代 , 品牌很难及时获得消费者反馈 , 这样的品牌资产运营是概念化、经验式;热兵器时代是数字化的互联网时代 , 品牌与消费者可以实现双向、高频互动 , 这样的品牌资产运营是数字化、迭代式 。
要想深入理解 , 不妨看看鲜活的例子 。
某美妆品牌 , 可以清晰地看到自己不同“A”的用户流转情况 , 发现了营销痛点:A1(Aware)和A2(Appeal)后链路流转乏力 。 通过分析高流转人群特征 , 结合产品特性圈选高潜人群 , 定向投放 , 提升了人群渗透率 , A1到A3(Ask)人群递进效率提升了13% , 购买转化率最高提升了33% 。
某服装品牌通过人群诊断发现A3(Ask)-A4(Act)流转效率比行业高 , 以此为营销发力点 , 锁定A3人群 , 挖掘购买特征和内容偏好定向转化 。 持续蓄水A3 , 最终带来A3到A4流转率提升21%、ROI最高提升234%的表现 。

这些例子虽然是不同品牌、不同行业 , 但是有一个共同点 , 那就是:他们都有一个数据中台 , 能够像显微镜一样 , 看到自己的关系资产和内容资产数据 , 从而有针对性地采取行动 。
数据中台也不是新事物 , 但是目前的数据中台或多或少存在四类难题:
首先 , 是数据广度不够 , 如果数据不丰富 , 基于数据的洞察精度也就可想而知;其次 , 是从数据洞察到运营落地有距离 , 即使获得了很好的数据洞察 , 没有对应的渠道或者工具落地同样不行;再次 , 是运营后是否能复盘 , 换句话说 , 营销账能否算明白;第四 , 数据交互的颗粒度太粗 , 很多品牌花费巨资搭建的数据中台只能做到月、周的颗粒度 , 这在日新月异的当下显然无法很好实现目的 。
上面提到的品牌们 , 之所以克服了这些问题 , 是因为他们借势了巨量云图这个品牌的数据外脑 , 其体验是这样的:基于巨量引擎各平台沉淀的海量数据 , 加上品牌数据共建 , 品牌在云图中进行人群、内容、货等维度的洞察分析 , 并结合广告渠道优选形成整体营销策略 , 然后将策略推送到巨量引擎、星图等平台落地执行 , 投放后在云图进行营销价值评估 , 迭代优化 。
可以看到 , 这样的数据中台独特之处就在于将关系资产运营和内容资产运营实现了数字化 。 具体来说 , 是以O-5A品牌人群运营方法论将科特勒的5A力量量化 , 以内容资产分将内容资产可视化 。 而且 , 准确地切中了上面的几大痛点 , 除了数据的广度(海量多维度)和精度(以“天”为单位的数据交互频率) , 笔者印象深刻的还在于三点:开放性、执行性、迭代性 。

巨量云图并不是一个“人”在战斗 , 而是与品牌共创 。 例如 , 巨量云图与红旗联合成立的DT-Lab数字化变革实验室就在数据共建上探索出一条精细化科学化营销之路 , 共创出客群模型、增效度量工具、心动指数系统等创新产品 , 展现出品牌广告和效果广告的协同效应 。