:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

Posts Categorized / Enterprise

  • 十一 20 / 2017
  • 0
Data, Enterprise

锐眼洞察 | 移动App行为数据研究的商业价值

作者:TalkingData首席布道师 鲍忠铁

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

 

证券行业的客户金融交易渠道将会转向移动互联网,客户证券投资和财富管理服务将主要发生在移动App,其将成为客户的主要入口和金融产品主要发布场所。证券企业如果想赢得未来市场,赢得客户,取得在金融市场的领先优势,就必须了解客户的金融产品需要,重视客户的交易行为和互动行为数据。利用数据了提升客户体验,提升移动互联网端的数据和业务运营能力,具有同互联网企业一样的技术能力和迭代速度。重视用户的移动端行为数据将成为证券行业未来在市场成败的一个关键。

证券行业过去主要分析交易数据、资产数据、产品数据、人口属性数据。典型数据应用有数据库营销中的关联分析和交叉销售。交易数据对营销具有较大的商业价值,特别是老客户经营。例如某些产品的客户复购率较高,利用交易数据可以进行多次营销,降低营销成本。

行为数据相对于交易数据具有不确定性大的特点,行为数据更关注客户的兴趣偏好,更适合了解客户体验和用户潜在金融需求。利用App行为数据进行营销,具有范围广、预测性强等优点,缺点主要其营销的业务转化率不太稳定。考虑到潜在的目标人群基数较大,即使是较低的转化率,其转化的目标客户也会很多。曾经在一个案例中,利用资讯推送来影响客户进行投资,其过转化率接近40%,大大超出了想象。一般行为数据营销的转化率都低于10%,集中在1% – 5%之间。如果低于1%的转化率,这个基于行为数据建立的营销方案将会被放弃。

行为数据的场景应用建立在场景化标签之上的,基于App内部行为的场景应用来源于具体业务目标,例如证券App中的绑卡入金、购买理财、股票交易、基金买卖、贵金属购买、关注收藏等。

第一节:行为数据分析有助于加速产品迭代和提升客户体验

App行为数据包含浏览、点击、评论、交易等几类,可以通过App的按钮和事件埋点进行提取。经过异常值处理和数据去噪音之后,就可以进行分析和应用。移动互联网企业如BAT等巨头,其产品和用户体验的竞争力就是来源于行为数据的分析和应用。

过去证券行业人员可以通过线下的营业网点来接触客户,利用同客户面对面的交流,了解客户金融产品需求和用户体验。现在客户几乎不再去营业场所,或者去证券营业部的客户年龄都较大。光大银行曾经统计过一个数据,经常到营业网点办理业务的客户,平均年龄为52岁,说明年轻客户基本上很少去网点办理业务。这些年轻客户正是证券行业主要的客群,未来将会成为证券企业的主要收入来源。证券企业如果想了解客户的金融需求和客户体验,其主要的方式就变成了分析App的行为数据,这也说明了研究分析App行为数据的重要性。

在互联网企业中,App运营团队有一个重要的职责就是每天分析App的行为数据,主要是因为行为数据代表了客户对产品的喜好。基于App行为数据的分析,互联网企业的产品经理可以及时调整产品,进行产品迭代,快速满足客户对移动产品的需求。互联网企业产品迭代完全基于App行为数据的分析,基于行为数据的结果。

客户在App的行为点击和浏览数据,辅以时间维度分析和漏斗分析,可以真实反应客户体验情况。互联网企业的运营部门参考这个数据可以分析客户喜欢哪些产品、广告、活动等,同时也可以了解客户不喜欢哪些产品、活动等。利用行为数据分析,运营部门可以实时了解客户体验情况,及时调整运营活动和产品布局,围绕客户需求来提升客户体验。移动互联网时代,客户体验本身比产品更加重要。

证券行业一直想学习和掌握互联网企业的竞争优势,特别是在产品迭代和用户体验提升两个方面。行为数据分析为证券行业产品迭代和体验提升提供了技术支持。证券企业完全可以深度分析App行为数据,利用行为数据分析结果来进行产品迭代和用户体验提升。例如证券行业可以分析App的点击热力图,利用App点击热力图来了解客户喜欢哪些功能,客户很少点击的功能就可以及时下架。参考AB测试的数据来分析客户更加喜欢哪些功能,基于客户点击爱好进行App的功能迭代和用户体验提升。证券行业还可以参考客户DAU、留存时间、打开次数等行为数据进行分析,了解客户对App体验反馈,留存时间增加和打开次数增多代表用户对App的喜爱程度增加。实时反馈的行为数据可以及时让证券行业了解体验情况,及时进行产品迭代。

证券移动App的行为数据具有直观、实时、客观等特点。基于行为数据的分析对于了解客户体验和了解客户对产品喜爱具有重要意义,是证券行产品迭代和用户体验提升的基础数据,证券行业必须重视对其的研究和应用。

第二节 行为数据研究有助于提升券商互联网运营能力

互联网行业有一句经典的话,三分产品、七分运营,好的产品不是设计出来的而是运营出来的。互联网运营的基础就是行为数据的分析,运营团队通过行为数据的分析实现运营能力的提升。

证券企业希望学习互联网企业的数据运营能力,其主要体现在数据的分析和应用能力,包括基于数据的产品运营、渠道运营、用户运营、活动运营等。这些运营能力是建立在数据分析和应用基础之上的,其中行为数据应用能力是其重要组成部分。

产品运营的核心工作就是产品优化,包括UI/UE、产品框架、内容建设、产品维护、用户维护、活动策划等。用户需求不断变化,产品需要通过持续的迭代完善才能满足用户需求,没有运营则无法时刻洞察用户需求变化;运营是让产品持续产生产品价值和商业价值。行为数据是产品进行优化的基础,基于行为数据中的点击数据和浏览数据,运营团队可以了解客户对UI、产品的喜好,对内容的关注,对活动的反应。依据行为数据分析进行产品迭代和优化,行为数据是产品运营的重要参考。

渠道运营是指利用资源和流量为产品带来新增用户,包括免费、付费、换量、人脉积攒、产品的吸引力、圈内人的推荐、策划活动、内容营销、用户口碑等手段。互联网线上渠道发展比较野蛮,鱼龙混杂。特别是移动App推广市场,不但流量贵,而且假量还大。参考TalkingData发布的移动互联网报告,在某些高峰时段,一些渠道的假量超过了50%,也就是说至少有一半的点击和下载是无效的,广告推广费用是浪费的。曾经在某一个特殊时间段TalkingData移动广告监测平台Ad Tracking一天收到了24亿次点击,其中90%的点击是假量、是恶意刷量。券商利用App的行为数据可以有效分析出哪些渠道效果好,真实量比例高;哪些渠道效果差,假量明显。行为数据还可以分析出哪些是真正的客户,哪些是一次性客户,哪些是羊毛党客户,哪些是有效客户。通过App渠道分析数据,券商可以降低广告投放费用,提升线上获客质量,提升广告获客的ROI。行为数据是渠道运营的重要参考指标,通过App渠道数据的分析,可以提升券商在移动互联网渠道运营能力。

用户运营指以用户为中心,遵循用户的生命周期价值点和用户产品需求设置运营活动与规则,制定运营战略与运营目标,严格控制实施过程与结果,以达到预期所设置的运营目标与任务。用户运营最直接价值就是提升用户金融产品的复购率,提升单客价值,激活休眠客户、挽留流失客户、发现潜在客户等。证券行业面临较大的挑战有休眠客户比例过高,客户单客价值不高,流失客户明显。这些问题都可以通过行为数据分析找到解决办法。例如通过客户点击和关注的数据,了解客户资讯需求,主动推送资讯给客户,激活休眠客户。利用点击和浏览行为数据趋势分析,及时了解客户流失倾向,结合客户产品喜好和兴趣爱好,定制激励方案,挽回流失客户。行为数据可以直观反映出客户兴趣和喜好,为用户运营提供方案支持,具有非常大的参考价值。

券商如果希望具备互联网企业的运营能力,在产品运营、渠道运营、用户运营等方具有同互联网企业同样的技术和运营能力,就需要重视行为数据的分析和应用。

第三节 行为数据应用是券商业务智能化发展的基础

证券行业智能化发展是必然趋势,一方面是智能化应用的技术条件具备了,例如数据处理能力、模型算法能力、专业人才储备;一方面是券商所面临的经营成本高、效率低、客户服务覆盖率不高等问题,可以通过智能化应用来解决。

证券行业智能化应用的广义涵义是借助于工具平台和智能应用来解决具体的业务问题,这些业务问题可能是个人投顾无法直接服务全体客户;可能是传统电话客户服务成本高,效率低,客户体验不好;可能是内部流程效率较低,无法满足客户变化的金融需求;也可能是投研和投顾人员缺少可以服务客户资讯平台等。

证券行业智能化应用狭义的应用领域包含智能投顾(机器人理财)、智能客服、智能资讯推荐、智能投研数据平台、智能数据应用平台等。其主要解决还是效率问题,本质还是券商服务的自动化和智能化,可以提升客户体验和降低服务成本。

证券行业智能化应用的一个前提是海量数据,包含交易数据和行为数据。但是这些数据不是原始数据,而是经过业务专家标注的,具有业务价值的数据,可能是标签数据、归类数据和分析结果数据。行为数据对于智能应用具有较大的商业价值,例如在智能客服中,客户的行为数据代表其产品和风险偏好,智能客户可以利用这些处理过的行为数据,为客户打上标签。基于行为数据进行客户分群或分层,智能客户将参考这些行为数据为定制客户服务内容,直接有效地为客户提供金融产品服务。借助于行为数据标签,智能客服将会缩短服务路径,直接切入客户喜好,提升客户体验,提高服务效率。如果行为数据揭示客户倾向于港股交易,智能客服在服务时就可以侧重于港股资讯。如果客户有融资融券倾向,智能客服就会提供相关介绍和激励措施。如果行为数据揭示客户倾向投资能源板块,智能客服就可以提供更多的能源资讯,为客户投资提供支持。

智能投顾原理是参考客户投资风险偏好和投资兴趣,为客户定制投资组合,在一定风险可控的前提下,获得一定的最优收益。行为数据可以支撑智能投顾中客户的投资偏好,通过对客户点击、浏览、关注等行为数据的分析,券商可以了解客户的投资兴趣偏好。例如客户点击股票所属的板块、关注的交易板块、浏览的资讯、这些行为都可以在一定程度上反映客户的投资兴趣,经过一定分析和加工之后,可以作为标签类数据输入到智能投顾平台,作为智能投顾推荐投资组合的参考信息,有助于提升智能投顾的客户体验和客户购买转化率。

券商移动App行为数据具有intention属性,代表了客户内心的需要,也可以认为是客户理性行为和感性行为的综合,其中感性成分更高一些。中国的投资客户,大部分变现为理性投资客户,但是在进行证券交易时往往体现的是感性一面。因此研究行为数据有利于了解客户心理行为,也就是客户感性行为。行为数据经过加工处理之后,可以表现为标签数据,结合业务场景和交易数据,可以帮助券商更加客观了解客户金融需求。券商可以针对客户的兴趣爱好,提供相应的智能资讯和投研报告,协助客户作出更加客观的投资决策。行为数据结合相应的资讯会缩短客户决策周期,提升客户交易积极性,有助于提升客户交易额和交易频度。例如通过行为数据的分析,推送客户关注股票板块的资讯,通过不同组客户测试,发现收到资讯的客户其交易下单率高于不收到资讯客户30%,其中收到相应板块资讯的客户,高于非相关资讯客户的50%。

总之,移动App行为数据的分析和应用可以帮助券商加速产品迭代和提升客户体验,建设同互联网企业同样领先的运营能力,并为券商智能化应用提供具有较高商业价值的数据,推动券商智能化应用的发展。

 

  • 十一 17 / 2017
  • 0
Enterprise

锐眼洞察 | 为什么智能投顾越来越流行?(翻译)

作者:Alexander Volkov

原文:Why Robo-advisors are becoming popular

译者:TalkingData解决方案架构师 韩铭扬

本译文禁止商用,转载请注明来源与译者!

 

智能投顾, 和人工智能以及大数据一样,是当下热门词汇。它就像专业投顾领域内的Uber,没有中间角色也因此为终端用户节省了费用。

智能投顾的目标群体是谁?

传统的顾问服务涉及顾问和投资者之间密切的面对面互动。与传统服务不同的是,随着网络时代的兴起,新的千禧一代更喜欢待在线上,在线上互动并咨询。

这种新的互动方式对传统的投资和财富管理平台提出了要求。他们现在需要为顾问和投资者提供实时分析通道、多源的智能投顾数据、以及一些新的基于社交的功能。相较之前在高尔夫球场进行的传统式交流途径,新的一代人需要在线上、通过他们的苹果手机来轻松实现这些功能。

智能投顾,正是一个顺应新一代需求的便捷服务。与传统经纪人的服务相结合,智能投顾使终端的投资者可以自主地进入该行业,使用那些自动化服务。对于那些提供先进功能(如调整投资者的首选投资策略)的顾问平台来说,他们的潜在用户群体可与老式投资者的规模相媲美。

智能投顾为什么变得这么流行?

智能投顾因其带来了更多的选择而变得越来越受欢迎。

AI可在眨眼间计算出一个复杂的股票期权策略的预期收益,并给出相较于传统的“购买这些ETF以获得更好回报”更好的建议。此外,AI可以轻松找到一个保守投资组合的最佳组合方式,以及可得到的“最佳回报”,用Nassim Taleb的话来说,它给出了最佳回报×概率组合。智能投顾甚至可以帮你发现不可预测的意外事件(Black Swan)。

随着自动化水平的增高,人类顾问的角色转换到掌控并选择哪些是他将要提供给投资者的选择。这正是最需要传统顾问的专业知识的地方,改变他们服务客户的方式。

如何开发可满足每个人需求的最佳智能投顾平台?

开发一个智能投顾平台需要大量的构建基于组件、现在基于微服务系统的经验。

在技术层面,财富管理平台倾向于不仅仅提供针对性能、投资组合风险、投资策略的商业智能(Business Intelligence),同时提供大数据专家建议(Big Data Expert Advice),用于选出要跟进的优先投资策略、了解客户的目标、风险承受力以及其他客户个人数据。

智能投顾自身作为一种服务来说,现在是深度学习、大数据和量化金融的结合体。所以,要想构建一个智能投顾,开发企业必须对所有这些领域有所了解。这种系统的开发不再是一门手艺,而是一门科学。

未来平台的拥有者在编写技术规范时应该牢记终端用户的标准。当客户找寻最佳平台时,他们通常会考虑价格功能比,这对于选择任何IT解决方案来说都是合理的。对于智能投顾平台来说,这些标准就是佣金和产品特性。产品特性包括:最低存款额、所支持的账户类型、以及可供投资(股票、债券、期货、期权)的市场。

同时,一些产品特性,像是自动平衡投资组合以减少风险、准确的损益报告、收割税收批号以减少纳税,对于支持高效智能投顾的平台来说是必需的。

该领域内的战略IT方向是什么?

为了解决新型投资者的问题,我们从软件供应商中看到的行业趋势是提供开放式架构解决方案,使得诸如智能投顾之类的第三方工具能够满足新的需求,这为顾问和投资者提供了更多选择。这正是大量投资所落入的研发之地。

  • 十一 17 / 2017
  • 0
Enterprise

锐眼发现 | 营销世界的 5 大剧变之 ⑤ 人工智能

作者:Scott Brinker

原文:5 Disruptions to Marketing, Part 5: Artificial Intelligence

译者:@文科生 ,宏原科技创始人

转载于:SocialBeta

上篇回顾:锐眼发现 | 营销世界的 5 大剧变之 ④ 万物皆可数字化

 

TalkingData合伙人兼执行副总裁林逸飞点评:

  1. 确保所有营销系统和触点中的数据可被获取,而且要考虑建立一个集中的数据湖
  2. 数据质量进行投资,尤其是核心的客户数据
  3. 学习系统动力学知识
  4. 为算法营销构建一套管理模式:什么需要自动化?什么需要半自动化?什么不需要自动化?
  5. 透过 AI 的视角去评估营销技术服务商的实力

 

译者前言:AlphaGo 让人工智能成为了一个到处都在谈的热词。Scott 说,他在准备这篇文章的时候感觉自己好像也跟进了这个炒作。但是,仔细读下来,我觉得本文是对于 AI 在营销领域应用最为系统而全面的思考。

让我印象最深的是 Scott 对于技术商品化的清醒认知。实际上,任何一个创新技术的热度与其商品化程度是成正比的。让 AI 能够把几十年前就开始讨论的图景变成现实,本质的突破不是算法,而是支持算法的计算力和大数据。在 AI 热潮中,MarTech 领域确实出现了一些创新的工具和应用的机会,但真正有价值的工具和应用,应该和高质量和大规模的数据紧密联系在一起。

Scott 在文章中介绍了很多 AI 的工具和应用,很多应用都已经被 Salesforce 或者 Google 这样的平台以高价收购了。国内也有很多类似的并购,这些都说明 AI 的机会是巨大的。考虑到平台时代的赢家通吃现象,纯粹的技术和工具的未来其实是有限的。对于大部分 MarTech 企业来说,技术层面的集成机会有限,但是商业层面的集成和整合,才刚刚开始。

在翻译的过程中,我不停问自己,为什么 Scott Brinker 能把这个事情说的那么清楚?逐渐的,我找到了答案。

第一, 知识结构。Scott 是计算机专业出身,会编程,他理解机器;同时他又是一个营销人,他理解营销,这二者结合起来,让他对于 Marketing Technology 的认知特别本质。我看到过很多讨论 MarTech 的文章,大部分要不就是偏向技术,要不偏向营销,只有 Scott 能够从营销的框架出发,梳理出各种技术,让人一下子就能得到一个 Big Picture.

第二, 长期的专注。Scott 关注 MarTech 不是这几年的事情,而是在十年前就开始关注这个领域。在过去十年中,不停实践,思考和总结。这让他能够看得更全面,更系统。

第三, 持续的分享。他的博客一直保持很高的更新频率,而且,不仅仅是他自己写,他还不停寻找各个领域的实践者和思考者,分享他们的观点,这其中也包括我这样在中国的爱好者。他的博客成为了这个领域的活跃实践者和思考者的平台,最终他也能够在全球范围内发起 MarTech 的国际会议。

在本文结尾,Scott 说希望《营销世界的 5 大剧变》系列文章对大家有用。整个八月,我所有夜晚和周末的空余时间都用在翻译这一系列的文章上,当然也包括一点工作时间。我的体会是,帮助实在是太大了。翻译的过程,其实是一个深度学习的过程。不仅要看明白,并且试图用中文把自己的理解清楚地表达出来,要求自己花更多时间学习和思考,甚至还需要去了解他提到的技术公司和技术术语。

对于文科生,这有点挑战,但是也是一个特别高效的、系统的概览式学习过程。哪里去找这么好的机会呢?免费的!我跟 @puting 同学说,内容工作,与其是说内容,其实更是系统的思考过程,是一个产品研发的过程。感谢 Scott Brinker 的信任,@SocialBeta 的支持,让我完成了这个近两万字的翻译。我总算在与 Scott 在上海见面之前完成了我的承诺:)

 

以上是 Shivon Zilis 和 James Cham 制作的机器智能 3.0 全景图

这是营销的 5 个剧变系列中的第五部分(如果你没有读过第一、二、三、四部分,可以点击阅读):

这五个剧变分别是:

1.    数字化转型将超越营销部门的职能范畴,重新定义 「营销」。

2.    微服务 & API(以及开源) 构成了营销基础设施的架构。

3.    纵向竞争展现出比横向竞争更大的战略性威胁。

4.    增强现实 (AR)、混合现实 (MR)、虚拟现实(VR)、物联网(IoT)、可穿戴设备、对话式界面等等,给人们带来了数字化的一切。

5.    人工智能 (AI) 让营销和商业运作的复杂性倍增。

由于对热词「过敏」,当我写下这个题目的时候,觉得自己可能会起鸡皮疙瘩。作为今年营销界流行的关键词之一,无论你遇到什么问题,都会有人告诉你解决问题的良方就是「人工智能」(AI)。(或者想把 AI 营销解决方案卖给你)

目前,对于 AI 的炒作势头也远胜于对于大数据的(尽管二者之间的关联非常紧密)。

但 AI 的确对营销产生了深远的影响可以毫不夸张地说,未来几年,AI 会以令人瞩目的方式重塑商业和营销的本质。但是,这种改变可能并不会按照有些人希望的方式来实现。

首先,让我先将有关人工智能(artificial intelligence)、机器学习(machine learning)、认知计算(cognitive computing)和机器智能(machine intelligence)等概念差异的讨论放在一边。虽然这些术语的意义不尽相同,但是,(a) 它们之间有很多的交集;(b) 就算是这些领域最前沿的研究者也在争论他们的界限所在。

考虑到我们的目的是讨论这些技术给营销带来的剧变,就让我们暂时先用「AI」的大框来装下这些概念,将 AI 定义为「过去认为只有人类才能完成的认知任务,现在让机器去承担,而且机器能比人类做得更快、更好。」(AI 效应是研究者的一个有趣的观察。)

我喜欢分析师 Ray Wang 提出的有关 AI 所能交付结果的框架

如果你在思考,AI 已经被讨论了几十年也没有今天的热度,为什么直到现在才好像一下子占领了全世界?一个简单的答案就是廉价、快速、规模化和呈指数增长的计算和云端储存能力,使得能够有效运用 AI 算法的数据和动力对于每个人来说都触手可及。

我在 MarTech 圈里听到的另一个问题是:「在未来的营销技术全景图中会不会出现一个 AI 类别?」 有这种可能性,但也可能不会。

为什么这么说呢?因为 AI 几乎已经被嵌入到营销技术领域所有的产品类别中了。当然,确实有很多纯粹的 AI 平台。但是它们像大数据、云计算平台一样,大多都是仅仅被应用在营销服务中的通用技术。

举例而言,IBM Watson 可能是当今最广为人知的 AI 平台。但营销人可能对 Equals3 这样的产品更有兴趣。Watson 在产品的幕后提供市场研究、客户细分和媒介策划服务,这一切都是根据营销的具体需求量身定制的。

几大主要的营销平台也已经在产品组合中推出了 AI 方面的创新举措,最值得注意的是:

注:Einstein 是 Salesforce 推出的人工智能 CRM 平台,可以运用于销售、服务、营销和分析等领域

注:Sensei 是 Adobe 底层的人工智能工具,利用了 Adobe 长期积累下来的大量数据和内容,从图片到影像,能够帮助人们解决在媒体素材创意过程中面临的一系列问题

注:这是 Oracle 推出的 AI 产品,基于强大的数据云和机器学习算法,支持更好的 BI 分析和决策支持

你也可以从来自 Salesforce 的这张图中,看到他们准备在具体的产品中应用 Einstein 的方式:

但是,这是否意味着较小的 MarTech 服务商会在行业的这波 AI 浪潮中出局呢?AI 会成为最终推动营销技术行业整合的催化剂吗?也许会,但是我持怀疑态度。

实际上,你可以从 MarTech 分析大牛 David Raab 在上次旧金山 MarTech 大会上分享的这张表格中看到,AI(机器智能) 让行业中各种规模的服务商得以蓬勃发展(这张图只是列表中的一部分而已)。

那么,小型 MarTech 供应商如何与「巨头」竞争呢?在很多情况下,巨头们都有自己专门的 AI 技术。但是,今天的软件开发机制使得很多人都能站在巨人的肩膀上,利用不错的开源机器学习项目——例如 TensorFlow、PredictionIO、Caffe、Vowpal Wabbit 和 Scikit-learn——在软件中加入复杂的 AI 功能。(而且还是免费的)

注:TensorFlow 是谷歌开发的第二代人工智能学习系统,可以用于语音识别,图像识别等深度学习领域

Prediction IO 是一个开源的机器学习服务器,开发工程师和数据分析师可以使用它构建智能应用程序、基于已有数据来预测用户行为,个性化推荐、发现内容等。

Caffe 是一个清晰而高效的深度学习框架,其作者是博士毕业于 UC Berkeley 的贾扬清博士

Vowpal_wabbit 是一个机器学习系统,它能推动机器学习前沿技术的学习,例如在线学习、交互学习等

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。

如果你想用更简单的方式在产品中加入机器学习能力,现在也有一大堆的机器学习服务产品 (MLaaS) 可供选用:

很自然,这推动了微服务 & API 的发展。软件能够以按需「服务」的方式被提供。MarTech 服务商当然也可以使用这些软件,来保持自己在 AI 时代的竞争力。

值得注意的是,这些开源的 AI 引擎也可以直接被品牌采用,将其整合到数字化产品和客户触点当中——这又会让我们看到数字化转型的完整闭环。(这里也可以体现出,营销的 5 个剧变是如何成为一个整体的)。

鉴于很多核心 AI 算法已经面向公开市场变得商品化,因此算法本身也不再是竞争优势的来源。相反,「即插即用」的 AI 战略优势主要是通过以下两种方式建立而成的:

  • 数据。差异性来源于用以训练算法的特定数据。赢得 AI 的战略竞争的关键在于数据的规模、质量、相关性和独特性。数据质量、服务和软件会变得至关重要。精确、即时,通过 API 按需提供的第二方和第三方数据市场将会繁荣。在 AI 的加持之下,大数据终于可以被充分利用了。
  • 用户界面 (UI)。AI 可以为你的数字化产品和服务带来更好的用户体验,从「在一个特定场景下预测用户想要什么」的功能,到自然语言界面(以文本和声音为基础的聊天机器人)。这当中存在着很多机会。通过 AI 用户界面,人们可以更快速、便捷地完成复杂的任务。尤其在商业场景中,与学会用那些复杂的软件相比(想想那些要花几个月学习的企业软件认证课程),我们希望这些应用让我们获取答案更容易,做事情更轻松。

这两个关键因素很可能就是 MarTech 服务商带来颠覆的来源。思考以下两个问题:哪些公司可能会在特别有价值的数据(或者数据组合)市场中取得垄断地位?(参阅:纵向竞争万物皆可数字化哪些公司能够让他们的软件灵活地利用新的数据源,适用于备选的 UI 模式?

风险投资人 Mark Suster 在最近的文章《企业软件即将到来的转变》中描述了关于对话式交互界面的机会 / 威胁。

以语音为例,如果你坚持设计一套指令供用户以提问的方式进行交互,那么用户就必须花大量的时间在如何操作上。或者,你也可以让 AI 从过去的查询记录中学习,让智能系统给出相应的搜索结果。你也许想问:「中部地区第三季度的销售预测是多少?」、「谁负责杜邦销售的预算?」,或者「请给出过去 90 天内跟 Verizon 有过沟通的团队成员名单」。

谈到聊天工具,对于企业来说的关键是让团队成员更好地协作。这个聊天工具需要有「机器人」为团队提供智能支持。当你查询「Karthick Shama 的职位是什么?」,或者「我们和 Verizon 去年达成的业务有多少?」 时,在无需人工介入的情况下,就能收到即时、准确的答案——这对于现场的团队很关键。

以上描绘的场景并非假设。在我写这篇文章的时候,营销数据软件公司 Datorama 已经发布了嵌入 Amazon Alexa 的应用程序 「事事问 Datorama」(Ask Datorama Anything)。这一波新的 MarTech AI 界面的兴起,肯定会使现有的营销技术全景图发生动摇。

那么,广义上看,是什么让 AI 为营销带来了剧变?

市面上的流行观点和我的分歧就在于此:我不相信 AI 会让营销简单化。相反,我认为 AI 会以颠覆性的方式,让营销(商业)的复杂性呈指数型增加。

可以确定的是,AI 会大大简化很多 MarTech 工具的使用体验,也会自动化大量跟营销计划相关的 「人工」 工作 。

我们从 AI 的辅助中节省下来的时间将会被重新分配,以追求更多的竞争优势。我们可以从事一些机器还不是很擅长的活动。我们也可以让更多的任务自动化,因为管理新增算法代理的边际努力会很小(但不是零)。我们还是会和现在一样努力工作,但是我们的努力将借助 AI 服务的力量被放大。

例如,考虑一下在不同触发点、服务不同细分客户的营销自动化活动。

直到现在,这项任务的复杂性还是受限于人类的局限性。我们只能跟踪到有限的规则,服务有限的细分市场,局限于有限的触发点。

但是 AI 驱动的营销自动化就不会有这样的局限性。机器会计算上千个微细分市场和微触发点,动态调整内部的 「规则」 以优化整个互动。

再强调一次,这并不是假设。以 AI 驱动的营销优化产品 Amplero 为例,它自称可以通过多臂老虎机实验,持续测试 1000 多个营销排列组合。

这给整体的营销「系统」带来的复杂性呈数量级增长,尽管很多人类营销人员并不能觉察到。

考虑到一个复杂系统的「复杂性」 是一个有关相互独立的智能体互动次数的函数。而这些 AI 代理也并非在真空中工作,他们会对所处环境中的人类或其他 AI 的反馈做出回应。(关于设备对设备(device-to-device)的互动, David Raab 有几篇非常精彩的博文:《自动驾驶汽车会自己挑选加油站吗?》《更多是对物的营销》)。

这不仅仅有关公司内部多个 AI 代理之间的互动。竞争对手也会利用 AI 来与我们对抗。客户会使用 AI 实现他们的利益最大化。其他的行业第三方机构会让 AI 代表他们在市场上运营。这些智能体相互纠缠在一起,将会引爆营销的复杂性。

你也许会问,「如果我们根本看不到那些复杂性 ,我们还需要在意吗?」

就算我们看不到这些复杂性,实际上它依然存在——而且它会对我们的生意产生实质性的影响。我们的组织所依赖的黑盒子越多(彼此用直接和间接的方式相互连接在一起),我们对于整个系统的理解和控制就越少。在客户体验中遇到算法出小差错的风险,对我们来说也是不可见的(但是会影响品牌!),我们也会碰到重大的「黑天鹅」事件,其中,AI 之间并不良性的互动会逐步升级为恶性循环。

事情是怎么出问题的?算法交易遇到的问题让我们对此有了一些认识——与无限广阔的客户体验领域相比,金融市场还是受到了更多的管控。

当然,这不意味着我们应该——或者说能够——回避 AI。AI 是一个巨大的竞争优势来源。但是我们必须承认,跟过去十年靠人工控制的数字营销相比,AI 时代的营销会有非常不同的动力机制。

对于 AI 驱动的营销,营销人应该做好如下准备:

1、 确保所有营销系统和触点中的数据可被获取,而且要考虑建立一个集中的数据湖(来自 Informatica 公司的 Franz Aman 出了一本很棒的书,以及用一系列博客文章来介绍如何构建营销数据湖)。大数据将是驱动 AI 引擎运转的燃料。

2、对数据质量进行投资,尤其是核心的客户数据。其中的一个要点就是在尽可能多的触点上对客户的身份进行匹配,这面临着技术和法规的双重挑战。谈到跨设备的身份匹配,Gartner 公司的 Martin Kihn 对此有了很好的概述(第一部分第二部分)——但是万物数字化的趋势预计会让这件事变得更加复杂。

3、学习系统动力学知识。这是理解和管理新环境中的复杂性的一种方法——尤其考虑到 AI 算法正在加快反馈循环在技术和人文领域的交集中运行和成长的速度。

4、为算法营销构建一套管理模式:什么需要自动化?什么需要半自动化?什么不需要自动化?人类如何检查和制衡 AI?如何进行异常检测(可以了解一下 Anodot)和事件升级流程?如何设计能断开反馈循环的「断路器」,避免事态发展到无法控制的局面?而且,不仅仅只是关于营销,如何在数字化转型的大背景下组织好这一切?为此,企业值得考虑设立一个首席人工智能官的角色。

5、透过 AI 的视角去评估营销技术服务商的实力。他们采用的 AI 功能或者 AI-UI 能力简化了营销人的体验了吗?他们是否集成了一个更庞大的生态系统,可以利用所提供的数据或渠道进行 AI 分析和自动化?面对 AI 领域冒出来的新机会,供应商的敏捷程度和适应性如何?供应商能用清晰直观的例子解释他们的 AI 支持方式吗?——以及所用模型的注意事项(例如:某种类型和质量的数据)?

结语

我希望《营销世界的 5 大剧变》系列文章对你有帮助,而且你也看到这五个剧变是如何彼此产生关联的。不幸的是,我没有能力为你整理出一个简单的清单(「做好这 10 件事就能赢得 2017 年诺贝尔营销奖」)。 这些挑战都很艰难,而且推动这些剧变发生的变化如地震一般,还在我们脚下继续蔓延。

但它们也是前所未有的机会。剧变就是市场的拐点,在这里,现状备受威胁,未来有待争取。问题是,你愿意成为那个抓住机会的人吗?

  • 十一 16 / 2017
  • 0
Enterprise

锐眼洞察 | 腾讯全球合作伙伴大会,外行人看热闹,内行人看什么?

作者:TalkingData解决方案架构师 Aaron Yue

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

本月8日到9日腾讯在成都召开了一年一度的合作伙伴大会,从全球集结了三万人左右参会,另外还有三四千人因为安全问题进不了会场。无疑这是一场盛会,尽管它的锋芒被前两天腾讯的WE大会有所遮掩。这样一个大会究竟讲了什么?为什么腾讯的开放平台越做越大?下面做个简单的梳理并分享一些思考。

这一届的大会上显示,腾讯开放模式将立足于科技与人文两大支点持续演进,未来将会着力推动以AI为核心的新科技开放平台以泛内容为核心的大内容开放平台。下面,我基于两大部分:智慧零售和企鹅号,对腾讯全球合作伙伴大会部分内容进行梳理。

有个大背景和前提先同步一下:2011年,以“3Q大战”为导火索,腾讯正式开始了开放模式。这几年来,腾讯持续投入基础平台建设,开放接口、开放市场,逐渐在线下成为了一艘巨大的“航空母舰”。

一、关于智慧零售:

零售行业线上线下融合目前面对的问题:“数据无法流通、场景无法贯通、交易无法同步”。

腾讯智慧零售解决方案:本质是去中心化的连接,核心是社群、数字化、体验,以支付为原点、“人”为中心、大数据为驱动。帮助实体零售实现“降本提能”,拓展业务能力、耦合行业资源、把线下门店数字化和智能化,让消费者与商品之间实现跨场景的智慧连接。帮助商家打通不同销售场景、自主运营会员体系(本质是对人的运营,通过和商品的连接、场景的打通进行赋能)。

腾讯提供的工具:公众号、小程序、移动支付、腾讯云、企业微信、社交广告、礼品卡、金融服务、优图AI技术和视频、直播等全产品线。

1. 小程序:从线下门店扫码购到线上电商闭环服务,小程序的41个入口其实是分等级的,比如:支付、卡券、立减金和“附近的小程序”等属于消费+玩法的VIP入口,是主要的流量来源;这次开放了广告+小程序入口,公众号中比较常见:文字、图片、卡片形式、文中内嵌小程序、广点通小程序广告。广点通MP广告(公众号广告)增加了小程序的选项并且支持电商推广和品牌活动推广两大类目。关于微信电商,不是微商而是内容+社交+电商结合的小程序,微信目前的电商(无意间的产物)迟早会被小程序替代。目前小程序落地页广告的开放完善了小程序做电商的流量体系,实现了内容(公众号)+社交(分享)+电商的场景连接。为了体现微信内容的价值,一方面广点通在发力把上游广告主做大做强,另一方面微信大力扶持自媒体运营者,小程序落地页广告的全量投放可大大提高他们的收益。此广告目前可进行竞价购买,但只支持CPC的计费模式,更适合工具类、品牌以及电商类的小程序,实现从公众号内容到转化的无缝连接。据悉,小程序和小程序的连接也将提供广告组件,值得思考的是小程序打通线上线下,目前在微信的大力支持下自带流量,以独特的方式存在于公众号和微信群中。如果小程序添加了广告位,那也将会有流量主和广告主的设定。又一位“亲儿子”:“小程序开发助手”小程序,其实并不惊讶微信会这么做,微信生态对于新功能的开放向来是邀请部分开发者进行接口的灰度测试,然后逐步开放。

2. 企业微信:企业微信这次刷新了我的认知。大会上,成都地铁登台分享他们用企业微信做了什么,让我一度恍惚,这说的是企业微信吗?关于企业微信,腾讯提供基础的OA并且开放丰富的API接口,OA实现其高效的沟通管理和信息同步。同时可结合自身业务情况搭建订制化管理平台,完成商品服务管理、订单管理、OA审批管理、会员管理、巡店管理、促销库存管理等。未来,企业微信将从对内与对外全方位开放,对内将继续和微信深度连通,连接小程序、服务号、卡券等微信B端能力;对外,将联合广大SaaS服务商、定制化服务提供商以及渠道服务商等合作伙伴共赢发展,最终形成一个完整的生态链条。大会现场分享的成都地铁运营有限公司案例中,借助企业微信实现了线网统筹、智能监测、全员报修等能力,实现了检修、数字巡视、智能出勤。将企业微信与自身的后台数据库、web端打通,借助API将消息中心、管理后台、用户认证、权限管理等基础平台“搬”到了企业微信上,加入了车辆中心、通号中心、工电中心、维护等模块,全方位管控城市轨道交通体系。同时,交控中心还借助企业微信打通了运营日报、维保工单、安全管理、厂务公开等能力,充分满足轨道交通运营维保需求;借助企业微信的OA能力,实现会议管理、审批、采购等日常办公的线上化、移动化。借助企业微信的移动办公能力及API接口,开发出了企业内部专用的移动办公平台、任务管理、产品变更管理、手机条码管理、设备运行于维护、物流平台管理、重大问题报警等功能,打通办公、生产、财务、人力等环节。

3. “微信支付+”:“支付+小程序”:打通用户线上线下零售环节;“支付+会员”:支付即会员,有效的转化运营会员;“支付+单品”:帮助用户实现从广告投放到复购的营销闭环;“支付+大数据”:商家更加清楚的了解其消费者,包括场景偏好、消费能力、购买喜好等,然后通过腾讯社交平台、内容平台,采用消息推送、优惠券等为载体实现会员精准营销(目前微信支付的大数据正在通过KA客户做变现:方式主要是通过广点通的广告以及报告,处于测试阶段)。

4. 电子发票:通过微信公众号、卡包、扫一扫、企业号、钱包等提供的整体连接能力,形成了“发票-保存-流转-报销”的全流程报销闭环。小程序可填写、保存发票抬头信息,还能通过二维码分享给他人。通过扫描开票二维码,发起开票并授权插入微信卡包,即可保存电子发票,需要报销时,进入【我】-【卡包】-【我的票券】查找即可。企业可以直接通过本企业的“企业微信”或者企业自建移动OA进行报销电子发票;线下可通过专业的打印机进行扫码打印发票。

在微信的开发者生态中,微信在默默的观察所有的开发功能,如果市场反馈的好就官方开发成模版降低初级开发者的使用门槛,这就决定了微信开发者生态是一个“不强则灭亡,不快就死”的环境。头部的开发者会不停的测试新的接口,并对产品和市场有很强的敏感度,进行快速迭代,同时会有大量的“中长尾开发者”利用“落伍”的模版服务着中长尾的商户。

二、关于内容:

腾讯构建了以安全、大数据、LBS、支付等基础技术基础,以社交、资讯、娱乐各大流量平台为连接器的赋能体系。腾讯云和企业微信以“智能+”的模式服务了上百万的开发者 。

腾讯正式推出企鹅号内容开放平台,邀请制内测了至少一年左右;以及“百亿计划”,大抵是一百亿的流量,一百亿的资金,一百亿的资源。百亿流量:“一点接入,全网接通”(2+4+4两个社交平台:微信和手Q;四个资讯平台:天天快报、应用宝、腾讯新闻客户端、腾讯浏览器;四个娱乐平台:QQ空间、全民K歌、NOW直播、腾讯视频)并借助腾讯AI的智能分发能力。

内容以及目前几种变现模式:直播、短视频、图文、问答、KOL;变现模式:广告(直接易操作)、电商(复杂度对商品和人群都有较高的要求)、知识付费(对持续性内容创作要求较高)等。

啰啰嗦嗦,大体写这么多,后续还会继续梳理相关内容或者一些思考。欢迎大家来讨论,如果你感兴趣,可以评论文章。如果你不感兴趣,那可以多看几遍,兴许就会感兴趣呢。

  • 十一 16 / 2017
  • 0
Enterprise

锐眼洞察 | 增强现实技术必将改变时尚与零售(翻译)

作者:Rachel Arthur

原文:Augmented Reality Is Set To Transform Fashion And Retail

译者:TalkingData解决方案架构师 张雪倩

本译文禁止商用,转载请注明来源与译者!

 

rgtgbgfx.jpg
Burberry iOS 11 app中的增强现实融合

本月早些时候,谷歌的VR与AR主管Greg Jones在Shoptalk Europe大会上说道,“在未来的某一点,我们必将回顾反思,现实世界中怎么能没有数字层呢”。

他表明说,增强现实技术注定扮演改变者的角色,应用于零售的时候更是如此。

在大概同一时间,这些话在Vogue杂志对苹果CEO Tim Cook的访谈中同样被重复了,在这一访谈中他说,他相信AR将会影响到从T台秀到购物的方方面面。他表示道,“有朝一日,我认为这些特质会像有网站一样重要”。

事实上,苹果和谷歌都在促使这件事发生。虽然AR已经存在很多年了,多亏了我们开始见到的智能手机融合技术,2017年将会标志着大众消费应用的开始。

苹果增强现实技术开发者平台ARkit的引入,以及承载它的iOS 11紧接上市,为iPhone和iPad铺平了道路。与此同时,谷歌的ARcore使得Android平台可以实现相同的事情。

消费者接受性遵循的是长时间以来用户在这一领域里扮演的角色——他们通过Snapchat里加在脸上的滤镜或Pokémon Go里在大街上追逐的角色来知道AR。

现在的不同是,将这一应用在他们的手机上与其它多种应用融合,使得做任何事情的时候都有电子层成为第二天性体验。

根据咨询公司Digi-Capital的预测,到2018年年底为止,会有9亿台装有AR的智能手机。Jones指出,在这样的世界里,消费者将会有更大的期待。

实际上,Digital Bridge的研究表明,69%的消费者都在期待零售商在接下来的6个月中发布AR应用。Jones解释说“消费者这么快就能接受事物并期待它们变成主流,真惊喜。他们刚体验了Pokémon Go,现在就希望在商店里见到它了。”

谷歌的深入洞察显示,34%的用户说他们会购物时使用AR,61%的人说他们会更喜欢提供AR的商店。Jones又说,“AR必将重新连接实体与电子零售,”

我们已经可以看到多个零售商和品牌开始留意。宜家和Anthropologie是苹果最早投放的几个合作伙伴,使用ARkit在app中添加功能,通过app你可以看到家具摆放在自己的房间中来真实感受它在现实生活中的效果。其它家居空间品牌,包括Wayfair和Houzz也加入了。

谷歌已经与Pottery Barn和Gap之类的品牌通过其早期的Tango AR平台合作,现在据说在ARcore平台上同各种各样的品牌进行同样的合作。

实用性目前为止在大多数app中居于中心地位——可以完成如摆放家具等事情,就像强调的那样。这一功能性视角紧随早些的AR在美容行业的成功。例如,欧莱雅的Makeup Genius(化妆天才)app 就有2千多万的下载量,它用AR来使用户在他们的手机上模拟试用美妆产品。其它品牌,包括丝芙兰、Charlotte Tilbury和Rimmel等也紧跟而上。

Jones同样看到了基本信息层的应用,尤其是增加了可信度与透明度时,如即时提供产品原产地内容,这可以应用于从大众消费者购买品到奢侈品的各种事情。他还看到了通过数码手段添加表情层的价值,通过体验性和沉浸式故事讲述,将AR当作增强品牌价值的机会,他解释说。

例如,Burberry以一种可玩性和互动性十分强的方式开发ARkit,使得iOS app用户通过摄像头在他们自己的图片上加一层出自艺术家Danny Sangra之手的数码图像,然后分享到社交媒体上。

Cook也看到了AR在时装周大秀上的可能性。他解释说,“你要是想到了时尚界的T台秀,那肯定是AR的绝佳用武之地,因为这些原因:你想看到衣服的前后左右,而不是只看到正面”。伦敦艺术大学伦敦时装学院下属的时尚创新机构,最近在促成AR创业公司HoloMe和年轻的英国时尚品牌RIXO London时,跨出了这一步。结果是用户使用他们的智能手机,就可以在家观看全息版本的T台秀。

时尚创新机构主管Matt Drinkwater说,“增强现实将会改变时尚界创造、展示和零售产品的方式。接下来的一年将会见证这一沉浸式技术的机会爆炸式增长,它将完全重新定义我们如今认为是时尚的一切事物”。

  • 十一 16 / 2017
  • 0
Enterprise

锐眼发现 | 营销世界的 5 大剧变之 ④ 万物皆可数字化

作者:Scott Brinker

原文:5 Disruptions to Marketing, Part 4: Digital Everything

译者:@文科生 ,宏原科技创始人

转载于:SocialBeta

上篇回顾:锐眼发现 | 营销世界的 5 大剧变之 ③ 纵向竞争

 

TalkingData合伙人兼执行副总裁林逸飞点评:

  1. 通过增加我们在营销、产品和服务中需要构建的触点的数量和种类——来颠覆营销
  2. 什么样新的营销/客户体验能在这些数字触点上流行起来,归功于正在加速的创新扩散模型
  3. 「移动优先」无论在技术还是概念上都比较受限。我们应该思考与顾客深度互动所需要的能力。我们应该朝着「服务优先」或者「数据优先」的目标来发展数字化:统一的底层后台系统、数字仓库和业务逻辑,以便我们在连接客户的多个触点上打造的一致的体验

 

译者前言:万物皆可数字化(Digital Everything),这个概念对很多人来说并不陌生。但是很少人能像 Scott Brinker 这样,从营销的本质和应用场景出发,把这些数字化的现象和技术串起来形成一个完整的图景。

我是营销背景出身,最大的挑战是知道技术的概念,但是不了解具体的技术运用及其对营销的影响;而很多技术牛人,在 MarTech 领域最大的挑战是只看到了技术,却没有看到营销的森林。结果是,他们提供了一个个独立工具的单点解决方案,而不是解决系统的营销问题。

在这篇文章中,关于数字化「客户端界面」的说法对我很有启发。可穿戴设备、机器人、AR 设备等等,不仅仅是硬件,也是新的客户端界面。从营销的角度说,它们是一个设备,更是一个媒体。

麦克卢汉说,媒体即信息。在 MarTech 时代,不能单纯用媒体思维看待这些交互界面。从 MarTech 角度上看,媒体就是一个数字化的交互机制。

上图是风险投资公司 FirstMark 描绘的物联网全景图

这是营销的五个剧变系列中的第四部分(如果你没有读过第一、二、三部分,可以点击阅读):

这五个剧变是:

1.    数字化转型将超越营销部门的职能范畴,重新定义 「营销」。

2.    微服务 & API(以及开源) 构成了营销基础设施的架构。

3.    纵向竞争展现出比横向竞争更大的战略性威胁。

4.    增强现实 (AR)、混合现实 (MR)、虚拟现实(VR)、物联网(IoT)、可穿戴设备、对话式界面等等,给人们带来了数字化的一切。

5.    人工智能 (AI) 让营销和商业运作的复杂性倍增。

在该系列的上一部分「纵向竞争」中,我们介绍了增强现实(AR)、虚拟现实(VR)、智能手表、智能电视、智能汽车,以及 Amazon Echo、Google Home 等新兴「客户端界面」的爆发——将会如何颠覆数字营销的战略格局。

谁掌控了消费者的流量入口?在特定的背景下,该入口发挥的市场杠杆作用是什么?。

但是,客户端界面的爆发其实也是以更加直接的方式——通过增加我们在营销、产品和服务中需要构建的触点的数量和种类——来颠覆营销。

让我们回想一下曾经我们的数字环境是多么「单纯」。

过去,「打造数字化体验」其实就是「我们准备在互联网上建个东西」的夸张说法。一个网站、一个电商店铺、一个 Mini-Site、一个登录页、一个嵌入式的网站组件。每一种形态都有不同的用户体验专长以及营销的玩法。

但他们不过是网页而已,有很多相似的前端功能和设计,都是 HTML、CSS 和 Javascript 代码块在浏览器中的简单呈现。消费者对于它们的预期多少都有些相似。

正是因为这种共性,网页体验管理(WXM)平台 * 能够满足当时大部分数字化体验的需要。而且,这些平台都可以作为相对独立的后台应用来运行。

注:网页体验管理(WXM)平台是网站内容管理系统(CMS)的时髦说法

移动平台的崛起让这一切发生了改变。

iOS、安卓智能手机以及平板电脑——共同创造了第二个主要的客户端界面:原生移动应用。移动 App 开发与网站开发相比,需要不同的编程和设计技能,也带来了不同的消费者期望值。

驱动移动应用的后台软件系统也不同于网站开发平台。移动应用可以运用多个后端服务,其中一些是公司内部的服务,另一些需要通过外部服务商提供的 API 来获取。(值得注意的是微服务的崛起!)

同时,移动设备上的网站体验,也成了这两种数字化触点分支的结合体。他们有自己的一套设计原则,需要考虑到更小的屏幕以及更慢的连接速度。但最终,响应式设计(能够让网站动态适配手机、平板电脑、笔记本和台式机)成为首选的方式。

值得注意的是,原生移动应用和 PWA (即 Progressive Web App,可理解为用 web 技术开发的「伪原生应用」)之间,存在着越来越多的竞争关系。但大多数情况下,「网站」和「移动 App」还是被当做是不同的客户触点,由完全独立的团队负责开发。

即使是跟上网站和 App 这两种主流品类的变化,对于大部分营销人来说也一直充满着挑战。

随着移动端的使用量激增,「移动优先」(mobile first)*已经成了市场营销和数字产品开发中的座右铭。部分原因当然是为了更好地满足消费者的需求,另外也是为了缩小工作重心。理由很简单,我们真的能创造出一种适用于所有人的数字化体验吗?

注:「移动优先」指的是,一切设计都以在移动设备上运行良好为第一目标,然后才考虑适配到电脑。

不过,「移动优先」的统治地位,在其登场伊始就可能面临着被颠覆的命运。因为,现在出现了很多并非以网页为基础的新兴客户端界面。

可穿戴设备/手表和聊天机器人,是其中两个最具典型性的例子。后者包括 Slack 和 Facebook Messenger 等以文本为基础的机器人,以及谷歌助手、苹果 Siri、微软小娜和亚马逊 Alexa 等声控机器人。(如果你怀疑它们能否应用到你的业务上,可以浏览一下 Slack 和 Alexa 现有的技能范围。与此同时,上百个新功能正在源源不断的产生。)

与网站或移动 App 相比,这些工具的交互界面非常不同。可穿戴设备和对话式交互领域的界面设计,其实也才刚刚开始起步。除此之外,更重要的问题是,什么样新的营销/客户体验能在这些数字触点上流行起来。

点击这幅物联网全景图,你就能对正在蓬勃发展的各种数字化触点有一个具体的概念。那张全景图发布于 2016 年 3 月,而且,我可以肯定地说,现在的物联网生态跟当时比已经更加丰富了。

归功于正在加速的创新扩散模型,这当中的大多数技术已经从「实验室」中走出来投入到市场当中,并且正在被快速采用。IAB 最近的物联网报告也提供了创新采用方面的数据。

告别了只有网站和移动 App 两个方向的岔路之后,我们现在来到了各类数字化客户触点的多岔路:

  • 网站——必须在电脑、平板电脑、智能手机上使用
  • 移动——原生应用,短消息(还没有死!),增强现实/虚拟现实等等
  • beacon——基于地理位置的移动体验
  • 聊天机器人——以触屏为基础和声音为基础,跨设备种类
  • 可穿戴设备—智能手表和更多特定功能的可穿戴设备
  • 增强现实/虚拟现实外设——从谷歌 Cardboard(谷歌推出的廉价纸板 VR 眼镜)到 Oculus(Facebook 旗下的虚拟现实头戴设备)和 HoloLens(微软推出的增强现实头显设备)
  • 配备 OTT 内容及服务的智能电视
  • 智能汽车——安卓汽车和 Dash 是智能汽车平台的两个例子
  • 数字化户外标牌和数字化售货终端——包括增强现实功能
  • 以 IFTTT 的 API 为代表、可供公民开发者(citizen developers)使用的数字交互界面
  • 新的售点体验——Amazon Go 是该领域能走多远的例子
  • 3D 打印——用数字化的方式为客户/潜在客户提供实物产品
  • 还有基于物联网的无穷组合……

以上名单中罗列的还只是比较高级别的应用。每种客户端界面都还有自己的开发者工具、设计原则和营销/商业使用上的案例。如果你感觉有些头晕,那就对了!说明你充分理解了情况的复杂性。

那么,这对于营销来说意味着什么?我们应该怎么做?我有 3 个建议给到诸位:

#1 拥抱数字化的一切

「数字化」不仅仅指你的网站或者移动 App。为一切事物加入数字属性并且使之互联互通,是未来的大趋势——具体可参考 MarTech 法则

就算你不是新技术的「早期使用者」(early adopter),我还是建议你尝试尽可能多的数字化技术。这是培养对于新兴平台敏锐度的最重要方法。当你在使用这些技术时,请充分发挥你的想象力:我的公司可以如何使用这些技术?

「万物皆数字化」需要思维方式的转变。

#2 多思考机制,少思考媒介形式

虚拟现实、3D 打印这些新的客户端界面,本质上就是新的媒介形式或者渠道,他们中的大多数都可以衍生出新的服务类型。这也带给了我们完整的数字化转型闭环。

从广义上讲,营销不仅仅是传播,它必须通过一定的机制带来令人愉快的客户体验,从功能上满足人们的需求。

Amazon 的 Dash 按钮就是一个简洁而强大的物联网机制的实例:

*Dash 按钮是一款内置无线连接、代表单一商品的物联网购物按钮。Dash 按钮看上去就像是一个小 U 盘,拥有不同品牌商品的 Logo,可以贴在任何位置上。时刻提醒而且方便你购买商品。

观察 HubSpot 为营销和销售专业人士设计的增长机器人,你也可以从聊天机器人的机制展示中,发现很多有帮助的部分。你可以把它安装在 Slack 或者 Facebook Messenger 上。

这个例子完美地演示了 HubSpot 是如何通过提供有用的服务,帮助品牌建立与消费者之间的关系。

#3「服务优先」和「数据优先」的开发方式

在一个有着多元客户端界面的数字化世界,坚持「移动优先」无论在技术还是概念上都比较受限。

相反,我们应该思考与顾客深度互动所需要的能力。我们应该朝着「服务优先」或者「数据优先」的目标来发展数字化:统一的底层后台系统、数字仓库和业务逻辑,以便我们在链接客户的多个触点上打造的一致的体验。最后,在这个崭新的营销世界中,灵活的微服务会成为营销系统的理想架构。(可以看看这一系列的 5 个剧变,彼此是如何联系在一起的)

  • 十一 15 / 2017
  • 0
Enterprise

锐眼洞察 | 营销中的大数据泡沫 – but bigger future(翻译)

作者:Scott Brinker

原文:The big data bubble in marketing — but a bigger future

译者:TalkingData合伙人&执行副总裁 林逸飞

本译文禁止商用,转载请注明来源与译者!

译者前言:

  • 真正的革命:从大数据到大测试、大体验;
  • 真正的数据革命将是组织行为和文化的变革 – 而这些变化是艰难并耗时的;
  • 大规模并行营销(massively parallel marketing) – 大规模并行计算,使大数据的处理可行。大规模的平行营销使改良破碎、分散、疯狂的现代营销景象成为可能;
  • “事实上,有三种行为会导致你被凯撒解雇。“偷公司东西、骚扰一名同事,或者是做一个没有设立对照组的试验”。这正在将测试变成一件大事。在同一个会议上,谷歌首席经济学家哈尔·瓦里安(Hal Varian)分享说,谷歌每年运行大约10000次试验,同时进行的试验大约有500个。测试是公司文化不可分割的一部分。

 

让我们面对现实吧:市场营销正处于一个巨大的数据泡沫之中。

这既是一个“大数据”的泡沫,也是一个大的“数据”泡沫。每个人都在谈论数据、大数据、数据分析以及大数据分析。供应商、分析师、顾问、专家以及博主等都试图把这些词塞到到他们的宣传内容营销中去。

1200.png

举个例子,IDC当前对CMO的十大预测中就有三个是以数据为中心的:

CMOs对于“市场驱动的数据将如何服务于企业目标”将有怎样必要的策略(#1)。如果CMOs没能建造一个稳健的数据分析功能,他们将面临怎样的威胁(#4)。由于CMO对于部门内数据分析熟练度的迫切要求,未来一半的市场部新员工招聘将要求技术背景(#5)。

事实上,IDC的随行网络研讨会的副标题是“今天的CMO将成为数据专家”。

现在,市场喜欢数据,就像喜欢下一个技术极客的市场营销专家一样。但关于这些爆炸性的数据(在很大程度上,由大数据的巅峰炒作周期驱动的一种神奇药物)最让我吃惊的是我们在实际使用数据的操作意义上的认知缺乏

例如,IDC对2013年的预测显示,CMO将承担“数据分析”的全部责任,并且通过某种不明确的方式使其与业务增长联系起来。市场营销部招聘有技术背景的员工,正表明了其对“数据分析熟练程度”的要求。以便于“更深入地了解所谓营销和销售的ROI问题”,对传统CRM基础设施进行大规模的更换是也应运而生成为话题之一。

这需要非常多的数据、分析和洞察力,但是目前在市场部门只能停留在内部会议里PPT上的观察和素材,并没有太多实际的行动。
这就好像这个计划大概是:

  1. 分析数据 – 最好是大数据。
  2.  ??? ( who knows ?)
  3. 利润。

对我来说,这与90年代末的网络泡沫给我的感觉类似(“分析数据”在此相当于“引人注目”)。

大数据泡沫的气泡部分

首先,对于大数据自身(尤其是短期内)能给我们带来什么的期待被过大吹嘘。许多人在此投入大笔资金,他们相信大数据将以某种方式 – 我不知道具体是通过什么方式,它太过技术性、太数学 – 抚平现代营销的破碎、碎片化和疯狂的景象,并将所有这些转化成更多的客户。这就像一台润滑良好的机器。

遗憾的是,事实并不如想象那般简单。

可叹的、合理的实用主义并没有产生像广泛的预测营销数据提示的页面浏览量—少量文章向我们解释了其原因。分析科学家Michael Wu 在TechCrunch的“大数据谬误”(Big Data Fallacy)上写了一篇很棒的文章,解释为什么数据与信息不一样,信息与洞察不一样—这是一个好的开端。

戈登·霍奇基斯(Gord Hotchkiss)解决了大数据是否会取代战略思维的问题(简答:否),写道:“我认为,这似乎存在一个在根本上就有缺陷的假设,或者至少,它是过于乐观的:人类行为能够被充分地包含在一个可预测的、合理的、可控的闭环系统中”。他借鉴了贾斯汀·福克斯(Justin Fox)的《合理市场的神化》(The Myth of the Rational Market) 一书,其中阐述了模型固有的过度简化的危险性,以及其在2008年金融危机中灾难性的体现。

事实上,这个关于数据的局限性的争论可以追溯到200年前。媒体研究人员Yaakov Kimelfeld最近为Metrics Insider撰写了一篇文章:“灯下的恶魔”(A Demon Under the Streetlight)。文中解释了这种过于激进的“数据将解答所有的问题“的狂言,如何成了如拉普拉斯恶魔(Laplace’s demon)转世一样的存在。十九世纪的数学家拉普拉斯(Laplace)假设,如果你在任何一个时刻都知道有关宇宙确切状态的全部信息,那么你就可以完美地推断关于过去和未来的一切。正如Kimelfeld在他的文章中指出的那样,“大数据并不是全部数据”,它还相差甚远。

甚至连“纽约时报”都觉得有必要在周日专题“社交媒体可以卖肥皂吗?(Can Social Media Sell Soap?)“(简答:也许能,但不一定是以人们首先想到的方式)中指出这份对于数据在营销上的虚高期待。斯蒂芬·贝克(Stephen Baker)称之为一种信仰误区:“相信只要有足够的数据,所有的广告都可以变成可量化的科学”。他写道:“即使研究人员现在轻松游走在上一代人看到就会晕倒的数据中,他们也很难回答关于因果关系的关键问题,以及什么行动可被采取以获得我想要的回应”。

你应该已经领会到,大数据不是万能的。要当心郁金香狂热(tulip mania)。

真正的革命:从大数据到大测试、大体验

但是,大数据泡沫类似于网络泡沫的另一方面是:在炒作之下,正在发生一场真正的重大革命。

对于所有那些愚蠢的、肆意生长并得到极高名望,继而在现实侵入他们的商业模式时自我崩塌的网络公司(dot-coms)而言,互联网确实有继续大规模地从根本上改变业务。亚马逊、Facebook和谷歌 – 所有纯粹的互联网公司 – 被广泛认为是当今全球科技世界的四名骑士中的三个。但他们的业务不仅仅是引人注目。人们的注意力在那里,但吸引它只是大版图中的一小部分。

市场营销真正的数据革命将不会是一个,任何人都可以通过购买一些软件、雇用数据科学家、提供一个充满数据的云平台就能轻松应用的糖衣药丸般灵丹妙药。真正的数据革命将是组织行为和文化的变革 – 而这些变化是艰难并耗时的。很多组织都会为这个转变而奋斗挣扎,坦率地说,他们中很多将被新的竞争对手取代,这些新的竞争对手起步就是以这个新的世界观成长起来的。

那么真正的革命究竟是什么呢?不是数据,甚至也不是数据分析。而在于数据驱动。

我知道,这听起来毫无意义,但请听我说下去。正如马克·吐温所说的那样,这是闪电和萤火虫之间的区别。成为数据驱动型与仅仅拥抱数据和分析是不一样的。数据和分析只是大版图中的一小部分。

更大的版图是:创建一个可以自信安心地进行大规模尝试、创新、应用的组织。真正的数据驱动会将这个深入到组织的文化中。

有三个部分,我已经在开篇说过了:

  1. 收集整理数据并使用工具从中提取信息和洞察,这是大数据必须提供的部分。但是,这种数据分析的一些最有价值的结果将会仅仅是假设 – 在越来越细分的客户群体中,因素和行为的有趣关联可能会产生深远的影响。但这些只是想法和可能性的种子
  2. 假定这些假设,并能够快速有效地进行测试并证明其因果关系:这些因素确实可以影响客户的行为。使组织中的许多人能够有能力进行这些测试 – 并且可以无畏地测试大的想法 – 是对组织行为和文化的大规模转变,我们可以称之为大测试。
  3. 通过网络、移动设备、呼叫中心、店内及面对面的互动等,将您的目标数据和经过验证的测试应用于提供更好的客户体验。这不仅仅是为所有人提供更好的体验。它为许多不同的客户群提供更专业化的体验。这个任务我们称之为大体验。

关于大数据已经写了很多,所以我们不会在这方面进一步阐述 – 除了再次强调它主要是分析而无关乎行动。通过将大数据连接到大测试和大体验,您可以将分析转化为行动。这就是现代营销炼金术:将铅(数据)转化为黄金(更好,更有利可图的客户体验)。

但是,“大测试”和“大体验”是什么意思,以及为什么对于大多数营销人员来说这是一个巨大的飞跃,下文将进行进一步阐述。

从大测试做大事

几个月前,我写了一篇文章,“ 我们要测试大胆的、新的想法,它们常常有用”。它强调了公司执行委员会(Corporate Executive Board)最近的研究结果,绝大多数”财富1000强“营销人员认为他们组织的测试和学习实验是无用的。原因之一:至少有一半人认为试验永不该失败。

我认为这是大多数组织面临的最大的障碍:他们的文化和政治阻挠人们尝试试验,因为试验的失败意味着测试人员的失败。谁愿意在这个环境中坚持下去?所以,人们要么什么都不测试,要么他们以非控制的方式进行测试,以便对结果进行合适的说明和解释。

或者 – 我已经在登录页优化中看到了这一点 – 他们将自己限制在极其微小的、手忙脚乱的测试中,例如调整标题中的单词或更改购物车上的按钮颜色。这种肤浅的测试风险很小,但很少能有所收获。也许他们所做的最大的破坏是他们给人一种参与真正实验的幻觉(“当然,我们一直在进行测试!”)。这种测试的莎士比亚式标签叫做:充满了声音和愤怒,没有任何意义。

与那些相比,大测试有质的不同。

1201.png
首先,测试大想法(big ideas)。标题和按钮的颜色很好,但他们几乎连表面都没有触及。当你使用试验来学习吸引全新客户的方法或开创创新的销售、交付产品或服务的新方式时,测试的真正力量就会释放出来。大数据可能会揭示和证明(或反驳)其价值和效果,这将会是惊人的见解。

《精益创业》(The Lean Startup)的作者Eric Ries写过一篇经典的文章,解释了为什么学习比优化更好。“正确的分裂测试是使重大的想法得以测试。例如,我们可以拆分测试:该把“立即注册”按钮设置成什么颜色。但是我们从中学到了多少呢?比方说客户更喜欢某个颜色而非其他?接下来是什么呢?

判断一个测试是否真正有意义的好方法是:大声说出这个假设是什么。如果没有假设,或者是明显很平庸的假设 – 比如在“淡黄绿色”的按钮所得到的点击,相比“森林绿色”按钮,至少会增加0.01%” – 那么你只是重新排列了下泰坦尼克号的躺椅。

其次,大测试并不局限于那些小心谨慎地保护测试数据、工具或治理权限的测试大师。大测试授权并鼓励开放的、贯穿整个组织的大范围的测试人员团队(big team)。许多不同职位的人被赋予在其特定工作环境下运行测试的能力。

在这方面,大测试类似于社交媒体营销。今天最好的社交媒体计划,有了来自整个组织的广泛参与者的贡献,才会蓬勃发展。当然,如果有强大的共同愿景加以一些基本的训练会最好 – 足以让人们轻松地协调起来,摆脱困境。但是,利用(相对)庞大而分散的力量是巨大力量的源泉—无论是在人力和思想多样性上都是如此。

我认为这是大规模并行营销(massively parallel marketing) – 大规模并行计算,使大数据的处理可行。大规模的平行营销使改良破碎、分散、疯狂的现代营销景象成为可能。

大规模并行营销能更快地覆盖更广泛的可能性,但与传统的命令和控制层级相比,它是一种完全不同的组织架构。

1202.png

第三,也许也是最重要的,大测试对组织来说是一个大的事宜(big deal)。是由自上而下的高管支持的。进行实验对你来说不再有丢饭碗的风险。相反,没有试验 – 特别是没有试验大的想法 – 会使你在工作上失宠。

一个月前,我在一个大型数据会议上,凯撒赌场帝国首席执行官加里·洛曼(Gary Loveman)介绍了有意义的测试在他们公司的重要性。“事实上,有三种行为会导致你被凯撒解雇。“偷公司东西、骚扰一名同事,或者是做一个没有设立对照组的试验”。

这正在将测试变成一件大事。

在同一个会议上,谷歌首席经济学家哈尔·瓦里安(Hal Varian)分享说,谷歌每年运行大约10000次试验,同时进行的试验大约有500个。测试是公司文化不可分割的一部分。

值得指出的是,就大数据而言,这两家公司都是超级巨星,但在这两种情况下,他们强烈地强调运行真实世界测试的重要性,以得到数据中隐藏的价值。正如哈尔·瓦里安(Hal Varian)所说:“试验是因果关系的黄金标准”,它告诉你哪些行为产生了最好的反应。

大体验给客户留下深刻印象

“当大数据和大体验之间的支点是打断你无聊的掷纸游戏的120×120像素的广告牌时,这将是完全无意义的”,Adam Kleinberg在一篇有见解的AdAge文章:“不要被增长蒙蔽:移动广告仍在下滑”中说道。

大数据难以置信的潜力 – 以及基于此的大规模测试 – 如果一个组织不能在提供卓越的客户体验的服务中使用它,那么它就是毫无价值的。大经验应该是大数据和大测试可在其下唱歌跳舞的大帐篷。

大经验与大数据/大测试之间的三大重要关系:

首先,数据和测试为快速发展的客户体验运动提供指导。客户体验正在成为现代营销走向胜利的旗帜。这就是为什么现在一切都是营销。营销责任的大转变,从大多数客户沟通到日益增长的生命周期客户体验,是现代营销的五大趋势之一。

这是营销得以在组织组高层闪耀的一个机会。

但是,随着市场营销试图从质量上改善客户体验—在受众心目中以较大方式脱颖而出—他们面临着两难的境地。构建令人惊艳的客户体验是一项繁重的工作,耗时且昂贵。“先建立它,他们自然会来”(“build it and they will come”)弥赛亚式的方法可能在史蒂夫·乔布斯时期很有效,但很难预测性复制。

使用大数据和大测试,为我们提供了一个结构化和系统化的方法来磨练正确的经验以便于之后大规模建设。设计师和客户体验专家可以利用这些功能来识别丰富的、新的探索机会,并在此过程中改进他们的产品。做得好的情况下 – 大数据和大测试服务于卓越的客户体验 – 这些部分之间的关 系可以很和谐,而非争议性的。

数据和测试最大限度地减少了不利因素,并最大化了追求大的、新的客户体验创新所带来的优势。

其次,大的测试往往只有在客户体验好的情况下才有效。如果对两个概念进行拆分测试,比如说提议A(强调价格)和提议B(强调质量),测试其中某个会更多地激发一个特定的客户群的假设 – 但是这两个体验都很糟糕 – 这样你的测试结果就是无用的。

可能两者都表现不佳,但也许提议A效果稍好。但这并不是绝对的,因为市场可能更加偏好价格而不是质量。提议B的受众可能已经发现高质量的提议,与低质量的、不协调的、没有信誉的体验并存。表面上声称的“质量” 不等于真正的质量。

至少,测试中不能忽略客户体验。但是,如果大测试是对比两个非常好的客户体验,以求哪个是最好的,那样的话就好多了。

第三,可能是最深刻的,大数据和大测试给了我们一种构建围绕客户而非产品的令人惊叹的客户体验的方式。

尽管我们知道我们大致已经过了大众化营销的时代 – 至少在渠道和触点方面 – 大多数企业的思维和组织结构仍然围绕着固定的产品和服务。即使他们试图采取更加以客户为中心的销售方式来售卖这些产品和服务,他们仍然坚持以产品为核心细分市场。

“大多数公司都是以产品而非客户为单位来计算利润”,加里·洛曼(Gary Loveman)在这次会议上回答了为什么大多数公司在运用分析来推论更好结果上面做的如此糟糕。

大体验的真正愿景是利用数据和测试,围绕不同的客户群体来重新配置我们的组织,寻找和利用最有利可图的,并为每个客户制定更多个性化体验。我不是仅仅轻描淡写地说说 – 我很感激这个挑战之大。最终,这将是企业发掘大数据运动所带来的巨大价值的过程。

数据是燃料 – 投入更多到发动机上

让我们回到我们开始的地方。

面对所有这些市场营销中的数据狂热,真正的革命在于构建一个数据驱动的组织。玩弄大数据是其中重要的一部分,但是大测试和大体验才是“数据引导”最终变成“客户黄金/资源”的方式。虽然当下有很酷的技术可以为整个“大堆栈”提供动力,但拥抱这场革命中最关键的步骤将在于改变你的组织结构、行为及文化,以便能真正利用它。

让我用这个类比来结束这篇文章:

数据就像燃料。它当然是有价值的,而且在燃料的提炼、改进和分配方面还有一个大产业正在冉冉升起。嘿,埃克森美孚是一家价值4000亿美元的巨型企业。

但是,没有运输行业的话,大型石油公司几乎是毫无价值的。因为正是引擎、汽车和飞机在使用这种燃料推动世界。没有燃料的发动机是相当无用的; 但一桶没有发动机的燃料同样毫无意义。

只有两个在一起 – 燃料和发动机 – 才能够释放两者的潜力。

如果你想真正利用大数据的力量,那么就建立组织引擎来利用它。这正是营销当下正走向的更大的未来。它将会像互联网的崛起一样,成为世界性的革命。

 

  • 十一 15 / 2017
  • 0
Enterprise

锐眼洞察 | 只考虑移动优先是不够的,你得考虑移动带来的价值(翻译)

作者:Jennifer Wong

原文:MobileBest: Mobile-first is not enough

译者:TalkingData副总裁 高铎(Ted)

本译文禁止商用,转载请注明来源与译者!

摘要:

  • 考虑移动端营销,需要改变的是经验而不仅仅是营销活动的展现方式;
  • 移动营销应该有不一样的移动测量工具和实地用户体验;
  • 移动营销需要考虑整个生命周期客户的价值,需要有不一样的研究内容和触达方式。

在Forrester最近给出的报告中提出一个观点,“只考虑移动优先(MobileFirst)是不够的”。Forrester给出一个清晰的统计数据:即便是iPhone推出10年之后,只有32%的营销人员将移动系统整合到他们的营销方法中,而不到56%的营销人员说他们会考虑用移动手机来改变客户的使用体验。

当然能看出来,统计暴露的问题是,移动就是你的客户所在的地方。如今全世界超过1/3的人口拥有智能手机,而且这个数字还在逐渐增加。这意味着,如果我们不聚焦“移动优先”,就会有落后的风险。但Forrester最新的报告提示我们,仅仅移动优先是不够的。

确实,大多数营销人员仍然是移动优先。如果我们也是移动优先(来做营销),我们并不孤单。Forrester的报告说,只有38%的营销人员正在使用手机来改造他们的业务,13%的受访者认为他们的营销组织正变得精通移动,但43%的营销人员不衡量其移动营销活动的ROI。我们不得不承认,需要考虑一种不同于移动优先(MoblieFirst)的方法——移动最好(MobileBest)。这是一个非常有价值的转变,可以采用如下建议。

不要只改变大小,要改变经验

Forrester发现,许多营销人员只是简单的为了适应手机屏幕而缩小了广告的尺寸,考虑了针对移动设备进行的优化。但这限制了手机对于品牌的潜力。用户在使用手机浏览或在商店购物的过程中,与手机的交互方式不同。因此,应该考虑通过移动广告来吸引客户的所有方式——或用来改善他们的生活。航空公司已经可以使用手机登机牌进行登机,银行已经允许人们通过照片来存入支票。你能做些什么呢?

确保您的整个公司被设计为MobileBest

一旦您将移动视为不仅仅是营销渠道,您的公司将不得不在组织内的所有层面进行改进。要确保您的IT部门有人员来处理技术需求,也要确保您的营销团队了解移动测量的细微差别(不仅仅是考虑新增的App用户),并且您的实地团队有能力处理新的用户体验。恭喜您,您开始驾驭移动用户了!

在App外思考

有一个移动App,是非常“移动优先”的思考。但现实情况是,大多数消费者只使用一些有限的应用程序(App),而且他们主要是社交媒体、电子邮件或信息传递工具。如果您不在这个“盒子”里面,您将不得不去思考,如何通过其它方式,如引人注目的移动网站、GPS、相机或其它独特服务,来触达消费者。Forrester建议开展一些人口学或行为学研究,来了解移动如何在客户的生命周期中增加价值。

 

  • 十一 15 / 2017
  • 0
Enterprise

锐眼发现 | 营销世界的 5 大剧变之 ③ 纵向竞争

作者:Scott Brinker

原文:5 Disruptions to Marketing, Part 3: Vertical Competition

译者:@文科生 ,宏原科技创始人

转载于:SocialBeta

上篇回顾:锐眼发现 | 营销世界的 5 大剧变之 ② 微服务和API

 

TalkingData合伙人兼执行副总裁林逸飞点评:

  1. 一段时间以来,互联网服务曾经是纵向数字营销链条中最强势的玩家。然而,由于 Amazon Echo、Google Home、Slack、Oculus 以及一系列物联网设备的爆发,这些新的客户端界面正催生出新的纵向力量来源
  2. 在纵向竞争格局中,原有的品牌客户、企业客户处在一个重新划定合作边界的过程中,原有Service Provider显然不合适了,处理纵向堆栈上的各种技术服务商是必然的选择

 

译者前言:Scott 这篇文章从竞争的角度来讨论 MarTech。的确,营销技术催生了很多市场机遇,不同的营销技术产品都能解决一定的问题,也都有相应的市场。但是,真正的机会不仅仅要看这些产品的市场空间有多大,还要从纵向的角度看价值链上下游的公司是不是可能成为自己的纵向竞争者。更重要的是,看到巨头们在整个纵向价值链上的布局,否则一不小心就落入了跟巨头竞争的陷阱。

从 Scott 的讨论中,也体现出中外 MarTech 面临的共同问题都是巨头的数字化所有权遍布整个价值链。MarTech 领域的创新公司想在中国市场成长和壮大,最终的出发点一定不是完全依托于平台,也不会是完全和平台竞争;而是跳出平台的视角,从客户或者消费者的视角出发。

离最终客户越近、中间的层级越少、跟客户直接交互的触点越多,公司就越有竞争力。只要能够为最终客户持续创造价值,就有机会在纵向竞争甚至横向竞争的环境中找到自己的生存和发展之路。

这是营销的五个剧变系列中的第三部分(如果你没有读过第一、二部分,可以点击阅读):

1.    数字化转型将超越营销部门的职能范畴,重新定义 「营销」。

2.    微服务 & API(以及开源) 构成了营销基础设施的架构。

3.    纵向竞争展现出比横向竞争更大的战略性威胁。

4.    增强现实 (AR)、混合现实 (MR)、虚拟现实(VR)、物联网(IoT)、可穿戴设备、对话式界面等等,给人们带来了数字化的一切。

5.    人工智能 (AI) 让营销和商业运作的复杂性倍增。

多数情况下当我们想到 「竞争」 的时候,我们想到的是横向竞争:竞争对手提供跟我们类似的产品或服务的替代品。

然而,现在还有一种竞争叫做纵向竞争。纵向竞争发生在一个渠道或者价值链之上,渠道的每个阶段或者价值链中的参与者,都从为消费者提供的最终产品和服务所产生的收入蛋糕中切分到一块利益。纵向竞争者争夺的对象,是相对其他竞争者能从总体的收益中获得多少份额。

虽然营销技术全景图是横向竞争蓬勃发展的例子——数以千计的营销技术和广告技术服务商彼此竞争,以获得品牌主的青睐——但是在数字营销中,还存在强大的纵向轴上的竞争。

如上图所描述,品牌触达消费者的数字化 「渠道」 会经过几个不同的利益方之手:

1.   代表品牌主的服务商。

2.   品牌主或者其代理商使用的营销技术和广告技术软件。

3.   营销技术和广告技术软件对接的互联网服务,如社会化媒体。

4.   客户端界面,包括硬件(设备)和软件(浏览器),以及连接程序。

概括的说,如果在价值链上下端没有或者只有很少的替代者,纵向竞争者就比较 「强势」。如果有很多替代者,他们就比较 「弱势」——如果只是一个简单的商品,那就处于最弱势。

Facebook 就是非常强势的纵向竞争者——一个公司如果想触达 Facebook 的受众,不管他们使用什么营销技术或广告技术软件,他们都必须付费给 Facebook。网页浏览器通常就是弱势的纵向竞争者,因为他们大部分遵循共同标准。(这就是为什么 Chrome 这样的浏览器强调专有扩展的原因,这会让他们少一些商品化的特征)。

一段时间以来,互联网服务曾经是纵向数字营销链条中最强势的玩家。然而,由于 Amazon Echo、Google Home、Slack、Oculus 以及一系列物联网设备的爆发,这些新的客户端界面正催生出新的纵向力量来源。

如果人们经常用智能音响 Amazon Echo 回答他们在 Google 上搜索过的常见问题,那么这个「流量入口」就被 Amazon 控制了。同样的道理也适用于 Apple Siri 或者 Facebook Messenger。

以上插图中最吸引人的地方是指出 Aphabet(Google 的母公司 )、亚马逊、Facebook 和微软拥有跨越整个数字链条的纵向所有权。这些公司拥有客户端界面、互联网服务以及营销技术 / 广告技术产品——也许不是巧合,这 4 家公司正好都位于当今世界最有价值的 5 家公司之列。

从亚马逊身上,你可以清楚地看到纵向所有权的潜力。这家公司使用 Amazon Echo、Amazon Dash 按钮等设备作为专属的客户端界面,并且将信息反馈给 Amazon.com。

*Dash 按钮简单来说,它是一款内置无线连接、代表单一商品的物联网购物按钮。Dash 按钮看上去就像是一个小 U 盘,拥有不同品牌商品的 Logo,可以贴在任何位置上。时刻提醒而且方便你购买商品

这个模式也解释了为什么传言说 Salesforce 对收购 Twitter 感兴趣。如果你的目标是面向企业客户销售世界上最好的 「服务云」 ,假如你拥有一个世界上最流行、客户可以及时评论的社会化媒体网站,不是一个很棒的事情吗?

那么,纵向竞争会如何影响品牌主?

首先,有更多纵向竞争者发生竞争的局面,要求品牌主在数字化环境中对更多、更剧烈的变化做出反应——包括直接和间接的效应。

为品牌主提供「统一」管理数字化渠道工具的传统营销技术和广告技术服务商,会面临来自互联网服务商和客户端界面的激烈竞争。互联网服务商和客户端界面将会寻求和品牌主建立直接的关系(从品牌主身上赚钱)。Google Adwords 和 Facebook Ads 就是一个典型的例子。品牌主会需要一个可适配的营销技术栈——请参考系列文章第二部分:微服务 & API——直接(或通过更多专业服务商)与那些完成了纵向价值链整合的玩家接触。

第二,纵向竞争会推动一波新兴客户端界面的产生,这些界面会让品牌主需要管理的数字化触点的数量以及碎片化的程度急剧增加。

另一个值得留意的因素是,新的客户端界面会赋予消费者与品牌互动过程中更多的控制权。今天的浏览器广告屏蔽插件就是纵向颠覆营销的例子。品牌主需要适应数字链条中出现的新因素。

第三,品牌主需要有更多的纵向战略思维,避免自己被竞争对手或者 「合作伙伴」 纵向挤压自己的生存空间。

举一个例子,你必须清醒地意识到,品牌在 Facebook 和 Medium 上建立的账号属于 「借用」 媒体(「borrowed」 media ),而不是 「拥有」 媒体(owned media)。这或许对你来说有价值,但是这也加强了这些服务商的力量——他们于是能够在价值链条上发挥杠杆效应,最终影响到品牌主。

作为经验法则,品牌主在与其客户的关系中,在纵向链条上能绕过越多的层级越好。与消费者之间的数字化触点越多越好。

目前为止,对品牌主来说,纵向竞争中最具危险性的部分,就是竞争对手建立了一个新的客户端界面(或者和另外一个互联网服务商有独家合作关系),它可以在数字渠道中吸走你的客户。对于其他在线零售商来说,Amazon Echo 就是这样一个威胁。未来,激增的新设备和物联网将会引爆这种纵向颠覆的机会。

那么,问题来了,你想成为纵向价值链中的颠覆者还是被人所颠覆?

  • 十一 14 / 2017
  • 0
Enterprise

锐眼洞察 | 如何让深度学习变得容易(翻译)

作者:Alex Woodie

原文:How to Make Deep Learning Easy

译者:TalkingData研发副总裁 闫志涛

本译文禁止商用,转载请注明来源与译者!

 

译者注:如果大家关注行业资讯,深度学习和人工智能无疑是最常被提到的技术术语。这也反应了现在深度学习和人工智能的热度。深度学习在很多领域都取得了巨大的成功,可是如何能够简单的将深度学习应用到实际的业务中,去用深度学习解决业务问题,无疑是一个挑战。一个技术如果想要取得巨大的成功,绝对不应该是曲高和寡的技术,而是应该可以非常简单的被使用。在这篇文章中主要就是讲了深度学习如何可以更方便的被普通的公司和个人使用。答案实际上一点都不出人意料-云计算。这也契合了TalkingData在2018年的目标。我们应该将数据科学工作变得简单,提供交互式友好的DSS,同时我们需要通过SDMK提供高质量的数据集和模型,这样未来在中国,会有更多的开发者和企业可以真正的利用数据科学带来的价值。

 

深度学习已经成为训练计算机进行自动的识别停止标志、检测人的表情以及发现欺诈等活动的前沿工具。然而,深度学习内在的技术复杂度很容易让人望而却步。那么一个人应该如何开始使用深度学习呢? Forrester分析师Mike Gualtieri提供了一个令人惊讶的答案“做深度学习最简单的办法就是不用深度学习”,Gualtieri在Teradata最近召开的用户大会上说。

当然,Forrester的首席分析师并不是在用孔夫子老先生的谚语来忽悠大家。事实上,Gaultieri给出了一个非常重要的观点,那就是从深度学习的光鲜的外表下隐藏的令人生畏的技术细节中抽离出来。

这个抽离是可以通过云服务来实现的,Gualtieri说。每个一个公有云提供商,亚马逊AWS、微软Azure以及Google的计算引擎,都投入了大量的时间和金钱让他们的系统去支持不同的深度学习框架,包括MXNet、Keras以及TensorFlow。

更重要的是,他们已经在这些深度学习框架的基础上构建了有用的服务,比如图像识别、语音识别以及语言理解,并通过易于使用的API将这些服务暴露出去。

“很多云计算公司已经提供了预先训练好的模型,他们替你做了最难的那部分工作而你仅仅需要调用一个API,如果你想要使用深度学习,寻找并使用这些API,因为这是一个可以非常简单的让你开始做深度学习的方法”,Gualtieri说。

Forrester最近发布了一份报告,详细介绍了这些公有云提供商提供的具体能力,这份报告包括了三大云提供商以及通过Watson和HavenOnDemand提供深度学习能力的IBM和惠普等企业软件巨头在内。

这个分析团队还追踪Salesforce提供的深度学习产品,Salesforce通过其爱因斯坦产品提供计算机视觉功能。它还追踪两个深度学习创业公司,提供计算机视觉系统的Clarifai以及提供计算机视觉和语言理解的Indico。

Source: Forrester

虽然这些基于云计算的深度学习产品是有用的,但是它们可能并不能解决公司的某个特定的问题,也不能用于他们拥有的独特的数据。这就是为什么许多公司正在潜入深度学习之湖,并利用现有的库发展自己的专业能力。

根据Gualtieri的说法,深度学习框架的开源性使得它们非常容易获得,很多人都在使用它们。他们可以从GitHub下载TensorFlow,例如,在一个周末的时间里训练一些基于这些数据的模型。

虽然建造一个深度学习框架非常的困难,但是使用它并不是特别的难,尽管他们的复杂性非常的高。

他说:“我们说这些技能是罕见的。能够开发这些算法的人员的技能是非常罕见的。但是让我们需要弄清楚的是:当你建立一个模型时,你并没有开发算法,你正在使用已经开发好的算法。”

数据科学家不需要了解基于TensorFlow构建的图像识别系统具体是如何工作的,或者如何构建基于Theano的自然语言处理(NLP)系统。Gualtieri说:“他们只需要了解如何将它适当的拼装在一起。”

这并不是说通过深度学习的方式可以非常容易的获得好的结果。一些固有挑战仍在,包括获取高质量的数据去训练模型。

垃圾进垃圾出的现象仍旧是深度学习的一个巨大的阻碍。因为深度学习需要大量的数据,而提供给算法的人工标注数据代价高昂,获取足够的数据来训练有效的模型变得非常的困难。

“它不会像施了魔法一样去学习,而是通过标注来学习的”,Guartieri说。“没有固定的反馈,你不得不将它建立在模型中。对一个特别的需求选择正确的框架也是一个挑战。”当前市场的主要问题是这里有太多的框架以及太多的创新,这些框架正在进行一场战斗”, Gualtieri说。

Tensorflow_logo_black-300x225

TensorFlow似乎正在冉冉升起,但还不清楚它是否会成为未来的赢家。Gualtieri称赞Teradata明年将支持TensorFlow作为其新的Teradata分析平台计划的一部分,同时保持与其他框架(包括最近由微软和AWS推出的新的机器学习库Spark、Theano和Gluon)的开放连接的决定。

正如我们在其他大数据技术领域看到的那样,炒作倾向于引导决策者放弃他们可能不准备前往的方向。 我们已经看到Apache Hadoop可以为组织提供什么的不真实的假设,我们今天看到了深入的学习框架也在发生类似的事情。

Forrester已经向客户询问了深度学习的问题进行了调研,其中有些客户完全搞反了顺序。 “我们已经看到有公司购买NVidia DGX-1,这是一个129,000美元的盒子,然后问我们,现在我们该怎么办?

他继续说:“了解到企业能够用深度学习来做些什么是非常令人兴奋的”。 “我们认为这仅仅是开始,我们看到很多创新和技术团体正在进行深度学习相关的工作,我们认为2018年是深度学习的一年。”

页面:1234
随时欢迎您 联系我们