在广告圈，总流传着这样一句话：“我知道我的广告费有一半是被浪费的，但我不知道究竟是哪一半。”那么，引入了大数据后营销是怎么提高广告实效性的？

图：严雯婷女士

以下为演讲的精彩集锦——

先感谢大家今天在这里一起交流，今天跟大家主要分享下面3个方面：

1、消费者行为的四个阶段

2、大数据对营销策略的指导

3、如何拯救被浪费的广告费

一、消费者行为的四个阶段

通常，消费者行为可以大致分为品牌认知、发生兴趣、购买行动及形成品牌忠诚这四个阶段。

因此针对不同的阶段，品牌也会使用不同的营销策略，比如认知的阶段可能需要进行很大量的曝光、传播；到兴趣的阶段要做的可能会是持续触达；行动的阶段品牌通常会有一些促销及折扣去；最后忠诚阶段形成价值观、情感的关联等等。

图：消费者行为的四个阶段

二、大数据对营销策略的指导

越来越多的品牌达成共识，数据整合工作已成为整个营销环节中的重要一步，它充当“军师”的身份，推动企业决策，减少决策失误和决策成本。

在大数据的支持下，广告主可以清晰地看到消费者在品牌认知、发生兴趣、购买行动及形成品牌忠诚等不同的阶段表现。

广告主通过大数据推动的营销决策，而后跟进营销策略、抓取精准的用户群，选择适合的媒体，根据不同的场景，制定创意表达形式来打动消费者。

三、如何拯救被浪费的广告费？

特征分析+洞察解读

以我们（个灯）曾操手过的案例为例，在帮某时尚快消类品牌进行CRM用户数据分析后发现，该品牌的用户群主要集中在四种人群，分别为商务男青年（占比25%），时尚学生（占比30%），工薪妈妈（占比17%），普通白领（占比28%）。基于上述用户研究数据，从而指导后期的媒体的策略、创意。比如在6·18大促中，针对这四类消费人群，会推动不同形式的创意内容。

热力图解读+营销指导

此外，我们（个灯）也会通过“热力图”的呈现来帮助品牌进行营销策略的指导，如在“共享单车的热力图”中，可以看到一些共享单车在全北京的分布情况，大数据可以告诉品牌他们的用户主要集中在北京的哪个区，哪些区域的用户较少，于是反馈到营销策略上，针对用户较少的地方，是不是需要做更多的市场营销活动。

附梅花网专访——

个灯总经理严雯婷：营销要找对人，说对话

梅花网：现在越来越多的公司，都鼓吹自己拥有大数据，那么相对其它公司而言，个推的数据优势在什么地方？

严雯婷：个推，作为一家技术型公司，我们一直专注在第三方消息推送技术服务，从2010年成立到现在，经过几年的飞速发展，个推目前已拥有超过数十亿的终端覆盖以及数百亿的SDK累计安装量；其次，个推也有很多数据方的来源，通过push（第三方消息推送）及广告渠道的合作，已经跟BAT、各大视频网站及各类APP建立了数据上的合作机制；最后，是个推的数据分析能力，以线上和线下的综合分析为后面的营销做基础。

梅花网：演讲中您也提到个推有个数据上的划分，分为冷数据、温数据、热数据三个纬度，这个划分背后思考逻辑是什么？又是如何作用力到品牌营销上的？

严雯婷：冷热温是我们特有的数据引擎，这样的划分会更形象，更有生命一些，我们不希望数据是个冷冰冰的东西。

冷数据是指用户的性别、兴趣、常驻地、职业、收入和年龄段等相对稳定的数据画像，表明“这是什么样的人”；热数据就是当前的你，一些场景化的当下数据等；温数据是指你近期的一些兴趣偏好，比如减肥健身、买房购车等。这些维度实际上是根据场景的不同而进行的数据细分。

举个温数据的例子，在大数据分析下我就是“商旅人士”的标签，因为通过行为模式可以看出，我是个高频出差的人，在营销层面上，对于想要寻找“商旅”人群的品牌来说，这些“标签”就会在营销上起到驱动作用。

梅花网：在品牌营销上，个推也推出了场景化移动营销产品“个灯”，与其它平台相比，“个灯”优势是什么？

严雯婷：个灯是在2015年推出的，那当时为什么定义为“场景化移动营销产品”呢，也是基于个推积累的线下场景数据优势。我们看到用户在不同场景下，需求是不一样的，而通过个灯这样的“场景化移动营销”平台，品牌主可以恰好满足用户的需求。用通俗的说话说就是，在合适的时间，通过合适的媒体，把合适的内容素材，推送给合适的人。

梅花网：大家常说，知道有一半的广告费被浪费了，但不知道浪费在哪里了，那数据在提高广告实效方面的作用主要体现在哪几个方面？个灯又是如何做的？

严雯婷：以前品牌的广告投放相对粗放，比如品牌买一个开屏，很有可能大半的广告费被浪费了，引入了大数据之后，广告主则能更有效地找到他想要找到的人，然后根据这些人的特性，在合适的场景，做合适的内容推送，据此也是个灯帮助广告主减少广告浪费的尝试之一。

梅花网：广告效果的监测上，个灯是怎么做的？

严雯婷：在正常曝光率、点击率的效果监测外，我们也在试图让广告主看到更多的后端效果，比如加购物车的人数、下单的人数、转化率等等。据此我们也计划跟相关电商行业合作，做到更多维度的数据监测。

·END·