專訪ID : 紛析數據創始人
“獲客-說服-轉化的標準模型已經不能完全適用今天的數字營銷。”
——宋星
導 讀
宋星無疑是中國互聯網營銷領域的一個舉足輕重的人物，不需要任何刻意裝點。
每次提到他，逃不開的是一連串帶着驚歎號的身份：百度集團顧問與鑽石講師、騰訊星河計劃顧問、Google mLab 顧問、北京航空航天大學特聘教授，前 Adobe Omniture Business Unit 亞太區首席商業諮詢顧問。
同時，他也在世界上最大的廣告傳媒集團之一：陽獅媒體集團擔任數據與技術創新部總經理。
從 2008 年走到 2018 年，他舉辦的近百場數據沙龍，成爲數據營銷與運營圈專業與乾貨的代名詞。他是數據化互聯網營銷與運營最資深的從業者和行業意見領袖，《網站分析在中國》博客全文作者。
Part
01
移動化變革：
數據重新雕刻世界的力度將空前
9 月 18 日，WAW X（WAW，WebAnalytics Wednesday 網站分析星期三）如期舉辦，基於厚重的行業沉澱與積累，匯聚神策數據、Oracle、秒針、Google、Convertlab 等頂級數據廠商的行業領袖大咖，爲業界矚目，並被評爲“籌備了十年的數據峯會”。
宋星說，在很長的一段時間內，乾貨、專業這些重一點的東西都不怎麼受歡迎，可 2018 年，“重”成了時代關鍵詞，新經濟環境、新互聯網發展階段、新消費人羣的新需求，大家開始喜歡拼乾貨、拼增長、拼利潤，真材實料、真刀實槍、真金白銀，重一點，好一點，數字營銷與運營進同樣進入重工打磨時期。
Q.1
十多年來，數據化是一個人人都能看見的趨勢，一路來您看到了哪些變化？
十年前我們開始嘗試追蹤用戶的行爲，十年後我們依舊非常努力地做這個事情，這始終是中國數字營銷領域的主流。
但不同的是，之前的用戶數據完全呈碎片化，如星辰般散落，即使同一個消費者的歷程也是碎片化的。
如今對人的追蹤已經發生了天翻地覆的變化，用戶行爲數據可以被打通與整合，因爲今天的移動設備如同人體不可分割的“器官”，它的統一標識的屬性，數據因此可以發生打通整合，併發生共享和交換。
隨着“人”被徹底的打通成爲可能，未來十年將是“人”、“物”、“場”的打通，當這一切都打通後，數據徹底重新雕刻世界的力度都是空前的，甚至難以想象的；未來數據源究竟是什麼，數據規模的大小，這將爲我們的數據能力劃出了上限。
另外，數據除了給專業領域賦能，也將降低本身的使用門檻，下一個十年，數據肯定不再僅僅是數據科學家和分析師才能掌握的工具，數據本身將更加容易被企業從業者掌握，或者，成爲一種人人都需要的認知模式。
Q.2
從完全碎片化到人、物、場的打通，您認爲催生這種變革力量是什麼？
移動化是革命性的推手。但是如果沒有移動化，數據的這些力量是無法被釋放出來的。
Q.3
移動的變革力量對互聯網營銷來說，產生了哪些影響？
移動化帶來的影響可從 4 方面來講。
第一，移動化讓消費者旅程可追蹤的廣度和深度實現雙雙提升。互聯網企業數據上的互通有無、互聯網廠商間的合作，或是同一個生態內企業（比如 BAT 收購或者參股的企業）之間相互分享彼此的數據，便於追蹤消費者旅程。
第二，在消費者旅程上的進步，很快轉化爲品牌營銷與效果營銷的打通，即過去所謂的“品效合一”。品牌推廣上努力的效果可通過最終的實際銷售效果來加以衡量。
第三，真正實現了傳播和傳播載體之間的解耦。受制於 APP、微信、信息流、視頻流等各種新媒體的極爲強烈的動態化和個性化，固定位置廣告空間非常有限。再加上能夠持續追蹤一個人（設備 ID）的情況，傳播及其載體可以說是基本上徹底一拍兩散了。
第四，創造了監督學習的環境，讓智能營銷成爲現實。一種方法，是品牌廣告投放常用的方法，即根據這個人的屬性或者興趣，投放給他對應的廣告；另一種方法，是效果廣告投放常用的方法，即監督學習。
監督學習的廣告投放方式可以說是消費者數字生活移動化之後的必然結果。在不斷的投放-學習-校正-投放-學習-校正的循環中，機器慢慢摸索出了一套方法，並且不斷優化，直到最終跑出最接近你期望的投放結果。
Part
02
“獲客-說服-轉化”數字營銷的標準模型
已被徹底改變
變革無時無刻不在發生。
當我們發現：今天的流量變得很貴且越來越“無能”，營銷成功的案例似乎越來越沒有套路，新的營銷技術涌現卻摸不着門道的時候……這裏面真正起作用的正是“連接”關鍵詞。
“連接”幫助我們理解變革的力量。今天的數字營銷最明顯的特徵是各種“瘋狂的”跨域連接。搞清楚了“連接”背後的動力和作用，也就抓住了今天數字營銷革新的主線。
Q.1
爲什麼說，獲客-說服-轉化的標準模型已經不能完全適用今天的數字營銷？
數據的連接是更具革命性的。在沒有數據連接，尤其是在沒有跨域的數據連接的世界中，我們的營銷策略是“單線程”的，即我們吸引流量，然後儘快說服，最終完成轉化。
獲客-說服-轉化，幾乎是一個三位一體的營銷循環。但凡是超出這個過程的流程，就只能模糊地瞭解到底有沒有達到效果，比如互聯網品牌營銷，到底爲銷售帶來了多少實際效果。
獲客-說服-轉化，這個固有的流量變現模式在彼時有強大的市場，但是隨着流量紅利逐漸走向枯竭，而流量背後的用戶數據則開始慢慢能夠被打通，兩個變化的共同作用下，數字營銷的策略必然發生改變。
數據連接幫助我們創造了新的閉環：跨域（跨數據主體）數據連接——目標人羣策略重構——跨域（跨媒體）定向投放——定向再營銷。
這個閉環的背後不再是基於流量變現，而是基於對消費者羣體的認知以及消費者消費旅程階段的不同所構造的更具針對性的營銷。這一新的營銷方法又繼續深化，並演變爲更具個性化的營銷。
Part
03
“冷”思考：
噓頭太多，不切實際的幻想太多
對比國內外環境，在數據“出口”差異、數據交易方面等方面存在較多差異。
例如，E-mail 在國外是一個很重要的出口，是非常重要的營銷手段，而在國內 E-mail 並沒有作爲主流的營銷觸達手段，我們更多依靠微信、廣告等。
在美國、歐洲，有比較成熟供數據交易的網站平臺、交易所、交易市場等，在中國數據交易是由政府主導，而在營銷上也都很少應用。這是基於不同政治經濟環境所造成的差異。
在中國市場環境浸染久了，宋星對中國數據化建設歷程有着自己的評價和判斷。
Q.1
在中國數據化建設推進過程中，服務廠商存在哪些典型問題？
個人感觸最爲深刻的是，數據服務廠商的宣傳問題。廠商喜歡去包裝一些概念，概念上過於浮誇，容易讓客戶存在不切實際的幻想，而實際產品本身並不能滿足這種幻想，這種“新瓶裝舊酒”式營銷破壞行業發展。
比如“智能”一詞，這是爛大街的詞語。
其實“智能”取代的只是人類一種非常初級的思考，或者說是提高人類初級思考的效率，不可能主動提供給你一個神奇數字，讓你實現增長。
它不能代替人的經驗，且直接解決業務問題的智能是不存在的，真正的“智能”要基於真實業務情況來分析。
Q.2
基於上述問題，您認爲可學習與改進的地方有哪些？
要回歸產品。
國外產品的創新性是值得我們學習的。國外許多數據產品開始趨於智能化，並在一些細分市場上做的較爲前沿。
比如 Anodot 提供實時分析和異常檢測的大數據創業公司，能夠實時在大量的數據中發現異常的數據並把他們轉爲有價值的商業信息，以消除商業觀察中的延遲，主要應用在廣告技術、電子商務和物聯網行業。
再如，Arundo 開發的機器學習軟件和高級分析應用主要用於管理和優化資產密集型工業操作的性能。
Arundo 基於雲的邊緣技術主要針對不斷增長的物聯網分析市場。產品創新性始終是中國缺乏的，會有 5 到 10 年的差異，甚至更長。
Part
04
廣告主的數據化轉型之旅
有哪些避之不及的坑？
宋星一直被稱爲互聯網數據專家，儘管他非常依賴於數據，但他自我評價是一個“反數據主義者”。
他認爲，如果沒有搞清楚商業上的問題和需求就跳入了數據的細節，便從此迷失方向，比沒有數據憑着經驗還要糟糕。
Q.1
廣告主數據化轉型中，有常見哪些坑？
我在文章《數據雖好卻佈滿陷阱——廣告主的數據化轉型之旅有哪些避之不及的坑》中總結了這個問題。
有五大“坑”，分別是：
第一，遠遠沒有準備好——過度神話數據，且不知道拿數據究竟幹什麼
第二，幹嘛要花錢——花出去最終有沒有真正起到效果
第三，缺乏應有的專業性——缺乏解決問題方法領域的專業性
第四，一朝踏上賊船，終生以淚洗面——企業選型錯誤工具
第五，不一口一口吃飯的，真的被噎死——企圖建立一個包含所有業務的大數據系統
Q.2
實現數字化轉型，有哪些是必備環節？
數據是一個系統，數據化轉型是一個系統工程。從獲取數據，到配置數據（整合打通數據），到分析這些數據然後分發這些數據，到最終讓這些數據起到作用，是一套科學嚴謹以及多個環節結合銜接的方法論與過程。
在某一個環節用了一點數據一個數據方法產生了令人驚喜的效果的確是存在的，但並不能帶來持久的效果，且反而容易讓人誤入歧途或是產生更不切實際的期待，而忽略本該踏實構建的數據基本面。
所以我認爲“商業導向的數據意識與思維”、“數據獲取和組織的方法與工具”、“數據應用的方法、工具與出口”及“數據人才梯隊的搭建”是四位一體的事情。
如果一家企業，我們過於將眼光放在數據本身，而忽略數據價值賴以存在的基本面，那麼數據不是如天使般從天堂降臨的救星，但數據其實本該是我們自己建造的更上層樓的階梯。
Q.3
在這個過程中，廣告主存在的最常見的問題是什麼？
比較典型的問題是，不清楚究竟 “拿數據要解決什麼問題？”曾經我遇到一個企業向我諮詢如何做數據化的轉型。我問：你們做數據化轉型主要想解決哪些方面的問題。
“當然是解決沒有數據或者是就算是有數據也用不上的問題”，他回答道，然後補充說：“我們希望通過數據能夠讓我們的產出效率提升。”
這樣的答案基本上可以用在世界上所有的企業上，因此也就相當於沒有答案。顯然，數據用不上是一個重要的問題，但每個企業的數據利用場景都千差萬別，在讓數據發揮技術性價值之前，必須首相搞清楚自己業務本身存在的真正訴求。
商業諮詢的梳理總是一個在數據化轉型前必須要完成的功課，無論是通過企業自己，還是第三方。
但是，許多企業會完全忽略這一步——或許他們認爲他們自己已經非常瞭解自己的業務；或許，他們假設數據來了之後才能讓自己搞清楚自己業務的狀況。
所以數據轉型和應用，一定要強調必須從業務出發，而不是從數據出發。
因爲數據是業務的映射，而不是反過來。我們不是因爲數據能做什麼，而相應調整我們的業務，我們是因爲業務上有什麼樣的需求和麻煩，纔會相應抓取、組織、分析和挖掘相關的數據，永遠是業務出發，業務第一的。