本書作者 Dimitri Maex 是奧美廣告行銷總監,同時也是奧美全球分析實務的主要推手。書中主要介紹了如何運用數據分析找到最有價值的顧客以及如何在廣告預算上進行最佳化配置。在書中,作者提出了許多企業常用的預算分配方法,但同時也強調了這些方法存在的缺陷。因此,本書通過介紹計量經濟模型和混合計量方式等科學方法,讓讀者能夠用更加科學的方式去制定預算。
在過去的行銷學習經驗中,我也發現學生們對於行銷研究興趣普遍不高,因為數學和數據分析相關的科目往往讓人感到有一定的門檻。但是,透過這本書,我更深入了解到數據分析在行銷決策中的重要性,並且了解如何運用數據分析工具來找到潛在客戶。
這本書主要介紹了數據分析在行銷專案執行中的幾個主要環節,包括行銷策略制定、執行計畫戰術、行銷預算分配和監督及控制。首先,在行銷策略制定的階段,作者提到數據分析的應用可以幫助行銷人員鎖定目標顧客。例如使用多變量分析的集群分析(Cluster analysis),或是利用顧客行為資料進行現有顧客的價值分層。透過這些數據分析,行銷人員可以更精準地了解目標顧客的需求和消費行為,進而制定更有效的行銷策略。
其次,在執行計畫戰術的階段,數據分析也可以協助行銷人員進行訊息設定。透過科技進行社群的文字探勘,行銷人員可以了解顧客在社交圈談論的內容,進而了解顧客需求並制定更貼近顧客的訊息。這些數據分析不僅可以協助行銷人員了解顧客的需求,還可以讓行銷訊息更符合顧客的期望,進而提升行銷效果。
另外,在行銷預算分配和監督控制的階段,數據分析也扮演了重要的角色。作者提出了多種方法,其中包括混合支出/目標獲利模型、依照顧客旅程進行預算分配、根據市場區隔/策略事業單位發展情形進行預算分配和依媒體管道分配。我認為這些方法都非常實用,能夠幫助行銷人員更有效地分配預算,並且在行銷過程中取得更好的效果。
書中主要分為三個部分:理解數據,分析數據以及如何運用數據。
在第一部分,作者說明了如何收集並理解數據,包括如何定義你的目標受眾、如何收集數據以及如何將這些數據轉化為可行的行銷策略。在第二部分,作者則介紹了分析數據的方法,包括如何將數據轉化為可行的洞察以及如何運用統計學和量化分析方法來評估數據。最後,在第三部分,作者講解了如何運用數據來實現更好的營銷策略,包括如何將數據轉化為可執行的策略,以及如何將策略付諸實行並評估其效果。
書中強調數據已經無處不在,而且數量巨大。作者指出,大部分企業已經擁有他們需要的數據,只是還沒有善加利用。書中介紹了一些工具和技術,以幫助讀者進行數據分析,例如如何利用大數據分析、如何利用統計方法和量化方法來量身定做行銷策略、如何利用數據來提高效率、增加客戶忠誠度等。書中也提供了一些實際案例,說明如何通過數據分析來實現商業成功,並強調了數據分析在現代商業中的重要性。
預算該花多少?
很多人都有預算該花多少錢的問題,在書中他們給出了很多過去常用的方法,其中包括:
- 直覺、黃金法則:靠經驗
- 維持之前預算
- 根據先前銷售百分比
- 看還有多少可以花
- 去年利潤餘額
- 毛利率百分比
- 預測銷售百分比
- 每單位銷售固定成本
- 顧客/人均成本(B2B)
- 與競爭對手成比例
- 市場佔有率:5% market share就花整體市場廣告預算5%
- 邊際報酬
- 任務導向
- 建模
- 媒體權重測試
不論你的公司市值多大,品牌多強,似乎都脫離不了以上15種方法,其中預測銷售百分比是企業最常使用的,但這種方法有非常大的缺點:
- 你假設廣告對不同產品效果都一樣
- 你假設廣告內容不重要
- 你假設廣告效果是線性的
- 你假設市場大家的策略都相似
- 你假設你的公司與其他公司相同,並且有相同的目標
非常讓人匪夷所思的是:如此簡單且不靠譜的做法卻是所有公司都在使用的,他們並無針對過去資料進行統計計算,又或是將所有的計算簡單化到不可思議,忽略所有變因,即使一年預算上百萬美元的公司也是如此。
但實際上我們還是有透過大數據分析來制定預算的科學方法,可以讓你用科學的角度去算出到底多少預算才是合理值。
以下我們用較為簡單的方式進行解說:(會涉及到一些『高中』數學)
我們先從銷售與廣告的關係開始看起:
我們假設銷售量會跟:價格,品質,經銷,廣告等因素產生聯繫,於是我們建立了一個簡單的線性回歸模型:
銷售=β1*供給+β2*經銷+β3*價格+β4*行銷+β5
其中β代表『未知』,也就是影響力(相關係數),所以我們只要找到各項會影響到銷售量的因子,並計算出各項因子的β值,就能計算出廣告預算。
接下來我們來介紹如何計算β值,我們先假設其他因素都不改變,只對『行銷』進行變動,看不同行銷成本投入下對銷售量影響多大:
以上是可能出現的狀況,如果我們計算出行銷與銷售量有呈現圖9.1的正相關,我們可以計算出到底要花多少預算才會達到最高效益。
但這樣的計算當然不可能人工計算,於是我們設計了一個簡單的程式,告訴電腦以下事情:
- 計算每個資料點與回歸直線之間的距離,然後計算距離總和
- 用總和大小判斷線的準確性:總和越少,代表越精準
- 計算出不同因子的回歸直線,即可判斷出對應的銷售額
混合計量方式
以上的預算模型並不適用於所有公司,有些公司可能會缺少某些資料,在此時我們就必須加入假設模型,我們只需在無資料情形下假設以下數字:
- 無預算下知名度最小值多少?
- 無限預算下知名度最大多少?
- 目前支出與知名度水準如何?
- 如果我們增加支出X%,知名度會增加多少%?
透過假設以上數字來填補沒有資料的空缺(混合計量方式),我們可以:
- 將數據資料與判斷直覺結合:透過直覺調整假設值
- 等到建立相關係數曲線,就可以進行更科學化的最佳化調整
- 可以更加開放與多人合作,讓決策者一起加入作出建議:有資料依據
預算分配法
接下來我們來談預算分配的方式:
我們先從行銷漏斗開始談起:
相信行銷人員對此漏斗都不陌生,包括每一層的意義為何。這邊我們舉個例子,讓大家更清楚如何使用:
假設市場規模為一百萬戶,知名度80%,其中有30%考慮購買,之後有50%會真的進行購買動作,計算下來為48萬戶,乘上你的客單價即為你的收益。此時我們若將知名度從80%提升至81%,我們就能算出營收增加多少。又或者我們可以增加購買誘因,從50%提升至51%,比較這幾項因子的變動後,即可得出預算應該分配在何種行銷活動上。
此時我們可計算出支出/獲利曲線,來計算出每一階段要如何達到最佳化,意味著圖形可能為:
透過不同的回歸直線,我們可以計算出每一階段的預算要如何最佳化以及預算該分配多少金額。
同樣的方法也適用於將預算分配給不同國家,只需要以下三步驟:
- 預估下一年度總收益成長
- 依據每個國家在這成長中佔的份額,分配廣告行銷預算
- 依據每個國家現在佔公司總收益份額(X軸)以及未來收益成長(Y軸),歸類到2*2的矩陣中
媒體預算分配
一般而言,媒體預算分配有以下三種方法:
- 運用歷史數據
- 調查最新資料數據
- 個人層級的特性建模
若你對此不熟悉,或沒有相關的資料,那麼找一間可信任的合作夥伴就是最佳選擇。
結論
在書中,作者還介紹了一些行銷案例,這些案例都成功地利用了數據分析來找到潛在客戶並且獲得了成功的行銷效果。這些案例不僅可以幫助讀者更好地理解如何應用數據分析來找到潛在客戶,同時也可以提供一些靈感和啟示,讓讀者更好地設計和實施行銷方案。
另外,本書也詳細介紹了潛在客戶分析的方法,其中包括常見的RFM模型(Recency、Frequency、Monetary)和顧客生命周期價值(Customer Lifetime Value, CLV)分析等。RFM模型可以透過顧客最近一次購買時間、購買頻率和消費金額來評估顧客的價值和忠誠度。而CLV分析則是可以預測一個顧客在其生命周期內對公司的總貢獻價值,這有助於企業選擇如何分配行銷預算和資源以及制定更精準的行銷策略。
除了對顧客行為進行分析,作者還介紹了如何運用不同的行銷渠道,例如社交媒體、電子郵件和行動應用程式等,來推廣產品和服務。透過這些渠道,行銷人員可以更好地了解顧客的需求,從而制定更有效的行銷策略。此外,作者還提到了如何在行銷活動中運用A/B測試,以及如何使用數據分析來優化行銷活動,進一步提高行銷效果。
總之,本書對於行銷人員來說是一本非常實用的指南,尤其對於那些想要提高自己的數據分析能力和應用數據來制定更有效的行銷策略的人來說更是必讀之作。無論你是剛入門的新手還是已經有多年行銷經驗的老手,本書都值得一讀,因為它將幫助你更好地理解數據分析的重要性,並教你如何運用數據來發掘潛在客戶、制定更精準的行銷策略,以及優化廣告投放和網站體驗,從而實現更好的行銷效果。