营销分析Marketing Analytics究竟是做什么的？

原创：MarTechApe

什么是营销分析Marketing Analytics？

在现代营销领域，精确的分析显得前所未有的重要。消费者对于选择青睐的品牌媒体越来越挑剔。作为一个品牌要想在这样激烈的竞争中脱颖而出，就需要通过营销分析，给消费者推送更有针对性，更合乎胃口的广告，来吸引他们的注意力。营销分析可以让营销团队在正确的时间，正确的渠道，投放贴合的广告，从而引导消费者达成最终的消费。

具体而言，营销分析就是通过研究营销活动的数据，洞悉营销战役如何提高转化率，了解消费者行为，区域及创意偏好等。目的是通过这样的分析，优化未来的营销活动。

营销人可以基于不同的KPI，采用不同的方法和模型进行营销数据的分析。比如，品牌知名度和转化率分析采用的模型各不相同。一些常用的方法包括：

营销组合模型 （MMM）：基于长期聚合数据的归因模型
多点归因模型（MTA）：基于消费者消费旅程的归因模型
统一营销分析（UMM）：将不同的归因模型，包括MMM和MTA等整合成综合的参与度指标

企业是如何应用营销分析的

营销分析能有帮助企业做出更明智的商业决策，包括产品更新，品牌知名度等等。最好是能够通过多个渠道（线上和线下）搜集尽可能全面的数据。这样可以避免数据的片面性。这些数据分析可以得到如下内容：

产品智能

产品智能包括对品牌产品的深入剖析，以及这些产品在市场上处于什么样的位置。通过跟消费者交流，调研目标用户，企业能够更好的了解产品的特点和优势。进一步使产品贴合用户需求，进而提高转化率。

消费者趋势和偏好

营销分析提供很多关于消费者的信息。哪些广告信息/创意使他们产生共鸣？他们过去购买过什么产品，研究过哪些产品？哪些广告成功的吸引到他们并实现转化，哪些广告被忽略了？

产品发展趋势

通过分析还能够得到哪些产品特点是消费者喜欢的。营销团队把这个信息传递给产品开发团队，便于未来迭代。

客户支持

通过分析，还可简化或提高消费者的购买旅程。他们在哪里卡出了？有没有什么方法可以帮助简化产品以及付款流程？

讯息和媒体

通过数据分析，营销人员更好的选择在哪里给特定的消费者展示广告信息。因为广告渠道非常之多，明智的选择显得尤为重要。除了印刷，电视和广播等传统营销渠道外，营销人员还必须了解消费者更喜欢哪种数字渠道和社交媒体网络。数据分析可以回答这些问题：你需要购买哪个媒体？哪个媒体渠道带来最高的销量？哪些广告信息能引起消费者共鸣？

竞争分析

相比于竞争对手，你们的营销做得怎么样？如果存在差距，如何缩小差距？有没有什么机会你错过了呢？

预测未来的结果

如果你能够透彻了解广告战役为什么奏效，就可以应用在未来的营销活动中并提高投资回报率。

分析数据的挑战

尽管营销分析对于一个成功的营销战役至关重要。大量的数据也给数据分析也带来了一些挑战。营销分析师必须要知道如何选取有用的数据，进而整合出对企业有指导意义的分析。今天营销分析师人员面临的最大的挑战包括：

1）数据量：随着大数据在数字时代的出现，营销团队能够记录每个消费者的点击，印象和观看次数。但是除非能够把数据结构化整合，进行分析，并应用在优化营销战役上，再大量的数据也没有意义。这使营销分析师不得不努力的组织整理数据，进而了解数据背后的含义。事实上，研究表明有经验的数据科学家大部分的时间都花在清洗、整理数据上，而不是分析数据。

2）数据质量：不仅需要筛选大量的数据，而且获得的数据经常是不那么可靠的。据Forrester，因为数据质量问题，21%的媒体投资预算都被浪费了。这代表着每花出去5美元就有1美元没有被有效的利用。一年中，把这些钱加起来，中型企业中有将近120万美金浪费，企业级公司则有大约165万美金被浪费。机构需要完善流程，以确保数据的质量，因而员工能够更好的利用数据来做决策。

3）数据科学家紧缺：即使公司能够访问正确的数据，公司也可能没有足够的数据分析师。根据CMO的一项调查，仅有1.9%的公司认为他们有配备足够人才进行营销分析。

4）选择归因模型：如何选择正确的模型也是很有讲究的。比如营销组合模型和多点归因模型能够提供完全不同的策略建议。一个是基于战役的研究，一个是消费者层面的分析。选择不同的模型，营销人员会得到不同的结论。考量选择合适的模型时，跨这么多渠道的参与度分析会产生一些混乱。

5）关联数据：同样的，由于营销人员从许多不同的来源收集数据，因此要对数据做标准化处理才能使数据具有可比性。由于数据从不同归因模型测得，当比较线上和线下数据的时候也会遇到一些挑战。这时候通过整合多渠道数据，统一营销测量方法，搭建分析平台会发挥巨大作用。

营销数据分析经理必备技能

当市场部需要打造出更具吸引力、更有利可图的营销战役时，他们的数据分析经理必须做到以下几点：

1）进行质量分析：首先，数据分析经理必须具有能从大量数据中获取有用的洞察的能力，包括目标受众的购买行为和互动趋势。

2）提出战役优化建议：在获取了洞察之后，经理必须能根据预估趋势提出建议以改善效果欠佳的战役。例如，数据可能显示一位消费者仅在晚上查看某品牌发布的内容，这直接会导致品牌策略的转变——针对这位消费者而言，最佳的广告投放时间可能是在晚上下班回家的时候，而不是早晨上班时间。

3）数据分析经理应深度了解消费者和熟悉市场营销技术发展的趋势。充分了解消费者的需求以及消费者如何与增强或虚拟现实互动，会极大地帮助品牌优化全渠道消费体验。

4）使用分析工具：经理必须精通各种自动化工具和分析平台，因为这些工具将极有效地缩短从消费者互动数据中获取到重要洞察的时间。

5）与利益相关者协作：数据分析团队的成员必须具备用数据向利益相关者讲述一个引人入胜的故事的能力，并向其他部门（例如销售或产品开发）展示如何利用这些洞见来提高消费者互动率和转化率。

如何进行市场营销数据分析

如果你想增强数据分析的效果，请在开始分析之前完成以下四个步骤：

1）确定评估效果的指标

评估广告战役的效果有很多种指标：例如转化率、获客率、品牌知名度等等。在开始分析数据之前，首先要充分了解你要解决的问题是什么，以及如何获取你所需要收集的信息。

2）确定标准

成功的战役应该是什么样的？这将决定营销人所收集的数据和指标的类型。例如，如果战役的目的是提高品牌知名度，则成功的标准可能是消费者品牌忠诚度提高，而不是高点击率或曝光率。

3）审视现状

你所在的公司现在发展得怎么样了？你们的弱点是什么？无论是评估线下广告战役的效果还是寻找转化率最高的媒体渠道，认识到自身弱点之后才能改进你的程序。

4）利用营销分析工具

随着消费者变得越来越谨慎，并且数据集的不断增长，营销分析工具将起到更为重要的作用。先进的数据分析平台使用统一的营销度量衡来帮助营销人识别更能让消费者产生共鸣的讯息和转化率高的媒体渠道，从而更好地实时跟踪所投放的广告战疫的效果。

如果你也想成为营销分析师，如果你也想在训练营中同时学习知识、积累人脉、并获得宝贵的实操经验，那就千万不要错过MarTechApe的宝藏项目《营销组合建模企业级实战训练营》，一个专门培养优秀数据分析师/数据科学家的企业级别实战项目，拥有企业真实数据（改编）与行业标准流程。项目经历可成为简历上的履历！

训练营的学员收获了:

真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。