2019-10-28 | 김동호 기자

企业营销数据分析应用的成功要件

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

许多企业尽管积累了市场、竞争对手、消费者及销售信息等各类营销数据,却仍在诉说营销数据分析之难。有人说,即便大举引进优秀的数据科学家,在解读已分析数据的商业含义时仍困难重重,最终只停留于简单的统计游戏。有些企业即使得出了有意义的分析结果,却因部门间利益关系不同而无法整合运用,陷入令人遗憾的境地。为何会出现这种情况?从数据、分析与执行三个角度分开考察,便可找到原因。首先在数据层面,企业内部运营系统与外部客户数据之间衔接不畅,可能是问题根源。由于习惯并偏好使用内部数据,即便引入外部数据平台也难以顺畅整合。数据管理主体分散于各部门,导致全公司层面的数据可信度验证受到制约,这一点同样不可忽视。其次,在分析营销数据的过程中,商业应用目的被忽视,陷入理论化路径,导致分析模型水准及实务应用度下降。尤其依赖数据科学家个人技艺的一次性、片面分析,无法积累执行履历,在为应对人工智能(AI)及机器学习(Machine Learning)而确保分析连续性方面造成困难。在这种情况下,要推进涵盖细分营销业务领域的全公司分析标准化存在局限。最后,分析结果水准偏低、与执行衔接不佳,也是使营销数据分析变难的原因。即使使用相同数据进行分析,若各部门采用不同方法论并作出不同解读,得出的洞察便是碎片化的。如此一来,决策者只能依赖过去经验而非基于数据的分析结果,即使执行分析结果,绩效监控及后续升级衔接也会不足。那么,为防止或解决这种状况应当怎么做?结合S-Core co.,Ltd(S-Core)开展的多个营销战略咨询项目经验,建议构建专家组织(Center of Excellence),以实现营销数据的整合运用、强化基于分析的执行以及系统化的分析运营。构建专家组织需要一定步骤。首先应确立数据收集与管理体系。需要获取涵盖企业内外的所有类型数据,并制定整合与营销相关数据的方案。其次,应开展能够得出客户视角洞察的分析。不是罗列一维事实,而应在全公司层面制定客户分析战略,并从简单报表扩展到实时感知、测量乃至人工智能与机器学习等高级预测方法的运用。第三,分析之后应将结果反映到业务中加以执行。为此不仅要建立决策流程,还要监控业务结果,持续升级分析模型。最后一步,应以建成营销数据分析组织为目标,确保专业人力。初期可将外部专家外包,在传授方法论的同时培育全公司组织,这也是不错的方法。此处不可忘记的是,不能止于获得优秀人才,还须有能够持续加以协调、使其发挥能力的建言者相伴。尤其经营层必须纳入建言者群体。当他们成为一个团队,共同走完从建立营销分析体系到组织构建、稳定运行乃至升级的全过程时,才能持续挖掘出能推动企业业务成长的宝石般的营销洞察。

阅读韩文原文