百度营销盛典:大数据VS品牌

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:  2013年百度Moments营销盛典上,整合营销之父唐•舒尔茨来到中国,他再次和业界同行分享了这一年他对于营销行业所观察到的变化。会后唐•舒尔茨和WPP大中华区董事长TB宋秩铭也接受了记者的专访,中美两位大师的深度谈话,向我们透露出2013年大数据营销领域的一些新趋势。

 2013年百度Moments营销盛典上,整合营销之父唐•舒尔茨来到中国,他再次和业界同行分享了这一年他对于营销行业所观察到的变化。会后唐•舒尔茨和WPP大中华区董事长TB宋秩铭也接受了记者的专访,中美两位大师的深度谈话,向我们透露出2013年大数据营销领域的一些新趋势。

  记者: TB(宋秩铭)了解业界很多的论坛,最近一年您感受到关于数字营销最突出的一个变化是什么?

TB宋秩铭:我觉得有三个比较明显的趋势:第一,比较大的改变应该是电商变的越来越普遍化,这不只是指专门做电商的,而是指一般的厂商。第二,绩效营销(Performance Marketing)越来越重要,Performance Marketing如何跟实际的销售有关,当然这也跟电商的发展有关。第三,目前整个行业都在讨论如何从大数据中得到消费者洞察,如何将大数据使用到客户上,如何拿到大数据。

记者: 同样的问题抛给唐•舒尔茨教授,中国、美国品牌数字营销比较突出的变化是什么样的?

唐•舒尔茨 :第一,用户获取信息的发生变化,以前,企业掌握信息优势和主动权,消费者被动接收。而现在,消费者可以随时随地,自主地获取信息,企业和消费者现在拥有的信息一样多。搜索成为主流的信息获取工具,帮助人们便捷地获取信息,也将品牌与消费者连接在一起。

第二,现在信息的数量爆炸式的增长,媒体的形式多种多样, 这种信息和数据的大量增长,在全世界都出现同样的趋势和势头,任何国家都一样,只不过不同的国家在不同的层次、在信息供应量上和获得的信息上有所差异而已。过去这些营销人员并没有这样的复杂数据,但现在面临这样多的数据他们不知道如何做。如何有效地分析和管理数据,并由此来研究消费者的行为特征,成为非常重要的问题。

第三、消费者的使用设备从PC端转向移动端,全球范围内,手机访问占所有在线活动的1/3。在中国,移动搜索在18个月内增加了232%,而PC搜索仅占48%。品牌如何通过移动端的渠道去与消费者进行沟通,成为未来最重要的课题。

第四、人们的消费需求倾向于通过一站式购物来解决。在互联网时代,消费者行为极其活跃,他们的购物需求往往需要有极其便捷的通道来满足。企业应该考虑的问题是,消费者需要什么样的商品,你如何更方便地满足他,而不是你想要卖什么样的商品给他。

第五、消费者对于品牌的意识和偏好度下降,消费者会基于商品和并非基于品牌去做选择。以美国某强势的运动品牌为例,过去10年间,其品牌偏好度人群平均下降1.68%,专卖店和商场品牌偏好度人群下降0.98%,无偏好群体增长1.38%。

第六、了解消费者的收入至关重要,关键就是要能管理消费者的收入流。企业必须深度了解消费者的购买水平和诉求,按照消费能力、服务成本、购买周期等维度进行划分,只有做到对消费者信息的了如指掌,才能更加有效的开展品牌营销。

记者:据你们观察,中国和美国之间数字营销上的差异化趋势是什么?

唐•舒尔茨 :在数字营销方面中国确实在很多方面都大大超过美国,比如说双十一这一天交易额度达到57亿美元,它比美国黑色星期五一天的销售额多3倍。中国有很多人用移动设备,比如手机来获得数据,但美国人用手机主要是打电话。现在手机这些移动设备已经变成了信息获取的重要渠道。

记者:TB您最了解中国市场的表现,您认为在中美、中欧这些国家之间,数字化传播的差异是什么?

TB宋秩铭:差异不大,电商跟移动这两块的发展在未来是很多见的,新的技术会不断的进来。

记者:大数据营销在所有CMO认为是特别重要的技术,在未来什么样的媒体会有大数据的优势?

TB宋秩铭: 大数据的优势不是说它大,而是分析能力,重点在这儿。当然从媒体分析的角度跟从客户、跟代理商分析的角度会不一样。我倒不觉得这是一个竞争的关系,当然难免会有竞争,比如我们在国外跟Google的竞争,在这里跟百度,某种程度是竞争,但这个竞争应该是合作的竞争。百度在大数据上有天然的优势,基于搜索产生的行为数据对于企业来说非常重要。

记者:营销过程中品牌的认知度在下降,这种情况下消费者对于品牌的需求量更重要的是品牌需要把握用户的需求,而不是让用户根据品牌的需求来走,这个时候品牌应该怎么来做?

唐•舒尔茨:这也是我们的一个努力方向。在过去树立品牌的方式主要依靠大众媒体树立品牌,当今社会尤其很多年轻人,尤其受年轻人主宰的大环境下,依靠大众媒体树立品牌的方式不再受用。现在分析如何建立小的品牌、如何建立区域品牌、如何建立国家品牌,而不是一下子建立国际的大品牌,这是规模化效应,就像中国的经济一样。品牌最重要的是了解消费者的需求,这才是关键。

记者:对于品牌的建设,您觉得大数据会有什么样的帮助?

唐•舒尔茨 :现在还缺乏通过大数据建立品牌的经验,还在摸索阶段。树立品牌而言,传统意义上很多公司依靠大众媒体树立他的品牌,比如通过电视进一步的宣传。现在有了大数据,我们也知道要使用大数据,树立品牌的方式就跟传统媒体有不同之处。现在我们必须要做的是进一步重新编写品牌建设的制度,开发一种全新的建设理念。

因为,我们确实可以通过大的数据树立品牌,比如说Google和百度就是很好的范例,他们不是像过去那样依靠传统的媒体进行树立品牌,而是用全新的媒体方式,通过一系列数据的挖掘,为品牌提供消费者和市场洞察,改变品牌的策略。比如,百度与宝洁旗下一系列品牌的合作,比如百度帮助博朗找到在中国和在海外市场的差异化定位,及时调整产品和市场策略的案例就是很好的例证。新兴时代的品牌建立方式和依靠传统媒体的建立方式肯定是有什么不同的。

TB宋秩铭:今天舒尔茨教授也提到行为数据的概念。我们需要通过大数据研究消费者的行为。企业与消费者的关系是什么,消费者洞察是什么,这个洞察如何用在产品的开发、渠道的建设、品牌的建立上。

记者:怎么看待“品牌数字资产”的概念,这是百度刚刚提出来的?

唐•舒尔茨 :消费者的品牌偏好在不断减弱,而宣称“没有品牌偏好”的消费者数量在持续增长。品牌正面临极大的困难。在互动化的市场中,品牌经营者必须反思和重构品牌营销的理论和策略。品牌数字资产榜,回到以消费者需求为中心的营销方法论上来,以消费者需求和行为路径为依据,可以说是探寻数字时代重构品牌的一次有益尝试。

当然,这只是一个开始,而且我们建立这样一个品牌数字资产应该是有多种元素功能组合的,我们需要进一步了解品牌建立制度,我们要以消费者为开端,而不是以营销者为开端,需要进一步了解消费者的趋向。现在我们面临最大的挑战,需要花费很长的时间才可以建立一个品牌,不是几天就可以建立,很多公司非常着急希望“短平快”建立一个品牌,但这并不是解决之道,有的公司经常说我想建立一个国际品牌,希望下个月就可以树立起来,通常不是这样,一般品牌的树立需要三五年,有的时间会更长。今天在MOMENTS营销盛典上看到很多品牌建立之路,他们花了很多年的时间才建立起来,品牌不像其他的产品可以很快获得回报,品牌是一个比较耗时的过程。对于品牌树立的意义,建立长期的关系,使消费者年复一年、日复一日的来购买我们的品牌。

现在在中国面临一个问题,中国人非常急于建立品牌,但我们必须要了解一个事实,品牌必须要花很多年来不断培养的。

TB宋秩铭:品牌数字资产的提出,意在攻破一个课题,就是在数字媒体生态中,探析消费者到底如何接触、消化、认知和看待品牌。它提出了一个互联网“外脑”概念,形象的描绘出消费者决策方式与以往的不同,因为消费者有意或无意都会受到当前活跃“外脑”的影响。那么,如何让品牌的精髓活跃在外脑并潜移默化?哪些有效指标可以指引品牌积累数字资产?对于企业来说至关重要。

记者:我们想象一下,在数字时代应该怎样去量化和评估一个品牌的影响力?

唐•舒尔茨 :如果要进一步了解客户的价值,消费者的价值,就把它进一步细分,看消费者所拥有的价值有那些贡献因素,品牌的价值主要源于消费者而不是源于营销者,品牌的价值是让消费者所知,而不是营销者如何进行推销。所以对于客户来说,最终是客户手里会有钱来购买我们的产品,这是一个衡量的因素。

现在这些营销者和广告商主要面临两个重要问题,第一个问题是如何将各种媒体整合到一起,第二个问题就是如何来进一步衡量媒体传播的效果,现在没有任何的营销商能解决这两个问题,所以说我们现在需要一种合力,比如说对于数字传播来说,我们有线下,有多种形式。重要是怎么把多种形式整合在一起,而不是单个来看,现在的营销人员还没有解决这个问题。

TB宋秩铭:在如今碎片化的数字媒体环境里,由于数字化媒体让消费者能够更便捷的接触到品牌,传播环境亦或是手法,都变得愈发复杂。此时,广告主就急需一套适应当今时代的品牌资产量化方法,品牌数字资产的诞生正是为了解决这一难题,是一个很好的探索。

记者:百度跟其他的媒体平台有一个什么样的差异化的价值?是否可以帮助企业建设品牌?

TB宋秩铭:百度是一个大数据平台,我们在寻求大数据,百度在大数据上采取更加的开放方式,所以会很紧密的跟百度合作。在这些大数据支持下,我们挖掘碎片行为,并用好的创意传播出去,分析其对消费者产生的影响力,再洞察,就能形成良性的数字媒体生态圈。

唐•舒尔茨 :百度是以客户为出发点,不断的吸引客户,了解客户的需求,不断跟踪客户的需求,最后跟踪整个购买的过程,这是百度的特点。其他的媒体平台可能会是不断的推着消费者来做这件事,做我希望他做的事情,就想一个漏斗一样推动消费者,按照他的整个平台的步骤进行下去。而百度有一种行为数据,这种行为数据可以区分各个群体的消费者,通过行为来进一步了解消费者。

同时,百度平台作为SIVA理论最完整的体现,即用户寻找信息解决方案的一系列过程,在消费需求发生变化的每一个时刻,能够提供相应的产品和解决方案,帮助品牌与消费者建立有效的沟通。这也意味着,百度已经成为数字时代极其重要的品牌建设平台。

摘自:techweb

【补充知识点】

SIVA理论概述:舒尔茨认为传统的4P营销理论应该被新的SIVA理念代替,即“解决方案(solutions)、信息(information)、价值(value)和途径(access)”,营销人员不再主导一切,权力移交转移到消费者手上,客户或潜在客户成了发送信息的人,而不是索取信息的人,组织变成了接收者与呼应者。

  1.解决方案(solution):我如何解决自己的问题?

  2.信息(information):我可以通过什么方式来了解更多信息?

  3.价值(value):我需要牺牲什么来解决这个问题?

  4.途径(auess):在什么地方可以得到解决方案?

  消费者在表达需求,不断寻找、修正并最终确定自己的解决方案的过程,实际上就是在S-I-V-A构成的网络路径中不断的调整方向、选择新路径并最终找到入口(A)的过程。消费者在这个历程中的每一次驻足和跳转,都是营销者和消费者建立品牌沟通的机会;营销者需要利用和把握好每一次个性化(One by One)的品牌对话机会,为消费者提供实时(Real-time)信息支持,帮助消费者缩短决策路径,快速到达入口。SIVA模型的重点在于以消费者为核心,以搜索引擎的广泛使用为驱动力,品牌扮演的角色是为消费者找到答案。当SIVA理论与搜索平台结合,便能为消费者提供实时的解决方案。信息在不断更新,以消费者希望的方式出现,同时消费者还可以参与进来,去评估、修改问题,以至重新搜索。简言之,SIVA理论可以在搜索平台上得到完整体现。


原文发布时间为:2013-12-09


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
7月前
|
人工智能 数据挖掘 5G
品牌换新如何获得新增长?好来借助数字化营销再次提升购买力
品牌换新如何获得新增长?好来借助数字化营销再次提升购买力
zdl
|
1月前
|
消息中间件 运维 大数据
大数据实时计算产品的对比测评:实时计算Flink版 VS 自建Flink集群
本文介绍了实时计算Flink版与自建Flink集群的对比,涵盖部署成本、性能表现、易用性和企业级能力等方面。实时计算Flink版作为全托管服务,显著降低了运维成本,提供了强大的集成能力和弹性扩展,特别适合中小型团队和业务波动大的场景。文中还提出了改进建议,并探讨了与其他产品的联动可能性。总结指出,实时计算Flink版在简化运维、降低成本和提升易用性方面表现出色,是大数据实时计算的优选方案。
zdl
156 56
|
4月前
|
分布式计算 资源调度 大数据
【决战大数据之巅】:Spark Standalone VS YARN —— 揭秘两大部署模式的恩怨情仇与终极对决!
【8月更文挑战第7天】随着大数据需求的增长,Apache Spark 成为关键框架。本文对比了常见的 Spark Standalone 与 YARN 部署模式。Standalone 作为自带的轻量级集群管理服务,易于设置,适用于小规模或独立部署;而 YARN 作为 Hadoop 的资源管理系统,支持资源的统一管理和调度,更适合大规模生产环境及多框架集成。我们将通过示例代码展示如何在这两种模式下运行 Spark 应用程序。
274 3
|
5月前
|
人工智能 算法 数据可视化
|
1月前
|
边缘计算 人工智能 搜索推荐
大数据与零售业:精准营销的实践
【10月更文挑战第31天】在信息化社会,大数据技术正成为推动零售业革新的重要驱动力。本文探讨了大数据在零售业中的应用,包括客户细分、个性化推荐、动态定价、营销自动化、预测性分析、忠诚度管理和社交网络洞察等方面,通过实际案例展示了大数据如何帮助商家洞悉消费者行为,优化决策,实现精准营销。同时,文章也讨论了大数据面临的挑战和未来展望。
|
4月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
1444 3
|
4月前
|
人工智能 分布式计算 架构师
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
大数据及AI典型场景实践问题之基于MaxCompute构建Noxmobi全球化精准营销系统如何解决
|
4月前
|
分布式计算 并行计算 大数据
【数据挖掘】百度2015大数据云计算研发笔试卷
百度2015年大数据云计算研发笔试卷的题目总结,涵盖了Hadoop、Spark、MPI计算框架特点、TCP连接建立过程、数组最大和问题、二分查找实现以及灯泡开关问题,提供了部分题目的解析和伪代码。
56 1
|
6月前
|
机器学习/深度学习 分布式计算 搜索推荐
运用大数据分析提升返利App的市场营销效果
运用大数据分析提升返利App的市场营销效果
|
7月前
|
人工智能 搜索推荐 大数据
如何利用大数据进行智能化营销?
【5月更文挑战第14天】如何利用大数据进行智能化营销?
98 0