CIO与CMO推动数据驱动的营销战略

简介:

数字化结束了IT和市场营销的“创意”之间的传统分歧。如今,如果一个公司的市场营销策略要想起作用,那它背后最好有软件的支持- 从客户关系管理到预测分析——以及强大的CIO / CMO联盟。

近日,在威斯康星州的麦迪逊举行的Fusion 2014 CEO-CIO Symposium上,IT和市场部的高管们解构了那些有助于IT和市场部门相互合作的态度,流程和技巧。首先, IT部门不能再认为他们能够垄断数据驱动的结果。 其次,市场部门需要开始相信IT可以像他们已经依赖已久的外部供应商一样做出快速,有效的反应。

在本文中,American Family Insurance公司的信息系统副总裁Greg Pfluger;Duluth贸易公司的技术总监Tim Balliet;EMC Corp.公司Hopkinton企业市场部的高级副总裁Jonathan Martin, 将就打造一个强大的CIO / CMO联盟提出他们的建议。

问:什么造成了IT和市场部门之间的隔阂?

Greg Pfluger:如果你和你部门的IT员工交谈,他们通常会说, “我们和市场部的同事完全不同。 ” IT把自己看作]以数据和流程为基准,注重实际的一个部门。 IT认为市场部是“创造型的”,这也说明他们缺乏对于市场部最基本的认识。实际上,市场部的一些员工是公司雇用的最看重数据的员工,甚至比财务部的员工更注重数据。有如下原因。

首先,市场部,在过去的很长一段时间里,根据它自己的数据库来进行分析,而数据通常来源于外部。很多时候,市场部的员工都在努力寻找新的客户,所以你所提供的数据和所支持的系统无法帮到他们,他们从其他渠道来获取数据。

其次,市场部比IT部更早开始外部采购。看过Mad Men吗?这部美剧讲什么呢?他们为了获得外部媒体采购,免费提供创意服务。这就是广告一直以来存在的模式。所以市场部门自然认为任何事情都可以外包,不管是数据分析还是媒体采购。他们和具有丰富专业知识的人进行合作,他们更倾向于那些供应商,而不是企业内部的IT部门。

问:为了建立一个CIO / CMO联盟,需要做出哪些改变?

Pfluger:在American Family......我们通常经历这样一个循环,市场部按自己的方向前进,并不和IT进行合作 [至少一开始的时候] 。这也是我试图改变的事情之一。很多时候,市场部并不认为他们需要我们,因为他们进行的并不是一个大型整合化项目,而更像是管理我们的Facebook或Twitter的页面。

但是无可避免地,整合是必要的,因为,首先,市场的作用是转换为销售,所以[那些数据]总是要移动到网站上或我们的代理系统上。但是市场员工还会遇到无数其他的问题 - 数据安全,供应商管理,可用性管理。因此,要么市场部门自己建立某个系统,或者寻找外部供应商来建立,然后就会发生一个循环,当他们遇到某些障碍时,他们就需要找到IT部门 。这是我们需要改变的,让市场部门在一开始就让我们参与其中,这样我们就可以提供更好的IT服务。

Jonathan Martin:在EMC,我有一个伟大的CIO ,Vic Bhagat。两年前,我记得我们的谈话,从他的角度来看的话,我是一个用户。但我不希望只是一个用户。如果我只是一个用户,IT部门只是一个供应商,那我可以更容易地通过其他供应商获得他们所提供的服务。而我更想要的是一个业务伙伴。

我们在两年前建立了一个新的职能团队, 称为市场技术。这一 小团队在IT上有侧重点:它重点关注VC 风险投资机构,了解他们正在投资哪里和投资的技术类型,但这一团队也同时理解我们市场部的工作。 他们的主要任务是提供如何使用新技术来解决业务挑战的创意。

问:CIO们应该如何着手去建立一个IT /市场的合作关系?

Pfluger:首先, 必须了解市场部门真正想要实现的目标。 我给你举个例子。在American Family,在我加入了公司不久后,我了解到市场部有兴趣购买一些线索类管理软件,最有可能的是一种基于云的软件,以获得货币化的线索和跟踪某些线索来源的效果。

与此同时,我负责的事情之一是开始投入CRM软件,其中应该包括线索管理工具 。于是我开始和市场部的同事进行讨论,我说, “我们有几个不同的选择:要么我想出方案把你想要的线索管理软件和[新的]CRM软件相整合,或者几年后,我们将替换你的解决方案,但是归根结底我必须明白你想要达成的目标。”

我意识到,当我们谈到客户资料管理,或者IT到底能做些什么的时候,他们并不了解某些CRM软件的功能。因此,我们进一步就我们能够提供的,超越第三方线索管理软件的功能进行讨论。出人意料的是,他们同意先暂缓线索管理项目,即使我们还需要一到两年才能提供该服务,因为他们意识到 在CRM解决方案中可以提供很多功能 ,而投资短期的解决方案并不明智。 但是,我们必须对于他们的目标有着深刻的理解,并且他们也必须明白我们的规划和能力。

Tim Balliet :在Duluth,我有着为小型公司工作的优势,我们的文化是这样的,我们经常沟通,我们办公室的门总是敞开着的。我无法做到的是,不能以市场部希望的那样,快速地实施解决方案。

所以,我必须改变整个IT部门的紧迫感 - 确保数据的安全,维护数据完整性,但是.....把数据存储到云中。除去了硬件和等待内部技能的时间;把所有的数据都移动到云里,我们就可以清除障碍。当我们坐下来与市场部交谈,他们有一些很不错的想法 - 其中一些非常棒 – 我们有能力在一个研发的环境下实现这一切,而且并不需要等待数周。

问:需要哪些新的IT技能,有助于把数据转化为市场营销的竞争优势?

Pfluger: “数据科学家”一词被过度使用,但它却是我们最好的术语。你需要那些对于数据有着更深入见解和能够理解盖然论的员工。在保险行业,我们经常谈论预测模型,我们也已经使用了多年。这些相同的概念不仅适用于市场流程,也适用整个销售和服务流程。 ...在IT部门,我们需要更多的员工来帮助企业用户了解为了支持[分析],系统是如何建立的,以及你建立的系统并不是完全通用的,而实际上是盖然论的。

Martin:我们建立了一个名为市场营销科学的实验室,在那里聘请了数据科学家。我们聘请了两种人:统计学家和程序建模员。我们将他们进行配对,这样就构成了数据科学家。我们开始汇集越来越多的数据,然后我们意识到,销售团队也在做同样的事情;而服务团队,他们也有数据科学家,业务部门,他们也有。我们都试图获得相同的数据。我不只是希望获得市场数据,我还想获得销售数据,服务数据,遥测数据,及其其他任何我可以获得的数据 –而其他部门也一样。和IT部门之间具有深远意义的一次会议是,当他们站起说:“我们将把商务智能作为一种服务。 ”

这一IT团队的职能有以下四项:

所有数据的整合
商务智能作为一个服务平台
一套核心分析工具的采购
数据科学家的工作职能

所有的企业都有高峰和低谷,当你需要数据科学家时,只有极少数的机构,能够提供你所需要的技能。 ... IT团队做出的决定是组成一个数据科学家的团队,处理和IT相关的信息,并可以向公司各部门,服务团队,市场团队做出快速应变。

原文发布时间为:2014年03月28日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
目录
相关文章
|
6月前
|
机器学习/深度学习 算法 数据挖掘
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-2
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
|
6月前
|
机器学习/深度学习 Python
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-4
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
|
4月前
|
人工智能 算法 数据可视化
|
27天前
|
数据采集 监控 数据可视化
数据驱动营销五步法:提升营销效果的关键指南
数据驱动营销五步法:提升营销效果的关键指南
|
2月前
|
搜索推荐 API
淘宝商品数据洞察:解锁精准营销新策略
在快速变化的商业环境中,高效的营销策略对企业至关重要。通过API获取淘宝APP的商品细节数据,企业可以精准分析产品特性、强化卖点,并制定灵活的价格策略。利用用户画像实现个性化营销,选择最佳渠道并优化内容,从而提升品牌影响力。这一方法不仅帮助企业抓住目标消费者,还能增强市场竞争力,促进长期发展。
|
3月前
|
编解码 搜索推荐 数据挖掘
巧用商品详情数据,制定精准营销策略
在当前激烈的市场竞争中,利用京东APP商品详情数据通过API接口为企业提供宝贵支持,助力打造精准营销策略。首先,深入分析商品特点明确产品定位,并突出差异化优势以吸引目标消费群体。其次,细致分析价格信息制定合理定价及促销策略。再者,借助用户数据细分市场并提供个性化推荐增强顾客忠诚度。此外,选择合适营销渠道并不断优化提升效果。最后,通过高质量内容创作和品牌建设强化品牌形象,全面提升市场竞争力。综上所述,充分利用商品详情数据能够帮助企业制定更为精准有效的营销策略,促进可持续发展。
|
4月前
|
人工智能
什么是企业全历史行为数据?为什么它是ToB大客户营销的最佳助手?
企业全历史行为数据涵盖了企业从注册运营到当下的所有可挖掘的行为数据。
|
6月前
|
机器学习/深度学习 算法 Python
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-1
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-1
|
6月前
|
机器学习/深度学习 算法 Python
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-3
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
【视频】结构方程模型SEM分析心理学营销数据路径图可视化|数据分享
【视频】结构方程模型SEM分析心理学营销数据路径图可视化|数据分享