本文内容节选自由msup主办的第七届TOP100summit，个推大数据产品咨询总监沈都分享的《服务快消品牌的数字营销解决方案》实录。
分享者沈都具备丰富的互联网研发和营销策划经验，善于通过数据分析发现企业服务环节中的更多营销价值点，曾负责长城汽车、高露洁、欧莱雅等多个项目的数字营销工作，在数据，分析挖掘和应用上有丰富的实战经验。
编者按：2018年11月30日-12月3日，第七届全球软件案例研究峰会在北京国家会议中心盛大开幕，现场解读2018年「壹佰案例榜单」。本文为个推大数据产品咨询总监沈都老师分享的《服务快消品牌的数字营销解决方案》案例实录。
众所周知，广告分为两大分支，即效果广告和品牌广告。效果广告在移动端领域非常普遍，例如，你看到一条消息刺激你去安装下载一个APP，或是留下信息注册，这就是效果类广告。
品牌广告是指大家在传统媒体上看到各种各样的广告信息，不管是请人代言还是户外海报这都属于品牌广告。与效果广告最大的不同是，它并不是追求在一次广告投放中产生立竿见影的效果，而是在一个长期与消费者沟通过程中，让品牌形象深入心里。品牌广告中根据品类不同，还可以分成更细致的观点，例如，耐用品、奢侈品、快消品。
耐用品，一般品牌商常用的方式是宣传它的功能性、可靠性、耐用性。奢侈品则完全不同，奢侈品有自己的一种品牌理念、质感，这体现了奢侈品消费者的身份特征。快消品是覆盖更大的品类，消费者对于快消品的理念也会随着各种各样的因素而变化。
快消品市场竞争激烈，消费者见异思迁
对于快消品来说，它受影响的因素非常多，我们先从品牌因素来讲：
品牌本身是一个消费和决策的因素，比如，耐克、宝马这种品牌因素非常深入人心。但是快消品的活动非常多，我们常说：“广告打得再有情怀还不如双11半价。”这是活动因素。另外就是环境因素，现在一些快消品在电视剧/综艺上做赞助，有些人会冲动购买，这时，它的目的就已经达到了。最后是购买心理，比如咖啡，你看到身边人在喝，你作为消费者也会想要尝试一下。
快消品的消费者特点：
1、购买习惯因人而异。
2、消费者购买快消品是相对感性的产品。现在一些网红、博主带货，如果你对他有好感，很容易会被其影响。
3、快消品价值不高，所以，导致消费者的忠诚度并不高。
品牌营销面临的问题
快消品的这些影响因素会影响品牌在很长时间内的表现，所以，我们该如何帮助品牌者更好的了解消费者？这个才是品牌主关心的事情。要做品牌广告，就一定要走心，让品牌形象深入人心。因此，想要了解消费者，传统的方式是问卷或者访谈，挑出一小部分用户代表整个群体，通过他们的沟通交流挖掘出内心动机。但是，这相对有三个弊端。
第一个，调研成本相对比较高。有效问卷需要很大的量，可能需要几千份甚至上万份问卷，这时问卷筛选率非常高，一个产品就要做一轮调查，时间线会非常长。
第二个，我们现在做一些访谈的时候，需要从消费者口中获得一些声称的消息，但其实这些消息并非他们的真实想法。
第三个，我们在选一些媒体去做触达时，因为前期是抽样调研，所以，在投放的时候，量本的用户不能覆盖整个群体的特征。
面对这些弊端，我们能否用一些数字化的方式去解决呢？
虽然，大数据强调的是全量，但广告一定是品牌和效果分开的，传统广告是通过一轮一轮的品牌印象，在一些关键时点做大型促销，在数字化领域，我们同样要遵循这样的规则，而并非在有了一些数据化的工具之后，把品牌广告做成效果广告，这是很多品牌主在一开始接触时产生的误区。
上图是我们经常跟品牌主做的营销节奏。对于一个品牌来说，营销时点是分开的，在平日的一些时间段，它要做的是找到相应人群做一些相应内容的传递，以此达到品牌印象的建立。在一个大促的时间点做临门一脚的事，关系就像蓄水池，平时品牌印象就是蓄水池，而大促相当于一个开关。
我们如何帮助品牌广告主做数据化的营销工作？
每一个人都是数字时代的网民，不管我们去消费、娱乐、通行、订单等所有行为都要通过手机。平均每个人手机上主动下载安装的APP有33个。所以，有了这样一个移动端的基础后，我们才可以说打造以人为单位的移动营销工具。
上图可以这样理解，通过大数据可以解读消费者在移动端的行为偏好，由此便充分了解消费者，最终通过“人”推导营销策略。
这个时代不缺数据。一个品牌在各个领域都有它的数据，比如，电商平台中会有大量CRM的信息、订单信息、消费者信息、消费者购买时间、购买金额等数据。另外，线上各媒体投放的时候，也会留下大量消费者数据，比如，哪些消费者在什么地方看过广告，有没有点击，以及对某些广告的敏感度等。但这里有个很大的问题，在不同的场景里，数据的沉淀方式是不同的，因此数据无法被打通。
那么，我们如何知道消费者既购物又去了线下门店，并且还看到了广告呢？
现在，BAT有非常强大的账号体系，所有的APP、网站都用微信/淘宝账号登录，我就可以知道同一个人分别在哪些地方出现。而我们的方式是ID打通，我们把这些数据做匹配，打通以设备为单位/近似于以人为单位的ID，标上我们自己的标签体系。
数据的匹配打通，其实是一个相对底层的工作，这个工作广告主看不到。既然我们是为广告主提供洞察研究的产品，那我们更多是要做可视化方面的内容，让洞察结果变得更加显而易见。
上图是某一款产品在旗舰店销售的状况，大家可以看到，57%的订单都是在“6.18”期间完成的，这是一个非常典型的大众快消品的消费方式。它的所有消费不是均匀分布，而是在某一个爆点突然完成，这个爆点落在“618”、“双11”期间。所以导致基本上一年购物两次，两次解决一年的销量。
大家会有个刻板印象，我的产品到底吸引什么样的消费者？是那些对价格异常敏感的人吗？如果你是以这个切入为主的思维，那么这是对后续用户研究的一个误区。我们再进一步来看，用统计学聚类的算法，提取大促期间消费的人群的特征，大家可以看到，通过这种标签去聚类之后，有5个特征显著的人群。
第一种是白领。刚刚进入职场不久，非常勤奋，一心扑在工作上，想要获得工作上的成功，这群人的特点是什么？经常加班；经常开展各种的自我学习的活动；工作压力大，因此他们更加关注健康问诊类APP。
第二种是品质生活追求者。这群人年龄相对较大，他们会有休闲放松的活动，并且会去一些护理的场所。
第三种是精明购物者。我们现在所说的消费升级，大家都想用更优质的产品，但却不想花费太多的钱。这个群体会变得越来越普遍。
第四种是宅男宅女。这群人大部分都是单身、二次元，但是比较容易满足。
第五种是学生党。学生群体相对来说比较清闲，他们经常有一些丰富的社交行为，不管是线下大学之间的相互串门还是线上各种社交行为，我们称这是荷尔蒙爆棚的地方。针对这群人，我们要传达一种青春活力的品牌理念。
在品牌广告领域可以分为两大类，第一大类，相对窄众的消费品，在国内市场，有很小一部分群体贡献很大的销量，一般以高端商品为主。做这种品牌营销，是没有必要做大面积/大媒体的推广，因为大部分人即使看到了广告也不会购买。所以，我们要找到高能度、高净值的人群做推广，并且保持长期有效的影响。第二大类，大众消费品，也就是我们今天探讨的快消品，这类产品其实任何人都能买得起，但是为什么要选择你家的产品呢？因此，我们要针对不同的群体，灌输不同的品牌理念，让消费者认为你的产品是符合当下需求的。
开发可视化用户分析界面
用户除了在线上表现的有特征之外，很多时候是在线下。比如，我们去机场时，因为机场相对高净值且人群聚集，所以我们会经常会看见一些比较高端的广告。但是，城市人群复杂，我们无法找到相对应的消费者做用户研究分析，所以，在这个条件下，我们又做出一款做线下人群分析的工具，下面我们来看两个案例。
案例一：
上图叫做红蓝海。两年前，个推给国内某款知名共享单车做线下位置分析，当时有一个很大的挑战，即单车距离的远近决定用户是否骑行。我们将可能使用单车的人群挑出来，再做一个大盘，然后统计有多少比例的人安装了该品牌的共享单车APP，最后我们把它画成图，中间设置了一个阈值，数值超过就会变为红色。红色即表示，在这个区域内竞争非常激烈；而蓝色表示，这个区域的投放车辆浓度较低，但这个区域的潜在用户分布很多，所以，该品牌应该在此区域增加投车数量。
案例二：
上面这四个小图，是我们做给微软surface的。左边第一张图是在北京地区做了一个样本分析。第二张图，将相对高消费的人群挑出来即可看到，高消费人群主要分布在北京的西北角和东边，也就是中关村和国贸一带。第三张图，是surface北京典型用户的分布，这里包括了学生和IT互联网产业的从业者。第四张图，是苹果的分布。第三张图和第四张图有很大的差别，surface和Mac不是直接的对包，所以，做一些活动和宣传的时候，我们更倾向于surface人群，因为surface更多的被IT互联网从业者使用。
如上图所示，从上到下每一条线代表一台手机随着时间充电的状况，最右边的时间是从晚到早。每一条垂直的线都由千万条线相组成。红色表示手机正在耗电，正常使用耗电叫Active，绿色表示充电，蓝色表示电量相对平衡，已经达到或接近了100%。我们可以看到，红色和绿色或绿色和蓝色交界处画一条线。上图在个推内部叫做睡眠图，它代表不同的人群睡眠状况是不同的。
从传统投放到精细化投放
传统的触达方式，是以媒体和内容为向导。以汽车媒体为例，它的特点是把整个媒体/内容包下来，主动去上汽车媒体的用户一定是想要看车或买车。但这种方式有3个弊端：价格贵、曝光率低、竞争激烈。
触达“TA”而不是媒体—贯穿全天的数字生活
现在，程序化中的主流方式是DSP，它是一个平台，负责对接各种各样的媒体。当一个用户打开某个APP的一瞬间，如果是开屏广告，几毫秒便会将请求显示到设备ID，随后发送到我们的系统，系统会判断设备ID是否适合投放。如果适合，系统回答yes并发送给用户，如果不适合，系统回答no并被另外广告填充。
这种方式是以第三方数据服务角色介入广告曝光流程。对于品牌主来说，数据不会全部上传到媒体，因为我们给客户建立私有云，数据储存在客户私有云，用的时候才会查询，被查询时才会上传，这对用户数据也是一种保护。
自助式媒体表现分析
投放后做媒体分析非常重要，因为在一次投后过程中的媒体表现、媒体相关流量/质量涉及到品牌的展示效果。
我们来看一个例子，在一次投放当中，我们挑了一群人，一半男性一半女性。投放之后，我们发现点击人群中有60%是男性，那能否得出结论说男性更愿意点击？不能，这里忽略了一个因素，曝光人群。
上图是我们给品牌广告主做的一套系统，前面所说的内容都是基于这套系统所做的案例。从最基础的数据仓库来看，我们不仅对接了品牌主自己的数据，还对接了品牌主合作方的数据，大部分的数据串联起来存在数据仓库中，用我们的方式打上标签，在这基础之上，还要做分析和洞察。
最直接的方式是做媒体投放对接，像阿里和腾讯，他们都有直接API接口，我们的人群可以直接传到广点通，和内部对接后再投放。
媒体监测和反欺诈，这是数据的循环。这对于品牌主来说不单单是搭了一个壳，品牌主的使用次数不断流转，流转越多，数据就越丰富。
案例启示
•数据是品牌主最重要的资产之一。现在越来越多的品牌主在往数据化的方向前行。国内外的快消品牌，他们对于数据的概念愈加清晰。
•工具只是辅助，营销追求本质。营销方法永远不会过时。数据、工具让营销环节更有效率，能覆盖传统方式的盲点，这是数据工具带给营销的意义。
•数据类产品要结合实际业务开发，不能闭门造车。在面对不同客户时，要结合实际情况，开发不同的工具。
以上内容来自沈都老师的分享。
