行銷分析效益何在? 品牌如何解鎖其潛能?

分享在 linkedin
分享在 facebook
分享在 twitter
分享在 email
行銷分析效益何在? 品牌如何解鎖其潛能?

訂閱OOSGA洞見與研究

Gartner針對CMO所做的調查指出,行銷分析於總體行銷預算的占比從2015年的6.7%成長至2020年的16%,而行銷科技解決方案的數量更是從2015年的1876家成長至超過八千家。如此高速成長的背後有很大一部分的動因是許多不同技術的成熟,以及越來越多的顧客以線上媒介與品牌互動時產生的龐大數據的增長。 但最為重要的還是行銷分析( Marketing Analytics )技術本身所能為企業帶來的實際效益。 

麥肯錫評估了400個來自不同產業以及不同地區的公司於行銷分析上的效益性後發現,行銷分析的應用能使業者減少15~20%的不必要行銷支出,而於哈佛商業評論所發佈的調查更是發現行銷分析的應用領域的數量對於企業獲利性有間接的相關性。在我們與客戶的服務案例中,同樣的也能明顯的看出數據驅動的行銷所能為品牌帶來的龐大效益。

然而,即便行銷分析的潛力承諾了許多發展,同時各個領域的業者也積極的投資,但2020年的一次CMO調查卻發現,從2012年到2020年,行銷主管對於行銷分析所產生到效益卻沒有明顯的增幅。 ( 此調查每年都會做兩次,讓行銷主管用 1分~7分來評估行銷分析所帶來的效益, 然而2020年的成績卻與2012年同樣為3.9分)

其實如此成績的背後因素有幾個,第一個是技術與能力的缺乏,畢竟分析往往是個雙面刃,對於缺乏相應技術與能力的團隊,在應用其時,不僅無法精準的砍到痛點,有時可能還會斬到自己的手而斷了臂。在市場中,找不到商業方向、對數據的收集不全面甚至是偏差、對數據建立了錯誤的理解、或是分析沒有很好的轉變成策略等等,都是非常普遍的問題。

我們於數位人才的這一篇文章中層探討過,能夠在數位行銷領域上做研究與分析的人才是企業最為迫切需要的,更是有著高達61%的受訪主管表示將會擴增這方面的人員。 然而人才市場往往是個零和遊戲,佔有市場領導地位的品牌在取得更多分析人才的同時,也逐漸地與大部分的品牌拉開了距離。 

第二個原因是IT基礎建設與數據管理模式,許多品牌用著多項工具去執行不同層面的業務,譬如客戶關係管理層面上使用Marketo, Salesforce, 抑或是Hubspot、而網頁行為的追蹤則是Google Analytics, VWO, 以及HotJar、而在社群媒體行銷又根據不同的平台有著多種專門的工具,而倘若數據未被整合,那麼分析人員將無法在這分散的數據上做具價值的分析。

第三個原因則是行銷分析的應用沒有支撐企業策略,行銷分析的應用理當是要圍繞著策略發展,並應用在不同的價值點上去支撐策略的前進。然而在許多企業中,團隊時常以一個類比的方法執行行銷分析,也就是通過觀察其他品牌的應用,來套入進自己的組織當中,而忽略了兩者本身的差別以及自身策略的發展。

企業該如何突破重重困難,解鎖行銷分析的潛能?

若要有效解決我們前面所提的那三大限制行銷分析潛能的要素,我們認為業者可以重新思考幾個層面的運營模式,以及決策方向。 

重新思考數據

行銷分析建立於數據,然而這數據卻時常讓業者頭痛,有些時候太多、有些時候太少、有些時候太雜、而有些時候數據還會騙人。 其中,數據太多聽起來像是好事,然而據研究,卻有高達34%的行銷專家表示資料的龐大是他們於分析上所遇到的最大挑戰之一。

前面有提到,數據管理模式是限制行銷分析潛能的主要因素之一,若要能夠打破這道高牆,團隊有幾個方向可以去思考 – 首先是將不同源頭的數據轉移至一個能夠中央管理的雲端系統 ( 譬如Azure, GCP, 抑或是AWS ),並在上面打造一個行銷數據的倉庫。 當團隊能夠整合所有來自PPC廣告、社群媒體平台、Google Analytics、CRM、以及訂單等等其他數據後,團隊即能通過各種分析方法以更深度的理解顧客旅程。

再者,在管理不同工具時,應盡可能地避開會創造數據孤島的SaaS工具,讓前面所提的中央數據管理平台,能夠以模組化的方式管理不同渠道的平台,譬如在GCP上,團隊就能透過BigQuery將同一個生態系的平台數據抓進雲端中,而其他種SaaS工具則可以透過API媒介導入。之後再通過平台上所提供的工具譬如DataPrep清理資料,並在導入DataLab做各式各樣的假設與分析。 而其他工具像是Tableau也能結合不同渠道的數據,並且通過Prep來清理以做各種視覺化的分析,而隨著工具的進步,現在也能結合Python,將其背後龐大的資料科學運用帶入Tableau的運算當中

重新思考分析方法

在開始執行任何分析之前,團隊應該先清楚策略的發展方向為何,並建立於這層理解去規劃分析的方向,最後在循序漸進的一步一步擴大分析的規模。 

在最初期間,我們觀察到許多品牌往往將餅畫得太大,而導致了分析能力的擴散,而如此作法更可能導致不同分析的結果互相衝突,最終導入了這些行銷分析人才與技術不僅沒有創造價值,可能更是會破壞以往的效益。 

我們的觀察發現,最為有效的方式是先從能夠快速創造價值 (產生正面收益) 的環節點開始,逐步建立管理階層與整個團隊對於行銷分析投資的信心,最後再一步步的規模化,也就是開始從那些創造最多價值的環節點上前後發展。 定義出為企業帶來最大短中長期獲益的顧客旅程,並通過分析手段降低消費者的流失度、定義出痛點、提高體驗等等。

而隨著企業朝著更為分析驅動的方向發展,我們建議這時候才開始規劃更為宏觀的方法,例如計算不同節點的MROI,甚至是建立一個機器學習驅動的歸屬分析 (Attribution Modeling) 以更好的評估平台與渠道的投資效益等等。

Author: Masa Chen

Masa Chen為台北辦公室的資深合夥人,主要業務範疇為協助先進亞洲之企業轉型。