企业数字化营销的“底盘”：营销中台和数据管理平台
传统的整合营销想要获得成功，两个因素必不可少：媒体霸屏和强势销售渠道。
为了将品牌和产品推出去，企业都会拿出成百上千万的广告营销预算砸向市场，尤其是大众消费品行业。为了保证有足够的曝光量，广告费用居高不下，广告的实际转化效果好不好，却无法保证。因为没有完整的广告链路数据做支撑，企业也很难分渠道进行效果数据统计。
对于扛着企业业绩增长大旗的营销团队来说，每一次大规模的市场投放，都像是一场“豪赌”。
时至今日，数字化营销时代已然来了，“粗放式”的广告投放方式已经成为过去时。
不论是企业老板，还是市场团队，现在都在关注广告投放的效果数据——用数据说话，成为大家的共识。
现在你应该很少再听到那句广告行业里流行的语录了：“我有一半广告费浪费了，但我不知道是哪一半”。因为在营销中台和数据平台的支持下，几乎所有的广告投放都可量化。
对于营销人来说，数字化营销方式的出现，是一个值得庆幸具有里程碑意义的事。另外一方面，让营销人难过的事是：他们对数字化营销体系的构建还一无所知，也缺少数据分析方面的经验。
相较于营销人，负责增长的运营团队，似乎对数字化营销的理解和应用更加全面且深刻。因为他们天生的对数据和框架体系十分敏感。所以，在不少企业也存在这样的情况，数字化营销体系主要是由运营团队牵头搭建的，这个营销体系包括了效果广告投放、用户画像、标签系统、个性化推送、营销工具、分渠道流量效果统计等。
不论是对于营销人，还是运营人，做数字化营销的前提是做好营销体系的搭建。数字化营销体系要满足三个特点：营销策略体系化、营销方式工具化、效果统计数据化。
数字化营销有两个“底盘”建设：
- 搭建营销中台：营销策略体系化和营销方式工具化，可以通过搭建营销中台来实现。
- 打造数据管理平台：效果统计数据化，则需要建立数据管平台，常见的是融合了三方数据的DMP平台（Data Management Platform，数据管理平台）。
一、何为营销中台？
营销中台的作用就是为多个业务提供通用性营销能力及营销数据获取、分析能力。常见的营销中台的线上功能模块有通用型营销工具（卡券、积分体系、活动游戏等）、推送工具、活动监测工具、营销数据看板等。
中台这个概念近两年很火，很多规模较大的企业也开始纷纷尝试中台建设。中台应该是阿里巴巴很早就开始实践的，通常是指支持多个前台业务且具备业务属性的共性能力组织。营销中台与业务中台、技术中台、数据中台、组织中台等共同组成了中台体系。
从公司架构层面来看，中台属于一个服务于业务部门的组织，不可或缺。搭建营销中台的意义是整合数据与业务，赋能业务增长，为各类运营活动提供一站式服务。
企业的中台体系
在这个数据化营销的时代，如何将业务运营和数据进行双向打通，一直是困扰运营人的难题。
一个业务部门在有限的人效和资源限制下，很难单方面推动公司建立为业务赋能的数据大脑——DMP。
所以，营销中台的搭建要举公司之力，联动技术、产品、数据共同建设。其中，数据建设对于营销中台的搭建尤为重要，毫不夸张地说，对于营销中台的建设，有一半的工作由数据部门负责。
二、搭建什么样的营销中台？
不同的行业搭建的营销中台各不相同。但总体上要具备以下几个特点：工具化、数据化、推送个性化和营销自动化。其中，营销自动化是最能够体现营销中台价值的特点之一。
营销中台的产品模型需要满足全公司业务线超过半数以上的营销玩法，使用者在活动策略进行微调后，就能通过营销中台快速地上架一场活动。
营销中台搭建基本模块
从上图中可以看到，营销中台要具备以下四个核心模块：
1. 用户运营
用户运营模块包含从用户拉新、活跃到留存的相关运营功能，比如通过DSP反馈的广告数据，对拉新投放渠道实现效果统计；再比如建立会员分级体系，进行存量用户留存的生态建设。
2. 活动运营
活动运营模块应该包含优惠券管理系统能力、场景营销、活动埋点、内部广告资源位申请管理等通用性功能。尤其是优惠券系统涉及优惠券成本支出的预算问题，所以营销中台还需要在财务侧提前设定好财务划拨流程。
3. 营销工具
营销工具需要根据实际的业务情况来设定，一般通用性的营销工具包括H5活动页面制作能力、智能推送工具、互动游戏、分享红包、推荐码系统等。
4. 数据看板
不管是用户运营，还是活动运营，都会产生大量的运营数据，再加上接入了DMP、CRM获取的大量业务相关数据，需要有一个可以进行条件定制化的数据看板。有了数据看板，营销中台就能够大大地减轻数据分析师的数据提取和分析的工作量。
三、营销中台里必备的三个营销工具
营销中台存在的最大意义是为公司赋能通用性营销能力，在营销工具层面也一样。
为了避免重复性开发，通用性的营销工具是营销中台重点开发的模块。
这里以H5页面制作能力建设、智能化推送、营销卡券三个常用的营销工具作为范例，讲讲营销中台在通用营销能力上起的作用。
1. H5页面/图文制作能力
以前做一场线上活动，前期的准备工作要花费很长时间：要对活动图片进行设计排期，对于H5页面制作，要向产品经理提需求或者付费寻找第三方广告公司，费时又费力。
而营销中台上架H5页面和图文制作模块后，活动运营者就可以根据自己的需求，将准备好的图片素材和文案进行模块化编辑，实现活动页面快速上线。很多第三方营销平台也提供这类H5页面制作功能，如凡科互动、兔展等。
但第三方营销平台的H5页面制作功能的局限有很多：
- 一方面，页面和链接包含了平台方的广告信息，需要付费才能优化；
- 另一方面，使用第三方营销平台制作的H5页面没有和我们的产品做API对接，无法实现优惠券发放、落地页跳转等。
所以，对于H5页面制作需求量较大的公司，营销中台上架这样一个模块还是十分有必要的。
H5页面的图文制作能力现在逐渐成了电商平台标配的营销功能，如阿里巴巴开发的鲁班智能设计平台，实现了banner广告图智能化一键设计。使用者只需要输入文案关键词，就能在几分钟内制作成百上千张效果不错的广告图。
这个营销工具的出现，不仅解决了淘宝平台运营制图的效率问题；在对外开放后，还解决了千千万万个中小卖家的广告图片制作问题；结合机器学习，鲁班智能设计平台还能进行广告图片投放的A/B测试和设计优化——这将广告制作能力推进了一大步。
2. 智能推送工具
营销人员往往会根据自己的业务需求向用户推送相应的消息。无论是短信、push，还是第三方平台广告，都充斥着大量过度推广的内容。这种无脑式推送不但浪费预算，而且不精准的推送内容还会引起用户反感。我曾经一天收到了5条同一个公司推送的不同产品推广的营销短信。
在营销中台的支持下，智能化推送能力会让这种盲目推送的现象得到很好的改善。
DMP系统通过收集用户在APP和网络上的行为，基于用户行为判断用户感兴趣的内容，无须人工干预，就自动推送相应的通知。你在进入某个旅游景区时会收到携程推送的景区酒旅信息，这种基于地理位置做的推送，也是智能化推送能力的一种体现。
智能推送工具的推送准确性在很大程度上取决于对用户行为信息的收集，以及对用户兴趣需求的精准判断。
目前来看，以智能推荐算法为特点的今日头条在这个方面做得相当出色。
智能化推送不是一两天就能实现很好的效果，是一个长期信息累计和机器学习的过程，需要不断完善。
3. 卡券工具
数字化营销体系里，卡券是在用户运营里用的最多也是最普及的工具了。不论是拉新、促活跃、促成交、还是做用户留存，卡券都能发挥极其重要的作用。
在实际的营销活动中，离不开优惠券。优惠券面额、限定条件、展示样式、发放和领取方式这几个因素上的细微差别，能够极大的影响用户转化的效果数据。所以，在营销中台上做一套完善的优惠券设计系统，至关重要！
会员卡通常是虚拟的，主要用来做用户分层运营，提升用户的活跃和留存相关指标。是搭建用户成长体系必不可少的一部分，通常也属于营销中台里的重要工具模块。
在充分的享受到优惠券和会员权益带来的好处后，用户对于商家推出的有价值的卡券难以割舍。由此，现在不少企业都上线了付费会员和付费卡券包这样的虚拟产品。
对于RFM价值模型里重点关注的用户来说，这类付费卡券是十分有吸引力的。付费卡券的好处在于很多，不仅可以提前锁定用户需求，并为企业贡献现金流，还能增强核心用户的忠诚度，提升核心用户的ARPU值。
四、常用的几个数据管理平台
了解营销中台之后，我们再来了解几个必要的数据管理系统，即涵盖平台自身综合业务信息的CRM系统、以精准广告投放为目的建立的DSP、集合了多方用户信息的DMP系统。
1. CRM（Customer Relationship Management，客户关系管理）系统
CRM系统是目前应用最普及的用户管理系统之一，涵盖了客户资源管理、销售管理、客户服务管理、日常事务管理等多个方面的业务，流程性和多角色分配是这个管理系统的特点。毫不夸张地说，几乎每家B2B或者B2C公司都有一套或者几套CRM系统，这是业务开展的核心平台。
2. DSP（Demand Side Platform，需求方平台）
DSP允许广告客户和广告机构更方便地访问，以及更有效地购买广告库存，因为该平台汇集了各种广告交易平台、广告网络、供应方平台，甚至媒体的库存。只要有了这个平台，就不需要再出现另一个烦琐的购买步骤——购买请求。
3. DMP（Data Management Platform，数据管理平台）
DMP有一个优点:即通过对用户全网的数据进行采集、清洗、整合形成完善的用户画像，以结构化的数据服务于其他营销系统。
DMP和DSP这两个概念很容易混淆，它们在第三方广告投放数据上具有同质性；但这两个概念是不同的，最大的区别是DSP主要侧重于广告投放，而DMP则侧重于用户数据整合分析.从用户画像特征、用户行为等数据采集方面来看，DMP是涵盖了DSP的相关数据信息的。
对于运营人和营销人来说，直接调用数据系统里面的数据用途有限，需要通过数据的应用层来赋能业务，营销中台就是数据应用的一个典型代表。
整合营销及数据分析的功能性平台定位，就决定了营销中台在数据层面打通了CRM、DMP及DSP系统；将数据的调取和使用进行了业务化，能够快速发挥数据在业务中的价值。
五、数据化营销的大脑——DMP
数据是互联网公司最重要的资产，只要是上了规模的平台型互联网公司，DMP就必然是核心建设的模块之一。
如何做好用户数据管理并让其实现价值，是企业经营者一直需要思考的问题。
对于今日头条、微信等这类流量开放合作平台来说：
DMP的建设是开放性的：
- 一方面数据是由内部运营者使用的，来优化产品和运营用户；
- 另一方面，数据是向广告主、合作代理商开放的。
如广告投放用户标签、广告互动效果数据、部分交易数据等。例如，阿里妈妈的达摩盘，腾讯的广点通，百度的DMP数据服务，还有独立第三方DMP平台（Talkingdata、神策数据）都是十分优秀的开放性DMP平台。
对于流量运营者来说：
DMP主要是集中在标签、用户画像、精准营销等方面的数据应用。
不论是什么数据管理平台，都离不开三件事：数据沉淀、数据清洗和数据库打通。
1. 数据沉淀
DMP的数据来源来看主要有以下三个：第一方企业、第二方广告技术公司和第三方大数据服务商。DMP系统将海量数据进行沉淀，打造大数据智能应用平台，形成用户数据资产。
用户数据采集的全面性也是DMP系统的特点，也是优于CRM和DSP系统的地方。
从流量的角度来看，CRM主要采集的是存量用户在自己企业平台上的信息，主要是偏用户交易方面的数据；DSP对接的都是外部第三方广告平台或者营销服务商的用户信息，主要面向新用户做广告投放。
而DMP的出现，则跨了多个渠道、多个数据平台，通过用户唯一身份不断累积用户的交互数据，编织一个持续性更新的数据大网，涉及用户拉新、活跃、留存全生命周期的数据。
从下图可以看出：DMP数据的来源有企业自身平台的数据库，如CRM、数据仓库、APP及网页，还包括了广告平台数据和第三方数据。数据源越多，描绘的用户特征就越精准，越有利于支撑精细化流量运营的落地实施。
DMP平台数据采集源分布图
2. 数据清洗
DMP平台的搭建是一个庞大的系统工程，需要技术、产品和运营长期协同作业，如果DMP具有机器学习建模能力，那么还需要有数据科学家的参与。
在打通了多个数据接口和渠道后，系统内就会产生和更新大量的用户数据，对于DMP系统进行数据清洗是一个重要的环节。
首先，为了让用户数据有序呈现，在做数据采集时，我们就要建立统一的输入口径，如在Web、微信、服务器、服务商、应用等都有不同的技术手段的平台做数据标准统一采集。
其次，要建立以用户唯一标识身份的数据标准，用户身份标识包括上网设备IP、手机号、微信ID等。因为涉及多平台，多渠道，所以实现用户身份统一统计的难度还是相当高的，在从广度和深度上梳理用户数据时，为了反馈准确的数据，我们需要反复对用户身份进行判断识别。
数据清洗的好处是可以排除很多干扰数据，在动态地调用用户的行为数据时，能够实时捕捉和采集目标相关的业务数据。
比如，用户在电商平台上搜索了我们在平台上投放的产品，我们可以通过DMP系统提前部署好的数据采集和清洗方式，快速更新记录用户的这个行为数据，并反馈到端外广告投放的标签系统中，实现精准的“靶向投放”。
这个“靶向投放”的直接体现就是：用户在某段时间内在多个平台上都能看到同一个广告内容，被反复触达。
3. 数据库打通
数据库打通是在DMP建设时，快速拓展数据源的一个重要动作。通过打通用户数据库，我们可以不断丰富用户的身份及行为数据，数据越多，目标用户就越精准，这让我们的潜在用户流量池变得更加清晰。
数据打通要从公司内部业务开始，在数据中台建立的基础上，向其他业务线提出数据打通的需求，最重要的是协调好各条业务线之间的互惠互利关系。
对于集团公司来说，每条业务线都积累了大量的用户数据，尤其是用户的行为和消费数据基本上都是归于业务线。比如，对于阿里巴巴闲鱼业务来说，我们可以通过打通淘宝的用户消费数据，快速地了解某个ID用户经常购买什么产品，从而做精准的二手产品推送。
当然，数据打通的前提是满足业务双方甚至多方的长远发展，如果你主推的业务和其他业务线之间存在同质关系，如上面说的闲鱼和淘宝都是电商零售，且从体量上看很明显的是打通数据后短期内是由淘宝在向闲鱼导流，这时就需要从集团战略的层面来推进这个数据合作关系了。
数据打通的另一个数据来源是外部数据，通过采购数据和标签的形式来完成。
每个设备ID的背后都是一个真实的用户，以设备ID为跟踪依据。可以通过对接外部数据源，对这些ID背后的数据做补充，如补充年龄、性别、上网习惯、收入等标签数据，来完善这个ID背后的用户画像，这个动作被称为数据扩充(Data Enrichment)。
数据扩充是互联网开放生态的一种典型的特征。从一个大的产业层面来看，很多行业都有数据共建的项目，如无人驾驶、智能家居、AI机器人等。
跨公司、跨行业的数据合作能够快速弥补在某一块数据上的缺失，对于企业来讲能够达到成本和效益最优。
数据扩充也是形成产业集群效应的一个重要组成部分。
作者：一文，微信公众号：如是一文，聚焦流量运营及用户增长。
本文作者 @一文 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
