上一篇：智能營(yíng)銷第1講-數(shù)據(jù)分析必須參與營(yíng)銷

專家經(jīng)驗(yàn)帶來了回報(bào)，卻也無法繼承，這是擺在所有企業(yè)營(yíng)銷端的現(xiàn)實(shí)問題。專家經(jīng)驗(yàn)是需要錘煉的，但也會(huì)帶來營(yíng)銷的不均衡性，有的團(tuán)隊(duì)或者渠道實(shí)力整體強(qiáng)大，有的很弱，只能照貓畫虎卻很難成功。再一點(diǎn)，專家經(jīng)驗(yàn)是和人綁定的，無法實(shí)現(xiàn)及時(shí)有效的擴(kuò)展和能力遷移，這對(duì)于企業(yè)而言是營(yíng)銷端的風(fēng)險(xiǎn)，如果不能實(shí)現(xiàn)知識(shí)或者技術(shù)產(chǎn)品的轉(zhuǎn)移，那么就會(huì)出現(xiàn)無法繼承的問題。

還有一點(diǎn)是，專家經(jīng)驗(yàn)無法進(jìn)行大規(guī)模的實(shí)驗(yàn)、調(diào)優(yōu)、尋找文件的策略，因?yàn)槎家蕾囉谌斯さ慕?jīng)驗(yàn)調(diào)整。并不是說人工專家經(jīng)驗(yàn)不重要，而是當(dāng)面臨海量用戶的個(gè)性化、多元化的營(yíng)銷訴求時(shí)，人工專家經(jīng)驗(yàn)看到的只是某個(gè)局部，甚至在一些場(chǎng)景下是無能為力的。比如如何針對(duì)業(yè)務(wù)達(dá)成率很低的客群、數(shù)據(jù)很少的客群制定策略，這方面人工經(jīng)驗(yàn)就顯得乏力了。

在本系列的第一篇文章中，我們?cè)峒傲岁P(guān)于專家經(jīng)驗(yàn)?zāi)Ｊ降囊恍┖?jiǎn)單說明：

?   營(yíng)銷策略依賴于專家經(jīng)驗(yàn)?zāi)Ｊ?/strong>

在剛才談到的場(chǎng)景中，通常更多依賴于我們的經(jīng)驗(yàn)和方法論，但是我們的策略并不見得那么細(xì)致和準(zhǔn)確。營(yíng)銷策略是應(yīng)注入客戶內(nèi)心的，有限的專家經(jīng)驗(yàn)無法解決全部營(yíng)銷問題。同時(shí)，營(yíng)銷被深度關(guān)聯(lián)在了某些人員的身上，一旦出現(xiàn)了人員變動(dòng)，這些經(jīng)驗(yàn)也就丟失了。

專家經(jīng)驗(yàn)是需要的，但是需要知識(shí)轉(zhuǎn)移

在本文開篇的文字中，提到了專家經(jīng)驗(yàn)存在的一些問題，可以總結(jié)為以下幾點(diǎn)：

?  專家經(jīng)驗(yàn)稀缺性，造成營(yíng)銷水平的不均衡性

?  專家經(jīng)驗(yàn)如果沒有提煉，則無法存在繼承性

?  專家經(jīng)驗(yàn)在某些場(chǎng)景下，無法完全發(fā)揮作用

?  專家經(jīng)驗(yàn)依賴于方法論，無法快速迭代反饋

集合以上的這些問題，我們需要把大量的專家經(jīng)驗(yàn)進(jìn)行提煉，因?yàn)闊o論是機(jī)器的決策還是人工的經(jīng)驗(yàn)，最終都會(huì)變成營(yíng)銷的執(zhí)行方案和人群策略，最終下放和觸達(dá)目標(biāo)客群。這個(gè)過程中，無論用哪一種方式，我們都積累了海量的營(yíng)銷反饋數(shù)據(jù)，比如響應(yīng)人群、未響應(yīng)人群、過程參與的反饋數(shù)據(jù)等等。對(duì)于接下來一個(gè)時(shí)期的營(yíng)銷活動(dòng)，我們需要把這些人工專家經(jīng)驗(yàn)積累的好的策略和營(yíng)銷體系，變成優(yōu)質(zhì)的策略資產(chǎn)，不斷提煉其中的核心要素，最終進(jìn)行產(chǎn)品化的組織和封裝。

像機(jī)器算法提供“營(yíng)銷棋譜”

AlphaGo通過閱讀大量圍棋棋譜，并通過不斷的訓(xùn)練，尋找解棋之道。這些數(shù)據(jù)的輸入，使得AlphaGo日后可以進(jìn)行更加廣泛的訓(xùn)練和挖掘策略。類似的，我們看到每年大量的營(yíng)銷活動(dòng)中，在除了人的社會(huì)性、社交、心理學(xué)等因素之外，多數(shù)的人工專家經(jīng)驗(yàn)和策略是極好的輸入數(shù)據(jù)，供產(chǎn)品或者算法進(jìn)行訓(xùn)練和優(yōu)化策略。但從現(xiàn)實(shí)情況來看，我們也僅僅是關(guān)注營(yíng)銷的ROI或者簡(jiǎn)單的畫像，這對(duì)于追求收益的企業(yè)而言是沒有問題的，但這也造成了在日后的營(yíng)銷實(shí)踐中無法進(jìn)行迭代，一旦出現(xiàn)了不好的效果，直接就停止了再次嘗試。

縮小專家經(jīng)驗(yàn)帶來的不平衡性

不平衡性體現(xiàn)在專家水平不同造成資源的浪費(fèi)，比如權(quán)益、通道成本，還有營(yíng)銷經(jīng)驗(yàn)水平的差異，造成了最終用戶反饋差異很大，甚至引起很多的反饋客訴。這種經(jīng)驗(yàn)往往需要解決共享性的問題，即數(shù)據(jù)化的呈現(xiàn)整體策略，并且要提供對(duì)于該策略在最終實(shí)施時(shí)評(píng)估、預(yù)測(cè)。這是尤為關(guān)鍵的，否則你很難做到直接下手使用別人經(jīng)驗(yàn)策略，這就是之前談到的照貓畫虎，是極其危險(xiǎn)的做法。關(guān)于這個(gè)問題，我們會(huì)在后續(xù)討論到。

營(yíng)銷需要方法論，但也需要快速迭代能力

專家經(jīng)驗(yàn)的實(shí)施前提是有一套完整的方法論作為支持，比如AAARRR等方法論指導(dǎo)原則，或者指標(biāo)體系。但是由于專家經(jīng)驗(yàn)的反饋周期很長(zhǎng)，對(duì)于數(shù)據(jù)的依賴度有限，在快速修正和策略迭代中沒有數(shù)據(jù)化營(yíng)銷方式那樣敏捷。當(dāng)然，現(xiàn)在很多平臺(tái)可以做到機(jī)器敏捷的修正人工專家經(jīng)驗(yàn)。但是當(dāng)我們探測(cè)到一個(gè)用戶場(chǎng)景，其訴求是新的，或者基于一些機(jī)器學(xué)習(xí)算法計(jì)算的人群毫無人群解釋性時(shí)，我們很難進(jìn)行人工干預(yù)和修正。所以對(duì)于我們?nèi)斯＜医?jīng)驗(yàn)來說，敏捷的迭代也需要借助系統(tǒng)或者產(chǎn)品、算法進(jìn)行支持和反饋。

不要把數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷過度神話

營(yíng)銷最終目的是服務(wù)于人，由于數(shù)據(jù)的獲取多源、形態(tài)各異，我們也相比以往可以更加全面的感知用戶特點(diǎn)和營(yíng)銷刺激要素，形成了一套數(shù)據(jù)驅(qū)動(dòng)下的策略手段。然而這個(gè)過程中，我們終究要考慮營(yíng)銷本質(zhì)是對(duì)人的服務(wù)，所以，當(dāng)營(yíng)銷策略基于數(shù)據(jù)構(gòu)建完畢后，其合理性、人群綜合體驗(yàn)，也是必須考量的要素。

在多數(shù)情況下，我們可能制定的是一個(gè)不錯(cuò)的策略，然而在用戶的通道、時(shí)機(jī)、觸點(diǎn)等方面，給用戶造成了不好的體驗(yàn)，或者沒有考慮政策合規(guī)性的要求，對(duì)某些客群形成干擾。這往往可能是由于在通過數(shù)據(jù)制定策略時(shí)沒有考慮在內(nèi)，而出現(xiàn)很多的笑話。

舉一個(gè)例子，現(xiàn)在很多電商會(huì)基于用戶的點(diǎn)擊行為，在首頁的某些固定位置重定向用戶剛剛點(diǎn)擊過的商品或者內(nèi)容。但是可能這個(gè)商品用戶已經(jīng)買過了，這樣也造成了一定的位置資源浪費(fèi)。但是理想的看，這個(gè)問題也很好解決，就是將用戶的購(gòu)買行為與點(diǎn)擊行為關(guān)聯(lián)起來，不過這背后其實(shí)不是技術(shù)問題，而是流量問題，此處不做深入探討。

總的來說，專家經(jīng)驗(yàn)是一個(gè)在營(yíng)銷中不可或缺的環(huán)節(jié)，在標(biāo)簽加工、營(yíng)銷事件庫(kù)等方面，也都是通過此類人工經(jīng)驗(yàn)先入為主的進(jìn)行輸入和優(yōu)化。所以這樣的角色不可缺少，但是也必須進(jìn)行調(diào)整優(yōu)化。

在下一篇文章中，我們將探討營(yíng)銷策略的預(yù)測(cè)問題。