點此查看智能營銷專欄系列文章

本篇開始想先分享一個案例，在某年雙十一開始前的一周，我們曾向某銀行提出能否開展一個信用卡提額的營銷活動，因為雙十一這個節點上消費需要大量資金，大多數用戶的賬戶會出現透支。但是當提出這樣的想法時，只能用一些大道理來說服相關人員，因為以往沒有進行這樣的嘗試，也無據可依，僅能夠參考交易流水和額度使用率，來確定是否可以值得一試。

當出現這樣的局面時，我們發現，對于沒做過的營銷活動，是需要去嘗試，但也需要有一定的快速數據準備和業務可能性分析。如果有良好的營銷資產沉淀，就能有所依據，幫助更順利的推進。

歷次過往營銷數據的有機整合和沉淀，是營銷中極其重要的工作，但通常很多人習慣一頁報告、幾個轉化率應付了事。

經過原始數據分析和借鑒專家經驗，借助營銷策略模型輸出基本的策略，并基于風險和仲裁的平衡，我們能夠構建可預測的完整營銷策略，并通過營銷觸達環節完成觸達和用戶互動。通過有效的數據收集和閉環，我們還可以進行二次甚至多次的迭代和優化。

在數字化營銷全流程上，所有的過程都是可以記錄的，包括參與角色、人、渠道、時間、流量等等。這些都屬于營銷資產，營銷資產的有效保全，將反過來對優化算法模型和借鑒專家經驗有重要意義。所以簡單說，數據的共享和復用是整體營銷中的重要環節。

?   營銷策略的共享性和專家經驗

多渠道、多部門、多角色之間，如何將反復實施的經驗和模式共享出來，供集體參考和使用。未來的營銷大量的是模式輸出，如果營銷無法逐步的體系化和規范化，反復計算和探索則是對資源的極大浪費。共享能力是必須解決的。

在前述文章中，我們談到了專家經驗需要做知識轉移。因為過度依賴于專家模式，會受到人員本身的限制，營銷的不均衡性和不公平會更加突出。但是所有營銷的起點都是從人工開始，而且即使未來營銷智能化再先進，也是不能脫離人的，因為數據本身沒有生命力，不能完全決策，勢必在一些環節是需要人的決策和政策建議。

專家經驗有幾個優勢是必須說明和強調的：

第一，專家經驗是營銷起點和冷啟動的關鍵解決方案。無論模型還是決策引擎，都將必須有輸入數據，且無論是勝負樣本。而這在營銷初期是依賴于專家經驗模式的。就好比要先學習殘局和棋譜，以及不斷對弈來強化自己的經驗和棋力。

第二，專家經驗是營銷策略優化和提升的最佳途徑之一。在面向業務場景時，純粹靠數據和算法做不到政策和創意型的方案。因為算法無法理解業務本質的場景和業務知識，只是用不斷挖掘的規律，去嘗試匹配一個最優的策略而已。而這之外，違背匹配率和一些所謂預測參數的大膽營銷策略，機器是做不到的。而這點本身存在一定的營銷風險，但是如果有了實際的測試和效果，就可以作為經驗為后續的營銷提供參照。

第三，專家模式在一段時期與機器決策是并存的，并且效果不完全次于機器。但專家經驗相比智能決策來說缺少數據化基礎和匯集一體，這就是為什么專家經驗模式下多數的經驗沒有進一步提升。良好的效果和經驗是值得沉淀、學習的，要去放大和迭代這種模式下的策略，進而形成標準體系。

營銷資產是企業中花費了成本換來的寶貴財富，而不是一紙報告。這部分資產應該如同我們前面談到的棋譜一樣，要不斷豐富和數字化的保存下來。

結合之前談到的，數據資產有兩大方面的價值：

一是完整沉淀和數字化所有營銷內容，將其棋譜化，在接下來的營銷中起到驗證、參考、測試、策略迭代依據的多重作用。也為后續營銷提供最有力的輔助支持作用。

二是強調共享性，因為在一個大型組織機構中，營銷涉及很多部門、層級。一方面，其他營銷弱勢單元基于他人的成功經驗進行一定的模仿和嘗試，復制他人的成功經驗，找到快速提升營銷的秘籍。另一方面，對于與營銷相關聯的部門，可以快速了解營銷部門的工作實質。比如在銀行體系，計財部門是掌握預算審批的部門，在每個營銷活動結束后，通常都需要進行活動復盤、輸出總結報告，了解業務基于營銷預算開展的活動最終效果如何。然而業務部門沒有很好的整理和沉淀每次營銷活動的完整內容，只是象征性和描述性提供幾個指標。這對于計劃財務部門而言是尷尬的，因為從財務角度不能完全掌握預算的花費和投入產出比，則是面對財務預算規劃時無法有據可依。而此時最需要的就是要提供完整的復盤和營銷資產沉淀整理，方便計財部門能夠全面、清晰、數字化的了解全局。