點此查看智能營銷專欄系列文章
全景并不意味著大而全，而是能在固定場景中找到最佳服務符合需要的數據，來達到最佳的營銷效果。
現在營銷強調全渠道、全觸點、全用戶視圖、分批次、精準、個性化，這些概念用的太多了，反倒在全景數據的收集和混合使用以及對業務輸出上卻說的太少了。
是不重視么？不，企業很重視。是不知道方向么？不，企業清楚問題所在。
問題在于，對于紛繁復雜的多源、多形態數據，不缺少加工能力，而是缺少混合和確立加工使用體系。
在本系列第一講我們就提到了如下的觀念：
? 數據的混合使用與業務輸出不足
我們強化了在終端的多源觸點的分發能力，但是卻沒有很好的利用這些數據，營銷的進化不應只依據一方的結構化數據來進行營銷策略制定。對于企業來說，用戶接觸到企業產品或者服務的通道形態非常多元，比如門店、三方渠道、App、PC web、微信、客服等等，用戶參與企業營銷的觸點不同，而產生的數據也是不盡相同的。僅僅是賬戶和交易數據，難以挖掘出更加深入的機會和線索；混合多元數據，形成用戶數據的綜合管理和加工分析，才有可能增加對于業務的輸出。
? 企業多年的數據應用已經將主題完善完畢
多年來企業習慣于基于賬戶和交易數據為主的結構化數據進行挖掘營銷，這一點是無可厚非的，也基于此確立了紛繁復雜的各種研究主題和內容。不過隨著現在市場和客群的變化，我們面臨的是過度獲客帶來的交易和賬戶數據的不飽和、而其他行為數據等非結構數據增多的現實。但是我們有心而力不足。因為大家想不到要怎么用、往哪里用。但是，事實是絕大多數情況下，對于這些新增數據的使用恐懼不在于找不到場景和主題，而是在于如何確立為應用主題而開發的加工處理體系，并輸出經驗。
實際上過去種種營銷主題，已經幫助我們確立了應該研究的內容和非結構化數據的應用主題，而不是用這些數據去創造新的應用場景和營銷主題。這里不是否認這些新形態的非結構數據存在新的場景應用，比如生物識別等等。但就企業現有的主題，其實是可以實現很多新的提升和效果。
這里先舉個例子，比如在信用卡的貸中風險監測上，過去我們是利用還款人或者分期用戶的職業、還款、分期規模等一些靜態和完整結構化的數據來進行監測。而現在很多用戶可能在參與信用卡業務中時，并沒有提供足夠的結構化數據線索可供使用，但是在與業務發生接觸的渠道上，留下了更多的非結構化數據，比如有的用戶交易不多、但是App的行為點擊數據、渠道互動數據很多。這些可以結合過去的正負樣本，進行較為深度的數據混合使用和建模，從而豐富和加強貸中風險監測的能力。
這個例子的意義在于，貸中風險監測是早已存在的主題，而我們需要做的是借助于新的數據和更完整的收集、加工、構建一個增量的解決方案，去優化原有的思路和主題。同時，貸中風險監測也是伴隨在營銷實踐中，盡早發現潛在的逾期和欺詐的用戶，盡早進行風險阻斷和干預，比如提供更加低門檻的分期方案，降低用戶的還款壓力，確保用戶不會最終失聯，這也是屬于營銷。而這種營銷可能不屬于狹義理解上的活動，而是基于更加全面的數據應用，通過營銷和產品方案化解風險的營銷方法。
營銷首先是個更加寬泛的概念，我們運用一定的策略對產品、渠道、用戶進行干預、促動、阻斷、提升，都屬于整個的營銷范疇，目的是提升產出，而剛才談到的降低風險，也是變相的提升。當我們想全方位的開展智能營銷，覆蓋足夠多的場景和內容時，對于數據的駕馭和使用就必須上升一個臺階。營銷與數據二者將會在某個階段呈現最佳的匹配。
全景的數據并不意味著全面的數據，而是符合在營銷相關場景下的數據應用能力。
? 全景數據是最符合業務需要的數據
剛才我們說到全景數據不是全部數據，而是挖掘和確立最佳的符合營銷的數據使用。我們做不到收集全部數據，因為在現有的數據存儲和收集的策略上，通常是我們認為哪些需要收集，才制定了規范和標準，形成收集。而究竟怎么加工使用這些數據，除了過去制定的所謂業務指標統計之外，其實沒有再去考慮其他用途。但是在今天，這些數據中的一些是可以服務于我們談到的營銷場景，而有更多的可能不在現有的收集體系和加工體系中，就更需要我們先去制定一些范式或標準，完成加工，作為符合業務需要的全景數據使用。
通過標簽化處理這些數據的方式，雖然可以起到一定作用，但并不是營銷和解決問題的最佳手段。標簽是人為的進行了數據抽象和總結的一類規則集，便于我們在營銷時直接使用這個抽象的數據。然而標簽背后的加工體系并沒有暴露給業務人員，而業務人員要通過這個沒有完全被業務檢驗的邏輯進行加工使用，會存在極大的不確定性和風險。而且，標簽實際上也是對于收集的數據產生了一定浪費和價值損失的數據。現階段的營銷，無論是針對廣告還是企業自有客群的營銷都把標簽化作為重要的產出節點是沒問題的。但這不是營銷所使用的數據核心內容。
標簽的使用分成了三個階段：
第一個階段是在通過專家經驗模式構建的原始營銷策略上，標簽避免了一定的規則再造，直接可以進行勾選使用，但是標簽間的篩選存在沖突和交叉，這是在標簽構建時就存在的一些問題。標簽在人的身上，在構建支出是從數據和標簽構建邏輯出發，而不是從人的邏輯出發，就可能使一個人的標簽中在某些維度是低價值、在某些維度是高價值，這是客觀存在的。
第二個階段是在無論通過哪種策略構建完畢，對于已經生成的即將展開營銷的列表上，我們反向來看這些人的標簽屬性是什么，有時候我們也理解為是畫像，這個人群反饋的標簽屬性是屬于后驗的，即通過前期一些專家或者機器策略生成的人群，來看所篩選名單的整體屬性和特征。這個階段的標簽使用更像是幫助營銷策略落地實施時，給決策者一個客觀的反饋，同時是為了第三階段應用來做準備。
第三階段則是基于營銷響應和未響應人群這兩類人的名單，反向再看標簽的屬性特質，進而最終通一個整體的營銷實踐，來最終確認對于營銷最具備響應價值和效果的人群特質。而因為標簽是比較好的特質總結，因此可以快速幫助我們來找到營銷的突破點。
之所以在這里詳細談到標簽，就是因為標簽不是整個營銷所使用數據的全貌，而是要從原始數據的本身來構建一些策略方法參與到營銷里面。比如很多營銷是要基于用戶實時反饋的數據進行算法或策略優化，才給出對應的反饋，這一類就需要基于對這些原始數據的理解使用。
目前我們可以做到根據用戶的點擊、瀏覽等行為完成相關內容切換，根據用戶觸發的行為動作，完成相應后續的營銷連續操作。然而在實際營銷中，這一類的應用規模實際上還遠遠沒有擴大，在更多的場景中，則是需要根據場景需要來完善合適的數據加工和利用標準，并不一定限制于現有已經收集和使用的數據中，當然前提是在保護隱私和安全合規前提下完成。
全景意味著不是大而全，而是在固定的場景中，找到最佳服務符合需要的數據，來達到最佳的營銷效果。不過數據的核心不是驅動而是輔助決策。全景數據即使非常豐富，最終也只是在營銷策略制定和實施中的一個輔助決策作用，而由機器最終給出的策略是否實施也是由人來完成一部分確認。
總的說來，我們確實要全面混合多種類型數據的收集、匯總、使用，但是如果不能應用，這些數據即使收集了也沒有實際的價值意義。包括前沿性的研究，也是應用的一種場景。當營銷進入智能階段，我們對數據的使用也要從簡單規則篩選、標簽構建，向數據的深度使用，用算法模型提煉進行過渡，而目的都是通過全景數據的生成和分析，最終構建更加體系全面的數據建議，輔助營銷策略落地。
