用数据“量化”品牌营销和效果营销（上）

  前言：你了解宣传费奢侈浪费了一半，却不清楚奢侈浪费在哪儿；你干了一次推广营销工具营销主题活动，却不清楚怎样考量主题活动对企业知名品牌的危害；你挑选了合适企业的营销推广引流矩阵，多措并举的做营销活动，却没有办法区别不一样渠道的实际效果。或许本文能让你一些启迪。

  营销理论中有4A、4R或是AIDA实体模型，先后相匹配了用户从触碰到营销推广信息内容刚开始，留意、了解、心态、行動的四个环节。从广告营销上看，产品广告和效果广告各自对于顾客消费者行为全过程中的不一样环节。数据信息说明，在实际效果广告营销中，品牌形象高的公司得到的市场销售转换率高过别的同种类公司。

  回过头看如今取得成功的公司，一般将品牌营销和效果营销紧密结合应用：根据品牌营销来创建顾客对商品的初期了解，根据效果营销推动顾客最后选购商品。这般不断，将企业品牌和销售总额引向一轮又一轮高潮迭起。

  俗话说得好，有考量才有推动。对比效果营销，品牌营销一直具有抽象性。本文明确提出4个数据库系统，先试着处理品牌营销的抽象性难题。

  场上，一个助攻足球运动员界外球发送给主力球员入球，并不能说助攻足球运动员沒有使用价值。助攻足球运动员的使用价值取决于根据团结协作，輔助了别的足球运动员入球。品牌营销如同助攻足球运动员，早期干了很多的埋下伏笔，才也有最后的用户提交订单，就算提交订单的渠道是别的渠道，也是此次品牌营销的助攻奉献。

  助攻奉献的计算方式不难理解，倘若渠道A的一次营销活动遮盖的用户，在一段时间内，在渠道B中完成了转换总体目标，那麼取得成功转换的用户便是渠道A对渠道B的助攻奉献。转换总体目标能够 是随意的用户个人行为，例如申请注册、提交订单、发帖子、看了新手教程这些，依据商品的必须来设置。

  由于每一次营销活动对用户的危害是伴随着時间衰减系数的，因此在这个测算中必须人为因素的特定一个周期时间（一般不必超出一个月）。能够 觉得只能在周期时间内完成了总体目标转换的用户，才算为品牌营销主题活动真实的助攻奉献。

  所述实体模型假定每一个转换用户只遭受单一助攻渠道的危害。现实状况中，公司会另外在好几个渠道上开展矩阵营销推广，一个用户将会会另外接纳到好几个助攻渠道的信息内容，最后进行提交订单。大家必须开多渠道分权，将助攻奉献公平公正的分到不一样的助攻渠道。再次评定每一个品牌营销主题活动的奉献值。

  我不会提议选用简易的将助攻奉献均分给全部助攻渠道的方式 。门户网上的一个简易文本链，和线下推广体验中心的深层互动的体验营销，二者给用户留有的印像水平不一样，不应该得到同样的标值；36kr的报道，和初创公司官方网站对企业的详细介绍公信度不一样，前面一种等于得到了新闻媒体的做作业……

  怎样保证公平公正的分派，将会必须考虑到各个方面的要素：

  （1） 选用渠道的名气为权重值，给知名度大的渠道以很大的权重值。这儿想多讲一句，并不是越大家的渠道知名度就越大。假如你是一个细分化制造行业，将会所属细分化行业的技术专业新闻媒体的用户更为精确，知名度也更大。如同不会有人民日报对于科幻片用户，36kr对于互联网技术从业者的实际意义。

  （2） 选用营销活动的用户参与性为权重值。每一次营销活动，能多多少少得到用户的访问時间、访问频次、滑屏频次、转换、关注等个人行为。大家假定用户参与性越重，营销活动在用户专注力吸引住和认知能力创建上的实际效果越好。将用户参与性做为营销推广渠道的权重值。

  （3） 选用用户参加营销活动间距用户造成个人行为的时间范围为权重值。这里有一些优化算法，大伙儿能够 自主配备：

  用户参与性指用户在参加主题活动全过程中的可量化分析的个人行为指标值，例如用户访问時间，用户关注、分享、评论等个人行为的频次。一般来说，用户的参与性越重，表明主题活动的引人注意实际效果越好，用户对你的主题活动越有兴趣爱好。

  技术性的发展趋势，我们一起能够 考量的渠道方式愈来愈多。例如线下推广广告宣传能够 根据wifi或是手机蓝牙探头技术性，来掌握受众群体的停留時间。一次一般的网上媒体广告，能够 得到用户阅读速度、用户评论总数及內容、用户翻屏频次这些。

  在这个每个人都是自媒体平台的时期，有的官方网营销活动不但让总体目标用户造成明显的心理状态认知能力，还会演变为热点话题，以不一样的姿势散播起来。

  罗蔓罗强烈推荐重中之重关注新闻、新浪微博、手机微信、知乎问答和所属细分化制造行业垂直媒体和竖直社区论坛等渠道的舆论引导。掌握参加话题讨论的新闻媒体数、文章内容数、用户评论数、点击数、分享数这些。

  除此之外，关键节点也是传播模型中必须重点关注的。大V的心态将会会危害将来的社会舆论方位。

  在新浪微博中重点关注大V用户的分享和长直发话题讨论，在知乎问答中必须关心大V用户的关注、评论、话题讨论关心、回应话题讨论。由于这种个人行为都是出現在信息流广告中，变成新的颠覆式创新。

  转换成数据库系统看来，先制订账户的级別规范，例如新浪微博有多少个粉絲是A级別，知乎问答得到多少个赞是B级别这类的。然后将参加所述个人行为的用户数据信息收集起來，剖析账户的级別遍布、用户所属的社交圈（制造行业）这些。针对高知名度的账户传出的信息内容，必须做心态剖析，掌握在其中反面、负面消息的占比。假如必须，乃至必须逐一人工服务剖析大V用户的信息流广告，事后再做相匹配的解决。

  有时，并并不是参加的用户越多，用户参加的越深层次越好。大家还必须掌握用户的心理状态体会，分辨主题活动是不是按期正确引导了用户的认知能力。这儿罗蔓罗强烈推荐用心态剖析的方式 。

  举个事例，支付宝钱包的六一儿童节营销推广造成了用户、新闻媒体们和互联网技术从业者的巨大关心。假如仅仅将用户参与性做为唯一指标值，那此次主题活动毫无疑问是极大的取得成功。殊不知，大伙儿对此次营销推广的心态也是两极化，假如融合心态剖析看来，此次主题活动的取得成功是否就不太好讲过。

  我们可以得到用户评论、用户脸部图象或是用户的视频语音等数据信息，来掌握用户是不是令人满意、点评是反面還是负面信息的。

  如果是一次病毒式营销，必须获得参加话题讨论的新闻媒体文章内容、用户评论，对文章内容和用户的评论都做文本挖掘。

  1. 品牌营销以创建用户的初期认知能力主导，不因销售量为目地，可是能为事后的效果营销产生高些转换率。可以用助攻实体模型来考量品牌营销的实际效果。

  2. 用参与性实体模型来评定用户对商品的兴趣爱好；用传播模型来评定群众或新闻媒体对商品的兴趣爱好；用心态分析法来掌握全部主题活动参加者对主题活动的心态，以防主题活动造成了得不偿失的实际效果。

  实际指标值或许是：

  已有渠道的遮盖用户数、用户肖像、用户评论/关注/分享数、评论的正负极词义；

  新闻媒体的新闻报道总数、点击数、关注数、评论数、文章内容和评论的正负极词义；

  weibo中造就话题讨论的总数及人群画像、长直发/分享占比、阅读文章总数、评论数量、参加话题讨论互动交流的粉絲用户肖像、话题讨论/评论的正负极词义；

  微信公众平台文章内容数、点击数、分享数、文章内容的正负极词义；

  知乎问答难题数、回应数、关心总数、关注数、评论数、话题讨论/回应/评论的正负极词义；

  竖直社区论坛的文章内容总数、点击数、评论数、文章内容/评论的正负极词义。

  罗蔓罗，技术性出生的pm

  个人公众号：pm-miao