7月4日，營銷理性派第六期主題為「技術大潮衝擊下，市場洞察部門當如何轉型」的沙龍活動（北京站）圓滿結束。騰訊社交廣告高級營銷研究總監黎沛姿、Marteker創始人馮祺以及雲思科技CEO宗瑞興為參會的諸位聽眾帶來了精彩的分享。
當Marteker變成了Marteker
Marteker創始人馮祺為我們介紹了Martech誕生的背景和應用，從宏觀瞭解營銷的進化史。
Martech是結合術語「營銷」和「技術」的混合詞。它代表了當今高度數字化商業世界中營銷和技術的交集，關於創建、管理和使用數字工具，使營銷人員能夠自動執行任務並制定數據驅動的決策。Martech的一個重要目標是幫助營銷人員發現並培育客戶，提供個性化的客戶互動，並測量活動的有效性。
MarTech的出現主要有七方面因素的促成：
1. 從傳統到數字。Martech出現的背景，首先因為品牌與客戶、或者潛在客戶的接觸點，已經向數字端轉移。
2. 從媒介孤島到媒體整合。消費者越來越多地使用多種設備，可以在午餐時在智能手機上搜索，在工作時訪問PC端的網站，然後在平板電腦上進一步探索。對於消費者來說，整個過程中不同接觸點之間的任何不連續性，都可能導致混淆、懷疑或甚至憤怒。
3. 從Outbound到Inbound。Inbound營銷即pull營銷，這種營銷方式促使營銷人員更多地瞭解他們的市場，產品和客戶，從而獲取專業知識以創建引人注目的內容。Inbound營銷通過提供信息，而不是討價還價贏得客戶，更贏得了品牌忠誠度。消費者喜歡銷售味道沒那麼濃的、更真誠幫助自己的品牌。
4. 從傳播到體驗。市場營銷必須與其他部門更深入地合作，以設計和提供卓越的客戶體驗。它不僅僅是抽象意義上的品牌保管者。客戶的體驗，以及如何將這些體驗傳遞給他人定義了品牌。
5. 從文案和創意到代碼和數據。營銷越來越多地通過體驗而不是傳播來傳遞給消費者。營銷仍然是講故事，但是結合了體驗的講故事。觀眾積極參與故事，而不是被動地接收故事。為了創造這些體驗，需要更廣泛的人才。文案和創意仍然是必要的，但還不夠。在數字世界中，必須通過代碼和數據來增強文案和創意。
6. 從死板的計劃到敏捷的迭代。數字時代，最大的挑戰是速度。敏捷方法是一種新型軟件開發方法，應對快速變化的需求的軟件開發能力。敏捷軟件項目通過一系列小型開發週期執行，每個週期持續不超過一個月。敏捷團隊通常規模小，協作性強。較大的項目由多個團隊處理，結構鬆散但公開進行協調。
7. 從agency到in-house marketing。廉價的數字廣告開始蠶食價格高昂的傳統媒體。程序化媒體購買技術有效提高了發行利潤。如Google AdWords等自助服務廣告平臺可讓公司輕鬆運行自己的廣告活動，而無需代理機構中介……
MarTech與數字營銷和AdTech均有各自的側重點，馮祺針對他們的區別做了總結。MarTech可以幫助營銷人員在客戶旅程的不同階段控制不同渠道和設備上的信息，建立整體品牌意識，發現對新產品或服務的興趣，針對具體的高價值受眾。針對客戶旅程的不同階段，馮祺總結了國際上領先的各領域供應商。
從研究執行到數據賦能
CMI始終不變的初心即幫助企業進行以用戶為中心的、數據驅動的營銷決策支持，從而達成生意的增長。宗瑞興從數據、洞察和執行三個方面介紹了技術大潮下，研究部門的洞察應該如何轉型以及具體執行。
傳統市場研究主要通過調查問卷瞭解消費者的態度和行為。然而，我們在之前的研究中發現，在信息爆炸的今天，對於行為數據的採集，傳統方法所獲取的數據已經難以保證準確度。此前一項研究顯示，我們對實際看過某支廣告的用戶進行重定向調研，當被問及“是否看過這支廣告”時，45%的受訪者的回憶是錯的。
「雲思品牌研究」在針對手機品牌開展的長期品牌追蹤項目中發現：20%的受訪者實際使用的手機品牌與問卷調查中聲稱使用的品牌不一致。
在80%的回答準確的受訪者中，實際使用的榮耀手機，卻聲稱自己使用華為手機的佔到53%，母品牌的強大影響力可能影響了子品牌的辨識度，這與品牌最初的分離母、子品牌的策略可能與大眾的認知有些不符。
總言之，在行為數據的採集中，傳統的問卷調查的數據準確性問題已經無法忽視。但是問卷調查這種方法本身沒錯，只是受訪者在被訪問時，所做出的回答往往是現實+心智的結合。現實即我們所說的行為數據，看沒看過，用沒用過，吃沒吃過等實際發生的行為；心智即我們所說的態度數據，是否喜歡、是否滿意等。
所以真正用好數據，需要數據整合應用。宗瑞興舉例了一個早年的網絡品牌追蹤的項目，在用戶調研和數據監測並行的研究中發現，新浪汽車表現有很大差異，其用戶量最低，但是在受眾心智中的影響力最高，與之完全相反的是汽車之家。然而，當年的汽車廣告收入排名第一的是新浪汽車。也就是說，佔領用戶心智，對於品牌的價值實際上是更高的，單一的數據都看不到這樣更加全面的信息。
PC時代使用最多的即基於cookie的用戶行為追蹤，到了移動互聯時代，用戶識別方式更加豐富，可以通過手機號、設備ID等。基於同源數據（ID-based）可以打通不同類型的行為和態度數據，更加全面的瞭解用戶。
用的上的數據才是好數據。大數據再好，也要有對商業決策的支持才有意義。傳統研究方法中的數據抽樣、實驗設計等方法對於大數據評估活動效果和支持商業決策仍然很有效。如下面一則廣告的效果評估，從監測數據來看，10月份的觸達數量要高出很多，但是根據位置大數據的抽樣分析發現，其實是8月份對於吸引當地居民到店的效果更好，因為10月雖然觸達數量高，但是吸引的主要是外地遊客，並非目標客戶。
執行層面，傳統市場研究與數字化一定程度上有所脫鉤，傳統研究工作已經很繁瑣，又要面臨新技術、數據的湧入，應對數字化挑戰，所以對於傳統研究部門而言，提高效率是重中之重，只有效率提高了，才有更多時間去學習接受新知識、應用創新方法，更好的解決研究問題。我們稱這一階段為CMI1.0+階段，即過度階段。
CMI1.0+階段提升效率主要可以從兩方面入手，一是傳統研究任務中的標準化任務利用軟件的自動化來完成，二是對CMI產出的知識進行沉澱、傳遞和應用，調整組織結構，加強內部溝通效率。
CMI2.0時代的CMI著重探索和創新大數據應用，仍然是挑戰與機遇並存。CMI本身不擁有數據，對數據掌控力弱，也正因如此，它可以作為各方數據的樞紐，打通內部的CRM數據、數字營銷數據、市場數據以及電商數據等，建立企業自己的消費者數據庫。繼而與外部大數據融合，豐富用戶標籤，形成更完整的客戶畫像，用於具體項目的洞察研究。
CMI如何用好大數據
黎沛姿結合自身多年經驗，分享了CMI如何更好利用大數據。黎沛姿指出，數據無大小高低貴賤之分，準確、快速、經濟地產出洞察以解決營銷問題是CMI評估數據價值的唯一標準。
市場研究可能用到的數據類型有很多，黎沛姿總結了更適合利用大數據做分析的市場研究問題，比如營銷及廣告效果評估類研究，像代言人的選擇、廣告效果監測及歸因、創意測試等，市場策略型研究如媒介習慣、購買習慣可以利用第三方監測數據和電商數據獲得更精確的結果。
此外，黎沛姿分享了大數據使用的幾點注意事項：
1. 數據量大不等於代表性好，由於信息的碎片化等原因，能夠代表所謂總體的數據幾乎不存在，定義並理解你的目標客戶，併科學的抽樣很重要。
2. 數據一定要詳查出身，去偽存真，數據再小有長處，數據再大也有軟肋， 應該用其所長，避其所短。
3. 不要迷信或者懼怕技術（算法），要知其然知其所以然，擁抱新技術的同時，也不忘以人為本。
4. 數據融合，融合不是簡單地數據合併，而是用不同的數據組合解決同一個營銷問題。不同挖掘邏輯產生的數據通常不適合直接合並，要有意識的培養自己的數據能力。
5. 數還是自己的好，沒有人比你更瞭解自己需要什麼，幫助品牌實現增長是所有研究的最終目的，CRM數據是衡量所有大數據應用價值的利器，可以開始思考如何構建品牌的私有數據庫。
下載PDF版本可以回覆本公眾號「營銷理性派沙龍第六期」
閱讀更多 Marteker 的文章
