宋星是數據化營銷與運營的教父級專家和行業意見領袖。行業智庫“紛析數據科技”創始人。《網站分析在中國》博客全文作者，百度集團顧問與鑽石講師，騰訊星河計劃顧問，Google mLab顧問。本文為宋星參加2018Mexpo的演講全文。
感謝MEXPO又給我這樣一個機會跟大家做分享。記得上一次應該是在上海也是類似於這樣一個場地，我特別喜歡，因為感覺跟大家的交流是非常非常近的。當然我覺得這麼近的一個交流只有一個原因，就是MEXPO太火了。
今天想跟大家講的是之前我一直在想的一些話題，就是怎麼用數據去催化，或者說數據怎麼樣幫助我們做到更好的數字營銷。
在去年上海的MEXPO我介紹的可能會更微觀一些，講我們怎麼樣利用數據能夠在獲客、承接、轉化、留存這四個維度上，幫助我們做更好的營銷和運營。今天我可能借這樣一個機會跟大家講稍微宏觀一點點的，更大的趨勢性的這個問題。
如果說我們要研究整個今天互聯網的變革，比如說出現了區塊鏈，比如說出現了一些我們從來沒有想到過的東西，是什麼樣的一種驅動力在驅動著整個世界在越來越數字化呢？本質上其實如果我們在回望過去五千年會發現沒有一點數字化的一個時代。昨天我還看到一個文章，說今天我們地球上的電磁波其實傳到宇宙中間多麼遙遠的距離？非常近，可能也就比太陽系多不了多少，為什麼外星人不會到地球上來？因為他根本沒有聽到我們的電磁波，我們電磁波無非就飛了幾百個光年的距離而已，那不過是銀河系內的一個非常微小的距離。
但在這麼短的時間內，地球上卻發生了翻天覆地的變化。
1950年開始有計算機的時候，一切都在加速，在上世紀50年代到90年代大概40年的時間裡，計算機和計算機網絡只是那些極客們玩的東西。但此後只用了20年，大概是從1990年到2010年這20年，不僅普通人開使用計算機和互聯網，而且出現了線下世界往互聯網，往線上去做映射。然後，大約估計只用了10年，即2010年到2020年間，我們發現，線上的世界開始往線下“映射”，開始大幅度的改變線下的樣貌。而這樣一種從5000年到40年到20年再到10年的加速過程，你很難想象下一個10年又會發生什麼。所以，所有的人都是焦慮的，都希望快速進入數字化的世界不要掉隊。所以，你從廣告投放的情況就已經可以看出這樣的一個趨勢：2016年的時候美國的廣告預算，數字預算已經遠遠超過電視和其他的這些報紙所有的這些線下推廣的方式。數字化一定是在加劇，人們投入在數字化中間的資源和錢一定是越來越多的，毫無疑問。
但是另外一個方向我們也可以看到，隨著大家都往數字世界擠，供需矛盾開始變得特別突出。比如，很麻煩的一點是整個中國正在變成既不願意生小孩又不斷老齡化的社會，這樣的社會可以割的韭菜越來越少，所以實際上儘管全部都在數字化，但是數字化能夠“去用”的人頭數卻在減少。這就造成了我們在做互聯網營銷的時候，今天所有的廣告主，所有的廣告商所面對的其實都是能用的資源越來越少，我相信在未來，這是一個永恆的主題，這個主題在十年前從來未曾出現過，比如說蔡文勝叱吒風雲的那個時代，那個時代大家把流量拿過來以後直接轉化，什麼裂變，什麼維繫從來不會考慮，也不會考慮運營，就是轉化。但是今天你看看，比如說以“xx頭條”為例，2017年他整個增量已經走入到一個平臺期，他們的用戶數量其實很難維持高速度的增長。所以他更多的力氣在研發和推薦其他的產品了，這是非常正常的現象。但是我自己幾乎每個月都會被他的銷售打電話說，請問你們的公司需要推廣嗎？從來沒有見到他們說自己的流量有枯竭的時候——廣告主不斷湧入，但是流量事實上是有極限的，因此完全不奇怪今天的互聯網流量的價格其實相比於線下的流量，已經沒有特別明顯的優勢了。
這是一個很大的問題，我們所有人都面臨著這個問題。有人說宋老師您是錯的，因為整個內容碎片化了，所以我們現在內容是無限增加的，流量也會無限增加，我們做營銷只會更簡單。錯，內容是在碎片化，但是內容承載的載體就是我們所說的媒體卻越來越集中，這種集中其實就造成了事實上的壟斷，在線上世界中間這幾家大鱷其實壟斷了我們所做營銷資源的一切，而壟斷背後的結果當然不一定是更好的服務以及一定更低的價格。而這樣的一種情況對於所有的營銷人而言都一定是一個挑戰，“要不然這麼多人都轉行了”。所以如果要想辦法，需要利用數據去做更多的分析，精耕細作，讓我們能夠立於不敗之地，這是必然的選擇。
怎麼樣做到呢？我們來看看數據對於整個今天的互聯網營銷會產生什麼樣的一些趨勢性的變化，我相信這些趨勢性的變化會給大家帶來一些啟發。
第一，如果數據能夠為我所用，能夠裝備給我們，我們就有機會能夠向更加貧瘠的流量資源挺進。這是什麼意思？其實，你看ppt中的這個背景的圖是有意思的——不知道大家認不認識這個石頭，這個石頭改變了整個世界的經濟格局，進而改變了世界的政治格局，讓俄羅斯變得特別鬱悶，也讓俄羅斯必須抱緊中國。為什麼？這個石頭叫油頁岩，如果大家去美國去玩一號公路，一號公路北邊的起點叫蒙特雷，蒙特雷是一個毫不起眼的小城市，但是那個城市旁邊有一個特別大的油頁岩礦，油頁岩過去是非常糟糕的礦，你說它是礦，它又榨不出來東西，你說它不是礦它確實含有油，可是你取不出來這中間的油。但是現在因為技術的提高，把水注進去可以把油從裡面擠出來，而且它的成本價格比在沙特或者俄羅斯去採油的成本還要更低，這使整個原油市場的供給一下子出現了井噴的態勢，進而造成了原油價格的下降。而從某種程度上，數據也是這樣的東西，過去我們認為比較貧瘠的這樣的一些資源，我們或者需要用類似於壓水的辦法——“壓數據”的辦法幫助我們能夠獲得更好的可能的營銷的增量。
比如說這是我的一個客戶，他們做MBA教育，做MBA教育其實是一個相對比較小眾的市場。每年有多少人報考MBA？每年報考MBA的人只有區區80萬，80萬不少呀。但是對於我們營銷而言，我們往往用億來衡量的，80萬簡直不值一提，所以很快我們就能把這些核心人群一網打盡，無非就是投關鍵詞，做信息流，還有這樣的一些垂直渠道而已。在營銷上你會很快窮盡這些最核心的人群，核心的人群當然是最容易轉化，最容易說服的，但是如果他們被轉化，被窮盡了之後怎麼辦？於是我們不得不向更貧瘠的土地前進，榨油頁岩。比如說我們做在職研究生這一個群體，可惜在職研究生這個群體並不理想，如果我們直接衡量ROI的話，MBA這些核心人群的ROI可以到1比3到1比5，但是在職研究生只有1比0.3到1比0.5，這種情況下你會繼續做投放嗎？就算你說我會投，你的老闆也不會讓你投的，這太可怕了，花1塊錢最後賺回來3毛錢，這樣的事情誰都不能做。可是如果我們有數據武器，我們也許對這個數據的判斷髮生新的變化，這個武器就叫做歸因，歸因的發展來自於我們能夠在比較長的維度下和比較寬廣的範圍中跟蹤同一個人，這是今天整個營銷的大變革。
上個月月底我去WPP，跟他們的高管做一個培訓，我說什麼事情影響了今天的數字營銷？大家說數據、技術，其實只有一個事情影響了營銷，是人們的移動化。移動化當然很方便便攜，如果讓你兩個星期不看手機你絕對很難受，因為手機已經變質了，它已經從一個3C類的普通產品變成了人身體的一個器官，讓你割掉一個器官兩個星期願意嗎？但是這個器官又很特殊，它又是一個小間諜，它能一直跟蹤你，因為今天數字化的變革，技術性的變革，追蹤上數據的變革全部來源於我們的移動化以及基於移動化對於這個人持久的而且廣範圍的追蹤。這樣的一種追蹤幫我們創造了例如像歸因這樣簡單的應用，利用這樣的應用我們可以看到，儘管我們投放是在職研究生的人群，而且他們不能夠直接產生轉化，但他們中的不少人還是可以在很快的未來轉變為核心人群，並進而發生產生轉化。
因此我們看ROI，在投放在職研究生的時候，在職研究生本身的ROI並不高，但是他能夠促進MBA人群的ROI的提升，並進而讓整個營銷效果提升，如果我們重新把這些歸因的MBA這些人群的轉化歸到在職研究生的頭上的時候，我們發現在職研究生的ROI點並不差，甚至能夠達到與MBA這些核心人群持平的程度，為什麼持平呢？他的轉化是不是好一些？轉化不會好，甚至轉化只有MBA人群的1/3到1/5，1/10也有可能，但他為什麼ROI會不錯呢？原因很簡單，在職研究生這群人人的數量特別廣泛，而且廣告投放的成本要低很多很多，這使我們有機會向更貧瘠的地方探索、前進。這個是數據給我們帶來的一點小小的變化。
其實，這樣的變化可能在十年前就已經有了，至少五年前就已經有了。這個變化實際上產生了另外一個“副產品”——傳播和傳播載體的鎖定其實被打破了（或者說傳播和傳播載體被解耦了），因為歸因其實看的就是人們在營銷過程中，會被哪些（而不是單一）的因素所影響。因為人是多面的，人的興趣是多面的，我如果可以通過歸因這樣的方法看到這個人的多面性，那麼我影響這個人也可以多面性的影響。例如，假如我是汽車公司，我要影響這個人恐怕可以不僅僅只在汽車這個環節影響他，因為這個人可能還會喜歡炒股，我同樣可以在炒股相關的媒體去植入汽車的東西，或者在他看旅遊或者照相機的環節影響他。這時候我們發現，也許數字營銷跟傳統營銷完全不一樣，傳統營銷廣告和位置跟人群聚集地必須捆綁在一起，過去五千年就是這麼幹的，三千年前有一個人說我要懸賞宋星，那個海報，海報一定是貼在城門的門口，不會貼在村東頭張寡婦家養的豬圈的背後。所以這樣一種情況促使我們發現廣告本身可以跟廣告的載體的解耦，而這樣一種解耦又這促使了我們產生了一種新的思維——過去我們投放廣告，必須要選某個位置，比如我們想影響毛不易的粉絲，那麼我們投《明日之子》，以為裡面有毛不易，他的粉絲肯定很多都在這兒，所以我們只選擇在《明日之子》這裡做前貼片。但是，第二種思維是毛不易的這些粉絲除了在《明日之子》上還會在其他一些地方出現，我們也應該在這些人出現的地方給他們看廣告，於是創造了一些真正具有革新性的廣告產品，比如RTB廣告。
有的人說，我們壓根瞧不上RTB，因為RTB都是垃圾流量。不否認RTB這種方式本身走到今天可能受制於資源本身的一些問題，大家並不覺得RTB是一個很好的方式，但RTB今天的思維方式卻深深的刻進了——甚至不僅僅是刻進了——而是完全變革了我們今天的廣告投放方式。有朋友說宋老師您寫了不少文章關於信息流，肯定很瞭解信息流。那麼，我問你，信息流是什麼廣告？信息流就是RTB廣告，它是私有環境下的RTB，是今日頭條自己的RTB廣告，是抖音的RTB廣告。這種廣告最大的特點是數據驅動的，怎麼數據驅動？我在選人，我在選汽車人群所以他就給我投汽車人群，而這些人可能看到的內容跟汽車沒有什麼關係。
有沒有想過我們為什麼選汽車人群能夠投到更好的效果？很多朋友說RTB是這樣一個邏輯，RTB的邏輯是給這個人打了標籤，這個人打的標籤上有汽車所以給他投汽車，其實本質上我們的廣告在運作的過程中不是這樣的一個過程，我們的過程用四個特別重要的字來代表，叫做監督學習，就是我ppt左上角黃字的這四個字，監督學習，這是今天廣告真正的革新性的，如果說移動化是第一個革新的話，那麼移動化所創造的監督學習是真正的在數據上的另外一個革新，是第二個重要的革新。
什麼叫監督學習？我們在投放的時候會去試錯，這個人標籤是汽車，我也是汽車廣告主，可惜一投汽車的標籤人群，發現效果不好——當然是機器發現的。於是機器改變嘗試，它開始嘗試照相機人群，結果照相機的效果很好，再去試旅遊標籤，結果旅遊標籤效果更好，於是機器未來不會投汽車的標籤，而是照相機和旅遊的標籤的人群，這是靠監督學習來實現的，背後實際上是我們能夠從始到終的對這個人持續性的跟蹤和監測以及對效果的直接監測。
當然，實際情況比這個要複雜很多，因為很多監督學習並不是這種興趣標籤，背後的數據跟我們想象的完全不一樣。
有人說我要去拿數據，我要拿標籤，這些人是咖啡的標籤，所以我要去投咖啡，其實不一定能有很好的效果。監督學習實際上需要機器反覆的試錯，在相當長的時間內得出一個最好的方程式，從而投出好的結果。所以有些DMP說我的數據標籤兩百多個，不重要，重要的是你的數據標籤是否是持續的，幾百個其實並不重要，但一定是要持續。比如說這個汽車人群，你一直就給這個汽車人群打的是照相機的標籤，沒關係，但是照相機就投汽車人群的效果好，就OK了。
但是監督學習有一個很大的問題，或者它有一個前提條件，既然有監督一定是有結果的，這個結果必須要能夠產生反饋，在投放的時候知道說這麼投效果是好的，那麼反過來我們再想想，今天的阿里的數據銀行為什麼阿里要做數據銀行？因為阿里的品牌數據銀行拿到的是消費者購物的數據，而購物的數據是整個營銷的最終的結果，是監督學習的監督所在，這才是產生的真正的變革。同樣的，當你在回過頭來想一想，為什麼信息流廣告有oCPM，有oCPC，o就是監督學習產生的結果，這就是今天廣告營銷投放方式的一個非常了不起的變革。
所以我們可以看到整個今天的互聯網營銷已經發生了變化，過去我們是主觀決策，我們拍腦袋填排期，看什麼樣的位置好；然後我們進入了相對客觀的決策，按照標籤來投放，因為我們認為機器總結的標籤是客觀的。最終我們進入監督學習的自動決策的階段，讓機器試錯從而找到最優解。過去你看今日頭條過去做oCPC有兩個階段，必須你先自己優化調整，積累一百多次轉化才會進入第二個自動出價投放階段，而現在第一個階段可以沒有了，因為今日頭條認為自己已經學到了足夠多的廣告主的數據，所以可以直接幫你帶入oCPC或者oCPM的第二階段。有朋友說：“人工智能真的這麼重要嗎？我覺得人工智能就是人工智障。”其實不是，很多人工智能基礎性的東西早已經不知不覺滲透到我們生活中間。
當然了，數據不僅僅在前端幫助我們能夠去找合適的人，數據也在後端去幫助我們找合適的人，或者去“迎合”這個人。過去我們特別強調所謂的千人千面，但是真正大家重視的其實就只有一種叫做千人，大家只重視千人，沒有人重視千面。什麼意思？他是不同的人我就給他不同的廣告，宋星老師喜歡瑪莎拉蒂，我就給他瑪莎拉蒂看，另外的人都喜歡QQ汽車，我就給他們看QQ汽車的廣告。但是我們看這些廣告點進來的無論是公眾號還是落地頁最後看到的都是雪佛蘭轎車，這使我們感覺很難受，儘管你在前端的創意非常符合大家的口味，但是在後端的落地沒有實現更好的與之相應的匹配，而這樣一種不夠恰當的匹配會造成營銷效果大打折扣。今天做新媒體的同學一樣感到迷茫，因為大家發現流量已經很困難，但是想要轉化這些流量比過去更困難，所以如何能夠讓人們進來之後產生迎合他們的東西，匹配他們的東西是我們要做的第二件事情，所以這一塊叫做自動化的營銷，過去我們看不懂自動化的營銷，認為只在B2B有這樣的營銷，但是實際上今天的營銷已經遠遠超過我們的想象。
比如某個啤酒公司做數字營銷，假如大量的使用千人千面的自動化營銷的方式，那麼每個人看到的可能都不一樣，比如，如果判斷你是支持巴西隊的，很有可能從你看到的廣告入口，到掃他的啤酒包裝的二維碼出來的創意內容巴西隊的，相關在微信公眾號的促銷也都是巴西隊的。但同樣掃這個碼，另一個人看到的可能就是法國隊的。
所以當我們在看到今天的營銷的時候，我們其實數字營銷整個已經變成了我們現在的這張圖上所表現的，它已經不再是某個單點的突破，我們既不希望僅僅只能在前端找到千人，也不希望在後端形成一個小的營銷。現在整個前端和後端結合在一起，或者另外一句話是營銷和運營空前捆綁在一起，這不僅僅改變了我們營銷的策略和方法，同樣改變了我們營銷的甚至我們甲方內部的政治版圖。
數據不僅僅在營銷推廣領域產生了改變，在創意和內容領域也帶來很大的變化。比如Netflix的紙牌屋是用數據來驅動的，其實紙牌屋其實只是他們的第N個試驗，在更早的時候早就試驗過用大數據推測人們的喜好，比如推出《女子監獄》這個劇集，也是一樣的策略。用數據創造更符合大眾胃口的內容。利用大量的數據去判斷人們的口味，來去推進的這樣一些內容，而這樣的一些內容幫助我們儘可能減少內容的風險。因此我們在很多時候數據能夠幫助我們在進行營銷和進行推廣之前，就起到巨大的作用，這種作用往往能夠幫助我們避免更少的走彎路，這種方法其實我們在很多年前，十年前就已經使用過，比如說我們利用人們對於內容消費的熱圖來判斷，人們到底對什麼樣的東西是特別感興趣的。
今天我們可以用更加先進的一些科技的方式去解讀人們對什麼更加喜愛和什麼更加不喜愛。比如我們直接讀取人的好惡的感受是可以讀取的，利用一些腦電波的方式，比如在這個案例中間我們並不瞭解這個會帶來更好的效果，但是我們可以預先通過腦波的方法採訪一百個人，二百個人瞭解這個是不是讓我們真正感受愉悅。大家看下面的這個視頻：
大家注意這條線，越往上走人們的情緒越高漲，利用這樣的方法我們能知道人們在整個情緒比較好，只有在汽車摔下來的那一瞬間大家的情緒普遍比較低落，這種情緒擊落也可能是對它的擔憂，這種方法可以大概的減少我們在投放這個廣告之後才發現原來大家不喜歡。我當時一個客戶投放廣告請黃曉明的時候我們做了一些調研，大家情緒普遍比較低落，但是換成安吉拉貝比以後男性用戶的反應普遍比較高漲。
某個食品公司的一個好玩的例子是，我們用這種方法探測房祖名和郭采潔，當房祖名出現的時候女性人群表示情緒穩定，但是男生普遍情緒低落，但是一旦郭采潔出來的時候大部分男生都非常高昂，但是女生的情緒開始變得下滑，到最後郭采潔和房祖名終於擁抱在一起的時候，所有的男生都是想吐的感覺，心情全都往下走，但是所有女生情緒都比較好。這其實幫我們判斷說在還沒有投放之前就能更多的瞭解這就是數據幫助我們克服風險的這樣一些例子。
總體而言被數據改變的事情很多，限於時間的關係，我們能夠去改變的東西其實很多，比如說消費者的旅程和歸因，過去我們看不到，今天可以看得到；端到端到的定向，前端到後端都可以實現千人千面；革新的消費者洞察的方式；比如說剛才說到內容的洞察和利用這樣的一些腦波的最新的方式；內容生產的決策也在更新；並且我們發現一些新的連接，比如說原來喜歡汽車的人還喜歡旅遊和照相機，我們也可以看到基於客觀信息的自動化的決策，也就是我最開始講的監督學習的方法是多麼重要。
最後很多人都會認為企業做數據工程是一個大的工程，但是往往一些小小的改變就能解決很多很多大的問題，因為數據正在重新定義我們的營銷方式，我們的溝通方法，就像在傳統的一馬平川的土地上劃出溝壑，而這樣的溝壑我們絕對不能夠對它視而不見。
耽誤了一些時間，特別感謝朋友們聽我講這些抽象的東西，謝謝大家！祝大家整個會議愉快，謝謝！
本次演講的PPT原文件下載地址：
鏈接：https://pan.baidu.com/s/1A7J7kkavtF2jWIHU1UlWzQ
密碼：9mt3
閱讀更多 Marteker 的文章
