作者：Agnes Zhang，題圖來自：視覺中國
這是一場在線教育行業的困局。當營銷技術與實際落地錯位發展時，企業會不知不覺陷入這種困局：技術投資很重，實際效果甚微。
新興的營銷技術非常多，智能匹配、AI服務、個性化推薦等，但沒有對應的實施基礎和落地步驟，推動營銷業務的實際增長就淪為空談。這也是很多頭部教育機構在營銷技術方面投入大量資金和心血，卻要不斷經受投資人靈魂拷問的原因。
趨勢一：我的體驗我做主——用戶掌握個性化自主權
幾乎每個教育品牌都在通過個性化產品和服務來提升競爭力。但鮮有人意識到，產品的個性化過程始終是以品牌方為主導的，而根據埃森哲2020第一季度的調查顯示，今天的用戶更關注個性化體驗的參與感和主導權。
問題：老化的個性化服務模式
很多企業已經構建了不錯的數據收集和分析能力，這些業務主要在後臺運行，用來判斷用戶需求並提供針對性的個性化服務。但在企業不斷增強這類體驗和個性化能力的同時，這些後臺技術卻在漸漸將用戶“邊緣化”，即強化了企業的“上帝視角”和用戶的“被動接受”視角。如果不改變這種單向的創造模式，個性化體驗會因為營銷目標的“唯短期業績是圖”而偏離初心，最終指向消費者的失望。
解決思路
1. 拒絕純技術驅動的個性化體驗。
技術改變了我們長久以來習以為常的教育模式。藉助AR和5G技術，課堂能夠打破地理空間的限制，為用戶提供更個性化的教育體驗。但企業同時需要注意，個性化服務模式不能純粹以技術驅動，更要尊重用戶的真實期望，隨著用戶的反饋發展個性化服務。技術還可以讓用戶更有參與感，而不是純技術推動的黑匣式個性化，營銷技術實施的底層邏輯一定是簡單透明的。
2. 從更多環節切入，與用戶共建體驗。
想保持用戶黏性，就要重視用戶在被營銷時的感受，而通過體驗的共建，是一個很多品牌都在踐行的思路。比如，無代碼開發的智能營銷工具可以提升從投放到轉化的內容體驗，幫助企業創建更多個性化內容，從而為用戶提供更匹配的信息。還有的品牌會和用戶在營銷階段就做深度互動，讓用戶邊輸入信息，邊決定廣告情節走向，最後給出一個最適合的展現頁面。
案例：把課程主導權給家長、孩子
某英語學習產品採用了AI互動課程 + 輔導老師社群服務的模式，在矯正孩子英語發音的同時，也會強調家長陪伴孩子讀繪本的環節。
上課方式簡單，只要一步步按照APP上的流程做，就可以完成每天的課程。學習的節奏由家長和孩子根據實際情況自行設定，比如，時間充裕可以每週學習課程5節，時間緊張就學習3節。每個月，品牌會根據課程實際進展，讓會員家長換新的繪本教材，其中包括單詞卡、學習圖、繪本書、練習冊等。
APP會建議家長結合孩子的年齡和水平，進行自主選課。教材選擇上也體現出這種自主權的讓渡。教材不固定，孩子和家長可以從眾多的分級讀物中，挑選自己感興趣的版本。
值得一提的是，每天學習完，都有個小測試，這也是孩子能深度參與的環節。測試後會自動生成一個語音作品，可以發佈至老師和其他同學都可以看到的作品，這個秀口語的環節，不僅可以讓老師幫助糾正和點評，還可以和其他同學互相留言。這部分帶有社交屬性的互動，讓孩子願意為好作品努力練習，並參與到互評中。
總結一下該產品在“共創體驗”上的領先之處：
講授環節最輕量化。通過直播、家庭互動、遊戲化等技術手段，讓孩子在多元的場景中體驗學習的樂趣。
科技+社交驅動的練習。練習環節的全面線上化數據採集、數據分析，讓系統可以自動推薦接下來的內容，並通過對抗人的遺忘曲線、排查無效的練習，來達到更好的學習效果。同時，調動社交元素，讓孩子有成就感和參與感，化被動為主動。
新雙師模式：AI+真人老師。在線錄播智能AI系統帶有一定的推理互動，不僅僅是一堂視頻課，還會根據孩子的表現推進故事情節。同時，沒有拋棄真人直播課程和真人督導，保持課程的靈活性和服務的親近感。
趨勢二：讓營銷自動化落地——兩段式精準營銷再升級
面對媒體流量變貴以及存量用戶寶貴的現實，教育品牌都在蓄力提升營銷自動化的能力。從2018年開始，頭部的教育品牌開始投資自己的數據中臺、構建數據分析能力和營銷自動化能力。因為國內數據建設起步較晚，真正的營銷自動化爆發期預計最快也要在2021年至2022年到來了。
從2020年目前的整體發展現狀來看，一部分領頭企業已走出營銷自動化“叫好不叫座”的困境，雖然距離全鏈路和良好個性化體驗還有很大距離，但在一些場景中，已經可以很好地實現營銷自動化。
這裡引用於勇毅老師的一個生動比喻，國內頭部企業目前做得很好的，是兩段式精準營銷：“地雷”，直接生成頭尾完整的作品，有的還會根據老師是否有口音，自動配上字幕。
這些批量內容目前已經開始投入使用，增粉和轉化效果不降反增。同時，通過視頻播放和點讚的數量，機器還能持續學習和調整剪輯策略行為知識圖譜、地理位置知識圖譜、自家產品的標籤化知識圖譜等。但高精度的“知識圖譜”一定是藉助AI實現的。
知識圖譜還可以讓客戶體驗管理更貼近實際業務。在線教育的核心產品是長程、高客單價的課程，消費者的決策鏈比較長。這期間會產生大量的行為數據，“知識圖譜”幫助AI篩選出那些關鍵的“深度互動行為”。AI再通過消費全數據進行學習，把這些關鍵行為附上分值，為客戶此階段的購買意願打分。
如下圖，現在有豐富的可視化軟件可以搭建這類潛客評分系統。
接下來，我們以某個編程品牌為例，基於目前實際能收集到的每個消費者的碎片數據，通過人工智能橫向分析“最終購買者”的共性，從而預判每個潛在消費者的購買意向。銷售人員獲得的是打好分數的、可衡量的線索。
上圖展示了一種教育行業的具體場景“潛客算法”“Engagement Scoring”。營銷人員在分析了各種路徑下的用戶行為後，發現當用戶做過這幾種行為後，成單率最高：訪問網站、領取資料包、詢價、關注轉發。當然，隨著產品的變化和數據的積累，這個打分系統是動態變化的。
可喜的是，只要抓住消費者的關鍵行為路徑，持續優化打分體系，資源就會傾斜給高質量線索，從而解決教育行業營銷中的一大痛點：從線索到購買的低成單率。
最後，之所以寫這篇，是因為在最近兩個月，我們頻繁和教育行業市場人產生深度交流，發現大家對於數據的應用認知已非常深入，但對於如何落地依舊迷茫。藉此，我們想通過此文，認真總結一下教育行業目前常用的、能落地的營銷技術，並結合具體應用場景，啟發更多優秀的市場人。
[1]《埃森哲技術展望2020報告》 埃森哲諮詢，2020.
[2]《中國MarTech市場研究報告_2019》 艾瑞諮詢，2019.
[3]《2019年致趣百川內容生產策略白皮書》 致趣百川，2019.
[4]《探底4家頭部在線教育機構，總結4大組合增長策略》 公眾號“野生運營社區”，2020.
[5]《Martech 營銷技術：原理、策略與實踐》 於勇毅，2020.
