网站前期基础建设 怎么写/全球搜索引擎市场份额

• 基于数据打通的“全链路”营销是当下的“时髦”，应用它的前提是什么？
• 深度营销和运营的关键数据如何获得？
• 如何利用数据进行更精准的营销投放？
• 如何利用数据优化投放的效果？
• 如何促进消费者的转化，以及激活留存的客户，并不断提高他们的忠诚度？
• 应该采用什么样的数据战略？

宋星老师在《数据赋能：数字化营销与运营实战》中给出了以上问题的答案，最近正在读这本书，所以项采用框架拆解方式进行记录，一来通过梳理读书笔记倒逼自己提升对数字化营销的认知，二来分享给需要的小伙伴们，供相互学习交流使用。

本书围绕数据为企业数字化营销和业务增长赋能的两大主线——数据驱动和数据分析展开介绍，同时辅以近几年在中国企业界实际应用的真实案例进行生动讲解。

主要涉及的内容有：数据的来源、获取与接入，数字化流量运营，数据驱动的品牌、效果广告投放，流量效果的数据分析，异常流量与作弊识别，利用数据进行流量的宏观和微观转化，私域流量与消费者深度运营。

第一章：从正确的数据观开始

一、数据的两个核心价值：优化和驱动

数据优化（事后）

概念：

数据本身反映了现象，而分析数据则能发现现象背后本质的东西，从而帮助我们实现对营销和运营的优化。

案例：

• 某计算机芯片制造商引入互联网营销分析的系统方法，对广告受众的行为进行分析，评估投放影响。对流量的质量进行分析，评估流量的问题。

• 某旅行类垂直搜索网站，对网站上用户行为追踪，判断元素的转化率并优化，提高转化率近一倍多。

• 某电子商务网站对促销商品的列表页面做了一些小的调整，将营销活动转化率提高50%。

数据驱动（事前）

概念：

数据驱动是指在数字化营销与运营过程中，直接用数据对广告投放及消费者的沟通进行干预。

案例：

• 在同一时刻，在同样的位置上，两个消费者看到的广告可能是完全不同的。

二、如何开始行动？

1、实现数据赋能最重要的是什么？

有如福尔摩斯般对未知的探索欲望，以及探究过程中所利用的敏锐的嗅觉、缜密的思维和他脑中存储的生活经验才是最重要的。

2、商业意识

1. 零售：常见商业模式，消费者运营模式，供应链上下游模式，各个业务线指标与负责人，行业趋势与挑战，所在企业与竞争对手策略，行业八卦，风云人物的分享与故事
2. 跨部门联系，避免数据正确，但没有应用场景，成为正确的废话
3. 其他
   a. 现象中抽象出核心的问题
   b. 避免钻牛角尖
   c. 具备宏观思维，并可在微观层面分析与挖掘
   d. 见解与结论以最好的故事和讲法呈现

3、建立数据能力

1. 对数据本质的认知力

用在数字化营销和运营上的数据是哪些数据，这些数据有什么类型，具有何等数据结构等相关知识。

2. 将业务问题转化为数据问题的能力

能够看到业务问题背后的数据逻辑，并为业务建立数据化的模型，以及匹配数据化的工具。

3. 数据模型和分析的能力

通过将数据与业务相结合，对数据进行分析和建模，从而得出正确洞察的能力

4. 掌握数据分析和应用数据工具的能力

让数据发挥价值而必须具备的。

4、勇敢去做

数字化营销与运营工作并不是理论，恰恰相反，它是一个实践性极强的科学体系。如何开始行动这个问题答案就是行动本身。

5、警惕 “伪数据主义倾向”

1. 伪数据源
2. 数据清洗的繁重工作量
3. 伪概念

把关键指标用一个更诗意、更魔幻的名词如“北极星指标”表达。

4. 成本问题

该花的钱花，如果成本有限，就从小处开始，获得一点进步，实现一些落地，一个混凝土小楼强于纸糊的宫殿。

5. 正确的数据理念

数据本身并无意义，倾向于让我们变得更加机械，并压缩我们的眼界。所以我们不可以无条件信任它。

三、企业组织维度上的匹配

1、经验还是数据？

策来自于三个方式，感觉、经验和洞察，后者依赖数据。

整个数据生态建立在数据基础上。

1. 企业驱动外部的能力和资源越来越依赖私域数据与基于私域数据的能力
2. 企业营销与运营管理的技术，基于更广泛更深的数据获取
3. 数据护城河的建立，尽管数据所有权和使用权分离
4. 人工智能需要企业提供的高质量与数量的数据
5. 个人信息安全保护立法不断强化

2、企业数据化成熟度模型

1. 企业数据能力的三个层次
   
2. 企业数据化成熟度模型
   层次1 初始
   层次2 起步
   层次3 初级内部整合
   层次4 嵌入外部能力
   层次5 全面的内部整合
   层次6 内外能力协同
   层次7 智能化

层次4为分界线，标志着更高层级的数据化成熟度。

单一数字渠道或触点为层级3，大多数中国品牌企业正处于层级3和4向层级5过渡。

四、不变的基本逻辑：从前到后的营销与运营