作者：于勇毅
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
大数据营销：如何利用数据精准定位客户及重构商业模式试读：
内容简介
本书系统介绍了数据在营销中的应用，通过很多行业案例帮助读者了解数据营销的应用场景和前世今生。
本书共6章节，主要解决如下问题：数据营销是什么、数据营销有哪些领域、不同领域间的关系是什么、个人级消费品市场的数据营销案例及思考、企业级消费品市场的数据营销案例及思考、在营销之外如何利用数据帮助企业进行业务重构、关于数据营销未来可能模式的思考、在大数据时代如何保护个人信息及隐私等。
本书的读者对象包括：对于数据营销一知半解的营销圈外人、已经从事多年营销的从业人士、企业内部负责营销的操盘手。
业内专家推荐
在“大数据营销”各种纷乱嘈杂的声音中，这本书带来了最真实的业务洞察及最佳应用实践解读。当今，不论是企业主还是广告商，为获得更好的业务回报，必须明智地借助大数据营销。作者将晦涩、枯燥的技术语言撰写成专业可操作的工作手册，让你高效、愉悦地掌握关键知识并应用到实际工作中。每一位市场营销的从业者，都不该错过这本书。——张艳，好竽在线创始人，SAP公司前市场总监
这本书是我读过的最能指导营销业务的一本大数据营销的书，既有战略性的全局观，又有战术性的指导。都说数据是黄金，其实真正能够有利于业务发展的数据才是黄金，我们有大量的大数据挖掘和分析技术，却时时苦恼于不知道这些数据结果怎样才能更好地帮助业务增长，常常为了做大数据而做。看了这本书，可以多从营销效果的角度来考虑大数据布局和应用，这种理念其实是非常难得的。——孙宁，客户信息策略经理，IBM大中华区市场部
今天我们在互联网上的一切行为都产生着数据，这些无穷无尽的大数据为营销决策提供着定量依据，优化营销配置和决策流程，使之带来高的回报。在执行层面，因为有了大数据而使营销更加精准，帮助广告主精确地识别出最有价值的客户，实现了个性化、实时化、结果可衡量的数据驱动营销模式。本书对大数据营销进行了系统的阐述，可帮助营销人员更好地理解大数据给营销带来的进步。——Arthur，余沛怡，奥美等国际4A广告公司前董事总经理
现如今，市场营销从业者对于大数据已从“理论摸索”迈向了“价值变现”的阶段。麦肯锡的一项长达3年的研究表明，借助以大数据为基础的运营及营销活动，B2B公司能够获得超过8％的投资回报率和高于其他公司5倍多的复合年增长率。本书结合了大量的B2C和B2B的数据营销应用场景，按照不同的行业结合具体案例来解析大数据营销的最佳实践，堪称市场营销人员的大数据实战手册，相信会给您带来新的大数据营销思路，助您提升营销活动的价值回报。——周莹，亚太区市场营销负责人，Oracle零售全球事业部“大数据”时代来了。在B2B领域，拥有客户数据库等大数据资源或许不再是一个竞争优势，但没有却绝对是一个竞争劣势。以大数据为基础的营销不仅在方法上使B2B企业的营销更加准确，更主要的是在思维方式上让营销者发生根本转变。通过这本书，你将更深入地体会如何运用客户关系管理、客户生命周期、销售漏斗模型等知识开展商机挖掘、开放数据、客户细分策略、角色营销等B2B大数据营销实践。大数据讲的人多，做的人少。作者在B2B大数据营销领域工作多年，具有丰富理论与实践经验，不但做过大数据，而且还能把曾经做过的案例讲得生动易懂，这本书确实表现得可圈可点。——周妍，数据策略及营销经理，SAP
这是一本少有的大数据营销实战书！现在的营销和传统营销，最本质的区别就是数据。数据开始生态化，数据从收集、分析、识别、接触、应用，带来了新一轮分工和协作体系，并开始传递其智慧的商业价值。大数据营销，不只是消费者画像，还有销售套路、流量转化套路、舆情监控等。勇毅作为大数据营销的前行者和实战派，把数据的营销套路写活了，读来，倍感数据驱动的商业时代已经到来。对创业者来讲，需要用数据框架去观察、思考和创造商业，建立以消费者为中心的C2B商业版图。对市场营销从业者来讲，掌握大数据营销，可以更好地将营和销统一起来，实现实效营销。大数据即营销。——朱维芳，慧科集团副总裁，北京高校邦科技有限公司CEO
从开篇营销历史的娓娓道来，到中篇严谨详实的论证干货，从良好抽象的方法论框架，到B2B、B2C、O2O等最新领域案例讨论，可见作者扎实的项目经历和独到的心得。读完有一个强烈的冲动，快请他来给我们的企业做一个营销方案吧！——毕然，百度资深数据技术专家，《大数据分析的道与术》作者
随着市场的成熟，客户的购买行为越来越难以琢磨，市场竞争更加激烈，过往的传统营销方式逐渐不再灵验，客户获取和维系的成本越来越高，寻找新的营销方式是摆在多数广告主面前的难题。技术的发展使数字营销成为众多广告主的重点关注对象，并且已经显示出传统营销模式无法实现的优势，对于很多广告主来说，客户数据已经成为支撑营销决策和执行闭环的核心资产。本书通过众多案例，帮助营销人员了解最新的创新领域和落地方式，打开了在数据营销应用模式的思维方式。——景洪，高级分析师，Intel市场研究部
自序
对大多数人来说，“大数据”、“数据营销”这些词是如此熟悉却遥远，经常出现在新闻中却无法在日常工作中接触到；似乎充满了机会，但作为企业和个人却又无法马上做点什么。笔者从业13年，既作过每年花费千万元经费的甲方，熟知甲方思维，也作过花费千万元项目的乙方，了解乙方视角的项目边界，同时带过研究生、讲过课，能够将理论与实际相结合。在本书中，笔者罗列了数据营销领域的重要内容：数据营销到底是什么？如何帮助企业？有哪些成功案例？大数据营销又是什么？行业前沿在做什么？数据营销的未来又如何？
笔者多年来积累了业务方面的知识和经验，本书更侧重于对数据营销知识进行案例式讲解，而不是生硬地解释一些生涩难懂的技术单词，笔者会用简单、易于理解的业务类语言对各个概念抽丝剥茧，帮助读者梳理对数据营销的认识，通过案例来描述数据营销在每个领域如何起作用，帮助读者获取数据营销操盘手的视野。
如果你是行业新人，希望本书能帮助你初步了解数据营销这个行业，无论你的职场规划是技术层面、业务层面还是管理层面，在本书中都能找到相关的知识和案例。
如果你已经从事数据营销的某些领域，希望本书能帮你梳理数据营销的全景图，基于你现在做的事情，找到新的突破口。
如果你是行业资深人士，本书可以帮助你了解其他行业的数据营销模式，通过案例为你带来一些新的思考。
如果你是企业负责人，本书会为你描述数据营销的最新领域和成功案例，无论你是只有十个人的小企业，还是每年花费上亿元广告费的企业，都能知道如何走出数据营销的第一步。
数据营销的领域和应用非常宽广，变化也极其迅速，很多技术和实践更新换代很快，但是数据营销的基本理论和思路却会一直被沿用。本书也许不能让你一夜之间成为数据营销专家，但笔者希望这本书能为你打开一些“门”，帮助你进入以前没有接触的数据营销新领域，或者通过融会贯通，从不同视角重新看待数据营销对企业的作用。
希望你能愉快地阅读本书，如果你能从本书中体会到数据营销的乐趣，那就是对本书的最大褒奖。于勇毅第一章 数据营销概论
什么是数据营销？一言以蔽之，利用客户数据来进行营销的方式都可以称为数据营销。这些客户数据来自企业的内部生产过程、外部采购等多种渠道，数据的应用方式也多种多样，但最终目的都是通过分析客户数据来推动企业的销售提升和业务变革。除了少量书籍，国内大部分大学目前都没有设立相关课程对数据营销进行专项介绍，国外对数据营销的认识，比较贴近的词是“数据驱动营销”（Data Driven Marketing，DDM，本书也以此为英文书名）。在不同行业，数据营销的方式和所利用的数据各有不同，一通房产中介打来的骚扰电话、一条银行发送的生日问候短信、微信群里出现的广告推送或电信运营商的合约到期提醒电话都属于数据营销的范畴。一些耳闻目睹的专业词汇如“直复营销”、“数据库营销”、“电子邮件营销”、“社交媒体营销”都是数据营销的不同阶段或不同领域，笔者将在本章把这些零碎的节点串联起来，为大家呈现一个相对完整的数据营销全景图。第一节 数据营销的发展历史
数据营销的第一个成功案例已无法考证，有迹可循的是19世纪美国百货公司西尔斯（Sears）的模式。早在19世纪80年代，面对美国的广袤地域和稀少人口，西尔斯通过直复营销模式（目录采购+货到付款），迅速占领了市场，成为零售业第一，其霸主地位直到100年后的20世纪90年代才被折扣店起家的沃尔玛（Wal-Mart）取代，但在2012年《财富》世界500强排行榜中仍然占据第245位。2015年西尔斯与凯马特（Kmart）合并后，规模居全美零售业第三。
随着20世纪90年代电话营销这种新方式的兴起，传统直复营销的模式被逐渐取代，数据营销进入数据库营销的阶段。在银行、IT、保险等行业，几乎每个企业都建立了庞大的呼叫中心，通过呼叫中心这种简单、廉价的方式为客户提供“营销—销售—售后”的端到端服务。以全世界最大的呼叫中心外包国家印度和菲律宾为例，两国有数百万人通过外包的形式为欧美企业提供呼叫中心服务，管理着成千上万名欧美企业的数据库营销。
最近十年，电子商务、营销技术和大数据的兴起和发展使数据营销进入了数字营销时代。以国内的京东为例，整个平台在2014年以不到10万名员工驱动2600亿元的销售额，人均产出达到300万元。而全世界最大的线下零售商沃尔玛，员工人数为220万人，总收入为4700亿美元，人均产出折合人民币140万元，不及京东的一半。数据营销在电商领域的核心价值是连接商家和客户，帮助商家以最小的成本找到最精确的客户、最精确的推荐商品和最精确的销售价格，这些数据营销的优势帮助电商进一步拉大了和传统零售商之间的距离。
表1-1总结了以上提及的数据营销的三个阶段，每个阶段的飞跃都是随着营销接触方式技术的变革而发生的，应用领域也从最早的零售业拓展到拥有电商平台的各行各业，数据营销的模式也从最早的“目录邮寄+货到付款”到以客户数据为核心的各种个性化营销方式。表1-1 数据营销的三个阶段数据营销阶段核心应用领域主要行业营销接触方式直复营销邮购零售直邮IT、金融、保数据库营销直销电话销售险、运营商数字营销电商电商数字营销一 直复营销：宜家的会员模式
1．直复营销概述
直复营销是数据营销的最早阶段。回到百年前，零售业普遍面临一个难题。当一个小商店的客户不超过100人时，店主能叫出他们每个人的名字和偏好，也知道他们每天采购的物品和时间点，这些记忆能帮助店主很好地管理库存和现金流，避免错误压货造成的损失（如无法销售、商品过期等），同时良好的客户关系也会给店主带来持续不断的生意。作为客户，当你走进超市的那一刻，店主叫着你的名字，问候你家人的健康，和你聊着你喜爱的球队比赛，货架上放着一小时前刚采摘的新鲜蔬菜，在你生日时店主还为你准备了一张贺卡……这样完美的客户体验让每个客户都愿意把所有的购物预算放在这家店里，哪怕这里的价格并不是最低的。但是当业务持续扩张，新开店面遍布城市每个角落时，记住每个客户的偏好已经不再现实，有多少客户购买了商品，什么样的客户购买了某类商品，客户抱怨最多的商品是什么，这些很基本的问题经营者都无法回答，这时就只能依靠一条条记录在案的客户数据来维系与老客户的关系了。
2．宜家的故事
70年前，在瑞典的一个小山村，小英瓦尔经营着自己的小超市，看着面前堆积的铅笔、火柴、打火机、相框……小英瓦尔觉得有必要重新梳理一下自己的思路了。虽然小英瓦尔在家族内经常被夸奖有商业头脑，5岁时成功地把火柴卖给了自己的长辈赚到了人生的第一笔钱，但是这次的斯德哥尔摩之行却非常失败。虽然首都的东西进货价非常便宜，但他误判了市场需求，低价批发来的一堆东西在村子里根本卖不掉。村子就这么大，谁会一下买十个打火机呢？按照原来的设想，小英瓦尔骑行了上百公里跑了邻近的几个村子，但是要么客户不在家，要么客户暂时不需要，在正确的时间遇到正确的客户推销正确的产品的概率太小了，这种上门推销的方式在这个地广人稀的国度效果并不好，他又做不起报纸或电台广告，究竟怎样才能清空手上这些库存呢？
这时，门铃响了，是每天都会上门的邮递员，小英瓦尔突然灵机一动：邮递员不是每天都要跑遍周边的村落投递信件或报纸吗？通过把信件和报纸塞进信箱，能100％接触到客户，那邮递员能帮我传递商品信息给客户吗？想到这儿，小英瓦尔拿出一堆纸，写上积压的产品目录、价格、自己的电话和地址，交给了邮递员，并且与他谈成一个合作方式：邮递员会帮助小英瓦尔把这样的产品目录夹带在信件和报纸里，传递到自己能覆盖的周边范围内，客户可以基于目录上的电话联系小英瓦尔，最后通过邮寄的方式收到想要的货物，同时小英瓦尔需要支付邮递员邮递费和免费的咖啡。
之后小英瓦尔还找到了和邮递员功能类似的收奶工等角色，他的商品通过这种模式迅速占领了瑞典的大片市场。1943年，小英瓦尔17岁，他成立了自己的公司。小英瓦尔的全名是英瓦尔·坎普拉德（Ingvar Kamprad），他创立的公司使用了他的名“I”（Ingvar）、姓“K”（Kamprad）、出生地“E”（Elmtaryd）和家族农场“A”（Agunnaryd）。
这是宜家（IKEA）的故事。
现在仍在使用传统直复营销方式并且运转良好的公司中，宜家是大家最熟悉的，在笔者能查阅到的资料中，在最高峰时，宜家全球直邮数量达到4500万册。一本设计和印刷精美的产品目录成本不会低于20元，而宜家如何做到把这些高成本的产品目录邮寄给最有价值的客户呢？如图1-1所示是直复营销的数据闭环。图1-1 直复营销的数据闭环
宜家成功的首要因素是良好的品牌形象和产品设计，这是产生直复营销闭环的先决条件，通过各种传播渠道（电视、电台、报纸、杂志等）将宜家的广告传播到广大目标用户群，打动客户带着好奇的心理来实体店进行第一次购买，而产品价码上会员和非会员的差距，以及结账时收银员的提醒推动客户注册成为宜家会员。在会员卡上印上客户的唯一会员编号这一手段是直复营销的关键核心，它帮助零售业识别客户，当客户消费时需要出示会员卡才能享受积分、折扣等优惠。而通过会员编号，宜家了解了同一个客户的所有历史购物数据，包括会员每次购买的商品、金额、时间等诸多要素。收集了这些数据后，通过使用数学模型，宜家就能判断客户价值及其可能购买的商品种类和购买时间，最后选取数学模型中价值最高的客户，向其邮寄印刷精美、成本高昂的产品目录，吸引客户回到宜家进行重复消费。
在直复营销的闭环里，客户数据中最关键的是客户的会员编号（识别码）、历史购买记录和直邮地址这三个要素，通过对海量客户购买行为的数据挖掘，零售商能获知成千上万种商品间的交叉销售机会和最佳销售时间，最终目标是在正确的时间向客户推送正确的商品内容和折扣政策，吸引客户到店消费。
3．直复营销成功的条件
虽然宜家、沃尔玛等众多商超依靠直复营销走向成功，但这种营销模式并不是每个零售企业都可以复制的，成功的先决条件包括以下几个。● 良好的品牌形象和产品认可度，使客户看到目录上的图片和文字
能产生购买欲望。● 销售利润足以覆盖目录印刷成本。● 商品相比竞争对手具有价格竞争力。
不是每个零售商都能建立宜家这种级别的品牌形象和产品认可度，一份质量普通的产品目录如果缺少品牌的支撑，则无法获得客户的信任和吸引客户的眼球；如果产品的利润没有高到一定程度，又无法覆盖高质量目录设计、印刷和邮寄的费用。同时，直复营销前期的客户数据积累又是一个非常缓慢的过程，客户在填写会员卡登记表时，大多数情况下都不愿意填写真实的信息，这也降低了数据的精确度。在企业收集的数据中，完全真实可信的只有历史购买记录，客户填写的年龄、性别、收入等信息基本上都无法反映真实情况，因此直复营销的成功只出现在大型商超、汽车等少数几个行业的少数几个垄断者身上。
还有一种极端情况是甲方将直复营销的所有环节都外包给供应商。例如，中国邮政仍然为企业提供直复营销中从数据、产品设计到邮寄的端到端服务。二 数据库营销：戴尔的直销模式
1．数据库营销概述
数据库营销是数据营销的第二个阶段。
在直复营销出现的几十年里，直复营销解决了以下一些问题。● 找到和客户定期沟通的方式：客户数据+直邮。● 相比电视广播等大范围覆盖的营销方式，营销精确度相对高。● 更加便捷的销售方式：邮寄+货到付款。
同时直复营销也仍然存在以下一些问题。● 对商品的标准化程度和品牌要求高：需要通过简单的文字和图片
吸引客户的购买欲望。● 沟通频率低：直邮的制作和印刷在大部分企业那里都是以月为单
位推进的，无法及时抓住市场热点。● 数据更新频率低：仅能通过收集退信的方式对客户数据进行修
正，存在不确定性的邮政体系和对退信的整理需要投入大量的人
力和时间，错误的数据重复消耗着资源。笔者所见的一个案例，
某互联网企业曾经对中国的百万个中小企业进行了一次直邮，之
后一个月内，该企业的前台每天都堆满了以麻袋计的退信。
20世纪90年代，呼叫中心的技术逐渐成熟，更低廉的成本（相对于直邮）、更有效的沟通方式（电话话术）和更精准的数据（可以根据外呼结果及时调整错误数据），解决了直复营销存在的上述几个主要问题。
2．戴尔的故事
迈克尔·戴尔（Michael Dell）1965年出生于美国，12岁时依靠邮票生意赚到人生第一桶金，并花了2000美元购买了自己的第一台电脑。16岁时为某报纸打工，发现新婚夫妇是这个报纸的主要订阅者，因此组织大量人手通过各种渠道收集新婚夫妇的客户数据，统一录入电脑进行整理，再通过主动赠阅两周的报纸来吸引客户订阅，靠着销售佣金，他挣到了自己的第一辆宝马车。1984年，他成立了以自己名字命名的戴尔公司，销售组装台式机，两年后销售额达到6000万美元，1992年销售额超过20亿美元。但是由于组装台式机不高的技术门槛和互联网泡沫在20世纪90年代的破灭，大量同行业企业都相继宣布破产。在这个转折点，基于对以往销售数据的分析，戴尔发现促使已经购买过戴尔产品的老客户和对戴尔一无所知的新客户购买同等金额的产品，营销投入比是1︰5，而一台电脑的使用寿命又远低于汽车这样的耐用消费品。通过收集客户数据，并且区分新老客户的营销和销售方式，能够更有效地降低销售成本，因此戴尔在熟悉的直复营销模式上增加了电话营销的方式，从1994年开始在客户关系管理（Customer Relationship Management，CRM）系统中为每个客户建立独立的信息，记录了客户的联系方式（姓名、电话、地址等）和历史消费记录，通过数据分析找出每个客户的购买产品倾向和购买时间，再通过电话这种简单直接的方式与客户进行沟通，最后货到付款，完成销售闭环。
通过以上以客户数据为中心的业务模式重构，戴尔完成了从传统制造业企业（生产产品及渠道销售，面对的是整个市场而非具体客户）到直销企业（针对具体的客户进行销售）的转变。资料显示，至今戴尔的PC产品75％仍然是通过直销进入市场的。
这是戴尔的故事。
在聚集了大量精英、变化飞快的IT市场，每过一段时间就会出现新的技术大潮，大部分IT企业都会跟随这些大潮进行转型（如最近的大数据、云计算），但是20年过去了，戴尔公司仍然靠数据库营销这一招一统天下，领导着全球IT硬件市场，期间并非无人模仿戴尔的模式，那戴尔是如何做到“一直被模仿，从未被超越”的呢？（1）商业模式的基石是基于产品品质的品牌
戴尔产品一直追寻品质和价格的良好平衡，留给客户的品牌印象是比昂贵的高端品牌便宜一点，比廉价的低端品牌质量好一点，当戴尔的销售人员拿起电话向客户介绍产品时，能简单地说清楚卖点。（2）以客户数据为核心的营销−销售体系
大部分企业对市场的了解来自调研和少数精英的行业认知，之后制定的策略和营销手段也围绕着这些充满假设的行业了解；而戴尔对市场的了解是具体落地到单个客户的，因为有数据支撑，戴尔能迅速发现不同细分市场的异动，迅速做出反应，进行针对性营销，并且所有的执行都能落地到具体的客户身上。例如，某政府机构公布了一项政府投资计划，其他企业在获取这个消息后会进行专项的研究工作，发现政府投资涉及的行业和地域，最后投入配套的资源进行覆盖，这是自上而下的模式；而戴尔会基于常规的收入异动客户分析，判断收入异动的原因，关联到相关政府政策，最后以点带面，找到相关企业名单，进行针对性的营销，这是自下而上的模式。虽然看上去戴尔的模式显得后知后觉，但是因为能落地到具体的客户且可以在第一时间接触客户，所以这个模式的资源集约和效率会更高。（3）简单高效的营销和销售方式
由于有品牌和数据的支撑及产品的高度标准化，降低了对戴尔一线销售人员的素质要求，只需要有良好的话术支撑，一线销售人员能轻易地表达自己的产品和客户需求之间的关系，加上部分价格和质量优势，销售人员能很容易地在销售决策链相对简单的个人市场和中小企业市场进行销售。（4）数据营销的高昂投资及以客户数据为中心的商业模式
戴尔每年投入在CRM系统建设和数据购买这两方面的全球费用是个天文数字，很少有竞争对手有勇气做出同样的投入。戴尔的内部部门设置同样也围绕CRM系统，通过客户数据打通了“部门墙”，这一点对内部部门设置复杂的其他企业来说，也很难模仿。
3．数据库营销的数据闭环
如图1-2所示是笔者罗列的常见的数据库营销模式，分为两个闭环。图1-2 数据库营销的数据闭环（1）新客户挖掘
目标是带来新的客户，主要通过以下三种途径进行新客户挖掘。● 广告带来的呼入。各类杂志、报纸上刊登的精美的广告图片中的
咨询电话，吸引客户呼入（Inbound）。● 市场活动收集的数据。例如，针对中小企业的线下推荐会收集客
户名片，之后通过回访进行呼出式（Outbound）的电话营销。● 外部采购数据。直接找供应商购买特定行业的企业名录和联系方
式，交由呼叫中心进行冷外呼（Cold Call），当客户表现出明显
的购买意愿后，呼叫中心的销售人员会在CRM系统中录入商机（Lead），CRM系统会根据可能购买的金额的大小分配不同层级
的销售人员跟进，最终完成销售。（2）老客户维系
基于CRM系统中所掌握的客户数据，通过以下两种方式进行客户接触。● 通过数据挖掘技术，根据客户以往的购买周期、金额等判断客户
在短期内购买的可能性和目标产品。以IT行业为例，产品购买周
期一般不超过三个月，企业会每季度一次对数据进行重新筛选和
清洗，选定的客户数据交由销售人员进行外呼。● CRM系统中记录了大量真实的客户数据，在经过电子邮件等方
式进行营销后，通过判断客户对电子邮件的反馈情况（如是否打
开查看邮件、是否点击邮件里的URL链接），决定是否需要电话
跟进这条客户数据。例如，企业对CRM系统中所有的现有客户
发送了同样的促销电子邮件，其中通过技术追踪到有1％的客户
打开了邮件，之后企业可以回到CRM系统中找到这些电子邮件
对应的客户的电话号码，并找到对应的电话销售人员对这1％的
客户进行跟进。从客户角度来看，在他们打开这些电子邮件后的
第二天，就能接到一个销售电话询问其对昨天发送的促销是否感
兴趣，目前是否有采购需求。
由于CRM系统中录入的都是以往购买过产品的老客户，客户数据质量（电话接通率、客户姓名准确度）远优于新客户挖掘中的数据，因此呼叫中心的客户经理更容易与客户进行沟通。
在电话销售过程中，“话术”（Tele Script）是另一个重要的利器。由于产品的高度标准化，再加上通过数据挖掘能大致猜到客户需要的产品，因此人们很容易把与客户沟通的模式标准化录入系统形成话术。呼叫中心的销售人员与客户的沟通并非漫无目的，想说什么就说什么，而是对着电脑屏幕上的文字照本宣科地进行。三 数字营销：进入大数据时代的精确化营销模式
1．数字营销概述
数字营销是数据营销的第三个阶段。
在过去20年，客户数据和呼叫中心的结合促使了IT、银行、保险、运营商等行业业务模式的重构，相比早期的直复营销，数据库营销解决了许多问题。● 更直接有效的沟通方式，可以进行复杂产品的销售：客户数据
+呼叫中心。● 随着营销精度的提高，降低了营销成本。● 基于对客户历史购买行为的了解，能更加有效地进行老客户的维
系。
但是，数据库营销仍然存在以下问题。● 高昂的投资和人才的稀缺造成数据库营销仍然只是大公司专属的
营销方式。● 客户数据的获取、存储和使用面临着合规风险。● 客户接触方式相对简单，只有外呼、电子邮件、直邮等少数几种
手段，客户容易厌倦。
随着亚马逊（Amazon）、淘宝、京东等电商及一系列大数据营销技术的出现，“客户数据+电商+营销技术+大数据”的数字营销模式又一次改变了数据营销。
2．大数据时代的精确化营销模式
在大城市里有这么一批人，他们白天努力工作，完成公司的要求，拿着微薄的薪水，下班后他们会在各个电商网站上经营自己的小店，赚着几百元到几万元的额外收入，当有一天小店成长到一定规模，这些人会毫不犹豫地辞掉工作，全职去实现自己的创业梦想。下面回顾一下这些人的成长史。
十年前，只有少数人想到在电商平台上开店，一张精美的商品照片和优化过的商品名称，可以轻易地吸引大量的客户访问，相比实体店高昂的租金、装修和人员成本，这种线上接近免费的“流量红利”帮助店主节省了客源的引流成本。线上与线下的成本差异又造成了商品的价格差异，促使客户在实体店试完商品，回到家在电商平台进行购买，笔者经常听说一个由几个人维护的电商店铺一个月的销售额可以超过十万元。
随着电商平台上的的店主越来越多，免费的“流量红利”越来越稀薄，如果只是把商品放在电商平台上而不购买任何流量工具，商品就不会出现在客户搜索页面的前20页，也不会有任何客户有耐心翻到搜索结果的最后一页浏览和购买商品，对店主来说，如何低成本地引流是最大的难题。店主获取客户流量的具体方法包括以下几个。● 电商标准化引流工具。以淘宝为例，有淘宝直通车（搜索引擎营
销）、钻石展位（展示广告）、聚划算（团购）、淘宝客（分销）
等多种工具，因为淘宝有几亿名用户的数据（历史购物、浏览行
为等），所以可以精准地把广告推给潜在客户。但是，由于这些
引流工具都是通过竞价方式得到的，成本随着使用者的增加而急
剧上升，现在大部分商品的引流费用占商品定价的10％以上（这意味着客户在电商平台上买100元的东西，至少有10元是交
给电商平台的），这个成本基本抹平了线上、线下销售的成本和
商品价格。● 店主自有数据。和数据库营销的理论一样，留住老客户进行重复
销售会比吸引新客户容易得多。店主在把商品快递给客户的过程
中，收集了客户的联系信息和历史购买记录，通过简单分析能轻
易找到客户的购买规律，再通过淘宝旺旺的推送或发送短信等方
式，店主可以把最新商品推广信息和优惠券传递给客户，吸引客
户重复消费。● 程序化购买。这是大数据带来的营销方式，如实时竞价（Real
Time Bidding）。当客户在电商平台上浏览了某商品，该电商平
台就可以通过营销技术（如Cookie追踪）跟踪客户行为，并根据
这些行为触发对应的广告推送。例如，如果客户在某电商网站上
浏览了某商品或将某种商品放入购物车后，当他再打开其他网站（新闻类、游戏类、交友类等）时，就能看到对应的产品推送。
图1-3演示了实时竞价模式。图1-3 实时竞价模式● 社交媒体的引流。一些企业在大量用户聚集的社交媒体上开设了
公众账号，定期给潜在客户推送内容，通过优质的内容吸引潜在
客户后，再通过优惠券等方式往电商平台导流。现在像微信、微
博这样的大型社交媒体都提供了丰富的应用程序编程（ Application Programming Interface，API）接口，可以让拥有者
获取所有公众号用户的信息。
在引流的同时，电商企业通过一些流量分析工具（往往由电商平台提供），追踪流量来源和流量质量（如多少访问来自某渠道，这些客户访问是否最后会购买商品），算清楚每个访问流量折算的具体投入，从而实时调整在不同渠道上投入的营销资源。
这是普通电商企业的故事。
3．数据营销闭环
看完以上案例，大家会发现数据营销不再是只有大企业才可以实施的重资源模式，拥有海量客户数据的大数据平台（如电商、社交媒体、搜索引擎等）把客户数据和营销环节做成标准化产品，基于这些产品，任何规模的企业都可以轻易地实现“找到目标客户—分析目标客户—对目标客户进行营销推送—引导目标客户进行消费”的全闭环。如图1-4所示是以把客户引流到电商平台进行销售为目的（即以电商为目的）的数字营销闭环。图1-4 以电商为目的的数字营销闭环
4．数据营销的变革
相比传统的数据营销，数字营销的主要任务还是新客户挖掘和老客户维系这两个核心，但是数据使用的方式发生了翻天覆地的变化，对一个企业来说，数据营销的变革包括以下几个主要方面。（1）更丰富的客户数据收集手段
传统数据营销中的客户数据获取方式简单而且成本高昂，有了营销技术和大数据后，企业可以更加方便地收集除了客户历史销售数据之外的其他行为数据，如客户在社交媒体上的行为、各种搜索行为等。（2）更丰富的客户接触渠道
通过营销技术打通客户在不同平台上的识别码（直复营销的会员编号，数据库营销的手机号和姓名，数字营销的微信、微博ID、Cookie ID等），打通的识别码越多，就能从更多的营销渠道中接触客户，推送内容。（3）社交媒体的介入
社交媒体在传统营销体系中属于品牌和公关而非营销领域。在通过营销技术打通传统CRM、电商客户数据和社交媒体客户群这三个客户数据源后，整个营销方式发生了突变，无论信息收集、整合还是客户接触，都有了新的方式。（4）更低廉的成本
传统数据营销在初期建设成本高昂，而数字营销可以利用第三方工具，按照过程量进行付费（之后的章节会提到各种支付方式），也许单个客户的接触营销成本上升了，但是由于接触精度的提高，反而大大降低了总体成本。（5）不再需要昂贵的专业数据操作团队
第三方工具的存在使企业只需要雇用成本较低的工具使用人员，而不用建立一个端到端的数据团队去进行所有操作。（6）数据合规
对于拥有客户数据这个敏感话题，由于企业自身不拥有数据，因此降低了数据合规性可能给其带来的风险。（7）营销效果衡量体系
通过电商平台和自建的流量分析工具，企业能看清楚每个客户数据（流量）产生的具体价值。第二节 数据营销的架构
通过以上三个数据营销阶段，大家看到的更多的是企业如何利用客户数据进行营销，最后导致销售的发生，用客户数据来驱动整个营销模式。但是，“数据营销”这个词覆盖的范围远大于上述领域，如图1-5所示是从基础理论、数据基础、知识领域、主要职责和商业目标这五个领域的架构对数据营销进行的简单介绍，在之后的章节将以此展开论述。图1-5 数据营销的架构一 基础理论
数据营销涉及的基础理论很多，作为基石的是高德纳（Gartner）提出的客户关系管理理论，它强调的是当一个企业的组织架构、产品设计、销售模式等商业模式的各个环节都是以客户为中心时，能明显地增加企业的赢利能力、收入水平和客户满意度。之后人们对客户关系管理的概念又有了不同的理解和更新。
此外，数据营销还会经常使用分别针对老客户维系的“客户生命周期”和新客户挖掘的“销售漏斗模型”这两个比较常见的执行层面的理论。● 客户生命周期。它回答了在运营商、银行等契约型销售行业，如
何根据老客户在产品使用的不同阶段的表现进行针对性营销，提
升老客户的维系效率。● 销售漏斗模型。在新客户获取过程中，通过整合不同的营销资源，
对客户进行多波次营销，做到不同营销资源在整合营销中的最优
化。
以上三个理论会在之后的章节进行详述。二 数据基础
要进行数据营销，首先要建立一套系统用来存储客户数据，这就是CRM系统。小到输入了客户名片信息的工作表，大到价值千万美元的Siebel和Salesforce等标准化的解决方案都可以被称为CRM系统。对企业来说没有“最好”的CRM系统，只有针对当前业务难点“最适合”的CRM系统。各种CRM系统中存储的数据具有以下共性。
1．以客户数据为中心
在不同行业开展数据营销所需的客户数据量和规模有很大的差异，但是所有客户数据都是围绕“客户表”而建立的，通过整合客户的历史消费、社交媒体行为、营销反馈等各种数据，最终建立“360度客户视图”（将在之后的章节阐述），把海量的客户数据整合成业务类人员能简单理解的客户标签，帮助营销人员在正确的时间，以正确的方式、正确的促销策略，推送正确的营销内容。
2．数据类型
数据类型分为传统CRM数据（非实时的，客户姓名、手机号等基本不会变化，并且数据是唯一的）和数字数据（实时的，基于Cookie ID、MAC、IP地址的行为，是大数据和营销技术的产物）两种，两种数据的整合目前仍然是数据营销待解决的核心问题之一。关于不同的营销数据类型和整合问题会在之后的章节叙述。
3．可用数据
有了大数据技术，现在有更多的渠道收集客户不同类型的数据，并且数据量呈几何级增加，在具体使用时，客户数据贵在精而不在多。可用于营销的数据有以下几种。● 联系方式：客户的姓名、电话等。● 历史购买：客户以前的购买记录，包括产品、金额、渠道等。● 现有商机：多用于B2B领域，包括客户当前的待采购项目情况。● 连接关系：客户和客户之间的相互关系。● 营销反馈：当一个客户收到企业的营销后，是否有一个反馈动作，
如打开邮件、参加线下会议等。● 客户属性：性别、所属城市、收入水平等客户固有属性。● 客户行为：通过营销技术收集的客户在互联网上的行为，如是否
浏览了某网站、停留时长、线下是否出现在某些地理位置等，这
是大数据带来的最大变化。● 业务数据：不同行业的企业收集的客户的个性化数据，如电信运
营商收集的客户拨打电话对象、银行收集的客户账户余额等信息。三 知识领域
由于数据营销涉及领域广，对数据营销人员的要求是多方面的。作为一个合格的数据营销人，至少需要以下四个方面的知识架构。
1．统计学
在不同行业的营销数据库里，往往有太多维度去描述每个客户的行为，如年龄、收入、性别、身高、职业等，客户的购买行为特征与这些描述维度之间的关系无法通过简单的分析完成，因此需要运用统计学从数学角度来发现客户行为与各维度之间的复杂关系。
最著名的例子是沃尔玛的“啤酒与尿布”。在沃尔玛超市中有成千上万种商品，沃尔玛希望了解客户当前最感兴趣的产品以进行精确推送（如果沃尔玛并不知道客户的兴趣点，只能在营销活动中列出超市里所有的商品和折扣，这份直邮或电子邮件大概需要几百页，客户完全不会花时间去看）。沃尔玛通过统计学手法，对上亿份客户的购买清单记录进行数据挖掘，判断客户在同一次购物行为中所购买的众多商品之间的关系，最后得出一幅客户画像：购买某中高端啤酒的客户有很大的可能性会同时购买婴儿尿布，这幅客户画像的业务逻辑是30岁左右，有一定的消费能力，已婚且有了第一个孩子的爸爸，会购买价格不算便宜的中高端啤酒，同时会为自己刚出生的孩子采购尿布。基于这个结论，沃尔玛可以对所有30岁左右的男性进行啤酒与尿布的捆绑销售策略，营销的效果会明显高于尿布或啤酒的单品促销。
另一个例子是国外某非营利性组织的募捐活动。该组织掌握了上千万份人口数据，其中包含上千个客户属性字段，包括年龄、性别、家中是否养狗、狗的品种、狗毛的颜色等，那哪些属性会影响客户的募捐行为呢？通过对已有募捐者的分析，最后出来的客户画像是：40~50岁，黑人，女性，收入在贫困线上下，有宗教信仰。通过已捐款人群的画像分析，该组织可以针对更大的符合客户画像的未捐款人群进行相似性营销。这幅客户画像的产生是通过运用统计学，在上千个字段里挑出对客户是否热衷于捐款敏感性最高的因素，这与我们常规的认为有钱人会多募捐或中产阶级更有爱心的认识不符，但是这个结论在之后的推广活动中证明了其有效性。
2．业务
相比可以学习的统计学，对业务的理解只能通过长期磨炼而获得，它是数据营销人员最珍贵的才能，没有三至五年的行业经验，一个数据营销人员无法真正对这个行业的数据营销有一个比较深刻的理解。
例如，在IT行业有一场高规格的大客户答谢会，主办方在CRM中抽取了历史收入最高的100个客户进行邀请，最后来到现场的除了像中国银行、中国电信这样的大客户外，还混杂了类似神州数码这样的代理商（从IT厂商购买产品并非自己使用，而是分销到各个IT大卖场，销售给客户）。在大部分IT企业的CRM系统中，由于各种原因，代理商数据和真正的客户数据往往是分不开的，只能通过外部名单的匹配来排除这部分并不真正使用产品的代理商。
又如，在大部分行业，客户收入是容易获得而且非常清晰的数据，但在运营商行业，由于收费模式是后付费（先使用商品，之后邮寄账单，客户再支付），因此收入被分为应收、实收、欠款等科目。再加上有些一线销售人员为了完成指标，可能在CRM系统中做各种假收入（制造一个假客户，签订真合同，开出真账单，最后按照坏账处理），看清楚真实收入并找出目标客户，在运营商行业反而是一件很难的事情。
3．营销
数据营销虽然复杂，但仍是营销的一个部分。要实行数据营销，首先要了解营销的逻辑和模式，考虑清楚营销的4P（产品、价格、促销、渠道）后才能制定更加贴切的数据营销策略，最后嵌入企业的整合营销环节中。
例如，一个医疗设备厂商要针对全国的医院进行影像归档和通信系统的营销，在制定数据营销策略时，该厂商需要先了解自己的产品与竞争对手的优劣、在不同细分市场的强弱、营销跟进的销售资源能力等，最后可执行的数据营销模式如下。● 从外部获取全国二级以上医院的名单。● 获取每家医院的X光片室主任、设备科主任、主管采购的副院长
名单和联系方式。● 针对以上目标医院进行一轮直邮。● 在直邮上印制一个400开头的电话号码，由专人接听客户的呼入
电话。● 在直邮一周后，针对所有华北地区的医院进行电话外呼，邀请客
户参加将在北京举行的产品推荐会。● 针对华南、华东地区的三甲医院进行外呼，直接进行销售。● 将华南、华东地区的其他医院名单交给当地的代理商，进行上门
拜访。
在以上的整合营销流程中，数据营销起到的是客户细分、提供客户联系方式、打通各个营销节点及优化资源的作用。
4．技术
这是数据营销人员的基本功，要想精通数据营销，必须会操作数量超过百万条的数据库，其中的基本技能包括以下几个。● 营销数据设施相关硬件和软件的技术：如何从零开始搭建一个数
据库，市场上各种主流解决方案的对比。● 数据工具：如结构化查询语言（Structured Query Language，
SQL）、爬虫及ETL工具、商业智能（Business Intelligence，BI）
工具（如Tableau、Cognos）等。● 分析工具：数据挖掘工具（如SAS、SPSS、Matlab等）和大数
据工具（如Hadoop、R、SPARK等）。● 营销工具：包括营销自动化、用户忠诚度平台等。● 大数据营销工具：包括数据管理平台（Date Management
Platform，DMP）、用户忠诚度平台、需求方平台（Demand-
Side Platform，DSP）、网站分析、计算广告等。
很少有人能掌握数据营销涉及的所有工具和技术，但是作为数据营销人员一定要知道这些技术领域的存在，并且知道这些领域中各产品的对比、优秀实施供应商，以及针对当前需求最适合营销产品的鉴别能力。四 主要职责
数据营销对企业的作用不只是在营销执行层面，在企业内部，数据营销人员的定位是“最懂数据的营销人”，一切与客户数据相关的领域数据营销人员其实都可以参与，主要集中在以下六个领域。
1．市场研究
相比传统意义上解决战略战术层面问题的市场研究，数据营销更加关注内部分析和传统市场研究结果的落地工作，两者并不是各自孤立的，而是互补的关系。如表1-2所示是两者的对比。表1-2 传统市场研究与数据营销的对比 传统市场研究数据营销研究方向对外对内及落实市场怎么样我们怎么样核心解决问题竞争对手怎么样市场研究调研后得我们该怎么办到的结果如何落地分析数据来源调研内部CRM数据分析数据种类调研样本数据CRM内全量数据产出物策略和分析结果的PPT可落地的客户清单
在一个大型企业内部往往有市场研究团队直接向总裁或市场总监汇报，这些市场研究的专业人士需要看得懂宏观经济，了解行业的最新走势，对当前业务有定性的认识。他们对公司的价值是能提供宏观到中观层面的指导意见。
相比专业市场研究人员，数据营销人员需要更加了解企业内部的运营情况（收入分析）和营销现状，帮助市场研究的结果进行“最后一公里”的落地。数据营销更加关心的是市场研究提出的一些重点细分行业（如制造业）及定义是什么（如建筑业算不算制造业，有多个业态的大型集团中哪几种业态算制造业），最后产出的是落地的客户清单和企业内部能落地的销售组织。本书第四章关于数据驱动的业务模式重构中会有相关案例介绍。
2．营销策略
通过前期市场研究的职能，数据营销人员对企业宏观层面的策略有了一定的了解，当市场部制订营销计划时，数据营销人员需要配合市场经理完成这些业务策略与营销计划的结合。一般企业是按照季度来制订营销计划的，而市场经理的角色是按照细分市场来配置资源（如对某重点行业、重点地域配置对应级别的市场经理）。在营销计划中，市场经理需要根据公司给出的业务策略，明确当季度自己所辖领域的重点覆盖细分市场（因为没有任何一家企业有足够的资源对全市场进行重模式的覆盖，与其在全市场进行轻模式的覆盖，不如将资源集中在少数几个重点细分行业，反而能产生更好的效果），数据营销人员需要从数据上给出市场细分和客户细分，看清楚这些细分市场的现状（当前收入、已有客户数量等）和市场容量（所有目标客户的数量等），并且评估现有CRM系统的数据是否能支撑针对细分市场的营销落地，以及支持市场经理的营销计划落地。
例如，某大区化妆品行业的市场经理策划在其所辖范围内进行某产品的推荐，数据营销部门需要告诉这个市场经理，在其所辖大区中所有城市的购买潜力、市场份额和历史收入状况，帮助市场经理在上百个城市中挑选出最有价值的少数几个城市，并且列出CRM系统中现存的客户数据数量，以帮助市场经理判断如何对这些城市进行覆盖：是通过无差别的广告推广，还是利用CRM系统的客户数据进行点对点的数据营销。同时，数据营销人员还要评估CRM系统中的数据质量（如数据的更新时间），使市场经理能提前预期营销效果。
3．商业智能
市场上很多讲数据库营销的书籍都会大篇幅地讲述商业智能和营销数据的挖掘，商业智能本质上是一种将CRM系统中复杂的数据转变为企业业务层面可用的洞察技术，它包括数据挖掘和数据可视化两个领域。（1）数据挖掘
如前文所述，CRM系统中记录了客户各类复杂的信息，从个体来说，每个客户的行为都会有差异。要对复杂的客户进行简单化分析，只能通过统计学方法和数据挖掘工具，去繁就简，把海量数据浓缩成少数“标签”，帮助企业完成客户画像、交叉销售、产品定价等商业目标。（2）数据可视化
对与数据常年打交道的营销数据人员来说，看到电脑屏幕上出现的一堆数据时能迅速提出见解，但是对业务类人员（如市场经理、部门总监、公司管理层等）来说，他们没有任何数据操作经验，他们对CRM系统的诉求就是一个简单的答案。例如，两个细分领域都投资50万元进行营销，产出都是500万元，哪个细分领域的营销做得好？这个问题只有通过与历史收入的同比和环比，与竞争对手业绩的对比，才能找到答案，而且这些答案需要通过一些饼图、柱状图展现才能让业务人员更加直观地理解。
4．营销执行
大部分的人提到数据营销时，说的就是营销执行这个环节，它为营销活动直接提供客户数据。这些数据按照又分为传统CRM数据和数字数据两种。（1）传统CRM数据
利用CRM系统中存储的客户数据进行营销，这些客户数据来自历史订单数据、营销活动的积累、外部采购等，有清晰的客户姓名、联系方式，传统的营销方式（直邮、电话营销、电子邮件等）会用到这些传统CRM数据。例如，在我们常见的直邮中，数据营销人员先通过一定条件（包括姓名、联系电话和邮寄地址等字段）抽取目标客户名单，之后将客户数据交给市场经理进行营销执行。在营销活动结束后，数据营销人员还需要对营销中辨别的错误数据（错误信息删除、新信息更新等）在CRM系统中进行更新。（2）数字数据
不同于传统CRM数据，客户的数字数据不会涉及客户的具体姓名、联系电话、地址等敏感数据，更多的是基于一些设备（如电脑、手机）通过营销技术采集的客户互联网行为。数字数据对客户的识别是基于这些设备的编码，如Cookie ID、IP地址等。例如，客户在电脑上浏览了某电商网站的商品，Cookie分析可以帮助企业通过客户的Cookie ID（一串数字和字母形成的乱码，基于浏览器，默认每个浏览器产生的Cookie ID背后是同一个客户）识别客户在互联网上查看的商品种类。数字数据被应用于数字营销领域（程序化购买、社交媒体营销等），虽然企业不知道这个客户具体是谁，但是基于这台识别了客户行为的设备，企业可以推送各种新型的、实时的、个性化的互联网广告和营销方式。
5．电子商务
过去十年电子商务的兴起和成熟改变了企业的营销和销售模式，特别是那些销售额缓慢增长的零售业。如图1-6所示是来自eMarketer的调研，电子商务的销售额每年都有10％以上的增长。以美国为例，按照eMarketer的预测，电子商务占总零售市场的6％，在服装、食品、图书、玩具等细分市场，增长率超过15％。图1-6 美国电子商务市场的变化
在中国，电子商务占零售市场的比例远超美国，在2014年已经达到10％以上。而且由于物流成本比美国低得多，在过去几年，国内的线上线下（On line to Off line，O2O）模式引来了大小互联网公司的疯狂投入。对数据营销来说，关注点也从传统CRM数据转变为数字数据。在电子商务领域，数据营销的主要贡献是电商引流和运营分析。（1）电商引流
正如前文所说，由于大量电商的出现，电商的最大优势“流量红利”已经非常稀薄，对企业电商运营团队来说，最大的挑战是找到投资回报率最大的引流路径。不同于传统的销售过程中，企业无法掌握客户购买历程的全过程，电子商务通过各种流量分析工具，可以将客户历程追溯到更远，给予更精准的、定量的营销渠道投入指导。
例如，当一个客户进入一家4S店购买了汽车，传统数据营销只能追溯到这个客户是乘1路公交车来的，但这是否意味着汽车企业需要将所有营销资源都投入到1路公交车上做车身广告呢？答案必然是否定的。但是，由于缺乏数据的支撑，企业只能盲人摸象似地将资源投入凭经验“可能起作用”的营销渠道中。
现在，有了营销技术和大数据，当一个客户在电商平台上购买商品时，企业可以追踪到这个客户过去对各类商品的购买历史、在社交媒体上的行为等各种数据，通过以上数据能判断这个客户的全购买历程中每个节点受什么样的渠道和内容影响，最后决定将营销资源投入对客户购买影响最大的节点上。（2）运营分析
虽然电子商务的最后交易体现在电商平台上，但是社交媒体平台（如微信公众号）、企业官网、APP、线下地推的二维码等也是电商引流的主要渠道。相比过去只能看到页面浏览量、访问人数等简单的运营数字，营销技术中的网站分析（在网页上埋设追踪代码）和各平台开放的API接口（如微信公众号、微博）可以追踪这些平台上的客户行为，帮助企业进行这些平台的营销内容优化，指导资源投入。
例如，在微信公众号运营中，可以在线下使用的二维码中埋入个性化代码，当客户在线下扫描这个二维码进入微信公众号时追踪客户来源；同时利用微信提供的API接口追踪线上流量来源，当客户点击线上链接进入公众号并关注时，企业能知道哪个渠道起了作用。除了以上客户来源追踪，当客户在微信公众号中接受了足够的产品教育，进入购买阶段，并通过公众号领取二维码形式的电商优惠券，在电商平台使用时，企业同样可以追踪到微信公众号对电商销售的引流贡献度。
6．数据设施
传统数据营销涉及的系统相对较少（CRM系统、外呼系统、数据仓库等），这些系统一般由企业的IT部门统一进行建设。随着营销技术的发展和营销场景的丰富，所需要的数据设施日新月异，营销系统也越来越复杂，一般隶属于市场部的数据营销人员需要代表业务层面（市场部）与IT部门进行沟通，指导和参与企业的数据设施建设。
以一个看似简单的企业微信公众号为例，在2015年微信公众号还只是作为品牌推广的主阵地之一，到了2016年，很多零售业企业开始打通微信公众号与电商平台、ERP系统、会员积分体系、线下店面销售体系的连接，把微信公众号作为串接内部运营流程和外部客户销售服务流程的关键环节，为企业建立以客户为中心的“营销—销售—运作”体系，在企业内部，这样的微信公众号项目往往由同时具备业务知识和IT能力的数据营销人员牵头实施。五 商业目标
对大部分企业来说，数据营销是复杂且投入巨大的领域，那企业高层是如何看待数据营销的呢？
1．数据驱动营销
企业高层往往是带着复杂的感情来看待“营销”这个词的，从正面意义来说，营销的确能带给企业持续的收入，此外，不同于强烈本位主义的前端销售和后端产品部门，营销人员能告诉企业高层一个相对真实的市场情况。但是从负面意义来说，营销的高成本往往会压缩一个企业的利润。世界上第一个真正意义上的广告主约翰·沃纳梅克（John Wanamaker）说过：“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半。”往往只有少数大企业才有资源去尝试不同的营销方式，试出哪些是有效的。而大部分企业资源有限，如何得到利益最大化的营销结果是高层最关心的。对数据营销来说，整个营销过程都是围绕着客户数据发生的，一个营销活动是否接触了正确的目标客户、客户对营销内容是否有好的反馈、最后带来多少收入等，这些衡量节点都能通过数据来定量分析。相比无法衡量结果的电视广告、户外广告，数据营销至少能看到定量的投入产出比。
此外，当企业完成了客户数据的积累后，会产生个性化的、以客户数据为中心的营销模式（本书第二章和第三章介绍了相关案例），能将营销更好地融入销售和运营体系。
随着电商的发展，企业会发现“数据”已经成为比资金更重要的企业核心资源，通过客户数据可以形成如联合营销这样的模式，改变传统的“企业—供应商—客户”的单线关系，形成更大的生态圈；
试读结束[说明：试读内容隐藏了图片]