×
新网 > 建站推广 > 正文

“电商数字化生存”之营销篇:数据驱动下的整合营销

在数据驱动下的营销中,对于数据质量的把控、数据预测和统计都要一个系统来支持。

在数据驱动下的营销中,对于数据质量的把控、数据预测和统计都要一个系统来支持。

文/庖丁的刀

电商在最近几年的迅猛发展,导致围绕电商的相关产业和服务迅速增加,数据化运营就是一例。相比传统行业,电商对数据的依赖更强,而数据的获取容易太多。进而数据处理的这项工作也有了很大需求和变化:先是纯技术的数据统计,自己的IT,后来有了数据分析师、商业分析师、数据挖掘专家、甚至数据科学家。而在应用上也有了各种工具如量子统计、各种CRM软件,再到咨询公司、顾问公司等。

之所以有那么多的岗位,那么多的公司出现,就是电商企业希望自己的数据能“数据变现",提升销售、 降低成本、加快周转等等,从而达到开源销售、节约成本的目的。

数据化运营曾经在2011年非常火爆,但后来却渐渐无人提及。为何如此?

第一种原因是因为做数据的同事对商业理解不够,对运作模式理解不够。拿到一些数据推送给一线运营人员,如果经验不够,直接拿来应用,自然会产生很多问题。因为电商的整个链条非常长,从营销流程看,从各种渠道的推广到站内的导流引导(参考 《站外引流+站内引导:流量不是梦!》),到折扣策略、订单的审核、采购的回货、物流的选择、包裹的跟踪、客服的维护等等,每一步都需要很好的沟通和协调才能完成。这些工作并非仅仅数据层面上就能一次性解决,是需要每个步骤对数据的理解是一致的基础上才能完成的。

第二种原因就是那些运营人员是从零开始做起,各个部门的协作已经非常娴熟,在常规的营销、运营的层面对数据的依赖非常小,同时又熟悉市场、了解用户,对供应链又比较熟悉,这样的团队基本可以秒杀数据的工作人员。

那就意味着数据分析师们注定要失业了?这倒未必。

想在这样的团队有立足,就只能在分工协作的条件下做他们无法靠业务经验来完成的事情——数据挖掘、大数据应用。这样的应用场景是:具有相同兴趣偏好、相同消费习惯的用户群、用户的支付方面的风险控制、用户流失预警、匹配各种用户 群的商品组等等。对这些场景可以组合多种营销策略,而达到销售的目的。

而对于销售以后的事情,比如如何保证订单不缺货,选择好的物流及时发货,并能给用户及时的反馈包裹情况等都需要内部的运营系统。当然,除了系统方面的支持外,还需要很多的人力执行层面的执行,仓库的拣货、打包,物流人员的取包、送货等等。尽管这些都不能由机器或者系统代替,但数据中心完全可以提供相关的支持支持。

数据化运营可以在整个公司的运营体系中发挥很大的作用,如果有数据中心的支持,除了可以监控运营的整个流程,还能提供相关的KPI数据、人力管理数据、财务数据等,使得公司能方面快捷的知道公司运营的各个关键节点的表现,以方便做出 各种决策,在执行层面能制定出更优化的、更高效的战术。

主题营销是数据化运营中最常见的动作。因为各种节日的活动促销非常频繁,一到节假日就会发现各种促销活动蜂拥而至,无论是商场还是超市都是如此。而线上的电商则更是疯狂,不仅造出了光棍节,还有了诸如“94”备货节之类的节日,更不用说各家自己搞的店庆什么的了。同时,这些主题营销的影响一般比较大,主要表现为:站外流量、站内商品的热销和缺货、团队协作的不顺畅、仓库的发货压力、采购的回货不及时。

当电商遇到这些问题的时候,我们就能说是时候启用数据分析了。

 

  • 相关专题

免责声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,也不承认相关法律责任。如果您发现本社区中有涉嫌抄袭的内容,请发送邮件至:operations@xinnet.com进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。

免费咨询获取折扣

Loading