在這個(gè)數(shù)據(jù)驅(qū)動(dòng)的時(shí)代，市場(chǎng)對(duì)于高質(zhì)量的營(yíng)銷數(shù)據(jù)分析的需求越來(lái)越高。更多的企業(yè)和組織將數(shù)據(jù)分析納入市場(chǎng)營(yíng)銷部門(mén)的日常核心工作當(dāng)中，并且嘗試使用和推進(jìn)新的分析工具和流程。因此，營(yíng)銷數(shù)據(jù)分析人才的需求也是日益增長(zhǎng)，薪資比較高，并且崗位更容易被企業(yè)Sponsor H1B，使得Marketing Analytics成為了商科學(xué)生求職的熱門(mén)方向之一。

Marketing Analytics是什么？

我們都知道，每家企業(yè)都掌握著豐富的關(guān)于消費(fèi)者選擇的數(shù)據(jù)。但是，豐富的信息并不代表我們就掌握了更高轉(zhuǎn)化率的優(yōu)秀決策。因此，我們需要營(yíng)銷分析師來(lái)幫助我們解讀數(shù)據(jù)，使用分析來(lái)為營(yíng)銷決策提供信息并證明其合理性。營(yíng)銷分析（Marketing Analytics）使?fàn)I銷需要能夠衡量、管理和分析營(yíng)銷績(jī)效，以最大限度地提高其有效性并優(yōu)化投資回報(bào)（ROI）。除了銷售分析和潛在客戶挖掘之外，營(yíng)銷分析可以深入了解客戶偏好和趨勢(shì)，并可以進(jìn)一步用于未來(lái)的營(yíng)銷和業(yè)務(wù)決策。

Marketing Analyst都在做什么？

營(yíng)銷分析師們每天都在說(shuō)著“歸因建?！薄ⅰ皶r(shí)間序列”、“聚類分析”，那么他們使用這些模型的目的是什么？他們要實(shí)現(xiàn)的Goal又是什么呢？以下幾點(diǎn)是需要了解并掌握的部分。

1.歸因建模（Attribution Modeling）

要真正了解客戶的購(gòu)買(mǎi)旅程，營(yíng)銷人員需要看到客戶點(diǎn)擊（Clicks）背后的故事。歸因建模使品牌能夠衡量每個(gè)渠道的優(yōu)劣和互動(dòng)，以便全面了解營(yíng)銷投資回報(bào)（MROI）。此時(shí)，分析模型會(huì)考慮使用Markov chain Monte Carlo（MCMC）。

2.定價(jià)分析（Pricing Analysis）

定價(jià)分析允許品牌跟蹤價(jià)格變化，了解購(gòu)買(mǎi)行為并提供定價(jià)策略的見(jiàn)解。使用優(yōu)化技術(shù)分析、比較競(jìng)爭(zhēng)性定價(jià)動(dòng)態(tài)，智能地制定高效的定價(jià)策略。

3.媒體混合建模（Media-Mix Modeling）

真正將營(yíng)銷投資與業(yè)務(wù)結(jié)果緊緊聯(lián)系起來(lái)，并使用面板數(shù)據(jù)回歸來(lái)量化每個(gè)渠道對(duì)銷售的貢獻(xiàn)。

4.細(xì)分（Segmentation）

通過(guò)細(xì)分，面對(duì)不同客戶的需求和背景，做出更快更明智的決策。通過(guò)聚類分析（Cluster Analysis），進(jìn)行客戶分類，可幫助品牌獲取可操作的數(shù)據(jù)，以便以情景化的方式改善與客戶的互動(dòng)。

5.預(yù)測(cè)（Forecasting）

使用多變量時(shí)間序列模型（Multivariate Time Series Models）的預(yù)測(cè)分析挖掘并分析當(dāng)前和/或歷史數(shù)據(jù)，以預(yù)測(cè)未來(lái)。

6.定位（Targeting）

根據(jù)客戶的生命周期價(jià)值定制優(yōu)惠和獎(jiǎng)勵(lì)。通過(guò)分析買(mǎi)方的行為、參與度、生活方式屬性和RFM分析（Recency, Frequency, Monetary)），營(yíng)銷人員可以大大提高營(yíng)銷投入費(fèi)用的有效性。

7.客戶流失分析（Churn Analysis）

預(yù)先預(yù)測(cè)哪些客戶將要流失，并使用生存分析（Survival Analysis）等預(yù)測(cè)模型來(lái)了解哪些營(yíng)銷行為將有助于阻止客戶的流失。

8.購(gòu)買(mǎi)可能性（Purchase Likelihood）

使用傾向模型優(yōu)化營(yíng)銷資金，以了解某些購(gòu)買(mǎi)者行為是否表示購(gòu)買(mǎi)的可能性較高。

9.交叉銷售和向上銷售（Cross-Selling and Upselling）

應(yīng)用購(gòu)物籃分析（Basket Analysis）等分析，向具有類似需求的顧客推薦購(gòu)買(mǎi)的產(chǎn)品。針對(duì)不同細(xì)分級(jí)別的客戶，來(lái)制定策略，以推動(dòng)真正的以客戶為中心的銷售方式。

10.下一個(gè)最佳優(yōu)惠（Next Best Offer）

像協(xié)作過(guò)濾（Collaborative Filtering）這樣的預(yù)測(cè)性分析，能夠幫助營(yíng)銷人員更好地了解客戶的需求和購(gòu)買(mǎi)驅(qū)動(dòng)力，以提供下一個(gè)個(gè)性化的最佳行動(dòng)，使客戶更有可能發(fā)生預(yù)期的行為，并進(jìn)一步與品牌建立關(guān)系。

2020年推動(dòng)營(yíng)銷分析的三大趨勢(shì)

除了基本的營(yíng)銷分析概念和模型之外，小編還希望想要成為Marketing Analyst的小伙伴們，能夠著眼未來(lái)，以下這三大趨勢(shì)值得記住，在面試中聊出以下看法，能讓面試官刮目相看喲！

營(yíng)銷分析師需要使用許多新的數(shù)據(jù)源

傳統(tǒng)上，許多組織的業(yè)務(wù)決策都依賴于依靠大型集中管理的數(shù)據(jù)服務(wù)器或數(shù)據(jù)倉(cāng)庫(kù)的營(yíng)銷分析。但是現(xiàn)在，我們發(fā)現(xiàn)分析師還需要查出存儲(chǔ)在許多“小型”數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)。除了通常的內(nèi)部數(shù)據(jù)存儲(chǔ)庫(kù)之外，市場(chǎng)分析師還需要從數(shù)十個(gè)獨(dú)立系統(tǒng)中提取數(shù)據(jù)，其中包括：

• 谷歌分析
• SEO平臺(tái)
• Salesforce或其他CRM
• 電郵服務(wù)提供商
• 主要媒體平臺(tái)：Facebook，Twitter和AdWords
• 聊天應(yīng)用

綜合起來(lái)，這些數(shù)據(jù)來(lái)源將比內(nèi)部系統(tǒng)提供更好的市場(chǎng)營(yíng)銷和銷售見(jiàn)解，并將有助于企業(yè)推動(dòng)消費(fèi)者興趣，優(yōu)化定價(jià)并改善客戶體驗(yàn)。所以，分析師現(xiàn)在必須做的不僅僅是分析。他們還必須確定重要數(shù)據(jù)所在的位置，確定需要提取的內(nèi)容并制定基于新數(shù)據(jù)源推動(dòng)業(yè)務(wù)決策的策略。

人工智能（AI）對(duì)分析至關(guān)重要

現(xiàn)在數(shù)據(jù)獲得的速度和體量，已經(jīng)增加到人類數(shù)據(jù)分析人員不能全部處理的程度。為了提供幫助，許多公司紛紛涌現(xiàn)，提供市場(chǎng)分析和人工智能（AI）。這些系統(tǒng)使用機(jī)器學(xué)習(xí)和其他人工智能技術(shù)來(lái)幫助分析師找到客戶數(shù)據(jù)中的模式，提出優(yōu)化性能的建議，并允許非專業(yè)人員使用簡(jiǎn)單的語(yǔ)言訪問(wèn)復(fù)雜的分析。舉個(gè)例子，Hyper Anna 是一家為營(yíng)銷人員提供機(jī)器智能風(fēng)險(xiǎn)投資支持的營(yíng)銷代理商，Ta在接收公司相關(guān)數(shù)據(jù)后，會(huì)為目標(biāo)公司總結(jié)出一些能夠發(fā)揮重要作用的模型。這就意味著，當(dāng)目標(biāo)公司上傳相關(guān)營(yíng)銷數(shù)據(jù)后（例如客戶互動(dòng)，財(cái)務(wù)表現(xiàn)和供應(yīng)商活動(dòng)等信息），Hyper Anna便可以總結(jié)和提煉交叉銷售和追加銷售的機(jī)會(huì)，并為收入預(yù)測(cè)和供應(yīng)鏈管理提供相關(guān)意見(jiàn)。另一家公司Datorama提供“以人工智能為動(dòng)力的營(yíng)銷智能”，這使得營(yíng)銷人員可以輕松地跨系統(tǒng)統(tǒng)一數(shù)據(jù)，并使用自然語(yǔ)言訪問(wèn)強(qiáng)大的分析。David指出，Datorama現(xiàn)在與亞馬遜的Alexa整合，并提供語(yǔ)音激活的營(yíng)銷分析。

分析師將成為 "講故事的人"

雖然營(yíng)銷分析師工具箱傳統(tǒng)上由諸如SQL，業(yè)務(wù)分析和Excel等技能組成，但2018年的營(yíng)銷分析師，比收集數(shù)據(jù)和制作報(bào)告做得更多的，很可能就是講故事了。利用上述新的數(shù)據(jù)源和AI工具，營(yíng)銷數(shù)據(jù)分析師們未來(lái)的日常工作，將變成：

• 從非傳統(tǒng)來(lái)源獲取數(shù)據(jù)
• 使用Python等編程語(yǔ)言清理數(shù)據(jù)
• 使用數(shù)據(jù)可視化工具'波'數(shù)據(jù)并創(chuàng)建有吸引力的圖表和圖形
• 以及將數(shù)據(jù)轉(zhuǎn)化為易于理解的故事，幫助營(yíng)銷團(tuán)隊(duì)理解新興趨勢(shì)和機(jī)遇

只去創(chuàng)建一個(gè)儀表板并發(fā)送每周報(bào)告是遠(yuǎn)遠(yuǎn)不夠的。從數(shù)字營(yíng)銷分析工具收集的所有信息、數(shù)據(jù)和觀察，只有在營(yíng)銷分析師們更多地去關(guān)注他們的客戶，挖掘出數(shù)據(jù)背后的含義，才是有意義的。分析的真正價(jià)值不僅是用來(lái)向老板證明營(yíng)銷的價(jià)值， 它還能真正改善和提高營(yíng)銷業(yè)績(jī) - 無(wú)論是單個(gè)的渠道還是多渠道的營(yíng)銷策略。

有其他關(guān)于Marketing Analystics的問(wèn)題歡迎向我提問(wèn)！