2.1.3　营销数字化的3个关键实现

数字时代之下，营销不再是单一地获取流量，而是涉及消费者行为洞察、触点沟通以及决策影响的全链路消费者运营。数字时代的新营销解法是运用数据智能来做消费者运营，是要实现端到端业务在线，实时连接消费者，基于此打造消费者旅程闭环的营销数据资产，从而用数据驱动消费者运营，最终目的是打造好的消费者体验，实现业务增长，如图2-2所示。

图2-2　营销数字化的3个关键实现

1.实现端到端业务在线

在中国，探究营销数字化的真实动因是消费者数字化行为的演变。经过近10年电商产业的蓬勃发展，线上销售已经占到了消费品30%以上的销售份额，同时微信成为消费者与消费者、消费者与商家之间交流的主要工具。

消费者的信息获取、购买决策和购买行为等环节已经实现了数字化，并逐步倒逼零售商运营和品牌商供应实现数字化。大消费企业（包括消费品品牌商、流通商、零售商）营销数字化要了解和迎合自己目标消费群体的数字化行为与喜好，从公域到私域，实现产品与服务从品牌到消费者双向端到端业务在线，也就是要实现企业营销从消费者角度出发的全链路营销业务数字化，能够实时连接目标消费群体的数字化行为。

大家都知道海底捞的服务好，海底捞为了让服务连接到更多消费者，开发了自己的私域App，这样客户可以通过私域App订位、选菜品、下单，在约定的时间内到门店直接用餐。同时，海底捞也把服务移植到美团等公域平台，对接目标消费群体，支持消费者在线下单，并可以通过微信或支付宝在线支付。当然，消费者还可以在公众号、头条、抖音、小红书上的小程序中预定海底捞的在线服务。目前海底捞私域App用户达30余万，微信公众账号将近80万用户，支付宝钱包约50万用户。通过线上产品和服务的布局，海底捞已经在端到端业务在线的过程中，摸索出了一条自己的路径。

又如好孩子实现品牌、商品、促销、物流、服务、用户等业务及资源在线，以品牌经营为核心，驱动线上线下资源共享、互生，连接消费者，通过移动互联实现品牌与消费者的双向互动，为消费者随时随地提供优质商品、心仪的服务，也是在践行端到端业务在线，如图2-3所示。

实现端到端业务在线，即商品从企业流出到消费者整体过程的两个主要通路（零售和渠道）的业务实时在线，完成全链路数据资产沉淀，一路向C，实时连接消费者，如图2-4所示。端到端业务在线需要品牌BC一体化，供给侧和需求侧共同发力，重塑和融通零售和经销渠道，共同服务消费者。

2.围绕消费者旅程的营销闭环

商品从企业流转到消费者手里，涉及公域品牌推广、市场活动引流、渠道及交易、消费者及服务等内容，这就是传统的营销链条。

图2-3　好孩子全渠道业务在线

图2-4　端到端业务在线

在数字时代，由于消费的场景化、渠道的多元化、产品与服务的一体化，企业开始利用数字重构营销链条。以消费者为中心，基于消费者旅程打通产品、营销、销售和服务环节，通过对消费者全方位洞察和全生命周期管理，使业务与数据形成营销闭环，达成业务到数据的一体化、数据到业务的运营化，从而提高获客数量、提升客户价值，如图2-5所示。这就是营销数字化的第二个关键，即从消费者运营的视角，围绕消费者旅程构建营销闭环，以营销闭环的设计为抓手提升消费者体验。

以日化企业为例，日化企业拥有强大的用户基础，运营数据涉及产品数量及种类、消费者数量、消费者特征及行为偏好、区域市场销量等各方面。当前大部分日化企业虽已开始探索营销数字化、场景营销，但对上述数据的开发程度不足，没有形成消费者旅程的营销数据闭环，数字化也只覆盖了局部。

未来，移动互联网和物联网应用将会拓展到更深层次，产品从研发、生产、制造，再到消费者手中，每个环节都会产生大量的对象、时间、场所、种类、数量等数据，如何通过整合、加工这些数据支撑企业进一步开发消费者市场、研发新产品、开发新商业模式，需要消费品企业拥有更强的数据开发、分析、整合能力。

3.实现数据驱动业务智能

营销数字化的本质是连接、沉淀消费者数据，“数据+算法”产生智能，并赋能业务，从而推动业务的新增长，如图2-6所示。这就需要营销新技术把通过业务在线沉淀的消费者数据资产化、智能化、服务化、价值化，并利用内嵌到各个环节的智能应用，激活数据的商业价值。例如基于大数据算法精准预测顾客购买时间，有效提升活动ROI的黄金购买时间模型；基于多维数据结合大数据算法精准洞察会员健康度的会员健康模型；融合多源第三方数据进行精准广告策略投放，促进公域转私域有效转化的精准营销模型；基于用户订单交易及行为数据洞察，用深度学习算法构建用户与商品的“千人千面”个性化推荐模型；基于大数据算法赋能经销商生意经营管理全过程的经销商生意参谋模型等。

图2-5　数字重构企业营销链条

图2-6　数据驱动业务智能

这些都是基于企业在线业务沉淀数据资产后，进一步智能化加工、服务化输出，赋能到业务环节的数据价值转化案例。企业持续产生的数据会补充并完善现有的算法模型，进一步训练学习，做出更加智能的决策，从而形成良性反馈闭环，最终帮助企业实现业务智能化。