大数据时代下的汽车营销加成.pdf

大数据时代下的汽车营销加成 aug 2016， 新意互动 刘岩 前言 国务院发布：运用大数据意见36条 十八届五中全会：实行互联网+计划 实施国家大数据战略 大数据上升为国家战略 以控制为出发点的it时代 正在走向激活生产力为目的的 dt（data technology）数据时代 contents 移动互联环境下的大数据 大数据营销的误区与认知 极具特性的汽车行业大数据营销实践与创新 contents 移动互联环境下的大数据 大数据营销的误区与认知 极具特性的汽车行业大数据营销实践与创新 大数据 = 数据大 ？ 大数据是怎么来的？ 初数时代 内战时代 镀金时代 量化时代 抽样时代 开放时代 大数据时代 1780年代1830年代1870年代1900年代1930年代1960年代2010年代 奠基共和 用数据远征 用数据预测 用数据决策 美国历史下的数据时代变迁 用数据跨界 用数据创新 迈向智能 no.1 摩尔定律 1965年，英特尔创始人戈登摩尔提出 “同一面积芯片上可容纳的晶体管数量，一到两年将增加一倍” ? 1 2012.112013.42013.122014.32020 18 306 342 493 597 1971-2011年中央处理器上的晶体管数量1t容量硬盘价格变化 注：美国亚马逊网站希捷硬盘价格变化追踪 摩尔定律，奠定硬件数据储存能力 普适计算的到来 第一阶段 主机型阶段 第二阶段 个人电脑阶段 第三阶段 普适计算阶段 普适计算的浪潮正席卷未来 小小的智能手机已可以替代电脑 各种传感器正越来越小 可传单设备又向我们走来 no.2 社交媒体时代 web2.0时代，促使了人类数据的真正爆炸 使每一个网民都成为了数据的生产者 社会化媒体促使非结构性数据指数级增长 注：非结构性数据是指没有严整的结构，在社交媒体上产生的数据，包括文字、图片、视频、音频等。 目前全世界的数据大约75%都是非结构性数据 no.3 数据挖掘 促使了人类能够真正激活数据 大数据 = 石油 数据挖掘如同开采石油的技术 进入大数据时代的根本原因 也是人类使用数据的能力取得了重大突破和进展 大数据的成因 摩尔定律人类保存数据的能力增强 社交媒体人类产生数据的能力增强 数据挖掘人类使用数据的能力增强 定义大数据 gartner： 大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产 麦肯锡： 一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据 规模、快速的数据流转、多样的数据类型和价值密度低四大特征。 大数据时代： 大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。 一千个人眼中有一千个哈姆雷特， 一千个人眼中也有了一千个 大数据” 大数据的4v特征 volumevelocityvarietyvalue 大量高速多样价值 传统的 小数据 现代的 大记录 ? 结构化 数据 非结构化 数据 ? 大价值大容量 ? 大数据 大数据的核心价值 大数据的核心价值 洞察力 推荐 信用 普通个体为了自身利益而做出的“利己行为”，也可能让其他人或者整个社会受益 外部性价值 交通 核心数据资源 电商交易数据 （淘宝、天猫、支付宝、b2b等） 2010年 基于交易数据挖掘 创立阿里小贷 2014年，阿里小贷 70多万 小微企业提供贷款 2.3元 单笔信贷的成本 3分钟 客户获贷 1% 不良率低于 智能汽车 contents 移动互联环境下的大数据 大数据营销的误区与认知 极具特性的汽车行业大数据营销实践与创新 大数据营销 = 精准投放 ？ 大数据已渗透营销多个环节 营销环节细项 市场研究 消费者洞察 产品研究 营销策略竞争、价格、转化 广告投放 投放策略 精准投放 媒介评估 再营销 社会化营销 kol挖掘 热点预测 线索管理智能清洗 pr舆情监测 三个维度去思考大数据营销应用 识别 identify 价值 value 场景 situation 串联数据企业&客户价值因时而动 contents 移动互联环境下的大数据 大数据营销的误区与认知 极具特性的汽车行业大数据营销实践与创新 汽车营销全链条基于大数据营销价值的思考 识别价值场景 数据整合分析洞察营销应用 基于大数据驱动的汽车营销全链条 认知 沟通 考虑 转化 购买 1.门户网站 portal 2.搜索引擎 search engine 3.垂直媒体 vertical 4.社交平台 social platform 5.移动媒体 mobile media 6.视频媒体 online video 7.电商渠道 e-business 品牌自有媒体渠道（pc+移动官网、app等） 区域-经销商自有媒体渠道 crm数据库 新车营销服务营销 线索管理，销售跟进 流量导入 再营销 汽车企业 第一方数据 消费者洞察及营销策略 三方数据 整合 数据整合 分析洞察 营 销 应 用 数据整合市场研究广告投放 汽车大数据营销全链条解读 营销策略社会化营销 数据整合市场研究广告投放 汽车大数据营销全链条解读 营销策略社会化营销 大数据时代，越能够还原用户真实身份和真实行为的数据， 就越能够让企业在大数据竞争中保持战略优势 数据效能 = 人的数据 x 车的数据 从人和行业的角度去思考数据中心的构建 ? ? ? ? ? ? ? ? ? ? ? ? ? 围绕汽车受众车生活构建数据联通体系 数据资源整合观察 自有数据三方数据+ 看似极有憧憬的数据资源 三方数据 案例：某车企与阿里巴巴合作案例 三方数据 三方数据合作痛点 众多的数据源 数据的非标属性 数据的隐私性 三方数据资源运用建议 通过数据能力整合方，利用不同数据资源满足商业需求 数据整合要先从自身数据的整合开始 官方中央数据仓库 数据中心 垂直、门户等常规广告 搜索营销 移动营销 精准营销 媒体深度合作 第三方数字营销引流入口 移动官网 app 官网 官方网站平台 官方论坛 电商 第三方数字营销平台 微博 保客数据 线索数据 offline online 微信 用车数据 自有数据 奥迪云镜 通过企业内部的数据系统获取研发、生产、营销 销售、售后等各种信息，结合互联网、车联网、 手机等用户端口获取用户的用车习惯、需求，以 及对产品的抱怨等等 在连接“内外部数据孤岛”的基础上，为企业经 营和战略发展的各个维度提供决策支持服务。 案例：云镜，奥迪的最强大脑 自有数据 思考 全量 容量+外部性 “真人” 身份+生存 壁垒 内部+外部 数据整合市场研究广告投放 汽车大数据营销全链条解读 营销策略社会化营销 决策周期长决策因素多信息渠道广 每个汽车消费者都具备不同的决策特点 xx creative & interactive group 图片来源：华盖创意 大数据的出现 使揭示消费者视角及决策全过程成为可能 bigdata + marketing research = insight 2 汽车消费者全景洞察 auto - portrait auto - preferenceauto - process 汽车消费者肖像 汽车消费者偏好汽车消费者购车决策 += autopanorama 人的维度车的维度 auto - portrait 汽车消费者肖像 auto - preference 汽车消费者偏好 auto - process 汽车消费者购车决策 autopanorama 人口学特征： - 年龄 - 性别 - 学历 - 收入 - 地域 消费能力： - 收入能力 - 消费能力 互联网行为偏好 - pc互联网内容偏好盖 - app安装及使用覆盖 互联网兴趣偏好 -娱乐 -体育 -旅游 -金融 -房产 -it科技 -阅读等 购车背景： - 预算范围 - 预算提供方 - 结算方式 - 选车偏好 购车决策过程： - 决策周期 - 决策车型 - 决策因素 汽车消费者画像 女 39% 男 61% 50岁以上 15% 35-49岁 10% 25-34岁 47% 24岁及以下 27% 性别年龄 艺术娱乐 汽车 体育 it科技 奢侈品 教育 人文社科 购物 分类和本地服务 旅游4% 5% 5% 5% 7% 8% 8% 12% 15% 16% 影视 球类 豪车 电子数码产品 网购购物 军事 旅游公司 图书 汽车购买 软件及服务2% 2% 2% 3% 3% 4% 4% 8% 9% 13% 0?2?4?6?8? 10? 12? 14? 16? 18? 20? 22? pcmobile 互联网一级兴趣 互联网二级兴趣 用户全天终端使用特性 人口属性 某豪华品牌紧凑车型a，意向用户画像 汽车消费者偏好 ?6?6?6? ?39 ?4? ? ? ?8 75 ? .2 a1 0? 5.8% 4.1% 3.3% 1.1% 0.9% ? ? ? ?%? ?%? 8.8% 4.2% 3.8% 0.8% 1.5% ? ? ? ? ? ? ? ? ? ? ? ?%? ?%? ? ? ?%? ? ? ? ? ? ? ? ? ?%? 媒介策略选择 ? qq ? ? qq? ? ? ? ? ?53.9% 55.2% 66.9% 69.1% 78.5% 80.2% 82.2% 88% 92.2% 92.7% ? qq ? ? ? ? ? ?tv ? uc?33.4% 38.2% 42.4% 47.8% 49.5% 59.2% 68.5% 83% 84.2% 92.7% ?app?top10?app?top10 汽车消费者购车决策 购车用途购车预算费用来源 支付方式 某豪华品牌紧凑车型a，购车因素 汽车消费者购车决策 德系 日系 美系 韩系 自主 法系 1.8% 2.5% 8.2% 19.2% 24.8% 43.5%三厢轿车 suv 两厢轿车 mpv 1.8% 2.2% 27.7% 68.4% 国别倾向级别倾向 04590135180 汽车消费者购车决策 某车型意向人群购车决策周期分布图 汽车消费者购车决策 占比 购车预算 （万元） 平均提交leads 车款选择 1.4t1.8t2.0t 1周以内48%20.061.6539.8%65.3%7.8% 1至2周14%19.271.9039.2%64.9%9.9% 2至4周6%17.061.9438.5%71.1%5.9% 1-2月28%16.482.4364.7%46.7%8.4% 2个月及以上4%15.653.5347.2%68.0%4.8% 汽车消费者购车决策 creative & interactive group 价格外观内饰品牌经销商二手车口碑贷款配置促销 6% 13% 2% 6% 5% 28% 12% 12% 15% 3% 18% 3% 4% 7% 13% 16% 16% 20% 2% 3% 3% 3% 7% 9%9% 19% 20% 信息搜集选择评估下单询价 某豪华品牌紧凑车型a，意向用户各决策阶段关注因素 汽车消费者购车决策 数据整合市场研究广告投放 汽车大数据营销全链条解读 营销策略社会化营销 竞争格局区分 a4l 20.19-57.80? q3 20.04-42.87? ? 9.69-18.29? ? 10.71-22.56? ? 14.78-32.26? ? 16.98-26.60? a1 13.99-31.17? ? ? 8.17-16.24? ? 1? 17.42-50.50? ? ? ? ? ? ? ? 竞品的划分由传统的配置价格区隔方式向消费者行为划分进化 竞争环境的动态监测 竞争格局也从静态向动态发展 营销转化漏斗制导营销策略部署 10.8910.8810.8810.8810.88 9.019.019.019.01 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 6 8 10 12 14 16 18 20 2014?10?2014?11?2014?12?2015?01?2015?02?2015?03?2015?04?2015?05?2015?06? 价格与线索监测 数据整合市场研究广告投放 汽车大数据营销全链条解读 营销策略社会化营销 精准投放 大众所认知的精准营销 传统投放：轰炸式精准投放：精确制导 ad serving 程序化广告是如何投放的？ 浏览者 广告请求 用户身份： ip地址与身份标识 （cookie idfa imei） data serving 曾经的网络行为 兴趣偏好 30-100ms 访问 看到广告 广告投放逻辑判断 推送广告素材 用户身份： ip地址与身份标识 （cookie idfa imei） 数据+资源+技术 = 对的广告投放给对的人 程序化广告的系统构成:sspdspdmp ad serving 浏览者 广告请求 用户身份： ip地址与身份标识 （cookie idfa imei） data serving 曾经的网络行为 兴趣偏好 广告投放逻辑判断 推送广告素材 用户身份： ip地址与身份标识 （cookie idfa imei） ssp supply side platform 整合众多媒体资源，分发 广告流量的第三方技术平 台 dsp demand side platform 帮助广告主进行广告投 放和管理的第三方技术 平台 dmp data management platform 管理和判断用户数据的 技术平台 广告流量 搬运工 广告流量 的买手 广告流量 价值判断者 程序化广告的系统构成:adx ssp ssp ssp adexchange 交易市场 dsp dsp dsp 众多 媒体 众多 广告主 程序化广告的交易方式-公开竞价 ssp ssp ssp 拍卖 dsp dsp dsp 众多 媒体 众多 广告主 对媒体 媒体不愿把优质广告资源放进公开交易市场与垃圾资源竞争 对广告主 流量质量差，价格、位置和流量都不固定 问题来了： 售卖方式 real time bidding 程序化广告的交易方式-程序化预订 ssp 确定位置 全部流量 dsp 单一媒体 单一广 告主 俗称： 固定位千人千面 问题又来了： 广告主差钱儿 只（想）买走其中一部分流量。 售卖方式：cpd non-rtb 程序化广告的交易方式-优先购买 ssp 优先提供 dsp 单一媒体 单一广 告主 售卖方式：cpm non-rtb 余量 固定位置优先提供给预订的广告主 余量通过其他方式消耗 土豪客户很多，对优质受众争着购买。问题又来了： 程序化广告的交易方式-受邀竞价 ssp 被邀请参加 竞价 dsp1 单一媒体 售卖方式 cpm/cpc -rtb dsp2 合格广 告主 优质资源匹配有限广告主 类型形式交易模式 公开交易rtb 私有交易 pmp 受邀竞价 private auction 优先交易 prefer deal 程序化直接购买 pdb 单一广告主 $ 固定价格单一媒体 挑选广告主实时竞价单一媒体 多广告主 实时竞价多家媒体 精准投放的方式 千人千面相似人群创意精准精细人群 汽车 精准营销 区域定向私有人群 精细人群 caa dmp数据库中 筛选人群进行广告投放 私有人群 利用客户第一方数据库进行 广告定向 相似人群 基于lookalike扩充人群 区域定向 结合区域营销需求，定向特 定区域投放广告 创意精准 创意优化提升广告转化 千人千面 固定广告位，结合兴趣的千 人千面投放 ? 案例：一汽-大众宝来 微信朋友圈精准营销案例 受 众 包 定 义 微信常规定向方式定义的 用户（城市、人口属性、 商业兴趣等类别） 微信普通受众包汽车大数据受众包 兴趣受众包：汽车垂直媒体访问过宝来车 型（本品）的用户、访问过该车型核心竞 品用户和曾经留下宝来销售线索的用户； lookalike受众包：根据上述宝来兴趣受众 包，通过算法扩展的用户 12 用户点击图片广告 用户点击查看详情 微信普通受众包，2.73% lookalike受众包，5.07% 一汽-大众宝来 兴趣受众包，7.43% 微信普通受众包，2.12% lookalike受众包，3.69% 一汽-大众宝来 兴趣受众包，5.98% 微信普通受众 1.5% 汽车大数据受众包 2.0% 微信普通受众 1.2% 汽车大数据受众包 2.0% 图片 点击率 链接 点击率+66.7% +33.0% 案例：一汽-大众宝来 微信朋友圈精准营销案例 用户阅读完点赞 用户阅读完评论 微信普通受众包，0.13% lookalike受众包，0.33% 一汽-大众宝来 兴趣受众包，0.40% 微信普