数字时代的品牌营销

一、“大数据、大生意”：

1.概述

1)大数据概念和特点

2)大数据需要哪些技术支撑

3)大数据能够带来哪些新应用？

2.大数据时代带来对传统营销的挑战

1)大数据如何成为资产？——GOOGLE的市值远超过制造企业

2)大数据如何体现精细营销？——卖PIZZA的例子

3)大数据的价值——靠空调电表判断气候趋势（“指数”）

3.大数据时代的“互联网思维”营销模式

1) 互联网思维——先圈用户再挣钱

2）互联网的营销模式——微博营销、网页营销等

3) CRM——“旧貌焕发新颜”

4)精细营销——装上了GPS，实现“精确打击”

5）思维的转型——“特斯拉”的冲击

4.如何在海量数据中整合线上、线下数据，形成你对消费者的独特洞察力

1)知道客户的各个属性——互联网时代不再“是否是狗”

2)客户的群体特征——“人以群分”

5.如何建立产品分析的数据平台，提供产品的“标尺” 

1)产品的数据有哪些？——发动机功率、重量、油耗、颜色等等维度

2)产品设计的互联网思维？——小米手机

3)产品的大数据分析——哪些维度？

4）如何“产品为中心”发展为“客户为中心”？——有数据就有可能

6.大数据对汽车行业影响

1)汽车生产过程：按需生产，降低库存

2)汽车销售过程：客户的需求把握，客户需求细分

3）流动数据获取：流动数据监控，及时发现汽车安全异常等

4）出行计划制定：合理设计出行路线，避免堵车等

5）汽车生态链的管控：上下游产品数量和质量的量化控制

二、大数据下客户的“透视”：

1、客户是“上帝”，如何找到“上帝”？

1）上帝是什么样子？

· 上帝是什么视图？

2）客户是什么样子？

· 客户是什么视图？

3）产品是什么样子？

· 产品是什么视图？满足哪些功能？

4）如何建立客户和产品间的关系？

· 为合适的客户，找到合适的产品（分析需求，满足需求）

2、我们对自己的客户了解多少？

1）客户会有什么特点？

· 客户的基本特征（如：不同产品的年龄分布）

· 客户的群体特征（如：不同年龄群体关注点有哪些？）

· 客户的交往圈子（如：户外旅游圈子关注哪些产品？）

2）营销的方法

· 营销方法论和知识库（分析问题的知识库和方法树）

· 制造业产品营销的特点（如何突出附加值？）

· 传统营销如何转型互联网营销？

· “汽车”如何私人订制？

3）产品的客户服务

· 大数据能够发现哪些产品质量问题？如何提升客户满意度

3、如何“帮客户买产品，而不是推销其不需要的产品”

1）如何进行客户的“X光透视”？

· 客户的统一视图包含哪些信息？哪些是关键属性？

· 如何发现客户的真实需求？（服务与骚扰的区别）

· 示例：电信行业客户的统一视图

2）内部产品的科学选配

· 如何提供讲师般量化的分析，为用户提供优的内部产品？

3）竞争对手产品的对比

· 与竞争对手间的产品差异化区隔

· 自己产品的优势和弱点（如何提供量化的分析结果？在形象展示出来）

· 示例：竞争对手的客户回归

4）销售过程的处理

· 销售时机的把握销售语术的把握

4、大数据营销的作用和价值

1）数据和知识是人的本质特征

2）大脑是人与动物的差别

3）“事半功倍”是捷径

4）从“拼刺刀”到“信息战”；示例：某人关系图

5、产品如何进行“透视”

1）产品自带数据

2）产品中互联网思维创新设计

· 如何用微信“卖肉夹馍“？

· 如何用微信卖汽车？

3）产品的差异化数据显示——用数据证明产品（功率等参数之外呢？用路线规划、安全告警等新数据）

4）产品的附加值——加法还是减法？（UPS公司的车辆路线规划）

三、基础数据的收集和整理

1、数据的种类

1）客户数据内容（汽车客户的基本资料）

2）产品数据内容（产品的编码）

3）营销数据内容（交易记录的保存）

4）服务数据内容（客户服务数据的保存）

5）制造行业数据的特点：（数据类型杂、数据量大等）

2、数据的存放方法

1）数据的清洗、转换和加载

2）存放在数据库/数据仓库

3）数据的基本分析工具EXCEL等

3、数据的基本整理

1）数据的归类存放（建模型）

2）数据的基本加工

4、数据的基础分析

1）数据的基本汇总

2）数据中的“金子”：从石头中淘金子

3）数据挖掘：“啤酒和尿布”的故事

4）高级的数据挖掘工具SAS和SPSS等

示例：切入几张工具的示意界面图

5、数据质量的基本保障

1）指标的口径描述和统一

2）后期补数据成本是前提收集数据成本的15倍

3）“差之毫厘谬以千里”

6、制造业企业数据的收集和整理

1）制造环境的数据收集/整理

2）采购数据的收集/整理

3）营销数据的收集/整理：

4）人力资源数据的收集/整理

示例：某企业的数据收集/整理方案

四、客户的分析和认知

1、客户的定义和范畴

用户和客户的区别

客户是否要进行细分，如集团客户、家庭客户等

2、关于客户的基本“信息”（管中窥豹）

身份证信息行为爱好信息衍生信息

3、客户的基本属性标签（如高端客户推销高档汽车等）

增值服务等方面，让服务更加贴近客户

4、客户的喜好（“不怕没缺点，就怕没爱好”）

客户的品牌归宿、产品喜好分析

**客户服务中心的询问等获取的知识

5、客户的细化分群

客户分群的依据（物以类聚、人以群分）

6、客户的知识库

实时调出符合条件的客户群体来

示例：某企业客户特征知识库举例

7、客户的“再挖掘”（UPSELL/CROSSSELL）

客户群中的“种子/关键”客户客户的交往圈分析

示例：客户交往圈分析案例

基于客户交往圈，进行客户“再挖掘”

8、客户的生命周期管理

客户的生命周期数据分析渗透到客户的生命周期全过程

9、制造业中能进行哪些客户分析和营销？

客户的基本信息分析：如对汽车的兴趣和爱好

客户的分群（品牌和产品设计）：汽车行业的客户细分

对客户更深层的了解，就可以进行合适的营销：特斯拉汽车的营销

五、如何为合适的用户提供合适的产品？

1、营销的目的：为合适的用户提供合适的产品

除了“激情营销”，更需要“理性营销”；真正满足客户需求才能构建长久的营销关系；

客户的真实需求如何？

“有人开奔驰，有人开奇瑞”不同产品适应不同用户群

2、如何发现合适的用户

谁是合适的客户？标准有哪些？客户的担心、顾虑是什么？

3、如何提供合适的产品

从现有的产品客户中寻找目标客户特征

汽车产品的增值服务

示例：客户针对性营销案例示例

4、营销案的设计和评估

如何吸引用户？如何让用户选择产品？

5、营销的过程和细节

类似CRM系统的营销流程管理

示例：制造行业CRM营销的流程框架图

6、营销的渠道选择

客户是否喜欢外呼电话，还是微信？还是实体营业厅？

示例：用户偏好渠道分析的案例

7、如何避免对客户的过渡打扰

限制每月的外呼次数；

8、制造行业的客户数据挖掘

海尔的数据挖掘案例

9、制造行业的产品质量控制

如何挖掘产品使用过程的异常点

如何分析产品的故障

六、汽车行业大数据发展展望

1.数据的收集：

· 数据是资产，收集更多的数据，上传更多的数据，类似手机收集数据

· 汽车故障监控数据、汽车行驶位置数据、汽车油耗数据等等

2.挖掘客户的需求：

· 找到潜在客户需求，基于“客户群体”进行满足

3.设计产品：

· 基于客户需求设计产品；

· 基于产品提供增值大数据服务

4.设计渠道，进行营销：

· 不同客户的不同渠道喜好；营销时间；营销事件等

5.汽车的安全数据分析：

· 提高器件监控能力，发现于未然，速度监控，防止盗窃等

6.汽车行业发展参考手机行业，提供更多的APP应用；激活增值业务营销。

7.汽车行业的客户服务：

· 找到客户真实反馈，提升产品质量

七、如何编写漂亮的分析报告（既有漂亮里子，也要有漂亮面子）

1、数据是基础

2、分析报告是展现形式

3、分析报告的思路

4、分析报告的方法

【示例】：分析报告演示

八、总结和展望

段方老师的其它课程