在這個問題上首先要明確一點，什麼是網際網路渠道，網際網路渠道都有哪些，而且還要特別瞭解自己的行業和產品，適合在什麼渠道和平臺進行投放。

比如你是做裝飾或著裝修行業的，首先就是要在各個資訊平臺和新聞平臺進行釋出體現品牌的曝光，同時也是為了達到搜尋引擎搜尋的檢索曝光，品牌好不好先不用考慮重要的是要有品牌服務的佔有量，才有後期的延伸工作。

剩下的就是自己建立品牌網站，電商渠道，天貓京東，新聞平臺的專欄建立，還有就是搜尋推廣，對於這種大平臺前期都要建立好，特別是大流量平臺首要的就是進行曝光。

有了曝光有了流量那麼最後就是具體的每個平臺的資料分析，流量分析，使用者分析，轉化分析，這個就很好做了，每天調查資料結果，每週進行分析，是在下降還是上升還是增長不明顯，然後根據這些資料進行調整渠道投放方案，是什麼原因，是我們工作的不足，還是渠道選擇錯了。具體事情經營具體分析，對於網際網路來說，沒有一項是確定值，都是在運作中不停的改變和成長！

這其實是兩個問題。

《資料分析強勢解決營銷人三大痛點》

作為市場人，我們的目標一直是，為公司創造利潤。

市場同學的核心職能分為兩方面，營銷與品牌塑造。營銷是為了創收，品牌是為了持續創收。To B 公司市場人的目標是透過合理的流程引導每一個有需求的公司轉化為正式付費客戶。上篇文章（週五話營銷 | 健身房花式賣卡，詮釋點選營銷流），為大家講述了營銷需要關注的幾大指標，今天，我們選擇 B2B 的公司來講市場人常關注的三大問題。

營銷人員三大痛點

每一個營銷人都曾經為三個問題苦惱過：

1. 怎樣丟擲甜蜜的誘餌可以更順利地吸引客戶？（潛在客戶從哪裡來，來的多不多？）

市場就是流量的戰場，流量的獲取和轉化是營銷的重要組成部分。隨著網際網路人口紅利的消退，獲取優質的流量變成了一件技術工作。運用資料分析工具評估渠道入口，尋找流量窪地，降低流量成本，或透過使用者畫像尋找到最精準的流量渠道，提高流量質量，成為渠道衡量的必備技能。

2. 如何吸引客戶“上賊船”？（潛在客戶訪問網站後，流量如何轉化？）

潛在客戶訪問官網時，對產品認知有限，讓客戶從遊客到註冊，實際上是一個二次轉化為有效使用者的過程。引導使用者按照關鍵步驟進行互動，降低使用者學習成本，減少時間和精力，根本目的都是為了降低使用者流失。

3. 如何透過豐富的經驗套路新使用者？（投資回報率（ROI） 很重要，如何提升營銷 ROI ？）

當用戶已經進入銷售與服務階段，系統性的服務尤為重要，我們的目標是將註冊使用者轉化為商機，並最終成交為付費客戶。同時這也是營銷漏斗的最後環節，量化營銷效果的核心指標是 ROI，用單位成本的成交額或利潤衡量渠道流量的質量，最佳化營銷策略，更有助於企業營收。

想要解決問題，先要了解問題背景，下圖是B2B的市場營銷過程漏斗模型。

圖1 B2B 市場營銷漏斗模型

其實，一個 B2B 公司的市場營銷過程粗略分為四個階段：

1. 推廣、集客、引流階段，透過品牌布點、新聞媒體、DSP、新媒體、SEM、SEO 等市場行為，目的是為了吸引客戶注意到自身存在。

2. 口碑影響階段，透過問答平臺、百科、DSP 等行為創造品牌價值，目的是贏得客戶好感，為客戶轉化做準備。

3. 平臺承載階段，透過 400 客服電話、客戶諮詢等行為，幫助客戶成功挖掘官網資訊，瞭解產品，目的是實現客戶轉化為活躍客戶。

4. 銷售與服務階段，透過銷售和售前服務人員的介紹，引導客戶成單，目的當然就是為了付費。

所以使用者從看到某公司的資訊開始，就已經進入了一個環環相扣的營銷漏斗中，這是使用者與企業鬥智鬥勇的過程，全面最佳化公司營銷流程才能贏得客戶的青睞，正所謂自古深情留不住，唯有套路得人心。

如何解決三大痛點

圖2 營銷漏斗四大步驟

前文提到的三個問題，是如何在四大環節中得以解決的呢？

問題一：流量從哪裡來？

隨著新媒體的崛起，獲取流量的方式有很多，如 PC 端廣告位、SEM、SEO、媒體軟文等，渠道推廣需要付出時間成本和金錢成本，帶來的流量數量和質量如何比較？讓精準的渠道分析幫助你。

工欲善其事，必先利其器，可以利用第三方資料分析工具對渠道進行監控和指標分析，最佳化渠道投放。

圖3 營銷資料概覽

問題二：吸引來的使用者為什麼沒有轉化？

渠道做的好，使用者觸達多，曝光節節高，轉化全流失，這大概是很多B2B公司都會苦惱的問題，明知道使用者流失，卻找不到最佳化方向，這其實是網站一次轉化的關鍵步驟設計出現了問題，透過兩種資料分析模型，可以為解決問題提供好思路。

1.漏斗分析

如下圖，註冊階段的漏斗分析，將使用者從瀏覽官網到註冊的過程分為若干步驟，瀏覽官網、點選註冊，獲取驗證碼，輸入驗證碼，點選建立新企業，完成註冊等等。透過漏斗對註冊流程的直觀體現，使用者流失情況一目瞭然，可以針對高流失率的環節進行最佳化，檢視流失使用者的具體使用者行為，找出改進方向。

圖4 註冊轉化漏斗

2.使用者路徑

透過對不同渠道來到官網瀏覽的使用者進行使用者路徑分析，是簡單甄別渠道流量質量的有效方法。使用者行為路徑根據每位使用者在網站/APP 的行為，分析各模組之間的規律，挖掘使用者的行為模式，從而最佳化引導使用者註冊的關鍵步驟，實現提高一級轉化率。

圖5 使用者進入網站瀏覽後的使用者行為路徑

問題三：ROI 如何提升？

ROI 是衡量營銷效果的終極標準，也是營銷人考核的核心指標。當用戶已經成為註冊使用者，銷售人員和售前服務人員就會介入到轉化體系中。單純第三方資料分析工具的監測，並不足以徹底覆蓋整個業務流程，一套完整的銷售與服務體系，需要 CRM 系統與資料分析工具整合，資料打通，從而幫助公司內部同學掌握客戶一線需求，打造專屬客戶成功模式，實現高效贏單，提高潛在客戶轉化為正式客戶的比例，提升 ROI。

資料驅動下的精準化營銷

依靠資料分析工具與 CRM 系統結合的方式提高 ROI，無法充分利用全部流量，在人工智慧崛起，大資料廣泛應用的黃金時代，更需要精準化營銷，降低成本，直擊人心。

廣撒網的騷擾式營銷已經落後，精準化營銷的核心在於如何為不同使用者打專屬標籤，針對其屬性特點定製營銷方案，提高購買意向。

給使用者打標籤當前主要有兩種模式，一種是透過條件篩選，對使用者進行分群，另一種是多元統計分析模型。神策分析提供靈活的使用者分群，從使用者屬性、使用者行為特徵、使用者行為路徑等維度對使用者進行分群，摸清使用者偏好，將使用者劃分為群體，並對這個群體進行精準營銷。

圖6 使用者分群示例

面對廣大使用者，在這個企業級市場資本迸發，競品層出不窮，觀眾審美疲勞的時代中，營銷不能大力出奇跡，而需二兩撥千斤。每一個營銷同學的內心都曾經被三座大山困擾過，希望這篇文章可以有所啟發。

2.如何進行大資料精準採集？

資料採集要大、全、細、時

大，充分考慮使用者規模與資料規模的增長，做好資料資產積累的準備。

全，多種資料來源，多種方法全量採集，貫穿使用者使用產品的整個生命週期。

細，採集足夠全面的屬性、維度、指標，讓積累的資料資產更加優質。

時，提高資料採集的時效性，從而提高後續資料應用的時效性。

具體分為兩種方案：

程式碼埋點

支援 Java／Python／PHP 等各類開源 SDK，確保資料採集的大、全、細、時。

全埋點（無埋點）

輕鬆整合 SDK，便可在 App、Web 產品中追蹤使用者的互動行為，簡便快捷。

推廣宣傳呀！就像現在，很多的大中型企業，都做產品推廣！我們身邊經常看到的推廣資訊：華為，OPPO手機，肯德基等等，這些都是廣告，廣告就是廣而告之，讓更多人知道你的產品還有你的資訊，他們看了你的產品以後，如果感覺產品不錯，自己也需要，是不是就會透過你的推廣資訊來找你瞭解啦！

要快速曝光自己的產品，推廣宣傳是必不可少的手段！你的產品有曝光率了，才會很快被大家所熟悉，提高產品知名度！

這個問題，是兩個問題，要分開來看。

首先，如何快速提高產品曝光率？

只要你有足夠的預算，做起來肯定相對容易一些。有以下幾個方法，可供參考：

1.微博曝光

如果你們公司有能力和人才，當然可以自己註冊微博號，在微博上推廣，不過是比較困難的。如果想要簡單，就直接找微博上的一些大V合作，推廣你的產品。

但是在選擇的時候也要注意，現在作假，刷閱讀量的號也不在少數，所以要多考察一下才能下決斷。

其他，還有很多可以在網上推廣的方法，這裡就不一一贅述了。只要能把這幾個當中的一個方法用好，也是很不錯的。

其次，如何進行大資料精準採集？

有三個方法：

1.對顯性資料的統計

比如，一家餐廳的老闆，他的顧客有多少北方來的，有多少南方來的，年紀分別都是多大的，喜歡吃什麼口味的？統計這些資料過後，他就決定主打什麼菜系，做什麼口味的菜人們顧客更喜歡。

關於自身運營的顯性資料，可以建立IT系統；如果是關於行業趨勢的顯性資料，你可以購買相關統計報告。

2.對隱性資料的調查

但對於一些隱性資料，比如使用者希望交通工具有什麼創新？這是使用者內心的偏好。要掌握他它們，你可以用“調查”的方法。

調查不是隨便找100個人問：你希望馬車怎麼改進呀？福特曾說，如果你這麼問，使用者只會告訴你，我想要一匹更快的馬，他們是想不出汽車的。

那你說，使用者自己都不知道要什麼，那怎麼辦？你可以試一下，“焦點小組”。

工程師們站在玻璃的另邊，看得目瞪口呆，使用者居然這也不會，那都不會。

但不可否認，這就是事實，這才是真實的使用者。然後，大家又會針對看到的細節，一點一點的慢慢修改，直到完善為止。

可能我們都有過類似的經歷，拿著一個APP總是找不到我們需要點的東西，這就是他們的工程師不知道，真的要把使用者當“白痴”才行。

這就是焦點小組。看他們怎麼做，而是怎麼說。

3.對全體資料的分析

對於開車的人來說，你可能會說，憑什麼我的車幾乎不開，要和每天開30公里的人交一樣的保費？就是因為沒有個體資料。所以，開車少的人，必須為開車多的人承擔保費。

所以，現在有些車企，在汽車出廠時就安裝了資料裝置，監測你開了多少公里，會不會打著左轉向燈向右轉，會不會踩著剎車轉彎呢？然後，為每個人的保費單獨定價。

這樣，開車少又對的人就可以少交保費了。

這就是利用精準到個體的大資料，幫你做決策。

如果你擁有了龐大的資料怎麼用？試試和擁有資料的機構合作吧。

酒店為什麼要收押金呢？因為它不知道誰誠信，誰不誠信，不知道誰住完不給錢就走。阿里巴巴則用它的大資料，做了“芝麻信用分”，把資料變成信用產品，作為酒店經營者，可以利用這個信用分，說：芝麻信用分750以上的，不用交押金了。那這個酒店的使用者體驗是不是大大提高了呢？

看看別人都是怎麼利用大資料做決策的？

王永慶過去賣大米，記下來每個顧客家裡有多少口人，需要多少大米，多久會吃完，然後“預測”顧客差不多快吃完的時候，就直接扛著大米上門了。這就是“預測式購物”。

2014年亞馬遜申請了一項專利，就叫做“預測式購物”。簡單來說，就是透過大資料，分析消費者的購物偏好，提前將他們可能購買的商品配送到最近的地方，一旦下單，立刻送到。這件曾經王永慶用小本子做的事情，亞馬遜利用大資料，大規模地實現了。

所以，那些說大資料都是騙子的人，是沒有明白真正的大資料到底有什麼用。