品牌营销数据模型解析
你可能已经意识到广告费用的一半被浪费了，但却不知道具体是哪些方面导致了浪费；你可能进行了一次品牌推广活动，但不知道如何衡量该活动对公司品牌的影响；你可能选择了适合公司的营销策略，同时在多个渠道上进行营销活动，但无法区分各个渠道的效果。本文将为你提供一些启发。
在营销理论中，有4A、4R或者AIDA模型，它们分别代表了用户从接触营销信息开始，经历注意、知晓、态度和行动四个阶段。从广告投放角度来看，品牌广告和效果广告针对消费者在消费过程中不同阶段的行为。数据表明，在效果广告投放中，品牌知名度高的企业的销售转化率高于其他同类型企业。成功的企业通常将品牌营销与效果营销相结合：通过品牌营销建立消费者对产品的初步认知，通过效果营销促进消费者最终购买产品。通过这样的重复循环，企业的品牌和销售额将不断提升。因此，有了衡量的方法才能有推动的效果。与效果营销相比，品牌营销一直存在模糊性。本文提出了4个数据模型，试图解决品牌营销中的模糊性问题。
模型一：协作模型
在篮球场上，一个助攻球员将球传给主力球员进球，这并不意味着助攻球员没有价值。助攻球员通过团队协作，辅助其他球员进球。品牌营销就像助攻球员一样，通过前期的铺垫，为最终的用户下单做出了贡献，即使下单的渠道是其他渠道，也是品牌营销的助攻贡献。计算助攻贡献的方法并不复杂，假设渠道A的一次营销活动覆盖的用户，在一段时间内，在渠道B中完成了转化目标，那么成功转化的用户就是渠道A对渠道B的助攻贡献。转化目标可以是任意用户行为，比如注册、下单、发帖、看完新手教程等，根据产品的需要来设定。由于营销活动对用户的影响随着时间衰减，因此在计算中需要设定一个时间窗口（一般不超过1个月）。只有在时间窗口内完成了目标转化的用户，才算作品牌营销活动的真正助攻贡献。
值得一提的是，即使是完成相同转化目标的用户，他们的商业价值也是不完全相同的。以注册为例，对于直播平台来说，papi酱的注册和某个普通用户的注册是有天壤之别的；以消费行为为例，购买轻奢品的土豪和薅羊毛行为的用户对系统来说也是不同的。不同用户对系统的价值不同，应该给予价值较高的用户更高的权重，并将该权重加入助攻贡献的计算中。
关于这个模型，我画了一个线框图，想进一步了解的朋友可以关注公众号pm-miao，回复“助攻模型”查看。上述模型假设每个转化用户只受到单一助攻渠道的影响。然而，在现实情况中，企业通常会在多个渠道上进行矩阵式营销，一个用户可能同时接收到多个助攻渠道的信息，最终完成下单。因此，我们需要进行多渠道分权，公平地将助攻贡献分配给不同的助攻渠道，并重新评估每个品牌营销活动的贡献值。
我不建议简单地将助攻贡献平均分配给所有助攻渠道。比如，在门户网站上的一个简单文字链和线下体验店的深度交互体验式营销，给用户留下的印象程度是不同的，因此它们不应该获得相同的数值。36kr的报道和创业公司官方微信对公司的介绍，它们的公信力也是不同的，前者相当于得到了媒体的背书。因此，如何公平地分配助攻贡献可能需要考虑多个因素：
-
采用渠道的知名度作为权重，给予影响力大的渠道更大的权重。需要注意的是，并非越大众的渠道影响力就越大。如果你在一个细分行业，可能在该行业的专业媒体上的影响力更大，因为那里的用户更加精准。
-
采用营销活动的用户参与度作为权重。每一次营销活动都会获得用户的浏览时间、浏览次数、滑屏次数、转化、点赞等行为。我们假设用户参与度越深，说明活动在吸引注意力和建立认知方面的效果越好，因此将用户参与度作为营销渠道的权重。
-
采用用户参与营销活动距离用户产生行为的时间段作为权重。有一些算法可以用于这一点，具体可以根据需要进行配置：
-
认为第一次和最后一次营销的影响力最大；
-
认为最后一次营销的影响力最大；
-
认为第一次营销的影响力最大。
模型二：参与度模型
参与度指用户在活动中的可量化行为指标，比如用户的浏览时间、点赞、转发、评论等次数。一般来说，用户的参与度越高，说明活动的吸引力越强，用户对你的活动越感兴趣。
技术的发展使得我们能够利用多种渠道形式来衡量营销效果。例如，通过WiFi或蓝牙探针技术，我们可以了解线下广告受众的停留时间。线上媒体投放可以通过用户阅读时间、评论数量、翻屏次数等指标来评估效果。
在这个自媒体时代，官方营销活动不仅能够引起目标用户的注意，还可以演变成热门话题并传播出去。我们需要关注新闻、微博、微信、知乎以及相关行业垂直媒体和论坛等渠道的舆论导向。了解参与话题的媒体数量、文章数量、用户评论数量、阅读数量、转发数量等信息。此外，关键节点也是需要重点关注的传播模型之一。大V用户的态度可能会影响未来的舆论方向，因此在微博中应关注大V用户的转发和直发话题，在知乎中要关注大V用户的点赞、评论、话题关注以及回答话题。这些行为都会出现在信息流中，成为新的引爆点。
将传播分析转化为数据模型，我们可以制定账号级别的标准，比如微博粉丝数量达到A级别，知乎获得的赞数达到B级别等。然后收集参与上述行为的用户数据，分析账号级别的分布、用户所在的圈子（行业）等。对于高影响力账号发出的信息，需要进行情绪分析，了解其中正面和负面信息的比例。如果有必要，甚至需要逐条人工分析大V用户的信息流，并做相应处理。
在情绪分析模型中，我们不仅需要了解用户参与度，还需了解用户的心理感受，判断活动是否如预期引导了用户的认知。通过用户的评论、面部图像或语音等数据，我们可以了解用户的满意度和评价是正面还是负面的。对于病毒营销活动，需要获取参与话题的媒体文章和用户评论，并进行语义分析。
技术的发展使得我们的分析越来越智能。许多学者和研究机构提出了不同的文本情绪分析模型、语音情感识别算法和面部情绪识别工具，其中许多算法框架已被开源共享。如果能够采集到评论文字、用户语音和面部图像的数据，可以考虑通过开源或自研的方式来分析用户的态度。如果没有研发资源，可以使用全量或抽样的方式对上述数据进行人工分析。
总结一下：
-
品牌营销的目标是建立用户的早期认知，而不仅仅是销量。可以使用助攻模型来衡量品牌营销的效果。
-
可以使用参与度模型来评估用户对产品的兴趣，使用传播模型来评估公众或媒体对产品的兴趣，使用情绪分析模型来了解所有活动参与者对活动的态度，以避免活动产生适得其反的效果。具体指标可以包括：自有渠道的覆盖用户数、用户画像、用户评论/点赞/转发数以及评论的正负情感；媒体的新闻数量、阅读数、点赞数、评论数以及文章和评论的正负情感；微博中创造话题的人数和人群画像、直发/转发比例、阅读人数、评论总数、参与话题互动的粉丝用户画像以及话题/评论的正负情感；微信公众号文章数、阅读数、转发数以及文章的正负情感；知乎问题数、回答数、关注人数、点赞数、评论数以及话题/回答/评论的正负情感；垂直论坛的文章数量、阅读数、评论数以及文章/评论的正负情感。
免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请您通过400-62-96871或关注我们的公众号与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！
请先 登录后发表评论 ~