摘要： 「大數據」當道的時代，各公司都希望能數據變現，帶來實際營收。而數據行銷的工具這麼多，究竟該如何檢視公司需求、挑選最適合的工具、並且發揮最大效益？
▲圖片標題(來源：數位時代)
近年來，數據發展已經是數位行銷的顯學，大家都已經聽過太多數據很重要、數據是未來企業發展的核心基礎、第一方數據的收集是後cookie時代企業成長利基的關鍵等等呼籲不絕於耳。
Google在2021年8月發佈的「2021台灣企業數位轉型關鍵報告」提到，數位轉型已經是進行式，66%的企業正在推行第一方的消費者數據收集，然而數據應用才是能幫助企業回應市場與客戶需求的關鍵。更有75%的企業預計未來一年提高數位科技發展的預算，其中，投入在數據應用領域是最大共識，期盼達到數位獲客及有效維繫的效益。
亞太行銷數位轉型聯盟協會（AMT）在2021年8月所發表的台灣MarTech版圖裡，數據類工具產品有62種，這些是在所有分類中，產品數量最多的，更遑論還有許多輕量級的數據行銷工具未包含在版圖內。
林林總總這麼多數據工具，各家產品都說自己最有助於數位行銷應用，企業該如何評估、配搭或取捨呢？究竟企業需要導入一個客戶數據平台（Customer Data Platform, CDP）？還是一個聊天機器人（Chatbot）搭配分眾貼標管理其實就足夠？
又或者，企業需要的是先能落實基礎建設的CRM而後配搭Chatbot、 CDP才能解決問題？何時需要AI智慧客服、而何時是一個有良好組織的腳本對話型聊天機器人，即可滿足需求呢？更甚者，企業導入了CDP或Chatbot這樣的數據工具或產品後，數據應用是否就水到渠成？是否能從所收集的數據中分析出耳目一新的見解？是否能利用這些數據來達到下一步的行銷效益？
下面我們整理了從數據工具導入到數據應用，企業必須考慮到的五個要點，這些將會是數據應用專案的成敗關鍵：
要點一：企業對數據收集與應用目標，要有明確共識
企業對數據收集的用途，有些是為了新用戶獲取、想提升用戶的價值、或是跨渠道的行銷管道佈建；有些企業則是為了提升內部行政效率，有些為了品牌宣傳，有些則希望透過數據來降低行銷費用。不同目的，則數據建設都會有不同的搭建方式，很難一體適用。
要點二：謹慎評估數據工具，估算各種導入成本
有了明確目標後，我們就能據以評估該導入什麼樣數據工具、以及在佈建上的導入成本。其中導入成本，除了明確的數據工具系統預算必須完整計算、避免額外追加的不確定性之外，一般最容易忽略的就是隱形成本，也就是時間及人力的配搭：數據工具需要多少時間可完成搭建？有沒有外部協作的時間延遲風險？內部系統需要做什麼對接串連？企業內部需要有哪些部門支持、以及需要多少內部人力來協作這樣的數據工具導入案？
要點三：體檢並調整企業既有的「用戶數據收集策略與流程」
導入數據工具或系統後，是否就有源源不絕的數據進來了呢？事實上往往不是如此。舉個例子來說，有些零售業者的主要通路為大型電商平台，其售賣數據其實是累積在大型電商業者手上，此時企業可以調整策略，加強一些可取得用戶數據的通路銷售力道，或者鼓勵消費者持發票或購買證明來登記成為企業會員。
要點四：持續投入行銷預算，且搭配活動導流與貼標才能積累數據
有了工具、策略與流程也確認了，那麼還需要投入行銷費用、搭配行銷活動來做導流，才是累積用戶數據的最後一哩路。在行銷活動的設計上，企業需要透過各種媒體來引導用戶參與及點擊互動，並適時的進行貼標、跨系統連結綁定等，讓用戶數據得以有組織的順利進入系統，達到原先預想的目標。
要點五：利用數據，隨時確保跨行銷渠道的通暢性與互動性
許多企業在數據累積了一段時間有了足夠的資料後，才開始設想後續如何應用。這常造成企業等到要使用了，才發現原有數據的不足。舉例來說，有些企業雖然已經開設LINE OA，但並未積極在LINE OA上做會員維運經營，日常以Facebook為主要廣告行銷曝光渠道，雖然內部搭建了CDP來收集數據，一些會員也透過CRM收集到他們的email。
但是當Covid-19疫情當下，企業積極數位轉型而打算嘗試在LINE OA做直播導購，才發現跨渠道的會員串連與拉攏是多麽困難、無法有效觸及會員，自然直播活動的成效也不如預期。因此日常隨時運用各類行銷活動來串連跨行銷渠道做會員歸戶，確保行銷渠道的通暢性與互動性，往往是一家企業面對重大環境變遷時，是否得以隨時應變的關鍵。
數據行銷顧問服務已經興起，有效幫助企業因應快速變化
根據美國CDP協會的統計，全球共有149家數據產品開發公司，除了開發商，值得注意的是另有42家公司登錄為數據顧問服務提供商，達該協會總會員數的22%之多。這顯示從數據導入到應用的過程，具有高度的複雜性、專業性、時效性與持續性，企業可尋求可靠的數據行銷顧問公司，來協助企業從數據收集到產生應用效益，讓我們掌握數據，應用數據！
轉貼自： 數位時代
若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance
留下你的回應
以訪客張貼回應