Data Driven全域数据驱动增长指南2022用户数据主权争夺战，品牌该出手了 第一章 用户数据资产 第二章 案例拆解 第三章 解决方案 结语 序章1.1 1.2 2.1 2.2 2.3 3.1 3.2 用户数据资产的三大应用维度 品牌方用户数据资产管理实践所面临的挑战 第一类：渠道驱动的大快消行业 第二类：兴趣驱动的服饰、美妆等行业 第三类：差异化、个性化服务驱动的行业 网易云商 悠易科技 蒙牛、立白 欧莱雅、乐町 UNISKIN优时颜 参考资料/主创团队 序章环境驱动变革： 品牌与渠道的博弈 作为全球最大广告预算的负责人之一，宝洁全球首席品牌官Marc Pritchard称，必须时刻关注Facebook Google和Amazon等互联网巨头的发展动态，他曾公开表示，“有围墙的花园可能会继续有围墙，所以我们必须自己动手。” “围墙花园”正是喻指渠道，由于其不对外开放，无法全面了解“围墙花园”内部的广告表现如何，品牌便需要用自己的方式去追踪和触达消费者。据 透露，多年来，宝洁一直在建立自己的数据库。截、Pritchard2 止到2019年的时候，宝洁已拥有超15亿消费者ID，目前来看，这一数字还在“迅速增长”。 宝洁正是一个品牌与渠道博弈的典型案例。 在不断变化的商业环境中，渠道和品牌分别由于发展根基不同，最终导致双方的立场与利益点也各有不同。 事实上，自商业社会诞生开始，品牌方与渠道方的竞争与合作便一直存在。进入新消费时代之后，品牌与渠道的博弈聚焦到了数据主权上面。3*数据来源：专家访谈、增长黑盒品类多商品好物流快价格省渠道发展根基需求大高溢价被选择粘性强品牌发展根基 4在合作共赢的层面，平台方的数据资产应用水平得益于品牌方产生的大量消费数据，同时品牌方又能直接应用平台数据资产的沉淀成果。 但显而易见的限制是，品牌不得不高度依赖平台，数据的应用必须处在平台的生态内，这样极易失去自身对数据资产的沉淀和对数据主权的掌握。*数据来源：专家访谈、公开资料、增长黑盒1.0 阶段在线下门店场景中进行 客流竞争与抢夺 线下客流博弈2.0 阶段在互联网场域中进行 流量渠道垄断与夺回 线上流量博弈数据资产博弈3.0 阶段在线上线下通路中竞争 消费者信息资源 数据收集数据分析数据应用品牌消费反馈优化平台方应用服务资产沉淀 飞轮 5因此，品牌开始琢磨如何才能将数据主权握在自己手中。但这并不代表品牌要完全抛弃平台，只是在每次使用平台时，开始注重留存自有数据资产，从而实现复利积累。*数据来源：专家访谈、公开资料、增长黑盒平台阿里巴巴京东字节跳动小红书数据沉淀下的 平台服务产品 生意参谋、数据银行、 策略中心、营销策略 中心、达摩盘等 数坊 云图-算数-建模平台-度量平台-Datahub 小红书内部看板 平台理论 AIPL、FAST、GROW、DeFP 4A (Awareness, Appeal, Action, Advocation) 增效度量，5A IDEA 小红书指数 数据分析数据应用数据收集反馈优化品牌消费 我们调研发现，同一赛道中具有同等爆发力的新锐品牌，若对数据资产采取不同的投入策略，那么长期来看，品牌的发展前景会有较大差异。 我们在此将其抽象为A和B两个品牌： 投入了数字化管理运营的A品牌，虽然投入门槛较高，但管理体系成熟后，产出效率持续提升； 而仅仅实行常规管理运营的B品牌，在投入资源达到一定规模后，产出效果出现明显增长，但随着投入资源的过度饱和，品牌产出便遭遇效率瓶颈。6*数据来源：专家访谈、增长黑盒BrandBrand消费数据 作为品牌资产消费数据 作为品牌费用BrandBrand *数据来源：专家访谈、公开资料、增长黑盒A品牌：数字化管理运营B品牌：常规管理运营品牌数字化转型决策点数字化运营ROI反拐点（成本构成：人力+触点+数据+技术）常规管理运营 资源投入门槛用户数据资产数字化赋能投入门槛产出 效果投入 成本（成本构成：人力）利用用户数据资产和技术资源，短期内显著提升效率 投入资源过量饱和，遭遇效率瓶颈品牌数字化及用户数据资产管理体系逐渐成熟，效率持续提升投入资源达到一定规模，产出效果出现明显增长 毋庸置疑，在未来，投入用户数据资产管理才是品牌的长线发展之路。7 PART1用户数据资产 —— 品牌方的“数字石油” 既然品牌与渠道的博弈已经聚焦在了数据资产上，那么作为品牌方，首先必须要明白数据资产的重要性，即为什么需要用户数据资产运营？ 用户数据资产就如同品牌方数字化发展的“石油”，正在成为当下品牌长效经营的动力源之一。通常情况下，数据资产分为一方数据和二三方数据L®一方数据：品牌自己收集的消费者信¤®二、三方数据：品牌通过第三方渠道支付相应费用所获得的数据 一方数据是基础，二、三方数据可以通过各种手段与一方数据结合，建立基于单个消费者UID的数据库，是品牌追求消费者数据资产的终极目标。二三方数据的意义在于强化一方数据，因此，一方数据是最关键的，也正是品牌与渠道争夺主权的对象。 可以确定的是，品牌方进行用户数据资产运营与积累是有必要的。不过，用户数据资产的实际价值以及具体的使用方式，还需要客观理性的分析。 9*数据来源：专家访谈、增长黑盒品牌二方数据二方数据三方数据三方数据三方数据三方数据三方数据二方数据一 方 数 据 10用户数据资产的三大应用维度 用户数据资产该如何应用呢？—— 实践证明，它既可以赋能企业的销售转化，也可以赋能品牌营销，甚至可以赋能供应链和渠道的升级。 *数据来源：专家访谈、公开资料、增长黑盒用 户 数 据 资 产赋能 供应链和渠道升级 赋能 品牌营销 赋能 销售转化 浅层中层深层 浅层应用：赋能销售转化 品牌方通过收集相关消费者信息，来直接触达消费者，不过需要注意的是，直接触达的方式不同，所带来的效果也不同。 中层应用：赋能品牌营销 依托数据资产，品牌方可对消费心智进行尽可能准确的分析，让品牌力的建设不再是“玄学”。 与此同时，借助数字化洞察技术，品牌方可以更好地理解消费者，用Storyliving的理念与用户共创品牌价值。 （Storyliving是指，用品牌方与消费者共建产品的方式，来替代品牌方设定产品并单方面满足消费者需求。）11用 户 数 据 资 产 赋 能 销 售 转 化获 客转 化*数据来源：专家访谈、增长黑盒根据一方数据洞察消费者需求，借助人工智能或高级客服向消费者推销其所需要的产品。分析私域用户的生命周期，总结规律并对不同阶段的客户采取不同的激活唤醒与复购策略。基于用户数据资产提炼洞察用户画像，捕捉核心客群，提高外部公域投放的精准度。促销员通过消费者的联系方式对其进行广告推销，简单便捷，但存在法律合规性风险以及品牌调性折损问题。“数字石油”不同维度的应用，就好比原油既可以提炼成汽油等发动机燃料，也可以提炼成润滑油，又可以提炼成石蜡、沥青等为建筑施工所用。 12深层应用：赋能产品设计与供应链优 品牌方可用数据反哺产品研发，将一方数据作为产品研发的迭代与决策参考，驱动供应链升级，把数据分析得到的洞察赋能给产品，同时还能降低成本。深层应用：赋能产品设计与供应链优化用 户 数 据 资 产 赋 能 品 牌 营 销分析用户 数据， 深刻理解消费者与消费者进行品牌价值共创*数据来源：专家访谈、增长黑盒针对不同人群的消费体验优化针对不同人群的营销内容个性化打造消费者不一定会主动表达所需所想，但会通过消费行为、画像与销售数据体现出来。*数据来源：专家访谈、公开资料、增长黑盒用户关系 1.0用户仅仅关注产品的功能、 特点和价格 用户关系 2.0用户购买品牌产品后， 感受愉悦产生信任 用户关系 3.0品牌价值认同，用户主动 帮助品牌传播与推荐 用户关系 4.0用户参与品牌产品的生产和设计，帮助产品改进，并与品牌共同创造价值买卖关系共创关系信任关系推荐关系 13得益于用户数据资产的赋能，品牌方有着较为清晰的用户产品共创路径。 当品牌方收集到某条线下KA渠道的消费者画像数据与相关产品销量、产品周转周期等一方数据后，针对于该条渠道，品牌方可结合情报，从SKU选品、渠道促销活动、存货周转管理等各个环节进行全方位的优化，使得该渠道能够更好地服务于其所触达的消费者，并拉动销售效果。供应链、投放及 反馈渠道同步优化90%用户满意后 投放市场产品优化内部员工测试新品品牌收集用户及 消费反馈信息数字投放渠道 招募用户及KOL体验新品*数据来源：专家访谈、公开资料、增长黑盒⑦⑤④③②⑥① 14品牌方用户数据资产管理实践所面临的挑战 或许此刻，品牌方意识到了用户数据资产管理的重要性，并跃跃欲试地展开落地实践。但在之前，我们有必要提醒一下，从战略规划到落地执行这个从0~1的过程，品牌方会面临如下的挑战。 数据收集挑战：品牌方要如何一步步收集并整理用户数据？ 当品牌方通过层层考验，终于制定出了适合企业自身的数字化战略，并通过自行研发或第三方供应等方式，获得了自己的数字化处理系统，正式步入转型实践落地的大门内。但仅在执行的第一步——即数据收集的环节，品牌方又要面对以下问题‘品牌方在落地收集触点之前，需要对于用户消费旅程进行极为详细的描绘，毕竟品牌方需要知道，自己所收集的这些数据是消费者如何产生的，代表什么含义†消费者会在多个环节与场合和品牌方产生交互，并产生浏览信息、购买信息等不同维度的用户数据。为了保证用户数据能持续高质量收集，品牌方需要结合可用成本对各个交互节点进行筛选，根据转型需求选择数据质量最佳的作为落地触点，同时还需要考虑数据收集的合规性问题。ï消费旅程如何描绘？ ï触点策略如何制定？ 15 数据如何清理整合？ 不同业务、不同渠道以及不同平台所收集到的用户数据之间往往存在很大的数据差异。或许A业务将Z世代定义为18~24周岁，B品牌却没有相关数据标签；再或者，对于相同属性的数据，品牌内部划分为“男/女”，而媒体平台则划分为“先生/女士”。为了进行高效的数据清洗，品牌方除了在技术上对各API接口进行设置以外，其内部标签体系策略也应该设置尽可能多元且普适。 数据分析挑战：品牌方要如何读懂数据背后隐藏的关键信息？ 理想总是丰满的，似乎借助这个用户数据系统与丰富的数据收集触点，品牌方便可以极为轻松地将这些数据情报应用在业务的各个领域。然而现实却是品牌方更多收集到的仅仅是消费者自身的用户基本信息与消费记录数据两类，且体量并不理想。如何将不同数据进行交叉分析，结合二三方消费数据挖掘出更多的增量情报，是对整个数字化分析团队的挑战。 ，，*数据来源：专家访谈、公开资料、增长黑盒消费者用户基本信息消费记录数据获得用户心智用户姓名 用户联络方式 用户生日 其他信息消费产品 购买渠道 消费价格 消费频率 消费地域 其他信息 数据应用挑战：品牌方如何跨过从数据到数据资产之间的应用鸿沟？ 用户数据≠用户数据资产，只有能被使用的数据才是有价值的数据。但如何将数据洞察用于指导业务工作的落地优化，这个过程中仍然存在着巨大的挑战鸿沟。 16*数据来源：专家访谈、公开资料、增长黑盒数据从分析到应用涉及到业务部门的流程改变从用户数据到用户数据资产的应用鸿沟从数据应用执行同步考验业务执行人员相关能力数据赋能业务后的实际效果难以进行反馈归因优化系统本身 PART2案例拆解 18我们分析了很多品牌案例，发现用户数据资产管理主要分为数据收集、数据分析、数据应用三大模块再匹配上一章提到的赋能销售转化、品牌营销、产品设计与供应链优化，我们将整体策略展示如下： 我们将品牌分为三大类，并选取了5个优秀案例进行详细拆解。 ，第一类：渠道驱动的大快消行_d共性：大快消品非