數(shù)字營銷中的十大黑科技,閑魚倒賣什么最賺錢

摘要： 我們以為這些科技離我們還遙遠，事實上，它們中的許多已經(jīng)被不少企業(yè)應(yīng)用。新的科技在商業(yè)天下中的應(yīng)用，有些是震天動地的刷新，有些是潛移默化的改變。對于后者，我們以為這些科技離我們還遙遠...

我們以為這些科技離我們還遙遠，事實上，它們中的許多已經(jīng)被不少企業(yè)應(yīng)用。

新的科技在商業(yè)天下中的應(yīng)用，有些是震天動地的刷新，有些是潛移默化的改變。對于后者，我們以為這些科技離我們還遙遠，事實上，后者更為常見，而且它們中的許多已經(jīng)被不少企業(yè)應(yīng)用。

領(lǐng)會這些“黑科技”，掌握這些新的科技的應(yīng)用，能夠大幅度提升數(shù)字營銷與運營的“暢快感”，固然，效率和效果也就能隨之提升。

這篇文章聚焦于現(xiàn)在不僅能夠?qū)崿F(xiàn)，而且已經(jīng)被較為普遍應(yīng)用的“十大黑科技”，也迎接同伙們留言彌補。

全文目錄：

• 黑科技一：監(jiān)視學習——追求閉環(huán)是有原理的

• 黑科技二：動態(tài)化的消費者相同界面

• 黑科技三：品效合一——品牌投放的效果閉環(huán)

• 黑科技四：展望

• 黑科技五：基于人的推薦

• 黑科技六：讀懂人的語言

• 黑科技七：機械“視覺”

• 黑科技八：智能剖析

• 黑科技九：企業(yè)自己的數(shù)據(jù)“圍墻花園”

• 黑科技十：CDP

黑科技一：監(jiān)視學習——追求閉環(huán)是有原理的

監(jiān)視學習在今天的數(shù)字營銷與運營中應(yīng)用極為普遍。它也毫無疑問是下一代數(shù)字營銷的標配。

監(jiān)視學習的邏輯是，連續(xù)將營銷的直接效果提供給機械，讓機械（算法）不停試錯，不停通過正樣本和負樣本的反饋來舉行學習，從而“試探出”一個加倍優(yōu)化的方式，能夠自動實現(xiàn)更好的消費者轉(zhuǎn)化。

用人話說，就是不停告訴機械，你這么投放沒有用果或者有了效果，若是沒有用果，機械就改變自己的算法（實際上是改變自己的算法的參數(shù)），若是有用果，機械就強化這個算法（重復(fù)這些參數(shù)，看還能不能有轉(zhuǎn)化）。這樣一次一次反wu復(fù)liao的歷程，假以時日，機械就變得越來越“伶俐”，越來越知道在什么情形下應(yīng)該若何投放會更好。

監(jiān)視學習現(xiàn)在有應(yīng)用嗎？

有，著實太有了。好比信息流廣告的oCPM投放方式——機械就是憑據(jù)CPA中的A，或者CPS中的S，來作為監(jiān)視的效果，優(yōu)化自己的CPM的投放的。

有些信息流廣告媒體，還答應(yīng)廣告主，若是機械的優(yōu)化沒有到達預(yù)定的CPA或者CPS的效果，會將廣告主虛耗的錢退還給廣告主?？梢妼ΡO(jiān)視學習這種方式的自信，也反襯出這種方式的成熟。

固然，監(jiān)視學習這么好的器械不是僅僅只用在投放上，它能順應(yīng)的場景異常多。后面再講其他黑科技的時刻，許多都與監(jiān)視學習有關(guān)。

監(jiān)視學習這種方式，對監(jiān)視的效果，也就是最終能夠反饋給機械的效果有很高的要求。若是效果真實且實時（也就是我們所說的閉環(huán)），那么機械就能學得更好。若是效果不真實或者不實時，機械就不能能發(fā)生準確的算法。

以是，企業(yè)必須在營銷上追求閉環(huán)，必須要買通消費者的前后端數(shù)據(jù)，意義之一就在這里。

黑科技二：動態(tài)化的消費者相同界面

我們都聽說過“動態(tài)創(chuàng)意”。這個事物最初出現(xiàn)在程序化廣告時代，確切說，是出現(xiàn)在RTB（及背后的DSP）興起的時代。

動態(tài)創(chuàng)意并不新穎，但也絕對不像許多同伙想象的那樣，是“停滯不前”的。它在提高，尤其是與監(jiān)視學習相連系。

例如，在動態(tài)創(chuàng)意的初期，對照多的是解決物料尺寸和文件巨細的問題。在對最終的效果有了較好的追蹤，能夠構(gòu)建閉環(huán)之后，監(jiān)視學習被引入，以不停憑據(jù)最終的效果，來反推應(yīng)該給廣告（營銷前端）所觸到達的差別的人以何種差別的創(chuàng)意物料。今天，有多家企業(yè)都在提供相關(guān)的營業(yè)，例如廣告媒體發(fā)布商自己，例如字節(jié)跳動、騰訊、阿里等，也有第三方服務(wù)提供商，例如筷子科技。

上圖：物料中的所有的元素都可以被替換為差別的版本，替換的邏輯就是監(jiān)視學習的邏輯

這個方式很快被引申到其他的領(lǐng)域，理論上，所有展示給消費者的界面，都可以是動態(tài)的。

例如，受眾點擊廣告之后進入的另一個界面——流量的落地界面。

上圖展現(xiàn)了這樣的一個工具（由Ptmind提供的靈蹊），它看起來像是以前的博客（blog）的后臺。但實際上，用戶只需要為頁面中的各個模塊元素建立差別的版本，工具就會通過監(jiān)視學習來判斷，給某個訪問者他更適合的版本。

不僅僅每個元素的版本是動態(tài)的，它們在界面中的位置也可以是動態(tài)的，以輔助訪問者第一眼就能看到他更想看到的內(nèi)容主題。

眾所周知，淘寶或者京東的首頁，就是行使了類似的方式。

無論是動態(tài)創(chuàng)意，照樣動態(tài)的落地界面，這兩個方式要能夠奏效，對受眾屬性數(shù)據(jù)和效果數(shù)據(jù)的要求都很高。若是數(shù)據(jù)靠譜，這些方式對轉(zhuǎn)化的效果大有裨益，尤其是將前端的動態(tài)創(chuàng)意和落地端的動態(tài)界面連系起來。

若是這些數(shù)據(jù)靠譜，監(jiān)視學習能夠以較好的狀態(tài)舉行，因人而異的界面的效果就會更好。AB測試解釋，只要數(shù)據(jù)充實且準確，動態(tài)界面就能夠提升30%甚至更高的轉(zhuǎn)化率。

黑科技三：品效合一——品牌投放的效果閉環(huán)

對于品效合一，主流看法往往是貶低的。許多人以為，講品效合一就是忽悠。

我以為看待這個問題要客觀。

若是憑據(jù)功利主義，以目的論，任何營銷流動都只有一個根本性的目的，要么是為了打銷量，要么是為了植入心智（就是常說的做品牌）。

對于植入心智，你若何判斷植入心智是否有用，是否樂成？

傳統(tǒng)方式實在沒有辦法。

但“黑科技”能相當程度上解決這個長久以來的困擾難題。而且這個方式，現(xiàn)在同樣已經(jīng)有相當可行的案例。

這個方式的思緒很簡單：網(wǎng)絡(luò)廣告觸達人群、對廣告發(fā)生興趣的人群（往往以點擊廣告權(quán)衡）和最終購置商品的人群，然后對這三類人群舉行匹配，用最終購置商品的情形，權(quán)衡廣告觸達與點擊的有用性。

最終購置商品的人群，不僅僅可以是線上購置者，同樣可以包羅線下購置者。線下購置者，行使一些運營手段，今天已經(jīng)可以很好地被數(shù)字化買通。

下圖展示了這樣的歷程：

這個新的解決方式，發(fā)生了許多有意思的新玩法：

• 廣告端，不僅僅可以用CPM或者CPC來權(quán)衡，現(xiàn)在也可以用CPS（Cost Per Sales）或者CPO（Cost Per Order）來權(quán)衡。

• 品牌廣告也能夠形成自己的效果閉環(huán)，而且通過這個效果閉環(huán)又能夠引入監(jiān)視學習，基于監(jiān)視學習，對前端廣告的投放又形成正反饋。

• 應(yīng)用外部數(shù)據(jù)（例如圍墻花園內(nèi)的數(shù)據(jù)）對實現(xiàn)轉(zhuǎn)化的消費者舉行再次畫像，也能夠給營銷操盤者以洞察，校正前端廣告投放的計謀。

這個方式，或許不應(yīng)該叫品效合一，究竟品和效是兩個階段?；蛟S叫它品效連系更合適，但我以為，名字并不是最主要的，更主要的是這種方式為品牌投放帶來的全新視角與升級計謀。

黑科技四：展望

展望，對商業(yè)有永恒的吸引力。展望的歸宿是決議，準確的展望能夠帶來更適當?shù)臎Q議。

展望在數(shù)字營銷領(lǐng)域有很普遍的應(yīng)用。本質(zhì)上，這種方式跟監(jiān)視學習如出一轍，或者說，監(jiān)視學習的背后，實在依賴的就是準確的展望。

現(xiàn)在應(yīng)用展望常見的場景，是對客戶流失情形的展望。例如游戲行業(yè)，在許多年前，就已經(jīng)用決議樹之類的算法，將現(xiàn)存客戶中可能要流失的客戶找出來。準確率能夠到達80%以上。

應(yīng)用展望的場景近幾年有所擴展，例如在汽車等行業(yè)中，用在對無效leads的洗濯和召回中。

首先，舉行數(shù)據(jù)的補強處置。包羅：

• 行使外部數(shù)據(jù)，對現(xiàn)有的“無效”leads的屬性做數(shù)據(jù)增強。

• 對“無效”leads中，在企業(yè)的私域觸點上有行為的leads舉行數(shù)據(jù)接納。

• 對歷史電銷語音對話的數(shù)據(jù)舉行NLP處置（自然語言處置）和剖析，將非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化。

  暴利偏門網(wǎng)賺項目,創(chuàng)意，也可能是營銷的敵人

  
  

其次，構(gòu)建算法，這個算法并不是展望算法，而是人工制訂的權(quán)重算法，以上面的這些數(shù)據(jù)為基礎(chǔ)，對這些leads的質(zhì)量做人工排序。

再次，電銷職員憑據(jù)leads的質(zhì)量度，撥打電話。這一步最先，會紀錄電話撥打的情形，領(lǐng)會應(yīng)答效果——哪些leads可能有用，哪些仍然完全無效。今后，繼續(xù)追蹤這些leads的轉(zhuǎn)化情形。應(yīng)答效果和轉(zhuǎn)化情形，成為下一步引入監(jiān)視學習的有用的“監(jiān)視”。

之后，引入機械學習，也就是監(jiān)視學習，并重新對“無效leads”的屬性舉行盤算，展望出更可能發(fā)生轉(zhuǎn)化的leads，以及這些leads背后的消費者潛在訴求。

最后，電銷行使以上數(shù)據(jù)，舉行更針對性的相同。

賽諾貝斯提供的一個案例解釋，這個方式約莫在1萬個“無效線索”中，能召回2000個可能有用的線索，并殺青約莫100個買賣轉(zhuǎn)化。固然，這只是參考經(jīng)驗值。不外，若是是汽車行業(yè)，100個買賣轉(zhuǎn)化，就意味著約莫1000萬以上的買賣額增量。

黑科技五：基于人的推薦

展望能力的延伸，很容易應(yīng)用到另外一個極為常見的場景上，那就是推薦。

我這么講絕不夸張——今天的整個數(shù)字天下就是一個推薦的天下。推薦是數(shù)字天下的基本態(tài)，是現(xiàn)代眾人生涯的基本。

在數(shù)字營銷上，推薦也極為普遍的應(yīng)用。廣義講，任何出現(xiàn)給消費者的，無論是內(nèi)容、聲音照樣畫面，都是可以由推薦系統(tǒng)（推薦引擎）決議的。例如，一個人能看到的廣告，或者廣告系統(tǒng)決議給某個人推送某個廣告，背后都是推薦系統(tǒng)的作用。

推薦系統(tǒng)大部分事情在監(jiān)視學習之下，但不僅僅只是在廣告投放一個場景內(nèi)。下面這個場景同樣是常見的，但更多偏重于運營領(lǐng)域。

某個快餐企業(yè)，在自己的數(shù)字訂餐系統(tǒng)中應(yīng)用了商品推薦系統(tǒng)。例如，你下單了某些商品，那么另外一些商品就會被推薦。這種推薦是基于商品選擇觸發(fā)的，即item oriented的推薦。

上圖：從Item Oriented升級到User Oriented推薦（圖中企業(yè)logo與案例無關(guān)，僅為示意）

但下一步，他們對這個推薦系統(tǒng)舉行了改善，將用戶的信息也思量進來，例如，行使CDP積累的用戶的行為數(shù)據(jù)，以及其他數(shù)據(jù)源補強的用戶屬性數(shù)據(jù)，進而將這一推薦系統(tǒng)升級為基于人的詳細情形出發(fā)的推薦，即user oriented的推薦。

效果若何？這是第四范式提供的案例，他們輔助這家快餐企業(yè)，單均價從20元左右上升到26元左右。這是一個上漲30%的相當驚人的提升。

黑科技六：讀懂人的語言

在上一個黑科技中，我們提到了自然語言處置（NLP），事實上它有加倍普遍的用途。

最常用的場景，是行使NLP領(lǐng)會消費者在數(shù)字天下中發(fā)出的聲音，然后像人一樣閱讀這些信息，明白其中的寄義。不外，機械的閱讀效率比人要壯大許多倍，這樣就能大規(guī)模領(lǐng)會大量消費者的心理、意圖、對品牌或產(chǎn)物的真實反饋。

而機械對照弱的是讀懂的能力，近幾年知識圖譜的生長對機械的這塊短板有很針對性的補強。

下圖展示了針對某個品牌，對海量消費者的聲音剖析之后的效果，基于NLP和知識圖譜實現(xiàn)。（泉源：AdMaster）。

不外，NLP也可以用在更微觀的場景中——優(yōu)化電話銷售或者客服的話術(shù)，以增添轉(zhuǎn)化或者提升滿意度。

下圖展示了這樣的一個例子：

行使圖中的工具，讓機械直接剖析所有電話銷售職員的所有語音通話。行使NLP手藝，在極短的時間內(nèi)天生內(nèi)容厚實的講述，包羅差別的詞、詞頻、回覆模式、語速、正負面用語、禁忌用語等等信息，而且可以憑據(jù)最終實現(xiàn)轉(zhuǎn)化的崎嶇，以及憑據(jù)差別的績效顯示的電銷職員等維度舉行細分。

這意味著，你可以對照高績效顯示的電銷職員通常的通話模式、用詞與低績效顯示的職員有何差別，而且將這些結(jié)論和洞察用在提升銷售的話術(shù)能力上。

除了這個詳細的場景，NLP手藝能夠?qū)﹄娚陶務(wù)?、問卷、客服對話、郵件等種種企業(yè)內(nèi)外的非結(jié)構(gòu)化數(shù)據(jù)舉行處置和剖析，同樣為企業(yè)提供林林總總的新商業(yè)視角和剖析建議。好比，憑據(jù)電商談?wù)摵秃Ａ繂柧?，他們能夠在幾分鐘之?nèi)就天生一個內(nèi)容相當厚實的講述，提供差別類型消費者的看法、好惡以及對應(yīng)的漫衍情形。若是數(shù)據(jù)量足夠大，甚至可以輔助剖析這些看法和好惡背后的緣故原由。

黑科技七：機械“視覺”

除了讀懂人的語言，機械也應(yīng)該能夠看懂圖。

這個應(yīng)用，在數(shù)字營銷上，有不少應(yīng)用場景。

第一個場景，解決媒體或發(fā)布商的物料審核的問題。機械開端篩查，然后找出存疑的物料，人工再舉行核實。

第二個場景，機械自動化的標簽識別。例如，消費者看到的圖或者視頻，被機械識讀為結(jié)構(gòu)化的文字，這些文字被進一步處置為標簽，以符號消費者的內(nèi)容消費行為。

上圖泉源：谷歌 Vision AI

上面的兩個圖是一個GIF動圖。機械識別圖形的引擎準確地識別了這個圖所在的地理位置，以及與這個圖相關(guān)的標簽。除了圖像，視頻內(nèi)容也可以用這一方式舉行機械識別。

機械“視覺”也被擴展到線下，例如對消費者的面部識別和以面部為基礎(chǔ)的線下數(shù)字化ID系統(tǒng)。在有些汽車的4S店，行使這個方式，當消費者踏入店面的那一刻，賣力這個消費者的銷售員工的手機就會收到提醒，而且同時可以看到與這個消費者有關(guān)的上下文——已往在店面內(nèi)的行為，以及他對哪些車型有興趣。

黑科技八：智能剖析

智能剖析是仍然在生長中的領(lǐng)域。

所謂智能剖析，是為解決人在解讀數(shù)據(jù)歷程中費時艱苦的問題而降生的。

最初，只不外是一個規(guī)則系統(tǒng)，即，數(shù)據(jù)剖析師手動設(shè)置一些KPI的閾值，當這些KPI的值超出閾值局限后，系統(tǒng)會自動報警。

智能剖析擴展了這一能力，行使機械學習的方式，機械不再依賴于閾值，而是自動學習每一個KPI、每一個維度的數(shù)據(jù)趨勢，以及KPI與維度之間的相互關(guān)系。當機械以為任何趨勢或關(guān)系發(fā)生差別尋常的情形時，會自動報警，而且給出機械以為的緣故原由。

上圖：圖中展示了機械標出的異常趨勢，以及機械對數(shù)據(jù)的明白和解讀，但整體還對照粗淺

但更伶俐的智能剖析還在進化中，所謂更伶俐，是能夠連系詳細數(shù)據(jù)背后的商業(yè)場景信息舉行的更綜合的智能化的剖析。由于機械缺乏人的履歷和直覺，而商業(yè)社會中的上線文信息瞬息萬變，因此許多剖析場景都難以用上監(jiān)視學習，導(dǎo)致這個“黑科技”領(lǐng)域的生長慢于預(yù)期。

黑科技九：企業(yè)自己的數(shù)據(jù)“圍墻花園”

企業(yè)的數(shù)字化轉(zhuǎn)型，一個焦點問題是協(xié)同。

我記得我在讀研究生的時刻，導(dǎo)師讓我們做課題——企業(yè)的信息化，就講到，企業(yè)信息化的焦點是協(xié)同。一轉(zhuǎn)眼，快20年了，企業(yè)的數(shù)字化轉(zhuǎn)型，焦點仍然是協(xié)同——與上下游協(xié)同、與合作方協(xié)同，甚至與消費者協(xié)同。

但企業(yè)都面臨一個主要的問題，自己的第一方數(shù)據(jù)，尤其是其中的焦點數(shù)據(jù)，若何與相關(guān)方協(xié)同？

若是拿出自己的第一方數(shù)據(jù)，數(shù)據(jù)安全性無法保障。若是不拿出，許多數(shù)字化轉(zhuǎn)型的應(yīng)用無法實現(xiàn)。

企業(yè)實在面臨的問題，跟許多媒體平臺面臨的問題是一樣的。

對于這些媒體平臺而言，他們要舉行協(xié)同的對象是他們的客戶，也就是廣告主。媒體平臺可以將自己的數(shù)據(jù)提供給廣告主，這樣廣告主能夠做更精準更精致的投放，但風險在于，無法控制廣告主若何使用他們的數(shù)據(jù)，廣告主完全有可能將他們的數(shù)據(jù)也用在競爭對手的媒體平臺上。

反過來，媒體平臺也可以選擇不提供數(shù)據(jù)給廣告主，但廣告主會失望，然后流失到自己的競爭對手那里投放廣告。

因此，媒體平臺行使手藝手段，構(gòu)建了一個自己的數(shù)據(jù)“圍墻花園”，即，廣告主可以從外部登入媒體的數(shù)據(jù)系統(tǒng)，在投放廣告時行使這些數(shù)據(jù)，但卻不能夠直接接觸到這些數(shù)據(jù)——數(shù)據(jù)可用，然則不能接觸，不能獲得。例如，廣告主可以在阿里的數(shù)據(jù)銀行天生一個人群包，將這個人群包的數(shù)據(jù)推送給阿里的unimarketing系統(tǒng)舉行廣告投放，然則這些人群包內(nèi)究竟是哪些詳細的人，廣告主不能領(lǐng)會和獲得。

企業(yè)面臨的問題也是類似的，因此解決方式也是類似的。企業(yè)可以把自己的數(shù)據(jù)放在自己的圍墻花園內(nèi)，也就是建立起一個企業(yè)自己的數(shù)據(jù)應(yīng)用系統(tǒng)，類似于阿里的數(shù)據(jù)銀行，讓外部合作方可以直接應(yīng)用這些數(shù)據(jù)，而不需要直接接觸到這些數(shù)據(jù)。

這種方式需要用到云盤算中常用的“同態(tài)加密”手藝，或者原理也類似于人工智能中的“聯(lián)邦學習”手藝，但沒有后者那么高級，不外假以時日，也很容易實現(xiàn)企業(yè)自己整個生態(tài)鏈上下游的“聯(lián)邦學習”，從而能夠更好地施展企業(yè)自有數(shù)據(jù)的價值。

企業(yè)自己的“圍墻花園”這種黑科技，現(xiàn)在應(yīng)用的最主要的場景仍然是在營銷上。某一個輔助企業(yè)投放廣告的第三方，需要行使企業(yè)自有的數(shù)據(jù)作為種子人群舉行機械學習，從而輔助投放。或者某個幫企業(yè)做消費者數(shù)字化運營的公司，要用企業(yè)的第一方人群數(shù)據(jù)去優(yōu)化運營的計謀和方式，都值得通過“圍墻花園”來解決。提供這一解決方案的服務(wù)商，例如Liveramp。

黑科技十：CDP

最后一個黑科技，必須義無反顧的必須提CDP。

CDP是現(xiàn)在企業(yè)最為重視的數(shù)字化營銷和運營的手藝。CDP的焦點在于網(wǎng)絡(luò)、組織、治理和應(yīng)用，企業(yè)在自己的數(shù)字觸點上的所有消費者的數(shù)據(jù)。

在數(shù)字營銷的“圍墻花園”不停高聳、個人信息珍愛的壓力日益增強、外部流量價錢與日俱增、消費者忠誠度不停受到碎片化數(shù)字信息打擊而下降的大靠山下，企業(yè)自動或被動地，都不得不接受需要加倍精致化運營自有消費者的現(xiàn)實。

CDP的發(fā)生，就是解決這個問題的。這也是今天為什么CDP獲得了云云高的重視的緣故原由，由于它的背后，本質(zhì)上是營銷頭腦的推翻。

好了，十個黑科技講完了。你可能會問我，為什么沒有5G，沒有AR、VR之類。我沒有寫這些黑科技的緣故原由很簡單，它們的應(yīng)用還異常不普遍。但顯然，我不會輕視它們，它們的潛力偉大，一定會為數(shù)字營銷帶來排山倒海的轉(zhuǎn)變。但至少在我行文的現(xiàn)在，在數(shù)字營銷領(lǐng)域，還缺乏有說服力的案例。不外，或許你更愿意指正我，或者提出你自己的看法，因此，異常迎接人人留言討論。謝謝！