數據驅動增長？看了太多虛假的成功，我們來看看真實的失敗

最新 05-31

「所有的增長都有跡可循。」

我並不否認所有的成功都是有方法的。就如同某某咖啡，當鋪天蓋地的廣告向你砸來，你很難避免不被這種「飽和營銷」的衝擊波打擊到。但本質上，它與「腦白金」的增長方式無異，尤其是手持10億元充足的資金去做「增長」的情況下。

所以，我對這類成功保持敬而遠之的心態，不是人家不成功，是這樣的成功方法你確實無法複製。我們自己也應該清醒地意識到：雞湯可以被灌，但喝多了還是會消化不良。

我總覺得，搞清楚風光背後的真實故事，比被這些風光感動了更加重要。而真實故事，如同現實和童話的差距，提醒我們仍然身在人間。

所以，今天我不想講風光。所有的成功都不是偶然，所有的失敗其實也都有跡可循，我講講人們期望的增長為何最終失敗落空。

所有的案例都是真實故事，但部分為保護隱私隱去了名字，歡迎大家不對號入座。

故事一：

獲客增長：為1億人提供一對一的單獨營銷

所有的增長都來自於獲客。互聯網廣告走到今天，精準定向讓我們能夠真的實現對不同消費者的有選擇性的投放。這使我們的獲客能力強於以往。

不過，精準最常用的還是針對分幾個人群的精準，但我們是不是可以更大膽一些，把精準的顆粒度極大的提高，實現對每一個人提供獨一無二的營銷體驗，讓每個人都看到他們想看到的東西，從而創造更好的獲客？

這個想法絕對是一個好想法。於是，案例故事開始了。

案例企業和第一次營銷投放

案例的主角是一家著名的快消企業（A企業），他們提出了一個雄心勃勃的計劃，要為他們的1億受眾提供人人不同的定製化營銷，即一對一的個性化營銷。

基於這個計劃，A企業市場部門制訂了第一個方法論——通過DSP+動態創意的方法，直接覆蓋大量的人群。動態創意是多達數十種的創意、文案等的組合，由DSP判斷這些人是什麼人，然後將創意自動化的針對性的組合出來，推送給不同情況的人。

但是，投放了一大輪，錢花了小几百萬，似乎沒有什麼特別的效果，展現量雖然一大堆，但點擊率似乎沒有什麼提升，最終的銷售量也沒有比普通的投放更好。

另一家廣告公司在pitch他們的時候解釋道，這種投放方法可能不行，主要是你不能掌握的事情太多了，數據你不能掌握、DSP背後（實際上應該是RTB背後）的流量資源你不能掌握，說不定你們的廣告有沒有投放你們都不知道呢。你們應該用現在的新的方法啦！

新的方法？客戶半信半疑。

新的方法和第二次營銷投放

新的方法論很快出爐，摒棄掉之前的方法，而改用更加具有數據指向性的方法。具體方法如下。

首先，利用A企業自己客戶資料庫（這個資料庫完全算不上CRM，只是存儲了歷史積累的各種原因獲取到的數百萬條客戶的實名信息罷了）裡面的數據，在廣告公司提供的一個第三方DMP中做數據匹配以及look-alike放大。幾百萬個實名數據，一下子能放大成了上億個設備ID（比如IMEI，IDFA什麼的）。並且廣告公司宣稱，這些放大的1億的數據，與你們A企業資料庫裡面的人群較為相似，因為我們的look-alike的演算法非常靠譜。

然後，廣告公司宣稱，這些1億設備ID數據將投入到更好的廣告資源去，包括騰訊系的社交廣告、阿里系的廣告、一眾視頻頭部媒體、今日頭條等等。這些資源絕對不是過去的RTB資源可以相提並論。

最後，為了增加效果，並且節約營銷費用，廣告公司強調所有的投放都能夠針對每一個設備ID實現頻次控制，從而非常均勻的分配廣告預算，觸達更多人群，且觸達次數也能夠比較飽和，從而讓人們留下印象。

當然，之前投放的動態創意，那更是不在話下。

A企業市場負責人一聽，太好了，這正是我們需要的呀！於是一拍即合，開干！

由於這次投放的資源比上一次更主流，所以，預算費用那是大大不能少的。

大幾百萬下去了，A企業市場部門和廣告公司的兩撥人忙得不亦樂乎，一個月之後，數據報表呈上，皆是一片喜人景象。但銷售們和零售渠道們卻私下議論銷量似乎一點提升都沒有，廣告投放數據報告的暖，和銷售量的冷形成鮮明的反差，甚至驚動了公司高層。

A企業市場部門的負責人心裡既委屈又不忿，TMD的什麼高科技大數據投放，原來是忽悠我的……

問題出在哪裡

大數據營銷絕對不是虛妄，但大部分的失敗都是因為對解決方案的細節（也就是俗稱的坑）缺乏了解。

第一次的方案，不見得沒有效果，但確實需要可信的方式去證明這些投放確實發生了，並且全部（或者至少是）投遞給了真人。這種需求，需要第三方的支持服務來完成。但即使所有的投放確實都投給了人，受眾的畫像數據也確實會如第二個廣告商所說，不一定是準確的，造成投放效果降低。為什麼存在這樣的問題？因為受眾背後的數據是他們的人口信息社會屬性和近期的一些互聯網行為，但這些數據並不見得對每個廣告主都用得上，而第三方DMP更不可能對每個廣告主都專門做數據標籤的定製。所以，投放效果確實很不可預測，也不是很可控。

當然，也是因為這個廣告主是品牌廣告主，品牌廣告主的投放缺乏一個明確的可量化的效果目標，從而無法同效果類的廣告主一樣，讓DSP通過機器學習（監督學習）實現投放效果的優化。

那麼第二種方法為什麼在這個案例中行不通呢？

第二個方案有幾個關鍵點：

所有的數據打通都有技術解決方案的條件要求和規模的天花板。A企業自己的用戶實名數據是如何實現與廣告公司提供的第三方DMP中的數據做匹配的？匹配是否準確？

Look-alike究竟是如何實現的？用的什麼演算法？演算法基於的數據是準確可信的嗎？

所有的數據應用都要有能接受這些數據的出口。這個方案就算前面兩個都能做到，如何把這些受眾ID數據作用在這些頭部媒體上做投放呢？

另外，還有一個小點，跟1億人做一對一營銷，幾百萬一千萬的投放預算應該不夠。不過本來A企業也沒有打算一次性把錢花完，而是先做一些pilots，這其實是合理的。

如何做是正確的？

案例中的策略在理論上是成立的，思路大膽但是絕對不荒謬。問題出在具體落地的方法論存在對廣告技術（Adtech）認知上的缺陷。具體而言，將企業自己的用戶實名信息匹配為對應的設備ID，是完全可行的。目前只能實現的是手機號轉為設備ID，而且這一轉變需要通過特定的服務商和大媒體的協作才能比較可靠的實現。如果這一步能夠做到，那麼下一步是通過look-alike放大人群，這一塊對於各家而言基本都是黑箱，但至少應詢問背後的演算法是什麼。不過，最最關鍵的是，頭部媒體是如何能夠接受並利用第三方廣告公司的這些受眾的設備ID來進行人群選擇和投放的呢？

簡單講，頭部媒體並非不接受，但這不是大部分媒體的標準化的服務方式，需要為廣告主或者這個廣告商定製解決。

在上面的案例中，應該是這些環節中的一個或者多個沒有能夠實現。

這種大規模的一對一的營銷難度很大，但背後的思想卻很有價值，為了實現落地，我會將案例中的兩種方案做結合，然後縮小自己的野心。例如，我會首先定義場景，確保這些場景下的受眾是某個產品的目標受眾，隨後，儘可能的拿到這些場景下的受眾的設備ID數據，然後在利用故事中第二個案例中的頭部媒體進行精確的推送投放。如果這個方法確實帶來了效果，我們再隨後做look-alike的小規模放大，直到確定look-alike也是可靠的。在這個過程中，利用經典的互聯網營銷追蹤流量和分析流量的方法保持對這些流量可靠性進行監督。如果引入第三方的投放安全性監控或者品牌安全監控，那當然更理想。一口氣實現1億人的一對一營銷，出發點沒問題，但飯得一口口吃。

故事二：

道高一尺魔高一丈

由於這個故事太容易對號入座，所以我把一些識別性信息故意寫錯，但不影響情節。

這是來自汽車行業的悲傷的故事，今天這樣的故事仍然令人深感困擾。

案例企業和故事

B企業是一家全球知名的高端汽車品牌。汽車在中國的競爭一日比一日大，所以B企業的壓力也必然一年勝過一年。

為了迎接挑戰，轉移這些壓力，營銷推廣的目標越來越靠近後端的銷售增長。先是考核留下聯繫電話的線索的數量；然後，又不得不考核這些電話中有效電話的數量。發生這一轉變的原因在於，電話號碼實在太不可靠，大量垃圾號碼充斥其中。

於是警告汽車行業的部分垂直媒體，你們不能給我們假量，你們不能隨便搞一些電話號碼充數，否則我們會重新評估你們明年的投放預算！

媒體們也誠惶誠恐，表示堅決維護廣告主爸爸的利益，電話的質量一定能提高。但似乎每家媒體最終電話號碼的質量也沒有多少提升。

之前的合同到期後，B企業決定用有效電話號碼的數量跟媒體結算，立竿見影，電話號碼接通率和跟客戶對話的情況立即好轉。

好轉是好轉，但是真正聯繫4S店來試駕的，卻沒見提升呀。

轉眼春去秋來，B企業的營銷部門坐不住了，不行，有效電話也不好使，必須讓到店試駕成為媒體最終的，也是唯一的考核指標。

不久，似乎是媒體真的意識到了B企業是動真格的了，試駕數量果然提升了。並且，來試駕的人的電話，大部分都跟各個媒體當時獲得的顧客留資電話對得上號！

似乎一切要畫上一個完美的句號。可惜，很久過去，這些殷勤試駕的消費者爸爸們，絕大多數最終再未出現在B企業的4S店中。

時間流逝，各種數據都用上了，還是沒有驅動真正的增長，難道真的要用最終購買汽車來衡量媒體帶來的增長價值？

問題出在哪裡？

汽車行業是營銷作弊的重災區。不僅僅是流量作弊，從前端到後端都可能被作弊影響。

由於汽車行業的營銷兼具品牌營銷和效果營銷的雙重效果追求，理論上對作弊的要求更高。品牌部分的作弊侵擾，與大部分品牌廣告主遇到的一樣：虛假投放、肉雞、篡改報告數據等等，這些作弊容易進行，但是如果沒有最終轉化效果的反推，是不容易找到實錘的。可是汽車行業不一樣，汽車行業追求銷售leads（銷售線索），而銷售線索是一個非常好的轉化指標。

但，這不意味著汽車行業就無法作弊，流量可以作假，leads難道就不能作假嗎？對Leads的驗證是防範leads作假的主要辦法，但卻並不能根本解決問題：不過是找到一些電話，找人接電話或者打電話罷了。於是出現上面案例中的一幕。

你會問，搞這麼多電話，然後請人來接電話，得要花費多少成本呀。不過，問題在於，汽車行業獲取一個lead的成本本身就高，一個高檔汽車獲取一個客戶lead的成本可能高達2000元，一個人一個電話一天接10個不同廠商的電話豈不是輕輕鬆鬆，2000 x 10 = 2萬元遠遠大於這個人工作一天加上電話的成本。

當然，可能不是簡單這麼算的，但是這樣作假能不能賺錢是沒有爭議的。

Leads作假容易，於是廣告主不得不按照到4S店試駕的人數來追蹤投放效果。理論上這種方法應該很難作弊了。可惜，儘管增加了作弊難度，但是由於汽車行業CPL（cost per lead）的價格太高，而就算是找真人去4S店「假試駕」的成本遠遠高於倒騰點假流量的成本，與CPL之間仍然有很大的利差。

你可能會問，其他行業也有很多拼leads的，比如教育、金融之類，怎麼沒有這種情況。歸根結底，這還是一個算術題，因為汽車行業的CPL足夠高，利差足夠大，才能玩得轉。其它行業，一個有效lead成本500塊甚至更少，人肉玩雖然也能賺錢，但是效率就低太多了。

案例中的汽車企業，很有可能陷入了這一作弊陷阱。據悉，在他們所處的華X地區，僅僅某個核心城市一地，就有不下三個家族從事這一「作弊服務」工作。每家可能都有數百名「員工」常年在各個4S店之間穿梭。

如何做是正確的？

所有的增長期望都必須防止作弊的侵擾，需要數據和技術相結合。

技術上，有一些「清洗號碼」的公司，能夠幫助了解電話號碼背後是否是一個普通人，還是騙子。有些公司聲稱自己的服務能夠探知一個電話號碼移動的軌跡，從而判斷這個人是否日夜穿梭於4S店，但真實性不完全可考。當然，運營商肯定有這個能力，而我也不排除那些跟運營商合作的公司能夠獲取這個能力。數據上，必須要求第三方監測至少能夠被加入到leads獲取頁面中。

當然，利用最終的銷售或許真的是一種可行方式。只是要花費更多時間作為代價。如果一個媒體帶來的leads，在未來半年都沒有任何轉化，那麼這個媒體至少在帶來有效的人群上價值不大。

但，如何做是一定正確的？我也沒有答案。但我冥冥之中覺得，汽車行業用最終的效果做衡量，可能會把自己也逼到非常被動的位置上。

故事三：

飲鴆止渴

很多廣告主死於飲鴆止渴。或者在某種意義上，他們可能連「廣告主」三個字都還稱不上。

案例企業和故事

人們對於互聯網營銷的認識差異巨大，因為互聯網營銷本身就包羅萬象，五花八門。

很多生意，在第一次接觸互聯網營銷的時候，在一開始都會萬分激動，猶如發現了一塊巨大的金礦。

案例中的C公司即是如此，他們銷售自己的某一種K12線上培訓產品，過去在線下布點，互聯網發展起來之後轉到線上。線上推廣最初選擇的是搜索引擎，主要投放品類詞（教育的品類詞）和長尾詞，但ROI並不理想，獲得一個有意向的客戶，得花一兩千塊錢投放成本。

大約半年之後，他們找到一個更有經驗的數字營銷負責人幫他們看看有沒有機會提升。

優化效果類投放的效果很依賴於數據，根據這些數據，你很快就能發現，有一些生意優化空間不大，有一些生意基本上看一眼就知道一定能有很大的增長。C公司屬於後者。

按照通常的做法，同事們負責優化投放的賬戶和出價，對落地頁重新梳理賣點進行設計，利用Google Analytics做分析和AB測試，再加上人群賣點挖掘不斷擴展核心詞，ROI和銷售額不斷提升。

講到這裡，你會說，這不像是一個失敗案例呀。別著急。

C公司嘗到了甜頭，意識到互聯網營銷的效率真的不一樣。很快，信息流廣告席捲大地，C企業當然也大量投放信息流廣告。得益於高效的效果類廣告投放，短短一年多時間，報名數量從最初一個月的不足30個，迅速增長到超過300個。C公司的老闆很激動，將自己的下一年的銷售額定了翻兩番。人員也擴大了三四倍，主要增加了電話銷售和互聯網推廣。

銷售目標增加，更多的人員進來，C公司開始面臨一些壓力。於是找尋更多的效果渠道成為當務之急。搜索引擎渠道有限，那就趕緊找更多的信息流渠道，但是很奇怪，做互聯網營銷的同事們多了，ROI卻反而降下來。報名數量勉強維持在月度接近400個而難以突破。這使營銷負責人承受著很大的壓力。於是，花費更多的時間尋找更多的流量，與各個大流量媒體簽訂年框，找一些「名人、網紅」發文章，搜索關鍵詞的投放也從和核心的一些詞，拓展到次核心的一些詞。

報名數量又上升了一些，達到了月度600個，而ROI卻降了不少，獲得一個有意向的諮詢，成本又重新回到一兩千元。不過好歹拓展渠道和增加投放之後，每天的電話諮詢量增加，大規模招進來的電話銷售能有事可做。

但是，由於ROI下降，規模擴大了，利潤卻反而降低了，蜜月期過去，C公司的老闆心中，總覺得互聯網營銷的這個新負責人，還是工作不力。

而這個負責人，也陷入到一個疲於奔命的怪圈，為了提升規模而不得不到處找流量，而找到流量增加了規模之後，又面臨ROI下降的窘境。為了優化ROI，部分流量又得砍掉不投，結果規模又降下來。不管怎麼樣，都達不到老闆的預期。

很快，在這麼將將就就辦好不壞的度過了有一年零幾個月之後，隨著幾個主要流量渠道的CPC或者oCPC詭異的提升，並且另外幾個渠道的流量質量毫無徵兆的突然下滑，C公司的銷售規模和營銷成本都受到很大衝擊。報名數量又回到一個月300個左右，甚至更低，而ROI卻遠不如從前。

新的營銷負責人不得不另尋高就，而C公司花費了兩三年時間，又似乎一夜回到解放前，但成本卻今非昔比，這使C公司甚至更不如前。

問題出在哪裡？

如果我們學過微觀經濟學，我們就知道任何一個企業都有它的最佳規模。當大於這個規模，邊際成本會增加，而邊際收入會下降，從而降低利潤。當然，還有一個盈虧平衡的規模，因為隨著邊際成本的進一步增加和邊際收入的進一步下降，利潤甚至可能變為負值。

隨著流量數量的增加，流量質量不變的情況下，流量的單價一定越來越貴（或者流量的價格不變甚至降低，但是流量的質量卻越來越下降，從而實際上等同於流量質量不變，流量單價升高）。因此，在這個模型中，邊際利潤不管怎麼樣都是下降的，直到邊際利潤下降到0以下，企業的規模邊界也就產生了。這個案例完全符合這個規律，或者說，所有的企業都服從於這個規律。

這也是為什麼再牛逼的企業，也不可能無節制的變大。對於任何企業而言，本質上它們都是「小而美」的，只是「小」的規模不同而已。

當然，如果任何企業都希望擴大自己的規模邊界，而典型的「流量企業」（依託於效果營銷流量的企業）則更容易產生自己不存在「規模邊界」的幻覺。