1.3　从Adtech技术栈到Martech技术栈

从Adtech与Martech宏观视图的视角可将Martech技术栈划分为广告投放相关的Adtech技术栈、精细化运营和销售转化管理相关的技术栈、关键数据/基础三部分，如下图所示。下面我们将以这个视角为主线索对Martech的主要部件逐一展开介绍。

Adtech到Martech宏观视图

1.3.1　Adtech技术栈

如下图所示，首先对广告投放相关的Adtech栈（又称传统Adtech技术栈，即未融入Martech的传统Adtech技术栈）进行细化。营销主希望通过广告让受众在心中对品牌、产品或服务形成一定印象（广告可分为品牌广告和效果广告两种，品牌广告的目的以留下品牌印象为主，效果广告的目的以促销的形式促进用户购买为主），并在需求产生时进行购买。

广告需要通过一定的媒体对目标受众进行展示，而这些媒体通过自己的内容或服务获取用户的注意力，这些注意力即我们常说的流量。媒体在自己的内容页面开辟出一些位置供营销主们投放广告，通过售卖广告流量（受众注意力）赚取收益，并进一步通过追加投入，不断提升所提供的内容和服务的质量，从而提升用户体验，保证广告的效益。这是广告促进整个互联网商业模式良性成长，不断自由开放的重要基石。

当然，在整个广告流量的供给、采买上下游生态中也有很多中间商，营销主会对品牌营销广告不断投入，其中很多预算是交由媒介代理的。营销主通过一站式交易台（Trading Desk）、透明化程序化广告单元（Programmatic Buying Unit，PBU）等方式，对接各种媒体方及独立第三方的需求平台DSP（Demand-Side Platform），对广告交易市场ADX（Ad Exchange）中的公开交易（公开竞价）及私有交易（Private Marketplace，PMP）市场中的广告流量进行实时竞投（Real Time Bidding，RTB），并交由程序化广告投放服务Adserving统一管理媒体广告流量曝光机会，展示相关广告素材。

传统的广告网络（Ad Network，广告联盟）也是获取中小媒体流量的重要方式之一。媒体方通过供给侧平台SSP（Supply-Side Platform）将流量接入广告交易市场并以竞价方式进行售卖。当然DSP及Adserving会根据业务需要进行定向（黑白名单、地域、时段等）或重定向（对特定人群包再次进行广告投放），并对广告流量进行反欺诈、反作弊、品牌安全、广告可见性验证、价值预估、竞投等技术操作。整个过程中大数据管理平台（Data Management Platform，DMP）是重要的数据指导大脑，而个性化引擎是为用户投放更贴近其需求的内容的关键。

Adtech部件细化视图

如下图所示，营销主的产品在进入市场时肯定是先进行品牌宣传，再通过效果广告拉动交易转化。在不同的市场阶段，针对客户对品牌/产品的不同认知，会采用不同的智慧营销策略和技巧。关于Adtech的更多内容可参考《程序化广告实战》一书。

以下仅就相关的主要概念进行简要说明。

品牌广告与效果广告的大数据营销组合节奏

1.品牌广告

品牌广告（Brand Advertising）的主要目的是让用户观看广告后对品牌留下印象，并在心智中对品牌形成可信度和美誉度（降低用户在未来选择产品及解决方案时的抉择成本），从而建立品牌资产。也就是说，品牌广告是让受众对品牌及产品产生认知、情感连接，甚至联想。

品牌广告的内容可以是产品内容，也可以是娱乐化的内容。有时我们会称营销主为品牌主Brand、广告主Advertiser、客户Client（甲方/买方/出钱方）等。

2.效果广告

效果广告（Performance Advertising，又称直接反应广告，即Direct Response Advertising），主要以推动生意增长为导向，目的是推动观众产生即时反应动作，如点击广告、在网站上注册成为会员、留下销售线索甚至购买等。

通常情况下，广告主只在如下情况下付费：

·按每次点击付费（Cost per Click，CPC）；

·按每个线索留资付费（Cost per Lead，CPL）；

·按每个产生的销售付费（Cost per Sale，CPS）。

效果广告的内容通常用于行动呼吁、促销或发布特别优惠。自动化和算法有助于推动产生最佳效果，是Adtech的典型应用之一。

3.一站式交易台

一站式交易台（Trading Desk，TD）即程序化购买的一站式交易操作台，随着分工不断精细化及专业化，比如SSP、Ad Network、ADX、DSP、DMP等的出现，大大增加了程序化广告下单执行及监控数据的复杂度，广告主（或代理公司）希望能通过一个平台一站式操控程序化广告交易。

Trading Desk一站管理

Trading Desk就是基于广告主的这一需求出现的，其主要功能包括排期、下单、投放数据回收、报表展示等。除了这些，Trading Desk还可利用技术合作伙伴提供的额外服务，如验证、创建和交付富媒体、动态创意优化、受众衡量等。

Trading Desk依据使用方的不同可分为代理商、广告主内部、独立三种：

·代理商Trading Desk（Agency Trading Desk，ATD）：使用方为广告代理公司，专门为多个广告主提供服务。代理商通过得到广告主授权而全权代表广告主进行程序化广告购买和投放。

·广告主内部使用的Trading Desk：目前国内的一些大型广告主正在建立自己的DMP + TD来管理自己的广告投放。

·独立Trading Desk：主要为广告公司或广告主提供TD技术服务。

4.透明化程序化购买单元

透明化程序化购买单元（Programmatic Business Unit，PBU）又称私人交易台（Private Trading Desk）或程序化购买单元（Pro-grammatic Buying Unit），是代理商或品牌主内部主要负责管理特定媒体购买、优化和报告的团队。

随着行业分工越来精细化及专业化，需要大量技术、数据、业务、运营等方面的专家组成团队并嵌入现有的客户团队中，以应对程序化广告执行、技术问题解决、数据分析和运营中日益升级的、分散的难题。宏观上看，透明化是趋势，无任何竞争力及价值的中间商终将被淘汰。

5.实时竞投

实时竞投（Real Time Bidding，RTB）是程序化广告的核心基础，也是程序化购买的关键。

如下图所示，RTB的竞价过程类似于股票交易：卖方和买方都到一个市场中进行交易。广告流量卖方通过程序化的方式将广告流量接入广告交易平台（Ad Exchange，ADX）中，并设定底价。每当有用户浏览媒体的内容页，且其中有一个广告位需要展示广告时，卖方会将该广告的曝光机会通过广告交易平台向各程序化买家（Demand-Side Platform，DSP，即需求方平台）发起竞价请求，各程序化买家根据对该广告曝光机会的评估背对背出价。广告交易平台收到各个程序化买家的出价后，进行比价，找出出价最高的买家，将出价最高的买家的广告素材给到媒体并进行展示，同时将竞价成功的结果返回给胜出的程序化买家。整个过程都是通过程序化的方式在100毫秒内完成的。

RTB竞价过程示意

相关的常见概念有公开竞价（Open Auction）、公开交易市场（Open Exchange/Open Marketplace）等。

6.需求方平台

需求方平台（Demand-Side Platform，DSP）是网络广告中程序化买方操作的软件平台，通过这个平台，买方可以根据自己的业务需求，精准地对目标人群的每一次广告机会进行实时竞投。

DSP是一个“程序化购买广告”的工具，广告主运用这个工具实现“精准”购买及广告投放，并持续优化后续效果。其中包括各种丰富的精准定向规则（黑白名单、地域、时段等），以及根据大数据及其算法对每次广告曝光机会的价值进行预估、出价和竞投的方法。持续闭环优化逻辑如下图所示。

DSP闭环优化示意

目前市场中，常见的DSP主要有3类：独立（第三方）DSP、依附于流量方（媒体、广告交易平台、广告网络）的DSP、独有DMP数据和算法能力的DSP。

·独立（第三方）的DSP：独立DSP因不拥有资源，故只能不断地向广告主证明“程序化购买”这个持续优化工具本身的效率。对于流量程序化购买，它们站在一个相对公立的立场。

·依附于流量方（媒体、广告交易平台、广告网络）的DSP：这类DSP因其拥有流量资源，故在市场上有一定的竞争力。但在针对多种媒体流量资源做跨DSP联合频控时会比较难实现。越来越多的媒体流量方对外提供DSP平台，供广告主自主投放。

·独有DMP数据和算法能力的DSP：这类DSP在流量上相对公立，并具备独有的数据和算法能力，以为广告主创造价值为核心。

越来越多的DSP（尤其是流量方的DSP）开始对外开放接口（Marketing API），以方便Trading Desk或其他营销需求方的技术平台进行技术对接。可通过API方式自动化完成在该DSP上的下单、定向、投放、生成数据报告等操作。关于DSP的更多内容可参考《程序化广告实战》中的介绍。

7.重定向

重定向（Re-targeting，又称访客找回），即对特定人群进行再次广告投放，有时又称再营销（Remarketing）。这是一种根据用户先前的数字体验或行为（例如，他们在品牌网站上的活动或之前接触过广告）重新吸引用户的策略。

访客重定向召回示意

广告主希望能重新定向那些将商品加入购物车后又放弃的用户，通过一些特别的广告，诱使他们回来购买。比如，对要重新定向的人群投放视频贴片广告、展示广告、信息流广告等，最好能进行多种形式的组合并按一定顺序展示，形成故事。这些是国际上较为典型的应用模式。很多时候，对于大多数产品，尤其是一些快消品，重定向广告的访客找回效果特别好。因为用户一旦对某产品或服务形成了使用习惯，就不会频繁更换，所以广告主常常会通过各种手段来收集访客的各种维度的数据，以提升既有产品访客的广告转化效果。

常见的访客数据维度包括：

·访客的行为：包括浏览商品、加入购物车、下单、付款、评价、分享等，一般将访客分为全站访客、单品访客。对于全站访客，应重点关注访问深度、订单金额等。

·广告曝光相关的用户互动行为：包括曝光、点击、后续访问官网、站内多跳、转化等。

·行为的时间特征：第一次、总次数、最近一次、找回周期（一般为15天内，这个周期是可以调节的）、频次、停留时间等。

还有一种很有意思的找回模式是针对“沉睡用户”的。所谓沉睡用户是指因某次推广活动而使用了产品或安装了App，之后很长时间（如1年）未打开过App或未使用过产品的用户。这些用户之前能使用App或产品，说明已对App或产品有了一定的认知，对这些用户做再营销，能再次唤起其好奇心，进而促成转化。

按访客人群类型进行重定向投放时，Look-alike（相似用户）扩量投放也是一种常见的方式。这种方式主要是为了扩大潜在用户及增加投放量：根据种子用户的网络行为，对占比较大的那些类似的行为特征进行聚类分析，然后在更大范围内寻找那些具有相似网络行为特征的用户，圈出这些人并进行广告投放。

以经典的尿布和啤酒的故事为例：我们发现经常买尿布的客户中，同时购买啤酒的比例高于购买其他商品，故可将购买啤酒和尿布的客户作为相似群体，尝试对那些浏览啤酒页面的用户投放一些尿布的促销广告。

8.广告交易平台

广告交易平台（ADX）是衔接流量卖方、买方，使程序化广告交易得以进行的重要交易场所。如果没有广告交易平台，则无法进行程序化广告交易，可见广告交易平台在程序化广告中的特殊地位。很多时候，广告交易平台起到了标准化和润滑剂的作用：连接卖方及买方，充分撮合买卖双方需求，减少信息不对称。

从商业模式及行业规范的角度来看，RTB用一套标准化的流程和方法来撮合程序化广告交易各方的需求。如下图所示，ADX起到了对交易“五要素”（交易方、交易物、交易方式、交易价格、交易数量）进行标准化的巨大作用。

ADX交易“五要素”

RTB完全以市场化自由竞争的方式来满足各方的需求，盘活剩余的广告库存（Inventroy），提升数字营销的效率和效果，达成多方共赢。

媒体方在流量接入时可设定相应的媒体属性（媒体所属分类等信息）、广告位属性（尺寸、可投物料规格）、价格诉求（底价、交易方式等）、广告主行业渠道的诉求（允许或禁止投放不同行业渠道等）、禁投某些广告主及某些业务保护设置等，目的是将媒体方的需求标准化。

程序化买方DSP在系统中可设定广告主属性、创意物料、用户体验目标、针对不同ADX的优先媒介策略、不同交易模式（如公开竞价、私有交易市场等）、计价方式（如CPM、CPC等）、出价的高低、需求量等，目的是将广告主的需求标准化。

在双方需求都充分表达并标准化的基础上，可由ADX通过公平竞价机制，将整个交易过程标准化、货币化、数字化。

9.私有交易市场

私有交易市场（Private Marketplace，PMP）代表私有程序化流量交易相关模式。大型的营销主既要通过技术及大数据手段智能化地挑选流量，以高效触达用户，提升媒介效率；同时还要保证流量的质量。越来越多聪明的营销主直接找流量方通过PMP（私有程序化PDB、优先交易PD、PA等）模式私有化一定规模的流量，然后通过程序化方式进行广告投放，如下图所示。

这是一种较高级的、被越来越多营销主采用的模式。私有交易市场是一种促进跨媒体或特定媒体组实现自动化购买的手段。交易是在实时拍卖环境中进行的，但交易Deal条款是由买卖双方预先协商好的（如价格、库存类型、受众等）。这使得广告主和媒介代理能够根据他们的需求设计一个私有交易市场。同样，媒体也可以选择接受哪些广告主的广告投放。

私有交易市场

PDB、PD、PA部分介绍：

PDB（Programmatic Direct Buy）即程序化直接购买模式。大的品牌主更注重品牌形象，对流量媒体环境有一定要求，所以他们往往会包断黄金流量进行程序化模式投放。这种模式是传统排期采买模式通过最简单的程序化升级得到的，但两者的采买流程和环节基本一样。PDB模式与传统排期采买模式在商务流程及利益链条方面并没有触碰，PDB模式仅在品牌主包断的黄金流量方面运用了程序化广告的手段进行管理，在一定的限制条件下做到了在合适的时间、合适的场景中对合适的人展示合适的广告。PDB模式也是业内俗称的保价保量采买模式。

PD（Preferred Deal）即优先交易模式，在该模式下买方可无限制地根据大数据得出的判断任意挑选流量。这种模式也不存在竞价环节，且买方和卖方是一对一的。只是卖方的库存是没有保障的，而价格也是事前线下约定好的，买方也不承诺消耗量。业内俗称这种模式为保价不保量采买模式。

PA（Private Auction）即私有竞价模式，在国内不多见。流量卖方希望相对好一些的流量能卖个好价钱，同时希望好一些的广告主来投放。故一些符合条件的优质广告主会组成一个“VIP竞价俱乐部”，同台竞争一些较为优质的流量资源。这种模式会存在竞价，买方有多个，且只有“VIP俱乐部”成员才有权利参与竞价。业内俗称这种模式为不保价不保量采买模式。

10.Adserving

Adserving，纯从字面理解即广告伺服（国外较常见的一种定义），是一种第三方广告素材代码服务。使用这种第三方广告素材代码服务可调取数字广告物料，并在获得请求的时候将广告展现在广告位上。通过Adserving还可以收集一些例如“广告可见性”“品牌安全”等需要在广告展示页面中通过代码收集的数据；可以在不更换素材代码的情况下，在服务端更换素材；还可以在广告展示的时候，根据品牌安全及频次约束来动态更换素材。

Adserving一般既不是由广告主自己提供的，也不是由媒体提供的（尽管有些媒体确实也提供相关服务，传统广告投放时Adserving就是由媒体完成的），而更多由第三方服务机构提供的。但是，现在也有广告主希望建立第一方私有化的Adserving平台。Adserving是智能化广告投放的重要基础设施。

在国内，Adserving常被视为程序化广告投放服务（系统）的代名词。如下图所示，传统媒介投放可升级为Adserving。通过Adserving可管理广告主所有媒体广告的投放（PDB、PMP及公开交易等多交易模式及多形式组合）。所有媒体广告流量通过统一的管理平台按广告主千人千面的投放策略智能分发到每个用户，从而实现在合适的时间、合适的场景对合适的人传递合适的广告信息的目标。抢占用户心智，使用户在萌发需求的第一时间就想起广告主的产品及解决方案，由此促进购买转化。

传统媒介投放升级为Adserving

Adserving可统一实时管理广告主的流量，并做到跨媒体的联合频控、对用户投放的广告按故事线顺序进行创意轮播，也可根据大数据的指导，针对用户所处转化周期的不同阶段通过算法进行更有针对性的广告沟通。

11.广告网络

广告网络（Advertising Network，Ad Network）即在线广告联盟。在广告业内，这是一个流传较为广泛的概念，是一种连接想出售广告的众多媒体与想在众多媒体上刊登广告的广告主的平台，如下图所示。

广告网络中介示意

广告网络从多个媒体和广告交易所收集数字广告流量，并打包出售给品牌主和代理公司。通常的售卖模式有：按目标受众类型（如18～35岁女性）打包售卖、按媒体类别（如体育网站）资源包售卖、以连续网站资源包形式售卖、按跨广告网络资源包售卖等。

在数字广告的早期，由于允许媒体在数百个网站上获取流量库存，所以广告网络模式更主流。但由于这种方式缺乏透明度，因此存在很大挑战。大多数机构和品牌现在都不采用广告网络，因为他们可以通过授权DSP平台的方式接入广告交易所来获取媒体流量的库存池。

随着用户时间的碎片化及互联网上内容和服务的分化越来越严重，让市场上大量垂直类的小微媒体获得生存空间，所以还会有少部分广告网络的流量采买模式继续存在。

12.供给侧平台

供给测平台（Supply-Side Platform，SSP）主要指的是给流量卖方使用（接入）的平台，是流量卖方用来接入媒体广告流量并自动销售的软件系统。SSP系统常见的功能如下图所示。

SSP系统常见功能

SSP将媒体流量方的广告流量库存接入广告交易平台ADX，以供需求方平台（DSP）竞价投放。使用SSP来管理媒体流量方的收益率，并帮助其接触到潜在的买家。SSP的目标是为流量发布者获得最高价格。流量发布者在系统中设置的价格是其愿意接受的最低价格，这不同于DSP，DSP专注于为广告商争取尽可能低的价格，DSP系统中设置的出价是买方愿意接受的最高出价。

常见的卖方类型包括：

·自己手握流量的单一媒体，典型代表如传统门户网站、大的垂直媒体、视频类媒体等。

·中小流量的聚合方，典型代表如百度联盟、谷歌联盟等。

流量卖方是程序化广告生态中十分重要的一方。随着时间的发展，交易模式的创新始终需要围绕可供售卖的资源及类型展开，卖方的诉求对程序化广告交易中的售卖模式有决定性影响。

13.广告反欺诈/反作弊

广告欺诈/作弊（Ad Fraud）是指通过模仿用户来虚假完成对广告的曝光、点击或其他行为，并向广告主收取相应费用，从而产生虚增收入的一种流量作弊甚至犯罪的行为。广告欺诈有许多类型，比如点击模拟、广告堆叠、通过复杂的网络人为刷量等。使用反作弊（anti-fraud）技术可减少欺诈并确保每一笔广告费都具有相应的价值。

因作弊/欺诈产生的广告流量常被称为无效流量（Invalid Traffic，IVT），其又可分为常规无效流量（General Invalid Traffic，GIVT）和复杂无效流量（Sophisticated Invalid Traffic，SIVT），如下图所示。

（1）GIVT

GIVT是指通过使用名单或者其他标准化参数、定义、预设规则可检出的无效流量。GIVT的主要类别包括：

·非浏览器User-Agent或其他形式的未知浏览器带来的流量。

·来自声明的机器人爬虫的流量。

常见GIVT及SIVT

·超出投放项目维度的参数设定的访问频度、访问时间间隔等的流量。

·已知的来自IDC、执行了预加载且没有指定加载后触发时间的流量。

·媒体方发起的对广告主提供的链接定期进行检测产生的流量。

·来自已知的高危作弊来源的流量，可依据预设列表判断。

·带有非法参数及字符的流量，其中非法参数包括通过伪造等非正常手段生成的唯一标识等关键参数。

·基本信息缺失或信息矛盾的流量（例如缺失User-Agent信息）。

（2）SIVT

SIVT是指需要通过高级分析、多方合作或配合，甚至需要人工介入等，同时结合广告投放活动以外更大范围的数据信号才可能分析和辨识的无效流量。SIVT的主要类别有：

·高度模拟真人访客的机器人和爬虫产生的流量。

·广告插件、恶意软件产生的流量。

·被劫持的设备产生的流量。

·虚拟化设备产生的流量。

·被劫持的广告代码产生的流量。

·广告伺服时故意隐藏、叠加、掩盖、自动刷新或使过程模糊的流量。

·通过作弊代理服务器产生的流量。

·以金钱补偿为动机通过操纵测量数据产生的流量。

·通过篡改或重复使用窃取的Cookie或设备ID信息产生的流量。

14.品牌安全

品牌安全（Brand Safety）是一种广告验证技术，这也是广告主（尤其是国际大品牌的客户）重点关注的技术。广告主比较在意广告传播的美誉度，不希望广告被展示在与产品服务及品牌形象相悖的媒体环境中（从广义角度讲，广告可见性也可作为品牌安全的评估指标），因为这会对广告主的品牌产生伤害。

例如，航空公司的品牌广告就不能展示在介绍空难的页面中，食品广告应避免投在介绍食品安全的广告位中。品牌安全的技术解决方案需确保广告主的创意不会出现在令人反感或任何可能对品牌产生负面影响的内容旁边。同时，品牌安全也适用于存在立法限制的情况，例如快餐品牌不能向儿童做广告，酒类品牌不能向未成年人做广告。虽然大多数DSP都有内置的排除策略，但广告主和代理商依然需要定制品牌安全阈值并使用适当的技术来防止失败。

很多国际大品牌客户都开始关注品牌安全相关的产品，这类产品一般称为广告验证服务或平台。这类产品按其在广告投放中被运用的阶段会分为两大类：

（1）广告投放后的验证报告

这种验证报告在传统媒体采买的模式下也可以出具，不一定非要在RTB的模式下。不过，因为RTB中的长尾流量更多，所以国际大品牌客户会重点关注此类报告。但是，投放后再出报告，就有些“事后诸葛亮”了，因为已经花出去的广告预算是无法收回的，所以品牌主更希望能在广告投放环节中运用品牌安全服务。

（2）广告投放环节的品牌安全服务

行业上下游都在尝试如何在广告投放环节加入品牌安全服务。

·Bid前（Pre-Bid）：DSP收到广告竞价邀约后，最常见的是出价之前，DSP先询问该次广告竞价请求的曝光机会对该广告主的品牌是否安全。若广告环境验证服务返回的结果是不安全，则DSP放弃竞价，若返回的结果是安全，DSP会结合其他算法评估该广告曝光机会的价值并出价。若竞价胜出，则广告将被展示。从广告环境验证服务询问到返回结果的过程，必须在20～30毫秒完成，否则整个竞价环节无法在100毫秒内完成。这样就对广告环境验证服务提出了很高的要求。一般都会在DSP方的机房部署一台前置服务器来提供服务，以降低中间的网络损耗。这种模式的好处是为广告主节省预算，但会增加广告环境验证服务的成本，也会增加DSP方在竞价前的等待时间，因等待造成的竞价失败率也会增加。

·Bid后（Post-Bid）：由于成本等原因，不可能在所有的DSP端都部署前置服务器，因此可采用另一种极像AdServing代码的模式，即在竞价之前不参与广告环境验证服务，而是在DSP竞价成功之后参与。回吐的素材是广告环境验证服务的AdServing代码（很像前面介绍的可见性数据收集的代码模式，目前仅少量ADX平台中的部分媒体兼容）。该代码在展示广告时，会分析广告曝光机会与广告主品牌是否匹配、是否存在品牌安全问题。如果没问题，则正常展示广告；若有问题，则展示一个同该广告主品牌无关的公益广告。其实，这在某种程度上并没能节省广告预算，只是减少了负面影响。

15.广告可见性验证

根据MRC（Media Rating Council）的定义，展示类广告需要至少有50%的像素面积在屏幕上展示1秒以上，才能够被视为“可见”的广告展示。

·对PC展示类广告：可视区域内展现至少50%像素，展现至少1秒。

·对PC视频类广告：可视区域内展现至少50%像素，展现至少2秒。

·对较大的PC展示类广告：可视区域内展现至少30%像素，展现至少1秒。

其他媒体自定义的非常规标准的广告单元，由于目前计量标准和技术正在发展，仍不可测量。移动端App广告目前还是一大难题。

下图所示为IAB披露的与广告可见相关的宏观数据：50%以上的广告展示属于不可见的（背后对应的广告费金额相当大）。

IAB披露的广告可见相关数据

因此，在广告主提供广告之前，没有办法知道广告是否可以被观看，100%的可观看率是不可能实现的。一些供应商支持广告主只为可见性广告付费。可见性是可以被优化的，通过对广告位的位置、大小、内容特性和创意质量等进行调整，再配合定向优化筛选优质流量的手段，可优化广告可见性。

1.3.2　运营/销售相关Martech技术栈

下面将介绍与精细化运营和销售转化管理相关的Martech技术栈。

如下图所示，CRM是Martech的核心，因其可有效促进老客复购转化，且转化成本较低，所以成为精细化用户运营和提高商业收益的关键。

运营/销售相关Martech细化部件视图

要不断提升客户的体验和满意度，就要不断通过各种触点（社交、短视频、电邮、公众号等）与客户沟通和互动，为其推荐与其个性需求最匹配的内容或促销信息，这就需要一套营销活动可自动化完成的系统来统一管理。

要拉动客户访问电商平台或线下店面、关注新产品并产生消费，就需要不断通过数据分析找到能吸引客户消费的兴趣点，不断细分人群及扩展相似人群，通过数据可视化平台来呈现结果，并通过内容管理平台及个性化引擎对不同人群推送个性化的内容。

一个十分重要的收集和追踪用户行为数据的手段是在客户消费行为路径上及其他数字化触点上埋点。这是用户行为追踪埋点管理系统（Tag Management System）的主要功能。

通过用户行为数据不仅可以对不同的渠道效果做归因分析，还能有效分析不同营销活动的效果以及典型消费者的转化路径特征。在这个过程中数据是十分重要的资产，所以需要将这些数据管理起来。很多时候，仅靠广告主第一方的数据可能会缺失一些维度，这就需要通过联合第二方及第三方的数据不断对维度进行补充。这些数据可通过数据管理平台（Data Management Platform，DMP）进行管理，但很多时候广告主会将客户数据存放在客户数据平台（Customer Data Platform，CDP）中。

以下是运营、销售相关技术栈涉及的主要概念。

1.客户关系管理系统

客户关系管理是Gartner在1999年提出的，是一个以客户为中心，以获取客户、留存客户、提升客户价值为目标，以管理和技术为手段的综合解决方案，其核心价值是提升企业销售业绩、降低销售成本。

CRM是企业与客户建立联系后构建的客户信息存储库。CRM平台在B2B场景中比在B2C场景中更常见。

CRM常见的功能模块如下图所示。

CRM系统常见功能模块

CRM使企业能够在整个客户生命周期中跟踪、管理客户，并分析相关数据。各种数据都可输入CRM平台，包括来自公司网站参与度的数据、实时聊天数据和注册数据等。随着业务变化，CRM已经从面向销售的单一产品成长为一个涵盖多个子功能域的庞大的商业系统。几乎所有与客户相关的能力都可以归属到CRM范畴，如呼叫中心（分析/管理）、事件管理、会议管理、忠诚度管理、会话式营销、客户体验优化等。大体来说，CRM的子功能域包括营销、销售、客户服务、电子商务，分别对应企业与客户交互时涉及的不同部门。营销部门负责获客、留存、价值提升；销售和电子商务部门负责交易转化；客户服务部门负责交易后的服务支撑。营销、销售、客户服务、电子商务这四个子功能也贯穿了客户和企业的大部分交互环节。CRM的核心还是以客户为中心，提升客户价值及客户体验，促进交易转化。

2.客户生命周期管理

我们常说的客户生命周期（又称客户转化周期、客户转化路径、客户旅程、客户转化漏斗等）包括如下过程：

1）客户首次接触企业品牌，并逐步深入认识企业的品牌、产品和服务；

2）客户进一步熟悉企业的各种解决方案能带来的价值和体验，甚至有哪些优惠政策；

3）积极评估和考虑后，产生购买，使用体验优良，最终成为忠实粉丝；

4）持续复购，并不断通过社交关系传播品牌口碑。

经典客户购买漏斗框架的大体流程如下图所示。

经典客户购买转化漏斗框架示意

对整个转化周期及路径的特征进行分析和发掘，可找出具有类似特征的不同潜在客户群体，通过在合适的触点补足缺失的体验，可促进其成为客户进而增加交易转化、拉动企业增长。

客户生命周期的划分有多种，常见的有：

·快消品类：知晓、熟悉、考虑、购买、忠诚、复购。

·App会员类：潜在、新注册、留存、付费、沉睡、流失。

·电商类：潜在、活跃、沉默、休眠、流失、消亡。

·内容运营类：潜客、新客、常客、粉丝。

·电信运营商类：获取、提升、成熟、衰退、离网。

企业需依据自身的产品及业务，以及客户所处的不同阶段，定义出适合自己的客户生命周期和客户旅程细节模型，这是客户运营及营销过程中非常重要的一步。然后才能根据各用户触点收集回来的数据，对不同价值的客户进行分层，以完成精细化运营。如通过分析，过滤出有效的高意向销售线索、高价值客户、低投入高产出客户等，再进行持续跟进，往客户生命周期中的交易转化阶段拉动。

常见的客户精细化运营分析模型有RFM（最近一次消费Recency，消费频次Frequency，消费金额Monetary）、留存曲线、分组分析（Cohort Analysis）、线索评估、风控等几种，本书后续章节会展开介绍。

3.客户体验优化

客户体验（Customer Experience，CX）指消费者整个生命周期中与企业品牌触点的所有的互动中所获得的感受和体验。品牌触点包括线下和线上两种，线下触点如店内促销，线上触点如品牌的移动应用程序。

客户体验需考虑网站、移动应用程序、电子商务平台等交付的内容、设计和可用性。好的客户体验不仅能帮助品牌满足客户的需求和期望，而且能超越客户的期望。

下图所示为客户体验优化的主要策略活动及成熟度层级。随着客户运营策略从初始、辐射、标准化、优化、培养、互动激励到成为终身忠诚客户，客户价值不断升级，同时客户体验的成熟度也会越来越高。

客户体验优化主要策略活动及成熟度

优化策略活动主要包括：

·设计：从简单的单一尺寸到响应式设计，再到适配所有终端及平台，不断升级用户视觉体验。

·流量获取：由被动SEO和SEM到主动出击，竞价广告可获取更多潜客。

·用户行为分析：从简单的网站分析到互动分析，再到预测分析，行为分析方法不断升级。

·直销：越来越细分化、自动化。

·内容分发：从多渠道、移动端到跨渠道与客户互动，从而实现拟人化。

·社交：从简单分享到量化监控，再到互动激励。

·客户追踪：从简单埋点分析到统一用户触点CRM集成自动化管理。

·电商：从独立站点到集成在各大平台及内容中的小程序、微商等，客户只要有需求，都可随时被满足。

·活动管理：推广促销活动越来越可量化，能做不同渠道或因子的归因分析，支撑闭环调整，持续优化客户满意度。

·会员社区：建立会员社区，不仅能对访客及不同层级用户进行画像，还能进一步打通其他服务模块、渠道平台社区，全触点服务客户。例如，在物流和售后模块针对客户不同的爱好提供个性化的服务：针对高生活水平的人群提供高品质服务，针对工薪阶层提供高性价比的服务。

·个性化：从基于规则到基于行为，达到更强的个性化。

·测试优化：从常用的简单的A/B测试到能适应复杂业务场景的多变量测试。

·自动化：从简单任务到高级机器人，再到支持预测、自动决策的人工智能技术的接入，想客户之所想，予客户之所需。

客户和用户的区别

我们常说的客户（顾客或消费者，Customer）与用户（受众，User）有什么区别呢？

用户不一定是客户，所有与企业触点有过互动的人都是用户，企业触点包括企业的广告、业务咨询、网站、App、公众号、企业提供的产品（或服务）等。什么是客户呢？就是同企业已产生交易，享受了企业提供的产品或服务的用户，又称顾客或消费者。潜在客户是指那些在未来可能与企业发生交易转化的用户，简称潜客。

4.用户体验优化

用户体验（User Experience，UX）就是那些还未成为企业客户的用户在与企业品牌的各种触点交互时获得的体验和感受。这些用户有可能在未来成为客户，也就是常说的潜在客户。

当然，还有一类用户始终无法成为客户，但这些用户对品牌的口碑传播会有所帮助，好的用户体验可以显著提高他们的整体满意度、忠诚度和品牌认知。

影响用户体验的因素有很多，如页面加载时间、页面导航情况、用户所需信息的易寻找性等。这些因素都可通过运用Martech数据及技术手段不断进行优化。

5.营销自动化

营销自动化（Marketing Automation）是Martech中的典型概念之一。营销自动化包括许多平台，这些平台可帮助企业通过一套营销活动自动化系统来统一管理与客户在各种触点（社交、短视频、电邮、公众号、官网、App、电商平台等）的沟通，并提高效率。

营销自动化是一套基于大数据的，用于执行、管理和自动完成营销任务和流程的软件工具。它改变了重复性的人工操作流程，取而代之的是根据不同目的建立的，用以提升效率及性能的应用软件，如工作流软件（运用Workflow工作流软件，在不同的前提条件被满足时，通过提醒或报警推动相关人员去完成不同工作任务）、RPA（Robotic Process Automation，机器人流程自动化，即用机器人自动化的方式来替代人工操作）、聊天机器人等。

如下图所示，营销自动化贯穿营销活动的各个重要环节（网站分析、销售线索捕获、销售线索打分、智能列表管理、线索培育、电邮直销、CRM集成等），并通过触发器、智能列表、过滤器、线索跨业务模块流转等技术手段，自动化推进“产生销售线索→培育线索→识别高质量线索→评估推进活动→执行推进活动→优化用户体验→产生交易”的全过程，如下图所示。

营销自动化主要环节

下面举一个电商领域的客户持续自动化营销的例子：

1）客户购买商品当天：应安排自动化任务，如催付、发货通知、评价有礼、打包礼品、晒单奖励等。随着人工智能技术的发展，这些任务很多都被机器及软件完成了，例如自动语音电话、自动短信/消息、出库/物流自动化等）。

2）购物7天后：应安排2～3次的维系类活动，如上新通知、店铺活动、爆款打造、关联推荐等。同样，很多任务可直接由系统自动完成，无须人参与。

自动化推进线索转化过程示意

3）45天左右：应安排3～4次的营销类活动，如会员升级刺激、45天回购刺激、会员特权提醒等。

4）90天左右：

·应安排1～2次维系类活动：节日关怀、会员活动、降级预警、90天回购刺激等。

·应安排2～3次营销类活动：上新通知、爆款打造、事件营销、定向推荐等。

5）90天～140天（睡眠期）：

·店铺活动、爆款打造、促销活动、事件营销等。

·1～2次维系类活动：节日关怀、特权提醒、降级预警、140天回购刺激等。

6）140天（睡眠期）～365天：

·应安排0～1次维系类活动：节日关怀、会员特权提醒等。

·应安排1～2次营销类活动：爆款打造、促销活动等。

7）365天以后（消亡期）：应安排1～2次营销类活动，如促销活动、事件营销等。

由上可以发现，有很多重复性的工作，这些工作可直接由系统自动完成，这会减少大量人力成本。

6.直销

电邮直销（Email Direct Marketing，EDM）是直销的一种典型方式，是指企业通过向目标客户发送邮件，建立同目标用户的沟通渠道，向其直接传达相关信息，用来促进销售的一种营销手段。电邮直销对于企业的价值主要体现在三个方面：开拓新客户、维护老客户和品牌建设。注意，最好是在用户许可的前提下，通过电子邮件的方式向目标用户传递有价值的信息，否则会对用户产生骚扰，让用户觉得企业侵犯了自己的隐私，进而对品牌造成负面影响。

EDM有多种用途，可以发送电子广告、产品信息、销售信息、市场调查、市场推广活动信息等。其优势是无时空限制，非强迫，可产生交互反馈，具有很强的针对性。操作步骤是：首先需通过各种途径获取目标受众的邮箱；然后制作以用户为中心的个性化邮件内容；接着选择合适的发送时间段；最后持续进行统计分析并持续优化。

如下图所示，在实际操作中，只要用户事先许可，直销通道不仅包括电邮直销，还可包括短信直销、公众号直销、社交平台订阅号直销、会员系统直销、广告直销、上门直销、优惠券直投、电话直销、印刷页邮递等。

直销的主要形式

7.电商营销

营销活动最终都是以促进销售增长为目标的，所以电商营销、电商平台成为销售管理（销售自动化）十分重要的载体。客户在电商平台的网站或移动App中完成在线购买，电商平台可在关键购买行为中提取有价值的客户数据及特征，并将这些输入到网站分析平台或数据管理平台等系统，利用商城管理、动态价格、电商营销、电商运营、电商分析等手段，结合小程序、微商、聊天机器人、新零售等更为丰富的形式，使品牌能够定制未来与客户的沟通方式，使其更加个性化，以提高客户的忠诚度和复购率。如下图所示，电商平台从前到后包含非常多的模块。

8.用户行为分析及运营

随着商业竞争的加剧，以用户为中心，精细化分析及运营用户行为是提升用户体验、促进业绩增长的关键，也是Martech中十分重要的版块。

电商平台主要模块

用户行为分析及运营主要是对品牌第一方的数据进行分析，从而了解数字营销活动的效果，以及受众参与互动活动的方式和特点。

网站分析工具可提供诸如网页访问者总数、特定网页效果数据和电商数据等信息。移动端分析工具可实现功能的交互、导航和商业化收入的统计等功能。这两个领域都包括大量的工具和指标，它们提供了总体受众和客户参与度的详细情况。

9.预测分析

预测分析（Predictive Analytics）指的是一套通过对营销相关数据进行高级分析来预测用户接下来最可能会做什么的工具。品牌应用预测分析来获得对受众更为深入的洞察，并为其定制未来的沟通方式。

由下图可见，越往后分析价值越高，技术难度也越大。从简单的获取信息到不断加工优化，预测分析大体经过如下环节：

1）对事实数据进行采集。

2）清洗数据、统计分析，事后对事实进行描述性分析：已发生什么？

3）诊断性分析：为什么会发生这些？

4）预测分析：将发生什么？

5）预定条件分析：我们做什么能促使它的发生？

预测分析过程

一些历史数据（如工资收入、付款记录和浏览行为）可以帮助确定某人是否可能成为客户。品牌还可使用预测工具来帮助开发新产品、优化电商平台和制定数字营销推广计划。投资建设能预测用户行为的系统已被诸多企业通过实践证明其有效，能助力企业通过不断微调产品和服务来提高业绩。

10.内容管理平台

内容管理平台（Content Management Platform，CMP）又称内容管理系统（Content Management System，CMS），是以“提高使用效率，关注用户体验”为指导思想构建的、企业级的、能快速制作内容、管理内容、优化体验、分析洞察及对外部用户进行信息分发的平台。

从下图所示的主要流程可见，CMP主要用于获取、创建、存储、管理和对外发布内容（支持印刷品、PC、手机、平板等各种媒介渠道的内容形式）的相关数字资产。CMP可管理内、外部不同用户，访问已审核过的内容，例如在日常营销操作中，各业务单元使用的业务信息和图像等。可设置不同的权限级别，允许用户编辑、修订、分发、发布或简单查找相关内容。通过内置工作流引擎等重要技术模块，CMP可支持各种复杂业务作业流程的自动化、标准化，并实现可追踪管理。CMP还可能包括促进用户在网站或App参与互动及协同创作的系统，以及对内容和数字资产进行版本控制的功能。

内容管理平台主要流程示意

通过促销、时间及库存提醒，CMP可对那些将商品留在购物车中但未购买的用户进行二次营销；CMP可根据历史热搜将热卖的新商品推荐给感兴趣的用户；CMP可在向用户展示商品内容时添加地理区域库存剩余情况及促销、物流相关信息。从这个角度看，CMP的某些推荐类的关键功能与数据管理平台（DMP）的功能是重叠的，其实两者可有效地协同工作。

11.个性化引擎

个性化引擎（Personalization Engine）是一种工具，根据对不同用户的行为数据进行机器学习，在品牌运营的渠道（网站、移动App、电子邮件等）为用户提供个性化的、定制的内容和体验。这种数据驱动的方法会依据客户的基本属性、历史行为或最近更新的兴趣动态（包括消息、图像和产品等）、爱好、历史旅程和意图等，通过对不同来源的数据进行学习，从“基础”到“一对一”，不断努力提升个性化服务，丰富客户的体验，创造更大的价值。

终极个性化进阶

·基础：有效的流程、直观的导航设计、跨渠道的一致性，是个性化的坚实基础。没有这个基础支撑，再高级的服务也可能在用户使用产品时让用户产生信息混乱和迷失的感觉。

·一对多：依据客户偏好、产品关联关系，对人群进行细分，并进行个性化推荐，这是目前很多电商平台常用的方法。

·一对几：随着对客户相似度、位置的不断细分（不仅仅是对基本人口统计学属性的细分），个性化越来越深入。

·一对一：终极个性化的目标就是根据不同客户的认知、历史旅程、意图，配合当下场景提供一对一服务。

此工具通常应用在电商、娱乐产品和社交媒体平台，用于提高客户参与度、转化率及增加客户在特定网站上的活跃度。据统计，采用个性化内容后，电邮的打开率可以提升26%。

个性化引擎也是CMP中提升客户体验的重要引擎。

12.社交营销

社交营销（又称社交媒体营销）是品牌在互联网上的社交媒体及口碑社区中进行的营销。社交媒体（Social Media）包括社交平台上的网络和社区，以及付费社交广告，例如微博、微信、短视频、图片社交网络、社区论坛BBS、内容Blog、视频vlog等。一个品牌的社交页面可以包含产品或服务简介、电子商务功能、社区论坛、最新公告及其他旨在提升消费者参与度和兴趣的信息等。社交页面在社交平台中的表现形式可以是公众号、品牌号、商家号、直播、短视频等。短视频和直播营销也是近年来受到用户青睐的营销形式，“带货”效果显著。社交营销口碑传播的重点是内容，所以也可认为其是内容营销的重要形式之一。内容的产出是其中的关键点，会涉及内容资源采买相关的生态。

如下图所示，消费者越来越相信普通用户产出的内容，而非品牌制作的内容：有调研数据显示，92%的消费者信任来自朋友和家人在社交网络上分享的内容；50%的消费者认为社交媒体上用户发布的内容比品牌制作的内容更令人难忘；53%的00后表示，其他用户产生的内容影响了他们的购买决定。

消费者越来越信任普通用户产生的内容

随着社交平台的高速发展和优质内容的不断增加，催生出各种聚合内容供给并利用各大内容社交平台进行经营的商业模式，这种模式称为MCN。MCN（Multi-Channel Network）模式源于国外成熟的网红经济运作模式，其本质是一个多渠道内容供给的网络产品形态，其将PGC（Professionally-generated Content，专业产出内容）内容联合起来，在资本的有力支持下，保障内容的数量和质量，最终实现商业的稳定变现。抖音等短视频社交平台就是MCN模式的典型代表。

与PGC相对的是专业性及质量相对低一些的，靠用户个人兴趣产出内容的模式，称为UCC（User-created Content）。

随着内容产出越来越专业化、职业化，互联网内容的创作模式又被细分为PGC和OGC（Occupationally-generated Content，职业产出内容）。

而MCN及社交内容的商业变现，往往靠的就是营销主在这些内容中植入或附带产品信息。这些都是Martech营销自动化平台、内容管理平台、数据分析平台等需要重点升级的点。

13.内容联合

内容联合（Content Syndication）是内容营销的常用方式，又称软文广告，是执行“公众关系”（Public Relations，PR）的手段，即通过内容来维护品牌与公众之间的沟通与传播关系。如下图所示，广告是简单、重复轰炸，PR是通过内容及关系进行传播，通过营销的手段，最终让受众对品牌产生发自内心的信任。

PR同营销/广告/品牌之差异示意

内容营销看上去是知识或经验技巧的分享，实则内部植入了品牌想表达的广告诉求，在相关的第三方网站上发布，以覆盖更大范围和增加品牌的可见性。

内容联合可以是某个品牌自己网站上发布的内容的完整副本（品牌维护和产出的内容，称为BGC，Brand-generated Content），也可以是其中的一部分（如片段甚至缩略图）。内容联合的目标人群是与品牌、产品或服务特征相匹配的人群，目的是得到这些受众的欢迎，从而接触到更多感兴趣的人群。内容联合通常被认为处于漏斗式营销活动的顶部，旨在提高知名度，并促使客户在准备购买时将品牌纳入考虑范围。

由此可见，通过不同媒体渠道、不同KOL或KOC（Key Opinion Consumer，关键意见消费者）在不同场景下对受众发布内容，使受众看到内容后被引导到品牌方的官网页面，再基于这些受众的不同特性呈现个性化的内容，这样能够更好地影响受众的心智。

注：KOC比KOL更接地气，但粉丝量不大。KOC可理解为社群中靠深度口碑、互动来拉动销售的“小KOL”。很多社交平台上的“素人”（KOC在某平台的一种昵称）可通过直播、短视频、文章分享自己对某商品的购买及使用体验，这些方式的“带货”效果十分好。这是一种用爱好和内容输出来换取收入的方式。

14.社交媒体监控

社交媒体监控（Social Listening）又称社交监听、舆情监控、舆情监测、社交洞察，用于帮助品牌在博客、论坛、新闻网站，以及微博、短视频等社交平台上监控与品牌业务相关的内容和评论。这些工具可以发掘和分析出社交舆论热点、品牌口碑、消费者关注动向及其之间的关联关系，以追踪不同社群情绪并提供洞察，使品牌能够实时响应消费者的需求和关注点，并根据反馈改进产品和服务。更深入和更复杂的策略还可植入CRM，通过客户反馈的信息进行分析，可构建更完整的客户画像，目的是为目标受众提供产品服务和解决方案。

下图为常见的衡量PR活动是否成功的系列指标，其中关键词排名、品牌关注度、反向引用/链接（品牌内容被外部媒体引用量）偏舆情监控类；社交媒体/平台覆盖、社交转发、社交平台互动量、媒体曝光量等偏社交媒体/平台洞察；网站流量、销售线索量、销售量等已经从关注前端推广数据转向关注生意相关的后端数据。

衡量PR活动成功指标

15.数字资产管理平台

企业使用数字资产管理平台（Digital Asset Management，DAM）来组织、存储和共享企业内部使用的数字内容资产。这里所说的数字内容资产通常包括图像、照片、创意文件、音频、视频、文档、演示文稿、报告报表、经营计划等。当多个利益相关者在项目中协同工作时，该平台是进行版本控制和确保内容符合品牌或监管准则的必要工具。DAM软件已经发展到支持创意审批，并作为控制中心进行跨渠道（包括社交平台、网站和其他媒体）内容分发的水平。

CMP管理的主要是企业对外发布的数字内容资产，而DAM管理的主要是企业内部的数字内容资产。

16.营销资源管理

营销资源管理（Marketing Resource Management，MRM）可帮助品牌系统化管理内容及附属物的生产制作。良好的MRM方法与CRM、DAM系统紧密结合，有助于市场营销部门的资源分配和工作流程管理。

MRM的另外一个关键目标是有效进行品牌管理，这在大多数情况下都可以通过视觉（内容的外观和感觉）管理进行模板化，包括传递给客户的消息、使内容文案保持一致的品牌调性，以及对IP（知识产权）文化等无形资产进行管理等。

17.用户行为追踪埋点管理系统

用户行为追踪埋点管理系统（Tag Management System）又称标签管理平台、用户行为事件管理平台。用户行为追踪埋点标签（Tag）是一段技术代码，用于嵌入网站、App或用户与品牌互动过程中的各种程序（网站、数字广告、电子邮件等）的代码中，目标是跟踪用户的在线行为。用户在线行为可分为页面浏览行为、操作行为等。

如下图所示，在应用程序的各种流程的行为事件点中进行埋点，以收集信息和数据、跟踪应用使用的状况、优化产品、为运营提供数据支撑。常见的统计数据包括访问数（Visits）、访客数（Visitor）、停留时长（Time On Site）、页面浏览数（Page Views）和跳出率（Bounce Rate）等。

用户行为埋点追踪支撑业务需求

详细的用户行为数据可以应用在更多场景中，支撑几乎所有营销活动的需求，例如访客重定向、意向客户再营销、了解客户需求、客户画像、A/B测试、广告归因分析、联名会员营销、运营分析、个性化、营销自动化、直销、潜在线索培养、SEM、社交营销、产品设计、客户服务、售后等。

品牌主通常会对各种数字触点（网站、移动App、社交媒体页面、数字广告等）尤其是那些支出较大的数字营销和广告活动进行用户行为追踪埋点。TMS系统有助于在所有可能的触点上管理事件点及数据，并确保能够跟踪潜在客户及转化客户的行为路径。TMS系统内部的功能包括营销推广活动分析、受众分析和转化跟踪工具等。

通过TMS系统，可精确了解用户的行为特点（前提是已在相应事件点埋点并收集数据），分析用户的喜好、想法等，如同在业务流程中安插了我们的眼线，将无序的营销变得有序。所以，这也是数据管理十分重要的模块。

18.归因工具

归因工具（Attribution Tools）用于帮助营销人员分析在品牌与客户互动的每个渠道及接触点中，哪些能助力交易转化，哪些是贡献最大的。

分析归因的模型（Attribution Model）有很多，复杂程度各不相同，有简单的单点模型（Single-touch），也有复杂的多点模型（Multi-touch）。

如下图所示，从上到下，我们将常见的归因模型分为末次互动（Last-touch）、时间衰减（Time-decay）、线性平均（Evenly-weighted）、U型（U-shaped）、W型（W-shaped）、首次互动（First-touch）、高级自定义几种，并分别从计算模式、意义/场景、持续动作三方面进行介绍。

渠道归因分析示意

还有一些对干扰因素做补偿处理的归因模型，这在后续章节还会展开，此处就不一一列举了。

常见归因模型示意

除了对各种有效归因模型的支持，一个好的归因工具还需考虑用户与广告的触点，以及与社交、直销和品牌网站的互动触点，依据数据洞察，对消费者购买决策的各种成因给予适当影响，以促进交易转化，拉动业绩增长。

19.搜索引擎营销

搜索引擎营销（Search Engine Marketing，SEM）是指通过一些手段和策略，当用户在搜索引擎中输入一个词或一句话进行查询时，将品牌的内容页在付费或自然搜索结果中的排名提高。最终目标是通过提高品牌内容页在搜索结果页面的可见性（位置更靠前更显眼）来增加品牌页的流量。

下图所示为搜索结果页内容列表（付费+自然搜索结果），前3条带有“广告标识”，提示用户这是付费广告，从第4条内容开始才是自然搜索结果。

搜索引擎内容列表（付费+自然搜索结果）截图

SEM可以通过购买关键词（PPC，Pay-Per-Click，即竞价付费，按搜索引擎中推广链接被点击的次数付费）或优化网站（搜索引擎优化（Search Engine Optimization，SEO），优化自然搜索结果）来实现。这两种模式的优缺点比对如下图所示。

SEM的主要两种模式

SEM也有一个较大的不足：用户自发在搜索引擎中搜索关键词的自然流量是很有极限的，所以还需要搭配其他的广告渠道及形式。这也是需要一站式的多渠道营销自动化管理工具进行实时优化，调整不同渠道的搭配，才能提升营销的效率及效果的原因。

20.搜索引擎优化

如下图所示，搜索引擎优化主要针对互联网搜索引擎，通过建立和优化品牌网站的内容、元标记、内容导航及站点结构，为搜索引擎的内容抓取、内容解析、关键词提取、关联计算、网站排名计算等提供更友好的支持，使得用户在搜索某些特定关键词时，品牌在输出的自然（非付费）搜索结果中可获得更高的排名。

SEO主要流程及活动

能够提供专业、独家的内容以及良好用户体验（如快速的页面加载速度）的网站在搜索结果中的排名往往较高，排名高就意味着更容易被用户找到并点击进入。

SEO是一个持续不断优化的过程，而不是一个最终结果。若把搜索引擎看作一个按标准规则和动作在海量网站中进行内容抓取、语意分析、网站关联计算的机器人用户，某种程度上搜索引擎优化也属于用户体验优化的范畴。网站对搜索引擎更友好，给用户的体验就会再上一个台阶。

1.3.3　关键数据和基础

关键数据/基础细化部件视图

如上图所示，我们重点对关键数据、基础、DMP等部件进行介绍。不论是Adtech还是升级的Martech，DMP都是必不可少的重要大脑模块。而且随着营销竞争的加剧，Martech中的客户关系管理的理念，已从私域客户深度运营延伸到公域流量的管理。通过Martech基础部件，可以发掘潜在客户，分析和研究消费者转化路径和客户生命周期特征，激活营销主第一方的数据资产和客户运营体系的长期经验，不断刺激潜在的生意增长，提升营销收益和效率。

在上述过程中，对云计算技术、各种API和人工智能算法的应用，以及对数据和流量的匹配率、多方数据源的整合、多渠道多形式持续触达用户、持续不断优化投入产出比的重视，都可以提升和优化营销活动的触达效率和效果。这些都是Martech升级的关键基础。下面我们将盘点涉及的相关概念。

如下图所示，数据是企业数字化转型过程中要处理和激活的重要资产，所以首先要弄清楚数据的所有权和主要来源，这是数字化转型的重要前提。第一、第二、第三方数据的定义，就是从数据所有权这个视角来划分的。

第一、第二、第三方数据

1.数据管理平台

数据管理平台（Data Management Platform，DMP）是把分散的多方数据整合并纳入统一的技术平台，通过对这些数据进行标准化和细分，让企业可以把得到的结果推向现有的互动营销环境以激活运用的平台。下图为常见的应用场景。

DMP常见应用场景

数据管理平台是一个中央系统，它存储和管理受众和营销活动的数据。对于营销人员来说，DMP可以提供一个统一的事实数据来源，支撑Adtech及Martech业务运营平台，让它们能在数据层面对受众有统一的全局性认识。

一个好的DMP能够自定义细分人群，并实现相似性扩展（Look-alike）建模，通过相似性扩展模型，可将具有相似属性的用户划分在一起，这样可增加细分人群的规模，扩大对潜在客户的营销覆盖。根据这些细分的数据，可针对不同受众投放个性化广告，以及在网站或App中提供个性化服务。DMP是Martech技术栈中极少数真正连接运营和广告功能的重要组件之一。

DMP可支撑非常强大的业务运用，持续促进业务增长。例如常见的针对私域客户进行再营销这个重要场景，DMP可帮助企业通过数据对私域客户进行再触达，以维系与客户之间的良好关系，而不是不断通过外部数据或在媒体处挖掘新的客户。相对而言，获取新客的成本远高于促进老客复购的成本。这也是企业有效应对互联网用户红利消失、增长乏力的必选手段。

可运用DMP中的数据分析能力对用户进行精细化业务运营，除了可完成上述的客户关系管理的工作外，还可基于数据进行分析洞察和营销自动化，例如市场/社交洞察、营销内容质量/效果评估、营销/效果分析、广告监测/验证、媒体预算管理/计划、归因及效果分析、线索管理、A/B测试等。

数据的采集、集成、清洗、加载都会涉及爬虫工具、ETL（提取/转换/加载，Extract/Transform/Load）、智能探针（利用物联网智能终端传感器采集数据，如传统无线路由器探针采集技术等）等技术。如下图所示，大数据需经过采集、清洗/加载、分析、运用、创造收益的全过程，才能真正发挥作用。

大数据处理流程

一般来说，DMP平台更加注重广告和营销数据的管理，与必要的第一方和第三方数据打通并进行分析，主要目的还是提升营销的效率和效果。很多时候，有些营销主会将客户数据存放在客户数据平台（Customer Data Platform，CDP）中进行管理和使用（常用于会员分析、CRM营销、会员旅程管理、自有触点营销等场景）。从广义的概念上来看，DMP将承载所有营销活动大数据的管理、分析、智能决策等职能，客户数据也属于DMP管理的范畴。关于DMP和CDP本书后续会有专门的章节进行详细剖析，此处就不展开了。

还有很多未提及的IT基础设施，如：

·数据湖（Data Lake）：存储以支撑企业内部商业决策为目的的业务大数据，不限于营销领域，范围更宽。不仅可供市场营销人员使用，还可供企业运营、财务分析、成本分析等不同业务部门相关人员使用。

·商业智能（Business Intelligence，BI）：包含一系列概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。采用了现代数据仓库、在线分析处理、数据挖掘和数据展现等技术进行数据分析以实现商业价值。

·数据中台：沉淀企业内部的公共数据，将业务上的易变数据（产品销售数据、供应链数据、交易日志等）与不易变的资产数据（如客户数据、账户数据、供应商数据等）进行分离，通过数据服务实现对数据的封装和开放，快速且灵活地满足上层业务应用的个性化和高速发展，以适应多变的市场要求。

·数据仓库（Data Warehouse，DW）：用于存储大数据的基础设施。

·云设施：如SAAS软件服务、PAAS系统平台、IAAS IT基础设施等不同云设施服务类型。

·IT架构（IT Infrastructure）：它保障服务器、应用程序、其他数据中心组件稳定运行，并支撑灵活的业务扩展，包括应用架构、数据架构和技术架构等。

2.应用程序接口

应用程序接口（Application Program Interface，API）是为了连接各种Web程序和软件系统，为了能在各系统之间共享数据而开放的技术接口管道。打个通俗的比方，如下图所示，API可简单理解为数字世界和软件世界里的插头。

API即数字世界里的插头

API主要针对数字产品和服务，让两个要进行通信和共享数据的平台，按双方都认为合理、有意义、可理解的方式发送和接收彼此的信息。

有许多使用API的场景，举个常见的例子：营销人员希望将Web和移动App分析的数据都推到数据可视化平台中，以图形化的方式展示出来，这就需要使用API接口接入这些数据的过程。

3.匹配率

匹配率（Match Rate，Mapping Rate）是指两个不同系统之间可以匹配的唯一用户的百分比。例如，位于数据管理平台（DMP）中的细分人群包中的用户数，当推送到需求侧平台（DSP）中时，可识别的用户数量的比例就是匹配率。不同系统间的数据标识及加密规则各有不同，尤其是对用户ID的标识，有的标识的是设备ID，有的标识的是会员账号，很多营销主的第一方会员数据常用的是手机号、微信OpenID等。故如下图所示，各平台和供应商之间的ID Mapping是数据互通、大数据应用的核心基石。

ID Mapping示意图

许多人期望能尽量提高不同平台间数据的匹配率。当匹配率显著提高时，基于相同技术和由统一数据源驱动的技术栈所创造的价值就会变得更突出。无论您的企业是进行线下的直接销售，还是在线的程序化广告，在合适的场景触达正确的受众并传递合适的信息，都是实现营销目标的基础。在数字化广告投放中，触达的高价值受众数量越多，推动销售线索向销售数量和收入转化的概率就越大，提升业绩也就越容易。许多在线广告商使用DMP来整合受众数据（如网站访问者、离线CRM数据、合作伙伴数据和第三方人口属性数据），并最终获得强大的、个体的、匿名的用户属性数据，这些用户属性可用于全网对受众进行细分和定向触达，此时匹配率就成为关键指标之一。各板块间要想用好数据，就要使重合度、匹配率尽量高，这样数据的利用率就更高，能创造的价值也就越大。

各板块匹配率示意

4.数据可视化平台

数据可视化平台（Data Visualization Platform）是一种软件，可帮助营销人员将来自不同系统的大量数据输出（如广告效果、网站分析和离线销售统计）并汇集在一起，然后分析这些数据的趋势、维度及各因素间的关联关系，再以图形化方式呈现出来。

数据可视化示意

数据可视化平台更便于多人、多部门、多层级间进行沟通、发现规律、头脑风暴、决策等工作。

大多数数据可视化平台都可以通过API轻松地连接到常规的Martech系统中，还可让企业使用与其内部术语相一致的语言来自定义仪表盘、看板等，从而使数据驱动的洞察力更易于访问和使用，同时关联相关业务，支撑业务快速调整和决策。

5.人工智能

人工智能（Artificial Intelligence，AI）可以利用专门的计算机系统来学习和解释大量的数据，以人类不可能达到的规模和速度做出决策。

人工智能不同于传统的计算，因为它不仅可以解释数据，还可以通过算法进行自我学习，对不断产生的新数据进行处理。可应用于搜索引擎营销、数字广告、电子商务、营销预测，以及其他需分析大量数据的新领域。下图所示为常见的AI技术领域，供大家参考。

AI常见技术领域

6.优化

市场进入存量时期，营销进入高度竞争阶段，只能通过深度精细化的用户运营来增强用户体验，并时刻关注投入产出的效果，促进用户的交易转化，拉动生意增长。Adtech及Martech中的优化（Optimization）具体指的是根据结果的反馈，及时甚至实时地改进策略，以获得更好的结果或业务成果。下图是精准广告投放、持续闭环优化的示意图。

精准广告投放优化示意

优化可以通过人工操作、手动更改系统配置（由使用技术平台的人进行）来实现，也可以直接由机器自动学习、自动更新策略（通过使用算法）来完成。

7.营销云

营销云（Marketing Cloud）是一套面向市场营销需求、基于云技术的解决方案，它是多个Martech技术栈的组合。同时，营销云的供应商可根据企业的需求进行功能的定制，提供有针对性的营销云解决方案。出于数据合规的考虑，企业大多会采用私有云的方式部署营销云系统。营销云包括CRM、个性化引擎、用户在线互动系统及数据分析等模块。

营销云概念被进一步扩展，用来代表技术服务的集合，使企业能够将数字化作业流程外包，或直接托管给某个供应商。很多云服务的功能都支持开箱即用，这样可大大缩短实施周期，加快企业数字化转型的步伐。

8.个人识别信息及数据合规

个人识别信息（Personally Identifiable Information，PII）是唯一识别消费者的数据。PII是确定的（代表一个特定的人），而不是基于概率论推断得到的（可能是那个人）。如下图所示，数据可包括姓名、邮寄地址、电子邮件、手机号和出生日期等。

当消费者注册服务并同意共享个人信息时，PII会被收集。在获取、存储和使用PII进行营销和广告时，有十分严格的用户隐私保护法规，必须在遵守这些法规的前提下使用数据，这称为数据合规。

PII数据示例

各个国家和地区陆续颁布与个人数据保护相关的法规，如欧盟的《通用数据保护条例》（General Data Protection Regulation，GDPR），中国的《网络安全法》《信息安全技术　个人信息安全规范》《网络安全等级保护基本要求》《互联网个人信息安全保护指南》等，对用户个人信息安全保护做出了十分严格的限制。

这意味着营销主需要与其供应商一起制定严格的合规方案。只有找到正确的合作伙伴并确保合规，才可以继续规划和开展智能的、相关联的、数据驱动的营销活动。

在kindle搜索B089Y8NQH9可直接购买阅读