大家好，感谢这么冷的天来听这个会。

我今天演讲的题目是数据技术驱动营销创新，基本上分三块，一个是我们要看亚马逊的营销技术，上市15年，一分钱没赚过。TalkingData在数据技术营销有一个自己的产品，跟大家分享一下，然后再看一下我们的技术营销案例。

讲亚马逊之前讲一下D.E.Shaw，他在哥伦比亚大学感觉非常苦，于是就去了摩根斯坦利，做的几年他在一场政治斗争中失败了，失败之后出来做了一个对冲基金，并且这个对冲基金在华尔街叫“宽王”，大家如果对华尔街的历史比较了解的话，这个对冲基金是很牛的。他跟亚马逊是什么关系呢？贝索斯他毕业于普林斯顿之后，在1999年加入了这家公司。贝索斯在创立亚马逊之前是在对冲基金工作。贝索斯发现证券交易的基本原理也可以用在商品上，他有一个原则，如果两个同时进行的交易，并且同时结算，他就肯定有利润，这个就是我们常说的实时的买卖。举个例子，如果你从一个A买家买进来一本书2块钱，但是在另外一端有一个B买家2.1跟你买，只要这两个是实时结算，对于亚马逊就有利润。对于它来说它不在于这些货物，而在于留下了2亿美国人的数据。亚马逊上市15年每年都是一分钱不赚，它背后最核心的东西就是对数据技术的应用。

我们来看看它是怎么应用的。亚马逊我们印象中最深的就是猜你喜欢，它会根据你过去购买的记录，亚马逊花了20年积累了大量的关于个人和集体购买的统计数据，它唯一的壮举就是赔钱。如果他的数据模型中发现你是他的一个高忠诚度客户，我们做商业的会讲我特别喜欢有一类客户，这类客户是我的高价值客户和高忠诚度客户，高价值是他给我带来的利润非常多，高忠诚度是他经常跟我有关系。当你是他的高忠诚度客户的时候，亚马逊不会再你身上花一分钱，他会赚你的钱。很多客户会发现它放在亚马逊购物车价格会随着时间变成，有的时候一天波动三次，有的时候一天波动四次。亚马逊最初进行市场竞争的时候，它会从各个网站抓价格的信息，当他发现有其他的点上网站的价格比他低的时候，他就会修改它的价格，所以客户会发现价格会变。举一个例子，比如他卖一台电视，他卖2000美金，有一个网站卖1980美金，他马上会修改自己的价格，但如果他发现其他的渠道卖2100美金，他也要调，是往上调，是2080美金了。互联网是没有围墙的，当客户去选择一样产品，比如我就买苹果，我会看十个网站，哪个网站的价格低，我就买哪个。

亚马逊还发现了另外一个规律，这个规律也是他现在在零售方面的，当你由于一种事件、产品你需要一种产品的时候，这个时候你对价格是不敏感的，比如说你是一个德国的球迷，当你的球迷赢了一场比赛的时候，你需要买啤酒去庆祝，这个时候你关注的是啤酒，而不是价格，美国的橄榄球赛胜利之后，很多网友就会去亚马逊的网站买一些披萨、啤酒进行庆祝，这个时候他对价格是不敏感的，亚马逊就赚这个差价。亚马逊现在的推荐引擎基本上40%以上的销售跟推荐引擎有关。有的时候会有一些客户投诉，我发现你的DVD的价格有一天的差价可以低于20%。其实客户不知道，DVD的差价变化取决于两点，第一点，同样的产品在同样的电商网站上的价格，如果别人波动，它就会波动。第二，取决于你个人对亚马逊网站的忠诚度，他发现你每星期至少下三单，你80%的电商交易都在亚马逊做的时候，他就不会给你一个很低的价格，因为他觉得你已经是他的忠诚度了，所以亚马逊在回应这个问题的时候，只做了一些价格测试。

回到零售，在整个零售行业，在没有点上的时候，零售行业永远是充满活力。第一个是信息，你在A商店和B商店看到的价格是不一样的，A商店和B商店卖的商品得到的利润也不一样。但是有了电商之后，有了互联网之后，所有的商品价格是一致的，那你就不会去A商店买，或者B商店买，比如说北京卖的一个靴子的价格可能跟武汉的一个靴子的价格不一样，在过去没有点上的时候，这种零售的差价是存在的，因为不同的区域只能在区域里买。当北京的用户到武汉的时候，个你看上这个靴子，你会考虑配送成本，但亚马逊把这两个东西都解决了，他会通过价格的实时变化，让上亚马逊的人都会感觉到，我在亚马逊看到的商品就是我能看到的商品的最低价。第二，他会跟你的购买习惯，在一些人口稠密的地区，把商品运送过去，当你下单之后，他马上把商品配送过去，这样降低了单个的配送成本，就解决了配送费高的问题，同时让客户觉得我在这个地方买了一台电视，我要付15美金的运费，这是可以的。

亚马逊还做了一件事，它开放了他的平台，他允许所有的竞争对手把他的产品放到亚马逊的网站上，允许使用亚马逊的物流设施、网站信息，看上去他是在做一个平台，实际上他是在拿数据。他得到了两个潜在的竞争优势，第一他知道竞争者的价格和销量，第二他可以知道你的成本，如果他想跟你竞争的时候，他想让你的产品跟他的产品缩小价格差距的时候，他可以调整服务费，因为你用的物流是他的，你用的平台是他的，让你在亚马逊上卖产品的价格是跟他的一样，而不会损失他的利益。亚马逊从数据终获得了最大的利润，这也是它市值可以达到这么高的秘密。

我们看一下TalkingData，TalkingData也是一个第三方的大数据公司，我们有30亿的数据，每个月大概有6.5亿的设备，我们会用这些设备的标签数据做一些营销的标签，并且我们也取得了一些成效。

那我们TalkingData营销主要做什么呢？我们会把DMP放到云里，通过用户分群、及其学习、加工运算、优化清晰、数据提取、标准化、关联影射等方式进行用户分群。我们建了这些标签，TalkingDataDMP里标签有人口属性、设备属性、地理位置、消费兴趣，还有房产行业、金融行业有一些专门的标签。我们提供想要的功能，当你不知道你的客户有什么样的特点的时候，你有几百万客户，几十万客户，没法对客户进行分类的时候，你可以把这些客户的设备号上传一下，然后DMP会补充一些数据，然后进行分群。你可以利用TalkingData提供的数据进行客户分群。这是它的一个界面，现在已经实施应用了，像网易、腾讯等大的品牌商都是我们的客户。

第二个是种子用户的画像，这个跟刚才是一样的，刚才是分群，现在是你已经想营销这类人，但是这类人到底有什么样的特点，它出入在哪里？居住地在哪里？喜欢什么样的品牌，喜欢什么样的APP，它都关注哪些渠道，这些时候你会把你的设备也放在DMP，它会告诉你，你的目标客户经常聚集在国贸，你就可以在这个地方做一些线下的广告营销。我们帮很多房地产公司做这个广告，他要知道它潜在的客户，购买房子的客户在哪居住，在哪工作，什么时候在哪儿活动。

另外一个是关联计算。这个是帮金融客户在做的，比如说一个金融客户说我有五万个客户，而这些客户每个月会买我很多理财产品，但是我现在有五百万池子，只有五万人买了这个产品，我想知道还有哪些人会买。这个时候他把五万人的客户给我，然后我们去找出跟它相似的群体，跟它进行匹配，匹配完了之后再进行营销，效果我稍候再讲。我们在这种行为数据的学习里，这种相关度的效果还是不错的。

还有一个是媒体触达。对于所有的企业想要通过一些方式触达他的客户，比如说他的客户喜欢看今日头条，还是网易财经，这个都是通过它的典型的种子客户进行一个渠道和时间段的分析，企业主就可以拿到这样一个信息，去选择广告投放到今日头条，还是网易财经，这样会降低投广告的费用，也会提高你的目标客户的命中率。在精准营销里我们有一个误区，觉得精准营销里分品牌广告和效果广告。当你花十万块钱在机场做就是品牌广告，当你花十万块钱的时候去捞一批客户，这个既你批派广告，也是效果广告。我们要改变一个观念，觉得精准营销就是效果广告，我们认为精准营销更重要的是效果广告加上品牌广告，品牌广告更重要。如果你不用精准营销，你是广播式的投广告的话，你的目标客群很少。还有一些投放的评估，当你投放问之后，效果怎么样，有多少人点击了，多少人购买了，你投放广告的哪个渠道效果更高，你就会选择对你的投资价值最高的渠道。

这个是我们的一些案例分析，这是帮江苏的银行做的APP安装，用了我们的数据和渠道。用了这个优化技术之后，他在一开始广投的时候，只有0.38%，也就是投了一万个，才有38个有可能安装他的APP，我们用了精准营销之后，一万个里面有400个。这个是帮国际欧莱雅的品牌做的品牌广告。它在没用我们的数据之前，它的目标客群在优酷、爱奇艺投广告的时候TA是22%，然后花了很小的费用，营销效果提高到了30%。这个是帮一个线下珠宝做了消费者的数据采集和画像，帮品牌广告选了一些地点、时间，这样的话，经过优化的地点选择、时间选择，线下的效果是有较大提升的，最大的提升，就是种子客户的转化率，一天进入100个，在没有投精准广告的时候，可能有20个转化成它的客户，但是有了这个精准的位置建议、时间建议的时候，它可能就提升了10%到20%。这个是我们帮深圳的股份制上市银行做的银行卡UBER，当没有这种数据营销的技术，没有这种精准营销定位设备的时候，它的绑卡率只有0.2%，当我们用数据分析之后，通过一些已有的种子拿到一些潜在客户，他就变成的10.3%，经过精准分析之后，反倒是有车的人是绑卡率比较高的。在银行中发现3%的客户买了他70%的才片，十亿活跃设备机器学习，学了两万五千个设备，大概十天左右短信的打开率是6.5%，通过这种精准营销，这种转化率就是点击了短信，人均购买了12万产品，大概卖了2个亿的产品。这是证券行业的案例，证券行业有自己的数据，但是它缺少外部的行为数据，把我们的行为数据作用补充之后，还是用他自己的模型，他掏出一部分种子客户，都是同样的证券公司，河南的证券公司，挑出当地的两类客户，一类客户是他自己的内部学习的模型中挑出的客户，一部分是补充了我们行为数据的客户，在人均资产转化上，用了他的数据，他们的收入是1万，用了我们的数据，在加上他们的数据，大概是5万。

最后总结一下，技术的营销创新需要三个条件，第一个是人的智慧，人的智慧是永远都不能缺失的，包括人工智能，第二个是智能数据，第三个是你要有一个平台，这个平台就是大数据技术的平台，就是我们的TalkingData，我的演讲到这里，谢谢。