8月14日，TRUEMETRICS（触脉咨询）携手Google，在西安成功举办了【数据驱动购物季】主题分享会。和大家一起探讨数据驱动下的最新营销趋势和实战经验。
本文将为您摘录其中的一些关键洞察和趋势类信息，旨在为品牌在即将到来的购物季及后续的数据驱动策略中提供有力支持。
1、过去“粗放式”的贸易时代已一去不复返，未来需要通过精细化运营，以数据驱动的方式更精准地找到目标用户，解决他们的痛点，从而建立起彼此的信任感。
从2018年到2023年，跨境电商的出口额在五年间实现了三倍的增长，从0.6万亿元增长至1.8万亿元。这一增长趋势表明跨境电商始终保持着积极向上、蓬勃发展的势头。
同时，我们还观察到一个显著的趋势：中国制造正逐步向中国品牌转型，越来越多全球消费者认可和认识“中国品牌”，中国品牌有更多想象空间，可以是有创新、有品质、有价值的。但同时，十年前那种粗放的出口模式和跨境电商方式，如今已经难以继续奏效。尤其是在竞争异常激烈的服装行业。
中国品牌的崛起在Google搜索中也得到了明显的体现。在BrandZ的出海品牌榜单中，我们不仅看到了那些耳熟能详的零售品牌，还发现了许多新上榜的创新品牌。
BrandZ零售品牌在过去三年的自然搜索量翻了三倍。这意味着越来越多的消费者主动搜索并了解这些品牌，自然搜索量的增长无疑是品牌力提升的有力证明，也成为了这些品牌的核心竞争壁垒。
过去粗放式的贸易时代已一去不复返，未来需要通过精细化运营，以数据驱动的方式更精准地找到目标用户，解决他们的痛点，从而建立起彼此的信任感。
2、在讨论衡量策略时，采用更科学的衡量方法至关重要。
我们在投放谷歌广告时，通常会关注衡量的KPI和ROI，但这里的衡量并没有简单。我们通过图中的三角模型来理解Google未来的效果衡量策略。
首先，从归因（Attribution）开始，归因分析的主要任务是确定哪个渠道最终带来了转化，如果大部分预算都投放在谷歌广告上，那么我们只需要查看谷歌广告的数据，这些数据通常包括广告端的数据以及部分落地后的数据，如交易转化、加车等，形成一个闭环。然而，如果您在其他渠道也有投入，就需要了解具体哪个渠道最终带来了转化，比如可以通过GA4因为整合多渠道数据。
归因分析解决的问题是：我的转化是否被某个渠道触达过。但是，随着运营的精细化，仅靠归因分析可能不够。
广告转化是否真的带来了增量？还是这些转化原本就是忠诚的老客户，不需要广告也会购买？此时，我们需要进行增量测试（Incrementality Experiments），这可以直接在谷歌广告中实现，帮助您衡量广告是否真的带来了增量。
最后，假设我们有100万美元的预算，需要在四个渠道间进行分配，如何才能实现最大化的效果？这时就需要用到营销组合建模（Marketing Mix Modeling，MMM）。MMM将所有渠道纳入分析，帮助我们决定如何分配预算以最大化销售收入或GMV。
传统MMM的挑战在于数据准备周期长且结果可操控性强，这可能导致客户对结果的信任度下降。为了解决这些问题，谷歌推出了Meridian（子午线）产品，目前这一产品仍处于早期阶段。
未来，谷歌计划将整个Meridian工具开源，从建模到数据准备、模型整理，再到结果解读，帮助他们更好地应用这一工具。如果大家有兴趣探索这一领域，可以联系触脉咨询了解更多关于模型的信息和业务赋能场景。
3、我们不仅要与国内的竞争对手竞争，还要面对更多海外同行的挑战。在这种背景下，如何最大化现有数据资产的价值，用好我们自己的第一方数据成为了关键问题。
根据触脉咨询从去年到今年观察到的一些趋势，第一个趋势是广告渠道的去中心化。例如，在营销和广告端的同事中，有多少人已经注意到预算的分配不再像过去那样为了保持基本盘把投放都集中在谷歌这一个单一平台。随着Meta等其他渠道的加入，以及更多新兴渠道的出现，广告预算需要在多个渠道间进行管理和分配。
其次，销售平台的去中心化也是一个显著趋势。
过去，客户主要集中在亚马逊或Shopify上。然而越来越多的客户开始意识到建立自主掌握的品牌渠道的重要性。因此，许多客户开始布局独立站，并探索新的平台，这导致广告费用也被分摊到不同的导流渠道上。
这些变化使得我们对后续投放效果的评价变得更加复杂，归因问题变得不可避免。过去的归因问题主要是如何分配广告投放的效果，现在则更加复杂，因为广告渠道和销售终端的多样化使得归因分析面临更大的挑战。
第三部分，我们要关注海外市场，尤其是在数据隐私合规和技术变化方面，这些问题在海外市场显得尤为敏感。我们不仅要与国内的竞争对手竞争，还要面对更多海外同行的挑战。在这种背景下，如何最大化现有数据资产的价值，用好我们自己的第一方数据成为了关键问题。
总结来看，有几个关键趋势需要强调。首先，企业需要更高效的归因模式。“最后点击”（last click）模型只是一个起点，高效的归因模式最终要发展为营销组合模型（Marketing Mix Model）。
因为归因不仅涉及到企业自身的数据，还要考虑竞争对手在同一渠道上的投入，以及宏观市场的影响。这就是营销组合模型的重要性，它能帮助企业在综合考虑多方因素后，做出更合理的预算分配。
其次，数据决策的高效性越来越重要。这也是为什么GA4和其他分析产品的应用变得如此关键。过去，我们可以在产品上线一周后，观察其表现来决定是否调整策略。但现在，市场变化速度加快，企业需要有一个完整的数据决策链路，能够快速响应市场变化，做出及时的调整。
最后，我们需要更加高效的用户分群系统。随着第三方数据的利用受到限制，越来越多的企业意识到必须建立自己的一方数据分层系统。这不仅能帮助企业更好地决定营销策略，如通过邮件和EDM触达用户，还能挖掘数据的深层价值，提高ROI。例如，针对高价值用户，我们可以进行精准营销，从而最大化他们的潜在价值。
4、许多企业没有建立从分群、测试到数据分析、再到下一轮投放优化的标准化流程，这导致分群策略无法有效执行。
用户分群看似简单，但在实际操作中常常难以落地。很多时候，企业在广告投放效果不理想时，会考虑对用户进行分群，并尝试通过数据分析来优化投放效果。然而，用户分群之所以难以实施，主要原因在于缺乏完整的测试流程。
许多公司没有建立从分群、测试到数据分析、再到下一轮投放优化的标准化流程，这导致分群策略无法有效执行。
我们可以通过一张图来展示这个过程，其实整个流程并不复杂。通常在成熟的广告账户中，投放测试有两种主要方式：第一种是AB测试。这种方法适用于广告组级别的测试，通过对比不同人群包的表现来判断哪一个更有效。
在这个过程中，我们通常会使用控制变量法，确保投放花费和广告素材一致，从而准确评估每个广告组的效果。根据测试结果，效果好的广告组可以增加预算，效果不佳的广告组可以调整或暂停。
第二种方法适用于PMAX等无法直接进行AB测试的情况。这时，我们需要在加入信号前后对数据进行对比，例如记录ROI、CPC和CPM等指标的变化。虽然这听起来简单，但在很多公司中，这一过程往往没有标准化，导致营销团队在接分群后的数据时，无法有效评价其优劣。
此外，在分群策略中还需注意人群的独立性。例如，“加入购物车未购买”的人群和“加入购物车并完成结算”的人群之间存在包含关系，构建人群包时应避免重叠。一个小技巧是在添加人群包时，使用排除选项来确保人群包的独立性，这样可以减少干扰因素。
最后，如果条件允许，我们建议将上述流程自动化。首先从简单的规则性用户分群开始，逐步积累数据和经验，再通过自动化工具和模型化理论提升整体流程的效率。这样，企业可以在更大规模上实现数据驱动的精准营销。
5、我们需要不断调整投放策略，以适应新的市场环境。在这一过程中，GA4的数据积累至关重要，特别是细致的行为数据采集。
在第一个阶段，即Aware阶段，用户还不知道品牌的存在。这时，我们需要将企业高价值的用户群体分离出来，并将这些用户数据传输到各个广告账户中。通过广告投放，我们可以根据用户的属性特征找到与这些高价值用户相似的群体，因为这些人可能还不了解我们的品牌。
接下来是Appeal阶段，用户已经通过广告触达并开始了解品牌。在这个阶段，我们的目标是优化广告点击率，确保用户在访问网站后不流失，并引导他们进行关键行为，如点击广告、浏览产品等。此后，用户进入电商流程，并进行购买行为。
为了确保用户生命周期的每个阶段都能得到有效的覆盖，我们需要在每个阶段都设置人群包。通过这种方式，我们可以实施一个完整的用户生命周期投放策略，确保广告投放的效果最大化。
我们为什么不能只依赖再营销？因为再营销的对象往往是已经访问过网站的用户，随着投放次数的增加，可触达的用户群体会越来越少。从最初的100万人，可能逐步减少到20万、10万，甚至5万。
这部分用户虽然仍有价值，但要最大化其潜力，我们需要将数据传递给第三方，寻找与这些用户相似的潜在客户。无论是通过机器学习自动寻找，还是通过分析得出相似用户的特征，主动进行扩展和分析是关键，只有这样我们才能有效扩大受众规模。
6、随着销售触点的多样化和市场趋势的变化，我们还需要不断调整投放策略，以适应新的市场环境。在这一过程中，GA4的数据积累至关重要，特别是细致的行为数据采集。
为了达到最终的效果，我们需要充分利用一方数据、三方数据以及宏观数据，通过Marketing Mix Modeling来评估广告投放的整体效果。随着隐私合规和技术限制的增加，我们无法像过去一样对用户进行细致的分析，因此需要通过模型来模拟和预测广告的效果。此外，随着销售触点的多样化和市场趋势的变化，我们还需要不断调整投放策略，以适应新的市场环境。
在这一过程中，GA4的数据积累至关重要，特别是细致的行为数据采集。如果仅仅采集到站和购买的数据，而忽略中间过程的数据，模型将无法准确分析用户行为。
因此，我们需要在用户行为的各个环节设置打点，从产品曝光、点击、加入购物车到最终支付，甚至包括详情页的停留时间、查看退换货政策和客服沟通等环节。通过这些细致的打点，模型可以获得更多信号，从而更好地理解用户意图。
然后，我们再结合外部因素，如竞争对手的预算和投放策略，最终形成一个全面的归因分析结果。
例如，营销效果分析通常会通过可视化看板进行展示，这些看板可以通过Looker Studio免费创建，并且能够整合GA4、Google Ads、BigQuery等多种数据源。这些数据可以在初级阶段就为模型的构建提供支持，并逐步向更复杂的模型过渡。
7、传统的渠道管理和用户数据分析已经无法满足需求。面对当前的市场挑战，企业必须在数据整合、策略优化和数字化转型方面不断努力。
在面对更复杂的市场环境和多样化的营销渠道时，越来越多的企业发现，传统的渠道管理和用户数据分析已经难以满足他们的需求。特别是对于那些已经积累了大量用户数据，并在多个国家和地区拓展业务的企业来说，这一挑战尤为显著。
以某家电品牌为例，该企业在过去两到三年中迅速增长，并积累了大量的用户CRM数据。随着企业扩展到不同的国家和品牌站点，甚至建立新的独立站点，他们面临的一个关键挑战是如何有效整合这些分散的数据，优化营销策略以实现高增长目标。
首先，企业需要认识到，不同市场间的差异使得简单地复制一个成功站点的策略到另一个市场已经不再可行。
例如，欧洲市场、北美市场、东北亚市场以及日韩市场在消费者行为和需求方面存在显著差异。因此，企业需要为每个市场量身定制独立的策略，而不仅仅依赖于一个通用的成功模式。
此外，企业还需要考虑产品类别的扩展。例如，从小家电和美妆产品拓展到母婴产品时，企业必须深入了解目标用户的需求与行为。这意味着，他们不仅需要在数据层面上整合不同的渠道和市场，还需要在策略层面上进行精细化的调整。
随着全球经济的紧缩和市场竞争的加剧，企业在获取客户和保持增长方面面临巨大的压力。尤其是在广告投放成本逐年上升的背景下，如何提高广告的投资回报率（ROI）成为企业面临的一个主要挑战。同时，随着隐私政策的收紧和技术的变革，企业必须更为注重数据的合规性和使用效率。
为了应对这些挑战，企业需要在数字化转型方面加大力度，通过数据驱动的方式来设计、制造、销售和运营。同时，在营销数字化方面，企业应该关注以下几个关键指标：LTV（客户生命周期价值）与CPA（获客成本）比率、CVR（转化率）与AOV（平均订单价值）、以及ROAS（广告支出回报率）。
对于许多企业而言，真正的难题在于如何整合分散在各个地区和渠道的数据，并通过这些数据优化其运营和营销策略。尽管许多企业已经意识到CDP（客户数据平台）对于数据整合的重要性，但在实际操作中，如何在一年内构建一个有效的CDP系统仍然是一个巨大的挑战。
在这一过程中，企业需要优先考虑用户数据的整合与利用。例如，通过对用户行为的细致分析，企业可以更好地理解用户的需求和行为模式，从而制定更加精准的营销策略。同时，通过整合多渠道的数据，企业可以实现更加有效的跨品类销售和新产品推广。
总之，面对当前的市场挑战，企业必须在数据整合、策略优化和数字化转型方面不断努力。
作为谷歌的认证合作伙伴，触脉咨询（TRUEMETRICS）专注于帮助品牌在谷歌生态中充分利用数据驱动的优势，实现精准营销与业务增长。如果您在数据驱动的营销策略中遇到任何挑战，或希望进一步挖掘数据的潜力，我们随时为您提供支持。
欢迎您随时联系触脉咨询