阿里&紛析：數智化轉型小黑書（63頁）.pdf

1、品牌增長源動力系列之二 NO.1你真的準備好了嗎？ NO.2 你認為的“全域”是真正的全域嗎？ NO.4 你想洞察全域消費者，卻有心無力？ NO.7 CRM / DMP / CDP / 云上數據中臺，如何 做選擇？ NO.6 上云對品牌帶來的價值究竟是什么？ NO.3 你的品牌數據是可持續增值的資產嗎？ NO.5 繁多的觸達方式，是否讓你覺得無從下手？ 七個自問 ？ 品牌營銷數智化轉型的 看品牌全域增長 站 在 上 R 紛析 咨詢 *#=”+=#:*#=:*#= #=”# ”+=”+”# :/(* )#,”-#/”+=* /+= #:*#=+= # #=” *#=”+= #:* = *#=”

2、#=”# ”+=# += + ” += # *#= = * = # : : #= *# = ” / += * * = # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if failed. */ void InitLoggingSystem(conststd:string /*Uninitialize

3、 the logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); 102.py 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 2009年 在北京上地匯眾大廈一間簡陋的辦公室里 工程師們寫下了 阿里云的第一行代碼 這些年輕人當時可能完全沒有想到 由這行代碼延展開的“云” 某一天會幫助眾多品牌實現數智化的全域增長 兩年前， 品牌增長源動力系列之一品牌營銷數字化轉型啟示錄面世， 一群先行

4、者們通過他們的數智化探索， 為營銷行業打開了新的視野和思路， 重新找回驅動品牌持續增長的力量。 營銷人的數智化能力到底如何呢？ 掃一掃 立馬測試 能力鑒定器 營銷品牌增長源動力 系列之一的下載二維碼 數智化 兩年過去了， 在營銷行業人盡皆談數智化的今天， 放眼當下 品牌增長源動力系列之二03 不同行業和不同崗位，調研都呈現出較強的數據意識，表明數智化營銷受到前所未有的廣泛認同與重視。但各行業 各崗位從業者的數據知識則顯著不足，可能成為制約數據意識落地的首要短板。 品牌營銷人數智化能力現狀 從行業角度分析： 大部分數據意識更強的行業（美妝、零售、教育），它們的數據規劃、工具和應用能力相對也更強。

5、這意味著這些 行業并不是只停留在數智化的意識和口號上，而是將數智化營銷落地為具體的行動。數智化對它們是真刀真槍的實 踐，而不只是概念或愿景。 行業數智化能力分布 2.0 4.0 6.0 8.0 10.0 汽車 日化 食品飲料 美妝 IT / 3C 服飾零售 商超零售 醫藥保健 金融 教育 互聯網服務 其他 數據意識數據知識數據規劃數據工具數據應用數據來源：紛析咨詢2020年12月調研數據 從業者對各大互聯網平臺提供的數據工具認知生疏 70% 只有不到30%的答題人能夠正確回答關于數據打通相關的問題 30% 食品飲料行業在數據應用上 的 得 分 比 平 均 水 平 低 27.7%。 服飾零售行業

6、在數據應用和數據工 具上的得分分別比平均水平低 25.2%、18.9%。 汽車行業從業者的數據應用部分平均 分 低 于 全 部 有 效 問 卷 平 均 分 的 14.6%，數據工具部分則更是低于平 均的23.3%。 123 2 3 1 品牌增長源動力系列之二04 數字營銷崗位的從業者在未來擇業領域 中具備更自由的空間。一方面，他們具備 更實操的數據基礎知識，另一方面他們在 數據方面的敏銳度和規劃能力結合自身業 務后，能更快速地見效。 3 媒介從業者中的57%無法正確回答關 于程序化合約投放的問題。這也表明，數 智化營銷的轉型重點從前幾年偏重營銷前 端投放的程序化廣告，正全面轉向后鏈路 和全鏈路

7、的營銷。 2 O2O和新零售崗位是數智化營銷轉型 的排頭兵。大多數企業通過整合原有團 隊，形成橫向新團隊來應對近場電商以及 服務的提供，他們擁有更好的數據意識和 更強的數據應用能力。 4 2.0 4.0 6.0 8.0 10.0 品牌營銷 消費者及市場調研 數字營銷 （包括社交、會員等） 媒介計劃、采買與投放 電商營銷及運營 O2O 與新零售 IT 與技術相關 數據意識數據知識數據規劃數據工具數據應用 1 2 3 4 數據來源：紛析咨詢2020年12月調研數據 職業數智化能力分布 消費者及市場調研的數據知識遠低 于平均表現。這背后的原因有可能是：傳 統調研時代他們更關注宏觀數據，一旦進 入運營

8、場景的多領域數智化后，數據和產 品陡增，反而導致這個崗位的從業人員無 法面面俱到，導致理論和動手能力的脫 節。 1 品牌增長源動力系列之二05 數字營銷崗位的從業者在未來擇業領域 中具備更自由的空間。一方面，他們具備 更實操的數據基礎知識，另一方面他們在 數據方面的敏銳度和規劃能力結合自身業 務后，能更快速地見效。 3 媒介從業者中的57%無法正確回答關 于程序化合約投放的問題。這也表明，數 智化營銷的轉型重點從前幾年偏重營銷前 端投放的程序化廣告，正全面轉向后鏈路 和全鏈路的營銷。 2 O2O和新零售崗位是數智化營銷轉型 的排頭兵。大多數企業通過整合原有團 隊，形成橫向新團隊來應對近場電商以

9、及 服務的提供，他們擁有更好的數據意識和 更強的數據應用能力。 4 2.0 4.0 6.0 8.0 10.0 品牌營銷 消費者及市場調研 數字營銷 （包括社交、會員等） 媒介計劃、采買與投放 電商營銷及運營 O2O 與新零售 IT 與技術相關 數據意識數據知識數據規劃數據工具數據應用 1 2 3 4 數據來源：紛析咨詢2020年12月調研數據 職業數智化能力分布 消費者及市場調研的數據知識遠低 于平均表現。這背后的原因有可能是：傳 統調研時代他們更關注宏觀數據，一旦進 入運營場景的多領域數智化后，數據和產 品陡增，反而導致這個崗位的從業人員無 法面面俱到，導致理論和動手能力的脫 節。 1 品牌

10、增長源動力系列之二05 品牌增長源動力系列之二06 服飾零售、食品飲料和汽車行業 數智化亟待提升 紛析咨詢創始人兼CEO 宋星 從業者數據知識的掌握遠不樂觀 美妝行業迎頭趕上 數據意識方面，從業者表現出非常統一的對數據價值的認可，對數據應用的前景普遍樂觀。但對數據的感覺則未 達預期，從業者在“設有陷阱”的常識題目上的回答正確率竟只有9.5%，尤其是其中關于“A/B測試的辛普森悖 論”的題目，只有1.3%的答題人答對。而在題目：“小明在優酷APP看到某品牌前貼片廣告，其落地頁鏈接是到 天貓旗艦店，該品牌是否可以獲取小明的手機號？”上的回答正確率只有21.9%。也只有26.9%的答題者對微信生 態

11、中UnionID的作用有正確的認知。這表現出從業者在數據知識上存在“肉眼可見”的盲區。 答題中的一個亮眼的趨勢是美妝行業。在除數據規 劃的四個部分的回答中，都高于平均分，甚至在數 據應用這一項目的得分中僅次于商超零售從業者的 答題得分。這與美妝行業近兩年風起云涌的營銷數 智化轉型浪潮關系緊密，同時，DTC的風潮更有推 波助瀾之功。 這三個行業表現出與其他行業不同的特征。這三 個行業對數據意識表現優異，例如，在“你認為 未來3年數字營銷發展的核心趨勢是？”和“你認 為目前企業數字營銷發展，最大的阻力是什 么？”這兩個衡量數據意識題目的解答上，有接 近90%的答題者都選擇了最高分的答案，高于其 他

12、行業。但對數據規劃、數據工具、數據應用這 三個大項題目的回答得分則低于大部分行業，例 如，汽車行業從業者的數據應用部分平均分低于 全部有效問卷平均分的14.6%，數據工具部分則 更是低于平均的23.3%。食品飲料行業在數據應 用上的得分比平均水平低27.7%。服飾零售行業在 數據應用和數據工具上的得分分別比平均水平低 25.2%、18.9%。 R 紛析 咨詢 電商人的數據工具能力最強 各個崗位對于數據工具回答準確率并不理想，但電 商崗位除外。全部崗位的數據工具回答正確率為 65.5%，而電商行業的營銷從業者，數據工具題目 的回答正確率超過90%。 好幾個職位的數據應用和數據工具相關題目的結果都

13、不盡如人意。例如，只有不到三成的答題人能夠正確回答關于 數據統一的問題。而媒介從業者竟然接近六成（57%）無法正確回答關于程序化合約投放的問題。還有接近一半 （45%）的媒介從業者很少或完全不利用廣告投放回流的ID和數據去優化媒介投放。超過一半（56%）的品牌人和 三分之二（66%）的電商人不常用DMP等工具進行人群畫像或洞察。數據應用相關題目的答題正確率是48.9%。數 據工具應用相關題目的答題正確率只有38.5%，表現出對數據工具應用的生疏。 數字營銷從業者“最棒”， 品牌營銷人還需努力 數字營銷從業者的答題正確率在所有的“工種”中 名列前茅，而品牌營銷人則僅比“IT及技術相關” 的崗位答

14、題正確率高?？紤]到“IT及技術相關”答 題人的數量太少，調研或許不具有代表性，那么品 牌營銷人可能是具有統計學意義的調研結果中實際 表現最弱的。例如，在數據知識方面，品牌從業者 平均得分低于全部答題人平均得分近20個百分點， 在數據工具應用上，品牌營銷從業者一般不會混淆 工具的大致應用場景，但對工具具體的應用細節表 現得很模糊。 阻礙企業數字營銷發展的 最大阻力 無論什么行業或崗位，都認為最大阻力是“企業組 織架構不匹配”（30.3%答題者選擇該項，排名第 一），其次是“外部營銷環境復雜”（27.4%答題 者選擇該項，排名第二）。 工作年限與數智化能力并沒有 直接關系 另一個有意思的發現，是工

15、作年限與數智化能力并 沒有直接關系。在調研中，并沒有發現答題得分與 工作年限有正相關關系。答題正確率最高的工作年 限是3-7年。這可能意味著，數智化能力較強的從 業者，未必是企業更高職位的管理者。 從業者在數據應用上的眼界不夠廣闊 品牌增長源動力系列之二07 工作年限與數智化能力并沒有 直接關系 另一個有意思的發現，是工作年限與數智化能力并 沒有直接關系。在調研中，并沒有發現答題得分與 工作年限有正相關關系。答題正確率最高的工作年 限是3-7年。這可能意味著，數智化能力較強的從 業者，未必是企業更高職位的管理者。 從業者在數據應用上的眼界不夠廣闊 品牌增長源動力系列之二07 品牌增長源動力系列

16、之二08 一面是強烈的意愿， 另一面是能力亟待加強卻不知從何著手， 當我們面向未來希望 全面推進數智化 時， 不得不先解決這個矛盾。 數智化轉型之路的下一段該怎么走， 這也是我們推出品牌增長源動力系列之二的初衷。 面向未來 在你正式翻閱這本書之前，請容許我們達成一個共識-數智化轉型，比想象的更 加嚴肅和深刻，不是設立了數字化部門，企業就在做數智化轉型了。而這本書里 的視角和觀點，更是將把數智化推向一個新階段。 Stream.of(Apsara, 2019, 9.25 9.27, Digital Economy) .map(x - 57 = x.charAt(0) ? Here is the :

17、 50 = x.charAt(0) ? x.concat(:) : x) .reduce(x, y) - x + + y) .ifPresent(System.out:print); # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if failed. */ void InitLoggingSyst

18、em(conststd:string /*Uninitialize the logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); Q1 你真的準備好了嗎 ？ 沒有人懷疑，數智化轉型是一號位工程。但說實話，很多一號位并不清楚，自己到底要扮 演好哪些關鍵角色。我們可以從兩個最為源頭的要素來剖析，即數智化轉型最重要的兩個 準備，一個是決心，一個是意識。 一號位，往往都是品牌數智化轉型的發起者，這是最基本的一個角色，所以決心這一點

19、， 大家基本都不缺。然而，為何數智化的進展有快有慢呢？這往往是由第二個要素營銷 意識的差異而決定的。營銷環境已經發生了劇烈的變化，消費者比過去更加碎片化，獲得 的商業信息也比過去更多，且更分散。單位成本下能夠觸達的消費者數量實際上在減少。 品牌必須以新的技術和方法觸達那些更應該觸達到的消費者，并持續培育他們；同時，消 費者的碎片化，也意味著需要以全域的方式去觸達和交互。因此，一號位的第二個關鍵角 色，是運籌帷幄，以全域全局的視角，制定核心策略和集中資源，讓新技術、新方法能在 公司運轉，新的變化才會快速發生。 一號位的另外一個重要職能，還在于做好組織設計，進行權力分配。 想象一下，如果依然用原有

20、已經僵化的組織結構來作戰，各部門的工作仍然彼此獨立，甚 至出現沖突和制衡，根本談不上高效地協作，負責實際推動數字化的部門拿不到足夠的資 源，也無法支撐整個品牌的營銷數智化轉型。那么，到底要做怎樣的組織設計，來合理地 進行權力分配呢？ 在過去的組織架構中，矩陣式排布是最常用的方式，不僅市場部和電商部如此，線下的銷 售部門、供應鏈部門等也都是并列存在的角色，它們之間往往沒有交集。 數智化轉型所需的組織，恰恰就是要打破這種多部門各自為政的架構，一號位需要高屋建 瓴地進行組織設計，梳理好各部門之間的角色關系，更重要的是，對于數智化負責人來 說，需要給予明確的權力，來調動全公司的資源。 你會發現，很多公

21、司都在打破原來的舒適圈。事實上，最近幾年營銷組織的架構調整，無 論次數還是劇烈程度，都大大超過以往，這是每個公司都將面對的，表面的和平反而會隱 藏更大的危機。 CEO工程 CEO PROJECT ORGANIZATION DESIGN 組織設計 我們的觀點 品牌增長源動力系列之二10 有使用數據和理解數據的能力，并應用到數字化的消費者運營當中，這恐怕是對 數字營銷人才當下最基礎的要求。 同時，如今的數智化進程，是前所未有的浪潮，沒有人已經具有完備的能力，企 業的數字人才發展需要更具有長線思維，這些人才不僅是會用數據，更重要的是 要有對商業的洞察，理解品牌線上、線下的生意邏輯，創造出無限的商業場

22、景和 商業機會。 為懂數據、懂運營、懂商業的復合型人才，制定短長期的人才規劃，你做到了 嗎？ TALENT DEVELOPMENT 人才發展 他們的視角 企業組織的架構、流程和KPI是為了讓企業業務運營模式能高效率的 運行，組織是對業務運營模式的“固化”。數字化轉型催生了各個 行業新的業務運營模式，因此企業組織的設計和運營也將相應改 變。 新的業務運營模式，不是簡單地把企業原來的運營模式數字化，而 是以消費者為中心、數據技術為驅動，線上線下通盤考慮。重構 人、貨、場的運營來幫助企業更高效的經營，服務更多的消費者， 更全面的服務消費者，和更優化每一次服務消費者的體驗和成本。 業務運營模式的變化不

23、是局部工程，而是從產品研發、市場、渠道 和物流供應鏈等全鏈路的系統工程，從CEO到門店導購，企業組織 的每一個角色都參與其中，需要以消費者為中心重新設計組織如何 運營。通過數智化來實現扁平、開放、靈活的組織形態，讓一線面 對消費場景的運營數據和反饋可以實時回流和分析總結，從而加速 決策；讓企業的決策指引和核心能力可以高效溝通配置給每一位一 線員工，從而優化執行。這些使整個組織真正踐行“以消費者為中 心”提高經營效率的同時，也大幅降低了組織的協同成本。 靖捷 阿里巴巴集團副總裁 阿里巴巴數字經濟體企業服務 體系秘書長 企業數字化轉型催生組織全局變革 有使用數據和理解數據的能力，并應用到數字化的消

24、費者運營當中，這恐怕是對 數字營銷人才當下最基礎的要求。 同時，如今的數智化進程，是前所未有的浪潮，沒有人已經具有完備的能力，企 業的數字人才發展需要更具有長線思維，這些人才不僅是會用數據，更重要的是 要有對商業的洞察，理解品牌線上、線下的生意邏輯，創造出無限的商業場景和 商業機會。 為懂數據、懂運營、懂商業的復合型人才，制定短長期的人才規劃，你做到了 嗎？ TALENT DEVELOPMENT 人才發展 他們的視角 企業組織的架構、流程和KPI是為了讓企業業務運營模式能高效率的 運行，組織是對業務運營模式的“固化”。數字化轉型催生了各個 行業新的業務運營模式，因此企業組織的設計和運營也將相應

25、改 變。 新的業務運營模式，不是簡單地把企業原來的運營模式數字化，而 是以消費者為中心、數據技術為驅動，線上線下通盤考慮。重構 人、貨、場的運營來幫助企業更高效的經營，服務更多的消費者， 更全面的服務消費者，和更優化每一次服務消費者的體驗和成本。 業務運營模式的變化不是局部工程，而是從產品研發、市場、渠道 和物流供應鏈等全鏈路的系統工程，從CEO到門店導購，企業組織 的每一個角色都參與其中，需要以消費者為中心重新設計組織如何 運營。通過數智化來實現扁平、開放、靈活的組織形態，讓一線面 對消費場景的運營數據和反饋可以實時回流和分析總結，從而加速 決策；讓企業的決策指引和核心能力可以高效溝通配置給

26、每一位一 線員工，從而優化執行。這些使整個組織真正踐行“以消費者為中 心”提高經營效率的同時，也大幅降低了組織的協同成本。 靖捷 阿里巴巴集團副總裁 阿里巴巴數字經濟體企業服務 體系秘書長 品牌增長源動力系列之二11 凱度中國CEO BrandZ全球總裁 王幸 Doreen Wang 消費型經濟模式下，中國品牌的格局在經歷巨大的變化，打造強品牌是 企業對抗不穩定性的錨點。數智化轉型是品牌提升競爭力，驅動未來價 值增長的必經之路。 數智化是品牌融合智能運營、業務增長和品牌體驗迭代優化的關鍵紐 帶，為品牌戰略補充了兩大視角，一是多元數據統一，賦能產品、渠 道、營銷等多維度的業務創新，網羅增量，驅動

27、業務增長；二是數智力 內化，營造一個數智化驅動的、靈活敏捷的團隊合作生態，讓數據更高 效的推動決策效率。 數智化戰略的成功，取決于品牌掌門人的數智化領導力。一要具備數智 化意識，開放視野，洞悉全渠道發展對增長的意義，對新技術、新工具 保持開放創新，激發企業的數智化適應性；二要推動敏捷柔性管理，改 變固化管理，靈活調整組織架構和業務流程來適應市場變化，激活跨部 門合作潛力。 數智化戰略遠不僅是線上渠道開發和數據系統搭建。品牌需要把“數智化”融入到品牌建設、經營的每個環節中， 讓其成為品牌發展的增長引擎。 數智化領導力為數智化轉型奠定了堅實的基礎和全局視角，當落地到業務層面時，需要更聚焦數據和技術

28、如何才能 賦能生意增長。凱度為品牌數智增長提出了三大數智化實施路徑： 通過盤活數據資產，全面深度認識經營現狀，以更精細化的運營提升效率 面向全渠道，找到經營模式的新機會點，以數智化的方式激活增長 向內變革，橫向打通企業內部的協作，讓組織運作更敏捷，適應性更強 提升經營效率： 挖掘增長潛力： 夯實組織基建： 數智化是品牌未來持續增長的必經之路 品牌增長源動力系列之二12 數據與技術賦能的數智增長戰略路徑 提升經營效率 精準人群細分與定位 核心人群需求挖掘 高潛人群精準招新 全域投放效果評估 自動化營銷 精細化媒介運營 產品迭代優化 新市場進入 品牌出海 機會市場開發 細分場景滲透 新渠道探索 渠

29、道業務模式創新 全渠道差異化布局 人群與場景指導的 產品匹配 消費者驅動的 產品開發 大數據驅動的品牌 價值重構 全渠道品牌健康 提升 全渠道戰略布局 品牌重塑 數據技術能力建設 外部數字生態開放創新 全部門數字化組織設計 數字化崗位設置 評估體系 數字+商業洞察能力 內生性能力培養機制 數字化團隊建設 數字化能力培養 挖掘增長潛力夯實組織基建 數據收集處理： 數據中臺 / CRM / CDP / DMP / Data Lake 等 品牌增長源動力系列之二13 Stream.of(Apsara, 2019, 9.25 9.27, Digital Economy) .map(x - 57 = x

30、.charAt(0) ? Here is the : 50 = x.charAt(0) ? x.concat(:) : x) .reduce(x, y) - x + + y) .ifPresent(System.out:print); # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if faile

31、d. */ void InitLoggingSystem(conststd:string /*Uninitialize the logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); Q2 這幾年，隨著阿里巴巴全域營銷的大力推行，“全域”成為了各行各 業的熱門詞，但大家對“全域”的理解卻不盡相同。 那么，品牌數智化營銷需要看到的“全域”究竟是怎樣的？ 你認為的“全域” 是真正的全域嗎？ 零售總監眼中 的“全域” 全國500家

32、門店 企業 CEO 眼中 的“全域” 線上+線下 所有品牌與消費者 產生關系的陣地 電商平臺副總裁 眼中的“全域” 阿里 京東 拼多多 SCRM經理眼中的“全域” 微信生態 品牌增長源動力系列之二15 提到“全域”，大家在認知層面的差異性并不大，是一種全局概念，線上、線下所有品牌與消費者產生關系的陣地 合集，才能稱得上全域。 而落在實際的業務場景中，它往往會變成一種物理意義的概念，對應的是營銷陣地的大小，幾種不同的、有大有小 的“全域”就出現了。 這也是為什么我們在開篇第一章就提出“CEO工程”這個關鍵點，企業的CEO一定是在其中扮演決策角色的，在整 體經營視角進行數智化的戰略布局，這才能實現

33、真正的全域。 我們的觀點 營銷陣地 零售總監眼中 的“全域” 全國500家門店 企業 CEO 眼中 的“全域” 線上+線下 所有品牌與消費者 產生關系的陣地 電商平臺副總裁 眼中的“全域” 阿里 京東 拼多多 SCRM經理眼中的“全域” 微信生態 提到“全域”，大家在認知層面的差異性并不大，是一種全局概念，線上、線下所有品牌與消費者產生關系的陣地 合集，才能稱得上全域。 而落在實際的業務場景中，它往往會變成一種物理意義的概念，對應的是營銷陣地的大小，幾種不同的、有大有小 的“全域”就出現了。 這也是為什么我們在開篇第一章就提出“CEO工程”這個關鍵點，企業的CEO一定是在其中扮演決策角色的，在

34、整 體經營視角進行數智化的戰略布局，這才能實現真正的全域。 我們的觀點 營銷陣地 品牌增長源動力系列之二15 全洞察 人、貨、場多維度的 消費者全洞察 Uni Marketing 全渠道 全媒體 全媒體觸點的 規模個性化觸達 全域營銷的能力 從AIPL出發的品牌全鏈路 營銷，包含新品上市、會 員運營、媒體投放、內容 整合等，從局部到整體的 效率提升 全鏈路 線上、線下全渠道的營銷 方式數智化升級 營銷能力 全域，不僅存在于物理意義中，也是衡量營銷能力的一種維度。 阿里巴巴全域營銷對此進行了定義-以全洞察為支撐，給品牌全媒體接觸消費者的能力，實現全渠道協同的消費者 體驗，從而達到消費者和品牌關系

35、全鏈路的精細化運營。 品牌增長源動力系列之二16 營銷新基建 把“營銷陣地視角的全域”和“營銷能力視角的全域”理清楚之后，一個問題出來了，哪里能實現這些理想中的全 域？ 數字經濟時代的快速發展，讓這個長久無解的問題有了答案，通過營銷新基建的方式，實現全域。這個營銷新基建 就是叫做“數據中臺”的新物種。通過數據中臺，可以把品牌線上線下所有營銷陣地、所有營銷能力進行統一管 理，實現全域數據資產管理、全域消費者洞察、全域應用觸達。 對于品牌一號位來說，以往零散的信息，可以匯集變成一張清晰明了的大圖。 最終價值 品牌全域增長 全域數據資產管理全域消費者洞察全域觸達 營銷能力營銷解決方案 全域媒體解決方

36、案全域會員解決方案全域新品解決方案 全域種草解決方案全域社交解決方案全域體驗解決方案 基礎保障 云基礎設施 營銷方法論 全域 AIPL SaaS 數據服務產品 Dataphin/Quick BI/Quick Audience/Quick Stock 阿里云數據中臺 營銷新基建 品牌增長源動力系列之二17 品牌增長源動力系列之二18 阿里巴巴集團副總裁 阿里云智能新零售事業部總經理 肖利華 他們的視角 1、你眼中真正的全域是怎樣的？ 首先，全域是廣大有數智化升級需求的零售企業訴求。實現真正的“全域” 一定要站在客戶的業務視角，實現全渠道、全觸點、全鏈路、全商業要素的 整體洞察、聯動和運營升級。

37、全域的根本是系統的中臺化聯通、數據的精細化管理及智能化應用。 而我個人認為，實現全域更深層次的要求是企業的數智戰略與經營戰略的充 分結合。只有能為企業長期經營戰略服務的數智化系統才是真正的全域。 2、對品牌而言，企業過往想要達到全域的障礙有哪些？ 尤其在傳統零售企業，普遍暴露出來的挑戰是數據沒有在一個整體藍圖設計 下統一管理。數據分散在各個煙囪林立的系統上，并且沒有實現精細化運 營。 其次，即使數據資產管理水平較高的企業，其利用效率卻很低，沒有定義明 確的應用場景及應用方法論。 最后，導致以上情況，歸根結底還是組織需要數智化運營理念的升級。不少 企業的組織是封閉的，天然帶來數據在各自小業務閉環

38、里形成孤島。而決策 機制的陳舊，則限制了數智化能力在企業運營中發揮更大價值。 3、現在，哪些障礙被突破了？ 在企業數據的治理上，現在更多的品牌商開始通過統一的數據標準，對企業 全域數據進行數據治理，讓數據能夠更加充分完整的描述企業業務，為數據 驅動業務增長打好基礎。 真正的“全域”，需要打破障礙 阿里巴巴集團副總裁 阿里云智能新零售事業部總經理 肖利華 他們的視角 1、你眼中真正的全域是怎樣的？ 首先，全域是廣大有數智化升級需求的零售企業訴求。實現真正的“全域” 一定要站在客戶的業務視角，實現全渠道、全觸點、全鏈路、全商業要素的 整體洞察、聯動和運營升級。 全域的根本是系統的中臺化聯通、數據的

39、精細化管理及智能化應用。 而我個人認為，實現全域更深層次的要求是企業的數智戰略與經營戰略的充 分結合。只有能為企業長期經營戰略服務的數智化系統才是真正的全域。 2、對品牌而言，企業過往想要達到全域的障礙有哪些？ 尤其在傳統零售企業，普遍暴露出來的挑戰是數據沒有在一個整體藍圖設計 下統一管理。數據分散在各個煙囪林立的系統上，并且沒有實現精細化運 營。 其次，即使數據資產管理水平較高的企業，其利用效率卻很低，沒有定義明 確的應用場景及應用方法論。 最后，導致以上情況，歸根結底還是組織需要數智化運營理念的升級。不少 企業的組織是封閉的，天然帶來數據在各自小業務閉環里形成孤島。而決策 機制的陳舊，則限

40、制了數智化能力在企業運營中發揮更大價值。 3、現在，哪些障礙被突破了？ 在企業數據的治理上，現在更多的品牌商開始通過統一的數據標準，對企業 全域數據進行數據治理，讓數據能夠更加充分完整的描述企業業務，為數據 驅動業務增長打好基礎。 真正的“全域”，需要打破障礙 品牌增長源動力系列之二18 凱度咨詢業務合伙人 葉菡 過去，消費與零售企業為滿足消費者復雜多變的需求，不斷求新求變。領先 的品牌憑借突出的產品、渠道、內容獲得消費者的青睞，打造品牌力以獲得 戰略性優勢。然而紛繁復雜的營銷陣地往往也會增加營銷復雜性，造成效率 停滯不前。 未來，需求側的數字新基建，更確切地說，消費者的積累沉淀、分析洞見、

41、運營執行將會是品牌突破瓶頸的基礎。因此凱度咨詢提出“品牌全域數智 力”的概念，即品牌通過全消費觸點上的數字化轉型和數據中臺搭建，形成 消費者資產，并最終賦能營銷能力的提升。 品牌的數字化轉型如同商業戰略制定，是一個需求 側帶動供給側變化的過程 在數據資產的利用率方面，品牌開始通過對全域數據資產的盤點和沉淀，積累了全域消費者運營、全域貨品運營以 及全域品牌分析的能力，從品牌經營的多個維度進行突破，發揮品牌數據的真正價值。 最后，很多企業已經開始嘗試通過全域的建設，驅動自身組織的進化，打通組織的壁壘，用業務驅動組織變革，這 也是我們目前看到的正在發生的事情。 4、數據中臺為品牌建設全域帶來了怎樣的

42、想象？ 數據中臺讓品牌意識到，從“以業務為中心”向 “以消費者為中心”的數字化運營轉化的必要性，對人群及生意更 深入更準確的洞察。同時，數據中臺打破了常規的生產-銷售的傳統經營模式，通過數據中臺對全渠道業務數據的整 合與治理，進一步提升了運營效率，數據與AI的加持讓整個鏈路實現數據化、智能化，業務流程高效流轉。 品牌增長源動力系列之二19 Stream.of(Apsara, 2019, 9.25 9.27, Digital Economy) .map(x - 57 = x.charAt(0) ? Here is the : 50 = x.charAt(0) ? x.concat(:) : x)

43、 .reduce(x, y) - x + + y) .ifPresent(System.out:print); # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if failed. */ void InitLoggingSystem(conststd:string /*Uninitialize th

44、e logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); Q3 很多品牌的誤區在于，以為自己擁有海量數據，就等于坐擁了龐大的數據資產。 但實際上，品牌一方即使拿到了多個來源的數據，但往往因為治理能力不足，想象中 的數據資產實際變成了數據“垃圾”。 你的品牌數據是 可持續增值的資產嗎？ 大部分的數據保質期都非常短暫，這意味著手上握 有海量數據的廣告主，或許并沒有多少真正可用的 數據。 你的數據若要成為資產，不可能是死水一潭，

45、而必 須不斷更新，有進（更新的數據）有出（過期的數 據）。 建立數據資產的難度，不在于獲取數據本身，更在 于數據體系的規劃。 最典型的現象，是數據源頭構建的隨意性，它們由 不同部門所擁有的不同的第三方工具捕獲，在不同 的邏輯和維度之下，互不相關，各自為戰，不斷堆 砌數據孤島。 我花100萬買了很多流量，進入到我的觸點某 個H5頁面。你也花同樣的錢買了同樣的流量，也 進入到你的H5頁面。 在我的H5上，存在大量的可以供用戶交互的設 計，而你的H5上，基本只是讓用戶看看圖片和文 字。這兩種不同的設計，就會導致數據收集上的 顯著差異：我的設計，能夠收集到更多的用戶交 互行為洞察，這背后，是靠的運營能

46、力。 數據就算被組織得很好，用不上也白搭。 沒有思考清楚數據應用，數據最終會隨著時間的 推移而過期，最后進入垃圾堆。 過了保質期的，不是數據資產 沒有數據體系的規劃，數據不會變成 資產 沒有運營，就沒有數據，就沒有數據 資產 用不上的，也不是數據資產 VS 數據垃圾 數據資產 數據資產，遠遠不是數據報告、不是dashboard， 它也不是BI，不是數據挖掘，而是實實在在能夠在 具體場景中被應用、能夠驅動具體業務（尤其是消 費者運營），如燃料般的物質。數據資產可以為品 牌帶來無限的想象，品牌資產不止于會員、消費者 價值不止于社交、媒體效果評估不止于結案報告 數字營銷和運營領域的方方面面，都會帶來

47、新的想 象力。 我們的觀點 數據資產 VS. 數據垃圾 品牌可以從哪些維度判斷自己的數據 是資產還是垃圾？ Q3 大部分的數據保質期都非常短暫，這意味著手上握 有海量數據的廣告主，或許并沒有多少真正可用的 數據。 你的數據若要成為資產，不可能是死水一潭，而必 須不斷更新，有進（更新的數據）有出（過期的數 據）。 建立數據資產的難度，不在于獲取數據本身，更在 于數據體系的規劃。 最典型的現象，是數據源頭構建的隨意性，它們由 不同部門所擁有的不同的第三方工具捕獲，在不同 的邏輯和維度之下，互不相關，各自為戰，不斷堆 砌數據孤島。 我花100萬買了很多流量，進入到我的觸點某 個H5頁面。你也花同樣的

48、錢買了同樣的流量，也 進入到你的H5頁面。 在我的H5上，存在大量的可以供用戶交互的設 計，而你的H5上，基本只是讓用戶看看圖片和文 字。這兩種不同的設計，就會導致數據收集上的 顯著差異：我的設計，能夠收集到更多的用戶交 互行為洞察，這背后，是靠的運營能力。 數據就算被組織得很好，用不上也白搭。 沒有思考清楚數據應用，數據最終會隨著時間的 推移而過期，最后進入垃圾堆。 過了保質期的，不是數據資產 沒有數據體系的規劃，數據不會變成 資產 沒有運營，就沒有數據，就沒有數據 資產 用不上的，也不是數據資產 VS 數據垃圾 數據資產 數據資產，遠遠不是數據報告、不是dashboard， 它也不是BI，

49、不是數據挖掘，而是實實在在能夠在 具體場景中被應用、能夠驅動具體業務（尤其是消 費者運營），如燃料般的物質。數據資產可以為品 牌帶來無限的想象，品牌資產不止于會員、消費者 價值不止于社交、媒體效果評估不止于結案報告 數字營銷和運營領域的方方面面，都會帶來新的想 象力。 品牌增長源動力系列之二21 我們的觀點 數據資產 VS. 數據垃圾 品牌可以從哪些維度判斷自己的數據 是資產還是垃圾？ 品牌增長源動力系列之二21 品牌增長源動力系列之二22 如何幫助品牌把數據真正變成數據資產，阿里巴巴輸出的平臺及產品能力可以總結為四個字“采、建、管、 用”，通過 Dataphin 的數據服務體系，實現數據資產

50、的有序打理。 首先，進行數據匯集，目標是利用采集到的信息對商業的結果進行評估分析，對特定商業問題提供支持或為業務獲 取可執行的洞察； 第二步，數據建設和管理，將數據沉淀為一類高價值的資源，支持業務決策； 第三步，數據使用，支持個性化的在線服務和商業決策的制定。 數據資產有序打理 生成同源全景數據 Dataphin，是阿里云旗下智能數據構建與管理的 數據中臺 建設引擎。在基于數據中臺實踐中沉淀的核心方法 論和技術體系，提供從數據 采，建，管，用 的全鏈路、一站式的大數據能力，以助力企業打造標準統一、融會 貫通、資產化、服務化、閉環自優化的智能數據體系。其核心價值在于規范數據定義，消除數據二義性，