编者按：“数据分析是一面镜子，数据越精确，越能反应企业当下的业务发展情况”。

企业不做数据采集和分析，就没有一手的业务反馈，无从衡量企业的营销和经营状况，更从无谈起对营销人员的考核。可喜的是，企业营销人员对数据分析的认知、方法和工具都有了很深入的了解，不仅能立足于产品和用户，通过数据分析驱动决策，还能借助数据迭代产品，不断提升用户体验。

然而时下，数据分析被过分吹捧，吹的神乎其神，仿佛成了企业营销的灵丹妙药，无所不能。事实上，数据分析的核心是提取「有用的信息」，帮助营销人「作出判断」，以便采取「最正确的决策」。所以，数据作为营销的决策辅助，可以提高营销人的工作和决策效率，并非起到决定作用。

近日，我们专访了数据分析领域具有代表性的管理工具 -- 诸葛IO CEO孔淼。在和孔淼的对话中，小编深深感受到这位营销大咖对数据分析的深厚理解，听得如痴如醉，收获颇多，遂将专访分上下两篇。本文（上）让我们听一听孔淼对数据分析的理解，一起探究数据分析背后的普世之道。

音译：唐传鸿 | 整理：刘梦洁

校对：臧海 | 审核：闫璐

孔淼：我们从数据分析和人（消费者）这两个维度去理解数据营销。

第一个维度：人。营销的核心就是人，人的购买决策可以通过线上数据采集完成。传统的数据营销只是将数据可视化，如今我们更应该关注人的整个生命周期（LTV）：从他点击广告开始，了解他在你平台做了什么，注册了什么功能，参与了哪些活动，有没有付费...整个链条的所有行动都应该覆盖到。任何企业客户的生命周期都可以分为5个阶段：

1、陌生人（Stranger）。通过网络广告、搜索引擎、社交媒体等途径访问；

2、访客（Visitors）：浏览企业产品/服务；

3、销售线索（Lead）：用户对产品/服务感兴趣，完成了注册、关注公众号、下载App等其中一种行为；

4、潜在客户（Prospect）：B端用户的预约咨询、查看产品demo、参加webinar等行为；

5、客户（Customer）：付费购买。

所以我们所做的数据抓取、用户画像都是为了更好的转化目标用户，不同企业采取的措施虽有不同，目的都是促进用户在每个阶段层层递进。

第二个维度：数据分析。其实企业搭建数据采集分析平台是个门槛很高的行为，企业要内部协调技术等各个部门共同完成。而且通过企业自己做的统计报表看汇总数据，很难探索数据背后的原因。说的直白一些，以前的数据分析平台是预先算好的，很难满足各行业中不同企业的业务需求，所以我们要做的是先确定用户所处的购买阶段，结合自身业务，随时挖掘、洞察用户的需求和痛点，做到自助式分析，快速出结果，并且快速的应用。

所以我们提倡自助式分析，产品运营市场各个部门借助自助式的数据分析工具可直接覆盖到产品，当我们具体执行每一个任务的时候，自助式分析可以将任务切小，比如为了防止意向用户流失，系统可以根据用户行为配置一些trigger：当用户将商品添加到购物车且24小时之内未付款，系统可以推一个优惠券或者促销活动，促进该用户下一步行动。

这里有一个重点，企业需要简单高效的定义并执行这些trigger，一旦错过了触达用户的最佳时机，挽回比获取新用户的难度还要高。因此，我们在数据分析的基础上做了延伸，帮助客户自动化的执行，让数据分析可以参与到企业效益优化中，在诸葛io中叫做「智能触达」。

孔淼：购买周期如同一个漏斗，漏斗顶部是陌生人（Stranger），也是流量源头，流量是否精准对最后的转化起到了决定性作用，然后我们再去想促进各个阶段转化的方法。

企业首先要去打广告，广告的创意要足够好，这是很多广告主正在做的事。消费者的注意早已从电视转移到头部媒体、内容自媒体。装修用户在不了解装修公司的前提下，一定会去搜索引擎搜关键词。对于陌生人的访问，无非就是通过广告、社区、公开课去吸引流量、圈粉。当然获取流量并不是目的，我们要的是销售线索，无论to B还是to C，一定要注意承接广告流量的着陆页是否体现出你产品的卖点，是否与广告创意相呼应，需要将包含注册流程在内的全流程进行优化，做好页面分析，才能拿到一个有质量的线索表单。

孔淼：从互联网营销的兴起到繁荣，我们发现最有效的沟通是由自动化的营销方式带来的。营销自动化（MA）可以帮助我们筛选出不同的目标用户，发送动态化的内容，解决了营销后端转化的问题。事实上，你和竞争对手的战场发生在营销前端，这才是市场大头，失去了大头流量去培育线索是没有意义的，当然，针对to B，营销前后端都要抓，B端客户转化周期长，决策环节复杂，为促使意向线索付费，势必需要通过EDM吸引他关注你的产品内容。换个角度说，营销自动化（MA）是连接企业与用户的纽带，是“维系感情”、激活留存用户的方式之一。

这里要特别说明的是，在美国，MA确实发展的很好，所以国内很多营销公司就将其模式照搬过来。但中美的营销环境不同，美国B2C没有中国发展快，其移动支付规模、物流也远远没有达到中国的水平，况且国内电商巨头们做的自动化一点也不比国外差。B2C的重点在促进交易，通过MA去做培育、留存、转化、复购，也就是我们说的后端营销；B2B的重点是前端营销，即如何吸引精准用户前来试用/体验，一旦进入试用环节，后面的工作就由人来完成 —— 销售人员跟进。所以to B营销需要不断优化搜索推广、着陆页、官网、社交媒体等流量入口，通过持续的内容输出培育用户，并收集线索。

孔淼：我们要将数据的经营范围扩大到整个用户生命周期，不局限于某一个阶段，也不局限于PC/移动设备/wap某一个平台，要先保证呈现出全流程数据，然后再谈如何精细化运营某个环节。比如说推广App，我们可以通过基本的下载、激活等指标评估推广渠道，这些是有固定的基本方法可以判断的。可以通过诸葛IO「识别用户关联行为」，找到用户未付费转化的原因，是卡在着陆页还是哪个转化环节。

讲一个光明随心订的案例，线上订奶是一种周期购商品，用户每隔一段固定周期就会复购，每次购买之前需要输入用户名和密码，但用户很容易忘记，大大增加了流失用户的可能。如果光明随心订将登陆方式优化为输入手机号+验证码的方式，结果会如何呢？订单转化率提高到十几个点！

进入网站、App、小程序之后，用户体验最重要，其次他才去看你的核心内容，根据服务内容决定是否留存下来。这其中包含了市场、产品、运营等部门的分工协作，由分析师将各个环节串起来，去做统筹的数据分析，在广告投放阶段、产品功能阶段、运营活动等阶段发现数据下滑等情况时，找到下滑原因，我们可以有针对性的配置一些召回、激励、奖励等措施唤醒用户，所以我们将活动运营的参与互动指标、产品的PVUV订单等指标协同分析，针对核心指标精细化运营数据。

这种方式让KPI责任到人：市场部门负责拉新，产品部门负责用户体验和功能，运营部门负责留存，分析师为转化结果负责，你会发现各部门像传递接力棒一样，每一棒分的很清楚，是谁的锅就由谁来背。

孔淼：我把工具分为两类，一类工具以提高效率为目的，以管理方法论为依托，企业使用工具后，沟通交流的效率立刻会提高；另一类工具助企业提升效益，比如提升转化增加收入。如果工具能兼而有之，企业一定会愿意花钱购买。但正常情况下企业是根据自身的实际需求去采购的。

需求1：业务部门的工作需要。比如产品部门采购分析工具希望能做好数据分析、产品维护，所以首选可能是提高效率的工具；

需求2：CXO的任务需要。CXO们采购收费工具多半是为了追求效益的提升，为了增加营收；

需求3：老板的“面子”需要：工具炫不炫酷？支不支持可视化？（此处是纯调侃）

所以很多时候我们要多角度剖析企业采购数据工具这件事，同时根据CEO对人员的配置要求，按需购买。如果部门的1-2个人使用，那重点就放在数据优化上；如果是整个部门的需求，那从数据采集到分析，从数据驱动到精细化运营，会投入整个部门去做，不过市面上的数据分析工具基本上覆盖了企业的数据分析需求，仅需要1-2位分析师即可跑通整个分析流程。

如果是电商业务，需要再配几名分析师，通过BI部门做收入分析。类似美团、京东，除了用户链的分析需求外还有供应链，供应链的分析又需要另外一套工具来实现。刚才我们提到的都是用户的运营和营销层面，通过BI确实可以将供应链和用户信息打通，但实现起来并非朝夕。用户链的数据分析跟业务是直接相关的，所以诸葛io数据分析的侧重是放在用户端。

我们再谈决策者或部门领导需要具备怎样的能力。我认为最重要的能力是数据分析意识和数据驱动意识，工具可以帮助企业采集分析数据，但不可能面面俱到，若是想借助工具既能提升收入又能降低获客成本，那太难了。这个时候需要leader的分析意识，手底下有高效率工作的团队，把数据分析这件事做好。

在诸葛IO的众多使用客户中，他们对工具寄予厚望，希望能解决面临的一切问题。诚然工具本身只是“术”，“道”是企业主本身围绕客户和业务的融会，关键在于企业管理者能否将工具用起来达成目标，如果用的好，工具是绝对可以为企业带来效益的，这一点我可以打包票。

企业目前面临的最大问题是已经取得了一定的效果，怎么能再进一步提升呢？数据提升的本质无非就是业务指标的提升，比如说注册转化率提升，即如何提升用户从点击到访问再到注册这个流程的转化率提升，我认为这个时候最应该提升的是决策者和部门负责人的意识。诸葛IO服务的一个客户曾经将注册率提高了30%之多，但是我们发现客户借用了一种新的策略或者手段瞬间提高的，并没有分析是如何触动到用户**的，也不知道用户之前遇到了什么流程问题，更不知道用户的访问需求。所以企业高管需要非常懂自身业务，从用户的角度打动用户，了解行业用户痛点，结合分析工具开展优化，运用“道”与“术”，才能让增长持续。