学会“预测”，玩转数字营销

据 Worldometers 的数据显示，2021 年，我们每天创建了超过 2.5 亿亿字节的数据，地球上的每个人每秒创建了 1.7MB 数据。但丰富的信息并不代表我们掌握了更高转化率的优秀决策。

如何在利用海量的信息来优化决策是每一个移动营销人在大数据时代所面临的主要挑战。本期，我们邀请到来自全球领先的区块链资产交易平台 （高级绩效营销经理贺展（Roven）。

作为一名曾管理累计数亿美金的海外数字媒体广告预算，涉足游戏、应用、电商、金融等多个行业的资深移动营销人，Roven 认为“预测”对于他的移动营销工作至关重要。所谓“预测营销”，即通过对市场营销信息的分析和研究，寻找市场营销的变化规律，并以此规律去推断未来的过程。本期，Roven 将从他的视角与我们分享如何通过预测分析在日常工作中优化营销决策。

Roven 目前专注于金融类 App 用户增长策略制定与运营，他看到了金融类产品在疫情下巨大的发展潜力。Roven 认为，受全球疫情影响，用户的消费场景加速向线上转移，促使包括金融等多个行业的线上消费规模呈爆炸性增长。在这种背景下，Roven 分别从用户向和创意向预测了金融类产品的营销新趋势。

用户层面，疫情令全球消费者的财务状况受到打击，这就要求数字金融产品需要积极履行社会责任，帮助消费者保护财务健康。对营销从业者来说，则需要对消费者的新偏好有所了解，引导用户积极面对财务现状并采取相应措施，并以此为中心来定制营销信息，开展营销活动。

创意层面，Roven 丝毫不掩饰其对营销创意的重视。他认为营销人的最大价值就是在创意。Roven 认为每一个产品都会针对不同的用户群，所以在做营销创意时，一定要考虑到核心用户群的核心需求，对症下药，直击用户痛点。以 Roven 在 Binance 的营销实践为例，他会针对性地提出投资比特币和投资黄金收益率的对比给到那些很好地管理自己财务状况的客户；为面临通胀危机的客户提供可以跑赢通胀的投资策略。

不止于金融产品，“精准预测”无疑是各行各业在制订移动营销策略时需要优先考虑的因素。预测技术可以使营销人员更好地了解客户行为。通过分析客户以往的行为，数据还可以帮助业务部门在各个方面做出决策。因而，预测营销做出的决策目标更加明确，使结果可量化，更清晰。

Roven 早在 2012 年便开始接触互联网营销，从业多年以来更是涉足游戏、应用、电商、金融等多个行业，如此具有广度和深度的经验令他总结一套他独有“预测营销”方法论。想要玩转“预测营销”，Roven 认为需要做好以下核心 2 点：

1. 找出用户，筛选内容，精准推送：

在确定目标受众时，首先要确定细分受众的用户画像。比如要卖一件昂贵的小黑裙，首先我们想到的是那些家庭年收入较高的女性。识别和细分出女性且收入高的群体就是细分的过程。这时就可以采取更多的维度来进一步细分受众，比如年龄，我们根据大数据会发现女性 21 岁开始购买品牌连衣裙，原因是 21 岁的女性逐渐大学毕业开始找工作的时候，那我们以此判断就可以把受众缩小在美国东海岸，因为那里有更多需要穿正装的工作机会。通过对不同的集群模型进行测试，找到最合适业务的细分受众，发现更多之前想不到的兴趣或行为维度。

确定目标用户后，我们可以通过用户过去的行为和数据来为内容消费、交叉销售或追加销售提出建议。据此，我们就可以知道哪种类型的内容会引起此细分受众的共鸣，而且知道哪种渠道可以最好地吸引这批受众，此时我们就可以自定义营销内容，进行针对性的投放。当该营销渠道匹配到合适的用户时，相匹配的内容创意会增加付费转化的可能性。

2. 预测用户生命周期，优化营销活动：

在营销的各个阶段，不管是前期的用户调研、新用户获取、种子用户培育，还是后期的用户增长、留存，最终追求的都是让用户在使用我们的产品过程中，尽可能提升产生的商业价值。用户生命周期价值（LTV） 是对一段正在进行中的客户-产品关系所能产生净利润的预估。借助预测分析，我们可以获取每个客户的历史数据，并用来预测他们的未来生命周期以及未来可能带来的价值。这就可以帮助我们设置合理的用户获取成本（CAC）目标，以获得更准确的预期投资回报率。

在通过用户生命周期预测实现精准的预测分析后，营销人员可以更好地实现营销自动化，使科学地计划，开发，制定营销战略并运行广告活动变得更加便捷。首先，将客户关系管理工具中的客户数据与预测行为模型的行为数据相结合，用这些数据来发现最匹配的细分受众群。然后，这些数据可以用作下一个广告系列的一部分，辅助以个性化推送，可以随时随地优化推广策略以及使用正确的营销自动化工具来推动更多转化。