不懂就问：数字化是啥？怎么整？

文/ 林良旭

数字化未来一定会像电和互联网一样，成为商业的基础设施。

这不是天方夜谭，而是已经显露的趋势。也就是说，这不是要不要数字化的问题，而是以后没有数字化企业可能就无法生存。技术是最大的生产力，生产力改变生产关系，而数字化就是未来几年的最大生产力。

数字化是什么？

有些人以为设备接上网，收集一些用户数据，就是实现数字化了。还有些人搞了一堆数字技术，不仅没有产生多少价值，反而增加了企业成本。

其实，真正的数字化不仅仅在技术上，还要真正从思维上转变，以及学会利用数字化为自己企业提高经营效率，实现更好的增长——这也是数字化的作用。

数字化在商业上涉及的层面很多，我这里只谈营销上的数字化。《数字时代的营销战略》一书指出，真正的营销数字化至少需要满足以下五个标准：

1.连接。连接是互联网、数字时代的本质中的本质。没有连接，就不叫数字化。连接什么？传统互联网时代，连接的是人与人、人与服务。但在移动互联网时代和数字化时代，连接还融合了人与线下、线上与线下等因素，未来甚至是万物互联的时代。比如在盒马鲜生，就能感受到线上和线下、人与商品等的全面连接。

2.消费者比特化。比特是表示信息的最小单位。消费者比特化就是将消费者的行为进行记录与跟踪，转化成精确的可视化数据，方便更好地把握消费者的动态和做出更有效的营销决策。以普拉达的零售店为例，店里的衣服上都贴有装着传感器的新型条码标签。每件衣服被消费者拿起、放下或者试穿的信息都会被准确记录，并传递到后台的管理系统中。这些数据将为企业下一步的产品开发、设计或者进货指出精确的方向。

3.数据说话。有人说数据是未来的“石油”，这一点也不夸张。数据是数字化的基础，没有数据，一切都是空谈。有了数据，才能更好地了解用户，实现商业增长。

4.参与。在供大于求的时代，商品泛滥，如果不重视消费者的需求与参与反馈，产品很难卖出去。现在让消费者进入商业决策链的成本越来越低，消费者的参与更显重要。

5.动态改进。现在的消费者数据更新频率非常快，需求也在不断变化，企业也需要快速反馈与迭代、动态改进。随着各种技术的普及，实现动态改进的成本也越来越低，关键还是思维的转变。比如小米在2010年的时候，就把手机操作系统的更新频率变为一周一次。这有点“变态式”的做法，做到了基于用户反馈的动态改进。

总结一下，要实现全面的数字化，就要利用移动互联网、物联网等实现人与人、人与物、物与物的万物互联状态，乃至做到“瞬连”“续连”等高度连接；能够随时跟踪用户的行为数据变化，每个环节都做到以数据说话，并在连接中实现用户参与，进而实现企业的动态改进。

目前的电商就是全面数字化的代表，用户网购中的所有行为已经可以比特化，搜索、浏览、下单、物流、评价等环节都可以形成以上五个标准的全面数字化运作。但是目前绝大多数的企业还达不到以上五个标准，这背后涉及技术成本、思维理念、管理模式等因素。我的个人观点是，我们不要为了数字化而数字化，要明白数字化的本质目的是为了提高经营效率。

所以，即使目前还达不到以上标准，我们依然可以实现部分数字化，或者利用数字化的思维，去提升我们的企业经营效率和营销决策效率。

营销数字化的决策模型

数字为营销服务，而不是营销为数字服务。营销数字化的目的是利用数字化技术和思维更好地了解用户、维系用户，从而更好地实现销售增长等目标。

我们要明白数字化决策和传统的营销决策模式的区别。《大数据时代》一书指出，大数据时代给人类思维带来了很大的冲击，其中最重要的一点就是：用相关关系而不是因果关系来理解这个世界，知道“是什么”比“为什么”更能有效地解决问题。

传统营销团队进行消费者洞察的主要目的是找出消费者行为背后的原因，即为什么购买或不购买某个品牌的产品或服务、为什么喜欢或不喜欢某个产品、消费者是基于怎样一种观念或态度来决策的……这样的因果推断成为我们营销决策的重要依据。

而以大数据为基础的消费者画像更多的是相关关系分析，也就是在海量数据中发现隐含的相关性，这为我们提供了一种全新的消费者洞察与决策路径。

我总结了一个“营销数字化决策模型”，明白这个决策模型背后的思维模式，才是关键。

这个模型主要有两大模块，一个是左边的用户画像模块，根据数据采集、数据挖掘、数据建模和验证步骤形成用户画像。另一个就是右边的营销战略和4P模块。中间的“用户的购买行为”是这两大模块的连接关键点，没有前面的用户画像就很难预测用户的购买行为，有了用户购买行为的预测后再去制定营销战略与措施，才更有效果。

下面展开来说。

表：普通用户画像与数字化用户画像的比较（资料来源：KMG 研究）

数字化用户画像

了解用户，本质就是了解用户画像。在数字化的用户画像中，既需要按照大数据的计算，通过各种标签还原消费者的各种特质与轨迹，又需要把消费者放入情景中，把这些特质的表现串联起来，这样形成的营销战略才能即具备数据化的精确，又能有效切入消费者的生活轨迹。

数字化的用户画像的形成可分为四个步骤：数据采集、数据挖掘、数据建模、验证。

1.数据采集。根据企业的战略需求和业务目标找到适合的数据源。比如用户的消费行为数据、第三方数据、CRM 数据等，然后进行数据采集。

2.数据挖掘。处理数据，包括数据清洗——去掉重复或不完整的数据；用户识别——确定用户多个ID的唯一性；数据分类——分为用户属性数据（性别、年龄、城市等）和用户行为数据；建立标签和权重体系——标签就是对人、物、事或场景显著性的分类、提炼与总结的过程，标签化是精准营销分析的重要前提。权重就是对程度或概率的一种量化，表示用户发生某种行为的偏好、概率或同一个动作在不同地点和时间的触发权重。

3.数据建模。利用关联规则和聚类、逻辑回归等方法，对各种数据进行分析，发现数据之间的相关性，然后进行建模。比如通过分析得出你的目标用户在什么渠道、什么时间更容易下单，然后根据这个模型去制定营销推广活动。

4.验证。对数据模型进行验证，以保证该模型准确描述了用户的特征，减少模型的偏差。通过验证，可以把一些偶然的相关发现或不能准确反映事实的数据剔除。

接下来就是根据用户画像的标签和模型去预测用户的需求动机和购买行为，然后就来到了营销战略决策和4P 模块。

营销战略和4P

用户画像只是一种决策参考，而营销决策这个环节需要运用各种营销思维，考虑各种综合因素，最终做出营销战略决策。其中，数字化的4P 会带有“动态化和互动式”，也就是前面说的“动态改进”和“参与”等特点。

1.产品。在数字化经济中，产品更强调与用户共同创造，并且会实现规模化的个性化，这背后是整合成本和对用户画像的精准分析。

2.定价。定价模式也从标准化定价逐渐走向动态化的定价模式，可以根据不同的用户、时间、场景等进行动态定价，优化产品的利润空间。“大数据杀熟”是根据不同用户的消费力和品牌忠诚度来实现利润最大化，而数字化的动态定价是根据不同的用户需求来定价，实现用户与企业的价值双赢。

3.渠道。传统的分销渠道是从工厂到经销商，再到各种零售终端的模式，而数字化的渠道是“以人为主”的分销模式，人对人分销，不局限于某个渠道。这背后需要很好的渠道利益设计和模式重构。

比如微商和社区团购模式就在一定程度上契合该特点，只是还没能完全实现“人对人”，而且背后还涉及一些政策、技术和商业体系等问题。

4.推广。传统的广告、促销等推广方式更偏向单向的传播，数字化的推广策略更看重用户的社交传播，用户会主动帮企业传播。用户买了产品，不是营销的结束，而是刚刚开始，购后的一系列措施才是关键，比如用户关系管理等。

当然，数字化营销决策中还涉及很多其他因素，比如数据获取来源、用户购买行为的验证和企业其他部门的支持等。

总之，商业数字化、营销数字化的历史进程已经来临，过去只凭感觉、靠经验去做商业决策的时代会慢慢远去。未来一定是人充分利用数字化来提高决策效率的时代，经验也许依然有用，但用好数字化会更有竞争力。