花200万元涨粉到300万人，有转化的只有几千个？一方数据，到底该咋用？

注：这篇文章所指的一方数据，是指用于数字营销的第一方数据，即企业自己积累的关于消费者或用户的个人信息相关的数据。

前两天在我的读者群里，有一个读者朋友，讲了很多“实话”。

上截图。

是不是代表了很多朋友的感受？

谈到CDP，谈到第一方数据，企业都很兴奋。但问题是，为什么我们很少听到特别精彩特别成功的案例呢？

尤其是，我们对于案例的期望，是那种有了数据之后，化腐朽为神奇的案例。毕竟，人人都说的数字化转型，是那种好像注入了什么返老还童的神药一般，让生意突然青春勃发的转型！

但事情似乎并不如此！

数据，尤其是第一方数据，企业苦哈哈地努力获取和维护，一方面，却发现一个终极拷问——咦，都说这些数据很有价值，但它们的价值在哪里？我该怎么用它们？

这篇文章，我想聊聊这个话题。

都在讲一方数据有多么重要的时候，我想说，为啥一方数据就必须对你有用？

你会说，我要一方数据，才能洞悉消费者，才能运营消费者，才能和消费者对话，才能有更好的转化。有了这些数据资产，我投广告的效果才能更好。

那么，我反问你，这些当然是一方数据能够带来的，但是你知道要做到这些需要花费多少代价，以及能够给你带来多大的实效吗？

一个触及灵魂的案例：

一个企业，它竭尽所能获取它的目标受众的数据，并且竭尽所能利用这些数据去触达去转化去维护这些消费者受众（转化之后这些受众成了客户）。这个过程中，每维护一个这样的消费者的数据，需要花费很多的人力物力和时间去搞运营——毕竟数据不可能再跟过去一样是能随便买来的。

通过测算发现，这个企业利用这样的方式每维护一个消费者，成本大概是500元一年，而这个企业的每个客户平均一年能够贡献的消费金额只有200元。

你说，我花这个500元成本要做的事情，就是实现精细化运营，让消费者的ARPU值在生命周期内不断提高。所以，这500元值得花！

但，且慢，你计算过吗？精细运营和精准投放完全不是一回事。精准运营可能要花费更大的人力物力，并且毫无疑问的，要牵扯到更多的部门。这样，你所提高的那点ARPU，相比于为了精细运营而投入的成本，真的是划算的吗？

总体而言，高生命周期消费金额的商品，做深度运营是值得的，这种生意对第一方数据的依赖，以及在第一方数据应用上的深度，都要高得多。低生命周期消费金额的商品，如果恰好受众比较细分，那么更值得在精准投放上下功夫，但做消费者深度运营的必要性就低很多了，对一方数据的依赖性也可能相对降低。

当然，一方数据总体而言，毕竟还有形成报告和洞察的能力，以及，我们也用一方数据去提高广告投放的精准性。但总体而言，实现深度运营是一方数据最值得去投入的场景，毕竟一方数据成本高，我们更希望用它来直接大幅度增加客户的转化和ARPU。

那么，我们下面看看一方数据的各种价值输出，到底是什么，以及为了这些价值输出，需要什么条件。

一方数据肯定是有价值的，但对很多企业而言，一方数据或许有“小用”，但是可能并无“大用”。

一方数据的能力体现在两个层面上。第一个层面，是直接使用它所产生的价值。考虑到一方数据的体量有点小，直接使用它的限制又比较多，因此所能带来的价值总是很受限。

第二个层面，是将一方数据与企业外部的更广阔的数据和资源相结合，将一方数据融入到数字营销更大的闭环生态中，从而创造一方数据的新的应用场景，让一方数据成为一个“药引子”，引发（驱动）其他数据和资源的（为企业服务的）更好的价值。

                                                   图：一方数据能力体现的两个层面

第一个层面的使用，被我称为“小用”。第二个层面的使用，被我称为“大用”。

不过，请注意，“小用”和“大用”并不意味着对你的企业而言，就一定是价值大，或者价值小的。

小用1：直接利用一方数据“骚扰”顾客，例如发短信、打电话或是针对这些数据背后的消费者的定点广告投放。这个大家都懂，效用越来越低。

小用2：查看数据报告、分析用户，实现基于一方数据的洞察。例如，我们常见的用户行为分析工具（网站分析工具、小程序分析工具），或是CRM中关于客户的数据报告。这些报告，能够给我们相当多有价值的洞察——那些关于消费者的、关于产品的、关于市场的洞察。让我们了解到消费者或者客户到了我们私域中的喜好如何、体验如何，以及希冀如何。

大用1：一方数据驱动二方数据或者三方数据，进行广告投放，例如RTA广告，或其他lookalike的广告投放方式。

大用2：一方数据作为正样本，可帮助企业内部的系统或者外部的平台完成数据建模或是机器学习，从而帮助实现更智能优化的营销策略或执行。

大用3：一方数据与二方数据或者三方数据进行匹配，并基于这些数据提供消费者的画像或洞察。

大用4：利用一方数据整合多源的数据，给消费者打标签，与企业的内部系统或者外部的各大营销平台做对接，并做针对消费者的特别具有颗粒度分辨力和区隔性的运营。

                                                    图：一方数据两个层面的使用

基本上就是这些。

现在，你比对一下自己的情况，哪些应用领域是你用得着的？

对于很多很多企业而言，基本上玩一下“小用1”和“小用2”就已经可以解决业务中的问题了。

很多朋友不服气，说，我们企业也有做大用2（也就是要做洞察），但你仔细看看，是不是你企业所做的洞察，基本都是来自于用的平台方的数据，也就是从数据银行或者策略中心（二者都是阿里提供的数据平台）得到的数据报告之后所做的洞察？

其实压根就跟你自己的一方数据没啥关系。

当然，能够把一方数据做大用的企业确实有，不过数量还是很有限的。大部分企业也尝试过，很多企业为了实现一方数据的价值，不惜代价建CDP。CDP上马跑了一段时间之后，发现，哎呀，跑不通，困难重重。

那么，问题到底出在哪里呢？接着看。

可以说，一方数据的应用，任何一个应用，想要实现它，要挖掘的深度是很深的，实现起来并不简单。

相对而言，用平台方的什么数据工具做一些事情，那就容易多了。而且，现在平台方也不遗余力地开放自己的数据能力（注意，不是开放自己的数据，而是开放自己的数据能力），不仅仅是让你应用这些数据的时候更加简便，而且功能也不断推陈出新。只不过，唯一的问题是，你不得不依赖于它，并且数据的应用也都必须在它的生态内。

好，还是回到一方数据的话题，为什么轮到一方数据的应用，就如此困难，如此痛苦？

一句话就能回答：啥都要自己搞呗！

我们以“大用4”为例。

这种区隔性的运营，要解决几个问题。第一，数据从哪里来；第二，数据体量是否足够用于打准确的标签；第三，标签打好了，应用的出口（场景）是哪里；第四，面对这个应用场景，相应的工作流程的改变、人员的配备，都能到位吗？

以汽车行业的一个解决方案为例。

这个案例的解决方案，是帮助找到“假性战败”的意向人群。

所谓假性战败，是指被经销商标记为已经选择了竞争对手的产品，或无效的购车意向人群中，但事实上并不是真正这样的那部分人。

怎么找到呢？

首先，我要判断这些人是不是真正的“假性战败”，我需要获取数据。数据有几个类别：

• 战败人群的个人属性数据 —— 一般来自于销售，销售的记录一般比较准确，需要调用CRM中的记录。

• 战败人群的销售交流信息数据 —— 一般来自于销售，但销售的记录靠不靠谱不好说，同样需要调用CRM中的记录。

• 战败人群在私域中的行为数据 —— 取决于车企的线索从哪里来，如果来自于自己的私域，能够获得很多行为数据。

• 战败人群在互联网大平台中的属性 —— 需要将一方数据和互联网巨头平台的数据进行匹配。

你看，困难来了：

• CRM的数据难度不大，但企业的CRM数据涉及到很多管理问题，能不能拿到不好说。这是企业内部组织问题，但很多时候，组织问题卡死人。

• 行为数据来自于私域，并且可以自己利用工具收集，但通常，这些私域的流量和活跃度都很不足，需要很强有力的运营能力。难度很大。否则数据很稀疏，或者质量很差，啥用都没有。

• 自己的数据和互联网大平台的数据做匹配，技术难度不大，个人信息保护法的要求要注意。很多企业不知道怎么做。

这只是数据获取这一块的挑战。对很多企业来说太难了。于是，退而求其次，不做私域了，不搞私域数据了，找第三方给我数据。但个保法之后，这条路堵死了。你必须得好好做私域。

数据获取之后，做什么呢？

把这些战败的线索中，发生了实际转化的拿出来，作为正样本；没有发生转化，且被销售认为完全不可能转化的低评级的线索作为负样本。然后建模，用贝叶斯决策树，或者其他的算法，看哪些属性的人跟正样本的人群更像，哪些跟负样本的人群更像，或者，正样本的人群有哪些特征，负样本又有什么样的特征（特征工程）。

这个事情，好做吗？

方法上不难，很多数据服务公司应该都可以做。但容易出问题，主要在数据质量和数据的丰度上，特别不够。数据清洗也需要花费很大的精力。这些没有处理好，给出的结果就变成了“过家家”一般，没有太多的意义可言。

分析做完了，再之后呢？

再之后，让经销商再给这些“找回来”的线索打电话，再去影响他们。如果一切顺利，这个方式就变成了一个企业的标准销售工作流程，就是俗话所说的，利用工具再“洗”一遍数据，然后再基于这些数据打电话，最终提升成交率。

这个业务场景本身的需求描述起来是不是很简单？——不就是把以为已经失败的意向中那些其实还有用的重新找回来嘛！

但实现这个事情的过程是不是很复杂？——涉及到组织内部的合作，涉及到一方数据跟外部平台的匹配（这中间还有很多商务问题，以及在这些平台上的投放花销问题），还涉及到个保法，涉及到数据建模和分析，涉及到某个部门（或多个部门）工作流程的改变。

一点也不简单呀！

现在，可以停下来问问自己，自己的组织真的能够做到吗？或者，大家心里都有数，就算是能做到，也不是马上就能实现的吧！

刚才那个场景，可能大家看了说，我不是汽车行业，我没有那么复杂。

没错，汽车行业是非常复杂的，因为汽车行业有亦合作亦竞争的经销商体系，汽车也是高价商品。

那我们看快消企业利用一方数据进行精准投放的例子。

这是我们前面所说的“大用1”。

“大用1”之下，目前比较常见的应用有两种，即上面列出的RTA广告，以及lookalike投放。

RTA广告，我之前的文章也有讲过，本质上跟PDB（AG：Automated Guaranteed）的方式是类似的，都是“询问后再投放”的广告，询问和反馈都通过API完成。如果对这种广告形式不太了解的朋友，欢迎参加我的大课堂。

但RTA和PDB有区别。RTA要基于广告主自己的一方数据，PDB则主要是靠外部第三方的数据。受制于个人信息保护法，PDB这种方式目前有风险。

RTA能够充分发挥一方数据的价值，并且更少个保法上的风险，当然，前提是广告主要合法获取自己的一方数据。

所以，仍然涉及到数据获取的问题。

快消企业的一方数据怎么获取？依靠自己的运营，无论是线上的，还是线下渠道的经营。这些数据来自于几个源头。

• 自己私域的搭建和运营。

• 从电商会员通获取。目前，各个大平台的电商会员通，都还有办法让你拿到消费者的相关数据，但有很多条件和限制。

• 线下各渠道，比如直营店直接数字化获取消费者数据，或是与自己的经销商合作。

你看，获取这些数据还是有难度的。

• 自己搭建私域以及做运营，看起来不复杂，但是为了数据去做这个事情，就有点复杂了。自己做私域，如果不考虑数据的话，做一些微信群，或者做一些企业微信的应用，还是比较容易的。但如果要收集数据，那么就需要有专门的触点了。这些触点，建立起来不一定复杂，运营可一点都不简单。

• 电商会员通获取数据，总体看也有一些条件，比如，你需要一个被这些平台认可的CRM系统，你需要和平台认可的ISV（或者TP、DP）合作，当然，更重要的，是你要说服消费者成为你的会员。另外，也有很多限制，比如消费者成为你的会员的前后三个月的订单信息才能被获取，以及可以想到的必然会做的加密（不过有的平台提供官方密钥，有的则通过第三方ISV能够实现解密）。总体看，都能操作，就是需要有比较完善的基础设施，有电商运营的能力，还要跟平台有紧密的合作。

• 从线下各渠道获取数据？如果是直营店，那就让柜员邀请消费者上翻到线上私域中，相对容易，但对线下柜员的培训和管理很重要。如果跟经销商合作获取消费者，那么需要考虑，如何说服他们提供数据？当然，无论哪种方式，基础设施仍然很重要。

这几种方式都很有挑战。

所以，RTA一出来之后，快消品牌很难用得上。因为，没有那么多一方数据能支撑广告平台过来的查询。

现在快消品牌主也用RTA，但其实并不是“纯粹”的RTA，而是由平台提供的一方数据的RTA。这听起来很矛盾，但实际上是不得已而为之的“折衷”办法。具体可以看微信的RTA广告模式。当然，这种广告模式不是我在这篇文章中要讨论的重点，重点是，这种折衷办法所反映出来的问题——快消品牌广告主普遍缺乏规模化一方数据的累积，尤其是个保法实施之后。

那么，如果我不用RTA，我用lookalike投放呢？情况会不一样吗？

数据应用的门槛会比RTA要低很多。但是……要想投放好，第一方数据的体量不能太稀疏，而且还需要基于数据对人群的segmentation要足够好，即数据属性的丰度和质量也需要很靠谱。我的不少客户，都会抱怨，用了lookalike的方法进行投放之后，很多时候不如直接用平台的DMP选人来投的效果好。emmmm... 事情总是发展的不如我们想象的，这太常见了。

当然，这已经是当前应用一方数据最好的领域了。

这篇文章不想把大家带入一种悲观的情绪中。

我更想表达的是，一方数据的应用，是一个系统性的工程，不仅仅只是数据那么简单。

举那么一个不恰当的例子，如果把数据比喻为石油，假如这世界上不存在石油机械，也没有石油工人，更没有利用化石能源的交通工具和各种机器，那么，石油又有什么价值呢？

所以要让石油有价值，相关的一系列配套系统，必须建立。但问题是，石油虽然没有那么贵重，但是石油机械、操作这些机械的工人、交通工具等等配套应用体系和设施，全部都建立起来的话，是很贵的。

这就回到我这篇文章前面所讲的内容了。应用一方数据，现在必须思考一个重要的问题，成本，或者更准确地说，是性价比问题。

有的企业，若考虑到一方数据的性价比，或许永远都没有必要去做什么一方数据相关的工作，也没必要考虑，自己要非有什么数据资产之类的。另外，并不需要把私域和数据挂上钩，很多私域其实通过建一些群就能解决，直接可用的数据工具也很多，也到不了非要自己积累一方数据的地步。

如果考虑清楚了，必须要上一方数据，那么就需要认真地系统性地思考了。

显然，对大部分的企业而言，一方数据到底要于什么场景，以及用到什么程度，是要提前搞清楚的。然后，需要搞清楚，如果要满足这些场景并达到所需的程度，自己需要满足什么条件、建立哪些基础以及配套什么资源。

在动手之前，还要尽量把预计的效果和KPI提前定好。

或许应该有一个恰如其分的先行咨询，如同我的客户所做的那样。

或者，我该说，如果没有弄清楚就行动，钱或是只是未来会发生的所有损失中最小的损失。