數據賦能：數字化營銷與運營新實戰

宋星，紛析諮詢創始人，中國數字營銷領域的意見領袖及資深從業者，前Adobe Omniture Business Unit大中華區首席商業諮詢顧問。
他的博客（擁有12年曆史）“互聯網分析在中國”（chinawebanalytics.cn），在全球有超過500萬粉絲。

第1章從正確的數據觀開始001
1.1 數據的兩個核心價值：優化與驅動001
1.1.1 數據優化001
1.1.2 數據驅動003
1.2 如何開始行動004
1.2.1 實現數據賦能最重要的是什麼004
1.2.2 商業意識006
1.2.3 建立數據能力007
1.2.4 勇敢去做007
1.2.5 警惕“偽數據主義傾向” 008
1.3 企業組織維度上的匹配013
1.3.1 經驗還是數據013
1.3.2 企業數據化成熟度模型015
1.4 不變的基本邏輯：從前到後的營銷與運營017

第2章數據從何而來——數據的獲取021
2.1 數據的“方” 021
2.1.1 第一方數據022
2.1.2 第二方數據022
2.1.3 第三方數據023
2.2 公域數據與私域數據024
2.2.1 定義024
2.2.2 私域數據的重要性025
2.3 前端數據與後端數據027
2.4 數字化運營中個體數據的結構028
2.4.1 標定個體的ID 028
2.4.2 個體的屬性數據030
2.5 個體數據與人群數據031
2.6 私域數據的獲取033
2.6.1 私域數據的來源：消費者觸點033
2.6.2 消費者觸點上的私域數據的獲取（1）：廣告端034
2.6.3 消費者觸點上的私域數據的獲取（2）：網站端041
2.6.4 消費者觸點上的私域數據的獲取（3）：事件監測（埋點） 048
2.6.5 消費者觸點上的私域數據的獲取（4）：App 端058
2.6.6 消費者觸點上的私域數據的獲取（5）：公眾號和小程序端062
2.7 公域數據的來源、獲取和接入065
2.7.1 公域數據的來源065
2.7.2 公域數據的獲取067
2.7.3 公域數據的接入069

第3章數據驅動的數字化推廣073
3.1 合約廣告與非合約廣告073
3.1.1 合約廣告073
3.1.2 非合約廣告075
3.2 從合約到非合約：數字廣告生態的重大轉變075
3.2.1 廣告網絡075
3.2.2 廣告交換平台078
3.2.3 實時競價廣告080
3.2.4 RTB 廣告的競價方式085
3.2.5 程序化廣告的特點089
3.3 數據驅動的品牌廣告投放091
3.3.1 品牌RTB 廣告投放091
3.3.2 RTB 在品牌營銷上的悖論094
3.3.3 品牌PMP 之一：程序化合約廣告096
3.3.4 品牌PMP 之二：優先交易102
3.3.5 品牌PMP 之三：私有競價105
3.3.6 選擇合適的品牌程序化廣告投放方式107
3.3.7 品牌程序化廣告投放的操作系統109
3.4 數據的應用與DMP 114
3.4.1 DMP 的本質114
3.4.2 在DMP 中選擇人群116
3.4.3 利用DMP 衡量品牌廣告的投放效果117
3.4.4 真實的DMP 案例118
3.4.5 DMP 的Look-alike 功能125
3.5 數據驅動的效果廣告投放128
3.5.1 再營銷129
3.5.2 效果營銷所用的RTB 130
3.5.3 私有RTB 133
3.5.4 oCPM 與oCPC 138
3.5.5 效果類程序化廣告投放的操作系統143
3.6 無處不在的數據驅動151
3.6.1 私域數據驅動的程序化廣告投放152
3.6.2 RTA 廣告155
3.6.3 基於公域數據的程序化廣告投放157
3.7 個人信息保護：紅線、悖論與前景163
3.7.1 什麼是個人信息163
3.7.2 個人信息使用的合規167
3.7.3 去特徵化170

第4章流量效果的數據分析173
4.1 流量渠道的效果分析與優化的工作內容173
4.2 流量渠道的數據採集174
4.2.1 流量標記的Link Tag 方法174
4.2.2 對搜索競價排名流量使用流量標記179
4.2.3 信息流廣告用Link Tag 做標記182
4.2.4 App的推廣來源問題184
4.2.5 流量標記不能實現的地方191
4.3 細分渠道的評估與分析193
4.3.1 流量渠道的衡量指標193
4.3.2 流量渠道的產出分析195
4.3.3 流量渠道的質量分析196
4.3.4 衡量流量質量的標準指標與Engagement 197
4.3.5 流量質量與產出的結合分析206
4.4 整合渠道效果評估和歸因分析208
4.4.1 歸因，一個名詞之下的多個理解209
4.4.2 線上全域歸因可以實現嗎210
4.4.3 線上局部歸因211
4.4.4 單觸點歸因：流量覆蓋問題214
4.4.5 一個轉化背後所有可能的努力215
4.4.6 歸因中的助攻和進球218
4.4.7 歸因：一個實際的助攻案例222
4.4.8 曝光歸因和點擊歸因223
4.4.9 歸因的時效性225
4.4.10 更詳細的歸因關係——歸因路徑226
4.4.11 歸因模型230
4.4.12 自定義歸因模型與智能歸因模型236
4.5 流量渠道分析的總結案例243
4.6 異常流量與作弊識別248
4.6.1 流量作弊情況嚴重嗎249
4.6.2 常見的作弊方法251
4.6.3 作弊流量的流量特徵254
4.6.4 識別作弊流量255
4.7 線上推廣對線下轉化效果的評估268
4.7.1 追踪購買意向268
4.7.2 追踪線上推廣帶來的線下銷售270

第5章數字化的流量運營與消費者交互273
5.1 流量的落地優化273
5.1.1 落地體驗“五原則”與反面案例274
5.1.2 著陸頁的跳出率281
5.1.3 熱力圖283
5.1.4 熱力圖的替代288
5.1.5 著陸頁分析與優化290
5.1.6 智能著陸頁298
5.2 A/B 測試300
5.2.1 A/B 測試應該怎麼使用300
5.2.2 A/B 測試如何確保均勻分流302
5.2.3 A/B 測試的統計學意義與辛普森悖論303
5.3 用戶交互的分析與優化307
5.3.1 體驗失效307
5.3.2 內容交互317
5.3.3 社交內容分析326
5.3.4 用戶引導333
5.4 利用數據優化微觀轉化342
5.4.1 轉化的宏觀漏斗和微觀漏斗343
5.4.2 轉化漏斗分析345
5.4.3 微轉化元素353
5.4.4 關鍵轉化環節的優化360
5.5 利用數據優化宏觀轉化382
5.5.1 轉化的周期382
5.5.2 商品的分析391
5.5.3 消費者忠誠399

第6章數字化的消費者深度運營413
6.1 消費者深度運營的邏輯413
6.1.1 什麼是消費者深度運營414
6.1.2 產品、市場與消費者運營的策略矩陣414
6.1.3 兩個障礙416
6.1.4 誘餌、觸點與規則方法418
6.2 私域流量與消費者深度運營425
6.2.1 私域流量不過是博人眼球的概念？425
6.2.2 私域與公域，一枚硬幣的兩面426
6.2.3 私域流量運營的4 種形態428
6.2.4 私域流量運營的模式一：DTC 430
6.2.5 私域流量運營的模式二：B2C2C 434
6.2.6 私域流量運營的模式三：B2B2C 438
6.2.7 私域流量運營的模式四：B2B 441
6.3 消費者深度運營的數據解決方案442
6.3.1 CDP 442
6.3.2 利用CDP 進行消費者數據的管理和應用450
6.3.3 如何衡量CDP 的價值461
6.4 消費者深度運營的常用解決方案464
6.4.1 單一觸點上的自動化運營465
6.4.2 單一生態內的數據化運營474
6.4.3 跨生態的數據化運營485
6.5 未來已來495
6.5.1 人工智能正在升級數字化運營495
6.5.2 5G也會帶來巨大的變化497
6.5.3 數字化營銷與運營從業者的變化與應對505

索引511