网络营销学而行

学而行营销网 > 职业专业 > 营销职场

认知营销科学(Marketing Science):中国营销人比以往任何时候都更需要

李怡 数英网 2018-02-02

1517398610747104.jpg


“你做营销有没有快感?”

我觉得任何从事营销行业超过5年的朋友都可以思考这个问题。

我对营销的“快感”理解有两层:

第一层是解决问题的快感。遇到企业发展、产品卖货、品牌增长的直接问题,如果能解决当然有成就感;如果是帮客户解决问题,虽然可能是间接的,但一样获得成就、获取回报。

第二层是探索营销客观规律的快感。探索营销,实际上就是在探索人、社会、技术等各个要素,它们的交互关系,它们的因果关系等等...这当然属于探索世界客观规律的一部分。


我想真正喜欢市场营销的人,往往都逐渐会在第二层找到自己的快乐,而且它是可以实实在在去影响我们解决第一层所遇到的问题。

错综复杂的营销难题

事实上,探索营销的客观规律是非常难的事情。

IBM曾创造出一个模型叫“Cynefin framework”,本是用来描述职业经理人们遇到的企业管理问题的,但这里可以被用来恰如其分的描述当前“市场营销”所处的环境本质。这个模型在socialbeta上@文科生 曾进行了翻译,在此引用:

复杂 (Complicated)——因果之间的关系有连接,但是之间的步骤很多
错综复杂 (Complex)——因和果之间有关联,但混合在一起,很难把对应关系单独找出来
混乱 (Chaotic)——几乎难以发现因和果之间的清晰关系

如何理解复杂和错综复杂之间的关系呢?—— 作者David Sonwden举了一个例子。法拉利很复杂:它有很多零部件,需要用精确地方式把这些零部件错综复杂的组装起来。在每次保养和维修中,你需要一个法拉利机械专家才能找到因果关系。

作为对比,一个雨林就叫做错综复杂:动植物的生态系统彼此动态关联。任何一个行动,一个原因,都可能产生新的涟漪效应,前后循环,很难预测。

营销过去很复杂(complicates),但是现在是错综复杂(complex),它现在是一个巨大的生态系统,更像一个雨林而不是一辆法拉利。在这个环境中,探索性的数据分析和实验,能够帮助人们在系统中发现有效的模式( patterns),但未必有一个菜谱( 在这里指真正的捷径)。

1517398668201614.jpg

在这样错综复杂的市场营销环境中,我们到底要如何摸索规律呢?

答案可能是借助Marketing Science的力量。

这篇文章的主要目的,就是建议朋友们主动了解和学习Marketing Science(勉强翻译成营销科学,以下简称MS),主动拥抱第二层次的问题。

来认识Marketing science

那marketing science(以下简称MS)是什么?

1517398693961867.jpg

过去,大多数人使用的是传统方法。传统方法是基于人本经验的,最常见的是焦点小组、个人访谈这些调研手法,它的特征是样本量小,而且极容易主观和篡改,结论往往被用来支持做法。

现在,科学能力的进步致使我们可以进行marketing science研究。

Wikipedia对MS的定义大致是:“MS是基于科学途径,而不是单纯人文或经验的理解消费者需求、发展营销策略的营销方法。” 


这当然是比较粗略的一种说法,啥是科学的?啥是不科学的?所以我又以自己浅薄的知识储备给出我的理解,并建议从这条路开始走:

如果把MS不当做一门学科,而是一种思路,那它大概是:“怎样基于实证方法研究进行更有效率的市场营销活动”。在这里,我们把科学落地到一个概念上,实证方法,在《HowBrandsGrow》中对应的是“evidence-based approach”。

这么说好像还是太抽象、太复杂了。所以我就把自己的抽象理解进行了分类,简单的说MS有两个研究方向:

1517398712490037.png

一个是以数据、人工智能(所谓的)为核心的匹配探究,通过相关关系拯救世界;一个是以认知和行为科学实验为核心的对人性、大脑及行为的探究,通过因果关系拯救世界。

在我看来,营销科学正通过这两个方向的齐头并进,迫近客观规律。

下面我来具体解释:

数据营销科学:数据、相关性、匹配

先说第一种,也是更广为人知和应用的一种。伴随互联网和信息技术发展,几乎一切行为都可以数据化,品牌企业掌握消费者的购买数据、媒体广告投放获取的行为数据以及社交、电商等其他网站拥有的更大了的数据,共同构建了一个数据库。也就是大家口中常说的第一方、第二方、第三方数据:

1517398728157861.jpg
source:华扬联众公众号

用户形象和行为的数据化,使得基于数据的匹配(高相关度的推送)和实验(A广告不看,换B广告)成为可能。这当然也是现在最火爆的Martech、Adtech相关技术的基础。

因为终端呈现的数据实际上仅仅只是用户某一个行为,是种结果(而不是其起因,也无法判断起因)。而这些数据量是很庞大的,公司也必须对效率负责,所以这个领域的思路正是 —— 基于相关性的匹配。

例如:①目标人群奶爸,在购买了尿不湿后常会购买啤酒。那么营销人员可以不用考虑背后的原因,而直接根据cookie数据为前者TA推送啤酒广告,大幅提高成交。②淘宝的千人千面,在人群相同banner内容不同的A/Btest里,只要groupA的点击率比groupB高,我们就直接换成A banner,不用考虑为什么Abanner效率更高。

1517398739464834.jpg
source:socialbeta

Martech这个领域的现状是:第一方数据大公司开始广泛运用、小公司刚刚意识到;而第二方数据大公司开始关注;第三方数据在中国还有很严重的不透明、无法联结的问题,需要很长时间去解决。但总体来说,它是互联网技术的风口ing,正站在舞台中央。

舞台边缘,还有另外一个分支亟待入场。

认知营销科学:实验、因果关系、内容

MS的另外一个分支,即基于发现因果关系,目的是“改变认知”的领域。

相对于看上去非常科技的“匹配”,还有一半营销人怎么办呢?他们是被称为手艺人的创意人、策略人、新媒体人、KOL、编剧、导演们,他们主要任务是不断创造内容。而内容的直接目的,是改变看内容者的认知。我把大家统称为“内容人”。

人们对“创造内容、改变认知”这个领域的误解有很多。例如像乔治·路易斯这样的一代一代的大师们会把这个过程看做艺术ART、认为是纯粹天赋。实际上,它可能比数据科学更加学术,也异常复杂。

你一定听过这些相关的学科概念:心理学、认知科学、脑科学、行为科学、行为经济学、神经营销学blabla....由此可见学术界的概念并不比营销业少嘛,但这些概念对大多数人没啥价值。

1517399576192912.jpg

你只要知道它跟marketing的关系 —— 通俗的说,它也是用科学方法,例如对大脑和神经元的研究、抓一群普通人做双盲实验等,去建立不同环境、信息、场景等(统称为内容)与人类认知/行为(attention&memory)之间的因果关系。

事实上从上个世纪7、80年代开始,很多心理学研究者就已经出版相关著作(如《影响力》),并发现这些规律早就被普遍应用在生活中。我们来看一些基本运用:

场景1,我经常被菜市场大妈“锚定”.....买几斤牛肉,我问价钱,大妈笑嘻嘻:“一斤80,那不会收你那么贵的..”,这个80可是远超实际价格的吓人数值...

1517398765129578.png

场景2,你可能有被销售小哥端茶倒水,嘘寒问暖...这是“互惠”,多多少少愿意坐下来听小哥说几句。

场景3,在去年的叙利亚问题上有个小故事:特朗普不爱听报告,爱看视频图片。所以国家安全顾问就做了一个很有冲击力的PPT,展示了叙利亚难民小姑娘的悲惨照片....结果就是川普被打动了,下令空袭叙利亚。

1517292817(1).jpg

以上是我们都非常容易感知到的场景,我们都知道锚定效应、互惠效应、人们更喜欢具体的图片、故事而非抽象表述等等....那么在更新的研究中,这个领域的科学家们正在发现更多:

例如我们都知道性和暴力相关的要素,能够有效吸引人类注意力。

那么这个发现除了变成与性&暴力有关的广告内容,还可以怎样促进品牌好感呢?

1517399587718776.jpg

研究人员采用了人类演化视角去看待性与暴力:

在碰见危险或对抗时,人类渴求组成团体来获取安全感,而在遇到可能的性机会时,人类则又更倾向抛弃群体,获得个人追求浪漫的机会。这被称为“融入”和“脱离”两种情景。而这两种情景实际上正与两类经典的商业广告主张对应:

①鼓励大家从众(e.g.地球人都知道) 

②鼓励人们特立独行(e.g. 不走寻常路)


timg.jpg

他们随后以在电影院进行了一场实验,他们为旧金山现代艺术博物馆制作了两种广告。第一条的广告语是「每年有超过100万人次参观」,把这支片子投放给正在观看惊悚电影的受众看时,强烈引发了好感,而对爱情片受众播放时则降低了对博物馆的好感....第二条片子的广告语是「从人群中脱颖而出」,这条片子面对两群消费者时,取得了完全相反的成果。(Griskevicius et al., 2009)

为了证实这条规律的可行性,研究人员后续几年还进行了多次试验,结果都非常好。(Deval et al., 2013;Zhu & Argo,2013)

进一步的,类似下面这种的,直接基于广告/传播效果的检测研究也越来越多了。

1517453628569591.png

研究人员建立了所谓COMMAP Model来检测消费者对广告的likeability(好感度/魅力),结果显示那些过于熟悉的、难以理解的、和过于不熟悉的广告的表现最差。

在之前我给大家推荐的品牌策略模型一文中弄懂这张图,重新理解Branding,我曾提到企业的品牌构建实际上就是要关注消费者的attention 和 构建 memory structure,认知科学通过实验和大脑研究给我们提供了一些通路。

总之,我们能欣喜的看到,在认知科学与市场营销学交叉的领域,能够大幅帮助我们提高效率的研究和见解越来越多的出现了。这是我为什么推荐大家去学习和阅读相关内容。

希望你在Marketing这茂密丛林中,带着上面这两把手电筒去探索乐趣。

带着偏见推荐些书

在以上两个领域,我对数据领域仅仅是关注逻辑和应用方法,个人更喜欢关注认知科学领域。这两年我读了几本相关的书籍,推荐给大家作为入门和兴趣读物。

《影响力》
《Pitchanything》
《思考,快与慢》
《蜥蜴脑》
《先发影响力》
《神经科学:探索脑》(Neuroscience: Exploring the Brain)


这些书里我会推荐《影响力》、《思考,快与慢》、《Pitchanything》这三本给刚刚感兴趣的大家。

《影响力》作为此领域最经典的著作之一,解释了目前被广泛认可和运用的6个影响行为的方法;而《思考》则真正从行为科学领域,通过一场场实验、探究解释了人为什么这么容易被影响的根本原因;《pitch》这本书更像是小说,却从更微观的“个人说服”层面,用案例(甚至是视频,作者在youtube有大量视频)讲述了我们怎么运用说服力手段。

如果你特别喜欢这个领域,则推荐继续阅读《先发影响力》和《探索脑》,尤其是后者,实际上是一本让人趣味盎然的教科书,探索个人大脑世界的绝佳入门读物。

结尾

李银河说:“年轻人应该追求真相!”。我深以为然。

Marketing Science及其各个领域就是致力于挖掘市场营销的真相,这确实是值得每个营销人学习或至少是了解的事情。这篇文章目的仅在于做一些推动和简单介绍,作为该领域的初学者我接下来会将其尽可能运用到实践工作中,尝试真正落实到品牌科学增长过程中。

谢谢阅读。

///////////////////////////

*中国目前还没有大规模的、偏向于实践的marketing science相关组织,如果有企业和代理商公司感兴趣可以找到我一起讨论如何推动它、利用它。

*本文中有一些不严谨的表达,例如匹配性、相关性、改变认知等,皆为个人语言体系,不建议参考。

*写作初衷:因为内容营销概念一度非常火且被泛用、滥用,所以之前曾详细解释过“内容营销”是什么。但marketing science或有不同。MS难以成为大火特火的炒作型概念,它不具备简化思考、引发情绪和跟风的能力,相反它更需要客户和代理商们进行复杂化的研究和投入。我想写它仅仅是因为我觉得MS很重要。


知识点:

编辑声明:本站收集的部分公开资料来源于互联网,转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。如发现网站有侵犯您知识产权的作品,请联系我们及时修改或删除。联系方式:qq或邮箱:284332981@qq.com

华哥

学而行营销网 站长/编辑

网络营销与数字广告策划专家/培训师
个人网站:www.xiaoyunhua.com

栏目导航
市场营销百科
圣诞节活动策划 STP分析 市场细分 消费者行为心理 借势营销 波特五力模型 事件营销 六一儿童节活动策划 端午节活动方案 定位理论 市场调研 李叫兽 酒店营销 饥饿营销 usp理论 swot分析法 营销心理学 4R营销理论 4PS营销理论 4P营销理论 4C营销理论 口碑营销 渠道管理
数字营销策略
外贸网络营销 场景营销 二维码营销 全网营销 微博营销 网红营销 大数据营销 病毒式营销 社会化营销 自媒体营销 新闻营销 内容营销 软文营销 网络营销工程师 网络营销师 邮件营销
广告策划投放
百度竞价 圣诞节文案 微信广告 百度信息流广告 程序化广告 广点通 腾讯社交广告 公益广告 父亲节文案 原生广告 可口可乐广告 网盟推广 叶茂中 广告可见性 大卫•奥格威 sem优化 ASM 信息流广告 着陆页 媒介策划 AB测试 杜蕾斯广告 DSP广告 RTB广告模式 广告法
运营增长官
竞品分析 axure 微信小程序 excel数据透视表 百度统计 增长黑客 热力图 社群营销 Google Analytics 互联网产品经理 SEO优化 ASO
电商淘宝操盘手
新零售 农村淘宝 淘宝客推广 钻石展位 跨境电商 速卖通 微商怎么做 阿里巴巴推广
创业经管大佬
杰克韦尔奇 互联网创业 阿米巴经营模式 稻盛和夫 共享经济 网红经济 松下幸之助 陈春花 乔吉拉德 菲利普·科特勒
职场销售女神
情绪管理 时间管理 化妆品销售技巧 服装销售技巧和话术 汽车销售技巧和话术
搜索