从数据到洞察 | Google 数字营销专家 Avinash Kaushik 给营销者的建议

近年来，随着数字化浪潮的不断深入，各个品牌对数字营销的重视程度也日益提升，在这一过程中，与数字营销有关的决策方式也有了显著的变化。

针对数字营销决策方式的这些变化趋势，Google数字营销专家， Web Analy tics 及 Web Analytics 2.0 等数字营销畅销书作者 Avinash Kaushik （以下简称 Avinash ）也分享了自己的看法以及给营销人员的建议。

Avinash ： 首先我们不再固执于网站流量或者是点击，而更关注这背后的消费者行为。

其次，在工具层面和非工具层面，我们也都有了非常大的进展。

就工具而言，包括 Google Analytics 和 Adobe 等网络分析工具实现了大幅改善，让我们拥有了更加智能的分析能力，例如基于用户的细分、对线上和线下营销归因的分析、以及由机器学习提供支持的新功能 (如，数据驱动归因模型）。

在分析工具以外，人们也不再仅仅沉迷于数据的收集，而是越来越关注构建分析模型，并在这一模型的指导下进行数字营销分析。越来越多的人开始意识到，数据和工具是为你的假设和思考服务的，而不仅仅是数据输出。

要真正成为由数据驱动决策的组织，需要兼具商业敏感和数据洞察的人才，将海量数据转化为洞察，这样才能有效支持企业最高层决策，并将数字化策略融入组织内部。

Avinash : 我的建议是：

不要只索取数据，而要索取行动的建议。

目前，大多数的营销人员和企业管理层都还在要求充满各种图表的报告，但实际上，他们并没有时间或能力去分析和了解数字背后的成因。 而同时，大多数的数据分析师仍然认为他们的主要角色是提供数据，并没有充分地接近实际业务，在这样的工作模式下，很多数字信息毫无疑问被浪费了。

为了解决这个问题，企业管理层需要改变对分析师们的要求，应该询问分析师：下一步我应该做什么？这将促使分析师更加贴近实际业务，使分析师有更明确的分析目的。

概括而言，就是不要求提供数据，而是提供 洞察 （ Insights ） , 行动建议 （What we should do）和 业务影响预测 （Result of the action been recommnded）。

Avinash : 数据驱动归因模型非常让业界激动。

一直以来，营销者在寻求特定的规则将转化功劳正确计算给不同的渠道。就像一场篮球赛，每一次入篮得分都是团队协作的功劳，而并非仅仅是投篮入筐的球员。传统的渠道归因，大多将转化功劳仅仅计给最终转化的渠道，或第一次曝光的渠道。

在过去，由于我们无法完全了解每一次用户的互动和渠道接触点，我们设定的归因规则只能基于人类预设的观点。

而今，我们可以利用机器学习的力量，理解和计算消费者的每一条转化路径，并据此评估渠道贡献，用算法帮助我们解决归因难题并提供洞察。数据驱动归因模型完全基于机器学习，不再受人类偏见影响。