܄

中国传媒大学资深教授黄升民:汽车大数据营销谨防伪科学陷阱

【数据猿导读】 中国广告博物馆馆长、国家广告研究院常务副院长、中国传媒大学资深教授黄升民先生在《2016品牌传播十六变》的主题演讲中表示,汽车行业需求端的线索追踪和需求数据处于缺失状态,有待挖掘;基于大数据的程序化购买要谨防陷入伪科学陷阱

中国传媒大学资深教授黄升民:汽车大数据营销谨防伪科学陷阱

10月14日,由腾信、众调网、中国传媒大学广告学院联合主办的新途首届汽车数字创新营销论坛在长春举行。中国广告博物馆馆长、国家广告研究院常务副院长、中国传媒大学资深教授黄升民先生在《2016品牌传播十六变》的主题演讲中提出汽车行业需求端的线索追踪和需求数据处于缺失状态,有待挖掘;基于大数据的程序化购买要谨防陷入伪科学陷阱。

他表示,我们所处的环境目前每天发生急剧的变化,首先是时间和空间上的变化。

时间上,人们的平均注意广度陡然缩短,只有8秒,这使得影响人们意见和决策的时刻越来越“随意”。

空间上呈减速、过剩、收窄的趋势,导致产能过剩。从汽车行业来讲,空间之变将从技术、市场、消费、理念四个方面将整个市场推向专业化、开放化的发展趋势。

其中专业化包括三点:制造商将消费者需求转化为产品和服务——整车方案提供商;零配件商延长服务链条——汽车解决方案提供商;经销商瞄准出行市场——出行服务解决方案提供商。而开放化则体现在各角度厂商都能分享市场就,对接需求,快速响应;竞争格局转变为寡头市场向垄断竞争进化。

黄升民教授提出,当下传播出现了五大变化,即平台化、碎片化、数据化、狗血化以及巫师化。

目前平台主要包括内容聚合平台、虚拟交易平台以及微信平台。平台解决信息通道稀缺问题,达到无限传输,但是平台并不是无边界的,只是无形而已,在大数据可寻址的帮助下,能够实现对无形平台的控制。组建平台、成为平台并且进入平台是营销行业必须思考的问题,应当成为营销长远的战略目标。

关于碎片化,黄升民教授提出,目前信息的碎片化造成了时间、空间、阶层、消费、文化和知识的碎片化,也就是社会的碎片化。而以碎片对待碎片的角度去思考问题效率太低。相比起来,思考融合问题和重聚问题将更加合理,考虑用什么样的内容和载体故事使碎片重聚,这对于营销来说十分重要。

关于数据化,黄升民教授认为当前基于大数据的程序化购买是一种潮流,但是也可能是个陷阱。因为目前还有很多技术上的问题没有解决,如果一味听从数据的摆布,则可能陷入一个伪科学的陷阱。

黄升民教授提到,创意的狗血化是近几年来大家不可摆脱的问题,由于原有创意风格以及题材注意力大大衰减,导致使用狗血创意吸引眼球成为一种趋势。他认为,随着广告背离了科学道路,如今已经进入了“巫师时代”。

传播的这五点变化带来了一系列问题,包括知识结构的反转,逻辑思维的退化,求知欲衰退等。

营销应对策略的三大核心

黄升民教授提出,当前大环境对于品牌来说是生存的艰难时期,越是世道艰难越是需要传播沟通,广告具备软硬兼施的通则,这点对于任意形式的传播渠道来说都是一致的。

他提出新时代下营销的三大核心,即如何讲述品牌故事,如何维护脆弱的双方关系,以及智能化的科学决策。

黄升民教授表示,营销对于科学体系的建立已有100多年的探索,始终在碰壁。对于汽车厂商来讲,传统汽车ERP生产数据以及产业主体科学决策已经拥有,而需求端的线索追踪和需求数据一直处于缺失状态,有待数据挖掘。需求端囊括消费行为、兴趣爱好、态度意见、社交关系和模拟画像等多个层面,其数据来源包含实时的线下销售数据、小量针对性地专业调查数据以及海量、非结构的网络数据。

“我们有海量的数据,数据源的问题和行为检测的问题已经实现革命,但是在数据处理和方法论的突破层面做得相对滞后。重新模拟决策过程经验和应对的场景,完成两者之间的数据交替,才是大数据的活用,否则就会被大数据牵扯,掉入陷阱之中。”

此外,黄升民教授提到全媒体传播和全场景营销以及全球化的运营也是未来传播的发展趋势,而不管大环境如何变化,讲好故事对于营销来说是永恒的重点。


来源:汽车产经网

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
社交媒体影响医药行业,病友交流恐沦为营销手段
社交媒体影响医药行业,病友交流恐沦为营销手段

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部