当下数字营销人才最缺什么技能?

极诣一向秉承“干货为王”的内容营销策略,然而本篇我们将会将脚步放缓一点,谈谈山海经,撇撇情操。因为新年伊始,辞猴迎鸡,实在太适合谈这个话题。而忽视这个问题的代价可能是让你满盘皆输的结果。

我们虽少一点“干货”却也不都是演义流、成功学或者阴谋论。我们讲讲当下的数字营销人员,尤其是墙内的数字营销人员最欠缺的能力——数字分析能力。

什么是数字分析能力?

数字分析能力是定性定量地使用各种维度和指标来发现问题、解释问题和解决问题的能力。数字分析能力是数字营销者所需具备的关键能力之一,它并不算一种高阶技能,因为即便是基层的数字营销者也非常需要掌握一定程度的数字分析技能。数字分析能力的高低直接决定了数字营销者的实力。一个数字分析能力强的数字营销人员往往可以摸清企业营销的思路,发现现有营销活动中的缺陷,把握机会并避开雷区;而一个糟糕的数字营销人员的共同特点是数字分析能力低下,他们并不知道企业的营销的命门在何处,如果他们身处要职往往还瞎指挥那将导致企业不但白白丧失大量时间还会浪费巨大的营销成本。

数字分析能力薄弱的数字营销者是整个数字营销金字塔中最底层的人员,他们如同行尸走肉,每天做着无脑的操作。在企业人才招聘的时候千万要避开这类人,即便他们夸夸其谈,或者有着多年行尸走肉的经验。因为雇佣他们的风险非常大,在这种状态所处的时间越久,开窍的几率也越低。

极诣危言耸听那么多,而又对数字分析能力的定义相对模糊。那么究竟什么才是数字分析能力呢?有什么证书、考试、岗位资格认定书可以帮我们来提高、鉴定人才呢?

驱动数字分析能力的三驾马车

数字分析的三驾马车

数字分析的三驾马车

数字营销人员要想避免成为行尸走肉就必须取得自己的灵魂。而数字营销的灵魂就在于数字分析。数字分析(Digital Analysis)旧称网站分析(Web Analytics),有时也特指媒体分析(Media Analytics)。数字分析由三驾马车所驱动,它们是:

  • 数据抓取
  • 数据处理
  • 数据理解

这三者生生不息。由上图我们可以看出这个三角形的底部是互为想通的数据处理和数据理解,而顶部的顶点是数据抓取。这是怎样的一个美妙结构呢?

数据抓取能力

数据抓取能力是最考验数字营销者技术能力的能力。它是数字营销区别于传统媒介营销的根本。正因为数字营销中“一切皆可衡量”(Everything’s measurable),数据抓取堪比数据分析这个数字营销灵魂的载体。数据抓取能力包含了对网站、APP技术层面的理解,JS、CSS、HTML、DOM、JSON技术的理解,URL标记能力,展现、点击跟踪器的设计和部署,还有分析工具如Google Analytics和标签工具如Google Tag Manager的运用能力。数据抓取不同于数据处理和数据理解,它是可以单独作为一个数字营销工种的。一个好的数据抓取工程师可以带给你的是,如果你想要任何你想要的维度信息和指标数据,他就可以为你抓取。他不必问你想要这个做什么,他就是有办法为你挖掘收集这些数据。

设想场景:你想要登录访客未登录已注册访客未登录未注册访客这三者行为的比较。你的数据抓取工程师就会通过GA的User Level的Custom Dimension来为你标记访客是否已注册。他会把所有曾经登录过的访客都用Cookie标记上。同时再用一个Session Level的Custom Dimension来标记当次访问是否登录。一段时间以后,你就可以自己去查阅你需要的报表了。这整个部署过程只需要通过GTM进行,它不需要你的开发团队配合,因此只需要20分钟。

随着网络技术和各种工具的进化我们看似数据抓取的要求少了,其实每个企业每种生意都有它的独特性,我们每天都有着太多的数据需要客户化。而数据抓取能力作为数据分析的关键一环,它决定了你的数字营销能不能“无痛(点)上(闭)环”

数据处理能力

数据处理能力很大程度上依赖于数据处理人员对维度(Dimension)和指标(Metric)的理解。它受限于你能够抓取到的数据。一个好的数据处理人才不单对各种维度和指标如数家珍,而且对如何应用它们熟门熟路。

如果你想要知道User Engagement,他们就知道哪些指标会非常重要,比如Bounce Rate,Time On Site,PageViews per Session等。你想知道电商网站Close Deal的能力,他们会帮你计算Cart Abandonment Rate。你想知道内容发布后的效果,他们会帮你找到Backlink数量以及Like、Share、Comment的数量。他们是那群做报表的人,但他们提供的价值远大于做报表。因为我们对数字营销的分析远远不止一两个维度和一两个指标。而是许多维度和许多指标综合的分析。

数据处理人员所要求的技能是对各个Web Analytics工具的熟练应用,各种其他第三方数据源的熟悉操作,还有最重要的他们必须是Excel大师。如果他们能同时是SQL,R,SAS或者Tableau的高手那就再好不过了!不同于数据抓取人员多来自具有技术开发背景的人才,数据处理人员多有统计背景。而我们接下去要讲的数据理解职能的人才需要的是营销背景。

数据理解能力

如果你招几个文科生或者是营销背景的小朋友,他们可能会认为这是最适合他们发展的方向,他们也可能认为这是他们最擅长的领域。不过很抱歉,那还是错的,至少不完全正确。数据理解也可以换个词叫“数据阅读”,它是获得Insights的整个过程。Insights不是那些Facts,不是一些废话告诉你“展现、点击、消费”多少,而是获得一些可操作(actionable)的启示。

残酷的是,这样的人才凤毛麟角。一千只Donkeys里面找一只Unicorn都找不到的节奏。为什么?因为数字营销的历史尚短,学校里还来不及教这些!(笑)笔者看到更多的是另一个次元里的行尸走肉。这部分职能绝大多数都是各个品牌的数字营销中坚人物,可是他们大多数连需要哪些维度、指标去让数据抓取工程师抓取都不知道。更不用说是让数据处理的“手下”去提供报表了,因为他们的脑海里并不知道这报表长什么样,他们连柱状图和饼图的区别都不知道。

如果他们连柱状图和饼图的区别都不知道,他们又怎么会知道Segmentation和Attribution Model呢?所以,他们只会每周问广告代理公司要一个“有转化的关键字列表”,然后无比自豪地通知他们把“没转化的关键字停掉”。他们阅读数据的方法是粗暴的,他们不会发现报表中的“深层次”问题。所以他们从来不会去GA后台加任何“Filter”,因为他们相信“用数据说话”。

笔者从不相信数据本身,而只相信有能力呈现数据,并能说明问题的人。

如果你回到我们前面分享的三角形,你会发现具有数据理解能力的人才才是掌握整个数据分析流向的关键人物。这样的人才需要明白其他人需要做些什么,从这个意义上说这是一个管理职位。不仅仅如此这个职位上的角色需要大量的经验和对数据最最最最深刻的理解。因此营销背景虽然对阅读数据有所帮助,但是这个加分是极度有限的。笔者看到更多的从三角的另两个顶点通过开发营销思维而胜任这项工作的人才。

数字营销人才最欠缺的是数字分析能力

2013年互联网营销公司专业知识和重要技能落差

2013年互联网营销公司专业知识和重要技能落差

在结束本篇前我们先分享一张旧图。三年前极诣还叫极意的时候,在美国OMI,ClickZ以及Kelly Staffing的一项调查中就指出在网站分析这一项企业的期望和人才的平均素质有着巨大的Gap。

时至今日,笔者并未看到有所改观。如果你是中小企业的创业者,或者你想要将你的业务向数字过渡,如果你想要构建你的团队,那么请你务必牢记你的首要工作是去寻找这样一位人才作为你数字营销的核心人物,他需要有超过大多数人的数字分析能力;如果你正在寻找一家数字营销服务代理,那么数字分析能力会是你首要考察的能力;反过来,如果你身居要职却是不幸被笔者言中的“患者”,那么极诣以及写了太多数据分析方面的内容,不妨先从“扫盲”开始?然后?考虑下Google Analytics Academy