2.4　Martech时代对营销人员的能力要求

总体来说，营销人在Martech时代面临的更高要求包含以下这些方面。

2.4.1　对生态圈的理解和谈判能力

品牌的营销过程不是孤立的，涉及与各方面的角色合作和共赢。

1.以DMP数据集成为例

一个典型的基于第一方DMP平台的数字化营销过程涉及的角色可能包含品牌方、媒体方、代理商、监测公司、DMP平台服务商、网站优化服务商、第三方电商平台、第三方数据提供商等。如果需要实现全流程的客户数据采集和打通，就需要在各个环节与多个合作伙伴进行沟通和谈判，而其中有些沟通和谈判是在企业进行Martech数字化转型之前不会涉及的。例如：与媒体沟通，允许添加第一方DMP监测代码，并返回分析所需要的营销数据；与监测公司沟通，在部分媒体不具备添加第一方DMP监测代码的情况下，可提供哪些必要的数据分析维度；与代理沟通营销流程的落地环节，例如根据营销排期表，在第一方DMP平台上创建相应的营销计划并生成监测代码，然后与第三方监测公司合作进行串码或并码；协调DMP平台服务商和官网优化服务商，沟通彼此之间的接口，完成官网千人千面的工作；与第三方电商平台沟通，回传必要的订单数据以便做转化漏斗分析和广告投放中媒体的归因分析等；协调第三方数据供应商与DMP平台服务商，沟通需要在哪些环节嵌入第三方数据能力以及具体的实现流程。

2.以评估广告反作弊解决方案为例

评估和选择广告反作弊解决方案时，需考虑是采用外部托管方式还是本地化部署方式，并要求其技术提供商确保广告黑名单不断更新。应在网络流量出现任何意外增长时通知IT团队，以便对无效或欺诈流量进行准确评估。在需求侧平台（DSP）竞投数字广告之前（pre-bid），可通过问询反作弊欺诈检测服务来消除或大幅降低欺诈水平。市场中已出现很多提供投前反作弊问询服务的解决方案，以减少各种形式的复杂无效流量（IVT）。

所有这些协调和沟通都是企业在应用Martech时面临的新课题。另外，所有的沟通除了商务层面的要求以外，还会有技术层面的要求。

2.4.2　对技术的理解和评估能力

在技术层面，要求品牌方对Martech技术栈有全面了解，并能比较各个供应商实际能力的差异，这样才能在Martech落地到实际系统的过程中做好服务商的评估工作。该能力将极大影响企业应用Martech的效果。

1.以DMP系统为例

根据品牌方的自身需要，可以针对供应商选择的对品牌最重要的能力来进行评估，例如可以从数据获取能力、数据管理能力、数据激活和运营能力、数据补充能力等方面进行评估，每一项能力还需要细分为若干项子能力。例如数据补充能力，可以从供应商的自有数据源、数据体量、数据质量、数据的互补性、应用场景和案例等方面进行量化评估，并比较不同供应商的差异。

部署DMP时也应极其谨慎。因为企业第一方受众数据非常宝贵，应尽一切努力避免数据的泄露。因此，技术团队应该进行数据安全审计，以解决媒体、广告投放商、DSP和DMP之间共享数据的问题。企业选择的DMP应该是开放的，并且容易与Adtech供应商和媒体流量供应商（如DSP、媒体和广告交易平台）集成。如果他们不允许使用你选择的技术供应商或媒体，你应该考虑换一个供应商或解决方案。在一个封闭的生态系统中，你会被迫为不想要或不需要的产品付费，这从长远来看不会带来好处。如果你的DMP也提供了个性化引擎，你的IT团队将需要API文档和有关如何更改站点架构的内容，以便为相关用户提供更好的体验。IT部门应负责确定外部DMP供应商是否可以实施跨设备匹配，是否可以匹配用户设备的流程；还需要检查、审计跟踪埋点代码和基于浏览器的跟踪埋点容器代码。IT团队必须审查收集移动设备ID的过程。

2.以Adserving系统为例

可选择从触达率、频控能力、跨屏能力、动态创意、品牌安全、应用场景和案例等方面进行评估，以求选到对品牌来说更有价值的Adserving合作伙伴进行长期合作。

3.以DSP系统为例

营销主对DSP供应商的评估重点应放在DSP系统的操作和设置的简易性，以及DSP在媒体投放优化和竞价引擎方面的软件质量上。纯粹的DSP供应商应只专注于广告主的需求和利益。若DSP公司或有相关利益的公司在流量供给或ADX等方面有所涉猎，不能保持中立或独立，就可能导致该DSP供应商不能完全符合广告主的真正利益。市场部和IT部门应共同评估DSP供应商的解决方案，以确保其能满足功能和技术要求。评估应包括解决方案的受众细分、归因分析能力及供应商提供本地技术支持的能力等，还应研究DSP供应商解决方案与Adtech和Martech栈的其他组件集成的难易程度，包括与内部部门或供应商提供的数据管理平台（DMP）的无缝集成。

4.以SSP系统为例

SSP应该帮助营销人员通过单一平台灵活地实现对视频广告、横幅、原生广告、插屏广告和其他广告格式的支持。SSP必须能够随流量提供实时数据，这些数据可用于效果优化，并能够支持用于营销活动的智能算法。在单一SSP平台上还应能管理多个广告网络和库存源。与DSP类似，SSP也提供工具来保护品牌不受低质量、不健康或恶意广告的影响，并且还应具备评估和筛选媒体库存的能力。

对于IT运营团队来说，与SSP方建立一种直接友好的合作关系是明智的，这种关系使企业能够更全面系统地评估SSP的性能，并能跟踪后续的广告转化、效果归因和广告可见性等多方面的数据。SSP应为第三方技术供应商提供快速集成工具、灵活的报告系统，以及为需求方合作伙伴们提供开放的深度集成的能力，这些都将是IT部门评估的关键点。

5.以评估品牌安全解决方案为例

互联网上令人不快的内容的增加已经催生了一系列的品牌安全解决方案，这些解决方案远不限于关键词定位和网站黑名单。技术供应商现在都会提供上下文语意分析和可接受的网站广告曝光的语义选择。客户应该询问供应商以了解网页内容分析的流程，比如他们是否能为视频广告投放提供品牌安全服务，他们的技术是否适用于移动网络和App中的广告。营销主的IT部门需要知道品牌安全解决方案能够在多大程度上有效地扩展到所有目标Web和App媒体的广告曝光中。

大多数品牌安全供应商都将其解决方案作为一个程序化媒体购买平台的一部分来进行提供，因此品牌方需要了解整个供应商解决方案，包括库存质量管理。保护品牌的技术已经存在很多年了，但它并没有得到统一应用，这是一个可以增加实际价值的领域。

IT部门还需要与市场部合作，以确保独立审查品牌安全计划。与广告欺诈管理类似，IT经理还应负责评估高质量的投前问询的解决方案，以过滤掉坏网站或存在风险的广告投放方案。

6.以全渠道能力激活为例

企业的技术部门需要了解与提升全渠道营销能力的相关技术，其中新兴的人工智能技术正在为品牌提供新的方法，运用到现有平台中，可将用户行为及使用记录转化为数据，并提取特征及洞察规律，以识别和预测客户需求。IT面临的挑战是确保多个全渠道的营销工具能无缝协作，为客户创造良好的品牌体验。

随着营销技术的发展，市场中的全渠道解决方案供应商会越来越多，竞争也会越来越激烈。企业的IT专家应该能识别适合自己的技术和平台并进行投资，使营销人员能够在客户生命周期中提供流畅的体验，而不用考虑设备、平台或渠道等，并能轻松解决跨渠道联动、跨形式联动等各种复杂的问题。

7.以企业营销云方案的选择评估为例

越来越多的企业很可能会使用供应商提供的云平台，而不是让自己的IT团队去构建相关平台，尽管有些企业仍然选择构建自己的内部系统。越来越多的营销云、广告云平台及托管服务的出现，使企业能够将数字化营销计划的部署、实施和日常维护外包出去，以便于将自己的时间花在建立框架、管理、治理和制定新的战略举措上。

IT团队需要考虑营销云对业务其他方面的影响，并负责将这些数据解锁以供业务使用。企业可以使用的云模式有许多选择，例如托管和混合云系统。在Adtech方面，已经出现了很多极富创造性的工具及云服务，它们可直接使用供应商的API来构建广告，而无须登录该平台，这减少了新员工的培训时间。不过这些都对企业的IT团队及营销团队提出了更专业、更高的要求。

对于其他的Martech系统，由于涉及的技术不同，也会有不同的技术评估角度，这些都对品牌方提出了更高的要求。我们将在后面对Martech技术落地的主要系统进行详细介绍。

2.4.3　大数据打通、处理能力

有一个形象的比喻，如果Martech被比喻成人体的器官，数据则可以被类比为血液，有了血液，人体所需的氧气和营养物质才可以在各个器官之间流转，废物才可以排出。同样，有了高质量的数据，Martech的各项技术所落地的各个系统才能不断得到迭代优化，并最终实现企业价值的提升。Martech时代的品牌和市场人员需要具备一定的数据处理知识和数据敏感度。

1.以人群包重定向这个数据应用为例

若执行不当，重定向可能会激怒用户，而且品牌主需要让技术专家关注并评估人群包重定向提供商在频次控制、受众细分、人口属性、地理位置和上下文定向等方面的专业知识和能力。IT部门还应确保重定向技术可以与其他Adtech和Martech栈集成，包括Adserving、DSP和DMP。因为重定向依赖于Cookie ID、设备ID等用户标识数据，评估时应该确保供应商有一个全面的解决方案，且能够跨设备跟踪。一旦实施，IT团队应监控数据，以确保重新定向的计划是一致的、相关的，并且重定向不会发生浪费。人群包同流量的匹配率也常被称为找（召）回率，这是决定重定向效率的关键指标。

2.以Adserving系统为例

IT部门应确保Adserving能够与多个Adtech供应商顺利集成，并确保埋点管理（Tag Management）和营销活动跟踪（Campaign Tracking）的流程可高效运行。Adserving是广告主可信的真实数据来源，应实施标准化的数据报告流程和节奏，且数据应自由流入报告技术栈，以确保数字活动能够被准确测量和归因分析。

3.以营销自动化系统为例

营销自动化可能需要集成多个解决方案和平台，如DMP、DSP、CMS和分析平台。对IT部门和供应商来说，挑战来自如何集成所有这些系统并进行用户行为埋点追踪。需要密切关注各系统数据间的匹配率和属性，并确定如何合并移动端用户行为的跟踪（全渠道营销定义中的移动端用户行为数据匹配）。用户行为追踪埋点管理是市场营销自动化的重要组成部分，应得到严格管理。

4.以电邮直销为例

作为一种直接的通信方式，当邮件个性化、用户细分和电子邮件在移动端被广泛使用时，电子邮件的互动效果得到了增强。在客户对某个品牌的综合体验中，这种方式可以促进用户转化和培养忠诚度，以及鼓励新的销售形式。

现代化的电邮直销已超越了传统的直接发送链接的形式。现在，通过使用DMP数据对客户进行细分，以实现更具针对性的消息传递。非常重要的是，利用第一方数据发送消息的Martech工具也会将数据反馈给DMP，确保DMP可处理这些数据，前提是电邮直销系统在Martech系统中与DMP等其他系统无缝集成。

需确保电邮直销过程的设计，不是依赖单一维度数据的结果，而是可以不断丰富和补全数据的。这需要采集各种来源的数据，以确保品牌能够不断增加信息的相关性维度，以及增加用户行为追踪埋点数据的回收量。这即我们常说的补全用户全网的行为数据维度，并基于全网行为构建用户画像。

值得注意的是，随着Adtech与Martech的融合，用于电邮直销的数据还可通过移动端、PC端和视频平台等渠道的展示广告触达用户。所以，应确保DMP能收集客户旅程中的所有数据，并与企业的电邮直销系统、Adserving系统、DSP系统集成，这将使市场营销部门能够跨多个渠道对用户传递一致的消息。

5.以预测分析为例

预测分析与市场营销自动化的过程十分相似，因为相关信息均来自DMP。预测分析可帮助组织再次审查购买特定产品的客户的特征，例如位置和人口特征，以及购买兴趣等，从而圈定符合这些特征的新的潜在客户。IT部门应参与到企业Martech软件栈中的预测分析套件的选择和实现。预测分析套件由数据挖掘、分析、统计、建模、报告等功能模块组成，通常由专业供应商提供。当组织有内部数据科学家时，需要IT部门的参与，以确保正在进行的建模可合理使用数据并符合相关法规。

上述过程的挑战在于要确保数据收集组合的复杂度适中（采集太复杂的数据成本会增加，成功比例和可用量级会减少；采集太简单的数据虽然成本会减少，但也会造成有效性、可信度降低）、能可靠地与交易系统报告顺利集成，以及能合理且正确地应用建模技术。

6.以第一方等数据处理为例

对于企业的IT部门来说，处理第一方数据的关键是如何将多个来源（CRM、社交媒体、广告推广活动、销售终端POS）的数据集成到统一的事实数据来源中。例如，将某个用户在不同的孤立的业务系统中产生的不同用户标识ID及相关附属数据打通，合并为同一用户的行为数据。IT团队几乎不会直接干预第二方或第三方的数据，因为大部分数据将发生在DSP或DMP级别。它很可能会作为媒体归因和验证的一部分，因此，如果你正在构建这些能力，将需要引入一个跟踪分析验证的过程来管理整个项目。然而，围绕数据治理，IT部门应了解如何使用数据，其中包括与数据供应商一起审查合同，以确定数据所有权和报告粒度等问题。

7.以数据匹配率优化为例

为了帮助企业实现最佳匹配率，IT团队需要全面了解用数字化方式获取用户的整体策略。这通常需要统一受众数据、媒介执行和广告创意个性化，以实现全漏斗的广告购买和优化。高匹配率使企业能够触达正确的受众，并实现更高的销售转化。因为广告商通常会使用多种技术平台，IT部门应该检查在广告技术层面是否与其他平台进行了紧密集成（如用户标识ID数据与这些平台采用的数据格式是否一致）。技术负责人应评估数据共享的实践性，并确保准确、无缝地收集和共享了匹配率数据。

企业数据资产的积累和提升是一项系统化的工程，本书的后续章节将对这部分做详细介绍，以帮助营销主了解目前市场上主流的数据能力及可能的应用场景，也会对数据打通技术、数据挖掘及建模进行介绍。

2.4.4　业务理解，行业经验积累

在Martech大发展的背景下，我们可以看到，很多服务方都面临着行业的大洗牌。在传统的品牌营销时代，4A公司是为品牌提供服务的主力军，拥有绝对的话语权，因为其对品牌业务的深入理解、对营销理论的深刻认知和运用，以及与媒体的谈判能力等深得品牌方的青睐。但是，随着Martech技术的兴起，市场上涌现出一批以数据服务和营销技术服务为主业的公司，这些公司在与4A公司竞争的过程中，体现出了不小的优势，威胁到4A公司的市场地位。同时，市场上也有不少传统咨询公司开始开展针对品牌营销的专业咨询服务，他们往往与Martech技术公司合作，有的甚至直接收购一些行业领先的Martech技术公司，共同为品牌主提供从咨询到落地的全套Martech解决方案。

本书不想对此做过多讨论，只想强调一点：Martech的发展一定是需要与业务相结合的，Martech时代的市场营销人员必须具备对行业的深入了解和对技术的独到见解。

以人工智能的应用为例，在Adtech和Martech中，人工智能最有可能构建在DMP、CDP及Adserving中。人工智能经常被用于描述机器学习、复杂模式匹配和预测分析，这使其在数字营销和广告中有着广泛的应用。由于人工智能属于数据科学领域，因此IT团队应该与业务部门合作，确定优先使用的应用场景和应用的优先级。机器学习需要大量的数据，比大多数企业在自己数据库中拥有的数据要多得多。IT团队需很好地理解并考虑企业现有的数据源能达到什么效果，以及何时需用外部数据为企业提供补充。

2.4.5　跨部门推动力

跨部门推动力在这种技术和业务融合的时代尤其重要。在前面我们说过，Martech技术从来都不只是技术，如果要发挥最大价值，必须与业务和场景相结合，有时甚至还需要调整组织架构。因为我们看到，Martech技术涵盖了传统的市场、运营、销售领域的所有相关职能，并且是自发展和自迭代的技术。这些部门只有在技术的落地过程中通力协作，才能保证项目的敏捷迭代，通过持续累积小步的胜利，最终产生巨大的价值。

企业组织架构的变革往往是落后于技术变革的，原来割裂的部门架构，以及割裂的系统和数据孤岛，是Martech在组织内落地的巨大障碍。可以说，IT能力和系统越完备的传统企业，在Martech技术转型过程中面临的阻力就越大。

有不少品牌主是通过成立虚拟的Martech项目组的方式来推动系统落地的，该项目组中需要有品牌业务人员、IT人员、系统运营人员、各Agency对接人员、法务人员等各种角色，而且该项目组需要由CEO直接领导。由上而下驱动，才能最大程度保证Martech技术在企业成功落地和应用。下面举几个常见的例子。

1.以改善用户体验为例

改善用户体验这项工作至关重要，通常是企业数字化转型的一个关键驱动因素。这是因为IT部门对整个组织有着广泛的横向视角。广告、品牌体验与用户对品牌的数字资产的体验密切相关，因为它会影响购买决策和品牌忠诚度。组织内应有供跨职能团队使用的工具，这些工具可帮助相关人员识别营销人员与广告渠道互动的模式，以创造良好的潜在用户体验，并在后续获得巨大的用户体验提升。

2.以CMP管理系统优化最佳体验为例

CMP不是现有站点的附加组件，它是企业自己所建网站的核心。它应该管理每个图像、文本或视频等数字内容资产的加载以及在页面中的展示、渲染、运行等。它应允许从广告投放服务Adserving、DMP及重定向事件埋点收集受众细分数据，并根据对这些数据的洞察和分析，对未来的数字营销或广告活动给出有帮助的建议。CMP是公司运营的生命线，IT部门在这些系统的创建和实施过程中有着重要的发言权，但需要跨部门协调各个业务部门的工作并达成一致意见。技术运营团队应该就如何将整个网站变成一个可定制的动态网站提供指导，该网站应通过数据及埋点等功能进行优化，并为访问者提供最佳体验。

3.以SEO优化为例

值得注意的是，随着个性化引擎及CMP在提升用户体验方面的运用，如何让搜索引擎更“喜欢”品牌方的内容是技术团队、营销团队和用户精细化运营团队都需要关注的。这可能也是品牌调性及品牌定位策略的要点所在。

4.以各API标准化统一管理为例

所有的Adtech供应商都应该有一个允许引入自动化功能的API。任何需要一遍又一遍重复执行的任务都应该用自动化方式来处理，这包括广告素材上传、媒体广告投放计划上传、基本报告提取、归因数据导出等。企业的营销团队应该对这些领域都很了解，但要专注在提供洞察和专业知识上，而不是只会点击按钮。

为了利用这些API，企业IT团队需要构建或修改工具来与技术供应商完成对接，其中包括数据分析和可视化等。IT团队应该清晰理解企业所需的功能，及其要满足的业务需求。

API的功能包括营销自动化、Web分析、搜索引擎营销、埋点和跟踪监测管理等，目的是方便其与Trading Desk或其他营销需求方的技术平台进行技术对接。可通过API方式在DSP上自动完成下单、定向、投放以及生成数据报告等操作。

2.4.6　快速验证及迭代优化，全业态把控能力

“快速验证及迭代优化，全业态的把控能力”也可以被看作是一种操作方式。因为在品牌方进行Martech落地的过程中，一种思路是把所有底层技术框架搭建完，同时完成企业的所有第一方、第二方、第三方数据的积累和治理工作，然后再考虑具体在哪些业务场景与Martech技术相结合，以发挥平台和数据的价值。还有一种思路是先根据业务的需要，选择可行且投入产出比较好的场景进行Martech试水，在技术和数据的选型上，不追求大而全，而是强调必要性和可扩展性。一旦技术和方法取得了阶段性成果，得到验证后，就进入下一个周期的快速迭代，循环上升。

我们推荐第二种思路，因为对于企业来说，很难接受投入后却长期看不到价值，没有业务持续不断为底层技术部门提供反馈，就很难争取到持续的资源投入，这对Martech的发展是不利的。当然，Martech技术也不是一蹴而就的，需要给予一定的耐心和试错的空间，但是这并不意味着企业必须忍受长期未知的Martech技术投入。

这就要求市场人员必须深刻了解技术及其发挥价值的前提条件以及技术之间的依赖关系，然后结合企业自身的现状，设计自己的Martech落地规划，并推动其落地。在实现的过程中，若对技术有清醒客观的认识及合理的预期，在遇到困难时就不会轻易放弃，更容易成功。

2.4.7　基于数据分析的精细化运营能力

基于数据分析的精细化运营能力其实也非常重要。数据资产不是靠被动收集来的，而是通过主动的运营能力获取并积累的，当Martech技术平台在企业内部落地之后，持续运营数据非常重要，只有通过一套持续运营的理念和方法论的指导，Martech技术平台才能基于越来越多的数据资产和越来越好的数据质量发挥越来越大的价值。我们甚至可以说，Martech技术平台三分靠建设，七分靠运营。

Martech项目组的运营能力主要体现在两个方面：

第一，能够结合Martech技术平台的能力以及对数据的分析和解读，制定标准化的运营流程和规范，保证企业Martech技术的稳定输出；

第二，能够根据业务需要设计运营场景，帮助提升数据质量和优化Martech的实现，并持续将通过验证的运营流程标准化，持续提升企业Martech水平。

总体来说，企业在Martech转型过程中，对市场营销人员提出了更高的要求，未来富有竞争力的一定是具备上述能力要求的复合型人才。

2.4.8　数据的合规使用

PII数据合规的定义因地而异，法律要求也各不相同。企业的IT团队需要借助法律部门来处理区域复杂性问题。技术部门需要确保业务部门的客户信息受到保护，还要监督在数字营销过程中帮助收集和存储数据的外部技术供应商。

在kindle搜索B089Y8NQH9可直接购买阅读