資料挖掘與資料化營運實戰. 1.1 現代營銷理論的發展曆程

<b>1.1　現代營銷理論的發展曆程 </b>

<b>1.1.1　從4p到4c</b>

以4p為代表的現代營銷理論可以追溯到1960年出版的（《基礎營銷》英文書名為basic marketing）一書，該理論是由作者傑羅姆·麥卡錫（e.jerome mccarthy）在該書中提出的。到了1967年，“現代營銷學之父”菲利普·科特勒（philip kotler）在其代表作《營銷管理》（marketing management: application, planning, implementation and

control）第1版裡進一步确認了以4p為核心的營銷組合方法論。随後，該理論風靡世界，成為近半個世紀的現代營銷核心思想，影響并左右了當時無數的企業營銷戰略。

4p指的是product（産品）、price（價格）、place（管道）和promotion（促銷），如圖1-1所示。4p的内容簡要概括如下。

product：表示注重産品功能，強調獨特賣點。

price：指根據不同的市場定位，制定不同的價格政策。

place：指要注重分銷商的培養和銷售網絡的建設。

promotion：指企業可以通過改變銷售行為來刺激消費者，以短期的行為（如讓利、買一送一、調動營銷現場氣氛等）促成消費的增長，吸引其他品牌的消費者前來消費，或者促使老主顧提前來消費，進而達到銷售增長的目的。

4p理論的核心是product（産品）。是以，以4p理論為核心營銷思想的企業營銷戰略又可以簡稱為“以産品為中心”的營銷戰略。

随着時代的發展，商品逐漸豐富起來，市場競争也日益激烈，尤其進入21世紀後，消費者已成為商業世界的核心。在當今這個充滿個性化的商業時代，傳統的4p營銷組合已經無法适應時代發展的需求，營銷界開始研究新的營銷理論和營銷要素。其中，最具代表性的理論就是4 c理論，這裡的4c包括consumer（消費者）、cost（成本）、convenience（友善性）和communication（溝通交流），如圖1-2所示，4c的内容簡要概括如下：

消費者的需求與願望（customer抯 needs and wants）。

消費者得到滿足的成本（cost and value to satisfy consumer抯 needs and wants）。

使用者購買的友善性（convenience to buy）。

與使用者的溝通交流（communication with consumer）。

4 c理論的核心是consumer消費者。是以，以4c理論為核心營銷思想的企業營銷戰略又可以簡稱為“以消費者為中心”的營銷戰略。

<b>1.1.2　從4c到3p3c</b>

4 c理論雖然成功找到了從“以産品為中心”轉化為“以消費者為中心”的思路和要素，但是随着社會的進步，科技的發展，大資料時代的來臨，4 c理論再次落後于時代發展的需要。大資料時代，日益白熱化的市場競争、越來越嚴苛的營銷預算、海量的資料堆積和存儲等，迫使現代企業不得不尋找更合适、更可控、更可量化、更可預測的營銷思路和方法論。于是在基本思路上融合了4p理論和4c理論的npnc形式的理論出現了。

具體到典型的網際網路行業，雖然學術界對于到底是幾個p和幾個c仍存在着争議，沒有定論，但是這并不妨礙企業積極探索并付諸實踐應用，本書姑且以3p3c為例，如圖1-3所示，概述網際網路行業營運的典型理論探索。

在3p3c理論中，資料化營運6要素的内容如下。

probability（機率）：營銷、營運活動以機率為核心，追求精細化和精準率。

product（産品）：注重産品功能，強調産品賣點。

prospects（消費者，目标使用者）。

creative （創意，包括文案、活動等）。

channel （管道）。

cost/price（成本/價格）。

而在這其中，以資料分析挖掘所支撐的目标響應機率（probability）是核心，在此基礎上将會圍繞産品功能優化、目标使用者細分、活動（文案）創意、管道優化、成本的調整等重要環節和要素，共同促使資料化營運持續完善，直至成功。

需要指出的是，這裡的目标響應機率（probability）不應狹義了解為僅僅是預測響應模型之類的響應機率，它有更寬泛的含義，既可以從宏觀上來了解，又可以從微觀上來诠釋。從宏觀上來了解，機率可以是特定消費群體整體上的機率或可能性。比如，我們常見的通過卡方檢驗發現某個特定類别群體在某個消費行為名額上具有的顯著性特征，這種顯著性特征可以幫助我們進行目标市場的選擇、尋找具有相似特征的潛在目标使用者，制定相應的細分營銷措施和營運方案等，這種方法可以有效提升營運的效率和效果；從微觀上來了解，機率可以是具體到某個特定消費者的“預期響應機率”，比如我們常見的通過邏輯回歸算法搭建一個預測響應模型，得到每個使用者的預計響應機率，然後，根據營運計劃和預算，抽取響應機率分數的消費者，進行有針對性的營運活動等，這種方法也可以有效提升營運的效率和效果。

宏觀的機率更加有效，還是微觀的機率更加有效，這需要結合項目的資源計劃、業務背景、項目目的等多種因素來權衡，不可一概而論。雖然微觀的機率常常更為精細、更加準确，但是在實踐應用中，宏觀的群體性機率也可以有效提升營運效果，也是屬于資料化營運的思路。是以在實踐過程中如何選擇，要根據具體的業務場景和具體的資料分析解決方案來決定。更多延伸性的分析探讨，将在後面章節的具體項目類型分析、技術分享中詳細介紹。

上述3p3c理論有效鎖定了影響營運效果的主要因素、來源，可以幫助營運人員、管理人員、資料分析人員快速區分實踐中的思考次元和着力點，提高思考效率和分析效率。