- 企业服务
- 数据智能
- TalkingData
- 崔晓波
疫情对企业线上营销获客能力是一次大考。企业对于精细化会员运营的需求提升，对于客户数据平台、营销自动化工具等会员运营系统和工具需求增加。TalkingData作为一家数据服务提供商，业务将迎来新的发展机遇。
突如其来的疫情改变了2020的开年，随着疫情从最初的大爆发到逐渐得到控制，转向境外输入病例增加，疫情的影响还在持续。具体对不同行业的影响，与消费者的需求紧密相关。比如，由于线下门店不能营业，线下连锁零售、餐饮受影响最严重，直接对收入造成比较大的影响。由于目前疫情尚未完全控制住，影响周期会进一步延长。同样，汽车行业由于消费者需求减少，受疫情影响较大。然而，线下消费场景受限却激发了线上的消费需求，比如对生鲜电商的需求大幅激增，消费者的需求并没有减少，只是转移了消费的场景。
TalkingData作为一家数据服务提供商，重点促进零售、金融、公共事业等行业进行数字化转型。在营销侧，通过为企业搭建数据平台，帮助企业整合和管理线下门店会员数据和自有商城数据，提升企业的会员运营能力。对于不断更新的企业一方数据进行清洗治理，回收各渠道广告投放等二方数据，并补充TalkingData的第三方移动端数据。在帮助企业搭建CDP平台（即客户数据平台）后，TalkingData会基于企业的需求，与合作伙伴共同为企业提供营销自动化工具、提升企业的供应链能力等。
近日，爱分析采访了TalkingData 创始人兼CEO崔晓波，就疫情对企业需求的影响、营销数字化的发展趋势，以及数据智能的发展前景进行了深度交流。崔晓波表示，受疫情影响，企业对全渠道营销、存量会员运营的需求增强。从企业营销角度来看，营销主要涉及获新和老客运营两方面。其中，获新的方式包括线下门店获客、线下广告投放、线上广告投放拉新等，而疫情直接影响线下获客方式；同时，受疫情影响，品牌纷纷撤掉2、3月的线上广告，原有的营销获新方式受到较大冲击。
另一方面，老客运营主要体现在通过搭建CDP平台或营销自动化工具提升企业精细化运营能力，疫情对老客运营影响不大。相反，疫情期间由于无法正常获新客，企业更加注重对会员资产的盘活，通过会员互动、促活等方式，提升存量会员活跃度和复购率，帮助企业降低损失。
疫情对于企业的数字化能力是一次考验。抢先一步实现数字化的企业初尝硕果，线上会员运营有效开展，并配合异业合作、丰富会员权益等多样的营销方式。尚未搭建会员运营体系的企业，则通过疫情深刻地意识到会员运营的重要性，对数字化存量会员运营、会员权益、活动管理、促活复购的需求大幅提升。
从广告主的营销预算分配来看，不同品类情况有所不同。针对客户需求减少的品类，如汽车行业，企业会减少广告投放。对于新涌现的需求品类，比如保健品等健康类产品，投放预算会加大。在投放类型上，广告主的预算会从品牌广告向效果广告转移，同时提升老客运营服务的预算。
对于拥有线上、线下多渠道会员系统的企业来说，通过搭建CDP平台，打通线下交易数据、线上电商与小程序等各渠道触点数据，将分散在各渠道的会员数据融合后，形成完整的用户画像，还原用户旅程，可以更有针对性地进行会员互动和个性化营销。
崔晓波表示，疫情对于TalkingData的业务发展是机遇，未来TalkingData会更聚焦行业场景和解决方案，提升企业精细化运营能力。
从数据智能行业发展趋势来看，未来会形成专业化分工，不同的公司会形成自身的垂直优势，通过合作的方式实现共赢。崔晓波表示，TalkingData作为一家数据服务提供商，以移动端数据为主要积累，同时在不断增强智能化能力，未来会借助数据与科技的力量，在多样的业务场景中发挥更大的价值。在商业模式上，未来TalkingData会侧重数据治理等方面的工作，并通过与合作伙伴合作提供数据工程等全面服务，在降低成本、提升盈利的同时，也促进互惠共赢产业生态的构建。具备持续盈利能力以及产业链整合能力，才能让企业走得更长远。
以下是爱分析与TalkingData创始人兼CEO崔晓波的访谈内容节选。
受疫情影响，企业对全渠道营销和会员运营的需求增长
爱分析：从数据上呈现的情况，疫情对各行业产生了哪些影响？
崔晓波：疫情对各行业的业务有不同程度的影响，但从整体来看对于线上数字化，包括营销的需求是增加的。短期会有一定冲击，中期来看比较乐观，长期对数字化行业向好。
主要影响体现在两方面。首先，由于客户自身复工受到影响，比如工业制造业的复工目前来看比预期要慢，对于供应链、物流的限制也很大，因此从生产原料、人工、物流等方面都会受到很大制约，企业业务恢复正轨的周期会更长，可能影响要持续到4月份。
另外，上游也会受到下游消费需求抑制的影响，比如汽车行业今年就会受到比较大的影响，目前来看汽车行业都不敢备货。线下零售企业受到的冲击也比较大，线下门店无法经营直接造成营业收入大幅缩水。线上整体情况还好，短期内对于电商、外卖、线上教育等的需求爆发，对于线下的个别品类，比如生鲜品类的需求快速增长。
爱分析：疫情对于广告主的营销预算会有哪些影响？
崔晓波：营销要分行业和品类来看。以往美业和汽车是线上投放和营销的大客户，这两年来看发展趋势呈现两极化。我认为美业受疫情影响不大，甚至会更进一步，后面的需求还会爆发性增长，会持续加大营销的投入。汽车行业由于下游需求受抑制，对于上游广告投放会有一定影响。另外，从长期来看，人们对于健康类产品的需求会进一步增大，比如茶品、保健品等，对这类产品的营销投入会加大。
从广告主侧来看，对照2003年非典时期的前后变化，发现对广告行业的影响并不大，因为当时的经济基础比较好。但这次疫情之后，恐怕大部分广告主的预算会大幅下降，尤其是对于品牌广告；而对效果广告我认为会加大投放，比如食品饮料、生鲜电商、教育等，目前投放呈现大幅增加。
在广告投完后，广告主会有更多的客户运营的需求，除了获新外，会将更多的线上营销预算放在存量客户运营、提高老客户复购率上。而线下广告整体受影响较大，尤其是短期内对于院线、楼宇广告的冲击很大。
整体来看，我认为广告投放受影响的比例和GDP整体受影响的趋势比较接近。从广告主侧来看，疫情结束后，消费类企业会比较快地恢复投放，但受疫情影响比较大的行业恢复投放的意愿就不强，比如汽车行业今年的投放预算就会下降。
爱分析：疫情是否会影响企业搭建数据中台的意愿？
崔晓波：首先，从企业侧来看，这次疫情使得头部效应更明显，因为疫情对中小企业的冲击更大，尤其是没有形成规模且现金流管理能力差的中小企业。比如从我们合作的服饰、食品、餐饮、茶饮等受影响较大的行业客户来看，都呈现出头部效应更加明显的趋势，这部分头部客户的市场份额会进一步扩大。
第二，疫情对于企业的数字化、线上运营的能力又是一次唤醒和教育，企业会更加重视数字化能力的建设，所以这方面我认为对头部客户不会有特别大的影响。但对于数据中台业务应用场景不明确的企业，会有一定的顾虑。数据中台需要结合前端的应用和业务场景才有竞争力。
爱分析：疫情发生后，企业会利用数字化工具优先调整优化哪些业务方向？
崔晓波：从数据侧来看，首先是业务相关的会员运营，包括新会员发展、存量会员运营、会员权益、促活复购等方向。因此在营销活动管理、营销自动化、全渠道营销以及品牌建设方向，会产生更多的需求。
第二，企业复工后需要解决供应链生产的问题，加强自动化、无人化、智能化生产的能力，增强抵御风险的能力。
爱分析：企业通过搭建CDP平台核心解决的诉求有哪些？
崔晓波：在不同行业和企业所处的不同发展阶段，会有不同的诉求。比如大型连锁企业，可能已经拥有几亿的会员，它的诉求就不是发展更多的会员，而是提升现有会员的复购率。
我们为企业搭建CDP平台，主要帮助企业提升老客运营能力。比如帮助这些企业做好门店会员数据、自有商城数据以及外部渠道数据的整合和管理，增强客户运营能力。
而美妆、日化消费品行业会有线上投放获新的需求，这类企业虽然积累了一些会员数据，但缺少线下营销的抓手，自身对渠道又缺乏控制，需求会侧重回收线上广告投放的第二方数据，同时补充第三方DMP数据，比如TalkingData可以提供的移动端行为标签等。
爱分析：对于已经具备一定会员运营能力的企业，疫情发生后，企业将如何进一步提升会员运营能力？
崔晓波：对于已经具备一定会员管理能力、拥有一些基础化运营工具的企业，我认为其中很多企业在营销活动、会员分层等方面，尚处于一个逐步学习的阶段。
疫情期间，我们从很多行业都看到了企业对存量客户运营的重视度提升。尤其对于头部企业来说，目前的获客方式一是通过线下开门店，二是通过线上数字化投放和会员运营，但目前企业都不约而同地希望加大线上获客的比例。
针对线上的会员活动，以前主要是一些简单的满减等促销活动；但最近我们看到的趋势是，品牌开始进行异业合作，为会员提供更多样的权益。在疫情期间，很多品牌通过与其他业态的合作，提供比如视频会员、运营商流量等权益，进行会员运营。
爱分析：不同行业的客户对于营销数字化解决方案产生的价值有何不同需求？
崔晓波：从解决方案来看，区别不是特别大，目前已经形成比较标准化的解决方案，只是不同行业的企业关注点不同。
以零售行业的食品饮料企业为例，当前最关心的营销场景是家庭消费场景，因为疫情期间大家都是居家消费，家庭消费场景变得很重要。企业想知道速冻方便食品、乳制品、保健品等如何通过家庭场景重新构建，更好地进行投放。而像咖啡、酒类这类产品，由于侧重线下渠道以及社交属性，这类企业就会关注接下来会有哪些社交属性渠道，并进行基础能力建设。
我们提供的方案是标准化的，首先会为企业搭建以会员为核心的CDP平台，但会根据行业不同，结合具体业务场景探讨CDP平台优先支持哪个渠道的业务。接下来，我们会整合合作伙伴的力量，为客户提供整体的数字营销方案。在形成数字营销方案后，再进一步考虑如何提升营销自动化能力、基于AI的预测能力，以及对供应链的管理能力等。
爱分析：相对线上数字化可以进行强归因分析来说，线下数字化如何实现强归因分析？
崔晓波：第一，现在越来越多的企业都不太强调线上和线下的区分了，行业认知在发生改变，线上、线下已经融合为一个整体的会员运营体系和数字化运营体系。
第二，数字化能力取决于企业是否能对所有的会员资料、交易记录等进行管理，在此基础上才具备做归因分析的可能性，但目前来看大部分企业还不具备这种能力。另外，由于很多外部渠道存在数据断路，无法形成闭环，所以并不能进行全链路归因。唯一能形成全链路归因的，是企业在自有商城、小程序、线下门店的私域流量。我认为目前来讲，还很难实现对线下到店的强归因分析。
爱分析：由于终端数据断路导致无法做归因分析，从TalkingData的角度未来如何延伸与终端用户间的数字化链路？
崔晓波：客观来讲，我们现有的方案已经满足刚需，主要的数据管理、会员运营的需求都覆盖到了。因此从TalkingData的角度，不会去增加新的解决方案，而是侧重提升现有解决方案的能力，包括提升CDP、DMP的数据模型质量。
第二，我认为以前大部分企业的产品化程度以及管理执行能力相对较弱，我们会帮助企业把这部分做扎实，而不是再去做过多新的产品。
除了对自主可控的渠道可以进行全链路归因外，想实现对全渠道的归因分析，只能等待整个行业逐渐完善数字化进程。目前也有媒体平台会针对数字化闭环较短、投放量较高的行业开放相应能力，进行模型构建、做人群细分等，但对其他行业的开放还有所欠缺。从TalkingData的角度，我们会在行业的数字化基础设施成熟后，再积极延展相应的方案。
爱分析：线下连锁零售企业从原来看重同店增长到搭建数字化平台后看重会员单客价值，两套KPI考核体系如何进行融合？
崔晓波：两套KPI体系其实本质是一样的。企业主要是看会员的贡献，包括客单、复购率、活跃度等，不太区分线上和线下。以往线下为主，看重同店增长，作为明确的直接能达到的目标。而数据银行建起来后，就可以完全以会员为核心进行线上线下融合的运营。
这个趋势在很多行业里都能看到。比如金融机构目前获新较难、客群质量不高，于是纷纷成立客户运营部门，专门以账户体系为核心做老客运营。另外，运营指标上也不特别区分线上线下，而是主要是对客户进行细分，针对不同的客群来做运营活动。
爱分析：未来营销数字化公司会呈现怎样的市场格局？
崔晓波：我认为会形成几个梯队，一个梯队是对于业务场景钻得比较深的企业，可以满足广告投放和其他营销需求，本身拥有数据资产，成本可以摊薄，获取的ROI可以进一步提升。另一梯队是提供局部解决方案，比如提供营销工具或投放服务的公司，需要大规模的优化成本，才能存活下来。对于小规模的企业，由于客户选择合作伙伴时会越来越谨慎，而这类企业本身抵御风险能力较差，生存会比较艰难。
数据智能公司应在合法合规的前提下，不断优化提升持续盈利能力
爱分析：在经济形势受疫情影响下，TalkingData在全年目标或战略上会做出哪些调整？
崔晓波：我们评估下来短期会受一定影响，主要是项目延期和滞后开展。中期我们持乐观态度，我们认为机会有很多，对今年整体的目标不会做特别大的调整。具体的调整是会减少创新类的投入，将资源集中在主营业务上，聚焦行业场景、聚焦解决方案。我们会优化内部管理，提升精细化运营、现金流管理，以及融资周期和二级市场的对接周期。通过聚焦提升局部效益，等经济恢复后才有扩张的基础。
爱分析：TalkingData未来是否会向腰部以下企业拓展客群？
崔晓波：具体到线下的消费行业，我们主要关注两类企业。第一类企业是大型或超大型企业，年销售额在100亿以上的企业。这类企业体量较大，会员规模也比较大，线上运营的需求以及基础设施都比较完备，数字化意识比较高。第二类是年销售额在10亿左右的美妆、服装以及连锁超市、便利店等企业，我们认为这类企业刚跨过生死线，接下来会进入快速成长期。这两类是我们的主要客群。
爱分析：对于中国企业重运营服务的情况，TalkingData如何帮助企业解决运营问题？
崔晓波：我认为对于toB的服务，未来的趋势会走向专业化分工与生态合作。因为在整体的解决方案里，有很多细分的方案和工具。会有很多服务商专注把一件事情做好，形成自身垂直的优势，而公司之间会通过生态合作的方式，满足企业端的整体需求。
早期，一些基础而繁重的IT、数据工程方面的工作都是我们自己的团队来做，目前我们开始和专业的解决方案公司合作，把这部分工作外包出去。对于TalkingData来说，我们对自身的定位是“数据智能”公司，对于服务中涉及数据侧以及AI侧的工作，比如针对行业的标签梳理、客群分层、建模等，大部分还是由我们内部团队去做。这样一方面解决了人手不足的问题，继续为企业客户提供专业的服务；另一方面可以节省运营成本，这也降低了企业客户的成本。
爱分析：数据智能行业核心面临的挑战是什么？
崔晓波：第一，数据智能行业，需要解决的核心问题是商业模式问题，对于头部企业来说存在持续盈利模式不清晰的问题，如果以项目制为主，持续盈利能力会比较弱。第二，是数据资产的合规性问题，也是要面对的挑战。
对于没有持续盈利模式的公司，未来几年之内公司经营会越来越困难，可能规模越大会越困难。因为规模越大，估值越高，但盈利能力又不行，会出现倒挂的情况。依靠卖系统做项目难以长期形成规模化利润，想要持续盈利，除了提供软件、技术、咨询服务外，还要构建业务的联运或是数据产品的矩阵。
小公司就很难做到这一点，因为这需要公司具有较强的综合能力，既要有科技能力，又要有数据资产和数据运营能力，还要有很强的融资能力。同时，数据资产不再是一个可选项，而是必须具备的能力，如果只提供软件解决方案，往后发展也会非常难。对于没有数据资产能力和合规使用数据能力的公司，在竞争中会处于劣势，会面临较高的软件同质化竞争。由于缺少持续贡献收入的产品矩阵，很难做大规模，能采取的方法就是控制成本，提高产品性价比。
同时，我不认为合规性是最大的挑战。通过去年的治理，其实相关的规则在逐渐变得清晰。比如在金融行业中，目前各分工环节都明确授权链，依据逐步出台的各项法律法规，将合规性的边界划定的很清晰。接受服务的金融机构需要持牌，且不得将个人敏感信息查询及风控等核心业务环节外包给第三方合作机构，科技公司只能和甲方金融机构联合建模和应用等。数据合规性在短期是挑战，但长期来看是利好。
爱分析：对于本身有业务场景的甲方客户来说，未来是否会成为数据智能领域的新势力？
崔晓波：举例来说，运营商的数据在很早前就得到了广泛的应用，这是一股势力。但对于普通的甲方公司，更多的还是只具备数据资源，短期来看不具备跨行业提供服务的能力，还是需要由乙方公司来对外提供服务。但是，本身和甲方业务结合紧密，又有数据资产以及服务能力的公司，比如物流公司，我认为会崛起形成一股势力。
爱分析：随着数字化的进程，未来市场格局是否会有更多的中小企业涌现？
崔晓波：我认为3-5年内都还是以中大型企业为主的市场。因为中国的产业结构跟国外还是有很大不同的，目前来看创业企业的数量明显在降低。另外，目前国内的法规、政策等还是对大型企业更为利好，无论是产业密集程度、相应的资源规模、贷款融资等，还是大型企业有更大的优势。因此我认为短期内中小企业还是很难在行业里面占据主导地位，相反头部效应会越来越明显。
爱分析：数据智能公司如何在同类公司中脱颖而出？
崔晓波：我认为对任何数据智能公司来说，都需要快速建立公司的“标签”，也就是公司的品牌认知。以TalkingData自身来说，我们在服务金融客户的过程中，客户并不会给我们贴风控领域的数据公司标签，因为我们的数据以APP的行为数据为主，而风控以交易信贷数据为核心，我们的数据更适用于营销领域。企业会给数据智能公司贴“标签”，从数据公司的角度，应向数据更适合应用的业务场景方向去强化品牌认知，明确自身的定位。
爱分析：长期来看，行业内会出现数据整合类的平台公司吗？
崔晓波：目前各家公司的数据能力还比较分散、都有自身的特点，数据混合使用在合规性方面有较大挑战。在这种情况下，后端的数据能力整合更多还是通过合作，比如联合建模的方式；前端则会分化出不同的垂直类公司，深入到不同的行业和业务场景中。
比如TalkingData目前会聚焦在数字化程度较高、业务增长情况较好的几个行业中。但像之前我们曾涉及的数据交易业务，从去年在合规性上出现挑战后，我们就把相关的产品线都停了。我们现在还有一个侧重点在公共事业方面，像以政府为主导的平台，普遍缺少技术基础设施，包括数据治理、建模、沙箱、竞价、计费等，而这正是我们平台能够提供的能力，所以我们会赋能以政府为主导的数据平台，协助去建设基础设施。
联系我们
