写作方法

Hi, 请登录

深度思考:增长焦虑下,品牌营销效果需要科学度量吗?

前段时间为国内某知名电商企业讲了品牌课程,他们旗下有N多子品牌,团队擅长电商玩法,各个品牌通过活动促销、广告投放也很容易达到千万、亿级规模,但是在新消费、新零售爆发的时代,一众新品牌用两三年的时间竟然超越了自己十几年积累的规模,而这些新品牌们不仅擅长抖音等短视频、直播平台玩法,同时更擅长经营品牌,此刻这家公司创始人意识到,原来自己忽略的企业的品牌经营,说起来好像是有品牌的,有名字、LOGO、各种符号形象,但并没有形成差异化的品牌认知,也没有留下品牌资产,用户也并非因为喜爱这个品牌而忠诚消费,大多是因为价格便宜。

那次课上,我发现这个企业连品牌岗的员工都没有,大家更是觉得品牌像玄学,因为不清楚怎么有效度量,感觉和广告投放完全不一样,当时大家急切的想知道有没有哪些品牌度量方法、工具、模型,可以可视化了解品牌营销效果,清晰品牌资产。

行业内确实有不少品牌度量工具、方法、模型,不过有些却很复杂,基本是咨询公司专业人士才能熟练应用,对小白并不实用,还有的度量方法稍显过时,而品牌经营逻辑与用户习惯也发生变化,在2022引擎大会上,巨量引擎发布了SCI品牌力模型,最近巨量引擎又发布《巨量引擎全量增长度量体系手册》,并推出SCI品牌力2.0模型,这个模型目前看是非常前沿且有实际应用价值的,原因就是过去品牌评估与营销评估两者是相对割裂的,导致以业绩增长为核心的企业不够重视品牌经营,虽说创始人都知道品牌重要,但是却没有一个好的度量工具、模型,也就不清楚自己过往的营销活动到底为品牌价值、品牌资产增加了多少、或者减少了多少,而SCI模型,让我看到了一个兼具品牌长期主义与营销短期利益的结合体,唯有如此,才能更好推动企业增长!

—01—

传统品牌经营与新品牌经营有哪些不同

类似我开篇提到的案例,大家看一下身边一定不在少数。

很多人一被问到有没有做品牌,一种情况是毫不犹豫地说,我就在做品牌,你看看包装上有LOGO;一种情况是不假思索地反驳,做品牌没用。

这就如同有人在跑步,可能凭借自己的底子好,也可以跑得很快,但是这样长久不了,你会看到有人戴着智能手环,穿着专业装备,还有教练指导,即使这人底子差,假以时日的训练,也会超越你,竞争的维度已经发生变化。

至于传统品牌经营与新品牌经营有哪些不同?我从两点展开,供大家思考:

第一. 数字力

在《指数型组织》一书中提到的内部属性“仪表盘”就是典型数字力的表现,20世纪90年代初,西尔斯和凯马特这样的零售巨头都是按天、按周通过人工进行数据统计,再做采购决策,而沃尔玛则发射了自己的同步卫星,实时跟踪库存和供应链的变动。不在一个维度竞争时,传统品牌经营模式就败下阵来。新品牌经营需要在度量方法与数据收集、运营管理等指标之间,不断变化,效率越来越高。类似巨量引擎面向增长的SCI品牌力模型和六大度量工具。其中,SCI品牌力模型以品牌规模、品牌效率、品牌形象三个角度评估和追踪品牌健康情况,通过巨量引擎的数据和技术能力,实现可量化、可沉淀、可优化的新品牌度量时代。

注:下图为演示账号

大成策略回报基金行吗_大成策略回报混合基金_大成策略回报天天

第二. 品牌力

传统品牌如何判断知名度,如何确定品牌口碑好坏,一般通过专业调研机构实现,即便如此,往往数据样本不足,最终结果也就停留在“仅供参考”,而新品牌经营在品牌力方面不仅会更关注品牌效率,在品牌规模、品牌形象等维度,以实时动态数据为核心,更加高效。

巨量SCI品牌力模型就可以实时了解各类数据,比如下图就是SCI对比数据分析,根据数据表现拆解自身品牌的劣势原因,并参考行业TOP品牌,制定优化提升策略。

—02—

品牌经营为什么要科学度量呢?

答:心中有数,运筹帷幄。

要经营一家品牌公司,而不是一家单纯卖产品的公司,需要更科学的经营逻辑与打法,当品牌可以更科学准确的度量时,也就知道走向成功的路径和距离,需要怎么不断优化、调整。正如你要从A点出发,目的地是B点,导航为你优化了最优线路,但实时路况显示前方拥堵,你可以选择避开拥堵,当然开车时也可以及时关注速度,因为语音也在提醒是否超速……

这个场景就如同品牌经营,做到心中有数,方可运筹帷幄。传统品牌经营一般关注知名度、认知度、忠诚度,而SCI品牌力2.0模型让我们看到了符合当下企业科学经营的评估体系,我们可以从知名度、认知度、忠诚度三个传统品牌评估指标到SCI品牌力模型,来看品牌力度量维度有哪些改变,具体分析如下:

大成策略回报混合基金_大成策略回报基金行吗_大成策略回报天天

第一. 从“品牌知名度”到“品牌规模(Scale)”

过去讲品牌知名度,很可能关注有没有在电视台投广告、请明星代言人,而如今更关注多少人对品牌感兴趣(认知A1-被动A3),多少人愿意为品牌种草(主动A3),多少人产生行动转化(A4总量,粉丝),所以知名度对应的量化指标就是品牌规模(Scale),而品牌规模也可以理解为品牌影响的用户规模。品牌投入越多,对品牌感兴趣的认知人群就越多,所能匹配到的种草人群也就越多,最终产生行动人群也就越多,生意的上限就越大。

度量品牌规模的指标体系是人群资产,即巨量云图O-5A模型。该模型是建立在科特勒的5A理论基础之上的,即O潜在机会人群、A1(了解)、A2(吸引)、A3(种草)、A4(转化)、A5(复购)。也就是A1-A3的人群数量足以体现品牌前链路的种草能力。而清晰的了解A3种草情况,才会提升A4转化A5复购几率,在巨量云图,品牌可以通过对比头部企业了解自身种草水平。例如如果发现A3相对较低,就可以对核心人群进行分析,推送感兴趣的货品、内容来扩大A3人群,实现“种收平衡”。

注:下图为演示账号

第二. 从“品牌认知度”到“品牌效率(Conversion)”

过去我们认为品牌认知度是品牌资产的重要组成部分,它是衡量消费者对品牌内涵及价值的认识和理解度的标准。往往很多品牌知名度很高,却没有认知度,一方面是缺乏差异化要素,另一方面是在内容触达用户时并没有抢占心智,建立共鸣。

我们总是会谈及品牌认知度,却不知道如何度量,也没有一个清晰的评估体系大成策略回报基金行吗,而品牌效率指标远远不是简单意义的评估认知度,该指标包括5A人群流转效率和内容效率两部分,其中人群转化率包括A1-被动A3增长率、主动A3及A4流转率和粉丝增长率,内容效能包括内容的完播、点击、互动、转化,这些指标分别对应且体现了认知-种草-行动人群规模的增长与流转效率。效率越高,转化越好,用户对品牌的认知越清晰,也说明了品牌、产品、内容更具差异化特征。如何提升品牌效率?大家看到是内容效率到人群流转效率的转化,也就是说——选准内容赛道,种收效率更高!

第三. 从“品牌忠诚度”到“品牌形象(Image)”

品牌从业者经常会提到——品牌忠诚度,它是衡量品牌忠诚的指标。由消费者长期反复地购买使用品牌,并对品牌产生一定的信任、承诺、情感维系,乃至情感依赖而形成。

SCI品牌力模型的最后一个指标是品牌形象(Image),这个指标是定义品牌在市场上、在社会公众心中所表现出的个性特征,它体现公众特别是消费者对品牌的评价,认知的深度、广度。品牌形象最终也体现在行动的客单价上,总体来说品牌形象越好,消费者单次购买金额和复购率更高,品牌溢价也随之提高。

从品牌口碑到客单价,其中将品牌搜索次数、内容曝光数、自然内容曝光数、NPS(Net Promoter Score,净推荐值)等指标细化体系,让品牌更加可视化。

为什么说SCI品牌力模型更具科学性,它不仅可以包括传统品牌评估体系,且将以往很难评估,非动态数据变成可视化、实时化,然而更重要,且让我觉得十分有必要向同行推荐的,是这个模型符合当下用户习惯,符合企业新的经营逻辑,在内容时代,能够将内容评估、人群转化、产品流转融为一体,我一直觉得品牌与营销是不可分割的,但实际操作中,往往因为内部管理因素、评估体系不同、目标不一致,导致两者很难兼顾。SCI品牌力模型的应用,也引出一个公式:

长期生意增长=可经营人数x转化率x用户价值

—03—

品牌与营销,是长期主义与短期效益的博弈吗?

霍尼韦尔前董事长、CEO高德威(David Cote)的最新著作《长期主义——关注短期业绩,更要投资长期增长》就阐释了长期战略与短期业绩这两个看似矛盾的目标,如何兼顾。作者表示:你需要耕耘播种,但更需要经年累月地给作物浇水,悉心照料它们,这里没有任何捷径可走。

企业经营品牌,是长期主义。

企业实施营销,是短期效益。

两者并不矛盾,只是过去传统品牌经营时代,品牌与营销的评估是割裂的,两者很难融合,再者媒体平台、各类营销资源,也很难兼顾,比如过去传统内容很难带货转化,好像天然就只适合品牌广告大成策略回报基金行吗,所以就给人广告费不少,但是好像带来销售转化不能量化。本质原因是媒介的数字化不够。而如今,用户通过观看抖音短视频、直播,边看边买,内容与销售融为一体,品牌与营销也自然融合。

在营销侧,品牌们通过巨量引擎的投前预算分配工具、AB实验工具、投中增效优化模型、投后复盘结案工具、投后增效度量工具(BLS+CLS)等让品牌的每一次营销投入都能带来确定的回报。让“品牌”与“营销”不再脱节,更好的让企业决策层科学地制定市场预算

试看结束,如继续查看请付费↓↓↓↓
打赏0.5元才能查看本内容,立即打赏

来源【写作训练营】自媒体,更多内容/合作请关注「辉声辉语」公众号,送10G营销资料!

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站不拥有所有权,不承担相关法律责任。如发现有侵权/违规的内容, 联系邮箱jkhui22@126.com,本站将立刻删除。

相关推荐

评论

  • 昵称 (必填)
  • 邮箱
  • 网址
二维码
评论