大数据时代，让事物现象通过数据化分析，可得出现象产生原因是什么。企业营销数据分析就是通过现有的现状，通过多维度数据，进行分析，获得有效的优化策略或发展策略。换句话说，市场营销数据分析让企业管理者避免“拍脑袋”决策方式带来的风险和不切实际。
数据分析是基于商业目的，针对性的进行数据收集、整理、加工和分析，凝练出有价值信息的一个过程。数据分析的过程主要可以概括为：确认分析目的——数据收集——数据处理——数据分析——数据展示——总结报告6个过程。
确认分析目的：市场营销的数据分析，其目的是看清市场本质。通过数据分析过程可知，一项数据分析工作的开展，首先需要一个分析的载体，也就是为数据分析提供分析对象，也就是确认分析目的。
数据收集：数据收集是数据分析基础。数据收集的渠道对各企业而言，属于相对比较私密的资源。毕竟在这个数据化时代，拥有更全面的数据，对企业发展更加有利。
数据处理：数据收集是大范围开展的，很多数据其实对我们分析目的并无法提供帮助。也是数据初筛选过程，罗列出基础的数据类别，设定数据框架。
数据分析：指的是通过数据分析手法和技巧对准备好的数据进行分析，填充数据框架，得出一定的行业规律，为企业提供决策参考。在这一阶段，数据分析的主要内容和结果都大致产出了。
数据展示：指的是数据结果展示，就是将分析出来的数据通过更加清晰的表达方式展现出来。一般通过图、表的形式展现。
总结报告：这是数据分析的最后阶段，是对整个数据分析结果的总结。报告内容要陈列出以下内容：分析目的、数据分析过程、分析结果以及完整的发展展示。让企业负责人快速的获取到需要的信息。
了解了数据分析的基本流程之后，怎样有效的对搜集过来的数据进行分析呢？
数据运营发展至今，有一些比较常用且行之有效的方法，正逐步的被总结归纳出来，根据以往的数据分析经验，数据分析方法分为以下三类：
1、构建用户转化金字塔：
所谓用户转化金字塔指的就是曝光——访客——转化之间量的逐层递减过程。在电商数据分析中，运用最为广泛。用户转化金字塔对于能够直观的清晰用户转化过程，通过每个阶段的数据反馈，明确问题发生的阶段，制定相应的解决方案。
以普通的电商店铺日常运营为例，一家网店的运营，网店数据分析是网店运营每日工作的基本内容。在店铺后台，几乎可以得到店铺的所有数据。其中曝光——流量——访客——转化之间的流量金字塔也是数据分析的必经过程。网店的流量来源主要依靠一款或者几款宝贝，就店铺运营最好的一款宝贝为例。首先宝贝数据基数最大的是曝光量，产品曝光的方式有很多，我们在此仅以关键词搜索曝光为参考依据。如果产品曝光量少，那么对应的就是产品关键词搜索排名比较低，对应的解决方案就是做好目标关键词的数据，获取排名。其次就是流量的点击率问题，如果曝光量足够高，但是宝贝访客却少的可怜。通过数据分析可知，问题出现在宝贝主图和关键词排名上面。关键词排名靠后的宝贝，其天然的点击率会低很多，解决方案就是努力增加关键词排名。主图点击率较低，可以通过相应的推广业务进行主图测图操作，设计出高点击率的主图，然后替换下来。点击率提升，访客数量也会相应的提升。
随后，访客与流量的区别。访客指的是进入店铺的访客数量，流量指的是访客在店铺里面浏览的宝贝次数，因此，流量基数一定是大于或等于访客数量的。流量访客比越大，对应的店铺保证整体布局比较健康，款式比较吸引访客。如果流量访客比数值太小的话，说明店铺宝贝关联营销较差，非主推款宝贝质量不高等问题。那么对应问题从而制定相应的解决方案即可。只要解决方式无外乎建立宝贝关联营销，增加高质量新品宝贝。
决定访客是否转化的因素很多，产品价格、评论、买家秀、问大家或者客服态度等等。任何一个细小的因素都会左右顾客的购买意向。在这一步，最关键的影响因素是评论、问大家和客服的导购能力。通过数据分析，找出出现问题的地方，然后制定相应的解决方案。
构建用户金字塔，可以系统的分析数据，清晰的找出问题发生点，使得能够有针对性的制定解决方案。使整个用户体统更加的完善，从而扩大企业收益。
2、通过多维度数据报表发现问题
用户转化金字塔只是基本的数据分析骨架，想要细致的分析问题出现的点，那么多维度的数据报表乃是首选。向上述网店流量金字塔只是简单的流量转化过程，其功能是大概的方向把握，真是落实到具体的实操阶段，你会发现有种无从下手的感觉。此时，通过维度报表不仅可以清晰的总结出宝贝成长轨迹，还可以直观的找出问题，并理清楚影响结果的关键性因素，明确其中的因果关系。
依旧以网店数据分析为例，假使我们要推广某个宝贝，并将该宝贝作为我们的主推产品。那么作为网店运营，产品14天或28天的运营记录是最重要的数据统计表格。主要记录的宝贝因素有访客数、流量、下单数、支付金额、客单价、访客价值、支付转化率、推广金额、top10引流关键词、top10支付关键词等。对这些因素进行数据统计，连续记录14天或28天，通过每项数据的变化来整理出影响访客的因素有哪些。然后通过对相应维度的数据的调控，认证其与访客之间的因果关系。
在市场数据分析中，影响目标因素结果的原因可能不仅是一类，可能是多种因素联合影响。因此，单维度的数据分析，其分析结果并没有太大的参考价值。通过多维度数据报表数据，分析出来的结果，才更有参考价值。
3、设定“框架模型”，对比验证
这是一种最直接的营销数据分析方式，操作过程也比较简单，一般可以直观的将数据分析结果展现出来。这种操作流程就是通过营销策划人对市场的认知从而设定两个或两个以上的方案“框架模型”，然后通过大量的验证“基数”进行检测，从而直观的得到最优方案“框架模型”。这种方法主要是用于没有大量数据支撑的情况下，通过“列举法”和“对比法”来获得最佳方案。
比如对于店铺宝贝的选择，有资源的商家可以通过使用直通车对大量的宝贝进行测款操作，然后从测试的款式中找出数据具有爆款潜力的几个宝贝，然后进行制作纸样、打板、拍照、下首单、网店上架推广等操作。
对于小卖家而言，没有足够的资源进行大范围的测款，为此他们的选款方式就显得比较寒酸了。首先，针对已有的款式进行测试。这指的就是在已有的款式中，寻找最优秀的款式进行重点推广。这种数据分析情况由于“模板”对比的太苍白，后续的推广难度会很大，该款式也不一定具有爆款潜力。因为该款式的优秀结论仅是通过仅有的“模板”对比而得出的，不具有太大的准确性。其次，有限的资源对小范围内可以获得的款式进行测试。这种由于区域限制，获得爆款的概率有，但推广成功的难度比较大。商家不具备货源优势，后续推广销售阶段会限制该宝贝的发展。比如，当宝贝刚推起来之后，厂家告知产品断货，这个时候，小卖家到底是做货还是不做货？做了货，产生库存怎么办？不做货，之前的推广成本全部浪费了。因此，这个市场对小卖家，并不友好。
在没有数据支撑的前提下，设置方案“框架模型”的方式，操作会比较简答，数据分析也相对清晰，对应的收益也相对比较苍白。当然，在某些情况下，也可以获得较大的收益。比如，大量数据支撑下得出的两种或者两种以上的优质方案“结构模型”，直接对比，是优中选优的最佳方式。
数据分析在营销策划中所能起到的作用，通过上述三类方法的列举，可知一二。然而仅通过案例分析，并无法全面的将数据分析的作用展现出来。并且由于案例的分散性，数据分析的作用无法系统的归纳。接下来，我们系统的来列举一下数据分析对市场营销的作用。
1、行业分析：企业可以通过某些数据分析平台，行业发展趋势进行分析。企业策划人可以了解市场淡季和旺季，对行业变化做到心中有数。
2、企业数据监测：企业数据监测只要分为两类，一类是自身企业日常数据监测。另一类是竞争企业数据监测。首先，通过对自身企业的日常数据监控，把握企业发展动态，明确企业实际发展情况与发展计划之间是否存在偏差。其次，对手企业的监控，可以了解对手的发展情况，随时优化自身企业的营销策划，对手就是最好的老师。
3、定位人群：定位人群指的就是消费者人群画像。人群画像指的是系统对品牌消费者进行数据分析，通过年龄、性别、客单价、喜好等方面的数据统计，精准的描绘出适合自身企业发展的人群画像。随后企业策划人便可以制定适合目标精准人群的营销活动。
4、营销优化：在企业发展过程中，难免会出现问题，导致企业经营困难或者业绩许久未曾提升。可以通过企业数据分析，进行详细的诊断，发现问题，然后解决问题。
数据分析涉及不到的领域
1、研发和创新的新市场，数据分析起到的作用微乎其微。苹果公司的成功并非来自数据分析，而是因为乔布斯的个人理念和坚持。
2、企业变革型改变无法通过用户反馈数据分析获得。用户在使用某个产品之后，会产生习惯。如果运营商突然对该产品进行全面的更新。当更新完成之后，前几个月用户评论一般都是怨声载道。但数月之后，用户便习惯新版本之后，开始发现了新版本的好处，随后好评声源源不断。因此，如果企业产品要进行大范围的变革，通过老用户的数据反馈，无法得出正确的数据分析。
大数据时代，数据分析并非万能，很多事物的本质仅通过数据根本无法勘破。市场营销数据分析为企业决策提供依据和方向，为企业发展提供大方向的预测，为企业发展保驾护航。我们即将步入5G时代，强烈的科技感扑面而来。大数据在充满科技感的时代，能够爆发出怎样的力量呢？着实令人期待。
（本文摘自 中国公关行业门户网站——公关之家 ）
閱讀更多 公關之家 的文章
