不久前，创略科技发布《数据和 AI 驱动的营销自由》白皮书，提出「营销自由」的概念。根据白皮书，营销自由指的是指的是「业务和运营人员可以基于数据驱动自由地选择合适的营销方式，在合适的时机，以合适的方式，对合适的受众进行实时和个性化的营销触达，提升客户体验，并实际作用于提升客户的留存、复购。」
营销自由是理想中的营销人的工作状态。「当前的营销行业，还停留在非常笨重、被动、没有把控权也没有执行力的状态。」创略科技创始人兼CEO 胡世杰如是说。
创略科技创始人兼CEO 胡世杰
这种状态形成的原因在于，营销在实现数字化的过程中，工作需要依赖于多个不同部门，存在很多无法把控的因素，例如营销人对数据完全没有把控能力——这些数据的搜集分散于多个不同系统中，最终的打通、提取以及储备成为一个可应用的状态，是需要 IT 及其他部门参与的。而白皮书中指出，
「在传统的B2C业务模式中，往往是业务部门制定计划，IT部门配合计划实施，所有的线上营销监控，数字营销计划，营销监控，报表，均需要通过IT部门协助，部门协作的成本高，效率低，数据变现的速度慢，营销反应速度慢，已经不适合当前营销模式。
当前的营销行业，还停留在非常笨重、被动、没有把控权也没有执行力的状态。
在长期的营销经验中，不同部门之间，常常对同一个业务指标和业务口径产生分歧，从而导致数据口径难以快速统一，统计维度和指标难以迅速一致，业务部门之间的摩擦导致数据驱动效率低下时 ，高效的营销也自然变得不可实现。」
由此可见，部门与部门之间协作的过程本身即造成了阻碍，或者导致工作无法完成，或者导致工作无法按时完成以至于错失机会点。这一局面使得营销人的工作的实时性、即时性非常差，只能针对一些具体的工作提供单点解决方案，例如 CRM，例如微信公众号运营。但是如果希望实现全域营销，基于非常稳健的数据基础，很自由、灵活地进行布局，以目前营销人的工作状态，基本上做不到。
胡世杰因此提出，营销自由的前提是打好数据基础。有了完备的数据基础，营销层面以及客户数据层面的智能应用，才能最终完成营销闭环，实现真正的营销自由。
营销自由的前提是打好数据基础。有了完备的数据基础，营销层面以及客户数据层面的智能应用，才能最终完成营销闭环，实现真正的营销自由。
既然打好数据基础是营销自由的前提，那么搭建一个功能齐备的数据库，是实现营销自由的第一步。在2018 年及之前，DMP 是企业管理数据的主流产品；2019 年至今，CDP 逐步成为业界关注的重点。胡世杰认为，DMP 主要是做人群管理，目的是进行重定向与广告投放，而不是真正做整体的数据管理。而CDP所涵盖的数据范围更广一些，不仅仅局限于广告投放的相关数据。
众多企业开始搭建自己的 CDP，其中一些企业希望搭建一个加强数据层面的营销管理的体系，而胡世杰主张从更宏观、更长远的角度来看，真正通过 CDP 建立一个稳健的数据底层基础。正如白皮书中所说，「CDP和为之服务的数据采集工具正为企业提供了面向营销，集成化，实时化，高易用性的数据基础。」
一个关键步骤是私域流量池以及数据池的搭建，这个数据池内包括历史数据、现有的实时数据，这些数据必须达到随时可用的状态，同时和其它的数据体系，如舆情监测数据体系、ERP 等系统相对接。
一个关键步骤是私域流量池以及数据池的搭建，这个数据池内包括历史数据、现有的实时数据，这些数据必须达到随时可用的状态，同时和其它的数据体系，如舆情监测数据体系、ERP 等系统相对接。
搭建流量池之后，企业需要考虑的是解决方案如何落地。通常有三种方式：
找多个供应商，把这些供应商的细分模块组成一个营销技术栈；
寻找偏整体的解决方案；
自建，或者主要依靠自建。
在这三种方案中，胡世杰介绍说，第一种方案，即营销技术栈的搭建，更适合于欧美市场，因为那里的企业服务市场非常成熟，国外的营销技术供应商大多采用SaaS 形式，提供开放的标准化接口，很多产品都是可以进行系统集成的。而在中国，如果所有的技术组件、产品模块是本土公司来完成的话，就很难搭建成为技术栈。而第三种方案同样不适用于中国市场，事实上选择自建的企业非常少，除非是技术能力较强、通过互联网经营的公司。但是自建的阻力在于解决方案可能适合于企业内部的 IT 部门使用，但是无法达成业务部门的要求。因为自建的方案如果达到合格、可用的状态，成本高达上千万之多——而购买解决方案只需要十分之一的价格。因此，相对适用的方案只有第二种，选择供应商提供整体解决方案。
目前，创略科技有针对性地服务与汽车出行、零售、旅游、金融及教育等产业的客户。这些行业的数据管理各有其特点。如汽车行业的数据包括了经销商数据和客户数据，其中后者是汽车厂商采用直接触达客户的方式，收集到的数据来打造的数据体系。而零售、旅游行业的数据更为多元化，这两个行业由于客户消费数据频率高，涉及很多实时数据，可以加以应用的场景也更多。
胡世杰介绍说，创略科技专注的行业领域必须符合几个条件：
首先是客户生命周期价值足够大。客户生命周期价值包括购买频率和客户生命周期的时间线。有的产品虽然客单价较低，但是购买频率高，弹性比较高；有的产品单价较高（如汽车、金融等）。
其次是能直接接触到客户，即掌握了最终的客户触点，这是为了便于在触点上能够采集客户的行为数据，最终实现个性化的客户体验。
第三是整体的数据体量，包括绝对的客户量，以及客户加上潜客的数量。当然，更重要的并不是客户量的大小，而是客户的数据维度丰富度。客户的数据维度丰富程度高是一个关键因素。
根据创略科技的测算，在海外市场，客户在营销技术层面的预算，已经占到营销预算整体的20%+。国内目前处于营销技术开始爆发成长期阶段，国内大部分客户的营销技术预算占营销预算整体在5-10%，未来会越加靠近国外的20%+的占比。2020年，国内营销预算市场规模在万亿人民币，营销技术的整体市场规模将在500-1000亿人民币左右，未来有望往2000亿发展。
在胡世杰看来，国外营销技术市场虽然相对较成熟，供应商众多，但是国内企业甚至在一些领域已经超过了国外同行。一个典型领域是 AI 技术，国内同等规模的企业采用或者接受 AI 技术的应用场景，对机器学习、深度学习的应用速度更为快速，在营销场景的应用更多。
在目前的中国市场，AI 之于营销的应用场景还处于初期发展阶段。
与传统软件相比，AI有能力有效地处理大规模的数据集，进行分析、预测。最重要的一点，AI有能力进行自学以改进自身的工作能力。但在目前的中国市场，AI 之于营销的应用场景还处于初期发展阶段。AI 应用更多针对的是金融行业如风控等场景，以及政府相关的场景。而就供给方来说，AI 相关的大数据、人工智能公司，通常并不是很懂营销，能够理解 CMO 的需求。
根据胡世杰的观点，AI 技术目前在营销场景的具体实施、落地主要有三种方式：
其一是基于产品或平台的小功能模块，如粉丝分析、僵尸粉识别等等。
其二是针对较大一些的场景，如客户流失预警、个性化推送等，目前很多企业较为能接受的是这种落地形式，问题在于需要较强的运营团队与数据科学家团队，可以把业务直接与 AI 模型相关联，最终通过测试验证是否对业务产生价值。
第三种方式市场尚未完全接受，这是一种开放式平台，即将机器学习、深度学习的平台开放给最终的用户，让用户自己的工程师或者数据科学家在平台上开发一些模型。这种平台目前只有金融行业的银行等少数企业在使用。
日前，创略完成了B 轮融资，领投方为源渡创投，高美资本、G5创新投资跟投。关于这一轮融资的使用计划，胡世杰表示除了持续对研发进行投入外，还将用于完善销售业务和整体运营，以及售前和客服体系的搭建。未来，创略的业务拓展方向将涵盖咨询、产品、运营等领域。
自创业以来，创略科技持续服务于中大型客户，为他们提供企业级解决方案。胡世杰透露说，在B 轮融资之后，创略科技有计划布局一些中小型企业，即为一些腰部客户提供CDP解决方案。这些客户更轻量级，需求没那么重，实施起来会更快。当然，中小企业市场的环境非常复杂，为这些企业提供 CDP 产品也是一条较为艰难的路，因为 CDP本身即是复杂性的解决方案。但其中，可以有一些切单一数据源及单一应用场景的标准化路径可以探索。
之所以选择 CDP产品，是因为根据创略科技的估算，CDP在整个营销技术预算当中，占到保守预估10-20%的预算；而CDP市场规模将至少在50-100亿人民币甚至更多，这一市场规模目前与国内CRM市场规模类似，但CDP基于大数据架构、支持机器学习等AI技术应用，相较于基于结构化数据库的CRM，在数据中台和枢纽层面，代表未来不可逆的趋势。
继2019年9月营销资本论坛（MAD Capital Forum）活动取得成功和业内高度评价之后，第三场营销资本论坛（MAD Capital Forum）将于11月26日再次落地上海。
本次活动以「后风口时代买方新思潮」为主题，特邀多位在营销行业投资并购中累累硕果的大买方，在疫情之下成功融资的营销技术新秀企业，以及在企业数字化转型过程中扮演重要作用甚至亲自下场的咨询公司代表，分享与探讨风口过后营销技术领域的投融资方向和思路。
主办方为 Marteker 的读者准备了 30 张媒体专属票，请扫描下方二维码获取：
