导图社区 《不做无效的营销》读书笔记
- 13
- 0
- 0
- 举报
《不做无效的营销》读书笔记
《不做无效的营销》读书笔记，内容有： 第一章营销进化的新纪元：大数据时代 第二章你的营销策略为什么总出错？ 第三章代言&赞助，如何才能不盲目？ 第四章提高营销效率的数据法宝
编辑于2023-07-12 10:01:17 广东- 运营/市场营销
- 不做无效的营销
- 相似推荐
- 大纲
不做无效的营销
第一章 营销进化的新纪元：大数据时代
大数据为何招人爱？
应用范围广
高端前卫、上档次
有着众多国际大公司对它倍加推崇
价值高、潜力大
Netflix公司用大数据捧火了美剧纸牌屋
大数据的“怪圈”
人人都在谈，却谁也没见过
轻信概念，难分真伪——大量的数据并不等于大数据
骗子数据：披着大数据的外衣，其实内里是虚假或断章取义的数据
废话数据：看起来数据量大，但数据结论仔细琢磨一下却空洞无物
《爸爸去哪儿2》独家大数据报告结论“移动终端观看成为趋势”，只统计用手机点击视频次数，未考虑用户真正用手机的观看时间
广告数据：打着大数据的旗号，其实是为了宣传自身的产品或品牌
大数据并非无所不能
神化了《纸牌屋》案例，大数据没决定剧集的成功，但剧集的成功提高了大数据的影响力
原因1：数据确实能帮助制作方了解用户的过往内容偏好，但是用户曾经喜欢不代表未来也喜欢
原因2：数据能帮助制作方实时了解对已播剧集的喜好，从而优化未来内容，但并不能完全取代内容创意，好的故事梗概没有好的内容编辑依然会被埋没
原因3：通过数据得出什么洞见要靠人，同样的数据不同的人有不同的结论。
大数据时代对营销人的挑战
必须立刻改变
新的发展机会
数据还原营销过程真相，佐以科学的方法论，营销方式不断迭代升级
营销人应该对销售负责吗？
为什么要负责？
业务范畴变大
公关人开始既要对品牌影响力负责，也要对销售结果负责
数据增多，及数据的互联互通
各数据平台/公司开始共享彼此数据，用户每一行为的数据变得透明，营销人更要为销售负责
如何负责？
不应大包大揽
以销售为最终目的制定策略
怎么判断营销人做事是否以提升销量为导向？
一味只提追求营销内容的曝光量/粉丝量的提升、参与报道的媒体数量
完全不提上述内容与提升销量之间的逻辑关系
数据帮助营销决策锚定方向
第二章 你的营销策略为什么总出错？
盲从客户的隐患
为何甲乙双方总容易起争执？
老板视角同营销视角的不同
“完美一号”空气净化器案例
老企业，民用市场品牌知名度为零，列出产品三大优势，设计好，不用换滤网，用更复杂化学分解方法净化甲醛
先对一月内购买或将购买净化器的一二线城市居民作调查，购买决策影响项调查中，外观排倒数第三，除霾PM2.5，噪音小为首要因素
站在营销立场，如何将有限的经费花在刀刃上才是重点，不应浪费大笔资金强调外形上的优势
营销视角：企业诉求与消费者诉求的交集
数据解读企业的正确营销方向
奥美Fusion-商业企图红星（5C理论），用以帮助企业探寻商业企图/目的
企业/产品
目的：分析企业目前需要解决的核心问题，理清企业的商业问题（而非领导的愿望）
步骤1：企业商业模式
分析企业方提供的资料
对比不同商业模式背后数据趋势，判断机会成本，从而分析的潜在机会和问题
步骤2：企业的意图和需求（企业面临的问题是什么）
社会化聆听市场及消费者的舆情数据来调整方向
社会化聆听：抓取、处理和分析社交媒体上的碎片化信息了解对象的舆情情况
“社会化聆听”是一种常用的识别人群态度的方法，主要操作方法是：通过抓取和分析社交平台上面的言论数据（例如微博的直发信息、评论信息等），机器识别用户言论中的核心关键词及背后的情感态度
步骤3：产品的特点，优势/劣势：通过针对目标人群的大样本随机抽样对照调研来了解受众的态度和行为，更真实地了解产品的优劣势
品类
目的：分析市场行业环境背后的机会和挑战，将企业放在大的市场环境下寻找机会
步骤1：品类的发展状况-成长/成熟/衰退：通过垂直类的数据工具来呈现发展趋势（APP：应用雷达）
步骤2：品类的商业价值：品类的发展状况，通过具体销售数据/消费者态度数据的收集整理，进行更准确的定位和预判
竞争对手
目的：分析企业面临的竞争态势，找到可以与竞品争夺的差异化优势
步骤1：竞品的圈定
分析企业方认定的同行企业
站在消费者立场收集态度数据，寻找容易被忽略的“跨界”竞争对手
步骤2：竞品的营销分析：用数据抓取，知道竞品做过哪些营销活动，看到用户和媒体态度等
触达渠道
目的：分析品牌或产品在通向消费者的过程中，通路的情况及变化；准确定位最科学的影响力渠道，连接品牌/产品及终端的消费者
方法：用户的主流触达渠道：分析用户的阅读习惯数据，客观找到性价比最高的触达渠道
目标消费人群
目的：分析目标消费人群的需求和购买决策，找到自身需求和消费者需求的交集
方法：各种平台数据加上传统调研的手段，精准地对人群做出画像。
目标人群定位出错
目标人群为什么不是越大越好
越小营销投放越不易浪费
越小越易获得芳心
越小越易找到正确的触达渠道
案例：专车APP的小圈子目标人群
对象：专车服务APP（品牌A），市场处于成长期，并受滴滴打车挤压
圈定目标用户人群
第一步，观察和分析消费者在移动端使用打车和专车软件的地域分布截面数据，锁定一线城市人群
第二步，针对经常打车的一线城市消费者随机抽样调研收集有效数据，分析筛选
问题：您平时最常使用的专车软件是？品牌A 8.97%
问题：是否使用过品牌A（针对用过专车软件的样本提问） 没有 73%
问题：未使用品牌A的原因（针对用过专车软件的样本提问）没有听说过 73%
问题：出行时选择专车而非出租车的原有（针对用过专车软件的样本提问）前三：服务好，环境好，接单快
结论：品牌A的目标人群为用过专车服务但没用过品牌A的人，而不是没有使用过专车服务的出租车用户，推导过程：
第一，现有专车用户的人口数虽然小于出租车用户，但在这群人中，品牌A的知名度和市场占有率不高
第二，教育“体验过专车优质服务的用户”安装专车APP比教育“没有用过专车的出租车用户”成本更低
第三，用户选择专车而非出租车主要是服务好和接单快，也是品牌A的优势
第四，只要品牌A可以提高其在专车用户中的知名度，促使更多人使用，其高质量服务更容易赢得用户
“没用”的人群画像类型
拍脑门型：主要出自企业负责人基于自身产品特点和市场状况的“直觉判断”
人物传记型：找十几个或几十个典型目标用户做一对一采访，详细对他们生活做白描，依然过于按照直觉和经验
事无巨细型：花费多，数据全面，但没有真正针对正确目标人群，量体裁衣找所需数据，存在太多无用数据
人群画像是否合格的判断标准
能否帮助企业导出有因果关系的营销策划
人群数据的划分
元数据（属性数据）
可以定义人群数据的数据，标定人群身份的基础属性
特点：稳定度强，不改变或改变缓慢
行为数据
可被记录的行为痕迹数据，帮助营销人更具象地理解特定基础属性人群的行为特点
特点：容易呗获取和跟踪，易被识别和分析
态度数据
指特定人群对特定现象或品牌的态度，人群自身的消费态度/三观等数据，帮助更好地理解行为数据背后的产生原因
特点：跟行为数据结合紧密，有时有一定的重叠；不易被获取和跟踪，不易被准确识别
重要程度高：帮助营销判断的幕后之手，案例：巴黎春天用户态度数据调研
概况：上一年有5万人曾在网店购买超10支口红（重度用户，一线城市，19-24岁青年）问题：准备将所有重度用户放入数据库，定期发促销广告，促进她们进一步消费，该决策是否会让用户好感度下降？
通过这群行为共性人群态度调研，发现几种购买动机可能：
情况1：巴黎春天是该群重度使用者能买得起的最便宜一线品牌
审视自身品牌策略，是否希望成为物美价廉一线品牌的形象
若是：跟踪分析该群用户成为重度用户的过程，制定营销计划，科学地让更多初级用户变成重度用户
若不是：历史营销过程有重大问题，导致品牌信息被错误传递和理解，应展开有针对性调整，该群用户也不应是目标消费人群
情况2：因为喜欢代言人而购买该品牌口红
代言人的影响力优秀，但购买行为背后却并不一定会形成品牌忠诚
对策：进一步扩大品牌影响力，试图令代言人粉丝转化为品牌粉丝
情况3：并非自己使用，而是代销给其他人
说明这群人的数据不能代表真正的消费人群，仅能间接反映该品牌具备一定市场需求
对策：作为B2C品牌，应针对真正的客户作进一步调研才能导出有用的策略
情况4：购买口红是因为喜欢该品牌
这群人是品牌的忠诚用户，从态度到行动都充分支持品牌
对策：元数据、行为数据和态度数据都应详细记录和分析，同时解构“知道品牌-购买品牌”和“购买品牌-忠诚用户”两段重要过程中发生什么重要事情如何能更好地触发和优化这个过程
识别人群态度的方法：社会化聆听
分析难度大
有意识撒谎
无意识撒谎
人群画像模型
3C九宫格
品牌（Company）：品牌/产品的现有用户是哪群人？这群人有哪些共性是对营销决策有价值的？
品类（Category）：品牌/产品所属的品类是什么？这个品类下的现有人群是什么样的？这群人有哪些共性是对自身品牌的营销决策有价值的？
竞品（Competition）：品牌/产品目前的竞争对手是谁？竞品目前的用户是谁？这些人中有哪些是自身品牌想争取的，如何争取这群人？
品牌A
元数据：呈现品牌A现有人群元数据，清晰知道现有用户的基础属性是怎么样
行为数据：呈现品牌A用户的行为共性。包括触媒偏好、购买渠道、使用品牌A的使用习惯、分享行为等
态度数据：呈现品牌A用户的喜好和价值观共性。现有人群对品牌A的好感度、忠诚度、偏爱品牌A的理由等
品类
元数据：修图市场用户的元数据，通过品牌本身与品类元数据之间的差距，其中部分用户也许是品牌未来值得争取的潜在用户
行为数据：修图市场用户的行为数据，包括触媒偏好，购买渠道，人群使用APP的频次/数量等行为共性，通过数据对比可以帮助发现品牌目前的短板和不足，为下一步有方向地调整策略提供数据支持
态度数据：修图市场用户的态度数据。了解品类用户的使用态度，对业内品牌的认知度，好感度，忠诚度，及深层次情感或价值观原因后，对比态度数据容易产生优秀的洞察
竞品
元数据：竞争对手B元数据，对比数据可探寻中间的差别和背后的原因
行为数据：对比品牌用户及竞品用户的数据可探寻中间的差别和背后的原因
态度数据：同样对比数据可探寻中间的差别和背后的原因，找寻如何能将竞品用户转化为品牌A用户的机会点
3C九宫格“用户之旅”版
注意事项提醒
第一：并不是所有的数据维度都有必要进行收集和分析
第二：维度并不是越多越好，而是越准确、越重要越好。哪些维度重要，要根据品牌自身的需求和现状量体裁衣。
竞品定位错误
“没有竞品”背后的思维误区
数据定位竞品企业（三个层面）
企业层（品牌战略层）：除客观因素外，也会由主观因素决定
产品层（产品的外形、功能、盈利方式等角度）
产品所处电商平台的月度行业数据（查找单价、技术功能及月成交量等维度在同一数据区间的品牌产品）
在以上基础，分析电商平台搜索引擎的关键词的搜索指数、点击指数、成交指数（指竞品关键词的搜索量、点击量及搜索带来的成交量）进一步缩小竞品列表
用户层（用户关注、谈论、购买行为）
搜索数据
用户搜索行为高关联度产品（百度指数）
观察不同关联度品牌的大小及竞品提及词位置，了解市场的阵营及用户对不同品牌的关注点
社交平台数据
用户谈论声量相似产品：在某一时间区间，用户在社交网络上谈论该产品的总体声量在同一数量区间的产品（微指数）
品牌社交平台影响力相似产品：某社交平台上，影响力相似的产品，指标需按不同平台量体裁衣
微博偏重账号整体声量、粉丝规模、互动质量、活跃度、活跃粉丝率等
豆瓣偏重内容的质量、深度以及用户的匹配度等
电商数据
用户评论数据
产品的评分数据
用户流失数据：观察用户流失后购买的商品
战略正确远比战术正确重要
花给谁？花在哪儿？（美弗H9上市，目标人群确定案例）
产品情况
①老客户中品牌忠诚度相对较高
②美弗H9在美弗系列产品中价格较贵
③美弗H9价格比当时同期国产SUV相对较贵，但比相同配置国外SUV价格要低
④产品已于春天在车展亮相，媒体舆论及广大车友均有很高期待
问题：较国产和自家系列更高价位的车型是否能够让广大感兴趣的人愿意掏腰包？谁会相对更愿意/更容易被说服购买H9？
数据分析
行动：百度搜索关联词分析竞品趋势
结果：搜索关联度最高的前五款车型全为美弗系列产品，但实际中用户不会把价格相差悬殊的车型放在一起权衡比较
疑问：目标会否是老客户以及美弗品牌的重度关注用户，若是该结论市场推广会亏得血本无归
洞察：①用户出于对美弗品牌的忠诚度，致使很多人搜索该品牌是的其他车型，甚至是高价位车型②在大众心中美弗品牌的产品都是低价的③美弗H9在SUV中是性价比非常高的车型这一特点并不为人所知
最终结论
①把目标人群定位为老客户或美弗重度关注者是不对的，因为他们心中有“美弗品牌应该便宜”的刻板印象
②应该定位为：对美弗品牌不太了解，但热爱SUV、注重性价比的中产人群。同时。应在营销推广时大力宣传美弗性价比高的卖点，以避免该车型继续受美弗历史价格形象的影响。
数据思维下的营销新流程
第四章 提高营销效率的数据法宝
科学的KPI设定
KPI与营销目标的关系
正确设立数据评估的标准和体系，并不单为了拿漂亮的数据较差，更重要的是它帮助我们在执行整个过程里，不断地校准至正确的方向，避免南辕北辙
设置KPI的典型误区
所有营销目标都是可以被准确测量和指标化的
有时候由于新兴行业或项目推广，由于没有数据参考，很多指标无法提前预设
僵化的评估只能流于形式，有时将KPI的数字设为区间而不是具体数据更科学
KPI设定好后就不能变
面对新市场、新平台，再有经验的营销人也很难在项目未展开的时候，就面面俱到想到所有正确的评估方向
更科学的方式是，先根据营销木白哦设定KPI，但并不教条地对待它，而是在项目进行的过程中，根据实际情况相应调整
KPI达到就等于成功
仅追求数据结果，容易引发作弊，要时刻谨记，数据永远是服务于营销目标
科学的评估体系应该尊重目标、事实和变化的，不应该拍脑门去设定，僵化地执行
正确的KPI设定：营销目标的数据解构
定义
把企业的营销目标量体裁衣地用数据化的方式，解构为一些可以量化评估的维度，及一些虽然不能指标化，但是需要跟踪监测的关键性成果
量体裁衣的设定
根据每个服务品牌本身的特点和其目标人群的特点来量身定制评估标准，不能简单粗暴一刀切
案例：“英特尔中国”与“英特尔商用频道”微博推广的不同KPI设置
数据化的解构
把感性的营销目标科学地翻译成可量化评估的数据标准，或虽不能被准确评估但可以被有效跟踪的关键性成果
案例：ZTV微博营销目标的数据解构
营销目标：提升ZTV在粉丝中的公信力
解读目标概念
什么为公信力？
希望展现的公信力是什么样子？
在微博平台的高公信力，呈现怎样的特点？可获取的相对数据维度是什么？
哪些数据指标是可以被量化评估的？哪些是不能被评估但可以被有效跟踪的关键性成果？
营销目标的数据解构
做好营销数据结构的前提
准确掌握其服务的品牌/产品诉求、企业的目标消费人群特性、目标营销平台的平台特性和人群特性、目标营销平台可获取的数据类型等
微博平台的部分数据维度
传播层级
定义
只要内容被转发，就存在传播层级，层级就是转发的层数
意义
影响曝光量
相同互动量（评论、点赞、转发量总和）的微博，转发量越高曝光量越大
评估内容的质量
转发数量的意义大于评论数量，只有用户内心认可的内容才会被转发
观察转发层级时间分布识别水军
水军刷互动时，传播层级时间会有如下两种常态（如右图，高影响力明星的微博另当别论）
①几百上千条互动同时出现
②转发层级是1或只有少量转发出现在2层或3层
生存时长
定义
指一条内容从发布到最后一条互动内容产生，中间的时间长度
意义
生存时间越长代表微博内容质量越好（明星微博内容另当别论）
社交关系谱
定义
账号和账号之间相互关注和互动往来的情况
意义
评估账号在其所属行业圈层内，内容被认可的程度
找到核心指标
拿到营销目标后，先把目标结构成很多数据维度，然后再在这些维度中寻找最重要的核心指标
探寻核心指标的价值在于，能帮助我们更清晰地理解不同数据指标的关系，并且在执行中，掌握最核心的工作重点
找到合适的对比参照数据
找寻参照物进行对比分析的时候，重要原则时要保证在同等状态下进行对比
常用参照物选用类型
以企业历史数据作为参照物
以核心竞品数据作为参照物
以同一推广平台上、同一类型内容的某个数据指标均数作为参照物例如做豆瓣同城活动，可以同行业的豆瓣同城活动的相关数据均数作为参考
以基于同一活动的相关品牌数据作为参照物例如同一个赞助项目中，将其他同级别赞助品牌的相关数据作为参考
数据如何帮助跨界营销
跨界的难点
如何找到正确的合作品牌
第一步，判断是否时同品类竞品
第二步，判断用户构成的重叠度
“界”是指什么？
目标消费者是否同一，若为竞争对手谈不上跨界合作
目标消费人群重叠度高，且用户的购买不“排他”，跨界即存在
品牌跨界合作（数据在匹配目标人群中的作用）案例：科技新极客微博号跨界合作
客户概况
新开的微博账号，主要目标人群为中国地区的极客年轻人
市场状况
营销费用紧张
目标群体人数不少，但是占整体人口比例低，而且分散在各行各业，难以获取
微博账号刚开通，影响力为零
市场目标：帮助账号快速成长，迅速吸引极客或者极客兴趣人群
营销措施
第一步：找到目标人群样本
数据抓取微博上有极客标签的人，以及名称中包含极客微博大号的粉丝人群
第二步：找到共同关注的高重叠品牌列表
将这些人微博关注账号数据取出，然后进行重叠账号的筛选和排序
从上找出top100账号，并且进行分类
第三步：去掉竞品品牌
去掉同品类竞品账号，选出最高重叠度的《科学美国人》账号
谈合作，策划活动
热门话题推荐借势（数据帮助企业找到合适话题）案例：ZTV分析用户喜好选择话题借势
第一步：找到目标人群的话题偏好
分析该品牌目标受众人群关注的热门话题类型，其中一重要分类为“明星话题”
第二步：监测社会性热门偏好话题
根据以上，日常运营中实时监测热门话题中跟明星有关的内容
《花儿与少年》热播，其中数据显示华晨宇热议度最高另外华晨宇粉丝人群同ZTV的目标人群重叠度高
第三步：结合品牌/产品特点及热门话题的内容进行创作和推广
发布跟华晨宇相关的内容，并@了华晨宇粉丝群的几个账号
成功借势，通过关键词搜索量带来大批流量同时ZTV的粉丝互动高，@上了粉丝群提高了传播的效率
工具：事件博物馆呈现各大社会热门话题以及背后数据走向的免费工具
营销数据诊断企业问题
加速度的用户之旅
传统的用户之旅
IP的强大号召力及知识问答社区出现，缩短了用户之旅
用户消费习惯、思维方式发生着改变，背后的数据和规律，都需要重新分析了
品牌的营销数据分类
营销人需要在品牌与消费人群中建立起桥梁，要有品牌方的视角并理解消费者的需求，在这个过程中，营销数据分为三类
数据类型划分
商业数据
商业数据记录企业所有同销售相关的数据，如企业的天猫店、京东店、121店，甚至官网的销售数据及购买人群数据。也包括行业、竞品的相关销售数据及购买人群数据
广告数据
广告数据记录所有软硬广的数据，例如电商平台内部广告、搜索引擎广告、传统媒体广告、自媒体广告、线下媒体广告等，也包括相应投放人群的数据
舆情数据
舆情数据记录所有传播行为产生&促发的数据和相关社会热点数据。包括微博、微信平台上的声量数据，也包括传播促发的其他平台相关数据，如百度搜索、贴吧、知乎、果壳等平台上的声量数据，也包括讨论人群的数据
这些数据来源虽然不同，但综合一起分析可以辅助战略决策，也能在日常的运维过程中实时优化营销效果，是一个良性的闭环。
品牌的营销数据怎么用？
第一步：数据采集整理
针对品牌的商业数据、广告数据和舆情数据的实时采集和整理，令大家即时掌握推广现状
在了解原始数据来源与意义的同时，也需具备准确识别虚假数据、噪音数据的能力
在简化数据的过程中分外小心，避免删掉重要营销数据
第二步：数据分析
进入分析步骤，不能片面看待每个平台背后的数据
要从整体出发，观察数据在“用户之旅”过程中如何流动，针对表现不佳的数据深入挖掘背后的原因
第三步：策略优化
分析之后，要根据数据结果对策略进行有机调整
如对效果不佳的投放行为进行止损，对下一阶段的营销内容、推广方式给出优化建议甚至对整体的投放人群、投放平台、投放节奏和营销费用分配等都进行合理优化，提高营销效率
第三章 代言&赞助，如何才能不盲目？
错误的明星代言逻辑
选最红的明星
企业的目标消费人群和明星影响力人群有可能并不是同一批人
选同自身产品神似或者形似的明星
产品与明星的关联太弯绕，用户通过广告无从知道企业背后的想法产品的属性难被识别
选认识或喜欢的明星
缺乏系统规划和科学的数据分析，太武断
代言&赞助对企业的意义（什么时候需要代言和赞助）
企业或初创企业需要快速提升品牌知名度
企业转型——开拓新的目标人群
拓展地域版图
比如开拓市场时签下目标市场有高影响力的明星，可以使品牌迅速落地
扩大销量
疑问：为何快消品比耐用品品牌更喜欢请明星代言
快消品价格低廉，消费者不会慎重抉择，反而更注重对品牌的印象
快消品覆盖人群广泛，选择影响力人群最大的明星代言，必然可以带动销量
代言&赞助的典型类型
名人合作
赞助场馆
指赞助标志性的场馆建筑，如奔驰赞助中国国家大剧院，建立与高端人群的品牌好感度
赞助赛事或峰会
付出资金多，但可以迅速拓展品牌地域影响力，便于打入新市场
赞助影视节目
赞助团体
如网易赞助中国游泳队，团体除团队影响力外，每个成员也有独立影响力另外团体背后会有特殊渠道曝光或政策支持等潜在价值
数据评估/优化代言&赞助的三大阶段
摒弃落伍的传统“3+2”策略
3指：明星代言品牌一般包括三项内容：拍广告片、出席新闻发布会以及拍摄平面广告（额外合作会有一定数量微博发布）
2指：代言合同一般为两年一签
前期：营销目标与KPI设定——明星影响力类型知觉图
①设立与品牌核心发展问题匹配的营销目标与KPI方向
②以前期的数据评估，辅助选择明星时的决策（影响力类型知觉图）第一象限耐用品与快消品都适合代言第二象限更适合代言耐用消费品第三象限避免选择第四象限更适合代言快消品
③特质匹配和影响力人群
明星的影响力不仅在其好感人群及粉丝群体，很多认识该明星但喜爱度不足成为粉丝的人，也会因为熟悉该明星特质的关系，在合适营销内容带动下受到影响
对明星影响力人群做评估时，还应分析那些“不是粉丝只是有好感”以及“知道但无感”的人群
④代言风险预估
做好对明星负面信息的分析
用无提示情况下，目标用户想到该明星的联想词
针对该明星跟代言有关的历史声量分析：是否代言过竞品，历史效果如何，是否有负面代言事件产生
中期：执行数据优化决策
①执行影响策略：数据的元认知调节力
通过数据的实时监测了解目前推广现状，检验阶段性结果是否与目标一致，根据情况对策略进行灵活调整
②口碑聆听、社会化聆听与策略优化案例：品牌A根据社会化聆听对调整节目赞助策略
概况
品牌A（科技公司）赞助音乐真人秀节目，为让更多年轻人接受其新电子产品，产品的核心卖点为核心原配件的功能强大，性能卓越
但节目效果太差，导致品牌A的赞助也被用户批评
分析
经过网络声量收集进行口碑分析，负面言论占50%
基于这种情况要推翻此前的计划，重新制订方案
调整
关于监测
调高舆情检测反馈频率，每天一次变为每15分钟一次，即时了解网民态度，及时处理危机
关于推广方向
放弃之前对“品牌A赞助该节目”的宣传方向，转而重点宣传品牌A新产品的“核心功能强大”
关于借势
放弃之前简单粗暴借势节目影响力的方式，寻找节目中同新传播重点“核心功能强大”高关联度的节目热点，寻找相关社会热点，重新借势
跨界找同期跟“强大内心”有关的社会性热门话题：节目选手、《甄嬛传》主人公、科比和柯南等贴合“强大的内心”做主题海报
关于KPI
将KPI从高曝光数调整为高质量的用户互动内容
关于推广平台
将主要针对微博平台的原计划调整为以微博平台为主，豆瓣、腾讯、人人网等多个平台联动
结果：互动量与曝光量KPI超额完成，总体声量的情感值基本看不到负面声量
后期：准确评估和问题诊断
代言&赞助评估
含义
不考虑品牌的独特推广目标，仅评估该营销活动的数据表现。评估方向包括：项目的影响力、用户参与情况、目标人群到达率、品牌回想度等
注意
合理选择参照标准（通过对比了解推广的真实行业水平）
同行业/竞品类似项目的普遍表现
所在的推广平台上类似项目的普遍表现
同一个赞助项目/明星合作中的其他品牌的普遍表现
采用品牌和赞助内容的关联数据，而非赞助内容的数据
定义
在统计数据时不应该将赞助项目（例如世界杯、明星）的影响力当作品牌的赞助影响力
应该仅考虑赞助项目同品牌/产品被关联展示或提及的数据，例如在新闻稿中，只有关联包含该赞助项目和我方品牌的内容，才能被计入影响力核算的列表里
数据收集反向
①项目（关联）影响力
品牌在代言&赞助项目活动中的关联曝光情况及影响力的平台分布
②目标人群的（关联）到达率
指推广内容所传达的目标人群占所有传播对象的百分比。到达率为非重复性计算数值，即在特定期间内曝光一次或以上的人口占总数的比例。时间可以根据需求自行设置
③用户参与状况
指推广内容获得的用户参与情况，包括关注情况、搜索情况、互动情况、参与时长、传播层级等
④品牌回想度（无提示）
针对赞助内容的主体人群/明星的影响力人群及品牌的目标受众人群，在不进行进一步提示的情况下，让受众回忆赞助品牌
通过以上数据，计算出CPM、CPA、CPC等数字，并与选出的参照数据作比较，得出评估结果
品牌/产品收益评估
定义
根据品牌预先设定的商业目标和量体KPI的指标，来评估目标的达成状况。
评估方向
人群匹配度评估
比较品牌/产品的新增人群中来自于明星代言&赞助项目的人群数量和比例，判断新增人群同企业的目标受众人群的匹配程度
目标内容接受状况评估
评估在推广过程中核心内容被目标受众的认知和接受情况如何包括希望用户接受的新特质、形象、个性及希望用户了解的核心功能或特点等
除目标受众的内容接受状况外，还需要评估信息接受源是来自明星代言&赞助的比例
目标人群态度评估
评估目标受众在代言&赞助前后对品牌/产品的认知状况及好感度的改变情况，判断品牌与受众情感关系建立的程度
目标人群行为评估
评估目标受众在代言&赞助前后针对该品牌/产品会有哪些行为上的改变，包括关注、声援、推荐、购买等
以上为主要形式，同时在设计推广方案时，根据商业目标设计的KPI同样重要，需涵盖在内收集数据
品牌/产品的营销诊断
在代言&赞助效果评估完毕后，应根据活动结束后的新品牌/产品状况、知名度、好感度等新情况，为企业重新做营销诊断