于勇毅，《大数据营销》作者、上海师范大学数理学院兼职教授、北京航空航天大学和对外经济贸易大学《大数据营销》研究生课程讲师，13年数据营销经验，曾服务IBM、中国电信、Merkle Inc.等知名企业。
Martech是企业数字化转型的最佳切入点
1. 您认为Martech能解决企业增长的哪些问题？
最基本的是帮助企业通过技术手段，完成营销ROI的提升，驱动收入快速增长。在今天信息严重过剩的时代，过往通过制造信息不对称来实现快速销售的模式越来越难，消费者越来越理智，转化旅程越来越漫长，在Forrester的研究中，消费者在做最终决策前，需要9-15次的营销接触。在这一连串接触中，内容的一致性，实时性，媒体的选择，成本的控制，预算的分配都有大量优化空间，这些只能通过技术手段实现最优化。
企业在构建Martech能力过程中获得的最大副产品，是贯穿业务全链的数据运营能力，这也是企业数字化转型的核心推动力。今天Martech使用到的数据是以消费者为核心，打通和整合广告，CRM，社交，线下，行业特殊（比如汽车行业的车联网）等内外部所有数据源，这些营销数据在商业决策，内部经营管理，行业应用（比如新零售）等场景有无穷遐想空间，可以说Martech是企业数字化转型的最佳切入点。
为大型甲方的营销能力输出变现，提供了持续性和可能性。在营销生态圈中，乙方不可能真正地了解甲方诉求，最懂行业营销的只能是甲方自己。当甲方的营销能力强大到一定程度，对外输出变现将成为企业新的收入增长点。例如在对华为的营销咨询项目中，IBM调用了大量自身市场部的人员。但如果只是单纯输出咨询能力，收入体量会非常有限，并且影响自身营销的运作，而Martech却是通过营销能力输出获得大量，可持续收入的最可行路径。最佳对标案例是制造业巨头GE，建立了GE Digital部门，针对外部制造业客户进行IT能力的输出。
2. 业内把Martech分为广告技术/AdTech，数据&分析、内容&体验、互动&关系、营销云、交易五类，您最看好哪一类？
这样的五分法是按照软件功能“术”的层面分开，换个角度，我们把Martech横向切为四层：
广告技术（Adtech）：针对匿名的数字数据(digital data), 通过多对多(many to many)的传播（广告）手段完成对消费者信息的传递；
狭义营销技术：针对消费者实名数据(PII), 在消费者许可的前提下，对消费者进行点对多(One to segmentation)的互动；
CRM技术：当消费者产生需求后，引导到销售平台（电商，线下门店，面对面销售等）完成点对点(one to one)销售的最后一公里；
IT技术：Martech技术层面的一个核心问题是数据量和运算量的极度膨胀，要实现对大数据的运用和营销的实时，需要强大的IT能力。
把以上四个能力横着放，对应的就是广告主的销售漏斗：
在整个漏斗中其实很难说哪段更重要，哪个技术更重要，广告主需要根据自己所在行业，补齐自己的短板。比如快消，零售行业高度依赖漏斗上层的广告技术，而B2B，汽车行业的重点则是漏斗中下层的商机挖掘和商机转换。
3. 现阶段Martech最大的难点是什么？哪个行业适用性最高？ 最重要的应用场景是什么？
Martech在国内只能说完成了0到1的起步，使用度还远比不上国外，难点包括：
广告主自身数据运营能力的不足：对比美国有上百年的数据营销经验，国内无论在人才储备，技术成熟度，企业内部的重视程度上都有较大差距，大部分广告主没有能力完成第一方数据运营的闭环，意味着Martech大部分情况下只能依靠低质量，缺乏行业洞察的第三方数据。
供应商能力缺失：技术提供商缺少数据，数据提供商技术能力不强，拥有全能力的封闭平台(WalledGarden，例如BAT)不提供底层数据，也无法提供咨询能力和广告主共同打磨Martech运作。
有效的定量考核体系，验证Martech有效性：Martech的大部分方法论，比如客户体验，都是无法和甲方市场部被考核的定量指标直接挂钩的。因此第一批试水的企业往往是“家有余粮”，过的还不错的中大型广告主。要证明Martech的有效性，需要贯穿业务全链的数据支撑，比如热门的Marketing Mix模型，需要对接广告数据-商机数据-销售数据来能定量证明Martech对于营销优化的定量贡献。
最适用的行业毫无疑问是有电商部门的企业，今天流量越来越贵，通过Martech对于流量进行精细化操作，是最容易让企业看到价值的切入点。
此外，我们建议站在上一层的高度看待Martech，而不只限定在营销应用。在Martech构建过程中，企业获得了数据运营能力，技术能力，人才储备，在任何一个行业这些都是帮助企业进行数字化转型的资源积累。
4. 您所在团队或是客户是否使用Martech工具？如有使用，请列出该产品的名称，在运营中遇到哪些困难？您看到的Martech或技术推动增长的案例能否分享一下？
作为服务提供方，我们所在的秒针系统为客户提供的是媒体监测(Media Tracking)，网站分析(Web Analytics), 营销技术(DMP)和客户洞察(insight) 四种服务，覆盖数据收集-数据治理-数据运营-数据分析-营销执行-效果衡量的数据运营全能力闭环。
以快消行业为例：某客户在秒针搭建的第一方DMP上利用自身积累的数据标签进行广告投放，对比利用外部DSP的标签体系，效率提升20-60%。
技术增长战略思维
5. CMO该如何培养技术增长战略思维？建立营销技术团队需要提升哪些能力？
在竞争激烈并且收入增长高度依赖营销的行业（例如汽车，电商，零售，快消等），CMO会被企业赋予“CMO转型为CGO”的大命题。CMO会发现传统的营销理论和资源体系并不能承担公司给予的任务，而Martech正是提升CMO在企业内的价值，提升市场部在企业内的定位的核心资源。
我们列了下自己眼中的“技术增长战略思维”结构，Martech承接的更多是“术”层面的资源整合，支撑的是“道”和“法”层面的诉求。
对于CMO来说，很好理解以上的能力模型，但是要真正信任，并且投入核心资源，需要长时间的信心累计。因此找到投入小，短平快能见到效果的切入点就尤为重要。我们的建议：CMO需要和IT部门紧密合作，在现有数据运营能力的基础上，找到一些分析层面的小项目，例如客户画像，销售预测，电商流量分析，社交媒体KOL选择等，进行试水。
对于建设Martech团队，我们的建议首先考虑内外部分工，广告主内部团队，强于对行业的理解和内部资源运作，适合做的是右脑负责的“创意”，外部供应商团队因为有多个项目的经验，适合做左脑负责的“技术”。
Martech团队需要具备的能力主要来自三个层面：
数据运营能力：虽然很多广告主都在抱怨“没有数据”的问题，但现实却是每个行业都有自己的数据金矿，只是缺乏好的运营，例如以下的汽车数据来源分析，每个数据源都有数据量小，更新频率低，获取难度大的一个或两个问题，但没有一个数据源是无用的，对于这些“金矿”广告主如何进行整合和运营，其实是大命题。
技术能力：今天数据应用对于实时性的要求越来越高，数据量也很大，要运转应用场景，需要复杂的Martech能力支撑，例如Martech 5000图谱中，Martech被分为49个不同领域。
分析能力：数据和应用场景的连接是通过数据标签实现的，今天对于数据的应用往往是“外行人”指导“业内人”的方式实现的，例如，我们遇到某数据方通过是否安装母婴类APP来判断是否怀孕，但是在线下调研中发现大部分真实情况并非如此。分析能力往往是广告主在行业内的差异化核心竞争力。
6. 您认为将来会是做市场的人还是技术出身的人转型成为数据运营人才？哪类人才缺口最大？
左脑和右脑的人是世界的两端，贝多芬无法写出一行代码，牛顿也无法画出蒙娜丽莎。我们的建议是专业的人做专业的事情，数据运营和Martech的人才需要的是技术的左脑，传统做CRM，电商运营，数字营销运营的技术人才最容易进入Martech领域。
市场上的人才缺口来自一头一尾两部分：
有大量行业经验，踩过很多坑，知道规避项目风险和应用设计的高阶顾问，告诉广告主为什么需要Martech和业务应用场景。
具备IT能力，懂得Martech工具的底层操作人员，帮助广告主把Martech用起来
7. CMO应该如何选择适合自己的技术营销工具或产品？有什么推荐？
营销技术工具没有“好”和“不好”之分，需要广告主在业务需求，预算，实现难度间找到平衡点。
对于中小型广告主，我们建议考虑基于微信的Martech工具，这是资源投入最小，最容易产生应用闭环的方式，大部分国内营销技术供应商走的都是这条路线，比如Marketin，Convertlab，致趣百川。
对于大型广告主，我们建议不要只看解决单点问题的能力，而是供应商的整个MartechStack布局（营销技术矩阵），否则当广告主实施多个营销技术软件的时候，互相对接和整合会变的无比复杂。我们推荐的是Scott BRINKER在Martech 5000之外公布的另外一篇文章：“54 Martech Stack”，罗列了54个大型广告主对于每个Martech节点的供应商选择：
https://chiefmartec.com/2018/04/54-marketing-stacks-stackies-2018-marketing-tech-stack-awards/
需要提醒的是，Martech中有3个核心组件在选择时候最需要慎重：DMP,营销自动化（MAT）,内容管理（CMS）,他们分别对应的是数据运营能力，营销资源整合能力和营销内容运营能力，决定了广告主整个Martech的布局，同时替换难度也是最大的。
8. 美国Martech领域知名学者Scott Brinker认为Martech涉及到技术、管理、战略三个层面，你觉得哪个是重点，有什么补充？
从技术，管理，战略三个层面，我们认为都是围绕着数据运营能力展开的应用场景，企业诉求越高，对于数据的精准度要求越高。我们经历过一个大型客户的阿米巴管理项目，企业把营销用的客户数据直接用于职能划分和销售考核，对于数据错误率的要求是常年低于万分之一，为了达到这个准确度，企业需要付出巨大成本来提升数据运营能力。
从商业诉求来说，我们按照Martech项目中，广告主最常见的三个对标部门看：
市场部：如何帮助CMO转型到CGO，让营销资源直接支撑业务销售。
IT部：如何帮助企业完成数字化转型，通过数字化技术提升企业运营效率，发现新的收入增长点。
电商部：如何进行流量的精细化管理，提升运营效率。
9. 要想让品牌主CMO对MarTech能够切实帮助企业增长有具体认知，您认为业内该做哪些努力？
真正对于Martech有深刻理解的高手都在大型广告主和乙方内部，受限于公司规定，这些高手是无法在公开场合进行实际案例的分享。
我们认为要提升CMO对于Martech的理解，业内需要做三件事情：
大量闭门分享，只有在小范围的私密场合，CMO才能真实谈出经验和自身诉求；
大量第三方资深独立顾问的出现，站在中立的角度来看待CMO遇到的问题，Martech的解决方式，甚至可以深入具体项目帮助CMO来监理具体项目；
人才的合理流动。
Martech能走多远取决于广告主的数据运营能力
10. AI技术在营销行业最重要的应用是什么？
AI技术作为大数据的高阶应用，虽然有无限的遐想空间，但是在今天的营销生态圈中，由于缺乏足够的数据运营能力，并没有太多“道”层面的切入点。在“术”的层面，我们看到的几个应用场景：
客户洞察的自动化：缓和数据分析人员的缺乏，但是受限于数据治理能力的缺乏，国内大部分数据源并不足够“干净”到能支撑AI的高质量输出；
虚拟客服：语义分析技术的成熟，可以帮助需要和消费者进行点对点沟通的广告主（汽车，B2B，房产等）节省大量人工成本，这个是我们看到最有可能改变部分行业营销格局的切入点；
广告反作弊：虚假流量现在是营销界的核心毒瘤，今天在广告反作弊领域很多是通过人的经验实现的，通过AI手段可以实现部分的反作弊自动化。但是受限于数据源无法有效打通，广告反作弊的AI只能是基于“部分大数据”来实现的，效果和今天的能力对比不会有本质差别。
11. 区域链将会对营销行业有哪些影响？
从技术角度，区块链是一种复杂的数据库技术，虽然在其他行业有各种高价值的应用场景，在营销行业我们持保留态度，虽然在广告的反作弊，数据交易中的隐私和安全，会员管理中的积分这三个领域看到一些国外案例，但远非营销的核心领域。我们认为区块链在营销层面只是“术”层面的技术，并不会像大数据，云计算，ICT，IOT技术等对营销带来革命性的影响
12. 现在的Martech还需要多长时间的积累才能全面应用？
Martech能走多远取决于广告主的数据运营能力，我们看到一些大型广告主在过去1年开始慢慢关注数据运营能力的建设，特别是搭建自己的第一方DMP，当这个持续1-2年的过程结束后，Martech才能在国内真正发力，发挥效果。
简介
“中国技术营销群英会”是CMO训练营与Marteker合作的长期项目。我们将陆续采访来自不同行业、不同公司的业内人士，集合多方力量，找出一条“中国特色”的技术营销发展之路。这些内容也将放在6月29日发布的《中国技术营销白皮书》里，系统探讨技术如何革新营销策略，为CMO们找到更多的技术增长可能性。
