MarTech越来越热,有时甚至成为一种营销社交术语,很多人高谈阔论,很多人迷茫困惑,很多人知道MarTech的缘起,却不知道未来,我也是算其中一个。

第一部分 MarTech和AdTech

经常有人问我,MarTech和AdTech有什么区别?MarTech是不是未来的AdTech?我觉得没有标准答案,每个人都会有自己的理解和思考。我简单分享一下我的想法,首先Marketing是比Advertising更大的范畴,Marketing在数字时代变得更复杂和技术范,MarTech应运而生。第二,AdTech在过去大多是面向媒体的一些技术和公司,例如谷歌,脸书等, 而MarTech是面向广告主的技术和管理。二者是不同的角度来看营销问题,媒体的AdTech考虑最大化收入,而广告主的MarTech考虑最大化效果和ROI。第三,通过MarTech的技术栈,我们可以更好的理解MarTech所涉及的问题,以及解决方案。

第二部分 MarTech 技术栈

什么是MarTech技术栈?技术栈的英文叫做Tech Stack,含义就是营销工具的集合。

感谢Scott BRINKER每年收集公司营销工具的集合,以及解决营销问题的思路。通过观察这些公司对于营销技术的整理,我们会发现公司和公司之间的差异很大,快消公司营销的决策比较广,涉及产品定位,渠道管理和消费群体心里等;会员型零售涉及到会员的深度和有效交互,并且获取会员的有效需求;面向企业的营销会面临转化周期长,企业画像复杂和营销内容专业性等方面的挑战。

2018年的营销技术栈PPT  (54个候选)

2017年的营销技术栈PPT  (52个候选)

2016年的营销技术栈PPT  (41个候选)

下载地址:http://www.ouyangchen.com/martech

第三部分,2018年营销技术栈的五个代表

这一节分享5个技术栈,它们是从54个候选技术栈中选出来的,评委是MarTechToday和ChiefMarTech的编辑团队。

3.1)黑岩集团(BlackRock)

黑岩集团(BlackRock, Inc.)又称贝莱德集团,它是美国规模最大的上市投资管理集团,纽约证券交易所的代号为BLK,贝莱德现拥有约10,100名员工。

个技术栈比较创新,将营销的几个层次,并且类比城市建设:

发现城市:定义机会,价值和用户

概念公园:定义方向和想法

计划城区:组建团队和安排工作

建造城邦:执行远景和计划

其中一些重要的工具包括

营销计划分析:Oracle Eloqua

营销自动化:Oracle Eloqua

网站和移动分析:Adobe Analytics , Google Analytics, Flurry

线上广告度量:Sizmek

DSP:Xaxis

网站优化:Adobe Target

标识打通:LiveRamp

3.2) Earth Networks

Earth Networks 是一家美国的小企业,公司不到200人,总部在美国马里兰州,专注气象方面的智能解决方案,包括局部强对流天气预警,农业金融智能决策等。它的营销技术栈也充满风云变化的味道。

这是一家典型的企业服务公司,它将整个布局分为,吸引(Attract ),互动(Engage)和分析(Analyze)三个部分,像是水平放置的三层漏斗,分别对于机会(Opportunity),扰动(Churn),收入(Revenue)。

营销工具列表:

1.内容创作:Adobe Creative Cloud , Canva(协作品牌设计)

2.客户体验:Qualtrics(客户调研报告),SurveyMonkey(在线调研),HotJar(网站优化)

3.发布渠道:Google , Facebook , LinkedIn , Twitter, Instagram , Wrike

4 数据管理:Salesforce , CloudIngo(Salesforce的数据清洗App),DupeCatcher(Salesforce的实时去重应用)

快速公司参考:

Qualtrics:世界领先的调研公司,目前大约拥有6000万客户,平均每天进行210万次调查。该公司的基本版软件可以免费使用,但为企业提供很多增值的追加的数据和洞察服务。

HotJar :提供网站分析工具,对用户行为进行深度分析,推进转化率优化。

3.3) Cisco (2017 to 2018)

思科在2017年就获得最佳的营销技术栈的奖,今年继续蝉联,确实非常出色。相比去年,今年技术栈的层次更加分明,更加聚焦客户数据平台。工具的选择方面也有一定程度的整合。

对于2018年的技术栈,有几个特点可以介绍一下。

1.CDP成为技术栈的基础 

Customer Data Platform成为技术栈的核心与基础架构。对于2B的企业,务必需要做好留存,把已有的客户服务好。

2.CDP分为三个层次:

a)技术架构(存储Hadoop,标识打通LiveRamp,实时个性化Tealium)

b)智能内容:Adobe Content Cloud,Alfresco内容流程管理

c)决策自动化:6Sense预测智能,Bombara潜客数据分析,DOMO:商业智能软件,Adobe Analytics

3.拥抱行业领先的产品技术:Salesforce,Adobe,Oracle Eloqua,Google Analytics Suite 360等

3.4)Janus Henderson

Janus henderson是一家金融公司,全球领先的主动资产管理公司,全球有2300名员工,分布在29个地区。

有趣的是,这家公司将营销实践分为三个层次,从变化的速度和创新能力角度进行分层。

记录系统层:基础想法,很少发生变化。包括Salesforce分析和成熟的各大主流媒体;

差异化系统层:更好想法,偶尔变化。包括Google Analytics,Pardot,Tableau等

创新系统层:实验性想法,变化快。包括Polldaddy, Talkwalker等

公司快速参考:

Polldaddy: 强大易用的在线调研工具,方便继承了很多社交和内容编辑软件。

Talkwalker:成立于2009年的社交媒体分析平台,总部位于卢森堡。Talkwalker支持187种语言,针对社交网络、新闻网站、博客和论坛等提供监控和分析服务,目前全球超过1000家客户,用于替代 Google  Alert。

Pardot :  针对B2B营销自动化解决方案提供商,后成为Salesforce的一部分,提供销售线索自动生成,加快销售环节,计算营销ROI等能力。

3.5) Element Three 

Element Three是一个小型的营销代理公司,它的营销栈非常有趣,表达也很生动。

它们将栈分为4个领域,并且使用了4个流行的电影名作为标识。

  • 分析(《少数派报告》)

  • 安全和性能(《国民公敌》)

  • 线索捕捉和培育(《猫鼠游戏》)

  • AdTech(《 十日拍拖手册》)

3.6)其它有趣的MarTech 技术栈

3.6.1) Airstream Marketing Tech Stack

这也是经典的营销之旅:计划,创建(内容),互动(用户),成交,度量。

这里面度量和分析的工具实际上都放在了一起,包括DOMO,Google Analytics, HotJar,Google Data Studio , HubSpot,MeltWater。

快速公司参考

MeltWater:全球互联网舆情监测行业先锋Meltwater为企业提供了全球范围的实时新闻监测与舆情分析。

Zendesk:成立于2008年,总部位于美国加州旧金山。该公司为客户提供基于互联网的SaaS客户服务/支持管理软件,使企业可以更加轻松地管理终端客户的服务和支持需求。

3.6.2) Tennant Martech Stack

Tennant公司是商用清洗机的领先公司,总部设在美国的明尼阿波利斯市,公司于2000年成功在纽约股票交易所上市,股票代码为“TNC”。

它的营销技术栈是非常实用和清晰的,包括为

网站和流量:Adobe Experience Manager,Google/Bing搜索流量

数据和分析:Adobe Analytics , Google Analystics , Microsoft Dynamics CRM , Qualtrcs, PowerBI

ABM : LinkedIn Ads , Facebook

社交:AddThis , LinkedIn,Facebook等

第四部分  2017/2016年的一些经典案例

以下是2017/2016年的获奖的一些案例,大家可以一并参考以下。

4. 1)Christopher的中小企业的营销栈

以下营销栈是 Christopher S. Penn关于小企业/微小公司对于营销的理解。Christopher S. Penn是世界上的营销咨询达人,经常活跃在各种社交媒体上讨论营销话题。他将营销栈分为受众(Audience),Leads(销售线索),Sales(销售)。

受众部分:涉及发现受众和度量受众,通过网站,社交媒体,广告等方式触达受众,并且通过一些统计分析工具进行度量。

销售线索:涉及线索管理方式和度量,邮件营销,博客联系方式是一些管理方式,度量方面可以使用GA或其他数据库工具。

销售管理:销售渠道常常发生在亚马逊,一些电话沟通的销售信息可以通过CRM管理,一些其它以销售为目标的营销实验。

4.2)Congnifide

Cognifide是一家WPP旗下的营销技术咨询公司,总部在伦敦,这家公司致力于帮助客户发布非凡的客户体验。这家公司利用Adobe Experience Manager和一些工具,为客户提供创意和营销的服务。

它的营销栈是以Adobe Experience Manager中心,围绕这这个核心有四个外围角度:人格化,分享,度量,集成;

人格化:这一部分是个人信息管理的部分,GIGYA是客户信息管理公司,Adobe Target是个性化管理工具,radiumOne致力于用户隐私数据管理。

分享:分享是创意传播的重要方式,图片分享可以利用Insgram和Pinterest。

集成:由于很多内容都是部署在公司内部,因此如何与公司内部搜索引擎(Fast)或者文本数据库(ES/Solr)连接就变得非常重要的。

度量:度量依旧使用GA或者AA

4.3)微软营销栈

微软的营销栈非常酷炫,里面用了很多微软自己的产品。

它的整个逻辑是包括三个阶段:营销前,营销中,营销后;

营销前:数据分析,计划和实验,内容创意,活动,社交。

营销中:CRM,信息聚合InsideView

营销后:产品管理,用户推荐

微软是一个强大的软件公司,因此在很多环节使用自己的软件,包括PowerBI用于数据可视化,Dynamics用于CRM数据管理,Azure用于管理云服务。微软还使用一些知名的软件,Adobe Media Optimizer,Adobe Analytics,Adobe Audience Manager,SiteCore内容管理平台,

4.4)思科公司的营销栈

思科是一个典型的2B的企业,它的产品都是销售给企业客户。它会非常以来于CRM或DMP来管理有效的营销。

它的营销模型是一个环状,一层比一层的状体递进,从"I am aware",到"I shop&buy" ,到 "I Install & Use" ,到"I renew"。核心包括四个维度:面向客户,面向销售,面向合作伙伴,数据和运营。

面向客户的工具较多:BlueKai作为DMP,App Annie做归因,Adobe Target做个性化营销,DemandBase管理CRM,eloqua实现跨渠道营销。

面向销售的工具包括:Salesforce,LinkedIn,OneMob用于视频制作。

面向数据和运营包括:Box,Adobe Content Cloud, Adobe Analytics等。

4.5)Red Wing是美国一家零售鞋店

CDP/DMP选用的是Salesforce。营销自动化选用的eloqua和SilverPop。SilverPop是一个电子邮件营销公司,后来被IBM收购。Social部分使用了ReadyPulse,SproutSocial,FuelCycle。

写在最后

MarTech的落地需要一点一滴的营销自动化,一瓢一勺的数据分析,一草一木的决策数据化,笃定技术和数据的力量。希望这些国外公司的实践,可以给我们中国的营销带来一些参考。


作者介绍:

欧阳辰,品友互动,CTO。《Druid实时大数据分析》书作者,超过17年的互联网老兵。曾任小米商业产品部 研发总监,实现从0到1的广告和大数据平台建设;曾任微软研发经理,负责微软移动Contexual Ads广告平台,参与Bing搜索引擎IndexServe的核心模块研发。有空也会在个人微信公众号“互联居”中,分享一些互联网技术心得,订阅“互联居”公众号,与作者直接交流。

广告技术文章 

营销DMP的漫谈指北(new)

广告技术和区块链的精彩

OpenRTB 3.0的热寂

Ads.txt是虚假流量的终结者么?

营销,我拿什么来AI你?

一个广告技术人的自白

探索路上永不止步:区块链驱动广告透明和安全

移动广告作弊流量的浅潜规则 

互联网广告的归因分析(Attribution Analysis)

MarTech是广告主视角的的营销,技术和管理

广告点击率预估是怎么回事?

“自由即奴役”的Google AMP

两分钟搞明白Beacon,iBeacon和EddyStone

预算平滑(Budget Smooth)是怎样花钱的?

互联网广告CPM,CPC,CPA的魔咒和圣杯

拒绝垄断,走向开放的Header Bidding

自由之设备,独立之人格:从设备识别到跨屏营销

DSP的繁华和伤心

移动DeepLink的前生今世

谈谈广告平台的竞价原理:GFP,GSP,VCG

聊一聊小米广告平台的构建、底层模块和坑

广告行业:

广告技术有什么好会议吗?

Java技术:

Java 9的模块化--壮士断"腕"之涅槃

致青春,Java 20年!

浅谈2018年的MarTech技术栈相关推荐

  1. 浅谈GCC预编译头技术

    浅谈GCC预编译头技术 文/jorge --谨以此文,悼念我等待MinGW编译时逝去的那些时间. 其 实刚开始编程的时候,我是丝毫不重视编译速度之类的问题的,原因很简单,因为那时我用BASICA.后来 ...

  2. c语言函数调用参数调用的太少,浅谈C语言函数调用参数压栈的相关问题

    参数入栈的顺序 以前在面试中被人问到这样的问题,函数调用的时候,参数入栈的顺序是从左向右,还是从右向左.参数的入栈顺序主要看调用方式,一般来说,__cdecl 和__stdcall 都是参数从右到左入 ...

  3. 浅谈云计算和大数据技术

    浅谈云计算和大数据技术 背景: 随着计算机技术的发展,数据量日益增长,现有技术也很难满足业务的发展需求,在代码的层层迭代和优化之后,还是很难满足数据的增长需求,迫切需要一项新的技术来从事数据计算,因为 ...

  4. 浅谈存储重删压缩技术(一)

    浅谈存储重删压缩技术(一) 作为一个做企业存储市场的存储人,最近两年我不断被重删压缩撩拨着.对于重删压缩这个技术的好坏,真实需求还是伪需求大家看法不一.今天我就只能谈谈我个人的看法.更多观点请关注&q ...

  5. 计算机网络入侵技术初探论文答辩,浅谈关于计算机网络入侵报警系统技术的研究.doc...

    浅谈关于计算机网络入侵报警系统技术的研究.doc 浅谈关于计算机网络入侵报警系统技术的研究 摘 要:计算机在虚拟世界中的合法性制约着它的前进的脚步,所以渐渐的虚拟警报的构造变得复杂,但是风险性也变得更 ...

  6. c语言函数参数压栈,函数调用压栈 浅谈C语言函数调用参数压栈的相关问题

    想了解浅谈C语言函数调用参数压栈的相关问题的相关内容吗,在本文为您仔细讲解函数调用压栈的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:函数调用压栈,下面大家一起来学习吧. 参数入栈的顺序 ...

  7. 浅谈 SOLIDWORKS 的同步建模技术 | 产品探索

    浅谈 SOLIDWORKS 的同步建模技术 | 产品探索 SOLIDWORKS 可以用"同步建模"的方式进行产品设计,在 SOLIDWORKS 中这种建模方式我们称之为直接编辑.直 ...

  8. 浅谈当前的手机开发技术

    浅谈当前的手机开发技术 作者:陈跃峰 出自:http://blog.csdn.net/mailbomb 随着3G时代的到来,手机软件开发成为了一个热门的软件开发技术,但是由于手机种类等一系列的原因,使 ...

  9. 浅谈用户密码保护与相关技术

    浅谈用户密码保护与相关技术(上) 一.  全文涉及 上篇:哈希,彩虹表 下篇:加盐加密,慢哈希,非对称加密与HTTPS 二.  主题引入 2011年12月21日,CSDN后台数据库被黑客恶意发布到互联 ...

最新文章

  1. Python封装发送信息到钉钉群
  2. 缺省参数-缺省参数的注意事项
  3. 熊谢刚:AI和5G让容联·云通讯弯道超车
  4. 计算机操作系统思维导图_我在b站学计算机
  5. Android的ALSA声卡
  6. PADS layout 元件之间尺寸标注
  7. mysql force Index 强制索引[转]
  8. Ubuntu-安装-有道词典
  9. linux添加mysql到服务_Linux下将MySQL服务添加到服务器的系统服务中
  10. 苹果maccms V10采集插件下载全自动配置定时任务采集教程
  11. 模型及贴图的细节及优化
  12. C++Pollard_rho分解质因数及其例题—————Prime Test
  13. win8.1 更新后出现致命错误C0000034,无法进入安全模式和高级选项
  14. 计算机到点就有音乐怎么清除缓存垃圾,如何自动清理网易音乐的缓存
  15. 数据库应用——DQL查询数据(连表查询 子查询 详细案例)
  16. 杂项多彩_40美丽多彩的博客设计
  17. 代理是如何实现IP伪装的呢?
  18. python绘制等值线图_使用matplotlib绘制等值线图
  19. #include<>和#include“ “
  20. char型与int的相互转化

热门文章

  1. Oracle 子查询in字句优化
  2. 【工具】1634- 提高工作效率,这 10 款 AI 工具不能错过!
  3. EBS WebADI:简介
  4. ubuntu安装HTML5播放器,分享|在Ubuntu上安装Flow 'N Play—界面独具风格的视频播放器...
  5. 程序编译、优化、调试大杂烩
  6. 英语写作的常用句型(二)
  7. 需求管理工具DOORS介绍
  8. JAVA 实现精确的加减乘除运算
  9. 怎么修改坚果云文件同步路径?
  10. (转)机器学习系列(7)_机器学习路线图(附资料)