原文发表于《哈佛商业评论》中文版2017年6月刊
原标题为《数据化驱动精准促销》
最近的10年，是大数据迸发魅力的10年，其技术成为企业管理升级蜕变的重要手段。而面对营销领域的世界性难题“促销有效性管理”，基于数据分析的洞察也能助我们一臂之力。
促销的初衷是通过额外的奖励让购物者、渠道商（包括经销商、零售商等）产生更多的购买行为。对渠道商的激励推动产品进入流转渠道，是一种“推动”的行为；而对终端购物者的影响则是一种“拉动”的行为。促销利用“推拉组合”促进产品顺利流通，是众多消费品企业提升销量、拓展渠道和丰富品牌形象的重要手段。时至今日，促销的作用远不止于此。从2009年一次有点冒险的网上促销尝试开始，到2015年促销当天销售额近千亿元，“双十一”经历了7个全球狂欢，已经成为电商发展的标志性事件。
促销管理的特点与趋势
在消费品市场竞争日益疯狂、惨烈的今天，更加聚焦短期业绩的策略导向使得许多企业越来越重视促销，关注度甚至胜过广告投放和媒体宣传。道理很简单，广告投放等手段更多作用于长期的品牌建设，而线下、终端才是贴身肉搏、短兵相接的战场。花对钱、用对促销手段可以在短期内极大提升销量，从而为市场占有率、短期财务报表增色不少。然而，对促销的过度依赖并没有改变企业在管理促销时“无章法可循、无数据可依”的局面。近年来，科尔尼公司通过对该领域的深入研究发现，中国企业的促销管理呈现出越来越多元、激进和杂乱的特点。
第一，目的手段多元化。
促销策略不仅指的是“究竟该买一送一，还是直接打折”。促销既与企业战略方向、品牌策略密切相关，也和渠道策略、客户管理相互联系。促销目的从促进销量、提升品牌认知，到拓展渠道、提升客户满意度，甚至有可能是通过加快促销从而减轻库存压力。促销被赋予的意义越来越多，手段也越发让人眼花缭乱。此外，中国较复杂的区域与渠道结构也决定了促销管理的千头万绪。欧美国家现代渠道发达，流通环节少；而中国多种渠道混杂，城乡差异大，不同城市级别的渠道成熟度不尽相同，因此所采取的促销手段也千差万别。
第二，激进甚至非理性。
我们曾经帮助许多客户估算其整体销量中来自促销和正常销售的比例，有些企业当前60-70%的销量都是依赖促销。比如大润发、家乐福促销档期不断，华润万家“全品项”促销，沃尔玛一档“省心价”促销甚至可以持续半年，这些都是促销的“新常态”。另外，过度竞争也让不少企业失去理性，盲目跟进价格促销，最终不仅有害于品牌形象，也在市场份额争夺上陷入“囚徒困境”。一种普遍的现象是企业促销费用年年上涨，促销活动层出不穷，然而却没有哪个部门能回答：促销费用花得值不值？到底哪种促销手段更加有效？
第三，管理杂乱无章。
由于促销管理决策者众多，相应的数据与信息也比较分散，缺乏规范和整合。此外，促销信息系统的建设相对其他职能也起步较晚。想要做好促销管理，几乎要打通和融合从市场、销售、采购到财务、供应链等所有部门，但跨部门统筹与协作却比较低效。此外，促销设计往往基于模糊的历史经验，缺少精确的数据分析，活动结束后也没有系统的量化评估。
总之，促销管理本身非常复杂，在当前形势下又越来越重要，但企业对于如何有效管理促销却没有清晰的认识。例如：
如何全面、客观评价一个促销活动的优劣？当前有多少低效促销？
如何识别促销活动的成功要素并应用于未来？
如何流程化、制度化基于数据洞察的促销管理，而非经验导向？
与众多国内外企业的合作经验告诉我们，利用大数据分析工具可以有效帮助企业进行精准促销，不仅通过减少低效促销投入来“节流”，更重要的是通过优化促销设计来“开源”，可谓一举两得。
数据分析与洞察驱动的精准促销
首先，清晰透明的“促销数据魔方”有利于企业平衡多元促销目的与形式。企业优化促销管理的第一步，就是通过建立全面完整的促销数据魔方加强数据透明度。第一步是从市场部、财务部、销售部以及各销售区域乃至经销商、零售商收集不同格式的电子表格、手工文件，也包括销售数据、客户数据和外部市场指数；然后综合多源数据建立完整数据库，支持客户看到每个产品、每个客户、每档促销以及每种费用类型的费用数据和定量效果。这些信息原先散落在几十甚至几百人手上，文件数量可能要几万到几十万份。利用数据挖掘工具进行文件的快速提取、整合、验证与分析，短短几周就呈现给企业一份完整清晰的多维度分析报告。
“促销数据魔方”的作用不仅如此，在建立透明度之后我们会组织一系列跨部门会议，讨论如何优化促销费用分配以追求投入产出最大化。例如：将促销资源从某些利润率低的客户“微调”到利润率高的客户，从价格弹性低的产品“微调”到弹性高的产品，从ROI（投资回报率）低的区域或渠道“微调”到高的地方。这样的“微调”可以在不影响品牌与渠道策略且总费用预算不变的情况下，通过谨慎而理性的分配优化，将资源真正用在刀刃上。同时企业还可以识别以往促销费用使用的盲区，规避了部分浪费（见图《促销管理数据魔方》）。
其次，深入且赋有商业洞察的数据模型将成为精准促销的重要决策依据。基于“促销数据魔方”，还可以开发一系列数据分析模型，例如：全面体现各类促销费用占比和效果的“费用结构与利润率模型”，帮助企业优化促销活动设计的“促销要素有效性模型”，以及考虑如何应对竞争对手促销的“促销竞争分析模型”。这里通过3个真实的案例来介绍这些模型。
案例1：利润率
由于促销目的多元化，客户（企业A）通过多个部门分别投放给零售商促销费用，但最终企业A并不知道每个客户究竟消耗了多少促销资源。但是，通过数据挖掘将各方面数据汇总后，我们可以得到完整细致的分析。
基于对所有重点零售商的费用结构与利润率的分析发现：
企业A在不同零售商处获得的利润率差异极大，已经有10%左右的客户一直贡献负利润。因此，企业A须认真思考如何通过联合生意发展计划来扭转颓势，否则就要控制费用投放。
陈列费用普遍占比较大，须进一步分析客户间的差异，于是企业可以做出重点客户系统陈列费用的具体分析（见图《不同重点客户陈列费与费用率矩阵》）。通过比较，企业针对不同类型（不同象限）的客户采取差异化的行动。
案例2：促销要素有效性分析
影响一档促销活动的因素有很多，大体可以概括为促销地点、促销方式、促销力度、促销时间、促销配合机制和竞品动态。任何一方面要素发生改变都对最终结果有影响，那么如何在促销要素设计上尽可能做较优的选择呢？其实通过基于以往众多促销活动的数据进行回归分析等就可以找到不同要素的优先级排列。
例如一家食品饮料企业B进行促销要素研究，发现其某品牌的不同促销方式中，效果最差的是直接降价促销，这个结论让企业大跌眼镜，因为经验告诉我们消费者最喜欢直接降价，但通过数据挖掘确实发现了不同答案。之后，与消费者、品牌管理团队沟通时发现，该品牌消费者非常重视产品保质期，而企业B在直接降价促销时往往是产品保质期较差的时候。于是，我们建议企业B调整促销策略，减少对该品牌直接价格促销的频次，同时更加密切关注产品库存。由此可见，在得知数据分析的结论后，再结合商业洞察就能有效支持企业决策。
案例3：促销竞争分析
基于促销有效性的分析框架，将竞品的促销信息（档期、方式和力度等）也纳入其中作为回归分析的变量，就可以实现促销竞争的分析。这类分析可以帮助我们回答：当主竞品促销时，企业是否要选择“应战”？如果“应战”的话，应该选择类似的方式还是差异化的方式？
对一家日化企业C的模型分析表明，如果该企业跟进其主竞品的促销（主竞品份额优于企业C），那么企业C将更多从其他小竞品那里抢夺份额，却较难撼动主竞品的市场地位；但若企业C选择不跟进促销，那么主竞品将平均抢夺所有竞品（包括C）的份额。因此，企业C认识到通过促销竞争无法赶超主竞品，要从品牌定位、产品研发等其他角度突破，但短期内为了稳定销量还是可以选择跟进的。
当然在其他案例中也发现：选择跟进竞品促销会带来两败俱伤的结果，最优策略是保持自己的促销节奏而尽量避开竞品促销。分析结论会随产品、购物者特征以及促销力度等而不同，具体问题需要具体分析。
其三，数据分析嵌入促销流程将规范化促销管理并推动组织能力升级。上述介绍的这些案例表明，深入的数据建模与分析可以极大提高企业决策的理性成分，并且具有可重复性。盲目跟随经验和感觉，像赌博一样进行促销设计的蛮荒年代已经一去不复返了。既然如此，如何让大数据工具的作用发挥到最大化呢？科尔尼根据众多项目的实践经验认为，需要将分析模型与工具嵌入企业的日常流程，作为决策的必要环节。
在流程设计上，要求针对重要促销活动必须进行活动效果预估，并且预估方法要基于数据分析。此外，活动审批方在流程节点上对预估效果进行审阅，挑战设计方提供的预估依据，充分论证活动有效性后再审批通过。虽然曾经有客户表示这样时效性太差，会错过促销时机，但其实只要拥有较为完善的历史数据库，有促销要素有效性结论作为支撑，活动效果的预估不会很费事。因此，企业应该尽早开始积累数据进行分析，要求设计方在活动结束后立即总结活动效果，记录在共享数据库中，供相关团队参考。与流程相配合，企业需要将崇尚数据分析融入企业文化血液，倡导用数据说话。
如何建立数据导向的组织能力
当然，大数据驱动的促销管理对相关组织建设、能力培养和持续创新也有较高的要求。我们认为，最重要的有三点：
培养兼具数据分析与商业洞察的团队。这可能是一个循序渐进的过程，但在与我们合作的企业中，只要大家亲眼见证了数据的魅力，改变是非常迅速的。此外，要强调全员学习大数据工具，而不是依赖专门的数据处理团队来解读数据。这样才能充分从不同角度解读数据，实现分析、洞察、经验的完美结合。况且很多大数据软件也在不断升级，界面更加优化、使用更加便捷，只要有适当的培训，掌握起来并不很困难。
升级IT系统以承接标准化的分析工具。中国企业的IT建设有个显著特点，有了数据没人用，或者某些IT系统是为了流程管控，而非洞察挖掘和价值创造。因此可能需要对促销数据信息系统进行升级，包括：集合所有相关数据库，消灭割裂与不统一的数据源；将原始数据的手工统计改为系统录入，提高准确度；实现一部分标准化数据分析的信息自动化，实现实时分析与共享，提高决策及时性。
不断开发和完善指导策略的数据模型。日新月异的促销，也推动着数据分析的与时俱进，因此需要有专业团队针对新问题不断优化数据模型、开发新的分析工具。例如：随着电商的发展，如何平衡一个地区电商与实体零售的促销策略？传统渠道的不断下沉与精耕催生出更多与渠道商的协作与相应的促销方式，哪些方式更加有效呢？伴随新科技如VR的发展，购物者的促销决策还会受到哪些其他因素影响？这些都是未来可以通过数据来研究的问题。
营销领域专业人士往往戏称：促销有效性管理是世界性的难题，而中国企业在该领域面临着更加严峻的挑战。因此，我们一直呼唤符合时代需求的新理念和工具所推动的革新。尤其随着互联网和电商的飞速发展，未来在“线上”和“线下”的促销竞争也会愈演愈烈、促销与购物者体验的创新也会层出不穷。企业惟有练好促销管理的内功，才能以不变应万变；而大数据作为网络经济的标签之一，将在促销管理中发挥难以量化的商业价值。
作者：
姚倩（Sabrina Yao）
科尔尼采购与分析事业部总监