别沉睡在过去的经验里，营销永远在动态发展中。
百年营销行业走到今天，STP、4P、定位、USP等经典方法体系，已经历经多年验证、代代相传。但如我们所见，今天的世界，早已远离经典方法体系的时代。
尤其在中国，这个最大的消费市场、最大的移动互联网市场、最大的社交媒体市场、最大的电商市场中，消费者快速变化，所有的传播一边破碎、一边聚合……营销人就如同处在一个巨大的漩涡中，旧的营销理论，无法指导新的战术落地，营销的平台、节奏、过程和受众都在发生变化，新的问题层出不穷。
自然，营销无论如何进化，营销人面临的却始终是三个不变的问题：如何了解消费者、如何了解消费者想要的故事、如何更好地表达消费者喜欢的故事。
那么，今天的营销人还有像传统时代的4A模式，能规模化地解决这些问题么？
奈飞Netflix——新晋的内容公司，指出了营销的进化方向
2020年3月24日，在新一季度的财报数据中，23岁的奈飞，它的股价市值打败了近百岁的“内容之王”迪士尼。
这家最早做DVD&视频租赁公司，它的开始，就像卖媒介资源的公司一样。随着2010年移动互联网普及，它的资源优势开始失灵，顺应历史走入下坡路，股价也开始走上暴跌之路——从300美元一路狂跌到最低点53.8美元。
但是，巨大的转折发生了：2012年，奈飞以一部《纸牌屋》咸鱼翻身，并自此成为纳斯达克表现最好的股票之一；直到近日打败娱乐IP内容之王迪士尼。
这是奈飞的好运吗？
事实上，这并不是幸运，而是一个完全的平台转型、系统化的以大数据协助创意人的内容生产新模式。
从“倒卖内容”到“创作内容”，奈飞从媒介生意转型成内容生意，它的成就是巨大的：
2012年起，奈飞开始自制剧集，并从最早的年产出8部一路狂涨到2018年年产出1500部。
这个数字意味着什么呢？
这种内容创造力，是其它三家竞品公司的总和。
更为重要的是，在内容数量增多的同时，奈飞的内容质量也在大幅提升。
在嘉奖长剧的艾美奖中，奈飞2013年共有14部作品提名，3部作品获奖；2019年，更是增长到117部作品提名、27部作品获奖；在电影奖项奥斯卡中，奈飞的自制电影的提名数量也从2014年的1部，涨到2020年的24部。
作为一个电影或者剧集的内容制作方，奈飞要生产出这么多优质内容的困难，其实与营销人面临的困难如出一辙:如何了解消费者、了解消费者需要什么故事，以及如何拍出好故事，甚至，奈飞的难度还要更高。
那么它到底是如何做到的？
什么样的数据反映人心？
打动人心是一个好故事的本质，但在庞大而复杂的消费者群体中，用户的口味变得极其复杂，此时数据的第一价值就出现了——数据能够反映人心。
从内容变多到变好，奈飞不只有《纸牌屋》、《女子监狱》等好评如潮的作品，它也有很多口碑差劲的作品，比如《蒙上你的眼》这部电影就褒贬不一，但意外的是它却赢得—2019年奈飞全年播放量最高的好成绩。
真的是因为不好么？正确的答案是，这其实并不是为你而拍。
我们以纸牌屋的诞生来说明：奈飞从2010年起就开始通过数据算法分析用户，它们通过这些数据发现大量用户喜欢导演大卫·芬奇，对凯文·斯佩西演的电影好评很高，同时用户还非常喜欢看英国版的《纸牌屋》。
于是2011年初，没有一家传统电视台愿意为英版《纸牌屋》投拍第二季的情况下，奈飞果断以1亿美元买下《纸牌屋》两季26集版权。甚至还为等待凯文·斯佩西的档期，硬生生的延后了10个月才开拍。
最终奈飞凭此飞升了。之后能产出如此数量的作品，背后其实都有数据分析的支持，而对营销人来说，奈飞的影视内容正是营销创意内容，而且还往往比影视作品数量更多、频率更高、反馈更多，数据分析的价值也就更加重要。
走到今天，的确一部分营销人的数据意识已经产生，但核心问题是数据汪洋下，对每一次战役来说，营销人还是很迷惑什么样的数据才能反映人心？
很多人会第一时间想到与品牌相关的用户数据，但在时趣看来，营销人最需要的数据一定是能够指导完成自身业务目标出发的数据，它是一个Campaign在不同平台面对不同圈层的消费者的各种数据，这些数据都紧密结合每一次传播的主题与目的。
怎么来理解“指导自身业务目标的数据”？
先来看奈飞现在的数据基础是什么。
奈飞的第一个数据基础来自它的内容数据；第二个数据来自基于内容的用户数据。
奈飞的内容数据，是它目前的30000部作品，他的用户数据是通过建立自己的搜索引擎，提供1～5级评级功能，去观察用户每天发出的3000万次播放内容动作、400万次评级、300万次搜索。甚至还包括观看时间、地点、设备、观看内容等等，更细腻的是，奈飞还会记录用户的暂停、倒退、快进、评分、搜索等行为... ...
这些数据看起来很庞大复杂，但重要的是奈飞能够通过这些数据，计算并分析出一些关键信息，得出用户在导演、演员、剧本、剧情、音量、画面，甚至色彩、场景选取上的偏好，最终指导自己去制作如此多的作品。
可见，奈飞的数据基础，正是建立在庞大的内容数据基础上的用户数据，然后从中分析判断来指导新的内容创作。
这即是说，对营销人所需的能反映人心的数据，是基于“营销内容数据“基础上的“用户数据“，这种和营销业务目标紧密相关的数据，才能够更好的帮助营销人完成“传播的业务目标“。
这也正是为什么时趣研发洞察引擎的核心数据，是来自于每个月数万多个全市场营销战役的数据，以及背后消费者的公开互动数据的原因。
案例：2020年初，时趣服务的某汽车品牌，由于汽车市场进入存量阶段，各品牌车企销售乏力，加之疫情让市场雪上加霜，该企业当时的业务目标就是需要找到更合时宜、更符合用户情感的营销内容。我们在这个过程中，就通过大数据库和AI技术分析上，实时为项目计算千万级用户在状态、态度、行为层面的反馈，了解消费者方方面面的状况，甚至洞察到人脑无法注意到的细节。然后分析上百个汽车全行业近期的营销案例，在这个巨大的数据效果反馈中，以“营销内容”基础上的“用户数据”，帮助品牌第一时间找到对消费者更有影响力的营销内容和营销方式。
如何通过数据了解人心？
在千人千面的当下，在无处不按兴趣推送的算法中，消费者住在不同的信息茧房中，只看他们想看的内容。所以数据不单要反映人心，更重要的是把数据加工成信息，并生成一种知识甚至智慧去熟悉人心，最后才能真正把这些信息和知识时刻运用在日常的营销工作中。
奈飞能够崛起，拥有数据只是第一步，第二步很关键的是在线个人影片推荐系统Cinematch。这个系统能够把用户产生的复杂数据，通过计算去了解用户观影的行为、兴趣、习惯，甚至是剧情的偏好，这就是从信息到知识的一个转化。
在得出这些信息后，奈飞就能倒推出一部什么类型的作品，会受到某个群体的喜爱，改变什么剧情会赢得用户的讨论，选择谁出演可能更能吸引用户，甚至预测多少用户会看，以计算最好的投资回报率... ...
除此外，并且这部作品拍出来后，系统就可以即时性、针对性地向客户推荐影片。
可见，奈飞的数据只是基础，核心是需要通过机器学习和算法让数据变成方法。奈飞现在使用机器学习，可以给一部电影打上7万种标签，这是“人”的能力范围内很难做到的，而时趣通过机器学习，现在也能给化妆品成分打上1万多个标签， 这正是算法重要性的体现。在越来越多的营销决策场景中，即便每一个场景都拥有数据，但没有专业的机器算法和学习能力，依然难以指导自己的行为。
所以从数据升级到信息和知识去了解人心，最终影响到项目的实际执行中，需要的是机器对数据的学习能力与算法能力。
案例：我们在建立自有大数据库基础上，也在努力开发着多种营销算法。以时趣服务的某国际奢侈品牌案例为例，作为一家百年品牌企业，随着社交营销在品牌端的不断升级，营销节奏大幅加快，营销内容也呈指数级增长，客户发现传统的人工竞品洞察，已经无法做到快速对海量营销数据的收集与分析。最后我们通过掌握的品牌、传播、策略、竞品、用户等数据，通过以时趣开发的不同算法方式，为客户产出了“品牌产品线营销节奏”、“品牌营销战役节奏”、“品牌传播策略总结”、“分平台品牌传播趋势”、“品牌营销战役亮点”、“品牌传播媒介矩阵”等报告，指导客户的下一步行为。
如何把数据和人的智慧结合？
说到底，最后能创作出好作品的还是人本身，数据和算法，只是为人的判断来服务，是一种工具。
但营销人需要的“指导营销执行”的数据，往往会出现不可弥合的距离问题。
首先，如果从第三方采买数据，其实很难避免出现效率的折损，Agency的专业团队只能在服务前或服务后，才能够使用这些数据；同时，在营销服务过程中，始终没有办法拥有一个真正有效的、无缝的、好用的工具，能够时刻让营销人使用。
就像在奈飞，他们不只有机器算法，还有700名数学家和工程师，他们时时刻刻与机器算法高效紧密的同步合作，才保证产出了如此精准的内容推荐与优质内容。
所以对营销人来说，即便拥有数据和算法，但真正需要的是时刻能使用数据和算法，来指导变换如此之快的市场与消费者环境。
这正是时趣在过去两年里，聚集顶尖的大数据、AI人才和行业内的顶尖营销专家，共同打磨营销洞察算法和机器计算平台的初衷。时趣希望通过AI工具帮助营销专家在服务企业时，能够时刻结合实时的数据与分析师的支持，弥合从数据到执行的距离。
别沉睡在过去的经验里，营销永远在动态发展中。10年前，从奈飞开始使用大数据那一刻起，营销人进化的赛哨其实就已吹响。
