營銷自動化的困境－趙雨全的推薦評比好物

編輯導讀：營銷在這幾年快速發展過程中為不同的平臺產品帶來了更多的利潤和活力，無論B端或者C端，營銷都是每個行業企業都逃不開的話題。本文作者從市場現狀出發，對營銷自動化的意義和具體實現展開了分析討論，與大家分享。

在我起筆寫這篇文章之時，已前赴后繼的出現了許多營銷自動化相關的企業，一些原先從事其他環節的供應商進入了營銷自動化的賽道，比如原從事活動代運營的公司、從事傳統銷售CRM的公司，甚至是電商平臺以及BI工具的廠商也延伸到營銷自動化領域。

整個領域正在百花齊放，但客戶的滿意度并不高，問題出在哪里？在這個“前有堵截，后有追兵”的競爭環境下，新進的自動化營銷系統供應商該用什么姿態進入營銷自動化這個市場？需要避免什么雷區？借著寫文章的契機，梳理一下從事自動化營銷產品設計這些年的思考。

本文想要從兩個方面去剖析營銷自動化：

自動化的意義；
營銷如何自動化。

一、實現自動化的目的是什么？

簡單來說，實現自動化的目的就是減少人力中重復性操作的部分，不光提升效率，還能將錯誤率降至零。企業實現自動化后能獲得最顯著的效果是可以淘汰任務，將之從工作流程中移除，讓員工可以轉移到更有價值的事務中。

二、什么企業會引進自動化？

首先需要了解到并不是任何節省勞動力技術都能立馬受到所有企業的夾道歡迎，原因很簡單，引進新技術意味著需要采購新的系統或機器，員工需要重新培訓，甚至需要調整企業內部流程或應聘新的人才去適應這一調整。

因此企業在接納一項新技術之前必定會先權衡勞動力的成本和技術替換的成本，如果加上企業對技術成熟度的懷疑這個因素，要推廣新技術的難度就更大了。

什么企業更可能引進自動化技術？

假如拿企業規模來做簡單的劃分，更有可能愿意接受自動化技術的企業也許是規模特別小或特別大的企業。一個雇員規模不到20人的企業，巴不得將1個雇員當4個來用，同時企業規模小意味著企業的業務量有限，這類企業通常面臨一個尷尬的局面就是企業需要一些低技術的員工，但員工每天8小時的工作量可能是不飽和。如果能通過自動化工具來替代人工，對于這些小型企業可謂是救命稻草。

相反的，大型企業的業務量巨大，每天花費在整理繁重的文件、數據等就需要花費大量人力和時間，更重要的是人工操作會造成錯誤，錯誤可能會被掩埋而難以被發現，這種錯誤所帶來的不確定風險對于大型企業來說才是更可怕的。除了減少人力外，自動化工具能減少甚至消滅錯誤率，對大型企業來說是具備吸引力的。

當然這并不意味著一套自動化工具既能滿足小B企業又能滿足大B企業，首先從售價上，小B企業能承受的售價需要低，例如一個Saas型自動化系統年費一定要遠遠低于一個員工一年的薪資；售價低意味著系統更傾向于做成輕量級產品，輕量級產品意味著只能解決一個明確的、單一的任務，無法滿足大企業更多流程上的需求；

而大B企業的業務復雜，定制需求多，服務大B企業的系統供應商更傾向于將產品做的更平臺化，更靈活可配，更開放，銷售模式更傾向于產品+實施+整體解決方案打包銷售。

三、企業實現自動化的前提是什么？

企業實現自動化的前提需要兩個前提：

企業業務線上化；
可固化的流程。

1. 企業業務線上化

自動化依賴數據，數據在自動化中扮演這三種角色：輸入、訓練、反饋。由于本人并非機器學習方面的專家，因此直接引用《AI極簡經濟學》對自動化決策的拆解（如下圖）來強調數據在自動化中起到的重要作用。

引用：阿杰伊·阿格拉沃爾,喬舒亞·甘斯,阿維·戈德法布. AI極簡經濟學

其實作為非專業人士，我們也不必對機器學習望而卻步。就目前市面上“企業服務類系統”所提供的自動化工具并未達到整個決策流程完全依賴機器執行。在系統設計上，會將每一個節點，比如輸入、預測、行動、訓練完全拆分開，讓每個節點都有“人”的介入，由人對預測結果進行判斷、由人來預設系統在什么條件下應該做出什么行動、由人來理解結果數據并進行優化。

自動化工具更多起到了輔助的作用，首先是自動化的數據處理，將不同來源的數據或非結構化的數據變為可處理的結構化數據，饋進算法，生成預測建議、其次是自動執行預設的行動，最后是自動追蹤數據并呈現可視化結果。

讓我們回到最初的論點，企業要實現自動化首先需要具備足夠多的業務數據，而獲取數據需要企業將業務線上化。雖然在2C領域，人們早已習慣使用各種智能設備解決各種日常生活的問題，比如社交、餐飲、文檔處理等，只需用戶同意授權，2C領域的系統服務商（如：APP）可以獲取大量用戶的使用數據。

然而在2B領域，許多傳統企業甚至是大型企業仍使用非常傳統的方式處理各類信息，例如通過紙質化的方式記錄信息再通過人工錄入系統，這種方式不但低效而且容易出錯，更重要的是不同部門各自處理自己部門的業務數據，部門之間數據無法打通，結果是即便在同一條業務流程中各個節點的數據也是割裂的，更別提實現自動化了。

因此，許多自動化系統服務商正在幫助企業實現“數據輸入”端的問題，譬如通過圖像處理技術將紙質文件轉換為結構化數據，通過語音識別技術自動錄入用戶口述信息，提升員工記錄工作內容的動力和效率等。

2. 可固化的流程

如同前文強調，目前這一代自動化工具只能解決特定工作流程中的特定任務，因此無論是企業選型自動化工具還是系統服務商考慮制造自動化工具來執行企業哪一項任務，首先需要分析哪些任務存在很大的改進空間并且使用自動化工具會帶來多大的投資回報率。

此類任務通常具備以下幾個特點：

第一個特點工作流程固定，由于自動化工具是重復性的執行任務，因此如果該任務充滿創造性，需要人能夠隨機應變則不適用于自動化或者自動化的成本過高。

第二個特點工作內容繁復，簡單的來說就是沒效率但不得不干的工作，通過自動化可以大大節省人工執行的時間，甚至將該任務從工作流程中移除。

第三個特點也是最有價值的特點即通過人工難以處理的任務，譬如任務具有對及時性要求很高、對數據處理能力要求很高等特點。

四、什么業務適合自動化？

分析一下市面上已有的自動化工具可以幫我們舉一反三，從而判斷出在我們熟悉的業務流程中哪些任務亟待自動化。

財稅自動化：財稅場景規則性極強，業務流程中往往存在大量重復、規則性明確的任務。尤其是大型企業的財務部門可能會有上百個銀行賬號，他們每天財務人員都需要分別登陸到這上百個賬號里面，依次去下載銀行流水，跟財務系統里面的數據做對比的工作，工作量非常的繁重，自動化工具可以把幾百家銀行全部自動執行。

客服自動化（客服機器人）：多數場景下傳統的人工客服都依賴于一套專業的回答話術和指南，工作內容相對固定，通過自動化對話，可不用都由員工回答，這樣企業可以節省更多時間和金錢。其次消費者在咨詢客服時期望得到更快的回應，而智能客服機器人可明顯縮短平均回應時間，更接近客戶的期望。

五、營銷是否適合自動化？

1. 目前已知的營銷自動化是什么？

業界對營銷自動化的解釋都比較模糊，往大了說幾乎囊括了所有營銷的數字化應用。在展開下文的討論前，首先必須收窄自動化營銷所指的范疇。根據上文的論述，自動化工具旨在將現有任務自動化的大數據方法上，因此自動化營銷可以狹義的定義為根據預設的自動化流程為潛客設置個性化的內容營銷策略，并自動完成部分內容推送工作。

2. 營銷自動化的困境

一般而言，各類營銷系統廠商都具備自動化功能，且產品形態具有相似之處。雖然供給端好不熱鬧，但不少客戶反饋，目前的營銷自動化工具并不好用；從行業運營數據來看，相關產品的銷售額還未起量，持續的續費行為也未得到驗證。作為營銷自動化的業內人員，隱約感受到其中面臨的一些困境，并期望試圖找出解決方案。

困境一：營銷內容

營銷自動化工具主張“在對的時間和對的人說對的話”，其中涉及到四個要素分別是時間、人、渠道以及內容。當大家在推介營銷自動化工具時，往往會強調“觸達及時”、“人群準確”、“跨渠道營銷”，然而“營銷內容”該如何應用到自動化流程中似乎缺少明確的指南，原因很明顯，營銷需要大量的營銷內容，而多數營銷內容的特點具有時效性，不可復用的問題。

營銷內容的時效性來自于企業產品的推陳出新、季節性、節假日、熱點時事以及舉辦不同的營銷活動，過時的文章將無法復用，使用短時效的營銷內容注定自動化流程也是短時效，如果無法在相對較長的時間內運行固定流程，就無法從真正意義上減少人力成本。

到此一定會有人反駁，營銷自動化流程可以應用在客戶生命周期的不同階段，例如潛客轉化，在潛客與品牌首次接觸時發送固定的種草內容促進轉化；或者喚醒沉睡客戶，對近期沒再進行過消費的客戶推送固定消息，引導其再次下單消費。

從系統功能的角度來說，這或許確實是一個合理的應用場景，但從企業整體的營銷業務而言，這僅僅是很小一部分營銷手段，且轉化效果遠不如舉辦一場有創意的營銷活動帶來的轉化率，最終難免變成自動化廠商的自嗨。

困境二：數據

自動化營銷工具的另一個挑戰在于打通各營銷環節的數據，其中包含了兩方面的能力，1. 渠道數據接入能力，2. 識別多渠道用戶身份能力。

對于系統供應商來說，這些能力并不是傳統意義上的開發能力。

就渠道數據接入這一點，出于數據安全政策等原因大幅提高了系統供應商獲取數據的門檻，譬如淘寶ISV服務商可獲取到相比普通的供應商更多維度的淘寶用戶行為數據。

其次識別用戶在各平臺的身份的需要運營和技術手段上的支持，譬如通過引導用戶在各渠道注冊/登錄會員，通過會員手機號打通用戶身份。其過程可謂費時費力費錢，并非一蹴而就。

困境三：業務流程有斷層

營銷僅僅是企業整體業務流程的一個環節，營銷和銷售緊密連接，銷售才能帶來企業收入。營銷的下游部門可能涉及到企業的電商部門、銷售部門、客服部門等，銷售有銷售系統，客服有客服系統，供應商管理有供應商管理系統，不同系統的功能不同、數據結構也不相同。

如果業務無法自動流轉到下游環節，還需要人工定期處理則無法實現真正的自動化。因此，營銷系統除了需要打通上游的平臺觸點，還需要打通企業下游部門使用的系統平臺才能真正打造業務閉環。

然而，打通企業下游系統不同于與上游平臺，上游的觸點平臺（如：微信、淘寶、抖音）多數為標準的開放接口，營銷系統供應商可以事先做好接入工作，無需企業客戶分擔平臺接入成本。

而下游部門使用的銷售、客服等系統完全取決于企業采購的是哪個系統，無法做到事先接入，企業需要承擔系統接入的成本，如果接入則會因此增加企業采購系統的費用，如果不接入則無法完全實現自動化。

六、如何擺脫營銷自動化的困境？

目前國內IT基礎能力和營銷成熟度尚不足，似乎單單提供營銷自動化工具并不能直接用不起來，作為從事營銷系統的供應商們需要開拓思維另謀出路。

1. 營銷一體化服務

目前多數的自動化營銷供應商采取的策略是為客戶提供完整的營銷一體化服務，只將自動化工具當作其中一個閉環。

一體化的營銷服務包含了客戶數據平臺（CDP），接入全渠道客戶數據、對這些多渠道的數據進行分析、提供打標簽功能；客戶互動管理平臺（CMS），提供生成營銷內容的工具，在內容中進行埋碼，可自動監測和分析內容的具體轉化效果，同時實現內容生成、多渠道內容發布、客戶身份打通、采集客戶數據；營銷自動化平臺（MA）和數據分析中心（BI）。

想必，如果產品的設計初衷是打造一款營銷自動化工具，想要擺脫營銷自動化目前的困境，最終必將走向營銷一體化的道路。

但是這條道路也有比較明顯的弊端，首先由于產品邊界模糊，導致市面上營銷相關的絕大多數產品都成了競品，雖然產品功能相比一些輕量級的產品（如：問卷生成工具、郵件群發工具、H5生成工具）功能更全面，實現了營銷閉環，但考慮到國內企業在營銷方法論上的發展階段參差不齊，一體化并沒有完全替換輕量級產品的地位。

其次，即便企業愿意花費更多經費采購一套完整的營銷一體化工具，事實上用戶對產品功能的利用率并不一定很高，原因可能是由于開發精力分散導致單一功能不夠強大，無法滿足用戶深層次的需求；也可能是功能太多，客戶根本找不到，最終造成客戶不滿意，續費率低。

現今在這條賽道上的供應商可謂前赴后繼，前些年因為Social CRM興起的新一代SCRM供應商如今已經羽翼豐滿，基本形成完整的營銷閉環，而原先具備解決企業營銷痛點能力的其他環節公司，也在向這個領域延伸。因此，對于新進場的系統供應商，是否還應該擠進這個賽道，需要慎重考量。

2. 重心轉移

自動化必然是企業經營的大勢所趨，但目前的國內企業似乎并沒有做好準備，作為新進場的企業服務商或許可以通過“曲線救國”的方式實現自動化，將重心轉移到自動化的上游或下游業務環節，解決自動化困境中的某一痛點，并逐步往前或往后延伸。

以下梳理了幾個市場上已經存在的產品類型或技術來幫助大家拓展一下思路，希望可以引發更多的思考和討論，說不定下一個創新就出現了。

（1）內容生產解決方案

幫助企業解決生產內容的痛點，基礎能力可實現通過拖拉拽的方式快速生成內容；進階能力可將生產的營銷內容，根據渠道的格式要求自動調整并快速發布；高階能力可實現自動、半自動地生成海報、視頻乃至文案等營銷內容的產品。

當然，對于專業性內容或對創意有要求的內容，當前的AI技術并不能完全替代人的創造力，發散思維應該不光是從功能層面解決內容生產問題，還可以從運營層面解決，除了由系統供應商直接承接代運營外，也可以搭建雙邊平臺，連接企業和內容制造者，提供透明化的平臺環境幫助企業獲得優質內容。

滿足基本的內容生產需求后，接下來就是是處理海量的內容和海量的客戶如何相互匹配的問題，通過自動化工具可以動態更新營銷自動化流程中使用的內容，或通過內容和用戶興趣的匹配度推送不同的營銷內容，或對內容清單進行個性化排序。

（2）數據解決方案

目前仍然存在許多企業并沒有做好數字化的基礎建設，由于營銷渠道分散，線下渠道無法高效的數字化，線上渠道數據無法打通，造成營銷效果無法有效衡量。

因此，實現一鍵式快速接入各個大流量渠道（包括微信、抖音、各大直播平臺、搜索引擎、流媒體等），打通企業業務上下游的數據，縮短企業系統集成的成本和時間，看似是CRM很基礎的能力，但對企業選型產品時仍然是有吸引力的。

其次，提供工具幫助企業更便利的收集客戶基本信息。事實上，各大流量平臺各自為營，僅僅通過接入數據無法實現不同渠道用戶身份打通的難題，產品經理可以考慮如何為企業提供更好的前端工具收集客戶基本信息，比如在各渠道植入表單引導用戶填表并自動采集數據到CRM系統，并通過CRM系統匹配現存客戶數據、打通其他渠道的客戶身份；或者利用圖像識別和文字識別技術可快速將線下文檔信息數字化，實現快速的數據采集。

再者，幫助企業簡單快速的搭建私域流量平臺，提供快速搭建工具或模板幫助企業擁有自有的前端應用，比如會員小程序、樣本通小程序、微商城小程序，包攬了客戶互動、客戶轉化和數據收集等業務場景。

只有降低數據采集的難度，增加數據的維度才能實現數據挖掘與應用。如果需要產品有競爭力，需要有效的數據挖掘能力，在拿到同樣數據的情況下，能夠通過較好的AI模型輸出準確率更高的預測。