我在學校固定開設一門網路數據分析的課程,也鼓勵學生多考各家平台自己發的證照,由於LINE 在台灣的使用人數不少,所以想來研究看看 LINE 的證照,因此去年詢問 LINE 是否可以讓我報名 LINE Ads Platform 的LINE廣告投手訓練營,但由於我自己學期中也很忙,所以整個課程只有出席一堂,其他內容都是課後看講義補課;以下為此次課程中的心得。 客戶可以自操的LINE廣告類型主要有兩大塊,LINE Ads Platform (LAP) 與官方帳號,前者開發新客、後者維繫關係。兩者皆有共同的追蹤碼 LINE Tag 可以了解轉換及事件,並藉此建立受眾,LAP 也可以埋 utm 碼來追蹤。 LAP LINE 廣告平台的架構與 Google / Facebook 都類似,都是 Campaign / Ad Group / Ad 三個層級,對已經有 Google / Facebook 基礎的學生而言,入門理解不難,預算、走期、受眾、出價、預算等邏輯也大致相同。 由於 LINE 的特性,所以講師建議操作的廣告活動目標與其他平台不太相同,較重視LINE加好友以及App的安裝、互動,操作自動化訊息也很方便。也因為LAP獨有的加好友廣告的關係,所以 LINE推薦自己的行銷漏斗:加入好友(加好友廣告) / 推播訊息互動(官方帳號) / 好友完成購買行動。 對於電商客戶而言,LINE的講師建議找到明星商品 / 爆品做為帶路雞,這與我之前看其他做電商的影片建議類似。今年備課看到一個說法,就是只要發現在任何平台表現好的內容/廣告,就不要去更動,以免影響演算法,我自己在YouTube上面也有同樣經驗,原本成效很好的影片,手賤增加描述後,流量完全消失。所以找到一個爆款明星商品後,維持維持廣告設定不要動,持續投放一直到量沒有可能是一個好的作法。 官方帳號 官方帳號是企業在LINE的門面,在基本設定需要提供詳細資訊,如基本介紹、營業時間、地址、網站等等,讓使用者更容易聯繫店家。 設定歡迎訊息,同時提供圖文選單,可以加速 Call for Action 。設定回應非常重要,包含自動回應(智慧聊天/罐頭訊息)與手動回應。 就 LINE 建議的邏輯,官方帳號用來維繫熟客,促成回購率,與 LAP 帶入新好友功能互補。 媒體的意義 LAP 適合針對習慣使用手機的用戶,如果新媒體成立,透過 LAP 與
暑假看了幾本數位轉型與數據轉型的書,覺得這兩者之間可能有層次與因果的關係。一間企業如果成功的「數據轉型」,必然會有良好的數位轉型。但如果只是數位轉型,有可能並沒有數據轉型。
前 P&G 的數位服務 VP Tony Saldanha 談數位轉型的著作《 Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead》 (數位轉型為什麼會失敗:從起飛到領先的驚奇原則)提到了數位轉型的5個階段,每個階段都是從部門到跨部門到全公司的改善,其中數位轉型的5個階段分別為:
- Foundation:公司開始使用外部的SaaS等方案來改善流程
- Siloed:部分部門開始利用數位工具來產生新的商業模式
- Partially Synchronized:公司間有些部門的數位 / 數據工具可以對接
- Fully Synchronized:全公司的內部系統都已經數位化並且在同一個系統上
- Living DNA:變成一家純數位公司,這並不是說傳統業務並不要做,例如一間物流公司,純數位化之後,就是一間有貨車的數位公司。
這5個階段既是數位轉型的階段,從下面的例子可以看到,也必然需要數據分析作為基礎。
在台灣以《輕鬆搞懂數字爆的料》走紅的 Thomas H. Davenport,2017年也出版了 Competing on Analytics 更新版,雖然書本不是談數位轉型,但其中提到的企業數據轉型的5個階段,其實也與數位轉型息息相關。Davenport認為企業在數據轉型的5個階段分別是:
- Analytically impaired: 前數據階段的公司,公司當然有數據、公司當然有分析,但都是只在基本「商業計算」的層次,沒有任何分析策略。我認識很多中小企業主,幾億身家的這種,都在這個階段,開心就好。
- Localized analytics: 與上面的數位轉型5的階段1與2有點類似,已經開始導入數位分析工具,但分析的層次以描述型分析為主。數據儲存在部門當中(數據孤島),沒有跨部門的數據倉儲或者現在流行的數據中台概念。
- Analytical aspirations: 高階主管開始關心數據分析,公司可能會有個數據長或者分析長 (Chief Data & Analytics Officer) 之類的角色,公司已經有大量的預測型分析的能力,也有資料倉儲,不過許多資料庫還是沒有完全整合、沒有標準化,無法跨部門使用,自然也無法跨部門分析,與前述數位轉型的 Partially Synchronized 非常類似。
- Analytical companies: 全公司已經完全數位轉型也數據轉型,公司具有成熟的預測型分析、指示型分析能力,也導入了即時自動分析的能力,數據分析是公司的主要任務,資料儲存完全整合,數據分析可以跨部門。
- Analytical competitors: 到這個階段,公司不但已經轉型成數位公司,也是數據公司,公司的流程已經在數據的基礎上大量自動化,數據分析能力變成公司的主要競爭力。
數位轉型並不是在生產、物流、財務、人資等管道導入數位工具就好,否則這樣數位轉型也太簡單了。如果數位轉型沒有搭配數據轉型,數位工具可能很快就淪為數位化的閒置資產。一間公司要數位轉型到具備 Digital Living DNA,前提必然是先成為 Analytical company。
Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead 與 Competing on Analytics 兩書在數位轉型與數據轉型的5個階段如此相像,也能彼此對照驗證,相當有趣,非常推薦同時閱讀。