新媒网 · 跨境数据社区

一场在2025年9月举行的MarTech大会，汇聚了行业内的资深人士，共同探讨了一个看似简单却深刻的问题：在营销数据日益泛滥的当下，为何仍有大量宝贵洞察被弃之不用？与会专家一致认为，营销人员并非缺乏数据，而是未能高效、协同且规范地运用现有数据资源。

新媒网跨境获悉，此次大会由MarTech编辑总监Mike Pastore主持，邀请了Braze产品营销总监John Heywood、Dealeron洞察总监Colleen Harris以及RPE Origin首席执行官Ryan Phelan作为小组嘉宾，共同深入剖析了营销数据利用中的症结。讨论内容涵盖了从被忽视的数据源（如直接网络流量和客户关系管理规则）到渠道孤岛的挑战，以及在人工智能驱动环境中电子邮件和网络分析可靠性的变化。

被忽视的关键数据源：解锁营销人员的现有资产

在讨论环节的开场，每位专家都被要求指出现代营销中最被低估的数据点。他们的观点揭示了数据利用的盲区：

Phelan指出，第三方数据的价值常被忽视。他提到：“尽管第一方数据备受推崇，但第三方数据才是真正丰富洞察的宝库。它提供了营销人员通常无法从电子邮件服务提供商（ESP）或客户关系管理（CRM）系统中获取的客户属性，对精准细分和目标定位至关重要。”这意味着，通过整合外部数据，企业能更全面地勾勒用户画像，实现更精细化的市场运作。

Harris则强调了直接流量的潜力。她表示：“营销人员常常因为直接流量没有明确的来源标签而将其置于次要位置。然而，直接流量实际上蕴藏着用户活跃度和意图的‘金矿’，能够揭示用户在网站或应用上的真实行为模式。”这提醒营销人员，用户直接访问网站的行为本身就是一种强烈的信号，反映了品牌认知度和用户粘性，对其进行深入分析，有助于优化用户体验和内容策略。

Heywood提及的是第一方互动数据。他认为：“来自企业自有应用和网站的信号常常被低估。当这些分散的信号得到整合后，它们将成为个性化客户旅程最为强大的驱动力之一。”企业通过分析用户在自有平台上的每一次点击、停留、购买或浏览行为，能够精确理解用户偏好，进而提供高度定制化的服务和内容，提升用户满意度和转化率。

这些开场观点共同传达了一个明确的信息：有价值的信号无处不在，但由于组织内部的壁垒和固有观念的束缚，这些数据未能得到充分利用。

数据利用的症结所在：孤岛与集成鸿沟

现场观众的调查结果进一步印证了专家们的观察。投票显示，数据孤岛和集成鸿沟是营销人员面临的两大主要挑战。尽管数据获取本身并非难题——营销人员普遍拥有大量数据——但缺乏有效集成和数据质量保障，使得这些数据难以发挥作用。

Heywood强调：“现在的问题已经不再是数据访问权限，而是数据质量。如果数据不干净或不可信，即便能够访问又有何用？”数据质量是数据分析的基础，不准确、不完整或过时的数据会导致错误的洞察和决策。

Phelan补充道：“集成是当前面临的瓶颈。在平台迁移过程中，我们经常看到团队的ESP数据无法与其他工具连接。如果没有集成，数据细分工作就会停滞不前。”不同营销工具和系统之间的数据无法互通，形成了信息孤岛，阻碍了跨渠道的用户行为分析和个性化营销的实施。

Harris总结说：“孤岛和集成是相辅相成的，解决一个问题离不开另一个。”专家们一致认为，尽管工具本身已经存在，但如果缺乏统一的系统和数据治理策略，数据的巨大潜力将始终无法被充分挖掘。

网络分析的范式转变：噪音时代下的新挑战

Harris在讨论中指出，网络归因模式已经发生了根本性变化。她回忆道：“在2007年，营销漏斗清晰明了：提交线索、电话跟进、五天内成交。但现在，许多购买行为涉及多达65个触点，仅汽车行业每笔交易就有超过20个触点。我们必须停止假装归因仍然是一条直线。”这意味着，在如今高度碎片化的用户旅程中，试图将销售完全归因于某一个或几个特定触点已不再现实。

她的建议是：接受不完整的数据。利用手头现有的数据做出决策。她表示：“无法看到所有数据也没关系，依然要做出决策。”在无法完美归因的情况下，营销人员需要更加注重多触点数据的整合分析，理解用户旅程中的关键节点和互动模式，而非执着于单一的归因模型。

John Heywood补充说，整洁、集中化的数据，通常存储在云数据仓库中，能够有效应对这种复杂性。他提到，Braze正在投资零拷贝集成技术，以避免数据在不同工具之间频繁复制和同步，从而提高数据的一致性和可用性。

Phelan则回顾了早期“手把手指导”网站访问者的时代。他指出，那种可预测性已经一去不复返。他说：“今天，一个购物者可能会经历所有步骤，而另一个则可能在一分钟内冲动购买。网络分析必须适应这种不可预测且碎片化的路径。”这凸显了营销人员需要采用更加灵活和适应性强的数据分析方法，以应对多变的用户行为。

电子邮件数据：同样面临颠覆

如果说网络分析已经面临颠覆，那么电子邮件数据也未能幸免。苹果的邮件隐私保护（Mail Privacy Protection）以及Gmail的最新调整，使得一度备受推崇的邮件打开率变得不再可靠。

Phelan指出：“邮件打开率从未完美，但现在它们变得毫无意义。点击率虽然相对更好，但即使是点击也受到机器人活动的干扰。电子邮件营销人员必须更多地依赖转化数据，并将其与网络分析数据结合起来，才能获取真正的用户意图信号。”这意味着，传统的邮件营销评估指标已经失效，营销人员需要将邮件数据放在更广阔的跨渠道语境中进行分析，以获取更真实的绩效反馈。

Heywood强调：“消费者无处不在——应用、社交媒体、WhatsApp、微信等等。品牌不再能定义用户旅程，而是用户来定义。营销人员的工作是将跨渠道的信号编织在一起。”这要求营销人员具备整合多渠道数据的能力，从全局视角理解用户的互动模式，而非孤立地看待单一渠道的数据。

Phelan进一步指出：“正是如此。你需要了解渠道倾向性。仅仅因为你拥有一个电子邮件地址，并不意味着这就是用户的首选沟通渠道。社交媒体、推送通知，甚至是直邮，可能都更具影响力。”

核心观点是：电子邮件数据本身已不足以支撑精准细分。它必须与多渠道的互动信号相结合，才能发挥其真正的价值。

零方和第一方数据：潜力仍未被充分挖掘

专家小组一致认为：营销人员一直未能充分利用他们所拥有的、权限最丰富的数据。

Heywood阐述了零方数据（客户直接提供的偏好信息）的运用原则。他表示：“零方数据需要明确的价值交换。当消费者看到实实在在的利益——如折扣、个性化体验或相关性时，他们才愿意提供个人信息。同时，企业必须清晰告知他们这些信息将如何改善其体验。”这强调了透明度和互惠是获取和使用零方数据的关键，而非单纯索取。

Harris指出：“太多的客户关系管理（CRM）系统已经‘化石化’了。如果你的CRM规则在15年内都没有更新，那么它肯定无法捕捉到现代的购买周期。在汽车行业，即使是五年的长期影响，也可能被简单归结为‘到店客户’。这简直是管理上的失职。”这意味着，CRM系统需要持续更新和迭代，以适应不断变化的客户行为模式和市场环境，确保其规则能够准确反映当前的客户旅程。

Phelan提醒：“同时要警惕不良的输入数据。一些零方数据可能只是用户的‘愿望’，甚至完全是谎报。然而，如果企业能够尊重用户的交换，并透明地使用这些数据，消费者是乐意提供准确信息的。”这强调了在收集零方数据时，需要对数据进行有效验证，并建立用户信任机制。

零方和第一方数据理应成为个性化和人工智能策略的基石。然而，如果缺乏有效的治理和互惠机制，营销人员将面临数据被滥用的风险。

客户旅程：碎片化已超出掌控

如果说此前的归因问题已经足够复杂，那么人工智能和多渠道客户路径的出现，使得设计和预测用户旅程几乎变得不可能。

Heywood提出：“品牌需要建立整体的数据策略，但这需要多年的努力。短期来看，应将营销数据——包括电子邮件、网络、应用数据——集中到一个平台。然后，在此基础上构建多步骤的互动，尊重每一个触点。”这强调了即使面对复杂的局面，基础的数据整合工作仍然是重中之重。

Phelan认为：“这不仅是技术问题，更是组织政治问题。跨团队的数据共享需要高层领导的推动。人工智能可以加速洞察的获取，但高管必须强制推行协作。”这指出了数据共享和协作在组织内部的重要性，没有自上而下的支持，技术优势难以发挥。

Harris提醒道：“不要忘记基本功。在引入人工智能之前，先问问自己：我想要解决什么问题？如果连这个问题都不知道，你就会淹没在数据之中。”这强调了明确目标和问题导向的重要性，技术是工具，而不是目的。

数据卫生：从何处着手？

问答环节转向了数据卫生——这是2025年9月MarTech大会上反复出现的主题。

Harris建议：“从你的数据存储位置开始。工具的选择必须与你的最终系统（如Adobe、Tealium、数据仓库）相匹配。没有放之四海而皆准的解决方案。”这意味着，数据卫生并非一蹴而就，需要结合企业现有的技术栈和未来规划，选择合适的工具和策略。

Phelan提醒：“验证数据来源。许多供应商转售过期数据，大型数据机构的可靠性更高。”数据来源的可靠性是数据质量的根本保障，营销人员在采购数据时需谨慎。

Heywood建议：“如果可能，在数据流入系统之前（即在数据仓库或客户数据平台CDP中）解决数据卫生问题，以防止其污染下游的互动环节。”这强调了数据质量管理的“源头治理”原则，越早处理数据问题，其对后续环节的影响越小。

专家小组并未推荐“最佳工具”。他们强调，关键在于首先评估企业的数据需求、技术栈和行业背景，然后才能选择合适的解决方案。

GEO、AEO与AI搜索的字母汤

大会上一个热门话题是生成式引擎优化（GEO）。它究竟是炒作还是现实？

Harris表示：“我从雅虎时代就开始做SEO。现在感觉是似曾相识。抛开这些首字母缩略词——GEO、AEO、大型语言模型（LLM）——其核心原则始终不变：回答用户问题，为可抓取性优化网站结构，并创建相关内容。”这强调了尽管技术不断演进，但搜索引擎优化的基本原则和用户体验的核心价值保持不变。

Heywood补充道：“Reddit等社区正在成为权威信息来源。品牌需要参与到这些空间中。权威性不再仅仅局限于你的自有网站。”这表明在AI时代，品牌需要拓宽其在网络中的影响力范围，积极参与到用户生成内容的平台，建立在社区中的公信力。

专家们一致认为：名称可能在变，但营销和内容创作的根本原则依然适用。

AI角色模型：有用还是炒作？

一位观众提问，AI角色模型是否被用于利益相关者洞察。

Heywood表示：“我尝试过合成研究工具。它们在验证方面表现不错，但有时会重复你输入的内容。真正的潜力在于行为洞察：这个角色模型在特定场景下会如何反应？”这表明AI角色模型在行为预测方面具有潜力，但其输出结果需要结合实际情况进行验证。

Phelan指出：“我们的大客户对此持谨慎态度——隐私问题减缓了采纳速度。但如果能建立适当的防护措施，AI确实可以加速角色模型的构建工作。”隐私和数据安全是AI应用中不可忽视的问题，尤其是在处理敏感客户数据时。

Harris提醒：“不要跳过‘嗅探测试’（sniff test）。AI角色模型可能听起来很逼真，但可能会遗漏人类情感——尤其是在购买汽车等高风险决策中。”这强调了AI模型在理解复杂人类情感和非理性行为方面的局限性，不能完全替代真实的用户研究。

结论是：AI角色模型有潜力，但尚未被完全证实。作为辅助工具很有用，但不能完全替代。

营销人员的关键启示

• 重新审视被忽视的数据。 直接流量、CRM规则和第三方数据仍蕴藏着丰富的洞察。
• 消除数据孤岛并完善集成。 仅仅拥有访问权限是不够的——数据必须统一、清洗并易于访问。
• 接受归因的复杂性。 停止追求完美的归因路径。利用现有数据，并据此采取行动。
• 明智地利用零方和第一方数据。 创建清晰的价值交换机制，并及时更新系统。
• 谦逊地对待人工智能。 所有人都是初学者；专注于实际应用场景。
• 提出更好的问题。 在投入人工智能或新工具之前，明确你希望从数据中获取什么。
• 在上游投资数据卫生。 清洁、准确的数据能成倍增加其在各个渠道的价值。

总结

营销人员并非缺乏数据。他们缺乏的是严谨的纪律、有效的集成能力以及在复杂现实面前的信心。正如Harris所说：“并非所有数据都会始终存在——而这没关系。”

当前的机会不在于追逐下一个流行词，而在于解锁堆栈中被忽视的现有资产，对其进行清洗、集成，并以谦逊的态度将其应用于一个由消费者而非品牌主导的旅程世界中。

2025年9月MarTech大会点播内容现已上线，包含六场关于数据和人工智能的小组讨论，登录或注册即可免费观看。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/independent-store-martech-data-unlock.html