如何做一个Martech平台？|Morketing_全球营销商业媒体平台

// 滑动组件

Hale · 2023-12-11 10:44

【摘要】 Martech（营销技术）指的是营销人员用来优化营销流程和实现营销目标的技术解决方案或者软件产品。起源于美国，2008 年，美国网红营销博主将Marketing和Technology以及Management 联系在一起，提出了martech 的概念。

来源 | 颠木

什么是 Martech？

Martech（营销技术）指的是营销人员用来优化营销流程和实现营销目标的技术解决方案或者软件产品。起源于美国，2008 年，美国网红营销博主将Marketing和Technology以及Management 联系在一起，提出了martech 的概念。

在国内，营销技术并没有形成统一的概念，很多时候 Martech 会和 Adtech混为一谈，在我认为 Martech 更侧重于用户获取和运营等相关的技术解决方案，而 Adtech 涵盖了广告方案和管理工具，旨在通过技术手段影响用户的购买、下载、付费等行为。比如营销云、营销自动化、CRM、CDP、社交媒体管理工具、EDM 等这些属于 Martech。Adtech（广告技术）是一个概括性术语，如需求方平台（DSP）、供应方（流量主）平台（SSP）和广告交易平台。简单来说，Martech 用于实际创建、开展并管理广告活动以及其他营销工作。Adtech 仅用于通过技术手段提高转化效率和转化效果。

从商业模式出发，流量主研究和应用 Adtech，提升CTR 和 CVR，以此提升 eCPM 单价。广告主既要研究和应用 Adtech，同时又要关注和应用 Martech，最终达成收益最大化。

为什么说营销技术

永远不仅仅是营销？

目前当我们提到营销技术更多的聚焦在技术上，但是我更认可营销、技术、管理，三要素都不可缺的这个定义。营销是面相用户，技术是解决手段，管理是流程、是方法论，同时也是增长手段。

营销是服务于业务增长，营销技术的目的依然是服务于业务增长。业务增长中的营销是手段而不是终点。回到我们实际的业务场景中，很多做营销技术的同学的思考容易局限在营销这个当下的场景中，比如只广告账户的创编和管理，而忽视了为什么要做创编，创编的底层业务逻辑应该是什么样？怎么样的广告账户搭建和管理才是最高效最有业务价值的。又比如在整体产品设计上你是在一个个的堆产品功能，业务方提什么功能需求你就去做什么功能需求，还是自上而下的做过顶层设计，考虑过为什么要这样做，而不是那样做？你有没有想过，当ATT（苹果隐私政策）来临之时，你又如何去应对的？你有没有想过，存量市场下、从人找产品转变为产品找人的环境下，你如何高人一筹做好应对？你有没有想过产品获客越来越难的情况下，还有哪些其他的打法？很多时候我们营销技术的从业人员很容易把自己局限在获客、甚至局限在广告获客这小小的空间里面，却忘记了我们的目标是要做业务增长。

各行业Martech 的异同点都有哪些？

从企业视角来看，Martech 本质上属于通用技术，向下承接“术”的资源，将所有基于技术衍生的数据和信息，数据包括业务全链路所有触点信息，在云计算、人工智能、大数据等技术的支持下做数字资源的整合，向上为营销市场（销售）团队赋能，短期赋能增长策略，长期赋能企业市场战略。同时，在用户从了解到购买的决策过程和企业内部运营流程中，MarTech的使用也将保证营销内容输出和运营的科学性。

综上，各行业在 Martech 的应用和技术策略上，底层逻辑是互通的。更多的差异在不同行业的北极星指标差异性上。比如应用 app 的北极星指标也许是 DAU，也许是变现能力。而游戏行业更关心留存和付费，电商更关心成单率。所有这一切北极星指标最终都可以推导为 ROI，即投入产出比来进行度量。

Martech 是一个综合产品，正如上文所说涉及到的面非常多。我们这个系列教程会聚焦在以广告投放为核心的营销技术解决方案上。其他比如 CRM、EDM 等不在讨论范围内。

广告投放只是业务起点，各行业广告投放的流程是没有差异性的，只是大家投放的标的和转化目标的差异而已。因为转化目标的差异就会带来数据回传的不同。我把所有行业的统计归因的类型分为两类，一类是应用归因，主要采用设备标识符基于 lastclick 模型进行广告归因，一类是pixel归因，主要通过url 、cookie 等传递归因参数的方式进行归因。归因方式上分为自归因和非自归因。所谓自归因就是媒体平台自主归因判断哪些用户来自于他的平台的广告转化，哪些不是他的平台带来的，比如在应用 App 领域谷歌、Facebook 等渠道就是自归因平台，国内的巨量引擎、腾讯广告等iOS平台为非自归因平台。

正如上文所说每个行业的北极星指标和商业化模式的差异，在数据统计、分析和可视化上行业和行业之间的差异性就比较大。但设计思考彼此之间具有非常强的可借鉴性，后续详细的围绕数据分析的教程会展开来说。