不久前，创略科技发布《数据和 AI 驱动的营销自由》白皮书，提出「营销自由」的概念。根据白皮书，营销自由指的是指的是「业务和运营人员可以基于数据驱动自由地选择合适的营销方式，在合适的时机，以合适的方式，对合适的受众进行实时和个性化的营销触达，提升客户体验，并实际作用于提升客户的留存、复购。」
实现营销自由的阻碍
营销自由是理想中的营销人的工作状态。「当前的营销行业，还停留在非常笨重、被动、没有把控权也没有执行力的状态。」创略科技创始人兼CEO 胡世杰如是说。
创略科技创始人兼CEO 胡世杰
这种状态形成的原因在于，营销在实现数字化的过程中，工作需要依赖于多个不同部门，存在很多无法把控的因素，例如营销人对数据完全没有把控能力——这些数据的搜集分散于多个不同系统中，最终的打通、提取以及储备成为一个可应用的状态，是需要 IT 及其他部门参与的。而白皮书中指出，
「在传统的B2C业务模式中，往往是业务部门制定计划，IT部门配合计划实施，所有的线上营销监控，数字营销计划，营销监控，报表，均需要通过IT部门协助，部门协作的成本高，效率低，数据变现的速度慢，营销反应速度慢，已经不适合当前营销模式。
当前的营销行业，还停留在非常笨重、被动、没有把控权也没有执行力的状态。
在长期的营销经验中，不同部门之间，常常对同一个业务指标和业务口径产生分歧，从而导致数据口径难以快速统一，统计维度和指标难以迅速一致，业务部门之间的摩擦导致数据驱动效率低下时 ，高效的营销也自然变得不可实现。」
由此可见，部门与部门之间协作的过程本身即造成了阻碍，或者导致工作无法完成，或者导致工作无法按时完成以至于错失机会点。这一局面使得营销人的工作的实时性、即时性非常差，只能针对一些具体的工作提供单点解决方案，例如 CRM，例如微信公众号运营。但是如果希望实现全域营销，基于非常稳健的数据基础，很自由、灵活地进行布局，以目前营销人的工作状态，基本上做不到。
胡世杰因此提出，营销自由的前提是打好数据基础。有了完备的数据基础，营销层面以及客户数据层面的智能应用，才能最终完成营销闭环，实现真正的营销自由。
营销自由的前提是打好数据基础。有了完备的数据基础，营销层面以及客户数据层面的智能应用，才能最终完成营销闭环，实现真正的营销自由。
数据管理是实现营销自由的第一步
既然打好数据基础是营销自由的前提，那么搭建一个功能齐备的数据库，是实现营销自由的第一步。在2018 年及之前，DMP 是企业管理数据的主流产品；2019 年至今，CDP 逐步成为业界关注的重点。胡世杰认为，DMP 主要是做人群管理，目的是进行重定向与广告投放，而不是真正做整体的数据管理。而CDP所涵盖的数据范围更广一些，不仅仅局限于广告投放的相关数据。
众多企业开始搭建自己的 CDP，其中一些企业希望搭建一个加强数据层面的营销管理的体系，而胡世杰主张从更宏观、更长远的角度来看，真正通过 CDP 建立一个稳健的数据底层基础。正如白皮书中所说，「CDP和为之服务的数据采集工具正为企业提供了面向营销，集成化，实时化，高易用性的数据基础。」
一个关键步骤是私域流量池以及数据池的搭建，这个数据池内包括历史数据、现有的实时数据，这些数据必须达到随时可用的状态，同时和其它的数据体系，如舆情监测数据体系、ERP 等系统相对接。
一个关键步骤是私域流量池以及数据池的搭建，这个数据池内包括历史数据、现有的实时数据，这些数据必须达到随时可用的状态，同时和其它的数据体系，如舆情监测数据体系、ERP 等系统相对接。
数据管理需要找合适的供应商
搭建流量池之后，企业需要考虑的是解决方案如何落地。通常有三种方式：
找多个供应商，把这些供应商的细分模块组成一个营销技术栈；
寻找偏整体的解决方案；
自建，或者主要依靠自建。
在这三种方案中，胡世杰介绍说，第一种方案，即营销技术栈的搭建，更适合于欧美市场，因为那里的企业服务市场非常成熟，国外的营销技术供应商大多采用SaaS 形式，提供开放的标准化接口，很多产品都是可以进行系统集成的。而在中国，如果所有的技术组件、产品模块是本土公司来完成的话，就很难搭建成为技术栈。而第三种方案同样不适用于中国市场，事实上选择自建的企业非常少，除非是技术能力较强、通过互联网经营的公司。但是自建的阻力在于解决方案可能适合于企业内部的 IT 部门使用，但是无法达成业务部门的要求。因为自建的方案如果达到合格、可用的状态，成本高达上千万之多——而购买解决方案只需要十分之一的价格。因此，相对适用的方案只有第二种，选择供应商提供整体解决方案。
目前，创略科技有针对性地服务与汽车出行、零售、旅游、金融及教育等产业的客户。这些行业的数据管理各有其特点。如汽车行业的数据包括了经销商数据和客户数据，其中后者是汽车厂商采用直接触达客户的方式，收集到的数据来打造的数据体系。而零售、旅游行业的数据更为多元化，这两个行业由于客户消费数据频率高，涉及很多实时数据，可以加以应用的场景也更多。
胡世杰介绍说，创略科技专注的行业领域必须符合几个条件：
首先是客户生命周期价值足够大。客户生命周期价值包括购买频率和客户生命周期的时间线。有的产品虽然客单价较低，但是购买频率高，弹性比较高；有的产品单价较高（如汽车、金融等）。
其次是能直接接触到客户，即掌握了最终的客户触点，这是为了便于在触点上能够采集客户的行为数据，最终实现个性化的客户体验。
第三是整体的数据体量，包括绝对的客户量，以及客户加上潜客的数量。当然，更重要的并不是客户量的大小，而是客户的数据维度丰富度。客户的数据维度丰富程度高是一个关键因素。
AI 在营销场景的三种应用
根据创略科技的测算，在海外市场，客户在营销技术层面的预算，已经占到营销预算整体的20%+。国内目前处于营销技术开始爆发成长期阶段，国内大部分客户的营销技术预算占营销预算整体在5-10%，未来会越加靠近国外的20%+的占比。2020年，国内营销预算市场规模在万亿人民币，营销技术的整体市场规模将在500-1000亿人民币左右，未来有望往2000亿发展。
在胡世杰看来，国外营销技术市场虽然相对较成熟，供应商众多，但是国内企业甚至在一些领域已经超过了国外同行。一个典型领域是 AI 技术，国内同等规模的企业采用或者接受 AI 技术的应用场景，对机器学习、深度学习的应用速度更为快速，在营销场景的应用更多。
在目前的中国市场，AI 之于营销的应用场景还处于初期发展阶段。
与传统软件相比，AI有能力有效地处理大规模的数据集，进行分析、预测。最重要的一点，AI有能力进行自学以改进自身的工作能力。但在目前的中国市场，AI 之于营销的应用场景还处于初期发展阶段。AI 应用更多针对的是金融行业如风控等场景，以及政府相关的场景。而就供给方来说，AI 相关的大数据、人工智能公司，通常并不是很懂营销，能够理解 CMO 的需求。
根据胡世杰的观点，AI 技术目前在营销场景的具体实施、落地主要有三种方式：
其一是基于产品或平台的小功能模块，如粉丝分析、僵尸粉识别等等。
其二是针对较大一些的场景，如客户流失预警、个性化推送等，目前很多企业较为能接受的是这种落地形式，问题在于需要较强的运营团队与数据科学家团队，可以把业务直接与 AI 模型相关联，最终通过测试验证是否对业务产生价值。
第三种方式市场尚未完全接受，这是一种开放式平台，即将机器学习、深度学习的平台开放给最终的用户，让用户自己的工程师或者数据科学家在平台上开发一些模型。这种平台目前只有金融行业的银行等少数企业在使用。
日前，创略完成了B 轮融资，领投方为源渡创投，高美资本、G5创新投资跟投。关于这一轮融资的使用计划，胡世杰表示除了持续对研发进行投入外，还将用于完善销售业务和整体运营，以及售前和客服体系的搭建。未来，创略的业务拓展方向将涵盖咨询、产品、运营等领域。
自创业以来，创略科技持续服务于中大型客户，为他们提供企业级解决方案。胡世杰透露说，在B 轮融资之后，创略科技有计划布局一些中小型企业，即为一些腰部客户提供CDP解决方案。这些客户更轻量级，需求没那么重，实施起来会更快。当然，中小企业市场的环境非常复杂，为这些企业提供 CDP 产品也是一条较为艰难的路，因为 CDP本身即是复杂性的解决方案。但其中，可以有一些切单一数据源及单一应用场景的标准化路径可以探索。
之所以选择 CDP产品，是因为根据创略科技的估算，CDP在整个营销技术预算当中，占到保守预估10-20%的预算；而CDP市场规模将至少在50-100亿人民币甚至更多，这一市场规模目前与国内CRM市场规模类似，但CDP基于大数据架构、支持机器学习等AI技术应用，相较于基于结构化数据库的CRM，在数据中台和枢纽层面，代表未来不可逆的趋势。
