2020年教育行业营销运营技术最新趋势

2020-04-23

这是一场在线教育行业的困局。当营销技术与实际落地错位发展时,企业会不知不觉陷入这种困局:技术投资很重,实际效果甚微。

 

新兴的营销技术非常多,智能匹配、AI服务、个性化推荐等,但没有对应的实施基础和落地步骤,推动营销业务的实际增长就沦为空谈。这也是很多头部教育机构在营销技术方面投入大量资金和心血,却要不断经受投资人灵魂拷问的原因。


f7cfba5d4bee9a6db932ebd25411dc15.jpg

趋势1.我的体验我做主——用户掌握个性化自主权

几乎每个教育品牌都在通过个性化产品和服务来提升竞争力。但鲜有人意识到,产品的个性化过程始终是以品牌方为主导的,而根据埃森哲2020第一季度的调查显示,今天的用户更关注个性化体验的参与感和主导权。

  • 问题:老化的个性化服务模式

很多企业已经构建了不错的数据收集和分析能力,这些业务主要在后台运行,用来判断用户需求并提供针对性的个性化服务。但在企业不断增强这类体验和个性化能力的同时,这些后台技术却在渐渐将用户“边缘化”,即强化了企业的“上帝视角”和用户的“被动接受”视角。如果不改变这种单向的创造模式,个性化体验会因为营销目标的“唯短期业绩是图”而偏离初心,最终指向消费者的失望。

  • 解决思路

1. 拒绝纯技术驱动的个性化体验。

 

技术改变了我们长久以来习以为常的教育模式。借助AR和5G技术,课堂能够打破地理空间的限制,为用户提供更个性化的教育体验。但企业同时需要注意,个性化服务模式不能纯粹以技术驱动,更要尊重用户的真实期望,随着用户的反馈发展个性化服务。技术还可以让用户更有参与感,而不是纯技术推动的黑匣式个性化,营销技术实施的底层逻辑一定是简单透明的。

 

2. 从更多环节切入,与用户共建体验。

 

想保持用户黏性,就要重视用户在被营销时的感受,而通过体验的共建,是一个很多品牌都在践行的思路。比如,无代码开发的智能营销工具可以提升从投放到转化的内容体验,帮助企业创建更多个性化内容,从而为用户提供更匹配的信息。还有的品牌会和用户在营销阶段就做深度互动,让用户边输入信息,边决定广告情节走向,最后给出一个最适合的展现页面。

 

趋势2.让营销自动化落地——两段式精准营销再升级

 

面对媒体流量变贵以及存量用户宝贵的现实,教育品牌都在蓄力提升营销自动化的能力。从2018年开始,头部的教育品牌开始投资自己的数据中台、构建数据分析能力和营销自动化能力。因为国内数据建设起步较晚,真正的营销自动化爆发期预计最快也要在2021年至2022年到来了。

 

从2020年目前的整体发展现状来看,一部分领头企业已走出营销自动化“叫好不叫座”的困境,虽然距离全链路和良好个性化体验还有很大距离,但在一些场景中,已经可以很好的实现营销自动化。

 

这里引用于勇毅老师的一个生动比喻,国内头部企业目前做得很好的,是两段式精准营销:“地雷”(成本低、不精准、覆盖面大)+“大炮“(成本高、精确、可与用户深度互动)。

 

106dfd269457cf6901bc35f200edf4dc.jpg

地雷:数字广告以其成本低、覆盖面广、数据可回收而首当其冲。品牌通过数字广告捕获对产品感兴趣的消费者ID,锁定有真正购买意向的目标用户。

 

大炮:通过对用户行为的数据分析,可以为用户打上初步标签(如停留15秒以上,打上“有兴趣”标签),接下来的后续转化就要用到更加精准的“大炮”。对打了不同标签的ID做分群营销,可以匹配不同的内容、活动、优惠等,通过不同的转化路径完成购买。

 

今天的两段式营销,还结合了敏捷营销和 “千人千面”个性化。不同类型的用户采用不同的营销策略,投喂不同的内容,设计不同的触发事件。

 

虽然我们距离营销自动化的真正绽放还有时日,但在局部采用自动化营销技术,并结合巧妙的营销设计,可以大大降低人力成本,提高营销效率。

趋势3.人工智能与营销人——人机协作新机遇

人工智能推动了教育行业的各类创新,仅从营销角度,头部品牌今天已经可以实现的、有可复制性的智能场景如下。

  • 虚拟助手

在线教育转化的一个重要环节是通过虚拟助手和用户展开互动,通过提出个性化问题来想办法留资。目前,用智能+人工结合的服务方式居多,服务的品质感也会因智能化程度不同而参差不齐。

 

从技术角度看,智能属性是通过意图识别、语义理解、多轮对话、机器学习等手段实现的。而从成本上看,只要品牌主的电话沟通量够大,虚拟助手的购买和后期优化成本分摊到每次沟通上,一般会比原来的人工成本降低1-2个数量级。

 

当然,虚拟服务的品质决定了真实转化率。有的品牌很重视自家客服问答的开发,在引导流程、语境、风格、话术上都做了精心的设计,而有的品牌则相形见绌。

 

如下图所示,有的广告落地页,点击客服咨询竟然是空白的对话框,需要用户主动询问,得到的自动回复首先是一段课程销售话术,感觉很不友好。

 

优质的AI客服,引导转化的逻辑流畅,仿真人工服务的体验好,几乎不给用户太多思考时间,并会根据用户的疑虑、停顿,做出精细反应。

 

7e9979feee011e47acdfab526806f9f8.jpg

因为服务体验的差距,虚拟助手的转化率可以相差十几倍之多。关键在于AI对话的人为设计,是否结合了行业经验、是否有清晰的业务逻辑。在人机协作上,机器主要负责解决重复性劳动和庞大的计算,而人是构建智能转化路径的主导。

  • 内容的自动生成

对于营销人来说,制作一个好的内容难度远高于找到一个高质量的目标消费者。虽然今天在营销技术层面已经支持“千人千面”等个性化营销,但再强大的品牌也无法通过真人设计师为每一个消费者制作个性化的内容。

 

由于教育行业的特殊性和品牌的稳定性,营销内容制作的背后多少可以总结出一定逻辑,这就给了AI发挥的空间。

 

120911616937.gif

在整个用户生命周期中,都需要大量内容来支持。在有“套路”的内容生产环节,人工智能目前可以实现内容的快速生产,节省大量人力。图中的蓝色箭头标注了AI发挥空间最大的6个环节:广告创意的智能生成、匹配动态推广页、低价AI课程体验、课程说明引导、产品介绍引导、优惠规则触发。

 

比如,营销技术领域大佬Adobe发布的人工智能系统Adobe Sensei,除了图片,还可以对视频进行智能处理。想去掉汽车影像,传统方式需要一帧帧处理,至少花费数天,而现在AI技术只需几秒钟就可以自动消除。

 

回到教育行业,今天的短视频渠道已经成为教育行业的必争之地。随着短视频形式的普及,高质量视频内容和矩阵式营销成为了营销的核心。以某大语文教育品牌为例,仅抖音就有几十个账号,累计粉丝量超过1200万,并且会打造名师IP,账户也用“XX学堂-XX老师”来命名。

 

e179cdf159d9b333f2bd6478b22aa010.jpg

维护这些视频号需要每天有大量的视频内容产出,人工制作成本太高。这个品牌投入了一些技术资源,实现了可以批量生产视频内容的系统——AI会在海量的课堂视频中,截取反响好的精彩片段(主要通过环境音和学生反映来判断),直接生成头尾完整的作品,有的还会根据老师是否有口音,自动配上字幕。

 

这些批量内容目前已经开始投入使用,增粉和转化效果不降反增。同时,通过视频播放和点赞的数量,机器还能持续学习和调整剪辑策略(如时长、片段在总进度中的位置等),抓取更多筛选条件。

  • 知识图谱和客户体验管理

从2018年开始,每年投放过亿的头部教育品牌开始搭建自己的数据中台。如果用一句话形容数据中台给营销部门带来的价值,“赋予了市场部在数字营销领域的微观操作能力”(于勇毅)

 

时隔2年,纵观教育流量市场,提升最大的环节应该是品牌对数据“知识图谱”的搭建,并将其运用到客户体验管理上。

 

“知识图谱” 如同一部数据语言的翻译宝典,将海量大数据化繁为简,变成业务端能看懂的标签。这也是品牌实现大数据分析的底层基础——借助“知识图谱”对底层数据进行结构化处理。

 

3ef52007a5082ef94e26d807ca90c436.jpg

以图中所示为例,通过“知识图谱”发现:第一条数据的URL代表用户在营销页认真看了课程A的介绍;第二条数据代表用户在小程序对话框询问过课程A的价格;第三条数据是在APP中观看了A的试听课。初步定性判断,这个消费者对产品A有高度兴趣。

 

同时,通过配置的算法,系统认为:有这样行为的消费者,在未来30天内购买课程A的可能性是80%。“课程A”+“80%”+“30天”是业务端能读懂的语言,并且可以根据标签决定下一步营销策略。

 

在线教育品牌在收集的大数据中,经常用到的 “知识图谱”包括:网页URL知识图谱、App行为知识图谱、第三方平台(如微信、头条)行为知识图谱、地理位置知识图谱、自家产品的标签化知识图谱等。但高精度的“知识图谱”一定是借助AI实现的。

 

知识图谱还可以让客户体验管理更贴近实际业务。在线教育的核心产品是长程、高客单价的课程,消费者的决策链比较长。这期间会产生大量的行为数据,“知识图谱”帮助AI筛选出那些关键的“深度互动行为”。

AI再通过消费全数据进行学习,把这些关键行为附上分值,为客户此阶段的购买意愿打分。如下图,现在有丰富的可视化软件可以搭建这类潜客评分系统。

 

120911147938.gif

以某个编程品牌为例,基于目前实际能收集到的每个消费者的碎片数据,通过人工智能横向分析「最终购买者」的共性,从而预判每个潜在消费者的购买意向。销售人员获得的是打好分数的、可衡量的线索。 

 

7557b5ee1b5ab28a15720fca3d9b9870.jpg

上图展示了该品牌在一种具体场景下的算法 “Engagement  Scoring”。营销人员在分析了各种路径下的用户行为后,发现当用户做过这几种行为后,成单率最高:访问网站、领取资料包、询价、关注转发。当然,随着产品的变化和数据的积累,这个打分系统是动态变化的。

 

可喜的是,只要抓住消费者的关键行为路径,持续优化打分体系,资源就会倾斜给高质量线索,从而解决教育行业营销中的一大痛点:从线索到购买的低成单率。