注：宏路數據系天堂硅谷所投資企業
大型品牌客戶在數字化轉型進程中，觸達并了解最終用戶是非常直接的訴求。以此為切入點，宏路數據通過幫助品牌企業搭建以用戶為核心的數據中臺，成功拿下了聯合利華、百威英博、雀巢、YUM！、優衣庫、達能以及上汽集團、戴姆勒奔馳等大型品牌客戶。基于數據中臺之上，宏路數據形成了體驗云、分析云的營銷閉環，未來將基于洞察云的能力向其他場景延伸。
數字化轉型并非一個新名詞，但卻是所有大型企業決策者最為關注的問題。
對企業決策者而言，了解最終用戶的訴求是實現數字化轉型的第一步，也是重要一步。基于用戶的認知，去重塑采購、研發、生產、銷售等各個環節，讓業務由自動化走向數字化，才能實現企業的全面數字化升級。
以往企業去了解最終用戶，必須通過市場調研公司等渠道，效率低、反饋周期長。大數據的興起，賦予企業更加高效的手段去洞察最終用戶。
從最初的DMP、到后來的CDP，再到時下最火熱的數據中臺，企業不斷匯聚海量多源數據，建立以用戶為核心的數據平臺，基于平臺上的用戶畫像等，給前端各個應用提供能力。
因此，在企業數字化轉型初期階段，幫助企業搭建以用戶為核心的數據中臺成為很多大數據公司瞄準的方向，宏路數據正是其中的佼佼者。
最早一批大數據公司之一，兩次轉型后瞄準企業數字化轉型方向
成立于2008年的宏路數據，最開始瞄準了推薦引擎這個方向，是國內最早一批布局大數據業務的公司。
但當時整個大數據行業發展尚未成熟，提供推薦引擎的獨立第三方廠商發展非常困難，盡管宏路數據在電商等領域有很好的落地產品，但整體電商付費能力很差，并不足以支撐公司發展。因此，宏路數據當時還自主研發了Hadoop發行版，同時為Cloudera等公司代理CDH等產品。
2012年，大數據在廣告營銷領域最先成熟，搜狐、新浪等媒體平臺對基于大數據技術實現廣告實時競價、發布等需求變得強烈，宏路數據也進入到這個市場，為新浪等媒體平臺搭建廣告實時發布系統。
在這過程中，宏路數據沒有像其他公司，更加偏向廣告側，將大量精力放在廣告資源采買和廣告創意策劃方向，而是專注于提供技術產品，這其實是一條更加艱難的路。因為即使到今天，技術在整個廣告流程中的價值度仍然沒有完全體現，品牌廣告主對技術產品的投入遠遠低于媒體采買和廣告創意策劃。因此，2012年后宏路數據依然發展得不溫不火，即使進入廣告營銷領域，并沒有實現營收規模上的高速增長。
2015年，宏路數據發覺，大型品牌客戶不再完全依賴于第三方數據平臺，需要建設自己的第一方DMP平臺，管理起自己所有的用戶數據，不僅僅是用于廣告投放，而是要支持各項業務，讓數據驅動決策，實現數字化轉型。
因此，宏路數據將業務重心放在幫助大型品牌客戶搭建第一方數據平臺，圍繞著企業數字化轉型這件事情。考慮到企業數字化轉型的第一訴求往往是獲客，因此，宏路數據在搭建數據平臺上，主要圍繞著企業的用戶數據，并基于數據平臺上開發了很多營銷應用產品，形成當前以四朵云為核心的產品體系。
打造營銷場景數據閉環，數據治理是最大優勢
類似于Adobe，宏路數據目前在營銷場景同樣打造了四朵云的產品體系，圍繞著受眾云、體驗云、分析云，實現了營銷場景中用戶洞察、觸達用戶到效果評估的場景閉環。
四朵云中，最為核心的受眾云，也就是匯聚企業內部的用戶數據，通過建立第一方DMP或者CDP平臺，將企業內部用戶數據打通，并為營銷等場景提供數據支持，這是宏路數據積累最久、能力最強的產品。
從2008年成立以來，宏路數據一直圍繞著數據治理這件事，從最早做推薦引擎，到后面做Hadoop發行版，再到實時廣告系統，基本都是數據存儲、處理相關技術。數據治理是宏路數據最強的能力，而受眾云的核心就是做數據治理。因此，從技術上，宏路數據在這方面有很長時間的積累。
同時，從2015年后，宏路數據開始服務很多大型品牌客戶，包括上汽集團、YUM！百勝集團等，通過服務這些大型品牌客戶，能夠了解品牌客戶對數據的需求，從而不斷優化DMP平臺的功能及數據標簽維度。
技術能力和服務頭部客戶，是宏路數據能夠做好受眾云產品的關鍵。
做體驗云和分析云，一方面是能夠將受眾云的數據找到一個比較好的應用場景，因為對于很多客戶來說，建立第一方DMP的一個初衷就是為了更好地獲客，廣告投放永遠都是最為簡單直接的獲客方式。另一方面，基于體驗云和分析云能夠反饋數據，特別是分析云能夠將用戶在網站、APP等行為數據進行采集，從而反饋到受眾云中，不斷豐富受眾云的用戶畫像。
因此，通過分析云和體驗云，宏路數據能夠將受眾云的價值充分發揮，同時也能獲得反饋數據，不斷優化受眾云的產品服務。
在整個營銷環節當中，宏路數據相對薄弱的是在創意策劃方面，這方面主要是通過合作伙伴來實現的。宏路數據會將自己的產品OEM到廣告公司的產品中，由廣告公司來統一交付。這么做主要是考慮到創意策劃方面對人力依賴很重，必須要依靠策劃人員才能保證一個很好的效果，這并非技術型公司所擅長的方向。
瞄準企業決策者的需求，基于洞察云的能力向其他場景延伸
在四朵云中，洞察云相對特殊。其他三朵云更偏向解決市場營銷部門的需求，而洞察云則定位于解決企業決策者的需求。
從產品形態上，洞察云主要是交付數據報告、數據報表類產品，類似于傳統BI產品，本身是很難解決企業決策者的需求，但因為兩個原因，宏路數據的洞察云未來有機會達到這個目標。
從品牌客戶的角度來看，未來一切的產品、服務、市場、銷售體系都將圍繞著用戶需求及偏好進行調整，特別是如今品牌客戶越來越看重效果，不再單純追求曝光，基于用戶數據驅動決策這件事情慢慢成為共識。
從宏路數據的角度來看，因為洞察云的數據是來自于受眾云的，而受眾云主要是匯聚了企業的用戶數據。因此，當受眾云中的用戶數據維度更廣、顆粒度更細致時，基于這些數據得到的數據報告，是有機會影響到企業決策者的。
同時，洞察云給了宏路數據跳出營銷這個場景的機會，特別是跳出純粹廣告營銷場景。洞察云面向企業決策者需求，肯定不僅僅會局限于營銷，會涉及到企業采購、生產、銷售等各個環節。基于洞察云，宏路數據實際上在補充傳統咨詢公司，通過數據的方式，更加高效、準確地為企業客戶提供咨詢服務。
因此，盡管現階段宏路數據的洞察云還難以真正給企業決策者提供Insights，但很明顯，洞察云能夠讓宏路數據未來的市場空間更大，真正實現數據驅動決策。
重點服務大型品牌客戶，直銷和合作伙伴并重
從目前來看，只有大型企業才有足夠多的資源投入到數字化轉型這件事，因此，宏路數據很自然地將目標客群定位在大型品牌客戶。
考慮到自身體量，特別是服務支持能力，宏路數據在2019年聚焦于兩個大行業，快銷和汽車，現已拿下聯合利華、百威英博、雀巢、YUM！、優衣庫、達能以及上汽集團、戴姆勒奔馳等大型品牌客戶。
同時，宏路數據為這些企業搭建的DMP/CDP平臺，基本都會是全業務線使用的DMP/CDP平臺，當然主要是聚焦于用戶畫像等營銷場景，客單價基本都是在300萬以上，大型客戶的訂單額會超過1000萬元。
通過行業聚焦，宏路數據能夠快速加深自己對垂直行業場景理解。因此，在搭建DMP/CDP平臺的部署周期能夠快速縮短，目前部署DMP/CDP平臺最長半年時間，一般都可以在兩三個月完成。
在獲取客戶方面，宏路數據除了依靠直銷，還大量通過合作伙伴來獲取服務客戶，超過60%的業務是來自合作伙伴，其中一部分是OEM產品，另一部分則是直接使用或者代理售賣產品。宏路數據的合作伙伴主要包括廣告公司、CRM公司、市場調研公司、咨詢公司等。
客群質量高，場景理解能力較強
基于愛分析對數據智能公司的評價模型，分別從技術/產品、客群/LTV、獲客、場景理解和跨場景能力等五個維度對宏路數據進行評價。
技術/產品方面，創始團隊來自谷歌、惠普、蘋果等公司，從事數據挖掘工作多年，技術積累時間長，能夠服務上汽等500強客戶，系統穩定性、可靠性高。圍繞著營銷場景有受眾云、分析云和體驗云，產品體系非常完整。DMP/CDP平臺部署周期較短，產品化程度高。
客群/LTV方面，面向快銷和汽車行業，主要以行業頭部客戶為主，服務聯合利華、百威英博、雀巢、YUM！、優衣庫、達能以及上汽集團、戴姆勒奔馳等標桿客戶，客群質量較好，客單價基本在300萬以上，并有超過1000萬的訂單。
獲客方面，大客戶主要通過直銷，銷售團隊20-30人，腰部客戶主要通過渠道合作伙伴獲客，2018年客戶數60多家，并擁有標桿客戶，整體獲客能力較強。
場景理解方面，主要通過服務客戶來積累場景理解，創始團隊在從2008年開始進行相關工作，從業超過10年，并且幫助企業搭建第一方DMP/CDP平臺，應用場景不限于廣告投放，場景理解能力優于一般創業公司。
跨場景方面，受眾云主要是幫助企業匯聚第一方數據，基于這部分數據和洞察云的產品，未來有機會延伸到企業的其他場景。
近期，愛分析對宏路數據董事長袁國瑋先生進行訪談，主要就宏路數據的業務模式、未來戰略，以及數字化轉型、數據中臺等行業熱點話題進行交流，現將部分內容分享。
數字化轉型是企業決策者的事情，洞察云是關鍵產品
愛分析：受眾云和洞察云放到一起，是因為受眾分析的目的還是為了做用戶洞察，實際落地兩者是分開的？
袁國瑋：在我們這邊不太一樣，你可以理解成我們的受眾云就是個數據中臺，他就是個基于消費者畫像的數據中臺，它比較偏技術層，側重在提供API去支持到前臺的各種應用。
洞察云，實際上你可以理解成偏Insights、偏咨詢，輸出的是報表，把原來需要咨詢公司做的事情自動化。
愛分析：洞察云輸出的成果不僅僅是營銷環節需求，是類似于原來市場調研公司GFK去解決的問題，還是會跨到其他場景去？
袁國瑋：我們的分析云、受眾云和觸達云，是比較典型的營銷鏈。
于是，我在思考，我們這幾朵云，到底是給誰看的？如果是給MarketingOperation的人看，他們覺得夠了。如果我們把Adobe的產品，或者我們前三朵云，拿到客戶CMO級別的人去看，甚至CEO級別的人去看，他覺得你們講的東西是DashBoard，你們根本對我形成不了Insights，這個事情對我其實觸動還是挺大的。
坦率來說，在數字化轉型這個階段，我們最終受眾不是Operational level的人，因為數字化轉型這個東西肯定是Top Management下定決心來做的事情。
我們最終是要讓管理層懂，做了這個產品，投了錢，到底產生了什么好處？所以，更偏Insights，更偏咨詢，把原來咨詢做的事情自動化了。
從某種程度上來說，它是一個咨詢行業的革命。
例如汽車行業，我們幫客戶打的標簽，就和廣告不一樣。廣告給汽車打了標簽，主要是車型、價位，客戶性別、有沒有車。我們在汽車行業的第一方DMP里，還會打上一些其他標簽，比如這個人喜歡的車是什么顏色的。如何知道這個數據，最直接是他的上一輛車是什么顏色，我在通用汽車、奔馳這些公司的DMP里面會有這些標簽的。
這些標簽原來是那些咨詢公司幫車企去分析產品，下一代車應該是做成多長、幾座、什么顏色，會比較好賣。原來咨詢公司是站在產品維度去看這個事情，我們是站在消費者的維度去看待這個事情的。
我們今天試圖把考慮產品的因素融合進消費者，做到人和物的結合，最后產生的Insights。一方面是做到更高維度的Insights，另一方面把傳統以物為分析的工作自動化。
所以，洞察云也是能夠幫到我們的受眾云，這中間是有聯系的，因為整個數據都是一個閉環。
數據中臺的建設需要與場景結合
愛分析：這么看來，懂業務場景才能建好數據中臺？
袁國瑋：做一個通用的數據中臺，我覺得是不現實的。最近中臺很火，每個人有自己的看法。我覺得我們大家把中臺理解成了一個技術中臺，其實不存在技術中臺，沒有這個分層的，應該是個業務中臺。這就很清晰了，他一定是跟著業務場景走的。
業務場景五花八門，為什么我們主要的發力在受眾云，其實就是我們發現這是一個最通用的、滿足諸多業務場景的數據中臺。
我們的核心競爭力就是在DMP、CDP這一層，基于消費者用戶畫像的中臺微服務上。我們也在嘗試做一些中臺產品，已經有幾個客戶使用，但這些和場景會高度相關，遠遠沒有用戶畫像應用場景那么多。
愛分析：下一步有可能再去延伸嗎？從消費者的數據切入，有沒有可能把企業內部的其他數據源都接入。阿里的中臺是把各個業務線的ID數據打通，大型企業內部會不會做類似的事情？
袁國瑋：理論上來說，要發揮數據的最大價值，肯定是把所有的數據都匯總在一起。我們現在幫品牌主，盡可能地整合所有的數據。在車企，我們現在整合他的4S店的維修數據、客服數據。
但是要整合HR數據、財務數據，從技術角度上是可行的。但是從現實的操作層面上來說，這是相當之復雜的。
每個企業都會有一些歷史的遺產，一個企業之所以效率低，不同部門之間的數據孤島是一個很大的因素，這些歷史包袱也不是今天能夠拋掉的。
今天讓沃爾瑪、家樂福變成完全數據驅動的模式，他需要把之前投資幾個億、幾十個億的系統都完全拋棄掉，這個歷史包袱太大了。
所以，原生的和一塊塊拼接起來的，效率總是有差別的。現實的情況來說，一方面是有很多的遺產，另一方面是取決于怎么看待這個世界。從宏路數據角度，我們是從人的角度去看待這個世界的。所以我們是做消費者研究。原先企業的HR部門、財務部門看待世界的角度是不一樣，整個邏輯是完全不一樣的。
所以，我覺得如果要把所有的數據完完全全打通，可能路還很長。
愛分析：打通過程是要有明確的應用場景出來，才能接一部分新的數據？
袁國瑋：我們的客戶有兩種做法，我覺得都是OK的。
一種是現在的IT成本下來了，特別是存儲成本急劇下降，客戶把所有的數據都先采下來放在一起，等以后有機會把這些數據整起來。
另一種更加現實一點，想清楚一個場景，把所有數據先整理起來。不需要的數據先不整理。
我們幫客戶搭的DMP和CDP，下面是一個Data Lake平臺，理論上可以存儲所有數據。事實上，如果分開不同的用戶來看，聯合利華存儲的數據就和通用汽車不一樣，這就是基于他們對自己業務需求的理解。
愛分析：實際落地上，進入到一個企業，基本上是客戶有一個新的需求，宏路數據去接新的數據，從底層往上層應用走？
袁國瑋：我們現在服務的基本上全是500強客戶，這種數據的整合需求，一個小的企業搭建數據中臺的可見效益不多，一定是大企業可以很直觀就能感受到它的效益，無論是營收增長還是降低成本。
因為數字化轉型已經變成全球風潮，大企業現在都有想法是不能落伍，要做數字化轉型。大家現在基本上有共識是要把平臺搭起來，先把比較通用的事情做起來。
下面是個Datahub，客戶的架構幾乎是一樣的，上面是用戶畫像，包括DMP和CDP。DMP是以Device ID為基準，CDP就是以CRM這些用戶實名數據。然后客戶會做統一身份識別。
現在大家做的時候，先把底層的技術中臺和數據中臺全部準備好，形成統一的用戶畫像，上面一個個去對接客戶的前臺應用。
我們也在服務一些稍微小一點客戶，比如像一些商業地產，這些客戶往往就是從一個觸點上往下走。目前來說，我們看到的這個案例是偏少數的，因為你要在單獨的一個消費者觸點上面，到最后能夠驅動整個企業的大腦，其實從組織結構上就有點逆向。
最多只能在自己管轄的范圍之內，建一個小腦，又變成原來一樣的，每個部門建一套自己的平臺。
營銷不等于廣告，營銷應當是萬億級市場
愛分析：下一步會考慮延伸到其他領域嗎？客群本身會不會延伸到其他行業，不僅僅局限于品牌主？
袁國瑋：在我看來，營銷天花板低是整個市場對我們這種公司的誤解。
我們自己在融資過程中也發現，其實營銷和廣告是兩個不同的概念，廣告只是營銷中間很小一部分。今天所有的全球軟件巨頭，Adobe、Oracle、SAP等公司，全在收購跟MarketingCloud相關的公司，說明最大的一部分市場就在營銷。
如果按照廣告技術來分，我覺得也就是200多億的市場，但營銷是遠遠大于廣告的。從幾年前來看，我們做的就是Marketing Cloud事情，但在今天我們拿的實際是數字化轉型的預算。坦率來說，我認為這個市場是不可限量的。
我們有一個客戶是全球頂尖公司，才服務他半年，我們非常有信心是說到今年年底，營收上他就可以成為我們最大的客戶。這在我們公司過去的歷史上，從來沒有發生過的事情。當一個大的客戶把他的數字化營銷的整個技術和數據中臺放到我們這里，用中臺去指揮他所有的營銷業務，你會發現原來市場有那么多的錢。
我們現在在切割的是傳統的客戶花在整個營銷上的錢，客戶把整個數據中臺搭好，他慢慢地會發現，原來那么多供應商沒有什么價值。
如果按照美國的研究報告，營銷占整個支出的30%左右，在中國至少就是幾萬億的市場，根本不是一個幾百億的市場。這個市場已經很大了，我現在根本沒有想法，我覺得在未來的五年，我們都沒有想法脫離這個市場。
現在我們看到，這個世界在營銷側發生巨大的變化，中國很多事情不是漸進的，都是倒逼改革的。美國MarTech很早就很興起了，MarTech公司都能賺到錢。
中國過去十年里面，錢基本都在廣告主那一側的公司，MarTech公司中間沒有賺到錢，中國是沒有漸變，今天錢都會迅速流向我們這類公司。
愛分析：您提到營銷占整體支出的30%，過往其實廣告投入也就是GDP的1%左右，剩下的營銷預算過往投到哪里了？
袁國瑋：從技術角度來看，以前講的是自動化，今天講的是數字化。自動化和數字化最大的差別就在于，自動化是幫人提高效率，原來可能是要十個人做的，今天我可能只要兩個人做。
在決策者的印象，其實就是你幫我省了多少錢，我付一個百分比給你。或者是說，他覺得這是一個工具，沒有人會愿意為工具付很多錢。
數字化是，今天在整個市場上，企業決策者把整個生意都看成數字化，依托于數字化在經營業務，大家會把網紅帶貨這件事情看成數字化。在老板腦海里，他會覺得生意是跑在你這個平臺上面，這是一個觀念上的改變。
一家傳統實體企業，最后一層零售商有一半的毛利，比如一個杯子10元，最后一個零售商會賣20元。今天數字化的意思是，我有更好的方法，讓企業能夠以20元賣給消費者，我的價值有多少？
在整個鏈條中，宏路數據這樣的公司不是幫經銷商，給工具更快把產品賣出去，而是直接就把這個產品在我平臺上賣出去了。
站在老板角度來說，宏路數據這樣的公司也至少應該拿50%。對這個企業來說，原來就要支出50%，只是在今天重構了。我跟最后一層零售商說，今天我驅動你來做這件事，我們五五分成。所以，對企業主來說，他付出的錢是一樣的，整個產業互聯網里面的錢是一樣的，但是這個錢落到哪個口袋已經發生了巨大的變化。
原來我們的天花板可能是100-200億，但是經過重構后，我們的天花板已經是10倍、100倍的擴張。
愛分析：為什么中國營銷自動化公司沒有做得特別大？
袁國瑋：我覺得之前時間點沒到，現在時間點到了。大邏輯上說，軟件其實根本上解決的是個效率問題，當其實像Marketo這樣公司，國內很多大企業，特別是全球企業，其實都在用它，比較清楚效率帶來的好處。
國內沒有誕生這樣的企業，并不是說他們沒有這樣的需求，而是說今天他們沒有愿望為這個需求付錢。中美軟件原來有個最大的區別就是說，美國軟件公司做出來軟件認為用戶都是受過良好訓練的，中國做出來的軟件，都認為用戶是小白。
對小白來說，知道結果就行，沒有必要搞清楚中間的東西，導致了很多Agency做了中間的事情，但這些Agency也沒有想法為這個業務付錢，因為他覺得人力也很便宜。整個利益鏈條，大家都不需要這個東西。
今天形勢發生大變化，人工越來越貴，我們現在有幾個業務機會都是Agency，老板希望一半人可以被機器取代，這時候就會想營銷自動化的事情。
很多大的廣告公司，內部其實都有系統，這些系統為什么沒有搬出來，因為廣告公司覺得這個搬出來沒有什么價值，真正也賣不了多少錢，還不如做廣告賺錢。
進入到數字化時代，仍然需要理解場景
愛分析：如果未來是基于數字化的，那是不是意味著不需要懂場景？完全基于數據去驅動業務？
袁國瑋：我不這么認為，我覺得場景是很重要的一件事情，這就是為什么我們現在在增強我們分析師的能力，以前我們更多的都是運用機器學習來做。
不是說機器學習不好，而是說閉環的數據流轉周期有多長。廣告行業，坦率來說，我們在DSP等廣告投放上面，幾乎我們不需要數據分析師。我們完全依靠機器學習，因為他迅速給反饋，而且可以每天不間斷地試，機器一定比人強。
當線上線下相結合的，閉環周期回來很長，讓機器學習是可以，但要學到一個能讓客戶比較滿意的點，需要的周期太長了。我們就需要懂場景和懂行業的人，告訴我這個行業的通識，我們可以迅速縮短機器不必要的嘗試，能夠迅速達到大家都滿意的點。
再往后，就不是懂場景的人能夠解決的。一旦我們平臺搭建好，我們可以產生實時報表。從技術角度，我們覺得是很正常的事情，但對客戶來說，這是一個天翻地覆的革命，他會覺得產生巨大商業價值。
我們在某餐飲巨頭，他發優惠券，只要實時報表出來，能夠極大降低“羊毛黨”，讓他省很多錢。如果靠分析師來分析“羊毛黨”，這需要很長的周期，這就是數據技術帶來的好處。
愛分析：這種咨詢能力是與行業緊密結合的，沒辦法跨行業復制，所以就只能一個個行業做？
袁國瑋：所以，我們在今年就開始收縮戰線了，比一般企業收縮戰線要早很多。我們主動在業務剛起來的時候，就講究縱深。根本上，我們是用數字化去顛覆咨詢公司。當然咨詢公司也看到了這點，這些公司都在瘋狂收購技術公司。
愛分析：今年重點是哪些行業？
袁國瑋：因為要兼顧自身體量，所以我們主要是收縮到幾個方向。一個是快銷行業，像肯德基、優衣庫、聯合利華等，另外一個是汽車。
（轉載自：愛分析研究微信公眾號）
