点此查看智能营销专栏系列文章

营销的策略平衡是风险、成本、效果、人工经验等综合考量，之前我们探讨的营销策略优化和评估是站在最优解的角度考虑的，今天我们则站在最稳健的角度来考虑营销策略问题。

•     营销策略缺少调整和动态平衡

当你有2000万用户，依据策略圈出来了1000万人进行营销，其实这是低效且无用的。因为可能真正值得去营销的只有5万人，但是对1000万人触达还是基于平衡和调整，控制到20万人去触达，这就是智能营销能力的体验。营销策略的第一步是怎么保证策略情况下，不断剪枝或者扩散，却可以平衡成本和效果，比如那1000万人中，可能有800万是羊毛党和低质量的用户。

营销存在的风险是核心问题

但凡是对用户的运营，避免不了的就是参与者会存在欺诈、风险问题。营销策略形成的过程中，在最终一个环节，我们通常会考虑到一定的风险，这个风险一般是通过某些标签或者黑名单或者灰名单形式来加以过滤。但是更多的风险是营销流程设计的缺陷，导致了即时的情况，而这些风险无法事先通过名单的方式进行过滤。

当然营销包括了效果营销和品牌营销、存量和增量两部分。无论是从哪个角度去看待营销策略的问题，风险都是在过程中不断涌现的。而绝不会单纯的通过一个名单或者一个库就能解决问题。风险的种类很多，但是它却是所有营销策略制定和执行中应该始终保持警觉的部分，基于规则、基于数据、基于算法、基于目标都是解决该问题的方法，是营销执行中必须完整考虑的要素。

营销前风险评估策略是基础

套用在金融业对于信贷风险的三阶段评估逻辑，在营销的前中后三阶段，营销的风险策略对于营销大闭环起到了关键作用。在营销策略构建初期，由于没有参照数据，更多依赖于政策和各种名单库，但是我们发现这些库其实并不是为某一次营销策略的人群定制的。因为除了非常明显的黑名单人群之外，其他名单不具备定向场景的营销属性。当然这也看具体情况，比如在通过广告的获新营销时，监测平台和广告主本身会界定什么较多欺诈或者风险，抑或不计算为转化的人群，这是政策导引，或者名单机制决定。

在营销策略构建初期，对于风险的把控，除了上述的已知办法之外，实际上，除了建设响应率的概念之外，也需要风险的评分卡，来综合判定，哪一些是高响应却又是高风险，哪些是属于高响应却是低风险，而这的评分卡实际上可以是针对人群，可以是针对媒体等等。这一点如同银行在信用卡获客时的信用卡风险审核是类似的，最终也会来评估不同渠道的风险情况，获客规模等数据，综合判断未来要推广的渠道和风险之间的关系，不过这时候会借鉴用户的信贷行为数据加以判断，不断调整准入名单和客群渠道选择。因此，同样的营销前的风险评估策略是基础，也意味着在绝对规模和风险成本间要做平衡。

营销中风险监测反馈是阻断

当策略一旦进入执行过程，有诸多超出可控范围的因素，并且会因为过程设计问题，出现新的不可知风险，比如电商平台存在反复退货下单的用户，再比如通过一些漏洞不断进行操作，营销策略模型在很多情况下因为都是离线的形态，因此在过程中开启时难以起到对过程的分析和监测作用。而风险欺诈等模型或者策略，则更是很少应用在过程中。而这里可以说明的一点是，电商平台已经可以基于用户在营销参与过程中的行为，及时侦测并阻断用户的欺诈行为，比如反复推退订单。那么推广开来，首先应保障未来的营销策略模型可以在线实时的处理决策，另一点，可以形成针对营销过程的风险监测，比如对异常流量、点击、转化以及冲突人群的处理。营销场景下的过程风险具备较为突出的明显特征，因为是典型的利益驱动的行为。最终要形成的是阻断能力，以降低成本。比如对羊毛党人群的识别，就是典型的对过程的详细监测和分析。再比如广告监测中的反欺诈，这在营销活动开始前是很难识别的，也需要在营销过程中进行监测和阻断。

营销后风险总结还原是调优

营销后风险，一方面是对过程中风险的验证和确认，另一方面，由于营销需要在线快速敏捷的迭代优化，也是对每一个营销小闭环验证的风险问题进行及时的策略补充。简单的说，就对营销过程风险进行验证，对营销前风险评估提供数据和评估。这就像信贷业务的负样本是很好的种子数据，可用于优化信贷模型和监测，调整信贷整体的获客和执行策略。

我们使用的黑名单就是这一类的典型，是对原始策略的调优，不同的是，这是真实发生的数据，而不是纯粹的策略制定。

很多时候，我们在营销的过程中很容易忽略风险问题，或者只重视过程中的开发、配合、沟通等风险，而一旦发生营销群体的风险问题，就只剩下最后的总结，却没有良好的监测和优化。

由此，我们也将在下一讲讨论实时化的监测和模型策略对于防控风险和营销策略调整的重要性。