行銷5.0是行銷大師菲利浦‧科特勒Philip Kotler、陳就學、伊萬‧塞提亞宛 2021年出版的新書,相較於前幾個x.0版本分別著墨在顧客(行銷2.0)、價值(行銷3.0)及數位(行銷4.0)
1.0 | 2.0 | 3.0 | 4.0 | 5.0 | |
原則 | 產品為中心 | 顧客導向 | 價值驅動 | 從傳統到數位 | 有人性的科技 |
驅動力量 | 工業 革命 | 資訊 革命 | 新一波 科技 | Web 4.0 | 行銷科技 |
價值定位 | 功能 | 功能、情感 | 功能、情感、心靈 | 功能、情感、心靈、自創 | 功能、情感、心靈、自創、人機 |
行銷概念 | 產品開發 | 差異化 | 價值 | 大量客製化 | 個人化 Segment of One |
跟客戶間互動關係 | 1對多交易 | 1對1關係 | 多對多合作 | 多對多共創合作 | 人機協作 |
作者在行銷 5.0 提出了5大要素(大數據、敏捷、預測、情境、增量),5項要素中作者認為大數據、敏捷行銷最為關鍵重要,以敏捷行銷最難執行,因為敏捷行銷需要有扁平化組織、跨領域合作、精實開發、快速試錯調整等能力。
企業組織在轉型邁向行銷5.0的過程中,多多少少會遇到一些難題,
作者舉數據驅動行銷失敗為例,蠻多公司砸了許多錢導入新技術系統後,才開始發現很多大數據應用帶來的成果沒有一開始想像中的好,作者認為造成數據驅動行銷失敗主要有3個原因:
- 公司通常把數據驅動行銷當成IT專案,正確心態應該是當成行銷專案,IT架構技術應該要跟著行銷策略而走,行銷人把整個流程定義出來,讓IT專案遵從整個流程來開發設計,而我個人認為應該是要從使用者的角度出發,設法在商業、用戶體驗以及技術間找到平衡點
- 把大數據分析當成解決任何行銷問題的招式,大數據分析確實有用,但大數據沒辦法取代傳統的行銷研究方法,例如民族誌、易用性測試等,作者認為大數據跟市場研究間應該是互補、增量的關係,我個人想到的案例是Covid-19疫情,疫情剛開始初期,如果利用過往大數據累積的資料來做餐飲、旅遊業相關的行銷應用,過去的AI演算法適用度肯定不高,如果能善用大數據即時分析的能力、訪談、心理研究分析等等,或許能在疫情期間反敗為勝。
- 覺得大數據分析可以自動導航,AI人工智慧常常讓行銷人認為只要把資料數據匯入平台,人工智慧演算法就能解決企業所遇到的難題,實際上大數據工具只能算是一種輔助,還是要透過行銷人員對數據的洞察、以及針對洞察做策略調整
資料矩陣:當行銷策略目標決定後,行銷人可以利用「資料矩陣」事先確定如果想將目標量化,有哪些資料來源不足、甚至是沒有收集到的。
將「分析需求」列出成縱軸、「資料來源」列出成橫軸,從水平的角度來看,以「分析需求」當中的內容分析為例,便可以知道如果今天想做內容相關的分析,需要收集網站、社群媒體的資料;從垂直的角度來看,以「資料來源」的網站為例,可以知道網站資料可以做受眾、內容分析相關的應用。
我個人認為確認資料需求、有否收集、完整一致性等事項,很多公司都交由資料團隊處理,不過若行銷單位、其它部門可以事先收集到對的資料,便能加快數據專案完成的速度,
數位化除了帶給一般人許多便利之外,其實也帶來許多負面影響,作者列出世代差異、世界兩極化、數位落差3大挑戰,共花了3大章節來介紹,很有意思的是作者提到了行銷人員也會因為自己的世代觀念不同,在公司中會有意見想法的衝突,
世代 (出生時間) | 品牌偏好 |
戰後嬰兒(1946~1964) | 消費能力最強,偏愛有名的品牌 |
X世代(1965~1980) | 同上 |
Y世代(1981~1996) | 偏好體驗、而非擁有 |
Z世代(1997~2009) | 偏好體驗、互動 |
Alpha世代(2010~2025) | 偏好互動 |
作者認為接下來10年,X世代是唯一經歷過行銷1.0到行銷4.0的世代,而X世代是最有資格帶領企業轉型服務Z世代及Alpha世代,至於Y世代的角色是協助X世代的好幫手,哪家企業能夠贏得Z世代、Alpha世代的信任,便能在行銷5.0的競賽中獲勝。
雖然戰後嬰兒世代對企業的消費貢獻度最高,Y世代、Z世代擁有獨特生活風格、數位原生能力,其實他們是企業主要建立品牌最大的資產來源,Y世代、Z世代甚至也影響了戰後嬰兒、X世代的消費習慣,所以企業主應該要在價值營收創造跟未來的品牌定位間找到平衡點
總而言之,整本書作者提到的觀點看似簡單,業界也有好多成功案例以及行銷科技應用工具能使用,公司組織在轉型過程中也是需耗費不少時間心力,
這本書推薦給企業高層主管、行銷從業人員、數據相關工作者。