揭秘:车企如何利用5R模式在数位行销领域取得突破

01 车企进入“大逃杀”时间

汽车行业一边是出口“捷报频传”,一边是内销“压力山大”。

内销的难,在之前中部某省的政府“骨折价”补贴掀起的“价格战”中已经可见一斑。这一颇具标志性的事件反映了汽车行业,尤其是燃油车行业正处在巨大的转折期。在这样的转折期内,车企要么开拓自己新的生存空间,要么可能走向衰落甚至消失在残酷的市场之中。与之相对应的,车企的营销策略,也必然需要转型。

但车企的营销,走到今天,积累了太多痛点:传统的线上获客渠道的效率在打折扣(比如垂直门户),而且数据也不透明;原来的经销商模式也越来越不适应市场环境的变化,已经开始出现经销商倒闭潮便是明证;而造车新势力则来势汹汹,裹挟大量的资本冲击市场,导致整个行业出现明显的“亏钱效应”。

难,太难了。简直是“大逃杀”,不能杀出一条血路,自己就会变成那条血路。

增量市场变成存量市场、卖方市场变成买方市场,车企想在这场大逃杀中突围,并不简单,不是某个单一领域的努力就能解决。车企不仅需要产品的升级和差异化,还需要提升整体服务体系的品质,更需要大幅度提升品牌认知和赞誉。但要提升自己的“三力”:品牌力、产品力和服务力,车企需要在真正理解消费者的前提下才能实现。

02 强化“三力”必须建立在理解消费者的基础上

无论是品牌力、产品力还是服务力,都必须建立在理解消费者的基础之上。

比如,你要强化自己的品牌,那么,就必须知道自己品牌在消费者心目中现有的样子是什么。要想强化或者升级自己的产品,也需要理解消费者对你的产品的认知。服务,也同样需要理解消费者最期待的差异化服务是什么。

但,今天的困难在于,车企理解消费者的难度很大。大部分车企,能够拿到与消费者留资相关的数据,但是对于消费者人群更为复杂多样的行为和属性,例如旅程还原、各种品牌在他们心目中的认知和喜好、消费者的兴趣等,基本上一无所知。

因此,腾讯广告提出了以5R模型为核心的诺亚计划,通过数字化洞察全域用户人群的流转归因,帮助车企更好地理解消费人群,从而更好构建自己的品牌力、产品力和服务力。

(1) 汽车行业营销的5R模型是什么

5R模型是腾讯广告营销的关键性基础模型,也是腾讯为汽车行业量身打造的赛道竞争力提升利器。

5R,分别指Reach(R1)、Respond(R2)、Resonate(R3)、React(R4)、Ripple(R5)。是指在消费者购车的过程中,从接触到相关汽车的商业信息,到最终购买并持续成为长期顾客的过程。

Reach,是指品牌推广信息触达到消费者;Respond,是指消费者对推广信息有反应,开始主动接触相关信息,并与汽车品牌进行浅层次的互动,或是品牌多次reach到消费者,从而让消费者产生了互动;Resonate,是指消费者的购买倾向已经受到影响,并主动开始寻求更多的信息以帮助他进行购买决策;React,则是指消费者已经开始发生购买相关的行为,例如留资、到店、下订等;Ripple,是指消费者成为车企的客户,并在长期用车过程中,持续与车企发生互动与交易的过程。

Reach到Ripple这五个阶段,我们用R1到R5指代。

ima1

5R模型的核心,在于帮助车企识别消费者人群处在5R中的哪个阶段,以及他们在不同阶段时,品牌对他们施加的影响有多大。

比如,某些消费人群已经处于要买什么车型的具体决策阶段(R3即Resonate阶段)了,基于5R模型的数据分析能够识别出他们正处在这个阶段,那么,我们对他们的推广就没有必要只是聚焦在做品牌曝光上。同时,如果我们还能知道,他们在R3阶段中,已经更倾向于某类车型,那么我们的营销就可以更有针对性地去做影响。

5R模型的价值不仅于此。它能够帮助车企深入了解自己的消费者资产,也能帮车企进行科学的数字营销归因,还能实现更好的营销决策。下面我们具体看看腾讯广告如何基于5R模型分析,帮助车企实现更好的数字营销转型。

(2) 用5R模型实现对车企消费人群资产的深度洞察

首先,平台可以通过5R模型,帮助车企了解到自己的总人群资产及5个R的层级细分情况,也可以了解自身人群资产和汽车市场人群资产基准情况的对比。

腾讯广告对于人群处在5R的哪个阶段,来自于它对不同用户群体的洞察,以及车企在合规授权下上报的一方数据。依托于全面的社交流量生态覆盖和品牌公私场域联动,“诺亚计划”的5R模型能够提供全域视角下的人群数据洞察,帮助车企快速辨识出5R人群。

当然,基于5R模型生成的数据分析,还可以帮助车企洞悉不同流量类型的5R人群分布以及不同时间阶段的人群变化趋势,来观察车企的营销效果。通过从R1到R5的汽车品牌人群资产层级对比分析,我们能发现很多有意思的东西。

ima2

比如上图中,品牌A在经过一个月的营销后,R3(受到影响的人群)增长喜人,但是,转化为下订的情况却不理想。品牌A应该考虑如何促进消费者从“感兴趣”到“愿意买”的转变。

从上面这个例子可以看出,了解 R1到R5的人群分层状态,能够帮助车企更好地剖析自己在市场投入的重点领域,以及发现自己在人群资产上的“薄弱点”。

(3) 用5R模型实现对营销受众“心态”的洞察

5R人群资产的洞察,不仅仅是静态的,而且可以是动态的,这对于车企分析自己的营销策略和效果很有意义。

举个简单的例子,我在某车型上市前做一次自己品牌的5R人群透视,发现人群的5R分布发生了一定程度的变迁,如下表所示,表中的数据意味着这次投放在促进人们与车企产生浅层互动上起到了相当不错的作用。

ima3

除了表层的数据变动外,我们也需要深入了解消费者,对于品牌的内心偏好。从品牌A的用户摇摆率数据分析中,我们可以看到,相比于R1、R2,品牌A的R3层用户的摇摆率最低,品牌忠诚度较高。对于平均购车决策周期长达5.1个月的汽车行业而言, 如何牢牢巩固住R3用户的心智影响、扩大这一用户人群比例,是车企营销增长的重要方向。

ima5

同时,我们也可以结合时间维度的数据分析,来研究消费者的心态,例如,过了一个月之后,仍然留在原层级的消费者数量。在这个趋势中,我们看到的是在低位的层级(如R1、R2)的比例在缩小,而在高位的R4层级人群在增加。

ima4

通过5R模型的分析结果,我们也可以看到哪些广告的投放,更有可能让消费者发生心态上的转变,例如下图所示,核心人群追频曝光能够更好将消费者从R1层级转化到R2层级。

ima6

同样,公众号和微信内的搜索,以及小程序互动,能够促进消费者从R3层级转化到R4层级。

ima7

了解消费者层级的迁移情况,对于车企的数字营销有非常重要的价值。它不仅仅能够为我们提示风险(例如,看到R3层级的人,“下滑”到了R2层级,这意味着部分人群正在远离我们),也能够给我们展现我们需要在推广上做出针对性努力的方向(例如通过摇摆分析)。

(4) 用5R模型对车企的线索转化能力进行洞察

在“诺亚计划”中,特别将留资人群(线索数量)作为一个核心的数据进行洞察。

例如,它能够帮助车企看清市场线索竞争情况,提供行业赛道的线索池总量以及线索策略的基准。并且我们结合5R的分析情况,来了解已经触达过的人群,到底留资转化了多少,是很有意义的一个指针,它展示了消费者是否真的对我们兴趣。

如下图所示,品牌A能获得的留资量占该品牌整体潜在线索人群的16.9%,不到五分之一。虽然大量的消费者都被品牌A触达过,但其中只有一小部分与企业进行了更深入的互动。而没有深入的互动,也就难以转化为实际的留资。

ima8

而没有深入的互动,也就难以转化为实际的留资

而对于品牌B来说,则是另外一番景象。品牌B首先要解决触达的问题,因为大量的线索池中的品牌目标人群并没有被触达,也就让这些人留资的可能性很低。增加品牌投放,增加触达,能够改善这一状况。

ima9

品牌C在将近一半人群未触达的情况下,能够与已触达的消费者进行良好互动(R3人群占比不错)。这可能预示着C能够在私域端大有作为,但在品牌投放的前链路营销上,仍然需要花更大力气。

ima10

平台通过5R模型为车企提供的立体化线索分析视图,能够帮助车企识别自身的线索获取态势,并直观展现线索转化的过程。无论是还有多少获客空间,还是发现存在哪些留资转化的短板,都可以一目了然,有的放矢。

(5) 用5R模型发现更有效的内容

除了投放流量(投流),内容也是对消费者进行营销的重要手段。5R模型与内容营销的结合,也能帮助车企实现更深刻的消费者洞察。

例如,根据腾讯广告的5R模型分析,我们可以查看自己品牌和车型相关内容的渗透情况,看看这些内容能够影响到多少比例的目标消费者。此外,还可以比较品牌人群受到的不同渠道的内容影响情况。例如,品牌B的人群,受视频号的影响最多。

ima11

当然,腾讯广告为汽车企业提供的“诺亚计划”,能够更进一步提供品牌整体人群或5R各层级人群的偏好,以及内容质量分析。例如,某品牌人群对于科幻类动漫IP有更高的兴趣。在相应内容推送消费者后,我们也可以基于目标人群与内容的交互情况,进行内容质量的科学评估。

ima12

对已经转化的人群,也可以回溯他们此前内容消费的旅程,从而实现营销效果的归因。

03 5R在数字营销突围中的实际应用

上面的这些例子,在具体车企的应用中,有非常多的场景。

例如,某车企一直大量投入品牌推广,但是留资转化却一直不理想。通过5R模型的分析,一眼就能看出R2人群在转向R3的过程中存在严重的问题:R3人群的比例太小。增加触点、优化公私域协同、提升私域能力,是这家车企立即就要着手进行的。5R模型让他们的营销立即变得有的放矢。

又如,某个车企的品牌发现自己的摇摆人群,不是纠结于是否购买其他车企的产品,而是摇摆于自己的另一款产品。进一步的分析发现,两款产品价格相似,但是两款产品都有让消费者“又爱又恨”的部分,刚好一个产品的长项是另一个产品的短处,所以消费者特别纠结。

基于这样的分析,改进产品,推出一个价格略贵,但刚好弥补二者短处的更好的产品,结果获得了更多的R4人群。

从这些能力和场景看,腾讯广告的诺亚计划,以及其背后的5R模型,最核心的价值,是能够给转型时期处于困惑中的车企营销方向和策略的确定性,并且基于5R模型的能力,构建更具针对性更能强化优势和弥补短板的数字营销。

原文请点击:创新指南|车企如何利用5R模型突围数字营销查看

1000+热门创新案例,请点击:Runwise创新社区 https://runwise.co/ 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/136528.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

python实现一个简介桌面倒计时小程序

本章内容主要是利用python制作一个简单的桌面倒计时程序,包含开始、重置 、设置功能。 目录 一、效果演示 二、程序代码 一、效果演示 二、程序代码 #!/usr/bin/python # -*- coding: UTF-8 -*- """ author: Roc-xb """import tkin…

HslCommunication模拟西门子读写数据

导入HslCommunication C#端代码(上位机) 这里要注意的是上位机IP用的当前电脑的IP。 using HslCommunication; using HslCommunication.Profinet.Siemens; using System; using System.Collections.Generic; using System.ComponentModel; using Syste…

Linux之基础开发工具gdb调试器的使用(三)

文章目录 一、Linux调试器-gdb使用1、安装gdb2、背景3、Debug和release4、区分Debug和release 二、Linux调试器-gdb命令演示1、显示指定行之后的代码(自动记录最后一条指令)2、断点1、打印断点2、查看断点3、删除断点4、使能(禁用/开启&#…

基于C#+WPF编写的调用讯飞星火大模型工具

工具源码:https://github.com/lishuangquan1987/XFYun.SparkChat 工具效果截图: 支持流式输出: 其中ApiKey/ApiSecret/AppId需要自己到讯飞星火大模型官网去注册账号申请,免费的。 申请地址:https://xinghuo.xfyun.cn/ 注册之…

Leetcode—2469.温度转换【简单】

2023每日刷题(二十六) Leetcode—2469.温度转换 实现代码 /*** Note: The returned array must be malloced, assume caller calls free().*/ double* convertTemperature(double celsius, int* returnSize) {double* ans (double *)malloc(sizeof(do…

ValueError: ‘x‘ and ‘y‘ must have the same size

ValueError: ‘x’ and ‘y’ must have the same size 问题描述 出错代码 axes[0].errorbar(dates_of_observation, observed_lai, yerrstd_lai, fmt"o")X是观测的日期,16天,而且数据也是对应的16个,为什么不对应呢?…

字节面试:请说一下DDD的流程,用电商系统为场景

说在前面 在40岁老架构师 尼恩的读者交流群(50)中,最近有小伙伴拿到了一线互联网企业字节、如阿里、滴滴、极兔、有赞、希音、百度、网易、美团的面试资格,遇到很多很重要的面试题: 谈谈你的DDD落地经验? 谈谈你对DDD的理解&…

C++语法---模板进阶知识

绪论​ “那些看似不起波澜的日复一日,会在某天让你看到坚持的意义。”本篇文章主要写到非类型的模板参数、模板的特化、模板的分离编译问题、以及适配器和仿函数的使用讲解,在之前已经将模板的基本使用进行了学习(可见c模板)话不…

fastANI-基因组平均核酸一致性(ANI)计算

文章目录 简介安装使用Many to Man-使用基因组路径作为输入One to One 结果其他参数说明可视化两个基因组之间的保守区域并行化 简介 FastANI 是为快速计算全基因组平均核苷酸同一性(Average Nucleotide Identity,ANI)而开发的,无…

【学习笔记】Understanding LSTM Networks

Understanding LSTM Networks 前言Recurrent Neural NetworksThe Problem of Long-Term DependenciesLSTM Networks The Core Idea Behind LSTMsStep-by-Step LSTM Walk ThroughForget Gate LayerInput Gate LayerOutput Gate Layer Variants on Long Short Term MemoryConclus…

java--JDBC学习

文章目录 今日内容0 复习昨日1 JDBC概述2 JDBC开发步骤2.1 创建java项目2.2 导入mysql驱动包2.2.1 复制粘贴版本2.2.2 idea导入类库版本 2.3 JDBC编程 3 完成增删改3.1 插入3.2 更新3.3 删除 4 查询结果集ResultSet【重要】5 登录案例【重要】6 作业 今日内容 0 复习昨日 1 JDB…

二十五、城市建成区结果制图——复杂图的制作

一、前言 有些时候看到一些参考文献中有些很复杂的图,例如多幅合并在一起,其实这种图本质上就是单一的图合并在一起,然后将其导出即可。 二、具体操作 其实对于制图必备要素的添加就不过多介绍,主要介绍有什么办法保持图形之间一致性,例如,其图例、指北针、比例尺统一…

vColorPicker与vue3-colorPicker——基于 Vue 的颜色选择器插件

文章目录 前言样例特点 一、使用步骤?1. 安装2.引入3.在项目中使用 vcolorpicker 二、选项三、事件四、问题反馈问题所在安装引入例子效果图 前言 vColorPicker——官网 vColorPicker——GitHub 样例 vColorPicker是基于 Vue 的一款颜色选择器插件,仿照…

自定义Graph Component:1-开发指南

可以使用自定义NLU组件和策略扩展Rasa,本文提供了如何开发自己的自定义Graph Component指南。   Rasa提供各种开箱即用的NLU组件和策略。可以使用自定义Graph Component对其进行自定义或从头开始创建自己的组件。   要在Rasa中使用自定义Graph Component&#x…

Oracle(2-1) Networking Overview

文章目录 一、基础知识1、Network Environ Challenges 网络环境挑战2、Simple Network :2-Tier 简单的两层网络3、Simple to Complex : N-Tier 简单到复杂:N层网络4、Oracle Network Solutions Oracle网络解决方案5、Key Features of Oracle Net Oracle Net的主要功…

Linux必备:这十个流程图让你变的更强!

图是我们与信息联系并处理其重要性的绝佳方法;它们有助于传达关系和抽取信息,并使我们能够可视化概念。 从基本工作流程图到复杂的网络图,组织图,BPMN(业务过程模型和符号),UML图等等&#xff0…

关于值传递和引用传递的问题记录

目录 1. 问题概述 1.1 测试 1.2 结果 2. ArrayList和Arrays.ArrayList 1. 问题概述 最近忙着写论文很久没更新了&#xff0c;趁现在有时间简单记录一下最近遇到的一个坑。 对于Java中的List<>类型的对象&#xff0c;按我以前理解是引用传递&#xff0c;但有一点要注…

第一百七十回 Material3中的IconButton

文章目录 1. 概念介绍2. 使用方法2.1 filled风格2.2 filledTonal风格2.3 outlined风格 3. 代码与效果3.1 示例代码3.2 运行效果 4. 内容总结 我们在上一章回中介绍了"如何修改NavigationBar组件的形状"相关的内容&#xff0c;本章回中将 介绍IconButtion组件.闲话休…

【入门Flink】- 10基于时间的双流联合(join)

统计固定时间内两条流数据的匹配情况&#xff0c;需要自定义来实现——可以用窗口&#xff08;window&#xff09;来表示。为了更方便地实现基于时间的合流操作&#xff0c;Flink 的 DataStrema API 提供了内置的 join 算子。 窗口联结&#xff08;Window Join&#xff09; 一…

数据结构—内部排序(上)

文章目录 8.内部排序(上)(1).排序基础#1.为什么是内部排序#2.排序的稳定性 (2).冒泡排序#1.算法思想#2.代码实现#3.稳定性与时间复杂度分析 (3).选择排序#1.算法思想#2.代码实现#3.稳定性与时间复杂度分析 (4).插入排序#1.算法思想#2.代码实现#3.稳定性与时间复杂度分析 (5).希…