职图专属会员福利，职图最新课程推荐
领取体验码：WELCOME50
享受优惠！
互联网进入下半场，DTC（Direct to Consumer）品牌凭借其贴近消费者、直戳消费者核心诉求、和消费者零距离的市场定位，逐渐成为行业新秀。相比耳熟能详的传统日化、美妆、快消等领域的大牌，DTC品牌大多尚未被市场所熟知，因此潜在消费者往往看重D2C品牌的介绍网站，从而了解品牌定位和产品并进行购买决策。
在消费者时间和信息渠道都愈发碎片化的如今，D2C品牌的战场可谓是争分夺秒，众多品牌方也快速尝到了“数字驱动”的甜头，纷纷尝试聚焦关键性过程指标，例如：下图所示的一张看似简单的汽水广告中，就暗含吸引人的标题、有竞争力的利益点、痛点沟通和解决方法的提供、夺人眼球的配图、适配于手机端小屏幕用户的小尺寸段视频等关键因素。
而品牌方们也愈发青睐于通过数据分析，来可量化地追踪、评估和改善这些关键业务过程指标，从而指导例如销售额等结果指标的达成。接下来，就跟小编一起看看这所谓“全民数据分析、全民转码”的时代到底是个噱头，还是背后真的有数据驱动业绩提升的价值点吧！
除了上述D2C品牌网站营销中利用数据分析研究哪些关键性过程指标可以撬动结果指标的销售业绩提升之外，数据分析也被频繁应用于数字化营销领域。相比于传统的路边广告牌、纸媒、电视广告等营销方式，如今的线上广告横跨社交软件、KOL种草直播、电商平台等多渠道的多触点，因此数字营销届有句流传已久的名言“你知道一半的广告预算是被浪费的，但是不知道哪一半在被浪费”，而这一些，在数据分析时代到来之后得到了缓解。
据统计，仅仅由于数据不全或者质量欠佳等原因，就可能导致21%的营销预算的浪费。而营销数据分析就可以帮助业务人员了解数据流，也就是数据来源自哪里？又将在我们的业务中流向何处？从而帮助营销人员利用数据最大化收入并降低成本；此外，营销分析也可以量化内部和外部数据流，以跨渠道分配预算，在盈利较好的渠道倾斜资源而控制那些营收情况较差的营销途径。因此，营销行业这一个看似纯文科，甚至因为其广告策划等工作内容的影响被归类为艺术类工作的行业，并非只为打赏“全民转码”的顺风车，而是其历史至今都含糊不清的投入产出业态，继续透明和可量化的数据分析来降本提效。
说了这么多数据分析在传统看来偏文科、甚至偏艺术类的营销行业的重要性之后，那么具体哪种编程语言在营销分析中最能发挥其价值呢？答案就在SQL。例如，想要从海量数据源中找到目标关键指标并做业绩表现分析，传统工具例如excel受限于其数据承载量无法支持大规模运算或者数据查询，因此营销分析通常会借力HiveSQL；对于数据源相对较少的品牌方来说，通常MySQL查询语言就足够啦！
以上图为例，SQL查询语言可以帮助我们提取到名为website_sessions这个数据集中，utm_source, utm_campaign, heep_referer这几个数据集中已有列的数据。此外，通过去重统计, 也就是count distinct, website_session_id列，我们可以自定义计算出website_session数据集中不同活动（utm_campaign）对应的网站访问id号个数（website_session_id），从而侧面推测出营销活动的热度。此外，通过order by函数，我们还可以像在excel中操作时候一样，将提取出来的数据子集，按照去重后网站访问id号个数降序排列，这样就可以直观了解到哪些是最有热度的营销活动啦！除了文章最开篇提到的D2C品牌，传统互联网巨头，例如：Facebook（现已更名为Meta）、维基百科、亚马逊、Flipkart和YouTube等也纷纷青睐于利用SQL来管理他们以毫秒真是更小颗粒度为单位产生的数据。这些科技巨头通常会有自建的数据库管理系统（DBMS）来创建和管理其海量数据，并用于后续数据分析时能够方便、安全、高效地存储和检索数据库信息。而MySQL就是其中最著名的数据库管理系统之一。使用SQL，营销人员就可以对大型数据库系统执行查询以提取一段信息，也可以在数据库中插入、更新和删除数据记录等。此外，用户还可以通过create table等功能函数添加新的数据表并创建新数据库。可以说，科技大厂之所以中意SQL，只要因为SQL非常适合在海量数据中左右腾挪，一顿操作猛如虎，分分钟查询处理百万行数据不在话下！SQL在数字营销领域，特别是在电子商务领域发挥着重要作用。SQL帮助数字营销分析师或网络分析师了解用户行为，而这恰恰是电商中最常见的分析抓手之一，即：研究谁是我们消费力最强的客户，谁是我们最容易流失的客户等。数字营销分析师可以在没有IT同事的帮助下，通过SQL语言自助在公司如大海般浩瀚的数据库中查询目标数据，并分析出用户的生命周期和行为偏好等标签信息。此外，SQL还可用于访问公司数据库中的深度用户数据，以及对营销人员赖以生存的Google Analytics、谷歌旗下BigQuery等大厂研发的分析工具直接打通进行纬度添加、纬度过滤等高级查询功能。
经过上述介绍，想必同学们已经跃跃欲试想要学习SQL了吧！没有代码经验的营销同学也别怕，不同于Java、C++等计算机编程语言，SQL严格来说不算是什么高深的编程语言(programming language)，而更多像是数据查询语言(querying language)。SQL作为一种标准的数据库语言，用于创建、操作和检索数据库，尤其是关系数据库。关系数据库意味着数据以关系（表）的形式存储和检索。假设一个表包含关于学生的信息，如学号、姓名、联系电话和班级。这个学生表是一个关系数据库，只有一个名为学生的关系。SQL语言有不同的版本，它们都支持SQL的主要命令，如SELECT UPDATE、DELETE、INSERT和WHERE。简单来说，SQL在有些人看来，是种查询框架固定，例如select xx（列名） from xx （表名）where xx（筛选条件）, 并且易学易会的比全民热捧的python还容易上手的查询语言呢！下面就简单列举一些SQL常用的语法套路，掌握这些语法框架之后，就可以更具自身取数需求在最基本的“主谓宾”，也就是select xx（列名） from xx （表名）where xx（筛选条件）叠加自定义查询内容啦！WHERE：用于指示用户要更新哪些行；未能使用此子句将导致更新每一行。简单老说，使用WHERE就好比在excel中添加筛选器，可以帮助你不必每次都提取数据底表中的全部内容，比如：所有苹果，而是有针对性属性的部分数据，例如：红苹果ORDER BY ：用于查看数据行的顺序，通常默认为降序排列，如果需要升序排列查询结果，需要特别注明order by xx(列名) asc LIMIT：用于限制通过给定命令更新的行数。通常在我们正是提取目标数据之前，提前小范围预览数据使用，例如：我可以limit 100只看前100行数据确认是我想获取的目标数据，在正式提取，这样可以有效降低试错成本COUNT： 用于统计表中数据行数，可以提前了解数据量。如果数据量很大的表，就最好用where进行筛选提高查询效率啦SUM：用于统计表中以数据格式存储的数列的和，类似于excel中的求和功能AVG：用于统计表中以数据格式存储的数列的平均值，类似于excel中的求均值功能MIN/MAX：用于统计表中以数据格式存储的数列的最小/大值，类似于excel中的求最小/大值功能INNER JOIN ：用于将两个表相关联，并指保留两个表中重合的部分。例如：表A中有苹果和梨，表B中有香蕉和梨，使用inner join后新表中只有苹果LEFT JOIN：用于以左表为基础，关联上在左表和右表中共有的部分，是SQL中最常使用的关联语句。例如：表A中有苹果，1元；梨，2元，表B中有香蕉，黄色；梨，绿色，以表A为左表left join后新表中将存储苹果，1元；梨，2元，绿色苹RIGHT JOIN：和left join类似，但比较不常用，因为我们通常会将数据量较大的表作为左表，以此为基础去添加数据量较小的右表中相关信息。这时候如果使用right join，就会出现“大表联小表”的问题造成数据倾斜，查询效率降低的问题
热门行业应用场景未来职业发展路径薪资和相关岗位
为出海品牌负责人、跨境电商从业者、海外电商人士, 提供业务技能精品课程, 突破技能界限，实现职场飞跃。会员全年无限畅学品牌全球化技能：数字营销Digital Marketing, 商业分析Business Intelligence, 数据分析Data Analytics, 电商增长设计Growth Design、电商增长 Growth Marketing。海外业务专家授课, 专家来自：Amazon, Google, Facebook, TikTok, Casper, LVMH等。品牌增长俱乐部会员可以全年无限参加直播, 录播课程，巩固技能知识点、方法论，提升业务能力。同时也不定期举行资源对接、闭门分享会、微信社群等，赋能出海圈人脉拓展。