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。因为这1000万人中，可能有800万是羊毛党和低质量的用户，真正值得去营销的可能只有5万人。那么，是直接对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现。营销策略的第一步，是在保证策略的情况下，如何通过不断剪枝或者扩散，来实现成本和效果的平衡。

营销存在的风险是核心问题

凡是对用户的运营，避免不了的就是参与者可能会存在欺诈、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，这个风险一般通过某些标签或者黑名单、灰名单的形式来加以过滤。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。风险的种类很多，但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，无论是基于规则、基于数据、基于算法还是基于目标去解决这个问题，都是必须在营销执行中完整考虑到的要素。

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、后三个阶段，营销的风险策略对于营销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人群存在较多欺诈或者风险，抑或不将这些人群计算为转化，这是政策导引或者名单机制决定的。

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，除了建设响应率的概念之外，也需要通过建立风险评分卡，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。这样的评分卡既可以是针对人群，也可以是针对媒体等。

这与银行在信用卡获客时的审核过程是类似的，也会通过评估不同渠道的风险情况、获客规模等数据，来综合判断未来要推广的渠道和风险之间的关系，并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，在营销前的风险评估中策略是基础，也意味着要在规模和风险成本间要做平衡。

营销中风险监测：反馈是阻断

一旦策略进入执行过程，有诸多超出可控范围的因素，并且会因为流程设计问题，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。营销策略模型在很多情况下是离线的形态，因此难以在营销过程中起到分析和监测作用。而风险欺诈等模型或者策略，则更是很少应用在过程中。

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，比如反复取消订单或退货。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；另外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。

营销过程中的风险具备较为突出的特征，因为很多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，就是典型的在营销过程中进行的详细监测和分析。再比如广告投放的欺诈风险，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

降低营销后风险，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，就是通过对营销中风险进行验证，为下一次营销前风险评估提供数据和分析。

这就像将信贷业务的负样本作为种子数据，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。我们使用的黑名单也属于这一类，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，却没有过程中的良好监测和优化。

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。