可口可乐 X 防伪营销码，小红包撬动大数据！

原创了不起的数字化星球

企业唯有牢牢掌握用户数据，才能在当下互联网时代中“一展拳脚”。倘若没有把控好自己的用数据，品牌商就像高速公路上的瞎子或聋子，死路一条！品牌商有了自己的用户大数据，就可以摆脱各类中心化平台垄断与束缚，并实现自我创新、自我转型！

融合一种创新、是发展数字经济的关键性因素。作为碳酸饮料界最伟大的发明“可口可乐”，130年来历久弥新，屡创营销界经典传奇。为了让品牌营销更具数据化，近日，可口可乐与米多大数据引擎完美融合，米多利用自己的互联网经验、方法论、技术等帮助可口可乐完成新一轮的战略部署。

可口可乐首遇米多大数据引擎

创造消费者、零售商双获利的“经典”

与米多大数据引擎达成共识后，可口可乐首先启用“防伪营销码”，打造「新年喝可口可乐收现金红包」营销活动。终端消费者、零售商在购买带有“新年喝可口可乐收现金红包”促销标志的整箱产品后，撕开包装塑膜，在内侧找到抽奖二维码，扫描该二维码赢取现金红包，综合中奖率100%。

投放红包的力度作为快消品来讲也是前所未有，在如此“诱惑”的奖励下，迅速引发终端消费者们购买欲望，最重要的是提高了终端零售商对可口可乐的推销欲望。

为什么？由于可口可乐采用的是整箱销售的营销策略，对于普通消费者而言，整箱购买的机率相对较小，但就终端零售商而言，大批量采购是无可厚非的，特别是超市、餐厅、便利店等，再加上100%中奖的引诱，最高奖励是99元，终端零售商何乐而不为呢？

而且，一旦开箱了，就意味着产品必须消耗掉。这可是一场套环式的“销售”，普通消费者买了开箱就会喝，终端零售商开箱了就需要推销。对于可口可乐而言，是一个双赢的局面，不管是渠道销售的任何环节都能形成闭环。

日扫码量翻倍

销售额提升12%

粉丝数倍增

可口可乐通过防伪营销码，获取终端零售商数据，短短半个多月内，整个山西市场反响巨大。据可口可乐反馈，收集的零售商数据已过4万，分布在省的各个角落。

通过箱码刺激零售商对饮料的开箱率，上架率、货品陈列。刺激零售商重复推荐产品，提升产品的销售量。在种种诱惑力下，可口可乐的日均扫码量已超5万，销量相比往年同期增幅12%。

从数据可以看到零售商对当前活动的积极配合情况，每天新增零售商扫码数据也以10%的速度递增，箱码扫码次数超过5次以上（即复购率）的零售商占比为70%。这说明越来越多的零售网点在参与扫码活动，在售卖自己的产品。

防伪营销码的执行，对可口可乐来说，可不是简单意义上“提升销量”，可口可乐更加注重的是用户黏性。由于米多大数据引擎是以二维码为入口，公众号为载体，通过用户的扫码行为，可口可乐在用户/粉丝经营上完成了前期的部署，所有用户将留存在公众号上，而且通过米多大数据引擎可以清楚的分析用户的来龙去脉。

如今，可口可乐公众号粉丝已超过5万+。

为何可口可乐选择一物一码？

深度剖析后，解决市场动销是关键

随着消费升级，新兴的品牌也随之萌生。据统计，每年国内新增的品牌商不下500家，众多品牌商形成了“百家争鸣”的局面。不少新兴品牌商冲击着老字号品牌，对于品牌商而言，想脱颖而出，最核心的问题就是解决市场渠道的动销。

想解决动销难的问题，关键在与建立与消费者的链接，将营销资源有效的投入用户的营销上。但，长期以来，厂家一直苦于无法使自己的营销资源准确投放到用户身上。中间环节截留、环节多效率低，无法准确掌控目标用户画像，营销盲目。

面对关乎企业至关重要的“痛点”，可口可乐采用米多大数据引擎一物一码，其模式概括起来是：刺激用户首购、建立链接增强粘性、构建账户体系、实现用户资产私有化。

凭借米多大数据引擎的各类互动、营销工具，引导用户扫二维码，顾客领取红包，完成提高用户的购率。
利用公众号的时效性，与用户产生高频互动，同时可以进入抽奖商城，用红包、积分、抽奖等各种有效方式，打造顾客粘性。
收集用户的各种数据，并采用米多大数据引擎系统的会员管理机制，建立用户账户体系，从而深度绑定用户。
最后，在获取用户的一切数据后，就可获悉目标消费者的变化特点，用更多的线上手段扩大对目标消费者的影响。把流量导入线下商品，影响顾客选择商品。

一物一码，不仅拉动可口可乐终端动销，还逐步使用户产生消费习惯、产生品牌信任，实现用户资产私有化。

掌握用户数据

直接影响企业决策

企业会越来越意识到数据的重要性，如果把企业形象的比喻为一辆汽车，那数据就好比油料。但汽车要开动，再大的油箱装了再多的油料，没有汽车引擎也是没法开动的。大数据引擎就是把数据的能量释放出来，推动企业向前发展！

这是个大的理念，至于大数据引擎能释放出什么能量，还要看油料是啥？！以消费者的数据举例，如果输入的是消费数据，那大数据引擎能够挖掘的就是消费者数据的价值，例如帮助企业了解自己的客户画像？除了基本的男女、地域、兴趣之外，还可以反映出客户的消费习惯、频次。配合适当的算法，就可以推断出客户下一次购买会出现在何时？每一年又有多少的老客户流失了，新增了多少新客户。