市场分析
行业入门指南 · 10 个小节 · 约 9 分钟 · Energy Juice Consulting
目录（10 节）
这几年，如果你仔细观察招聘市场，会发现一个非常明显的趋势：越来越多的Marketing岗位开始强调数据能力。哪怕职位名称仍然叫Marketing Manager，JD里也会出现SQL、Google Analytics、A/B Testing、Dashboard、Attribution这些字眼。
这是因为Marketing已经发生了本质变化。
过去做营销，更多依赖创意、品牌和经验。广告投出去，更多看曝光量和点击量，决策依赖历史经验。但今天几乎所有线上行为都可以被追踪：用户来自哪里，点击了什么，停留多久，在哪一步流失，是否复购，都可以被量化。
在这种环境下，企业不再满足于“流量很多”，而是开始追问：
这些流量是否转化？
是否带来长期价值？
是否值得继续投入预算？
Marketing Analytics正是在这样的背景下快速发展起来的。它不是负责创意，也不是直接做投放，而是通过数据分析帮助企业判断增长是否健康，钱是否花得合理。
在流量成本不断上升的今天，Marketing Analytics已经从辅助角色变成决策支持核心。
综述
Marketing Analytics研究的是增长质量，而不仅仅是增长数量。
举个非常典型的例子。一家电商公司在黑五期间做了一次大型投放，注册人数翻倍，市场团队认为Campaign非常成功。但三个月后，Analytics团队发现这些新增用户复购率极低，整体LTV远低于历史平均值。这意味着这次投放虽然带来了短期增长，却拉低了长期利润结构。
Marketing Analytics的核心工作，就是拆解这些现象背后的原因。
什么是Marketing Analytics
虽然统称为Marketing Analytics，但不同公司内部侧重点差异明显。
在偏重投放的公司里，Performance Marketing Analyst是核心岗位。这类岗位每天都会接触Google Ads、Meta Ads、TikTok Ads等平台数据，分析不同渠道的成本结构。例如，在SaaS公司中，可能需要比较LinkedIn广告与Google Search广告的获客成本差异，并结合用户后期付费情况判断哪个渠道更值得长期投入。
Growth Analyst则更偏向增长结构拆解。例如，在一个App产品中，注册用户很多但活跃度不高，Growth Analyst会去分析用户路径，看看是注册流程复杂，还是新手引导设计存在问题。
Lifecycle或CRM方向更偏长期用户管理。在订阅制产品中，这类岗位会分析用户在第30天、第60天的留存情况，研究什么样的用户更容易续费，以及如何通过Email或Push通知提升留存。
此外，一些大型公司还会设立Marketing Modeling岗位，做归因模型或
Marketing Mix Modeling（MMM）。例如，当一个用户在三天内分别看到Facebook广告、Google广告和YouTube广告，最终在Google搜索后转化，如何分配Credit？这类问题就属于归因分析范畴。
Marketing Analytics里的五花八门
做Marketing Analytics的优点
首先，这个岗位非常贴近收入核心。无论是电商、SaaS还是金融科技，
Marketing预算往往直接影响收入规模。Analytics团队参与预算结构讨论，因此能更清晰理解企业的盈利逻辑。
其次，它技术门槛适中。相比Data Science岗位，通常不要求复杂算法背景，但仍然需要结构化思维和基础统计能力。这使得它成为很多希望进入数据领域但不想走纯工程路线同学的理想选择。
常见分析问题包括：
为什么某个渠道的CAC突然上升？
为什么转化率在移动端明显低于PC端？
为什么某类用户的留存率显著高于其他人群？
如果预算减少20%，对收入的影响有多大？
这不仅需要数据能力，还需要商业理解。Analytics的价值不在于“算出来”，而在于“解释清楚并提出建议”。
未来发展路径
第三，职业延展性强。做几年之后，可以转向Product Analytics、Growth Manager甚至战略岗位。在SaaS公司里，很多Growth Lead都是从Marketing Analytics背景出身。
当然，挑战也很现实。因为结果高度量化，一旦增长放缓或广告效果不佳，Analytics团队往往要承担解释和优化压力。因此，这个岗位需要理性、稳定和抗压能力。
Marketing Analytics需要平衡型能力。
数据分析是基础。熟练使用SQL查询数据、用Excel做分析是入门要求。你需要会写窗口函数、分组计算留存率，而不是只会简单SELECT。
统计与实验设计同样重要。比如，在做A/B Testing时，你需要理解样本量计算和显著性检验，知道什么时候结果具有统计意义，而不是看到数字高就宣布胜利。
对Marketing逻辑的理解也不可忽视。不同渠道的流量质量不同，不同行业关键指标不同。例如，SaaS公司关注MRR和Churn Rate，而电商公司更关注客单价和复购率。
这个岗位适合逻辑清晰、对数字敏感，同时愿意参与业务决策的人。如果你喜欢拆问题、找原因、讲逻辑，而不是做创意表达，这个方向会更适合你。
在美国市场，Entry Level薪资通常在$70K–$90K之间。Mid-Level可达$100K–$130K，高级岗位在$150K以上。
相比投行或高强度工程岗位，工作时间较为规律。Campaign密集阶段可能会加班，但整体强度可控。
必备技能、适合人群
薪酬、工作时长
Marketing Analytics通常从Analyst做起，前期以数据整理和基础分析为主。随着经验增加，会参与策略会议。
三到五年后，可以晋升为Senior Analyst或Manager，负责多个Campaign数据或带团队。再往上，可能成为Head of Growth或VP级别角色。
横向转型也常见。例如，从Marketing Analytics转向Product Analytics，参与产品优化；或转向Data Science，做更复杂建模。
Marketing Analytics的招聘流程通常包括：
第一步，简历筛选。简历中如果能展示具体分析项目或明确量化结果，会明显加分。
第二步，电话或视频面试。通常由HR或Hiring Manager进行背景核实。
第三步，技术面试。可能包括SQL题或现场数据分析。
第四步，Case Study。很多公司会给一份数据，让你分析转化率下降原因，并提出优化建议。
大型公司实习项目通常提前半年以上开放申请，例如暑期实习往往在前一年秋季开始投递。因此有意向通过实习入行的同学，需要提前准备。
申请流程、时间线
首先，建立扎实的理论基础。理解LTV、CAC、漏斗模型和归因逻辑，而不是只记住缩写。
其次，提升数据能力。多练习SQL，例如计算7日留存率或做 cohort 分析。
第三，积累案例。可以用公开数据做模拟分析，例如假设一个App注册率下降，尝试写出完整拆解逻辑。
第四，关注行业动态。例如iOS隐私政策更新如何影响广告归因，这是实际工作中常见问题。
如何为入行做准备
常见公司
Marketing Analytics岗位几乎存在于所有有线上投放预算的公司。
在电商领域，例如Amazon、Wayfair等公司都设有庞大的营销分析团队，专门优化广告投放结构。
在SaaS公司，如Salesforce、HubSpot、Snowflake等，Marketing Analytics更多围绕LTV、CAC和订阅留存展开。
在金融科技领域，如Stripe、PayPal或Robinhood，这类岗位往往与风险和用户增长紧密结合。
此外，大型咨询公司如Accenture Interactive、Deloitte Digital也设有Analytics团队，为客户提供增长优化建议。
广告平台公司内部，如Google、Meta，也有大量Marketing Analytics岗位，这类岗位通常更偏向平台数据和客户策略支持。
面试考点解析
Behavioral部分通常围绕沟通与推动能力展开。例如：
“如果市场团队不同意你的分析结论，你怎么办？”
Technical部分通常包括三类问题：
第一类是SQL题。例如，给一张用户行为表，计算7日留存率，或分析不同渠道的转化率。
第二类是A/B Testing。例如：
“如何设计一个测试Landing Page改版是否有效？”
需要回答：选择Primary Metric，设定样本量，控制变量，判断显著性
第三类是商业Case。例如：
“某个渠道的CAC上涨了30%，你怎么分析？”
优秀回答通常包括：拆分时间维度，拆分人群，拆分设备，分析竞价环境变化，提出验证假设面试官更看重逻辑结构，而不是记忆公式。