跳出大数据剖析误区.docVIP

跳出大数据剖析误区 　　Big Data，大数据，是基于人们在因特网和社交媒体的种种行为而形成的量化信息。随着此类数据的逐步激增，激发起公司、学界和媒体利用这些数据的渴望。其中，公司的高管们十分着迷于通过客户的活动细节（如他们跟谁联系，喜欢什么等）来发现客户的购买倾向。而通过计算机的分类、过滤和建模，可以使基于互联网的数据分析成为现实，更刺激了公司去实践大数据分析的想法。毫无疑问，大数据将成为市场营销领域的下一个游戏规则颠覆者；而在这场变革中，有经验的公司将获得更多的收益。 　　由于数据挖掘的自动化软件在如今已经变得随处可得，很多高管都认为他们可以很轻松地发现以前不明显的趋势、动态。但是，分析本身包含的内容远不止知道某个事实，还需要聪明的分析师提出正确的问题，并作出正确的决策；仅仅回答“是什么”的数据分析不是分析，必须学会询问“为什么”、“接下来是什么”。 　　为了回答这些问题，真正有效利用大数据的全部潜力，公司应该回归基础，而不是继续深陷误区。笔者基25年的市场营销数据分析领域的工作经验认为，有三点基本原则一直是实现有效数据分析的核心。A.依靠基于理论的方法，而不是盲目地进行数据挖掘；B.对客户和市场保持一种大局观；C.坚持干中学。 　　理论假设筑基 　　如果没有理论告知分析师，消费者如何形成偏好并付诸行动，那么分析师很快就会被潮涌般的数据淹没，这世界上的任何一种先进数据处理能力都无法帮助分析师走出茫茫数据大海。因此，数据分析的第一步应该是就“客户需求”以及“如何为他们创造价值”等内容制定一个清晰明确的假设。这一假设也许是针对实验室里、具有大获全胜潜力的新产品；或者是针对市场中尚未忠于任何品牌的客户（又称“未做决定的选民”）——往往公司仅仅通过一些策略微调，就可以抓住这些潜在客户。 　　一旦获取所需的数据来验证假设，所得结果将指引公司制定具体方案来发展、完善相关价值主张，并将这些价值主张引向市场。通过合理的假设与验证，公司将能恰到好处地进行市场细分（即将具有类似偏好和行为的目标客户进行分类），这有助于更有效地定位公司战略。 　　譬如，一家制药公司的一款药品近期销量不佳，公司试图增加该药品的销售额。于是，管理者提出假设，认为公司当前的销售方案没能很好地针对内科医生，而这些内科医生是最有可能在开处方时使用该款药品的重要目标群体。 　　为了验证这一假设，公司搜集了大量关于医生在何种情况下会开出这种药品的数据。例如，内科医生每年会开出多少处方，他们开出的处方数量是增还是减，他们对于谁的配方比较忠诚（公司自己的还是主要竞争对手的）等。这令公司能够在市场中找到一个最佳定位：哪些内科医生开的处方多，谁每年开的处方数量递增，谁对制药商的配方没有特定偏好或者不存在忠诚度等。 　　虽然由于药品销售业绩不好，相关销售人员锐减，但通过上述数据分析，销售队伍有的放矢地直接朝着数据指向的机会攻略，成果大大超乎他们的想象。 　　“生活中的一天” 　　营销科学的发展历程中，有一条重要经验教训，即“喜新厌旧”不可取。当一种新数据源出现并且变得可得时，人们就会蜂拥而上，大量予以采用。而更加聪明的公司则会在这种时候保持冷静，有所保留，以一种更加全局的视角来看待客户和市场。一方面，这些聪明的公司会热情地挖掘新数据源；另一方面，它们依然重视其他信息，以此相互补充，避免遗漏重要信息，影响分析。 　　要知道，这不是市场营销领域第一次面对数据革命带来的颠覆，之前出现的转变过程也有崎岖。20世纪80年代中期，条形码扫描的出现使得公司能够通过付款台搜集到信息。而此前，数据是很有限的。公司只知道他们运送了什么货物，然后至多询问一下消费者购买了什么产品。但是，随着扫描器的出现，公司可以切实知道每一个销售点的情况。 　　在该项技术发明的早期，利用这种新数据的意识导致了不少失误。高管们变得过于关注价格促销对于销售的影响，而丢掉了市场营销的基础：品牌价值与品牌建设。然而，随着时间的推移，公司磨砺出更加复杂的统计模型，并在此基础上调整了精力的投放焦点；随之，扫描器成为近30年来消费市场和零售业的一大“神兵利器”。今时今日，这种以销售点来搜集数据、了解客户的方式已经扩展到会员卡，可以帮助零售商了解每个家庭购买了哪些产品及其具体的网上购物行为。 　　就像早些年关于条形码的投资回报模型存在缺陷一样，最新的大数据分析也可能导致误入歧途。很多零售商表示，“我知道每样从货架上移走的商品，我知道拥有会员卡的消费者的很多信息，但是，当我们在货架上摆上与消费者购买的商品类似的产品时，并没有看到预期的收入增长。” 　　到底遗漏了什么呢？很可能，由于过度关注最新的数据源，零售商无意中陷入了一维视角。事实上，要摸透客户的消费行为，需要更加宽广的视野。在营销领域，这种宽广的视野常常