跳出大資料分析誤區

「我知道每樣從貨架上移走的商品，我知道擁有會員卡的消費者的很多資訊，

但是，當我們在貨架上擺上與消費者購買的商品類似的產品時，並沒有看到預期的收入增長。 」這是為什麼？

Big Data，大資料，是基於人們在網際網路和社交媒體的種種行為而形成的量化資訊。 隨著此類資料的逐步激增，激發起公司、學界和媒體利用這些資料的渴望。 其中，公司的高管們十分著迷于通過客戶的活動細節（如他們跟誰聯繫，喜歡什麼等）來發現客戶的購買傾向。 而通過電腦的分類、過濾和建模，可以使基於互聯網的資料分析成為現實，更刺激了公司去實踐大資料分析的想法。 毫無疑問，大資料將成為市場行銷領域的下一個遊戲規則顛覆者；而在這場變革中，有經驗的公司將獲得更多的收益。

由於資料採礦的自動化軟體在如今已經變得隨處可得，很多高管都認為他們可以很輕鬆地發現以前不明顯的趨勢、動態。 但是，分析本身包含的內容遠不止知道某個事實，還需要聰明的分析師提出正確的問題，並作出正確的決策；僅僅回答「是什麼」的資料分析不是分析，必須學會詢問「為什麼」、「接下來是什麼」。

為了回答這些問題，真正有效利用大資料的全部潛力，公司應該回歸基礎，而不是繼續深陷誤區。 筆者基25年的市場行銷資料分析領域的工作經驗認為，有三點基本原則一直是實現有效資料分析的核心。 A.依靠基於理論的方法，而不是盲目地進行資料採礦；B.對客戶和市場保持一種大局觀；C.堅持幹中學。

理論假設築基

如果沒有理論告知分析師，消費者如何形成偏好並付諸行動，那麼分析師很快就會被潮湧般的資料淹沒，這世界上的任何一種先進資料處理能力都無法説明分析師走出茫茫資料大海。 因此，資料分析的第一步應該是就「客戶需求」以及「如何為他們創造價值」等內容制定一個清晰明確的假設。 這一假設也許是針對實驗室裡、具有大獲全勝潛力的新產品；或者是針對市場中尚未忠於任何品牌的客戶（又稱「未做決定的選民」）——往往公司僅僅通過一些策略微調，就可以抓住這些潛在客戶。

一旦獲取所需的資料來驗證假設，所得結果將指引公司制定具體方案來發展、完善相關價值主張，並將這些價值主張引向市場。 通過合理的假設與驗證，公司將能恰到好處地進行市場細分（即將具有類似偏好和行為的目標客戶進行分類），這有助於更有效地定位公司戰略。

譬如，一家製藥公司的一款藥品近期銷量不佳，公司試圖增加該藥品的銷售額。 於是，管理者提出假設，認為公司當前的銷售方案沒能很好地針對內科醫生，而這些內科醫生是最有可能在開處方時使用該款藥品的重要目標群體。

為了驗證這一假設，公司搜集了大量關於醫生在何種情況下會開出這種藥品的資料。 例如，內科醫生每年會開出多少處方，他們開出的處方數量是增還是減，他們對於誰的配方比較忠誠（公司自己的還是主要競爭對手的）等。 這令公司能夠在市場中找到一個最佳定位：哪些內科醫生開的處方多，誰每年開的處方數量遞增，誰對製藥商的配方沒有特定偏好或者不存在忠誠度等。

雖然由於藥品銷售業績不好，相關銷售人員銳減，但通過上述資料分析，銷售隊伍有的放矢地直接朝著資料指向的機會攻略，成果大大超乎他們的想像。

「生活中的一天」

行銷科學的發展歷程中，有一條重要經驗教訓，即「喜新厭舊」不可取。 當一種新資料來源出現並且變得可得時，人們就會蜂擁而上，大量予以採用。 而更加聰明的公司則會在這種時候保持冷靜，有所保留，以一種更加全域的視角來看待客戶和市場。 一方面，這些聰明的公司會熱情地挖掘新資料來源；另一方面，它們依然重視其他資訊，以此相互補充，避免遺漏重要資訊，影響分析。

要知道，這不是市場行銷領域第一次面對資料革命帶來的顛覆，之前出現的轉變過程也有崎嶇。 20世紀80年代中期，條碼掃描的出現使得公司能夠通過付款台搜集到資訊。 而此前，資料是很有限的。 公司只知道他們運送了什麼貨物，然後至多詢問一下消費者購買了什麼產品。 但是，隨著掃描器的出現，公司可以切實知道每一個銷售點的情況。

在該項技術發明的早期，利用這種新資料的意識導致了不少失誤。 高管們變得過於關注價格促銷對於銷售的影響，而丟掉了市場行銷的基礎：品牌價值與品牌建設。 然而，隨著時間的推移，公司磨礪出更加複雜的統計模型，並在此基礎上調整了精力的投放焦點；隨之，掃描器成為近30年來消費市場和零售業的一大「神兵利器」。 今時今日，這種以銷售點來搜集資料、瞭解客戶的方式已經擴展到會員卡，可以説明零售商瞭解每個家庭購買了哪些產品及其具體的網上購物行為。

就像早些年關于條碼的投資回報模型存在缺陷一樣，最新的大資料分析也可能導致誤入歧途。 很多零售商表示，「我知道每樣從貨架上移走的商品，我知道擁有會員卡的消費者的很多資訊，但是，當我們在貨架上擺上與消費者購買的商品類似的產品時，並沒有看到預期的收入增長。 」

到底遺漏了什麼呢？ 很可能，由於過度關注最新的資料來源，零售商無意中陷入了一維視角。 事實上，要摸透客戶的消費行為，需要更加寬廣的視野。 在行銷領域，這種寬廣的視野常常被稱為「生活中的一天」。 它的含義是：應更加全面地瞭解客戶；知道客戶與自己公司之間形成的互動，以及客戶和其他零售商之間的互動是如何結合起來的；或者客戶與自己公司的互動，是怎樣與客戶在其他企業、購物管道和活動中的行為相適應的。 如果沒有深刻洞察是什麼促使消費者去到其他地方購物而不是自己那兒，公司的增長計畫就會有風險。

跑之前學會走路

在對新類型資料進行分析時，第一步是學會開放心態和協調方法。 雖然挖掘新資料幾乎總能發現令人興奮的新結論，但是公司不可操之過急，應該以開放的心態對待新的資料分析方法，逐步挑戰以前奉為真理的做法與言論。

一般而言，採用新資料來源獲取的新資訊會讓公司質疑某些產品、服務或者戰略。 有時候如果大規模採信會適得其反。 所以，並不建議公司在出現新資料來源時全力以赴進行分析並使用相關結論；最好能逐步進行試用，如此，公司才能在奔跑前先學會走路：可以先從一種產品、一定地域或一個問題著手，然後評估採用新資料、 新方法進行資料分析及相關改進的收益與成本，以此判斷對新資料來源進行分析是否值得。

例如，一家全球能源巨頭決定採用更加先進的分析方法來解決量化研究問題，提升行銷投資的回報率。 高層領導選擇了三個國家的兩個營業單位，橫跨發達國家和發展中市場，來執行有關專案的試點。 每個專案的概念框架和目標都是相同的，但是經營歐洲的加油站和在亞洲銷售機油需要不同的資料集和分析工具。 這種多樣化使得公司可以試驗更多的分析方法，獲取足夠的經驗來決定在何種情況下使用哪一種分析方法。 此外，一旦這些試點專案成功，就可以為其他業務單元和國家分支機搆樹立起信心，凝聚採用新資料分析方法的熱情。 隨著新分析方法的不斷應用，有關模型將會更加複雜也更加實用，逐步為公司上下接受，最後在全球範圍內得到使用。

回歸基礎

很多高管都對採用大資料感興趣，但往往對於這一最新的分析工具和技術沒有多少直接經驗。 所以，在一開始，他們常常詢問這種分析方法成本有多少。 而筆者予以的回答一般是：「做出錯誤決策的成本是什麼？ 如果像柯達那樣沒能及時對數碼攝影作出反應會付出什麼代價？ 」如果換一種和緩、不太直接的方式來說，會是這樣：「資料分析首先需要投入一大筆錢來裝配、協調資料；之後，公司需要訓練有素的資料專家開展更高規格的工作來找到隱藏在資料背後的模式，進行解讀，並最終轉變成公司可以使用的觀點、見解。 」

但是，就如之前的三個基本原則所顯示的那樣，採用新的資料分析方法其實是一個可管理的過程，處理得當，便能帶來潛在的巨大收益。 事實上，大多公司一旦開始投資于資料分析，他們基本就不會停下來，因為資料分析結果對業務的提升遠超資料分析所需的成本和努力。 可見，資料分析已經成為公司自給自足改善市場地位的重要途徑。