062-大数据思维

—比父亲更早知道女儿怀孕的超市—

美国人民逛超市，除了去大家熟悉的沃尔玛，还有一个红色的超市逛的人特别多，我在美国读书期间几乎所有的东西都在这一家买，它就是美国第三大零售商——TARGET。我给你讲一个真实的故事，有一天，一名美国男子闯入他家附近的一家TARGET，抗议道：“你们竟然给我17岁的女儿发婴儿尿片和童车的优惠券，你们这是赤裸裸的侮辱，我要起诉你们！”你也知道，美国人民动不动就起诉。店铺经理立刻跑出来承认错误，迷惑的经理到最后也没明白，到底发生了什么。一个月后，这名男子来TARGET道歉，因为他后来才知道女儿的确怀孕了。这样说来，TARGET比这位父亲知道他女儿怀孕的时间，足足早了一个月。

那么问题来了，TARGET是怎么知道的呢？这个女孩之前并没有购买过任何的母婴用品。原来，这就是神秘的大数据发挥的作用。

—大数据的威力—

TARGET到底做了些什么呢？他们从数据仓库中挖掘出25项与怀孕高度相关的商品，制作了一个“怀孕预测”指数。通过这个指数，TARGET能够在很小的误差范围内，预测你有没有怀孕。实际上，这个小女孩，不过是买了一些没有味道的湿纸巾和一些补镁的药品（微量元素镁），就被TARGET锁定了。

“说什么都对”的马云叔叔，曾说过：“很多人还没搞清楚什么是PC互联网，移动互联来了，我们还没搞清楚移动互联的时候，大数据时代又来了。”

那么大数据归大数据，大数据思维又是什么呢？传统的数据，更多的是数据化运营，也就是根据已有的数据，分析后进行决策。而大数据思维，本质上是从数据化运营，升级为运营数据，也就是有针对性的设置、收集并利用大数据，为商业创造新的价值点。

大数据时代，人们对待数据的思维方式会发生如下三个变化：第一，人们处理的数据从样本数据变成全部数据；第二，由于是全样本数据，人们不得不接受数据的混杂性，而放弃对精确性的追求；第三，人类通过对大数据的处理，放弃对因果关系的渴求，转而关注相关关系。大数据思维最关键的转变在于从自然思维转向智能思维，使得大数据像具有生命力一样，获得类似于“人脑”的智能。

关于大数据营销的比较全面的文章。

大数据营销原理及思维

大数据的由来已经有较长的时间。早在上世纪80年代，未来学家托夫勒就在《第三次浪潮》中提出大数据的概念，并称大数据是第三次浪潮的华章。2008年、2009年，《Science》、《Nature》的大数据专刊将“大数据”推到了浪潮的顶尖。Google2009年关于应用大数据进行流感预测的研究是这个浪尖上最亮眼的浪花。之后，大数据应用在全球遍地开花，但是到目前为止，大数据应用仍然在探索的初期阶段，如何挖掘其巨大的潜力仍有待于各方面的努力。

大数据是一个发展中的概念。在某种社会发展情况下，超出人类处理能力和认知能力的数据，都可以看作是“大数据”。在结绳记事时代，绳子上的“千千结”就是那个年代人们处理他们认为的“大数据”的“高级”方式。正如古人所云“心似双丝网，中有千千结”，看似简单的“结”其实描述了十分复杂多元的“状态”。随着算盘的出现，珠算的运用大大提升了人类运算处理的能力，原来的“结”就是蜕变为再简单不过的“小数据”了。千禧年之后，互联网、社交媒体、搜索引擎、定位应用、物联网技术、移动互联网等高速发展，互联网上的每一天都在产生着过去几百年、甚至上千年才可能产生的数据，这种前所未有的变化，直接将人类推进到现在的“大数据”时代。这个时候，从信息处理的工具来看，以分布式存储、分布式计算、应用服务化为特征的云计算成为支撑大数据应用的基础性设施。

在营销领域，未来的营销越来越成为建立在数据分析基础上的一门科学。营销科学长期以来也有这么一种传统，那就是不断地主动接纳来自不同学科的新理论、新方法和新技术。早在上世纪80年代，在营销领域的实践中就不在拘泥于通过问卷调查而来的群体层面的抽样数据，在大型超市中的经由扫描器读取的消费者个人完整消费数据带来了营销历史上的第一次数据驱动营销决策的革命，也因此有了“啤酒尿布”的故事。现在，大数据给营销带了第二次数据驱动营销决策的革命性风暴。营销科学将紧紧地拥抱并深度应用数据科学、机器学习、文本处理、语音处理、图像处理、视频处理等一系列的大数据分析的专属技术，才能在第二次数据驱动的营销决策中迎来高潮。

尽管拥抱新的技术十分重要，但是只有将营销的理论与大数据技术完美结合起来，才能真正实现的大数据营销。从营销管理的本质来看，营销的出发点是消费的异质性和动态性。只有抓住营销的异质性和动态性，才能设计出效果更佳的营销方案。由于各方面条件的限制，特别是数据条件的限制，传统营销对于异质性和动态性的洞察是立足于群体层面的，也就是通过异质性和动态性来细分客户群，针对不同的客户群来制订不同的营销方案。大数据带来的技术可能性，使得商家可以从单个消费者的角度来洞察单个客户的消费异质性和动态性，也就是说每一个单个的消费者，他（她）的消费需求也是异质的！不同的场景、不同的时点、不同的社交群体、不同信息影响等都会使同一个消费者表现出不同的消费需求！因此，大数据营销的着力点就是要充分利用大数据技术更强、更准、更快的预测能力，及时预测消费者的异质的和动态的消费时机（timing），不能太早，也不能太晚，正正好，就比消费者的消费早一步，从而实现与消费者的精确沟通，既不打扰，还很贴心，而且确实下一刻消费者就很需要，进而促成一次英国管家式的、可信赖和可托付的消费托管。

除了营销理论，大数据营销也离不开其他社会学科理论的支撑。任何与人相关的管理，如果都能够从对于人的理解作为开始，从对于人的帮扶作为终点，那就真正是打动了人心，因而也就赢得了人心。大数据驱动的任何决策，其出发点应该是通过更多的数据来理解人，其目标也应该是通过更有效的服务来让人的生活更加美好。对于营销而言，要理解消费者，就离不开心理学、社会学，甚至于哲学这样的学科。我们希望一手握有不同学科的理论，一手握有大数据的工具，两手协同，互为校验，才能做出更加符合人性，服务于人的营销方案。这一方面，腾讯的天天P图等互联网产品的设计以及营销方案就很好地通过洞察人性达到了迷因效应般的营销效果。

大数据营销的思维带来了营销模式的又一次升级。简单地分类，上世纪70年代到80年代，处于被动营销（Marketing1.0，Reactive Marketing）阶段，企业通过抽样调查了解消费者需求，并对此做出反应。如果消费者需要牙膏，那么我就生产牙膏。这是一种Outside-in的视角，即通过外部需求来决定内部决策。80年代，营销进入主动营销（Marketing2.0, Proactive Marketing）阶段，企业开始采取更为主动的方式来诱发和引导消费者的需求。也就是说，消费者是不知道自己有某方面的需求，但是企业通过广告等沟通方式唤醒出消费者在某一方面的独特需求。这种方式，在一些消费类的商品营销中非常多见。如，以前消费者只是购买洗发水，现在商家通过广告告诉你，你不仅需要洗发，还需要洗头皮，甚至洗头皮比洗发还重要，因为头皮衰老了，面部皮肤紧跟着就要衰老！相对于被动营销，主动营销是一种Inside-out的视角，也就是通过内部资源来影响外部消费。这一方面，成功的还有苹果手机。90年代左右，营销进入互动营销（Marketing3.0, Interactive Marketing）阶段，由于互联网提供的非常低廉便捷的沟通途经，企业和消费者之间越来越倾向于使用直接的双向沟通的方式来试探和反复确认需求，从而制定营销方案。这种互动营销的方式非常适合于哪些有一定功能复杂度的产品或有一定消费决策复杂度的服务，也就是对于这些产品或服务，消费者也不能确定自己的实际需要，商家也不能完全明确消费者的实际需要，这时商家积累的客户消费数据库就派上了用场，可以在与客户的双向沟通中发挥重要的作用。如，如果消费者要在一家养生馆办理消费卡，这个时候，到底什么样的项目、什么样的价位、什么样的服务员更加适合这位消费者？消费者和养生馆都不是很清楚，这时，养生馆就可以通过数据库中与这位消费者情况相近的其他消费者的消费方案来建议给这位消费者，从而开始双向的沟通。进入千禧年之后，营销进入了新的阶段，我们称之为链式反应营销（Marketing4.0, Chain-reaction Marketing）阶段。链式反应营销有赖于商家对于消费者消费行为的极强预测能力，从而为消费者的下一步连锁消费提供早一步的营销。举例来说，大家在携程预订机票时，携程就知道了消费者在某一个时间段要从一个城市到另外一个城市，那么随之而来的就是这个消费者会确定地在某一个时间段在目的城市有住宿的需求和交通方面的需求。因此，携程就会在自己的平台上为其会员打包一个整体性的链式消费包。在这个例子就可以看出来，在这种营销模式中，消费者是知道自己下一步的轨迹的，商家也具有预测能力，能够知道消费者的下一步轨迹，从而完成链式营销。携程的例子或许比较简单，因为在这个例子预测是很简单的例子，但是塔吉特基于怀孕指数提供的女性孕期链式反应营销就是完全基于大数据基础上的成功范例。由于这个例子现在已经是众所周知了，在这里就不再赘述了。

对于零售业而言，有必要介绍一下TPOS（Time, Place, Occasion, Style）模式。这个模式可以通过消费时机（Timing，In time 和Not in time）和消费者对象（Individual, Group）来分为四种类型。

第一种类型，是针对个体消费者的及时营销模式。在这种类型中对于个体消费者的消费time, place, occasion以及style的预测都是十分重要的，只有做到准确预测，才能实现这次完美的营销，从而为之后的链式营销提供起点。这一方面，荷兰航空公司做了很好的示范。荷兰航空公司发现乘客在等待航班的时间内都是非常无聊（occasion），如何让这一段无聊的时间变得有趣哪？荷兰航空公司通过广泛采集乘客社交媒体的信息，从而准确洞察客户的需求（style），通过客户的订票信息落实客户的登机时间和登记口（place），在客户无聊地打发等待登机时间期间（timing），为客户制造了一次终生难忘的意外惊喜服务。除此之外，荷兰航空还整合社交网络信息与客户行程预定信息，为客户在飞机上提供选择邻座的服务以及后续落地之后的拼车等链式营销服务。荷兰航空的大数据应用中提供的是在实实在在的场景（occasion）中的TPOS应用，但是在现实中还有一种场景是商家特意营造出来的。这方面的一个典型应用就是电视、电商相结合的真人秀节目——女神的新衣。以尚雯婕参与的那一期节目为例，在服装策划之前，尚雯婕的团队就到天猫进行调研，根据天猫提供的大数据分析结果，选定在校园系列的服装中哪些服装是最受欢迎的，以此为据进行服装设计。节目现场的音乐、T台展示、商家出价以及同步的天猫预售都营造了一个特殊的场景，促使观看节目的观众立即进行购买。后来的事实也证明了这个特别营造的场景以及大数据的准确预测在商业上实现了巨大的成功。

第二种类型是针对群体消费者的及时营销模式。这种情况下，对于特定群体消费的动态性把握十分重要。举例来说，如快餐业基于视频大数据分析的差异化食品展示：公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。又如，梅西百货的实时定价机制：根据需求和库存的实时情况，梅西百货实现了基于SAS系统对多达7300万种货品进行实时调价。还如，零售巨头沃尔玛通过大数据分析发现在飓风来袭前，除了常见的应急用品，草莓酱吐司饼干和啤酒竟然成为沃尔玛超市的热卖商品，因而在飓风光临的地区提前配足了这些特殊的商品。

第三种类型，针对个体消费者的非及时消费需求的营销模式。在这种情况，根据大数据预测同一个消费者的下一个消费需求以及消费时点是最重要的，在此基础上开发营销方案。这方面典型的案例是日本麦当劳：2008年日本麦当劳开始和DoCoMo一起在其旗下3,300家门店建设了NFC手机支付读取终端，并部署了CRM系统，采集用户信息，至此，日本麦当劳形成了O2O的闭环模式。通过个性化优惠券帮助日本麦当劳更好的实现客户管理，如对于周六、周日白天频繁购买咖啡的顾客，发送周末早上免费兑换咖啡的优惠券；对于一段时间没有光顾的顾客，发送过去经常购买的汉堡等产品的打折优惠券； 对于光顾频率很高，但没有购买过新品汉堡的顾客，发送新品汉堡大幅打折优惠券；对于经常购买汉堡套餐的顾客，发送苹果派等小食的打折优惠券等等。目前，在上海街区各种便利店很多，但是这些便利店由于不能实现消费者信息的闭环应用，因此还难以做到日本麦当劳的针对个人消费者的非及时链式营销。

第四种类型，针对群体消费者的非及时消费需求的营销模式。在这种情况，预测群体的周期性或者有规律性的消费特点是实现这种营销模式的关键。最近，上海地铁公司刚刚宣布了对于其所运营的上海地铁延长运营时间一小时。在此之前的几个月，就有一个叫“蝙蝠侠”的网络用户，通过翔实的数据分析了上海地铁延长1小时运营时间的合理性。在这个分析中，可以看到地铁的乘客量是在地铁运营时间停止之后的1个小时才低到一个趋于稳定的低值，也就是说如果地铁不延长营运时间，这个时间段，应该是出租车争取客户的好时间，但是这个时间段之后，出租车最好也不要扎堆到地铁口附近来揽活。

通过以上的分析，概括起来，大数据营销的原理就是运用大数据技术提供的预测能力，围绕营销学的基本假定——消费者的异质性和动态性，针对群体消费者和个体消费者，实现精确的链式反应营销。大数据营销的逻辑就是紧紧围绕营销对象的异质性和动态性，充分依赖营销理论以及其他社会学科的理论，依此牵引大数据分析技术，实现专业知识与大数据分析的双向启发，在深度理解消费者的基础上，完成亲和、动态、准确的营销。正如我的同行，台湾大学任立中教授所言，大数据营销的目标是在“洞人心扉”的基础上走向“动人心扉”。