當(dāng)前，大數(shù)據(jù)營(yíng)銷(xiāo)應(yīng)用的現(xiàn)狀可用這樣幾個(gè)“多”來(lái)形容：說(shuō)的比投入的多;投的比做的多，如有些大型國(guó)企投入資金，建部門(mén)、雇海歸，但并沒(méi)有真正做什么;做的比懂的多，收集了一些數(shù)據(jù)，但讀不出有價(jià)值的信息來(lái);懂的比賺的多;認(rèn)為今后賺的比現(xiàn)在想到的多。

如何才能實(shí)現(xiàn)光明的前景?一要養(yǎng)成大數(shù)據(jù)思維，二要避開(kāi)三大陷阱。

大數(shù)據(jù)思維

大數(shù)據(jù)思維有如下四個(gè)維度。

定量思維：一切皆可測(cè)。POS 機(jī)、網(wǎng)上購(gòu)物、社交媒體以及各種各樣的卡，都是大數(shù)據(jù)的來(lái)源。例如，通過(guò)傳感器，利用紅外線微波可以觀測(cè)人的生理狀態(tài)、腦電波等，如果駕車(chē)人員犯困，其心理指標(biāo)發(fā)生變化并到一個(gè)臨界值，汽車(chē)后臺(tái)就會(huì)告誡駕駛員休息。賭場(chǎng)入口處的紅外傳感器，會(huì)根據(jù)腦部熱量情況，分析進(jìn)來(lái)的是沖動(dòng)型賭徒還是冷靜的賭徒。

汽車(chē)行業(yè)的大數(shù)據(jù)有人、車(chē)、環(huán)境三個(gè)來(lái)源。“人”不僅包括車(chē)主或者駕駛?cè)藛T，還應(yīng)包括乘客;“環(huán)境”不光是路面信息，還包括行車(chē)所到之處的周邊信息，如旅館、加油站、旅游景點(diǎn)等等，典型如地圖應(yīng)用。“車(chē)”的應(yīng)用也已有案例，如美國(guó)一家保險(xiǎn)公司為汽車(chē)加裝了跟蹤器，根據(jù)行駛數(shù)據(jù)來(lái)決定保險(xiǎn)費(fèi)率;米其林也會(huì)搜 集與環(huán)境相關(guān)的數(shù)據(jù)，某智能芯片廠商為長(zhǎng)途貨運(yùn)汽車(chē)提供的芯片，可以全球定位、調(diào)節(jié)物流和運(yùn)輸。

跨界思維：一切或可聯(lián)?？缃缬胁煌浇?、渠道間的跨界，如O2O和LBS，也有商業(yè)模式、數(shù)據(jù)應(yīng)用的跨界。例如，GoPro是穿戴式照相機(jī)，但它也為尋求刺激的滑雪、跳傘運(yùn)動(dòng)愛(ài)好者，剪輯加工影像，并在電視上播出，吸引了廣告和巨量的粉絲團(tuán)隊(duì)。

操作思維：一切要可行。應(yīng) 用大數(shù)據(jù)，不等于非得要上高大上的設(shè)備和硬件投入。例如視頻公司根據(jù)用戶(hù)觀看視頻的過(guò)程來(lái)決定推送什么廣告，其算法可能比較簡(jiǎn)陋，但速度快。其次，要把數(shù)據(jù)和用戶(hù)心理結(jié)合起來(lái)，營(yíng)銷(xiāo)精準(zhǔn)但不要引起顧客的反感。第三，大數(shù)據(jù)管理要與KPI結(jié)合起來(lái)，協(xié)調(diào)各個(gè)部門(mén)的利益，否則大家對(duì)數(shù)據(jù)采集不積極甚至不合作。例如，運(yùn)營(yíng)部門(mén)如果看重節(jié)省運(yùn)營(yíng)成本，可能就對(duì)數(shù)據(jù)采集的意愿不強(qiáng)烈。

實(shí)驗(yàn)思維：一切應(yīng)可試。比如，要想知道推薦的效果，可以做一個(gè)實(shí)驗(yàn)。一半消費(fèi)者有推薦，一半沒(méi)有。從短期看，推薦效果并不明顯，但長(zhǎng)期效果非常明顯。因?yàn)橥扑]是購(gòu)物體驗(yàn)的一部分。短時(shí)間內(nèi)，消費(fèi)者對(duì)所推薦的產(chǎn)品可能沒(méi)需求，但到有需求時(shí)就會(huì)想起來(lái)，尤其是當(dāng)推薦產(chǎn)品符合他們的品位和風(fēng)格時(shí)。

三大陷阱

應(yīng)用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)，要注意規(guī)避如下三大陷阱。

有數(shù)不一定有據(jù)。應(yīng)用大數(shù)據(jù)需要什么樣的統(tǒng)計(jì)或邏輯背景?首先，描述。要能辨識(shí)出我們描述的人跟心里想的目標(biāo)人群是不是一群人。其次，預(yù)測(cè)。理解現(xiàn)象、變量之間的相關(guān)性。第三，優(yōu)化。理解因果關(guān)系，否則無(wú)法優(yōu)化。簡(jiǎn)言之，預(yù)測(cè)需要相關(guān)性，而優(yōu)化則需要因果性，而描述關(guān)鍵在樣本的代表性。

大而不全。有些大數(shù)據(jù)應(yīng)用收集的數(shù)據(jù)非常多，但對(duì)其傾向性卻不清楚。解決的辦法是跨界，收集企業(yè)之外的數(shù)據(jù)。例如，汽車(chē)制造商要跟電商結(jié)合，要跟社交媒體結(jié)合，通過(guò)跨界把數(shù)據(jù)做全，才能把精準(zhǔn)營(yíng)銷(xiāo)做得更好。其次，要把營(yíng)銷(xiāo)、銷(xiāo)售和庫(kù)存等內(nèi)部信息打通。

內(nèi)生變量模糊了因果關(guān)系。大數(shù)據(jù)介入消費(fèi)者購(gòu)買(mǎi)過(guò)程越多，可能對(duì)消費(fèi)者真實(shí)偏好的了解越少。例如，視頻網(wǎng)站給某用戶(hù)推薦了一個(gè)同性戀電影，他看了;再推薦一部，他又看了。這時(shí)，推薦系統(tǒng)就會(huì)認(rèn)定該用戶(hù)是同性戀，從而繼續(xù)推薦，實(shí)際上該用戶(hù)可能不過(guò)是一時(shí)好奇，最后深受其害。解決辦法是定期實(shí)驗(yàn)。

基于大數(shù)據(jù)的精準(zhǔn)營(yíng)銷(xiāo)到底誰(shuí)會(huì)勝出?在我看來(lái)，要至少具備以下資源優(yōu)勢(shì)的一種：產(chǎn)品有優(yōu)勢(shì)、對(duì)客戶(hù)特別了解、數(shù)據(jù)來(lái)源特別多、平臺(tái)優(yōu)勢(shì)。目前，電商的優(yōu)勢(shì)顯而易見(jiàn)，因?yàn)槠鋽?shù)據(jù)量非常大，而且有平臺(tái)優(yōu)勢(shì)。

D1Net評(píng)論：

制造商的機(jī)會(huì)在哪里?一要把產(chǎn)品做得非常好，二要聯(lián)網(wǎng)提供服務(wù)，就像特斯拉，買(mǎi)車(chē)，更是買(mǎi)背后的互聯(lián)網(wǎng)服務(wù)。然而，無(wú)論誰(shuí)是贏家，笑到最后的應(yīng)該是消費(fèi)者，特別是新一代以網(wǎng)絡(luò)為家的消費(fèi)者，只有這樣，才能實(shí)現(xiàn)大數(shù)據(jù)營(yíng)銷(xiāo)的美好前景。