大數(shù)據(jù)營銷：向縱深與全域拓展

周再宇

如果說奧巴馬當(dāng)年連任證明了大數(shù)據(jù)的威力，那么特朗普當(dāng)選則戳破了當(dāng)前大數(shù)據(jù)的短板。

2012年11月，奧巴馬擊敗羅姆尼再次當(dāng)選美國總統(tǒng)。其背后的功臣是奧巴馬的數(shù)據(jù)挖掘團(tuán)隊(duì)，他們搜集、分析和儲存龐大的數(shù)據(jù)，從而幫助奧巴馬做出精準(zhǔn)的廣告購買決策，比羅姆尼少花1億美元競選資金。顯然，大數(shù)據(jù)通過過程可視化達(dá)到了更為精準(zhǔn)的營銷。

但是，2016年12月，特朗普當(dāng)選卻給了大數(shù)據(jù)一記重?fù)簟Ｎ④汢ing以及有“數(shù)據(jù)巫師”之稱的美國統(tǒng)計(jì)學(xué)家納特·西爾弗（Nate Silver）通通預(yù)測失敗，盡管擁有大數(shù)據(jù)意義的高勝率，希拉里仍然在現(xiàn)實(shí)中敗北。

是大數(shù)據(jù)根本不足以被采信，還是它到達(dá)了一個(gè)亟待升級的轉(zhuǎn)折點(diǎn)？

大數(shù)據(jù)的作用在于尋找規(guī)律

在互聯(lián)網(wǎng)和大數(shù)據(jù)出現(xiàn)之前，人們通過經(jīng)驗(yàn)判斷事務(wù)并采取行動。而經(jīng)驗(yàn)在本質(zhì)上，就是過去人們所積累的全部數(shù)據(jù)在人腦中的反映。

受益于計(jì)算機(jī)技術(shù)的出現(xiàn)，人們對數(shù)據(jù)的處理能力越來越強(qiáng)，處理速度越來越快。隨后出現(xiàn)的互聯(lián)網(wǎng)通過打破空間藩籬提高了時(shí)間利用率，人們對數(shù)據(jù)的搜索和搜集變得無遠(yuǎn)弗屆，數(shù)據(jù)廣度與深度呈現(xiàn)裂變式增長。

這兩大技術(shù)的發(fā)展將帶來哪些變化？

基于過去大數(shù)據(jù)搜集與處理的下一步，就是幫助判斷和預(yù)測未來，從而促進(jìn)人們當(dāng)下的行動。其中最典型的例子是人工智能。2016年，谷歌智能機(jī)器人AlphaGo戰(zhàn)勝人類棋手李世石就是基于大數(shù)據(jù)原理。

那么，對于營銷來說，大數(shù)據(jù)的價(jià)值又如何體現(xiàn)？

商業(yè)環(huán)境受制于諸多不可控的外部因素，宏觀方面比如政策、經(jīng)濟(jì)大環(huán)境、社會文化等，微觀層面則涉及行業(yè)走向、競爭對手、潛在替代者、消費(fèi)者需求甚至企業(yè)內(nèi)部管理等各個(gè)方面。因此，商業(yè)對于大數(shù)據(jù)的依賴性更強(qiáng)。商業(yè)互聯(lián)網(wǎng)化之后，提出的第一個(gè)口號就是 Data Drive Business（數(shù)據(jù)驅(qū)動商業(yè)）。

就營銷這一細(xì)分領(lǐng)域來說，大數(shù)據(jù)的價(jià)值更為明顯。比如，如何發(fā)現(xiàn)消費(fèi)者需求？如何圈定準(zhǔn)確的目標(biāo)受眾？如何在正確的時(shí)間、正確的地點(diǎn)、以正確的方式傳達(dá)給正確的消費(fèi)者正確的內(nèi)容？如何促使消費(fèi)者行動？如何以銷定產(chǎn)并實(shí)現(xiàn)柔性生產(chǎn)？如何設(shè)計(jì)制造最具市場潛力的產(chǎn)品？如何提高營銷的效率和投入產(chǎn)出比？……

要回答這些問題，就必須對涉及營銷的整個(gè)過程甚至外部環(huán)境，都要有全面和透徹的了解。而大數(shù)據(jù)的作用就在于：通過結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)搜集，將以往不可見、不可描述的部分，變得可視化，從而通過分析處理尋找規(guī)律、預(yù)測未來，幫助人們判斷和采取行動。

毫無疑問，大數(shù)據(jù)的價(jià)值顯而易見。但是，要想充分發(fā)揮大數(shù)據(jù)的威力，要做到兩方面的極致化：“對更加垂直化、細(xì)分化的小數(shù)據(jù)的縱深挖掘”，以及“對更加廣泛，甚至轉(zhuǎn)瞬即逝的整體樣本的全面覆蓋”。

對更加垂直化、細(xì)分化的小數(shù)據(jù)的縱深挖掘

羅輯思維創(chuàng)始人羅振宇曾經(jīng)說過一句話：“ 共享經(jīng)濟(jì)這件事其實(shí)遮蓋了人類經(jīng)濟(jì)發(fā)展的總趨勢。這個(gè)總趨勢是不可逆的，叫分工再合作。”

技術(shù)發(fā)展帶動分工細(xì)化，而分工細(xì)化保證了每個(gè)環(huán)節(jié)的專業(yè)化。精細(xì)化分工如同一個(gè)個(gè)齒輪，帶動整個(gè)機(jī)器不斷自我進(jìn)化。

在互聯(lián)網(wǎng)領(lǐng)域也同樣如此。跑馬圈地的草莽時(shí)代在2016年漸漸謝幕，地推、并購等粗放的增長方式呈現(xiàn)乏力跡象，互聯(lián)網(wǎng)公司開始專心打磨產(chǎn)品，向縱深的垂直化和精細(xì)化運(yùn)營進(jìn)化。

各個(gè)細(xì)分領(lǐng)域開始出現(xiàn)新的獨(dú)角獸，比如一些小而美的APP：美食生活類APP Enjoy、精品短視頻APP Eyepetizer等，都擁有一批忠實(shí)的粉絲。

此外，諸如BAT這樣的大平臺也開始了精細(xì)化、垂直化探索。而它們的追趕者也在垂直化的路上走得更遠(yuǎn)一些。例如搜狗，除了常規(guī)的圖片、視頻、音樂等垂直搜索之外，搜狗結(jié)合自身技術(shù)特點(diǎn)，先后與騰訊、知乎、微軟、丁香園等合作，推出微信搜索、知乎搜索、英文搜索、學(xué)術(shù)搜索、明醫(yī)搜索等更加精細(xì)化、差異化的獨(dú)家特色搜索產(chǎn)品，通過滿足用戶的不同需求，增強(qiáng)用戶黏性。

如此一來，搜狗一方面可以聚攏各個(gè)細(xì)分領(lǐng)域的同類型人群，為精準(zhǔn)營銷提供更為明確的樣本庫；另一方面則可以搜集更為精細(xì)和龐大的“小數(shù)據(jù)”甚至“微數(shù)據(jù)”，提高大數(shù)據(jù)營銷的精準(zhǔn)度。

對更加廣泛、甚至轉(zhuǎn)瞬即逝的整體樣本的

全面覆蓋

目前，幾乎所有大數(shù)據(jù)營銷產(chǎn)品和服務(wù)都是基于數(shù)據(jù)集市（data mart）概念。簡單點(diǎn)說，它基于某一需求，定向搜集相關(guān)數(shù)據(jù)構(gòu)成大數(shù)據(jù)樣本庫。其好處是目的和方向明確，如同一個(gè)人先產(chǎn)生問題再尋求答案一樣；但缺點(diǎn)在于，這種搜集方式會在前期遺漏一部分有價(jià)值的數(shù)據(jù)，或者忽視掉一些轉(zhuǎn)瞬即逝的數(shù)據(jù)——正因?yàn)槟繕?biāo)明確，反而只見樹木不見森林。

舉個(gè)例子，如果利用大數(shù)據(jù)進(jìn)行用戶畫像，這就出現(xiàn)了一個(gè)問題：先入為主的定向切入，使得用于用戶畫像的數(shù)據(jù)并不完善，從而影響分析的精度，誤導(dǎo)營銷決策。

在特朗普大數(shù)據(jù)民意調(diào)查失誤案例中，分析師就是在希拉里必勝新聞的刺激下，錯(cuò)估了形勢，預(yù)設(shè)立場，通過先入為主的定向切入，忽視了特朗普在佛羅里達(dá)和其他搖擺州的巨大領(lǐng)先優(yōu)勢，從而在數(shù)據(jù)搜集時(shí)有意無意地遺漏了一些重要數(shù)據(jù)。大數(shù)據(jù)的蝴蝶在搜集端揮了揮翅膀，而在結(jié)論端則是差之毫厘謬以千里。

正是因?yàn)樽⒁獾搅诉@一問題，現(xiàn)在業(yè)內(nèi)開始有人重新提起數(shù)據(jù)湖泊（data lake）概念。

數(shù)據(jù)湖泊最先出現(xiàn)在2011年Forbes雜志James Dixon所寫的《大數(shù)據(jù)需要一個(gè)大的新型架構(gòu)》一文中。與目標(biāo)明確的數(shù)據(jù)集市不同，數(shù)據(jù)湖泊帶來了更大的彈性。

簡單講，數(shù)據(jù)湖泊倡導(dǎo)存儲每一個(gè)可能有用的細(xì)節(jié)數(shù)據(jù)，把被忽視的、被遺漏的數(shù)據(jù)重新挖掘和存儲起來，當(dāng)需要時(shí)再進(jìn)行一站式統(tǒng)一的交叉分析。這樣做的好處是不遺漏任何有價(jià)值的數(shù)據(jù)，即使它非常微小，轉(zhuǎn)瞬即逝，或當(dāng)時(shí)看起來沒有價(jià)值。

比如，在之前的大數(shù)據(jù)采集中，可能會漏掉潛在消費(fèi)人群的信息，忽略掉可能的銷售機(jī)會。而盡可能采集更多、更全面（哪怕是看起來不相關(guān)的數(shù)據(jù)，也可能其內(nèi)部存在一定的關(guān)聯(lián)）的大數(shù)據(jù)，則有利于企業(yè)制定更精準(zhǔn)的營銷策略。

因此，數(shù)據(jù)湖泊的成立有賴于兩個(gè)維度的拓展：一是上文提到的垂直縱深數(shù)據(jù)的搜集，二是更為廣泛的全域數(shù)據(jù)搜集。

舉個(gè)比較微觀的例子，歐洲某大銀行每年有650個(gè)直郵營銷推廣項(xiàng)目，發(fā)放近6000萬封電子直郵，但是營銷效率卻逐年下降。這家銀行發(fā)現(xiàn)問題的癥結(jié)在于：雖然這家銀行有不同的渠道接觸客戶，但是每個(gè)渠道都有自己的客戶接觸策略，這就造成客戶資料和歷史數(shù)據(jù)信息分散，沒有形成客戶關(guān)系的全貌。全域數(shù)據(jù)的缺失，使得這家銀行無法根據(jù)客戶特性制定更為精準(zhǔn)的個(gè)性化營銷方案。

如今，媒介碎片化和人群移動化大趨勢，導(dǎo)致搜集全域數(shù)據(jù)面臨新的挑戰(zhàn)：如何搜集移動數(shù)據(jù)？如何實(shí)現(xiàn)跨屏數(shù)據(jù)打通？如何搜集更多形式各異的非結(jié)構(gòu)化數(shù)據(jù)？

對于第一個(gè)問題，目前的解決方案一般是盡最大可能覆蓋更多的移動流量入口。再以搜狗搜索為例，它不僅擁有移動端的QQ瀏覽器、搜狗瀏覽器、騰訊網(wǎng)、搜狐網(wǎng)等強(qiáng)勢入口，2016年搜狗還與華為、三星、OPPO等大部分主流手機(jī)廠商達(dá)成合作。據(jù)悉，每天有超過2億臺手機(jī)默認(rèn)使用搜狗搜索。

在移動時(shí)代，人們不光在行為上呈現(xiàn)碎片化的特征，使用的設(shè)備也日趨豐富多元，這就帶來了第二個(gè)問題：跨屏數(shù)據(jù)的搜集。搜狗的無線端和PC端可以依托騰訊和其自有的賬號體系實(shí)現(xiàn)準(zhǔn)確識別，跨屏無縫數(shù)據(jù)跟蹤，在場景上將用戶搜索、瀏覽和輸入的跨屏數(shù)據(jù)融合，提供更有價(jià)值的營銷投放依據(jù)。

目前，即使在非結(jié)構(gòu)化數(shù)據(jù)的搜集上，也僅僅局限在文字、圖片等簡單表現(xiàn)形式上，但搜狗對于數(shù)據(jù)的搜集還跨越到了語音領(lǐng)域。2016年7月，搜狗推出知音引擎，不僅可以搜集語音數(shù)據(jù)，還可以進(jìn)行理解和思考，進(jìn)而提高語音識別準(zhǔn)確率，再次豐富了數(shù)據(jù)搜集的類型。

更加細(xì)分的垂直化數(shù)據(jù)+跨屏多元化的全域數(shù)據(jù)，在源頭上確保了數(shù)據(jù)的準(zhǔn)確與全面；同時(shí)，借助人工智能日益增強(qiáng)的計(jì)算和分析能力，大數(shù)據(jù)將為企業(yè)決策提供更為精準(zhǔn)的指引，使?fàn)I銷步入真正的智能時(shí)代。