數字營銷時代的數據陷阱

尹璐 李天姝

以大數據為基礎的數字營銷顯著提高了營銷的效率和水平，為營銷活動帶來了新的機遇，然而，由于數據集和互聯網通信技術的自身特點、分析方法可能存在的局限性以及可能的操作不當，在利用大數據開展營銷活動的過程中總是存在等“陷阱”，這些因素會從方方面面挑戰數字營銷的效果，成為數字營銷向智能營銷升級的阻礙。要避開這些陷阱，需要廣告主、營銷人員和監管者等多方的共同努力，對待數據和技術不應過度迷信也不能一昧抨擊。

大數據 數字營銷 數據陷阱

大數據與數字營銷

持續增長的中國廣告市場在2015年首次出現負增長，整體廣告市場下跌2.9%，其中傳統媒體廣告以及報紙廣告、雜志廣告、電視廣告紛紛下跌。但是，互聯網廣告、影院視頻廣告等卻出現大幅增長。顯而易見，營銷的數字化趨勢在當時就已十分明顯。社交平臺、移動支付等等深刻地改變了人們的消費行為，營銷傳播方式、方法、理念、平臺皆隨之發生巨大的改變，傳統廣告式微，而數字營銷逆勢增長。

數字營銷，就是指借助于互聯網絡、電腦通信技術和數字交互式媒體來實現營銷目標的一種營銷方式。數字營銷將盡可能地利用先進的計算機網絡技術，以最有效、最省錢地謀求新的市場和新的消費者，實現營銷精準化，營銷效果可量化，數據化。大數據是數字營銷的數據基礎，主要產生于數字化的接觸點，傳統的離線接觸點已經難以監視和記錄，相比之下，在數字環境中發生的觸點可以被記錄下來，從而產生大數據集。數字營銷的技術基礎包括計算機、互聯網和通信技術以及數據分析方法。計算機、互聯網和通信技術對數字營銷的作用更多數據的記錄、傳輸和計算等方面；而數據分析方法對數字營銷而言，作用則更多地體現在價值挖掘上。數字營銷逐漸興起并經歷了幾個階段，第一個階段是2001年至2009年從不被重視到逐漸受到重視的階段；第二個階段是2009年至2015年，數字營銷強勢增長，對傳統的媒介格局和營銷傳播方式產生重要影響的階段；第三個階段則是2016年以后，數字營銷持續擴張、不斷演變，向智能營銷逐步演變。

以大數據作為基礎的數字營銷從精準度、顧客關系、機會預測、速度、成本等方面顯著提高了營銷的效率和水平，帶來了新的機遇。數字營銷一大特點就是精準。由于擁有龐大的數據作為支撐，數據營銷時代的品牌愈加了解消費者和媒體，使高針對性的個性化營銷方案成為現實，讓廣告通過合適的接觸點到達目標受眾。維護顧客關系也是數字營銷的優勢。基于強大的計算機、互聯網和通信技術以及數據分析方法，從海量數據中迅速做出精準的用戶畫像得以實現，個性化的營銷方案更能打動消費者。基于用戶數據，在銷售的各個環節與顧客進行溝通和服務時也能快速為其解答問題，滿足其需求，利于維護老客戶并吸引新顧客。移動互聯網和智能設備的發展使得與各類信息關聯性增強，對于消費者的消費行為和偏好能有更深入的洞察和掌握，實踐已證明這種信息與信息之間、用戶與用戶之間相互關聯的數據集對于企業進行消費者行為預測乃至市場預測都切實有效。此外，數字營銷還具有速度快、成本低、容量大的特點。

數字營銷面臨的挑戰

由于數據集本身和互聯網通信技術的自身特點、分析方法可能存在的局限性以及可能的操作不當，數字營銷過程中總是存在著一些“陷阱”。這些因素會從方方面面挑戰數字營銷的效果，成為數字營銷向智能營銷升級的阻礙。

（1）數據獲取。數據獲取和數據質量也是是數字營銷面臨的陷阱之一。首先，大數據總是被掌握在一些大型公司和專業機構手中，想要獲得目標數據并非易事。其次，雖然技術在不斷進步，但并不能改變大數據價值密度低的特點，互聯網環境中數據總是會受到各種因素的干擾，數據的記錄也總是存在錯誤的，過濾出高質量的數據需要大量的努力。另外，抓取數據存在一定的技術門檻。

（2）數據造假。數字技術在改變整個廣告行業生態鏈的同時，也輕易創造了數據造假的機會，用戶在互聯網上的操作無非就是各種各樣的“點擊”，而通過機器人編程來訪問網站并偽造用戶點擊是十分容易的。數據造假還有很多其他形式，例如人工“刷單”和直接捏造虛假數據。微信公眾號文章閱讀量造假就是流量造假的一個典型案例，騰訊曾發出題為《刷量工具崩潰后，這些微信自媒體大V被扒下底褲》的文章，將多家公眾號9月28日的閱讀量與一周內均閱讀量做了對比，結果顯示兩者相差懸殊，而這很有可能是因為微信官方剛剛調整了一些后臺接口，技術屏蔽了刷單工具的操作。此外，影視劇、電商等也是流量造假的集中地。

（3）樣本的有效性。數據集常常由于其自身是容量非常大的便利樣本而使營銷人員忽略了數據質量的傳統衡量指標，如可靠性、內部和外部的有效性。一個大的數據集可能足以全面地覆蓋各種特征的人口，但其中一大部分樣本可能廣告主的目標受眾或不是盈利顧客。例如，某女性化妝品行業的廣告主可能以微博的用戶特征數據作產品市場研究資料，但微博用戶中包括的男性以及青少年等不是女性化妝品的目標受眾，會影響數據集研究的有效性。另一方面，在大數據環境下，廣告主往往默認樣本數量充足，忽視樣本量可能過小的問題。瓜子二手車由于銷售數據造假等問題屢屢出現在新聞中，其銷量的數據來源是華通明略的《二手車電商網站滲透率調查報告》，最新一期的報告雖然顯示68.3%的線上交易是通過瓜子二手車完成，但事實上這份調查報告的樣本量僅為800人，只覆蓋8個城市，不具有推論出全國銷量數據的代表性。

（4）分析能力不足。大數據是巨量的非結構化的文本數據，要求很強的數據處理與分析能力，不僅要對數據進行識別、過濾，還要選取恰當的方法進行分析。營銷人員不能假定或默認大數據集具有度量的全面性，否則研究結果可能會存在偏差。例如，電商可能將顧客瀏覽、顧客購買和評論的數據作為研究對象，但如果品牌廣告花費多的產品有在瀏覽、購買和評論等方面表現更優秀，而數據集研究中又沒有考慮到關于品牌廣告支出的衡量因素，在這種情況下，關于瀏覽購買和評論數量的研究就會有偏差。另一方面，兩個變量之間可能存在相關關系，但相關關系并不能作為因果來討論。一般而言，電商的瀏覽量與時間相關，用戶可能更喜歡在中午和夜晚瀏覽商品，但時間并不是用戶購買的原因。

（5）隱私安全和信任。大數據的價值常常伴隨著敏感的個人信息。高度的個性化和侵犯用戶隱私之間的界限十分難以把握。信任是一個連接用戶和品牌的關鍵因素，來自信任品牌的個性化信息被客戶所贊賞，而來自不信任品牌的信息會被視為騷擾并引起投訴。數據的巨大潛在價值也引起了不法分子的注意，數據泄露已經變成影響重大的社會問題，品牌對數據的使用方式以及個人信息在企業手中保管的安全性又將影響到用戶對品牌的信任。2017年前11個月，數據泄露事件達到1202起，比2016年全年多出了10%，德勤、埃森哲、Uber等等都經歷了嚴重的數據泄露事件。要應對此類事件，企業必須從行政手段和技術手段兩方面加強管理，也要在針對性和隱私之間找到平衡點。

（6）數據和技術迷信。盡管數據是客觀的，但它只是真實世界的反映，并不能代表全部現實；技術同樣只能基于已獲得的資料進行分析，是機械性的輔助工具，并不具有能動性。某些地區的通信運營商與當地政府旅游部門、企業或網站展開合作，在用戶手機信號被識別到進入該區域時，則向該用戶發送相關的天氣、旅游景點以及優惠信息，但事實上，收到信息的用戶中有相當大的一部分用戶只是中途經過該區域，或者在進入該區域前已有明確的旅行計劃，以及信號位置被錯誤識別的情況。

對策與總結

盡管大數據的應用中存在各種陷阱與挑戰，但只要正確應對這些問題，數字營銷依然能發揮強大的作用甚至帶來更大的價值。國內各大公司與機構在大數據應用中尚處于激烈競爭的狀態，數據共享需要一個良好的商業環境來保障。防止數據造假則需要廣告主、廣告平臺以及監管者的共同努力：廣告主不應將數字作為唯一的效果衡量指標，廣告平臺應當深耕內容、加強自律，監管者則應該完善監督措施，否則，數據造假將傷害到的是廣告主和廣告平臺的經濟利益，以及廣告平臺與監管者的公信力。要保證樣本數據集的有效性，營銷人員應當對提供數據的第三方進行可靠性評估，并且可能需要將多個數據集組合為一個全面的數據庫，然而不同數據集具有不同的來源，如何在不同的來源中將用戶匹配起來是亟待解決的問題。數據分析能力不足的問題，需要營銷人員綜合利用經濟學、統計學以及信息科學等多領域的知識，或者將分析模型交由相關領域的專家共同探討設計。數據隱私及安全則需要企業把握好信息和隱私的界限，同時監管體系也有待完善。另外，營銷人員在數字營銷過程中不能過度迷信數據和技術，算法并不能完全代替人的判斷，成功的營銷需要用高效的工具來落實人性化的戰略。

綜上所述，數字營銷中存在諸多誤區和陷阱并不是數據本身的問題，而是如何分析和利用的問題。對待數據和技術，不應過度迷信也不能一昧抨擊。在數字營銷實踐中，營銷人員應對數據本身的質量與來源的權威性進行檢查，以跨學科的思維來思考，組合利用多個互補數據集，并注意平衡精準性與個人隱私的關系。

[1]鄭麗勇，2015-傳統廣告與數字營銷的分水嶺[J]，編輯學刊，2016（03）：50-55.

[2] Edward C.Malthouse， Hairong Li，Opportunities for and Pitfalls ofUsing Big Data [J]，Joumal ofAdvertising，2017，46（2）：227-235

[3]姚曦，秦雪冰，技術與生存：數字營銷的本質，新聞大學，2013（06）：58-63.

[4]楊擎，“互聯網+”時代數字營銷應用研究一一以騰訊社交廣告平臺廣點通為例[J]，廣告大觀（理論版），2016（04）：62-67.

[5]騰訊科技，刷量工具崩潰后，這些微信自媒體大V被扒下底褲[EB/OL].http： //www.meihua.info/a/677931， 2016-09-29.

[6]頭條科技資訊，瓜子二手車數據造假為KPI刷單[EB/OL] .http：//www.sohu.com/a/215644376_ 99964043， 2018-01-09.

[7]全年盤點：2017年10大數據泄露事件[EB/OL] .http.//www.cebnet.com.cn/2 0171220/10245 0491.html.2017-12-20.