绝大多数的大数据营销都是在浪费时间
一个路人发现路灯下有一个醉汉正在寻找遗失的钱包。路人发现地上什么都没有,于是他问醉汉:“你的钱包掉到哪里了?”醉汉指着远处的街道说,“就在那里,但是我站在路灯下看的更清!”
我们经常在最容易达到的地方寻找答案,而不是去答案最有可能出现的地方寻找。随着市场营销逐渐由主观向客观转变,数据驱动的方法是不是更像上文所说的路灯?
即使是现在最先进的大数据方法,有没有可能在错误的数据上提出了错误的问题?
错在起点
当早期效益增长开始放缓,大多数公司倾向于进行数据分析。人们最常听到的就是:“让我们更好地利用现有的数据”,好像是预示着公司成熟转型的开始。其实在这个时候,公司效益高速增长期正式结束了。
最初想用大数据方法解决的经典问题是:“我们的最大客户群是谁?”或者“哪些产品最赚钱?”很快可以得出的答案是:这些问题与不同的地区、季节等许多因素有关。所以我们又要问:“商品X,Y,Z在区域A的销售情况与在区域B的情况相比怎么样?”接下来公司采用了倾向模型(PTR),用来进行购买可能性分析,交叉销售分析,客户流失分析,或欺诈行为分析等。为了估计不同渠道的广告投入,在竞争营销中人们优先考虑营销组合模型。
目前大数据营销的目的是向公司实时提供哪些人最有可能成为客户,他们通过哪些渠道而来,他们可能在什么样的时间以什么样的价格买什么产品。
过去的数据对于预测未来并不总是有用
海量数据和数据分析是否真的有意义?就像是路灯下的醉汉,我们是不是被引导到看起来最简单的地方去寻找问题—我们收集的数据都是客户过去的销售数据(这很容易做到),但是这对于理解未来销售模式和未来潜在客户有用处么?
通过分类、聚类或PTR模式分析出的潜在客户是被标准化的、生硬的模型。我们的客户都是人类,人类的选择是基于他们理性而又复杂的思维,而不是简单的求复合问题最优解。拿买一辆车来说,具有相同基因和家庭环境的兄弟,最后做出的消费选择也可能是不同的。如果那些最相似的人都会表现出不同的偏好,又怎能用陌生人的消费经历来预测我们的消费倾向?用成千上百个陌生人的消费数据生成的消费模型,又怎能为我们做出合理的消费建议?
没有一个消费者可以用具体的聚类或分类模型来进行全方位的界定。这是一个复杂的和迅速变化的世界,我们的这些分析模型对消费者的当前偏好和消费情况所知甚少。市场环境中的个体选择可以在瞬间改变,产品销售的变化也可以迫使消费者是选择现有可用的还是等待真正合适的产品出现。
促销和折扣是改变产品吸引力的一种方式,这种方式在刺激了另一种产品销售的同时,也可能会造成其他产品的滞销。每个人的个人财务情况也是各不相同的,每个人的每次购买决定也是瞬息万变的。这使得任何购买行为都难以预测。
转而研究“小数据”
我们要研究的“小数据”应该是不断变化的产品属性与价格。这些数据才是你的客户和你竞争对手的客户在做选择时真正用到的。客户都在尽可能的比较和评估产品及其提供的服务。这些最后都决定了商品在市场中的“影子定价”(是指基金管理人于每一计价日,采用市场利率和交易价格,对基金持有的计价对象进行重新评估)。
你要做的是最大化“支付意愿”,即潜在客户的“消费者剩余”(是指消费者消费一定数量的某种商品愿意支付的最高价格与这些商品的实际市场价格之间的差额)。然后,消费者会根据他们的偏好倾向于选择你还是你的竞争对手,这取决于你的产品能够提供什么样的属性或服务。
分析客户数据以减少错误的估计,并不能帮助你的客户解决他们的问题,反而会使客户的问题激增。多种多样的排列组合会加重客户的选择困难,而不是让他们更清楚该选择什么样的产品。如果你能够减少客户在选择产品上所付出的精力,客户自然会选择你。
客户需要最新的,可靠的,有效的和值得信赖的建议来帮助他们选择产品。这些体现了他们自己的个人喜好和预算,这两者才是最有用的。