
絕大多數(shù)的大數(shù)據(jù)營銷都是在浪費時間
一個路人發(fā)現(xiàn)路燈下有一個醉漢正在尋找遺失的錢包。路人發(fā)現(xiàn)地上什么都沒有,于是他問醉漢:“你的錢包掉到哪里了?”醉漢指著遠處的街道說,“就在那里,但是我站在路燈下看的更清!”
我們經(jīng)常在最容易達到的地方尋找答案,而不是去答案最有可能出現(xiàn)的地方尋找。隨著市場營銷逐漸由主觀向客觀轉(zhuǎn)變,數(shù)據(jù)驅(qū)動的方法是不是更像上文所說的路燈?
即使是現(xiàn)在最先進的大數(shù)據(jù)方法,有沒有可能在錯誤的數(shù)據(jù)上提出了錯誤的問題?
錯在起點
當(dāng)早期效益增長開始放緩,大多數(shù)公司傾向于進行數(shù)據(jù)分析。人們最常聽到的就是:“讓我們更好地利用現(xiàn)有的數(shù)據(jù)”,好像是預(yù)示著公司成熟轉(zhuǎn)型的開始。其實在這個時候,公司效益高速增長期正式結(jié)束了。
最初想用大數(shù)據(jù)方法解決的經(jīng)典問題是:“我們的最大客戶群是誰?”或者“哪些產(chǎn)品最賺錢?”很快可以得出的答案是:這些問題與不同的地區(qū)、季節(jié)等許多因素有關(guān)。所以我們又要問:“商品X,Y,Z在區(qū)域A的銷售情況與在區(qū)域B的情況相比怎么樣?”接下來公司采用了傾向模型(PTR),用來進行購買可能性分析,交叉銷售分析,客戶流失分析,或欺詐行為分析等。為了估計不同渠道的廣告投入,在競爭營銷中人們優(yōu)先考慮營銷組合模型。
目前大數(shù)據(jù)營銷的目的是向公司實時提供哪些人最有可能成為客戶,他們通過哪些渠道而來,他們可能在什么樣的時間以什么樣的價格買什么產(chǎn)品。
過去的數(shù)據(jù)對于預(yù)測未來并不總是有用
海量數(shù)據(jù)和數(shù)據(jù)分析是否真的有意義?就像是路燈下的醉漢,我們是不是被引導(dǎo)到看起來最簡單的地方去尋找問題—我們收集的數(shù)據(jù)都是客戶過去的銷售數(shù)據(jù)(這很容易做到),但是這對于理解未來銷售模式和未來潛在客戶有用處么?
通過分類、聚類或PTR模式分析出的潛在客戶是被標(biāo)準(zhǔn)化的、生硬的模型。我們的客戶都是人類,人類的選擇是基于他們理性而又復(fù)雜的思維,而不是簡單的求復(fù)合問題最優(yōu)解。拿買一輛車來說,具有相同基因和家庭環(huán)境的兄弟,最后做出的消費選擇也可能是不同的。如果那些最相似的人都會表現(xiàn)出不同的偏好,又怎能用陌生人的消費經(jīng)歷來預(yù)測我們的消費傾向?用成千上百個陌生人的消費數(shù)據(jù)生成的消費模型,又怎能為我們做出合理的消費建議?
沒有一個消費者可以用具體的聚類或分類模型來進行全方位的界定。這是一個復(fù)雜的和迅速變化的世界,我們的這些分析模型對消費者的當(dāng)前偏好和消費情況所知甚少。市場環(huán)境中的個體選擇可以在瞬間改變,產(chǎn)品銷售的變化也可以迫使消費者是選擇現(xiàn)有可用的還是等待真正合適的產(chǎn)品出現(xiàn)。
促銷和折扣是改變產(chǎn)品吸引力的一種方式,這種方式在刺激了另一種產(chǎn)品銷售的同時,也可能會造成其他產(chǎn)品的滯銷。每個人的個人財務(wù)情況也是各不相同的,每個人的每次購買決定也是瞬息萬變的。這使得任何購買行為都難以預(yù)測。
轉(zhuǎn)而研究“小數(shù)據(jù)”
我們要研究的“小數(shù)據(jù)”應(yīng)該是不斷變化的產(chǎn)品屬性與價格。這些數(shù)據(jù)才是你的客戶和你競爭對手的客戶在做選擇時真正用到的。客戶都在盡可能的比較和評估產(chǎn)品及其提供的服務(wù)。這些最后都決定了商品在市場中的“影子定價”(是指基金管理人于每一計價日,采用市場利率和交易價格,對基金持有的計價對象進行重新評估)。
你要做的是最大化“支付意愿”,即潛在客戶的“消費者剩余”(是指消費者消費一定數(shù)量的某種商品愿意支付的最高價格與這些商品的實際市場價格之間的差額)。然后,消費者會根據(jù)他們的偏好傾向于選擇你還是你的競爭對手,這取決于你的產(chǎn)品能夠提供什么樣的屬性或服務(wù)。
分析客戶數(shù)據(jù)以減少錯誤的估計,并不能幫助你的客戶解決他們的問題,反而會使客戶的問題激增。多種多樣的排列組合會加重客戶的選擇困難,而不是讓他們更清楚該選擇什么樣的產(chǎn)品。如果你能夠減少客戶在選擇產(chǎn)品上所付出的精力,客戶自然會選擇你。
客戶需要最新的,可靠的,有效的和值得信賴的建議來幫助他們選擇產(chǎn)品。這些體現(xiàn)了他們自己的個人喜好和預(yù)算,這兩者才是最有用的。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11