
絕大多數(shù)的大數(shù)據(jù)營銷都是在浪費(fèi)時(shí)間
一個(gè)路人發(fā)現(xiàn)路燈下有一個(gè)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(yuǎn)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(dá)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(dòng)的方法是不是更像上文所說的路燈?
即使是現(xiàn)在最先進(jìn)的大數(shù)據(jù)方法,有沒有可能在錯(cuò)誤的數(shù)據(jù)上提出了錯(cuò)誤的問題?
錯(cuò)在起點(diǎn)
當(dāng)早期效益增長開始放緩,大多數(shù)公司傾向于進(jìn)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(shí)在這個(gè)時(shí)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(jìn)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(jì)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(shí)時(shí)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(shí)間以什么樣的價(jià)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(fèi)選擇也可能是不同的。如果那些最相似的人都會(huì)表現(xiàn)出不同的偏好,又怎能用陌生人的消費(fèi)經(jīng)歷來預(yù)測我們的消費(fèi)傾向?用成千上百個(gè)陌生人的消費(fèi)數(shù)據(jù)生成的消費(fèi)模型,又怎能為我們做出合理的消費(fèi)建議?
沒有一個(gè)消費(fèi)者可以用具體的聚類或分類模型來進(jìn)行全方位的界定。這是一個(gè)復(fù)雜的和迅速變化的世界,我們的這些分析模型對消費(fèi)者的當(dāng)前偏好和消費(fèi)情況所知甚少。市場環(huán)境中的個(gè)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(fèi)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(shí),也可能會(huì)造成其他產(chǎn)品的滯銷。每個(gè)人的個(gè)人財(cái)務(wù)情況也是各不相同的,每個(gè)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(jià)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(shí)真正用到的??蛻舳荚诒M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(jià)”(是指基金管理人于每一計(jì)價(jià)日,采用市場利率和交易價(jià)格,對基金持有的計(jì)價(jià)對象進(jìn)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(fèi)者剩余”(是指消費(fèi)者消費(fèi)一定數(shù)量的某種商品愿意支付的最高價(jià)格與這些商品的實(shí)際市場價(jià)格之間的差額)。然后,消費(fèi)者會(huì)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(cuò)誤的估計(jì),并不能幫助你的客戶解決他們的問題,反而會(huì)使客戶的問題激增。多種多樣的排列組合會(huì)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(huì)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(gè)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
如何考取數(shù)據(jù)分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當(dāng)下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價(jià)值、驅(qū)動(dòng)決策的 ...
2025-07-15CDA 精益業(yè)務(wù)數(shù)據(jù)分析:驅(qū)動(dòng)企業(yè)高效決策的核心引擎? 在數(shù)字經(jīng)濟(jì)時(shí)代,企業(yè)面臨著前所未有的數(shù)據(jù)洪流,如何從海量數(shù)據(jù)中提取有 ...
2025-07-15MySQL 無外鍵關(guān)聯(lián)表的 JOIN 實(shí)戰(zhàn):數(shù)據(jù)整合的靈活之道? 在 MySQL 數(shù)據(jù)庫的日常操作中,我們經(jīng)常會(huì)遇到需要整合多張表數(shù)據(jù)的場景 ...
2025-07-15Python Pandas:數(shù)據(jù)科學(xué)的瑞士軍刀? ? 在數(shù)據(jù)驅(qū)動(dòng)的時(shí)代,面對海量、復(fù)雜的數(shù)據(jù),如何高效地進(jìn)行處理、分析和挖掘成為關(guān)鍵。 ...
2025-07-15用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫操作中,誤刪數(shù)據(jù)、錯(cuò)改字段或誤執(zhí)行批量更新等問題時(shí)有發(fā)生。 ...
2025-07-14t檢驗(yàn)與Wilcoxon檢驗(yàn)的選擇:何時(shí)用t.test,何時(shí)用wilcox.test? t 檢驗(yàn)與 Wilcoxon 檢驗(yàn)的選擇:何時(shí)用 t.test,何時(shí)用 wilcox. ...
2025-07-14AI 浪潮下的生存與進(jìn)階: CDA數(shù)據(jù)分析師—開啟新時(shí)代職業(yè)生涯的鑰匙(深度研究報(bào)告、發(fā)展指導(dǎo)白皮書) 發(fā)布機(jī)構(gòu):CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08