(特价书)大数据营销：定位客户

　　为什么数字如此迷人
　　无论浏览哪个网站，买家都会被广告团团包围；精准而实时地展开新的营销攻势；在众多客户之中能找准必定可以带来最大利润的客户—它们只是体现今时今日人类众多本领的三件小事。这都要归功于分析学，这一学科研究的是人们迅速概括分析所有数据时展现的科学与艺术。
　　你也许会认为，不起眼的小数字只是突然之间变得魅力十足，其实绝不是这么简单。
　　我们有理由推断，可能迷人的小数字正是从直接反应营销（direct-response campaigns）发明后兴起的第一批这类销售活动中开始释放魅力的。1872年，阿龙·蒙哥马利·沃德（Aaron Montgomery Ward）首创了邮购商品订单目录的推销方式，理查德·西尔斯（Richard Sears）与阿尔瓦·罗巴克（Alvah Roebuck）1886年全盘照搬了这种方法。虽然没有现实的证据显示这些早期的邮购目录开发者当时怎样衡量自己的成功，并且尽可能扩大业务，但他们的确有能力做到。邮购目录在营销领域盛行一百多年，如今由互联网上的电子邮件订购目录所取代。这说明，利用邮购目录的销售人员确实成绩斐然。
　　实际上，克劳德·霍普金斯（Claude Hopkins）早在1923年出版的《科学的广告》（Scientific Advertising）一书中就以先驱者的口吻这样表示：“一些人将广告提升到了科学的层面，这样的时代已经到来。这种科学依据一些固定的原则，结果非常精确，没有差错。人们分析广告的起因和产生的结果，直到彻底理解因果关系为止。整个过程已经形成了一套正确的方法，并且得到了证实。我们知道什么是最有效的，于是根据基本的法则采取行动。”
　　霍普金斯此后与约翰·卡普尔斯（John Caples）合著了《久经考验的广告创意法》（Tested Advertising Methods）。这部1932年出版的作品主要着墨于邮购和其他直接反应的工具。对采用邮购目录的营销人员来说，这样做是轻车熟路，他们知道自己要将目录，也就是直接邮寄的清单寄给谁，接下来他们要做的只是跟进了解，确认收件人最后是否真正购买了商品。这种套路非常有效。到广播与电视这类大众媒体相继出现以后，再没有什么简单的方法可以确切地告诉他们，谁听到了广播播出的广告以及谁看到了电视上的广告。新的技术需要这些新媒体像以往的邮购那样，同样可以将跟进营销对象的责任落实到个人。
　　20世纪50年代，人们开始应用更先进的数学技术。这一时期，第二次世界大战（以下简称“二战”）后初次应用于营销业的运筹学与管理学模型在生产和制造业风行一时。如今我们能够了解，消费者观看互联网广告的具体时长、点击了广告的哪些部分以及哪些行为可以视为广告产生的效果。以今天的标准看，那些模型还相当原始。尽管如此，那个年代的模型也已经开始让人理解了营销和媒体共同作用的产物，它们包括品牌意识、报酬及最终带来的销售额与赢利。
　　进入20世纪90年代，分析学演化到第三阶段。许多市场营销人员痴迷于 “客户关系管理”（CRM）。这时，人们已能将强大的新型数据库和迷人的小数字直接用于营销活动。这其中的缘由倒不难推想。弗雷德里克·莱奇赫尔德（Frederick Reichheld）在自己1996年出版的《忠诚效应》（The Loyalty Effect）一书中指出，客户保持率如果增加5%，就会产生25%～100%的利润。我们将在本书第2章中介绍，同在1996年面世的《差异化行销》（All Consumers Are Not Created Equal）一书中，作者葛斯·哈伯（Garth Hallberg）称，公司的小部分客户通常带来大部分营业收入，客户数量与收入并不成比例。基于这类研究发现，企业决定采取行动，了解最应该珍视的那类客户。它们推出了忠诚卡，允许一些机构借此获取交易数据，还斥重金投资数据存储技术。这种技术能将客户所有的信息都存入一个数据库。终身价值模型（lifetime value model）可以预计出客户的长期价值，而防损耗模型（anti- attrition model）则被用来预计一位客户有多大可能失去积极性。CRM的进化演变极大地增强了工具和技术的营销效用。数字媒体产生了以客户为核心的巨量数据。分析师筛选大量数据的能力也很快在面对这些数据时遭遇考验。
　　借由互联网实现的数字化沟通，我们可以测定一切。一切都能产生数据，而且数据的规模庞大。谷歌的数字化数据库规模之大也许算全球之冠，它每天捕捉世界各地约10亿个搜索数据。如此巨大规模的数据使企业得以史无前例地透彻了解客户，深入了解客户有多么喜爱品牌，以及这种对品牌的投入最终会给企业带来怎样的收入。
　　电子商务环境向我们提供了一个密闭的循环系统。在营销效用方面有种说法，就是让我们接近极乐仙境。我们会知道具体的用户身受哪种媒体营销的影响，他们怎样进入特定的网站，浏览某网站时他们会做什么。我们可以观察这些用户购物的全过程，从开始直至购物的行为真正转变为商家的成功销售。
　　而且，我们可以得到实时的数字化数据，再也不必等到几周甚至几个月后才能了解营销活动有怎样的影响，几乎在活动进行的同时我们就能得到数据，由此能够立即优化营销效果。数字技术在营销领域掀起了一场轰轰烈烈的数学革命。
　　对这个经历革命洗礼的全新世界，没有哪个人的描述比彭明盛（Sam Palmisano）更精辟。2008年，时任IBM公司首席执行官的彭明盛在美国外交关系协会（Council on Foreign Relations）发表演讲时指出：“一切都会变得智能化，新的计算模型可以处理数量激增的终端用户设备、传感器与驱动器，并且用后端系统将它们联系在一起。结合先进的分析学，这些超级计算机可以将海量的数据转变为能诠释行动的人工智能，让我们的系统、供需和基础设施更高效、生产力更高、反应更快，总而言之，更聪明。”
　　以西班牙零售集团印第纺织（Inditex）旗下主力品牌Zara为例。Zara在业务流程的各个环节都运用了分析学，设计台上的服装图纸短短几周时间就能转化为店铺销售的成衣，做到了此前服装业认为不可能做到的事。对其他零售商来说，花上9～12个月时间推出圣诞节的服装新品并不罕见。
　　这一切对于普通百姓个人意味着什么？假如应用了分析学，并且建立了彭明盛谈到的各种设备的内部关联，相信在不远的将来，我们家中的冰箱会变成这样：它不仅能告诉你冰箱内存放的牛奶与黄油何时过期，还能列出一份采购清单，向我们当地的超市发出订单，然后超市就会送货上门。
　　隐私怎么办
　　以上未来的科技进步看起来简直美妙绝伦。可是，让美好的未来梦想成真需要付出代价。有人担心，市场营销人员将能收集到所有相关数据。这些数据会显示，消费者在网上购买了什么、在哪里购物。
　　我会在本书最后一章用大量篇幅探讨隐私问题，在此先稍作表述。我的观点可能会让读者意外。我认为，人们会为了正当的理由反对出于商业目的进行大范围数据收集。大部分数据收集的行为都非常隐秘，没有受到任何监管。这样做当然不对。
　　可现在形势变了。因为客户直接表露了担心，即使没有其他标准，广告业与营销业也都已经开始实行自我监管。我们承诺，未经客户许可，不会收集个人验证信息（personal identifiable information，PII）。我们给予客户机会，让客户可以选择避免我们收集客户的任何个人数据，但我们也会教育客户，请客户了解我们第一时间收集这类信息的理由。
　　我希望，这种教育将有助于客户明白，一些最初感觉类似侵扰的行为实际上对他们有益处。我知道，这听起来像丝毫不顾及人性的奥威尔主义做法，但也要考虑到，很少有非营销业人士能了解，为了给创造内容提供资金，原本就需要做广告。在如今这个时代，人们期望看到质量更高、数量更多的免费内容，广告的需求更加突出。客户一再表现出，无论是收看最喜欢的电视节目，还是把时间用来上网浏览最喜欢的网站，他们都不会为自己欣赏的内容承担全部费用。没有广告，大部分网站都会躲在付费的高墙后面，用户将不得不支付订阅费用才能观看内容。每个电视频道也都会额外收费。
　　要让大多数内容始终免费提供，就不能赶走广告支持的媒体。可我们现在已经有能力让广告不那么折磨用户。假设你是一个25岁的游戏玩家，想观看30分钟自己最喜欢的节目，而代价就是电视网络的经营商要播放6分钟的广告，相当于为了生产这30分钟节目，要6分钟的广告费用来负担成本。那么，你是愿意在6分钟时间里看最新款的游戏广告，还是一般广告？大部分玩家都会选择前者，可如果要让电视网络经营商能提供你选择的这类广告，你就得允许研究数学的市场营销人员了解自己的口味、习惯、偏好，这样他们才对你有足够的了解，能展示与你有关的商业广告。