大数据营销:关键趋势和关键挑战——上海纽约大学杰出全球商学讲席教授 陈宇新

标签:技术商业热点中国技术商业论坛及领袖峰会

访客:19795  发表于:2013-11-09 09:50:56

关于更多精彩内容,详见:中国技术商业论坛暨领袖峰会

    主持人:大家好,各位朋友,各位CMO俱乐部的会员们,欢迎大家参加今天的数字营销峰会。数字营销峰会是CMO俱乐部主打的论坛品牌。我们中国CMO俱乐部去年的时候由IT经理世界杂志社,联合了83位各行各业的大企业的首席营销官以及其他的营销专家共同成立的组织。因为现在新的技术变革和新的媒体环境变革下营销层面发生了一些新的变化,以及营销创新存在哪些新的可能性。经过一年多的发展,我们中国CMO俱乐部,现在已经达到了500多人的规模,还在快速的发展过程当中。中国数字营销峰会论坛也得到广大朋友的认可以及积极的参与。今天论坛的主题是大数据和营销变革的主题。今天上午我们请到了多位专家来给大家共同分享,在新的技术变革背景下,营销变革的趋势洞察。下面我们首先有请上海纽约大学杰出全球商学讲席教授陈宇新先生,来给大家分享大数据营销的实现与挑战,大家欢迎。

   大数据营销:关键趋势和关键挑战——上海纽约大学杰出全球商学讲席教授 陈宇新

   陈宇新:谢谢大家,也非常感谢主办方邀请我,给我这个机会和大家分享一下,对大数据现在现状和趋势的想法。现在我在上海纽约大学,我自己的专业是定量营销的专业,跟大数据营销还是非常相关的。因为今天的时间关系开始的比较慢,我讲的尽量简短一点。这是我最喜欢关于大数据的图片。这个图很能反映出大数据营销的一种现状。

   在未来,我们看到的一些光明,在隧道的尽头看到光明,看到大数据给营销带来的变革。但是我们又在相对比较混沌当中探索,我们还有很多困惑,还有很多需要研究的地方,这是目前大数据营销的现实和愿景,道路还是比较曲折,还有很多未知的东西。

   这是我对大数据营销目前现状的概括。第一我们谈的比投的多。种种情况来讲,大数据这个词用的已经比较烂了,大家都不好意思讲数据了。在上海纽约大学有一个大数据中心,现在改为科学中心,因为用的多了之后就不清楚了,所以我们要发明一个新的词。总体来说是谈的比投的多,但是投的也不少,45%的企业已经有大数据方面的投入了。

   第二投的比做的多,投了之后不一定真正做大数据。我有一个朋友在一个非常大的国企工作,大家每天都使用这个企业的产品,他们在去年也成立了大数据部门,我这个朋友是大数据部门的负责人。但是过了一年以后我问他做的怎么样?他说投了很多设备还没有开始分析。这也是一种现状,投的比做的多。

   第三做的比懂的多。现在已经有一些做大数据了,BI的系统,分析出来一些数据。即便做了分析,我们是不是懂得后来的原理,是不是懂得分析的价值所在,懂不懂得衡量投入和回报。

   第四懂的比赚的多。最后我们通过大数据的投资,通过大数据的技术,到底赚了多少钱,这笔账我们也不是很清楚。看上去有些负面,最后可能是一个相对比较正面的东西。比如说我们赚的,比想的要多。什么意思呢?将来赚的比现在想到的多。虽然现在我们投入了,可能不一定很准,也没有看到特别高的利润。但是实际上大数据的投资,大数据给我们未来带来的利润回报的潜力,可能远远超过大家现在看到,大家现在想到的。

   比如说前天美国twitter上市,股价到了46块,实际上并没有盈利,每个季度都在亏损。但是它为什么这么受追捧呢?从我来说,很多程度是有这么多的用户,每天有这么多的信息在上面,从未来大数据的角度,从twitter的信息,了解消费者的偏好,未来的商业价值,潜力等等,这个都是不可估量的。它本身的价值不是服务的本身,而是服务本身的价值。去哪网前几天上市也取得了成功。去哪网不在于帮你找到机票,旅馆,而是通过这个平台搜集了海量的信息,未来的商业价值也是不可估量的。从现状来看,可能我们没有赚到很多的钱,但是将来赚的钱肯定比大家想象的要多。

   怎么在营销当中实现大数据的价值呢?其中有四层境界。从低到高,从浅到深,有四个不同的境界。大家可以看一下,自己在企业当中,你们做到了哪一层的境界?第一层的境界就是度量,我们要知道哪些量是我们要测量的,我们需要知道什么样的信息?这在于我们对业务的理解,不是IT人需要了解的而是CMO应该了解的。我曾经去过一个电商做过案例,做过深入的访谈。我讲一个很有意思的故事。对他们来说,做大数据遇到很大的挑战是什么?怎么定义什么叫订单?这是非常的量。我们从CMO角度来讲,订单在购物车里面买了就是订单。但是用这个标准执行下去这个并不是很好。因为订单在购物车出现之后,放在仓库里面,一个订单可能拆到两个或者三个,拆成两三个之后生成了多个订单。最后我考虑一个订单利润的时候,你用购物车的订单考虑的话反而不是最好的方法。

   如果一个订单拆成几个,你的运营配送的成本就会大大的提高了,怎么定义订单的效率和回报。最后他们在内部协调讨论,有一个最小的订单单位。当然还有其他的订单的复杂性。比如说订单,有部分商品退货了,你怎么定义一个订单的大小。这是我们做大数据第一步要考虑的,哪些量是我们关心的,哪些量是我们应该测量的,这是从业务角度来理解的。

   第二层次的境界,从度量进入到统计阶段。统计核心是什么?对不确定性的理解。因为我们平时很习惯看报表,看经济数据等等,都是一个数字,比如说GDP是多少?实际上数字包含着不确定性。比如说美国非农数字,没有一个经济学家预测准的,但是看历史误差,还在误差范围里面的,但是我们往往会忽略这一点。

   对统计的理解,还有一个很大的误区,我们往往会觉得,数据越多,大数据时代不确定性在减少。实际上很多时候正好是相反的。大数据时代,我们的不确定性反而增加了。为什么呢?因为大数据时代之前,我们关心的往往是一些汇总的量,或者在一类人,或者一批人的平均值。比如说有500个用户,平均订单是多少,平均消费是多少?这是非常准确的。因为我的样本量很大。

   但是大数据时代,我们要把营销做到个体上,数据虽然大,做到个体上,样本量是非常小的,预测的准确性,不是那么高的,不确定性非常大。因为对于一个个体,就算是很著名的电商,一年就消费十来次,这是很好的顾客。我们在个体层面上做的统计分析带来的不确定性,比原来在传统统计层面上,带来的准确性更好。不是说对消费者就一目了然,就完全能掌握的。

   第三层次的境界进入到预测阶段,统计还是看历史的变化分布等等,最后我们还要进入到预测,对未来的判断。最后在大数据实践当中,很容易遇到一个陷阱,就是我们对相关性的理解。当我们搜集越来越多的变量的时候,我们对历史数据的预测做的越来越好,但是我们对历史发生的事情预测的越好的时候,往往我们对未来的预测变得越低,变得会越差。大家学过统计或者计量经济学的话,这是非常著名的理论。因为你对过去掌握的太多了,相关性的变量稳定性就会降低。打比方说当年南非世界杯的时候,预测足球非常准,但是用它预测未来,可能就不如足球的评论员,专家预测的好。对过去预测的越准确,往往对未来预测越不精确,这属于大数据预测方面的陷阱。

   这里面我们要更加深刻理解相关性。相关性有两种,第一就是随机预测的相关性,另外一种是背后有一些理论有些常识能力支持的相关性。比如说冰淇淋的销量跟一个地方的火灾有相关性冰淇淋卖的越好,火灾越容易发生。这种相关性有长期的理论性,因为这里面有天气的因素。这种相关性是我们在大数据时代里面需要的相关性,而且它有相关的潜在的好处。比如说我们拿不到一个地方的冰淇淋的销量,但是火灾的数据这是公开的,这是政府的数据,很容易拿到。通过这个可以判断这个地方冰淇淋的市场潜力是什么样的,从营销角度来说还是有价值的。相关性有稳定性的,还有随机的相关性。并不是说我们对过去的数据进行分析预测的越准模型就越好,正好相反,过去预测太准,未来可能就不准了。

   最高的层次就是优化,因为我们做什么事情,最后要做决定的。在大数据时代我们要知道,里面有两种类型的优化,一种是优化应对,这个事实是不可改变的,比如说我们预测事实发生,比如说有台风来了,我们怎么应对台风,但是不能改变台风的事实。从这个角度来说我们不需要太多的因果律的了解,相关性就够了。比如说鸟类迁徙预测台风,虽然没有因果性,我们只是应对相关性就够了。更多的时候我们的优化是改变未来,不是预测未来。我们想知道的是,我们的决定怎么样能改变未来的结果,这时候相关性不够,我们还要知道因果的关系在里面。

   比如说作为数据科学家,比如说搞数据的人什么年龄结婚?他们都预测是30岁结婚。比如说这是第一类预测,不能改变这个事实,你的优化就是存钱买房,30岁有房有车。第二种就是决策改变未来,就是我现在要成为数据科学家,我是不是转行,可以早点结婚。我们很多的时候,营销当中遇到第二类,这时候我们就要知道因果关系。我们怎么知道因果关系?我们想想应该是挺难的事情。但是在大数据时代,给了我们非常有用,而且非常有效的工具。在大数据时代,我们很容易做很多的试验,在很快的情况下,在网上很快的分成很多组,进行简单的测试,哪种营销手段效果好。从这个地方我们可以看出因果性,通过因果性的判断,做出哪个决定是最优化的,这是大数据时代给我们带来的便利。

   这是我以前做的信用卡公司的项目。这是三个顾客的刷卡金额,我们为什么关注总的刷卡金额,而不看刷卡的次数,因为这是我们想看的。你们的IT的同学可以给你们准备这些数据。看什么数据本身,就反映你对市场的理解,对消费者行为的判断。比如说看他们的刷卡金额,根据刷卡金额制定营销方案。比如说第一个是高端的客户,跟他更多的接触,给他一些礼品。但是这个够不够?我们作为CMO来说,这个数据是不是足够的?我们还想知道什么度量?他们就进行了下一步的思考。

   如果我们知道更多的话,有更多的数据,是不是能把我们的决策做的更加的优化。这是有了更多数据之后的结果。更多的数据看到了这些顾客在竞争的信用卡的消费,这两个数一除就可以看到我荷包份额是多少。第一个是55%,第二个6%,第三个是90%。这个数据搜集的本身,首先是我对专业的理解来说的,我觉得荷包份额是非常重要的量,我要了解这个。在执行层面我搜集更多的数据,然后用算法算出来。

   我帮他们做了分子,给他们这样的表格,他们为什么要这个表格?实际上我觉得这个表格不是很对的。为什么?因为这里并没有告诉你,这些数字的不确定性是多少。实际上这都是我们通过计算统计做出来的,正好到98块结尾,而不是99,这里面有很多的不确定性,但是他们决策者不考虑这些,所以我们就这样做了,但是里面是有很多不确定性的。

   大家看了这个之后你的决策会不会改变?这个就到了优化的问题,但是这并不是数据能完全解决的,最后我们还需要CMO决定。我们知道了更多的信息。精准营销到底应该针对谁呢?比如说我要搞促销,我要给一些优惠,我应该找第一个人,还是第二个人。当时我在他们内部会上,他们有两派争论的很厉害,一派说找第一个人,一派说找第二个人。他们说的各有道理。为什么第二个人占6%,说不定在其他的卡那里是金卡用户,这样的话信息又不足了。这时候我们就想是不是少了一些信息,如果没有信息我们需要使用我们的经验分析。

   我给他们的建议判断找第一个人,很有可能第二个人是竞争对手的忠诚客户,我们把他抓过来成本太高了,第一个人提高消费金额比较容易一点。我们做了这么大一圈,投资这么多。最后原先精准营销针对第一个人,现在看到这个数据还是对第一个人做精准营销。似乎大数据的投资并没有任何的帮助,决策根本没有改变。实际上我们做的决策更加懂得我们的决策为什么有道理。

   从这个角度来说,回到前面我们讲到的,实际上从大数据赚到的钱比我们想象的要多一点。表面来看我们没有多赚钱,策略没有改变,但是使用大数据以后,策略没有改变,但是我们的风险降低了,对信息的把握增加了,这也相当与投资回报的增加,因为降低了投资的风险。

   这是我和北京大学同事做的项目,推荐的算法和有效性。亚马逊号称30%的销量是推荐来的,中国的网站一般是10%的销售额是推荐来的。如果10%的销售是通过推荐来的,但是如果不做推荐的话,是不是还有10%的销售。只不过消费者买的是你推荐的东西,但是我们不知道,你不推荐的话是不是也买同样的东西,这里并没有对比。我们基于电商的实验,最后我们发现很有趣的现象,如果你把另外一组人推荐的人去掉,有没有销量没有显著的影响。大多数没有被推荐的人,绝大多数买东西有很多的重合。但是这并不是说推荐没有用处,我们追踪他们一年时间里面,我们发现被推荐到商品的消费者,回头率增加了,长期带来的份额,长期带来的营收上升了,因为消费者感觉到购物体验提高了。虽然没有买你的东西,但是你推荐的东西都是他喜欢的。这样他觉得这个网站对货品的选择很对我的胃口,回头率增加了。一方面大数据没有带来直接的影响,另一方面你知道因果方面的分析,你知道真正的好处从哪来,你就知道你推荐的方向和目标就改变了,主要从增加用户体验方面入手。对推荐引擎的第三方提供者,他们想的要额外收入,不光从点击转化率收费,而且是长期的效益,这样对他们来说也有利润的提升。

   从这些例子中可以看来,大数据带来的潜在的作用。有的时候表面没有看到直接的利润的上升,但是实际上通过大数据赚到的钱,可能比我们想象的要多很多。

   大数据营销的挑战,第一基于对业务的理解我们才知道看什么东西,要了解什么信息。第二经验与数据的结合,有了数据还要判断,到底对谁做营销。第三分析与优化的结合。我们的分析的目的还是要优化,不光看到数据,我们还要做决策上的改变和调整。

   我发现这里面有一个瓶颈,分析的人才和优化人才要求的知识结构不太一样。分析主要是计算机科学,统计等等,优化是运筹学,运营科学方面的知识。这两方面的知识,虽然都是搞定价数学的,但是不完全是重合的。你们在企业内部,更多的是找分析的人才,会玩数据,会做统计的,但是我也想提醒大家,还要注意优化方面的人才。这两方面的人才的知识结构不是完全重合的。

   第四能力与敬畏的结合。往往被大家忽略的是大数据的极限在哪里,硬件越来越便宜,计算机的能力越来越好了,大数据体现的是能源,现在整个IT行业,已经消耗了全球10%的能源,而且这个速度在不断的提升。物理有热力学第二定律,大数据从本质上来说就把无序混沌的东西变得更加的清晰化,变成有序,就要不断的加入能量,才能从无序变成有序。我们不断的做大数据,让大数据百倍千倍的增加,背后必然有能量输入进去。最后大数据的投入产出的成本可能就是能源的成本是最后瓶颈的限制。数据不可能是无限大,我们的历史数据到底要保留几年,数据到底细到什么程度,这是未来我们需要考虑的东西。

   中国电器大的公司已经意识到这点,把数据中心迁到内蒙古,这样的话,能源成本能降下来。大企业想在这方面投入的话,这是非常重要的课题。我们人类对知识,对信息的渴望是无穷的,但是最后的极限有一个自然规律在背后,有能源的问题,这也是敬畏之心,不可能是无限的。

关于更多精彩内容,详见:中国技术商业论坛暨领袖峰会

上一篇:#数据社会#
下一篇:#数据社会#

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");