1704273170
1704273171
“尝试”在此处是一个无害的行为。在智能数据范畴内，“尝试”具体可理解为：我们需要将想法付诸实践，并评价实践的效果，否则的话，我们就无法兑现承诺并发现其他潜在可能性。
1704273172
1704273173
具有数据基因的市场参与者区别于普通市场参与者的一点是，他们具有衡量“触点”实际效用的能力，能够将有效的措施移植到同类或者他类客户群体中去，并且他们会迅速终止无效措施。
1704273174
1704273175
通过这样反复的迭代更新，我们将能够更好地满足更多客户的需要。
1704273176
1704273177
智能数据市场营销的“黑盒子”
1704273178
1704273179
物理学家和统计过程控制的创始人威廉·爱德华兹·戴明（William Edwards Deming）曾说过：“我们只信仰上帝，其余的人都得拿数据说话，我们才会相信他。”
1704273180
1704273181
数据本身对市场营销是没有价值的，只有通过统计学过程去处理分析数据，才会带来有益的认知。不同的分析目标，需要的统计学流程也是差异化的。在此，我们大概介绍一下：
1704273182
1704273183
☆如果需要去发现数据中潜藏的范式，在市场营销过程中，大都是希望去识别同质化或潜在的客户群体，那么可采用聚类分析流程。
1704273184
1704273185
☆如果需要去分析并评价已确定的KPI（即关键绩效指数，例如ROMI，市场营销投资回报率）的驱动因素，统计学家大多会采用验证性因子分析方法，特别是回归分析。这种分析流程的目的是，尽可能地通过其他因素去解释一个目标变量，并且揭示出不同因素对这个变量的重要性及作用强度，以期能够实现对KPI的有效管理。验证性因子分析方法最常见的应用是用于市场营销有效性研究项目。
1704273186
1704273187
☆如果需要去评价多渠道的效用或者去评价企业市场营销效率的标杆管理情况，那么可以采用数据包络分析方法。这种致力于绩效优化的分析方法是基于一种理念，即为不同的公司或者众多渠道的投入变量设置相应的产出水平。这个分析方法的优点之一是，每一个分析流程仅需为数不多的数据点。
1704273188
1704273189
☆在数据驱动的市场营销中，最常见的分类问题是将人分配至既存的聚类组中。借助决策树可以建立起最优分类原则，尽可能地将人员分配至恰当的分组中。决策树是最有效的分组方法之一，应用方式极为灵活，易于理解接受，并且通过算法的不断优化，例如随机森林算法，决策树也适用于较大量的数据分析。
1704273190
1704273191
☆亚马逊开了一个好头，现在所有的企业都想拥有一个好用的推荐引擎，以此实现自动生成个性化的推荐建议，最大限度地匹配客户的喜好，尽可能地促进销售。此时，可采用下列两种方法：
1704273192
1704273193
1.关联分析方法：这是一个很简单的分析方法，尤其适合于“购物车”研究，用于寻找经常被同时购买的商品。如果想使用这种分析方法，我们需要拥有完整的匿名交易数据。
1704273194
1704273195
2.协同过滤分析方法：这种分析方法是通过对比客户（例如网站用户）的喜好和购买情况，实现向客户推送个性化推荐建议。从严格意义上来看，与其说这种方法是一种统计学算法，倒不如说是一种特殊的过滤和比较逻辑。这种方法具有应用简单、运算强度低等特点，因此特别适用于处理大量数据。这种方法的缺点是，我们必须先期对目标客户有一定了解，才能为其推送有价值的推介信息。我们对客户的了解越多，我们越能够为客户提供更好、更精准的建议。这跟此前提到过的自学习系统概念是相吻合的。
1704273196
1704273197
结论：实现增值
1704273198
1704273199
与传统的聚类模型和与之对应的市场部门相比，智能数据分析至少可在下述5个层面为企业带来可量化的竞争优势：
1704273200
1704273201
☆聚焦企业经营中出现的实际问题和发展潜力，可以促使企业明确目标和措施，这个恰恰是许多具探索性的数据项目所欠缺的。
1704273202
1704273203
☆由于拥有更好的（高聚合性、智能化预分类）数据基础，智能化的聚类可以更准确地描摹某一聚类中客户的实际购买行为。此外，可被明确归入某一聚类的客户比例有所上升。由此，在理想情况下，在单一客户层面，我们采取的市场营销措施可以更加精准地发挥作用。
1704273204
1704273205
☆我们有（越来越多的）可能去正确评估某个单一客户在某个商品或者具体商品组合上的销售额贡献潜力。
1704273206
1704273207
☆通过设置“触点”优先级，我们可以显著提高满足客户需求的效率。
1704273208
1704273209
☆通过动态利用统计学分析，我们可以更好地调整针对单一客户的市场营销与经营活动。
1704273210
1704273211
总的来说，在智能数据流程中，我们可以基于更智能化的聚类分析，总结出具有良好投入产出关系的市场营销措施。此处，智能数据聚类分析起到了决定性的作用。因为，得益于规律性重复的、集成化的交易数据、互动数据和消费行为数据分析，智能数据流程不仅仅只是更准确地表述一个客户购买某个商品的可能性有多少。作为一个自学习系统，智能数据流程还能够描述出客户将会在何时、通过哪个渠道、以怎样的价格购买。
1704273212
1704273213
我承认，这听起来更像是自吹自擂的大数据自我营销。在本书的第三部分，我们将介绍一些智能化的企业，他们的经营证实了智能数据流程的优越性；这些企业日渐获得数据竞争优势，却没有陷入“数据自我负累”的泥潭。我们称这些企业为智能数据冠军企业，他们在很多应用领域确实赢得了竞争优势。
1704273214
1704273215
[1]即那些不会再被访问的数据。——译者注
1704273216
1704273217
1704273218
1704273219
[
上一页 ]
[ :1.70427317e+09 ]
[
下一页 ]