两个反例、两个案例，弄懂为么你的大数据营销结果不睬想
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;"></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;"></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">互联网的发展带来了海量的<span style="color: black;">低价</span>数据，<span style="color: black;">亦</span><span style="color: black;">诱发</span>了关于大数据<span style="color: black;">将来</span><span style="color: black;">商场</span>应用前景的热烈讨论。然而，<span style="color: black;">针对</span>大数据的讨论<span style="color: black;">非常多</span>都流于概念的炒作，并<span style="color: black;">无</span>深入到数据的本质，基于大数据的互联网营销与品牌管理，<span style="color: black;">亦</span>远不像人们想象的<span style="color: black;">那样</span>容易。</span></p><span style="color: black;">作 者 | 李洋</span>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">来 源 | 长江创创社区（CKGSB_Chuang）</span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">随着科技和互联网的发展，<span style="color: black;">咱们</span><span style="color: black;">此刻</span><span style="color: black;">持有</span>越来越多的数据。互联网是个低成本的连接，<span style="color: black;">大众</span><span style="color: black;">能够</span>在互联网上自发的产生内容、展开互动，<span style="color: black;">因此</span>互联网上的数据流动性非常强。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;">当<span style="color: black;">咱们</span>看数据的时候，不仅要<span style="color: black;">思虑</span>数据量的丰富程度，<span style="color: black;">同期</span><span style="color: black;">亦</span>要<span style="color: black;">思虑</span>数据的流动性和新颖程度。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">互联网是个交互的载体，<span style="color: black;">因此</span><span style="color: black;">咱们</span><span style="color: black;">经过</span>数据<span style="color: black;">能够</span><span style="color: black;">发掘</span><span style="color: black;">非常多</span>可能的<span style="color: black;">商场</span>应用前景。<span style="color: black;">此刻</span><span style="color: black;">针对</span>大数据的讨论有<span style="color: black;">非常多</span>，<span style="color: black;">然则</span>我想说的一点是，<strong style="color: blue;"><span style="color: black;">很</span></strong><span style="color: black;"><strong style="color: blue;">多<span style="color: black;">相关</span>大数据的讨论仅是概念的炒作，并<span style="color: black;">无</span>真正深入到数据的本质。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">因此</span>在<span style="color: black;">起始</span>之前，我想先举几个反例，而这几个例子在<span style="color: black;">非常多</span>书籍里面是<span style="color: black;">做为</span>经典的开篇案例来被论述的。</p><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;">
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">从几个“经典”案例谈起</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">谷歌在2009年推出了一款<span style="color: black;">预测流感爆发的数据<span style="color: black;">制品</span></span>，原理是<span style="color: black;">倘若</span>某个<span style="color: black;">地区</span>对流感<span style="color: black;">关联</span>的关键词的搜索量<span style="color: black;">倘若</span><span style="color: black;">忽然</span><span style="color: black;">增多</span>，<span style="color: black;">那样</span><span style="color: black;">这儿</span>就可能爆发流感。2014年，<span style="color: black;">有些</span><span style="color: black;">专家</span>检索了过去5年的预测结果，<span style="color: black;">发掘</span>其中92%都是错的，<span style="color: black;">况且</span><span style="color: black;">非常多</span>大的流感并<span style="color: black;">无</span>预测到。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;"><span style="color: black;">为何</span>会<span style="color: black;">显现</span><span style="color: black;">这般</span>高的错误率？</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">由于</span>流感的爆发是很<span style="color: black;">繁杂</span>的事，与人口密度、人口流动、气温、<span style="color: black;">膳食</span>、卫生<span style="color: black;">要求</span>等<span style="color: black;">非常多</span><span style="color: black;">原因</span><span style="color: black;">关联</span>，而关键词的搜索频率<span style="color: black;">供给</span>的信息极其有限，用来预测<span style="color: black;">特别有</span>可能出错。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">还有一个案例<span style="color: black;">非常多</span>人听过，<span style="color: black;">啤酒与尿布的故事</span>，说美国的爸爸给小孩买尿布的时候会顺便给自己买啤酒。<span style="color: black;">然则</span>，<span style="color: black;">自己</span><span style="color: black;">实质</span>分析多套美国超市<span style="color: black;">营销</span>数据后从未<span style="color: black;">发掘</span>这两个品类间有<span style="color: black;">明显</span>的<span style="color: black;">关联</span>性。<span style="color: black;"><strong style="color: blue;"><span style="color: black;">因此</span>这<span style="color: black;">亦</span>只是一个噱头。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">还有<span style="color: black;">非常多</span>类似的讨论<span style="color: black;">或</span>炒作，<span style="color: black;">因此呢</span><span style="color: black;">期盼</span><span style="color: black;">大众</span><span style="color: black;">能够</span>更理性的去看。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">中国的大数据产业</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">再回头看国内的数据产业。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">虽然大数据<span style="color: black;">专题</span><span style="color: black;">已然</span>被讨论了好几年，但<span style="color: black;">实质</span>上基于数据的变现面还是比较狭窄的，远远<span style="color: black;">无</span><span style="color: black;">咱们</span>想象<span style="color: black;">其中</span>的<span style="color: black;">那样</span>美好。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">真正能用数据变现、<span style="color: black;">挣钱</span>的，大都集中在程序化<span style="color: black;">宣传</span>、<span style="color: black;">精细</span>营销、用户画像<span style="color: black;">行业</span>。其它的<span style="color: black;">行业</span>还是停留在概念<span style="color: black;">周期</span>，<span style="color: black;">例如</span><span style="color: black;">咱们</span>讨论<span style="color: black;">非常多</span>的消费金融、大数据征信，实现的难度很大。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">重点</span><span style="color: black;">原由</span>还是<span style="color: black;">由于</span>缺乏数据——很难有一家<span style="color: black;">机构</span>、一个<span style="color: black;">公司</span>，能把一个消费者在生活各方面的消费信息都收到，例如支付宝上的芝麻信用收集到的是你用支付宝时的交易记录，而<span style="color: black;">无</span>财付通<span style="color: black;">或</span>现金的交易信息。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">因此</span>说，在<span style="color: black;">广泛</span>缺数据的背景下，<span style="color: black;">咱们</span>应该理性的回归到数据问题本身。<span style="color: black;"><strong style="color: blue;">这其中一个很重要的<span style="color: black;">原由</span>是，数据的标准化、规模化非常难。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">一套数据对一个人可能值10块钱，对<span style="color: black;">另一</span>一个人就可能值10万，<span style="color: black;">由于</span>两个人所处的<span style="color: black;">方向</span><span style="color: black;">区别</span>，对数据的分析挖掘能力<span style="color: black;">区别</span>，提取价值的能力<span style="color: black;">区别</span>，有<span style="color: black;">各样</span><span style="color: black;">原由</span><span style="color: black;">引起</span>数据很难被标准化。缺乏标准就难以交易，缺乏交易就能成规模。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;">正确认识数据的价值</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">在我看来，<strong style="color: blue;"><span style="color: black;">数据<span style="color: black;">无</span>直接的价值，数据不等于价值，数据到价值之前还有很长的一条路要走。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">“大”数据本身是个非常模糊的命题。<span style="color: black;">况且</span>，数据本身是个科技范畴内的东西，但在<span style="color: black;">非常多</span>时候却被当成概念进行炒作。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">大数据的起点是业务数据化，终点是数据业务化，<span style="color: black;">亦</span><span style="color: black;">便是</span>说，最后能<span style="color: black;">经过</span>已有的数据产生新的业务点、现金流、利润。这个过程不是一蹴而就的，<span style="color: black;"><strong style="color: blue;">大数据不是黑和白、零和一的过程。</strong></span>这是一个需要循序渐进、<span style="color: black;">逐步</span><span style="color: black;">累积</span>内功修炼的过程。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">咱们</span><span style="color: black;">能够</span>以一个金字塔的方式形容它。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;"><span style="color: black;">首要</span>是数据源，<span style="color: black;">处理</span>数据收集机制的问题。</span></strong><span style="color: black;">区别</span><span style="color: black;">机构</span>有<span style="color: black;">区别</span><span style="color: black;">途径</span>收集数据。数据收集这个事情想象空间非常大，绝对不仅限于那种比较传统的财务数据、收银台的流水数据，<span style="color: black;">或</span>GPS定位的数据，<span style="color: black;">实质</span>上可收集的数据有<span style="color: black;">非常多</span>，<span style="color: black;">咱们</span>应该用发散性思维去想一想，到底怎么样收集数据。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">当然<strong style="color: blue;"><span style="color: black;">最关键的还是要<span style="color: black;">创立</span>一套长效、低成本的数据收集机制。</span></strong><span style="color: black;">非常多</span>行业<span style="color: black;">此刻</span>缺数据，<span style="color: black;">为何</span>？关键在于<span style="color: black;">无</span>机制，<span style="color: black;">或</span>说<span style="color: black;">无</span>跟终端市场互动的机制。<span style="color: black;">倘若</span><span style="color: black;">营销</span>都交给<span style="color: black;">途径</span>，那自然<span style="color: black;">无</span>有效的数据收集。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">数据有了，还要有效的管理起来。</span></strong><span style="color: black;">此刻</span>有<span style="color: black;">非常多</span>云计算、云服务的平台，<span style="color: black;">便是</span>要帮你<span style="color: black;">处理</span>管理问题。<span style="color: black;">然则</span><span style="color: black;">咱们</span>需要明白一点，<span style="color: black;">她们</span>只负责你数据的存储、计算等，不负责给你收集数据，<span style="color: black;">亦</span>不负责给你分析数据、挖掘数据。<span style="color: black;">她们</span>负责的是<span style="color: black;">基本</span><span style="color: black;">设备</span>，那之上的数据业务还得<span style="color: black;">机构</span>自己打造。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">数据分析能力：大数据的核心竞争力</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">非常多</span>时候数据的用处是完全靠你自己分析出来的，这套数据有<span style="color: black;">无</span>用很大<span style="color: black;">状况</span>下取决于你分析的能力怎么样。<span style="color: black;">因此</span>，分析能力、挖掘能力、建模能力，是一个核心竞争力。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">那<span style="color: black;">详细</span>来讲，<span style="color: black;">咱们</span>为什么要分析数据？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;"><span style="color: black;">第1</span>，大数据时代<span style="color: black;">实质</span>上是一个大噪音时代。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">大众</span>不要把大数据想得太美好，<span style="color: black;">尤其</span>是当你真要去做数据工作的时候。小数据时代，数据不多，能看出有趋势就有趋势，没趋势就没趋势。<span style="color: black;">然则</span>，数据量非常大的时候，当你打开一套数据的时候，迎面而来的可能全是噪音。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">数据越大，噪音越大，<span style="color: black;">亦</span>越考验你的数据挖掘和分析能力。</strong>这个能力既是你的技术能力，<span style="color: black;">同期</span><span style="color: black;">亦</span>是你对市场的理解能力。要把两者有效地结合起来，才有可能分析得好，预测得好。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">第二，大数据不等于<span style="color: black;">所有</span>数据。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">前几年<span style="color: black;">刚才</span><span style="color: black;">起始</span>有大数据这个概念的时候，市场上有一个非常错误的观点，<span style="color: black;">便是</span><strong style="color: blue;">大数据时代<span style="color: black;">咱们</span>不需要<span style="color: black;">思虑</span>抽样了。这是非常错误的。</strong><span style="color: black;">由于</span>再大的数据<span style="color: black;">亦</span>还是一个样本，<span style="color: black;">因此</span>你<span style="color: black;">必定</span>需要懂抽样理论，<span style="color: black;">认识</span>在当前的观察样本<span style="color: black;">状况</span>下，会对你的业务结果产生什么样的影响。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">第三，数据的外生性和内生性。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">数据本身并不<span style="color: black;">必定</span>能表达因果关系，<span style="color: black;">非常多</span>时候它只是个<span style="color: black;">关联</span>性。<strong style="color: blue;"><span style="color: black;">关联</span>性不影响预测，但影响决策。</strong>二者之间的关系需要<span style="color: black;">小心</span>把握。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">案例：美高梅赌场的<span style="color: black;">精细</span>营销</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">举一个赌场的例子。有一个大型的博彩集团叫做美高梅集团，在澳门、拉斯维加斯都有。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">做赌场生意，关键是什么？人流，<span style="color: black;">由于</span>赔率相对比较稳定，只要有足够的人流量，赌场<span style="color: black;">挣钱</span>。<span style="color: black;">因此</span>这个生意跟零售业很像，沃尔玛做的<span style="color: black;">亦</span>是人流量的生意。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;"><span style="color: black;">针对</span>赌场来讲，<span style="color: black;">她们</span>的数据分析里面非常关键的一点<span style="color: black;">便是</span>引流和降低流失率，<span style="color: black;">尽可能</span><span style="color: black;">加强</span>客户留存率。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">赌博行业是一个市场竞争非常激烈的行业。开赌场的人太多了，像拉斯维加斯那条大街上面，<span style="color: black;">非常多</span>家赌场，大<span style="color: black;">体积</span>小、金碧辉煌，赌场为了能够更好地留住客户，<span style="color: black;">通常</span>都不只是有赌场，还有餐饮、酒店、演出、购物等一站式服务。当然其中肯定是赌博的利润最大了，<span style="color: black;">因此</span>为了争取客户、留存客户，<span style="color: black;">精细</span>营销是非常重要的。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">赌场关注<span style="color: black;">精细</span>营销这么<span style="color: black;">数年</span>，<span style="color: black;">她们</span><span style="color: black;">此刻</span>要做的一个工作是，把原有的<span style="color: black;">精细</span>营销模型更进一步地去优化。其中很重要的一点是，我需要去<span style="color: black;"><strong style="color: blue;">量化我的促销力度跟赌博总消费之间的关系</strong></span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">这个问题其实很<span style="color: black;">繁杂</span>。<span style="color: black;">原由</span>有：</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">第1</span>，数据<span style="color: black;">非常多</span>很杂很乱。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">第二，促销的结果有时候因果是模糊的。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">第三，赌客来赌场消费，他的决策过程是很<span style="color: black;">繁杂</span>的。我<span style="color: black;">选取</span>你家赌场，可能不是<span style="color: black;">由于</span>你家赌场有多好，可能是<span style="color: black;">由于</span>你家的饭好吃，可能是<span style="color: black;">由于</span>你家的酒店好住，可能是<span style="color: black;">由于</span>你家的演出好看。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">还有一个非常<span style="color: black;">繁杂</span>的问题是，新赌客越来越多，历史上<span style="color: black;">她们</span><span style="color: black;">无</span><span style="color: black;">显现</span>过，怎么给<span style="color: black;">她们</span>做<span style="color: black;">精细</span>营销？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;">赌场<span style="color: black;">运用</span>的模型是很经典的针对人流量生意的数据模型，叫RFM模型（Recency-Frequency-Monetary）。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">Recency<span style="color: black;">便是</span><span style="color: black;">近期</span>一次消费的时间，时间越近你的价值越高；Frequency <span style="color: black;">亦</span><span style="color: black;">便是</span>消费频率；Monetary<span style="color: black;">便是</span>你花的钱。<span style="color: black;">然则</span>你<span style="color: black;">亦</span><span style="color: black;">能够</span>看出，<span style="color: black;">这般</span><span style="color: black;">亦</span>有一个问题，<span style="color: black;">便是</span>你<span style="color: black;">无</span>办法区分天性豪赌和促销<span style="color: black;">敏锐</span>的人。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">因此</span>，<span style="color: black;">她们</span>的新模型就要<span style="color: black;">处理</span>这些类似的问题。那<span style="color: black;">详细</span>怎么<span style="color: black;">处理</span>？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">刚才<span style="color: black;">咱们</span>说到<span style="color: black;"><strong style="color: blue;">内生性，<span style="color: black;">实质</span>上它就需要采取一种<span style="color: black;">所说</span>的“差别中的差别”（difference in differences）的<span style="color: black;">办法</span></strong></span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">便是</span>说，我需要在RFM分数类似的这些人里面再去看你们之间的差别。<span style="color: black;">由于</span><span style="color: black;">仅有</span>RFM分数相同的人，才有比较性。<span style="color: black;">同期</span><span style="color: black;">运用</span><strong style="color: blue;">协同过滤等技术</strong>来<span style="color: black;">处理</span>新顾客问题，等等。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">此刻</span>，<span style="color: black;">咱们</span>有一个新的模型，<span style="color: black;">然则</span>万一最后用起来<span style="color: black;">欠好</span>呢？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">这个时候要去做<span style="color: black;"><strong style="color: blue;">随机实验</strong></span>，将部分顾客随机分三组，分别<span style="color: black;">运用</span>新模型、老模型、无模型进行<span style="color: black;">精细</span>营销。<span style="color: black;">而后</span>对比一下，哪个组的ROI（转化率）更高，<span style="color: black;">才可</span>验证新模型到底好<span style="color: black;">欠好</span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">最后<span style="color: black;">发掘</span>，的确是新模型更好，<span style="color: black;">因此</span>在2015年加上了一个新模型以后，他营销的ROI<span style="color: black;">加强</span>了58%。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">咱们</span>讲数据分析、数据挖掘、数据建模，<span style="color: black;"><strong style="color: blue;"><span style="color: black;">实质</span>上<span style="color: black;">咱们</span>目的<span style="color: black;">最后</span>不是数据，而是<span style="color: black;">期盼</span><span style="color: black;">经过</span>数据理解<span style="color: black;">背面</span>产生数据的东西。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">是什么产生了数据？人产生了数据。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">咱们</span>总是<span style="color: black;">期盼</span><span style="color: black;">经过</span>数据，找一下<span style="color: black;">背面</span>人的<span style="color: black;">行径</span>和特征，<span style="color: black;">而后</span>基于这些去做数据的变现。</p><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;">
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;"><span style="color: black;">因此</span>，数据分析的<span style="color: black;">规律</span>不是以数据预测数据，而是<span style="color: black;">经过</span>数据预测人，人再来产生新数据。<span style="color: black;">咱们</span>必须关注产生数据的人，这才是数据分析的本质。</span></strong></p><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;">
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;"><span style="color: black;">任何的数据模型，都应该<span style="color: black;">思虑</span><span style="color: black;">详细</span>的业务场景和消费者的微观<span style="color: black;">行径</span>。</span></strong>好的大数据模型，<span style="color: black;">必定</span>是有好的技术，<span style="color: black;">同期</span>里面融入非常好的<span style="color: black;">商场</span><span style="color: black;">规律</span>和经验，这绝对不是个IT程序员能简单<span style="color: black;">处理</span>的。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">案例：社交网络的大数据征信</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">最后讨论一个<strong style="color: blue;">金融消费品的数据模型</strong>：<span style="color: black;"><strong style="color: blue;">社交网络的大数据征信</strong></span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">便是</span>你<span style="color: black;">期盼</span><span style="color: black;">经过</span>在社交网络上给一个人的信用打个分数。这个很重要，<span style="color: black;">由于</span><span style="color: black;">此刻</span>要讲消费信贷、普惠金融，必须要对一个人的信用<span style="color: black;">状况</span>做一个判断，做个人风控，<span style="color: black;">然则</span>中国之前的个人信用<span style="color: black;">评估</span>系统相对比较简单和落后。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">此刻</span><span style="color: black;">咱们</span><span style="color: black;">期盼</span>跳出传统的金融数据，拿到<span style="color: black;">有些</span>其它的数据。这个人的人际关系、<span style="color: black;">伴侣</span>圈、心理状态、生活状态，可能对他的信用都是个很好的反映。那这些东西从哪来呢？<span style="color: black;">此刻</span>是社交网络时代，<span style="color: black;">特别有</span>可能都是从社交网络而来。<span style="color: black;">因此</span>，<span style="color: black;">此刻</span>就有个很热门的<span style="color: black;">专题</span>——社交网络的征信。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">这必然会<span style="color: black;">触及</span>到社交网络的征信模型。<span style="color: black;">这儿</span><span style="color: black;">咱们</span><span style="color: black;">更加多</span>的不是要分析行业，而是<strong style="color: blue;">怎么样去社交网络上进行<span style="color: black;">创立</span>征信的数据模型。</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">社交网络是<span style="color: black;">尤其</span><span style="color: black;">繁杂</span>的，<span style="color: black;">因此</span>说，<span style="color: black;"><strong style="color: blue;">你要去社交网络上给人的信用<span style="color: black;">创立</span>一个数学模型，<span style="color: black;">首要</span>得给社交网络<span style="color: black;">创立</span>一个模型。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;"><span style="color: black;">首要</span>，你必须要能够处理社交网络的噪声，社交网络的噪声是非常大的。</strong></span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">另一</span>，假设有一天大规模实现了社交网络征信，<span style="color: black;">大众</span>交<span style="color: black;">伴侣</span>的方式<span style="color: black;">亦</span>会随之改变，这是<span style="color: black;"><strong style="color: blue;">内生变化</strong></span>。<span style="color: black;">咱们</span><span style="color: black;">亦</span>得把这个可能的内生变化加入到数据模型里面去，让<span style="color: black;">全部</span>过程自动化。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">要给社交网络<span style="color: black;">创立</span>一个模型，<span style="color: black;">咱们</span>就<span style="color: black;">想要</span>，人<span style="color: black;">为何</span>要<span style="color: black;">创立</span>关系？人跟人之间<span style="color: black;">为何</span>会形成社交关系？<span style="color: black;">由于</span>人和人之间的<span style="color: black;">类似</span>性。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">咱们</span>用特定的统计模型模拟人和人的<span style="color: black;">类似</span>性。先有了这个社交网络的模型，<span style="color: black;">咱们</span>再去建征信的模型<span style="color: black;">（课上有<span style="color: black;">仔细</span>讨论，此处省略）</span>。<span style="color: black;">咱们</span>要<span style="color: black;">思虑</span>你的信用到底怎么样？以及我对你的信用的判断，准确率怎么样？<span style="color: black;">例如</span>说我判断你信用非常好，<span style="color: black;">然则</span>我<span style="color: black;">晓得</span>这个判断的结果的误差很大，那<span style="color: black;">这般</span>的结果可能用处<span style="color: black;">亦</span>不大，我需要的是一个误差比较小的判断。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;"><strong style="color: blue;"><span style="color: black;">倘若</span><span style="color: black;">咱们</span>采取了大规模的社交征信，<span style="color: black;">实质</span>上是放大了人跟人之间的差异。</strong></span>原先我可能跟这个人会<span style="color: black;">作为</span><span style="color: black;">伴侣</span>的，但<span style="color: black;">此刻</span><span style="color: black;">由于</span>要征信了，我得<span style="color: black;">小心</span>了，<span style="color: black;">因此</span>我就不跟他<span style="color: black;">作为</span><span style="color: black;">伴侣</span>了。在放大了人跟人之间的差异的<span style="color: black;">状况</span>下，<span style="color: black;">咱们</span>再去看最后的征信结果就会<span style="color: black;">发掘</span>，这其实是个正循环<span style="color: black;">（课上有<span style="color: black;">仔细</span>讨论，此处省略）</span>。一旦人交友更<span style="color: black;">小心</span>了，<span style="color: black;">实质</span>上数据质量是更高了。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">社交<span style="color: black;">媒介</span>数据征信建模在美国<span style="color: black;">已然</span>实施，<span style="color: black;">她们</span>用的模型<span style="color: black;">便是</span>按<span style="color: black;">这般</span>的思路来的。<strong style="color: blue;"><span style="color: black;"><span style="color: black;">首要</span>写一个社交网络的模型，<span style="color: black;">而后</span>再写一个征信的模型，<span style="color: black;">同期</span>要<span style="color: black;">思虑</span>到产生征信以后，对社交结构产生的影响。</span></strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">你<span style="color: black;">最少</span>要把这三点写进去，才完<span style="color: black;">成为了</span>一个<span style="color: black;">基本</span>性的数据工作，<span style="color: black;">这儿</span>面当然还有<span style="color: black;">非常多</span>问题<span style="color: black;">咱们</span><span style="color: black;">能够</span>去<span style="color: black;">创立</span>模型，<span style="color: black;">例如</span>弄虚作假、违约率、借款利息等等，<span style="color: black;">因此</span><span style="color: black;">这儿</span>面还有<span style="color: black;">更加多</span>的拓展<span style="color: black;">能够</span>做。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">最后</span><span style="color: black;">咱们</span>想强调的一点是，<span style="color: black;"><strong style="color: blue;">数据的挖掘、建模与分析，是大数据营销过程中的核心竞争力。</strong></span><span style="color: black;">这儿</span>面牵涉到非常高深的技术，<span style="color: black;">况且</span><span style="color: black;">亦</span><span style="color: black;">不可</span>缺少对<span style="color: black;">商场</span>的洞察。这一切最后都落在既懂数据，又懂业务的数据数据BI<span style="color: black;">专家</span>肩上。而当下的中国很欠缺这方面的人才。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><strong style="color: blue;">END</strong></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">*本文<span style="color: black;">按照</span>长江商学院市场营销学副教授李洋博士在创创公社课堂上的分享整理，有删节</span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;"></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;"></p>
楼主节操掉了，还不快捡起来！ 楼主的文章深得我心，表示由衷的感谢！
页:
[1]