让机器来帮人类读懂大数据？其实你们很可能搞错了

大数据人工智能深度学习精准营销

RET睿意德商业地产 | 2016-10-01 23:48

【数据猿导读】在商业领域，大数据最早，也最成熟的应用方向，就是基于数据分析的精准营销。不久前，广告界超级大金主宝洁宣布了一件小事儿——宝洁将减少在Facebook上的广告投放规模，并认为其基于大数据的精准营销广告效果有限。这是为何

不久前，广告界超级大金主宝洁宣布了一件小事儿——宝洁将减少在Facebook上的广告投放规模，并认为其基于大数据的精准营销广告效果有限。

其实，这已经不是宝洁第一次表达不满了，此前，宝洁公司曾尝试通过Facebook，在养宠物和人口众多的大家庭中宣传其Febreze空气清新剂，但是销量不佳，直到宝洁将广告受众覆盖到所有18岁以上的成人时，才有了起色。当时这一消息曾导致facebook股价下跌。

不要小瞧这件事背后的涵义，要知道，宝洁也许是人类历史上最早开始实践数据化商业分析的公司，到现在差不多有30年的时间了。在如今这个人人都在说大数据，但是多数人都还不知道大数据是什么的时候，它闹出这么一出，打的可不只是Facebook的“Face”，还有整个业界都在学习着的“book”。许多人都难免有一个疑问：难道，大数据的价值真的被夸大了？

精准营销的困境

在商业领域，大数据最早，也最成熟的应用方向，就是基于数据分析的精准营销。精准营销也是Facebook商业化以来最核心的广告产品。在掌握了数十亿用户的海量行为数据之后，Facebook可以为广告主提供符合目标用户特征的营销服务，这被认为是数字营销的必然方向。2011年Facebook推出精准营销广告后，宝洁（P&G）是最早尝试的品牌之一。2012年，P&G为旗下的6个品牌的产品开设了facebook店铺。2016年第一季度，美国新数字广告支出的85%流向了Google和Facebook。

根据《华尔街日报》的报道，宝洁广告投放减少的方式是“scale back”（缩小规模）而不是“cut back”（削减支出）。这意味宝洁在Facebook上的整体支出不会大幅削减，而仅仅是小规模调整，且集中在精准营销这一方向。

对广告主来说，单独减少某个方向预算的原因只有一个——广告效果不够好。那么，问题到底出在哪里？

当初，Febreze空气清新剂事件中，专注于Facebook广告优化的大数据平台AdSeeData曾对此进行了分析。他们发现，宝洁是通过Facebook的Audience Insights及其自己的数据分析，把那些既养宠物又人口较多的家庭筛选出来，作为Frbreze的目标受众精准定位。但是AdSeeData分析表明，宝洁的这一方向是不对的：

一方面，通过Audience Insights可以发现，人口众多的家庭在美国用户中所占比例非常低，5人家庭只占8%，6人家庭则只占了9%，这等于人为限制了受众群；

其次，通过监测已购买过Febreze清新剂用户的数据，可以发现购买宠物产品的消费者只占Febreze粉丝用户的23%，由此可以推论出，买这种清新剂的人多数并不养宠物；

最后，Audience Insights数据显示，曾购买过或关注Febreze清新剂的用户更多地是集中在25-38岁单身租房客，或者零售和食品服务行业等。细想一下，其实也很容易理解，这些人在有人拜访时，需要用空气清新剂来帮忙掩盖屋内的异味。

尽管是宠物空气清新剂，但买它的人多数是给人类自己用的！

这也揭示了所谓“基于用户数据分析的精准营销”的局限性：你按照产品特性，再结合大数据分析所精心勾画出的那一群人，其实并不一定是你的最终用户。在Febreze空气清新剂这一案例中，它的真正消费人群正是宝洁公司的数据没算出来的。

值得关注的是，AdSeeData的大数据分析结果与宝洁的大数据精准营销切入方向并不一致，AdSeeData更像是从购买结果向回倒推。但反过来说，人们应用数据分析的目的，不就是为了缩小广告覆盖范围，并预先制订客户营销策略的吗？如果这两条都不能实现，要数据分析还有何意义？

宝洁市场营销主管Marc Pritchard称，之前宝洁太过重视精准营销，导致其定位针对的市场实在太小，今后“会更加善用一些合理的精准广告”。

实际上，“东边日出西边雨”，歪打正着的产品在商业圈并非孤例，甚至可以说，大多数的商业成功案例都不是“算而后胜”的。像大名鼎鼎的“万艾可”，最初被研发出来只是用于治疗心绞痛；而强生婴儿爽身粉，则本是抗菌纱布和医疗药膏的一种赠品。

可以通过“大”数据来解决？

那么，这样的案例是否可以证明，基于数据分析所做的预先精细化决策总是会败于层出不穷的意外？难道多少年来无数才智之士孜孜以求的“用数据分析来实现用户精确画像”，“根据数据推演结果来确定完美营销方案”的伟大梦想，都只能是黄梁一梦，其成功几率并不比“拍脑袋”更高？

小睿请教了一些大数据专家。有人说，问题就在于宝洁最初使用的还是“小数据”而不是“大数据”；还有人说，宝洁应用数据进行分析的努力是对的，但方向是错的。

这些“大数据捍卫者”告诉小睿，从用户研究上来讲，大数据给予的力量就是还原用户的真实需求。还原一个真实的需求之后才知道怎么利用这个数据做最终判断。这一研究的出发点是“用户”，而不是像传统那样，从自己的产品出发，然后用大数据分析去找用户。

这点说起来很容易，做出来很难，过去讲数据化运营，就是用数据做出一个判断，帮助企业解决一些问题。企业的问题可能是要研究用户的未来的需求，所以要去用数据分析，分析过程中发现真正的数据不够，所以会去找外部的数据，用更多数据得到一些新的结论。

以前，这种数据调研停留在问卷采样、盲人摸象的阶段。成本高、周期长、数据不靠谱，特别是线上和线下大量的数据孤岛，让商业企业无所适从，这已成为行业最大痛点。后来，随着互联网的应用，数据调研的工具上有了质的飞跃，数据真实性、实时性和全面性都有巨大提升。像中商数据平台，已率先在地产、咨询等多个行业投入应用，只用旧有调研的10%的时间，数据准确率则提升90%。

但仅有工具上的提升是不够的，大数据应用还需要一种新的理念，应该是通过数据帮我们把消费者还原成一个人，再根据他的行为规律进行推演。这也正是当前大数据应用的难点所在，就是怎么样才能做到“真实的还原”。因为目前为止没有一个还原是完整的，因为要做到完整还原，必须先解决两点：1）海量的信息积累，2）对内在规律的准确把握。两者结合在一起，才有可能无限接近真实。10年前，谷歌翻译推出，之所以人们一用就觉得好用，就是因为谷歌比别人多了上万倍的数据。商家要想靠大数据做决策，必须尽量用自有的数据、以及其他人的数据不断累积并深入分析，达到非常高的数据储备量。

目前，在国内，电商对大数据商用的研究要比实体商家更为深入。以阿里巴巴为例，除了我们看得见的产品推荐、排名、买了这个产品的人还买了什么其他的产品等以外，他们现在新的研究方向是关注场景的串联。不是单独隔离用户的某些行为，而是要看他的整个生活环境和生活背景。

比如某人在路上看到别人穿一个T恤很好看，回家以后就到淘宝上搜，淘宝的数据虽然可以知道他喜欢去哪些网站，却不知道他是路上看中的，所以他们现在更关注如何还原这种场景上的关联。光看最后购买的结果并不足够，把不同的场景串在一起才能让消费者数据更真实、全面。

关键不是精准，而是关联

然而，海量的信息真的能完整还原一个人的所有消费背景吗？我们真的有可能精准掌握到影响一个人消费行为的内在规律吗？如果你对老婆大人说你掌握了她的消费规律，她保证很快就会用一次反常规消费行为来打破这一规律。这就像量子定律：当你试图对量子进行测量时，测量行为本身就对结果产生了重大影响，因而导致实质上的无法测量。

在大数据领域，有一位专家是小睿非常崇拜的，美籍华人吴军老师，他以前出的一本书《浪潮之巅》曾风靡一时，最近他又出了一本新书——《智能时代》，专门谈大数据和人工智能。在吴军看来，大数据实质是一场思维的革命，“用不确定的眼光看待世界,再用信息来消除这种不确定性”。

在这里，大数据应用的关键不是精准，而是关联。

过去几百年来，科学的进步都是因循：观察到现象，找出原因，然后解决问题。但大数据时代将揭开新的方法论：现实的不确定性是因为数据量太大而导致，那么建立有规律的概率模型，并和以此建立的信息论联系在一起，就形成新的思路。

新的方法论将机械思维的因果关系变成了强相关关系。

今年谷歌的计算机AlphaGo大比分战胜韩国棋手李在石，震惊全世界。因为在以前的估算中，这是在几十年后才可能实现的事情。事实上，谷歌的机器也并不比别的机器聪明，只是它“学习”了人类的棋谱，而它的学习方式完全不同于人类，关键词就是“关联”，从以前的棋谱中找出与取胜关联最强的一着。

同理，新药的发明不再需要青霉素一样需要30年才按照因果关系研制出来，而是可以利用大数据，将目前5000多种处方药和1万种疾病配对，3年就能研发出一种新药。这样的话，以前是找到因果才能做出新药，现在是有了结果再去找原因。这就是大数据思维的核心：数据中包含的信息消除不确定性，数据的相关关系取代因果关系，用数据来解决问题。

机器从来都不应按照人类的方式来思考，而是应冷静地从数据中找到相关性。

2000年前，古罗马最伟大的天文学家托勒密是一个善于总结方法论的人，他通过观察获得模型，然后用数据细化模型，他发明了球坐标，定义了赤道和经纬线，足足影响了西方世界一千多年。

300多年前，牛顿出现了。他将“大胆假设，小心求证”的方法论升级为机械思维：1）世界变化的规律是确定的；2）规律是能被简单的公式表达的；3）这些规律可用于破解未知。牛顿也成为现代科学的奠基者。

可是无论是牛顿还是爱因斯坦，都需要观察到现象，找出原因，然后解决问题。如今，大数据也许将开创一个新的时代，这个时代将引领哪些变化，目前还没有人能给出答案。

对我们商业人士来讲，大数据一定会带来许多新的研究消费者的方法，可以肯定的是，这些新的方法将更多地基于非结构或者说“大数据思维”来观察人的行为。也许，我们都需要换个脑袋了。

来源：界面

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。