陈宇新：大数据下的营销变革和创新

今天是关于转型的一天，我印象最深的是早上蒋教授讲到，看看外面的雾我们就应该知道中国的经济非转型不可了，中国的经济要转型必然就需要依靠我们的营销，我们的营销要转型，今天大家也听到了，每一场都讲到了数据，营销的转型必然会依靠到我们大数据的应用，这就是我今天想讲的内容。大家可能在网上看到，这是经常被引用到的图像，大家为什么会喜欢这个图像？我琢磨了一下，这个图像反映了三件事情，首先是非常复杂，其次是非常曲折，再有就是非常光明，这就像大数据，有复杂性，我们的应用发展也会遇到一些挑战，最后给我们带来的会是一个机遇，隧道的尽头是光明。

　　很快的讲一下大数据的特点，这是老生常谈，大家都知道3V，体量巨大、多样性，从数字、文本、音频到视频等等，我们大数据运用要做出实时的反映，是3V的概念。大数据到底有多大？给大家稍微提一下，大家都可能知道1GB是多少，我们U盘都是以1GB来做单位的，1000个G是1TB，1000TB是1EB，1000EB是1ZB，大家能不能算一下1个ZB是多少个GB？是1万亿GB的量级，2011年全球的数量总量是1.8Z，2015年预计会到8个ZB，到本世纪末是天文数字，演讲结束的时候我会给大家一个答案，数据到了极限是什么情况，我先留个悬念。
　　什么叫真正的大数据运用？真正大数据运用一般来说是做到几百个TB的量级，一些大型的企业，一点小的零售企业电商都是在几百个TB的数据，这样我们才真的是玩大数据，大家可以用这个做一个简单的判断我们是不是用了大数据，玩了大数据。数据形态有很多变化，真正要玩大数据我们要从结构化的，标准化的单渠道的数据转向非结构化，非标准化，多渠道的，多种来源，多种形态，这个大家都知道，大数据对营销的挑战大家都有所体会，IBM几年前做过一个调研，全球首席营销管调研，把数据爆炸列为五年的挑战，第二大是社交媒体，第三是可选渠道和设备增加，可选渠道设备增加数据就多了，社交媒体也里带来的数据爆炸。一方面是大一方面是小，一方面我们数据越来越多，我们营销也可以做的越来越细，现在营销进入了大数据微时代，为什么这么说？网络和大数据的技术使得我们能够在个体的顾客层面上做到测量、优化和传播，这个营销一下子进入了个体层面，一方面是几百TB的数据，在这个时代，大数据微时代，我们的营销有哪些特征？当然是个体，连续性，还有一个实时性，互动性，可测性，可试验性这个讲不太多，我们可以通过试验找到最优的解决方案，另外就是基于顾客的行为，而非想法的营销，我们以前更多问的是想法。最后的还有是对我们的产业结构会产生很大的影响，数据本身有一个积累的正反馈效应，数据越多可以做的越准，做的越准顾客的体验越好，来的顾客越多我的数据越多，数据越积越多，顾客也越积越多，这样就形成了进入的屏障，像阿里、腾讯这样的企业，美国的谷歌、Facebook，可以把数据作为垄断性的来源，这些企业就会越做越大，越做越强，以前我们都说大和强是两种事情，可能是大而不强，现在在大数据的时代做大了往往就会做强，大了数据多，做的更精准更强。今天演讲主要不是讲这些，这些都是大家知道的，更加多的想讲一下我们现在大数据营销应用的现状，怎么改变这个应用的现状，怎么提高应用现状？在大数据时代怎样改变我们营销的思维，什么是大数据营销应用的现状呢？第一是说的比投的多，大家都在谈很多企业，投的钱比说要少。第二是投的比做的多，我碰到一些很大的企业，投了很多钱搞大数据事业部，一年多下来怎么样了？他说我等着你来给我做呢，为什么先投呢？有了这个概念之后在股票市场上就会得到追捧，大家说你进入大数据了，但是没有开始做。第三个是开始做了，做的比懂的多，为什么这么做，这样做有什么好处，具体的回报在什么地方，这是另外一回事。第四个是懂的比赚的多，这也是一个现状，这些都是负面的，最后给大家一个光明的结尾，今后赚的可能比你们现在想的要多，现在没赚到钱，但是数据有个溢出效应，想像钱就这么点可以赚，我给大家举一些例子，实际上未来会发现这个利润往往超出你现在的想像，超出你现在的本业。
　　看看大数据应用的现状，总结了一下，大概有这么四层应用的境界，头两个归成一个大类，第一个境界是测量的境界，理解Marketing  Metrics，营销的一些指标，顾客的满意度，市场份额等，这是一个很热门的话题，前任的AMA的主席曾经写过一本畅销书，这是测量层面，我告诉你这些数据，但是我并不告诉你该怎么做，我告诉你少了怎么样，该怎么反映，这是你们管理人或者营销人自己的事情，但是这也是有用的，我知道这么多信息可以帮助我决策。第二个是统计层面，在上面加了一层，不光我知道顾客满意度，我还知道这个满意度大概是怎样的分布，大概有多少不确定性，多了一点，为什么这两层是放在一起的，因为这个实际上都是在于总结过去，或者是描述现在，告诉你过去做的怎么样，现在是什么状态，根据这个做未来的决策，这是头两层运用的数据，大多数的应用数据还停留在这两层，特别是第一层，测的更加准确，得到更多的变量的测量。后面有两类，预测和优化，这两类是关于到未来的，不光是对过去和现代的总结，而且是对未来的描述，对未来的影响，预测实际上是基于一种对相关性的理解，但是优化相关性是不够的，我们要知道因果性，大家可能看过大数据的书籍，大数据来了因果性不重要，又对又不对，关键是我们做预测还是优化，预测的意思就是我告诉你明天可能会下雨，但是下了雨怎么办，这是你的事情，但是这是很有有用的，我知道下雨我知道带雨衣。优化是更高级的，我知道这个雨是怎么形成的，能不能发各炮弹打掉。一个地方冰激凌的销量跟那个地方的火灾数量是成正比的，根据火灾发生就可以预测一个地方以后的冰激凌的市场需求是多大，有道理，因为天热，火灾容易发生，大家就愿意吃冰激凌，但是这不能优化，不能放火才能增加冰激凌的销量，什么样的品牌，什么口味，为什么会选你这样的冰激凌，怎么样定价，是一种决策，要知道这个决策的因果性，这里面是两层不同的境界，更多的我们还是在预测的境界，所以优化的境界这个是最难达到的，但是我觉得是未来肯定要走到的方向。
　　根据这些现状的描述，在今天特别给大家分享一下，我认为怎么样建立大数据时代的思维方式，我们在互联网时代讲过，怎么样用互联网的方式思维，互联网的思想，互联网的思考方式，大数据的思考方式、思维方式应该是怎么样的？这里面有几个，一个是定量思维，一切皆可测，虽然说不是一切都可测，但是要抱有这样的信念。第二个是跨界思维，一切皆可联，一切都有联系，一切发挥想像力，关联起来。第三个是执行思维，一切皆可用，最后我们不是说数据放那儿一堆浪费我们的资源，我们要落到实处，执行下去，实时做出反映。最后一点很重要，一切皆可试，要有怀疑思维，数据来了之后往往有的时候是我们的决策产生更加大的偏差，因为我们所谓的有图有真相，看了图之后就这么回事，看了数据就觉得这是千真万确的，我们不做思考了，往往有的时候数据也会欺骗我们，所以不能盲目相信数据，要有一个怀疑试验的思想。给大家举几个例子，什么叫定量思维，一切皆可测。
　　传统的营销数据采集做电视收视率调查、数据，在现代营销我们可能就变掉了，以前是这样测量，现在我们就更加多的采用各种卡，个体层面的测量，这种卡的测量里面如果发挥我们的想像力我们就会发现，很多时候我们做的还是非常不够的，给大家举中外两个例子，中国我曾经跟一个非常大的高端餐饮连锁企业打过交道，他们有消费卡。学问他你消费卡干嘛，他说我们积分，消费金额都记下来了，我说每个消费者点的菜有没有记下来，变化多端的菜名很难分析所以没记，我说至少可以把每个在名编个码记下来，每个客人来了你知道他吃什么东西，可以推荐一下，一切皆可测的思维，要具有这个东西，怎样尽量测出来。也有一些国外企业的例子，是非常著名的高端的五星级酒店连锁，我跟他们聊，他说你们中国比较有意思，酒店都要用身份证登记，中国身份证里面包含了出生地、年龄、性别、生日等等信息，但是我们都不记下来，只要把这个东西扫一下传到公安局去了，他说我们国际通用的数据库标准的格式接受不了中国的身份证代码，为中国专门弄一套数据库系统要再投资，我们要一笔钱，没这个钱，这样就把数据浪费掉了，很多时候很多有用的信息我们要想到怎么把它给用上。另外，测量并不在于简单的信用卡等等，有各种各样的测量方法，这是眼球的识别仪，货架上可以装很多探头，探头可以识别人脸的表情，看你对哪个包装感兴趣，复旦就有刚进来的年轻教授就是这方面的专家，专门研究人脸识别的。还有广告，我们可以用眼球的测速仪测，还有网上的搜索可以看面部表情，甚至现在有些在做的研究，进商店的时候用红外线是不是能够扫描大家的脑子热成像，看大家是冲动型购物的还是冷静型购物的，这是生物物理方面的研究，已经进行这方面的研究了。另外还有监视录像，这是很有趣的故事，这套系统陆总的万宝龙以前运用了这个系统，使单店的销售额增加了20%，怎么做法呢？我装了这些摄像头，摄像头可以看人进店的表现，有的人应该销售人员上去跟他攀谈一下，有些人要慢慢让他挑，不要打扰他，怎么反映呢？不是每个销售员都这么有经验，把这个拍下来找有经验的销售员看，机器学习软件知道怎么应对，下次没有经验的销售员在店里面我就可以通过手机告诉他这个人应该谈，这个人应该放下，这样就把一个人的经验变成连锁店的经验，把销售额提高了20%，而且不用雇佣这么多有经验的销售人员了，没有经验一样可以看这个事情。这都是大数据下的营销信息获取，不管是简单的数据，视频、监控录像都可以发挥很大的作用。定量思维，一切皆可测。
　　第二个是跨界思维，一切皆可联。我们现在最热门的O2O，这是跨界，比如上网上和网下的跨界，移动和PC端的跨界等等，包括微信、社交网络跟电子商务的跨界，二维码也是O2O的反映，很多都是通过跨界的应用，跨界不光是这样的，也是可以跨不同的产业，不同数据的用途，打个比方，刚才我们讲到，传统的问卷调查，觉得这没什么了不起，但是有家企业大家可能听说过，SoloMo，14个人的公司做了10几年，去年被另外一家投资集团给收购了，12亿美元的估值，为什么呢？它免费的网上问卷调查，它10几年当中做了一件很有聪明的事情，把问卷和调查结果的答案记下来了，10几年来积累了4000多万份问卷，还有上亿人对那些问题的回答，这个可以用到各行各业，新产品开发了，你做的问卷可能不准确，可以跟原先新产品开发的问卷对比，一对比出来相关性算出来预测就准确了，大数据的思维是非常不一样的。一个人回答问题永远是错误的，永远是相反的，这个人把他说的话反过来就可以了。另外还有很多其他的跨界思维方式，超越了营销，很有意思的故事，可以启发大家的想像力。中国医药界，这一百年来对全球最大的贡献是下面这个植物，这个植物是青蒿，专门治疗疟疾的，当时中国为了抗美援越，越南人得疟疾，找特效药，把中国古代中医的方子看了一遍，全部试，最后试出了这个东西，这个解救了全世界五百多万人的生命，被认为是一个世纪以来中国医药最大的成就。上面的东西是害人的，上面那个是矿石，做原子弹的铀矿，我父亲带领队伍找的这个矿，在文革期间设备非常简陋，没有那么多钱，怎么办？中国各个县都养了很多文史馆员，发动他们读地方志，让他们找历史上的鬼村，把鬼村的地点跟地质构造带拟合，这个有可能产生铀矿，又有可能有鬼村存在，就到那个地方查，用这个办法很快找到中国最大的铀矿，满足原子弹制造的需要，这也是大数据跨界的思维，这么多古迹每个都是碎片的，合起来发现了很大的矿产。这是很好的例子，我们做营销也是，一个数据一拥有，不光是对你的企业有用，还有可能产生其他的好处。
　　第三个是执行思维，一切皆可用。这个可能比较数学化，但是给大家简单的感觉一下，我们用的最多的像亚马逊推荐，这都是用协同过滤算法，这个基本原理很简单，有六个人，每个人对每本书，四本数书个分，读完之后有个评语，打分，5分是好的，4分是差的，两个人对最后一本书说4分5分，这个人也会觉得书好，推荐给他，这是基本原理，为什么说这是可用性很重要？执行思维重要，等你把评语都打上了这个书肯定出来很久了，把这个书读完才能写评语，时间过了，改进了一下，不看评语了，光看购买，通过购买之间的相关性做个推荐，这是个做法，进一步了，怎么算相关性呢？最科学的方法是回归分析，把这个人的数据跟其他人做个回归，做个预测，这个是科学，但是不可行，为什么？回归分析大家想想看，亚马逊有上千万，上百万的用户，做回归分析有一百多万人预测另外一个人，一百万人做回归分析，你就要有一个举正求逆，所以要算到几个月去了，计算机都算的烧掉了也不一定能算得出来，推荐是什么？我上网即刻实时算给你，这也不行，大数据是相关系数算法，只是加减乘除，这个笔记快，这个算法没有科学性，数据上证明不了这个算法是对的。有没有关系？没有关系，为什么？大数据时代我们有个可试验性，我用这种相关性求权重，加权平均，这个权重对不对我不管，这批人用这种权重算法，另外一批人用另外的算法，5分钟我就知道亚马逊这样大的数据量哪种权重好，虽然没有科学性，但是我可以很快试验算法，很快找到最优的解决方案，这就是大数据时代分析的魅力，不是严格，科学上不严格，但是速度很快，很快会找到优化的方案，大体逻辑是对的，相关性高表明这两个人跟你比较相似，从原理上、感觉上是对的，科学上证明不了，但是我们可以做试验把它解决，这是执行思维的想法，一切都是从可用的角度出发，不可用的话就不行了。
　　第四个，怀疑思维，一切皆可试，为什么要怀疑呢？数据可能有的时候是欺骗你的眼睛的，数据特别多的时候，你觉得有这么多数据出来一定很准，往往不一定是这样，数据多不一定全，这是我给一个著名银行做过的研究，也算是咨询，银行里面怎么判断顾客的价值？一年刷卡金额，刷卡金额高的价值就高，根据这个来判断顾客的价值，决定营销，第一个人要更多奖励，第二个人也要去做更多的事情，第三个人不用管他了，很差的顾客，明天张教授也会讲到管理顾客的组合，有的时候你搞不清顾客真的价值好坏，一般来说银行就是用这个办法做的。后来我们就做了咨询研究，通过大数据的方法推算出来，再通过调研核实了这一点，通过大数据方法大家看到了全面的信息，结合其他的数据，全面信息是怎么样的呢？第一个顾客总的年度消费额是5万多，不光刷你的卡，还刷别人的卡，第二个顾客实际上也是花了5万多块钱，你只不过占了他荷包份额的6%，第三个你占它荷包份额90%，这样就改变了你对顾客的印象，要有一个怀疑的精神，要想想看这个数据是不是全，不能盲目说我有数据，数据就是准的，这是需要破除的思维。
　　另外还有我目前在做的跟北大的几位同事做的研究，看网上推荐的有效性，在亚马逊30%的销量是通过推荐来的，在中国号称10%的销量电商是推荐来的，有个问题，我如果不推荐还是不是同样买这个东西，你觉得要买这个东西我推荐给你，不推荐我买同样的东西，推荐到底有效性在哪？我们就用了怀疑的态度，我们用大数据试验，那几天一半到这个电商来的人我们给他展示本来给他推荐的东西，另一半的人有推荐的东西给他，但是我们算法里面有，知道应该推荐什么东西，但是我们故意不推荐，就这么一次，下一次就正常了，我们最终这两批人，但是是大数据，差不多有数十万人，最终他们用半年多的时间看他们今后的表现，最后我们发现很有趣的现象，那一次的网站访问屏蔽不屏蔽推荐没有什么太大的差别，最后的销量是持平的，更有趣的是什么呢？短期没有作用，长期有很明显的作用，半年之后你会发现，这半年之内看到推荐的人来的更勤，买的更多，没有看到那一次推荐的人，以后来的没有那么勤，买的也没有那么多了，我们发现，实际上推荐这里的有效性在于增加了你的体验，我虽然没有买你推荐的东西，但是不等于说推荐没有效果，我没买你的东西，我发现你推荐的东西都很对我的胃口，说明你的产品品类选择，你的网站的口味，品位等等跟我相似，我喜欢你，虽然我也买了这个东西，但是这个东西都是我喜欢的，下次我就来的更多，我的忠诚度和黏性就提高了，这个同时改变了推荐软件提供方的定价方式，本来他们都是每次销售抽个成，经过推荐买了我提成，现在可以考虑什么呢？考虑是不是要收取年费，我没有买你推荐的东西，但是还是带来了价值，我可以通过年费的方法把这个东西拿回来，这就是试验带来的好处。
　　这是我跟中欧商学院的两位创业同学还有几位老师一起做的研究，关于微博营销，我们现在可以实时监控微博，你到了静安寺附近，马上可以把静安寺的饭店推荐给你，很快的反映，微博上一旦提到静安寺或者签到我们就给你静安寺的饭店，有个问题是什么呢？到底多快做这个营销，反应速度多快是最优的，是不是刚进静安寺一秒钟一个消息和评论就来了，您到静安寺，波特曼酒店很好，我们推荐。或者过了一天，昨天到了静安寺，今天要不要到波特曼来，这可能就没用了。多久有用？5分钟、30分钟？60分钟？我们做试验，可以随机选取一些做法，分不同时间，看怎样介入是最优的对顾客的介入，这就是大数据带来的可试验性，同时也是怀疑的精神，本来他们就感觉一个小时之内要反应就反应了，现在我们把一切定量化了，这就是大数据的思维方式。
　　最后给大家推荐一本书，这本书我非常喜欢，是个著名大数据方面的专家写的，他本来是雅虎研究院的院长，现在是微软研究院的首席专家，著名学者，所有的事情都是很显然，一旦你知道结果。战略思考的时候，案例法的战略思考，数据案例思考，这两者的区别，案例思考，你成功了总能找到理由，这个做的好那个做的好，这个东西是不是用到下一个企业能用，只有一个点，说要用数据的方法看分析，不要用案例法，也是提倡数据思维的东西，非常有意思的。我觉得我们应该从3V到3I，3I就是三个结合，分析与优化的结合，数据分析最后我们要落到执行，落到优化上面，还有是商业与技术的结合，最后我们还是要赚钱的，还有就是数据与战略的结合，数据不能做所有的事情，有的时候在未来很多不确定的情况下我们还是依靠战略的思考。
　　我最后说一个好玩的事情，大数据的极限在哪？是不是过几年就是8个Z，100个Z，1万个Z，大数据的极限最后在什么地方呢？在于能源，现在整个IT数据行业已经用掉了世界10%的能源了，数据是非常耗能的，数据的储存和分析都非常耗能，最后数据的极限在于世界的能源，为什么这么说呢？我以前是复旦物理系毕业的，物理系有著名的热力学定律，世界是越来越混乱的，要使世界有序必须注入能量，大数据是使世界变成有序的做法，这么混乱当中抽出数据分析出来，从混沌走向有序必须注入能量，但是能量是有限度的，我们大数据不可能无限增长，到每一步，过去一些旧的没用的数据我们要果断扔掉，这也是以后一个热门的学科，什么数据是没用的我们不该记录，什么数据该记录，这也是未来的方向。最后作为一点心得给大家分享一下，希望没有影响到大家的食欲和胃口，谢谢大家。