܄

让机器来帮人类读懂大数据?其实你们很可能搞错了

【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

让机器来帮人类读懂大数据?其实你们很可能搞错了

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

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。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部