上網時，每個人都會碰到這樣的情況：因為瀏覽、購買過某類商品，總是收到相同品類的廣告推薦。對這樣的“個性化”營銷，你的反應如何？開心還是不快甚至憤怒？驚奇還是習以為常或者無所謂？無論用戶反應怎樣，這確實表明，互聯網行業對精準營銷的嘗試如此熱切。但是，反過來說，營銷怎么可能將用戶的反應置之度外？

　　用戶肖像仍需“大數據”糾偏

　　有沒有想過在互聯網公司的數據庫里“你”是怎樣的？首先，除非你注冊時有填寫，否則他們不知道你的姓名、性別、年齡、收入范圍、學歷等等。但是，在一個龐大的表格里，有一串數字代表著你，比如，你看了哪些頻道的哪些頁面、視頻，你在這些頁面、視頻上停留的時長，或者你搜索、瀏覽、購買了的商品等等。當你每次登錄時，你對應的數字就會隨之變化。所有這些看似無意義的數據碎片一點點被記錄和連結起來，拼出一個他們眼中的“你”。由此，互聯網公司去猜你喜歡，并將你可能喜歡的內容呈現在你的網頁上，以推動你更多的瀏覽、消費。

　　但，通過用戶以往的行為就能夠準確猜出他未來的需求嗎？當數據量因為互聯網不再是問題的時候，“尿片與啤酒”的故事為什么反而進一步神話而非當下的營銷常態？最根本的原因，在于我們并沒有真正實現利用數據“讀”懂用戶。雖然，代表用戶的那串數字越積越多，但它們不能真正代表用戶及其潛在的需求。在用戶看來，那個拼出來的“他”雖然做了某些事情，但與其本人所思所想也許風馬牛不相及。

　　小數據之所以“小”，除了數據樣本量較小，更在于其對特征空間、事物本質表現力不足。大數據時代之前，我們只能依據小樣本或適度抽樣后的小數據進行群體規律的知識發現。而真正的大數據，讓人類第一次有機會把來自不同地方、不同類型的數據聯結起來形成對一個事物的完整描述，就像顯微鏡一樣從更細的顆粒度層面認知世界。但要實現這一點，數據量“大”之外，還需要足夠完整。局限于單一網站的數據系統，記錄和覆蓋的用戶行為信息往往是片段的、割裂的、孤立的、靜態的，是信息的孤島，只能在其直接關聯的領域發揮自身的價值，而且其反映的事物仍可能有偏差。

　　因此，要對用戶肖像進行糾偏，清晰準確地挖掘客戶潛在的偏好和需求，就需要在海量記錄持續性的跨網站、跨平臺行為，將其串聯成一條完整的數據鏈。在標識出用戶后，必須盡可能多地記錄其較長時間連續性的網上行為路徑，包括將企業原有的CRM等“內部系統”與互動營銷（含廣告、公關、在線銷售）等“外部動作”打通。鏈條越完整、越長，之后的營銷才會越來越準確、有效。對于目前缺少互通的中國互聯網來說，從站外海量數字化數據中挖掘出客戶的屬性、偏好對自身數據進行印證尤為重要。以電商網站來說，需要利用全網站點數據記錄、印證會員的商品偏好、內容偏好、購物習慣、實時互聯網關注動態等多維度的信息，以了解用戶潛在的消費意向、需求。而對媒體、視頻類網站來說，跨網數據能夠使原本中斷的信息點串聯成一條完整的數據價值鏈條，降低信息推送的失偏率。

　　互聯網時代可能記錄了每個人生活中的細節，但當他活躍在不同平臺、網站上，可以打上成百上千個標簽時，一家企業掌握的孤立數據了解的也許只是其一小部分特征。全球知名咨詢公司埃森哲報告里曾指出，Web2.0時代，企業內部數據的權重要遠遠超過外部數據；但是當Web3.0到來的時候，數據就會真正流通起來，企業外部數據的權重會越來越高。如果能夠結合企業內外部的數據源，大規模的個性化服務在互聯網時代是可以實現的，“如果企業能夠把握住消費者在消費前后各個環節的信息，就將領先于其他企業”。

　　數據還需挖掘“生活形態”

　　但是，我們也都碰到過這樣的現象：在電商網上瀏覽或者買了某種商品，之后訪問其他網站或社交平臺時，也會收到類似產品的廣告，這讓很多不準備有相關消費的用戶頭疼不已。跨網站的數據、精準地了解用戶曾經的興趣點后進行的營銷，為何仍不能確保實現個性化營銷的效果？

　　“精準營銷”的故事在網絡營銷圈子里已經講述了好幾年，真正參與其中的廣告主仍是少數，而用戶對于現有“精準營銷”的反彈也讓我們不得不承認，現在的“精準營銷”既不夠精準也不夠個性。問題的根源在于，數據，即使是大數據也不過只是數據，與精準之間還隔著“挖掘”這道鴻溝。互聯網讓數據搜集變得越來越容易，但是如果數據分析、挖掘的進程不能跟上數據爆發速度，我們與精準之間的距離仍無法拉近。

　　隨著智能化移動終端的普及、無線上網接入條件的進步與資費的進一步下降，用戶花在移動終端上的時間越來越多，而類似微信、微博等社會化媒體成為很多受眾獲取信息的主要渠道，原有的“碎片化注意力”進一步碎片化。互聯網上的用戶行為數據結果不斷“涌現”，使得數據挖掘越來越復雜化：由于數據量巨大，常規軟件和計算機無法勝任運算要求；傳統統計方法模型已經無法適應大數據時代的需求；大數據的范圍界定困難，分布廣泛，實時變化更新，不易確定采集范圍；結構整理困難，數據結構混亂，不易整理成為“干凈”的數據庫；意義整理困難，對自更新知識庫和自然語言處理要求很高等等，都使數據往往成為難以應用而只能塵封的寶藏。

　　數據量呈幾何級增長、來源多元化、形式復雜化，對應的現狀卻是數據挖掘普遍缺少精細、邏輯化。特別是當數據挖掘只停留于數據表面，而沒有從用戶維度建立數據分析模型，大數據的潛力更難以發揮。冰冷數據的背后，是用戶怎樣的行為、生活，他又可能有怎樣的思考、情感？要回答這些問題，需要基于社會學和心理學的用戶特征評價體系和科學的特征算法模型挖掘用戶特征，盡可能地了解用戶的心思、靈魂，由此去預測他將來可能做什么（很可能，那是與已發生的行為完全相反的）。如第三方數據機構締元信的DDMP平臺，平均每天跨網采集的30億條網民行為數據整合納入統一的技術平臺后，對這些數據進行標準化和細分時，需要從用戶的自然特征、興趣特征、社會特征、消費特征等多個維度進行分析，再推向現有的互動營銷環境，以幫助媒體、廣告主實現“生活形態營銷”。

　　數據永遠只是數據，挖掘、應用數據的人需要以社會化眼光、人性感知去分析數據，并尋找之間的關聯，挖掘數據背后的價值。對精準營銷或者個性化營銷來說，當下的首要問題不是缺數據，而是如何將數據完整化、邏輯化，如何根據數據架構出消費者真實的生活形態。

作者：樊永梅