近几年在工作和生活上很多人喜欢和我讨论大数据的话题。小伙伴们都觉得我们看大数据就好像得了集体老花眼一样：远看很清晰，凑近看却反而越来越模糊，不得其法。
我们都很清楚大数据意味着什么——就是大量的，读取高速的，多维度的，低价值密度的真实数据。
读起来很拗口，简单来说就是我们可以知道一个个体很详细的真实数据，但是拿着这些数据很难想到对于营销的执行有什么具体的帮助（难点就在这里）。
现实中，大数据更多时候对管理者最大的帮助是提供控制感，这其实跟古时候的迷信差不多。看到自己的消费者的各种数据，就感觉非常了解消费者，一切尽在掌握。
但是真正到了怎么利用这些数据，就变回简单的看消费者过去消费/浏览了什么就推送什么（这也是某宝和某度推送的逻辑）。
我理解大数据的用处主要有两个方面，一是看趋势，看市场，消费者行为的发展方向（这个是长期性的）。二是做销售，通过分析与自身商业能发生链接的消费者数据增加营销的效率（这个是短期的）。三是看运营商的脸色，运营商脱敏数据是否稳定。
今天这篇文章主要讲的是后一种，就是每天看着自己的消费者数据如何能帮助公司提升业绩。
在现在很多大公司的大数据应用，主要有两个方式，除了上面讲到的简单粗暴地推送重复信息，更高级一点的用法就是标签+精准营销。
简单来说就是两步：
第一，通过年龄，性别，兴趣爱好，习惯，人生阶段把消费者贴上不同的标签；
第二，确定营销信息瞄准哪类消费者，直接触达。
但是这类大数据应用方法也有两个弊端：
- 数据来源
虽说大数据是无差别地获取目标消费者的行为记录，但是当我们在局部环境运用这些数据的时候，还是有很大可能受到数据来源不准确的干扰。
比如我曾经做过一个咨询项目，用大数据捕获一个咖啡店的周边的客流和进店客人数据，分析为什么在一个人流尚可的点位，咖啡店的销售始终上不去。
经过两个月的数据收集，我们发现这个店铺的消费者年龄分布是中年甚至老年人居多，并且他们停留在店面的时间也是最长的。
然后我们就陷入了一个误区，觉得这个店铺应该放上更多能吸引中年人消费的元素，比如更多显眼的优惠信息，甚至把菜单的字都可以放大了。然而这样做效果甚微。
直到某天我们决定亲身去到该店面看看究竟发生了什么导致这些措施都没有提高哪怕一点成交率。
那也是一个炎热的夏天，我们走到店门口，发现一个很奇怪的现象，很多中老年人坐在店门口看手机。
原来这个店的门口有一个公交车站，因为店铺有空调和Wifi，很多老人在等公交的时候就坐到店门口享受空调。这就是所谓的主要客群是中老年人的真相。
大数据会误导人的例子还不知这个。我还做过一个美妆网店的分析项目，数据显示在一次促销中有超过50%的交易是来自于男性消费者的账户。
那么这次促销貌似对男士用品更有效吧？然而不是。当我们分析每单的购物篮的时候，发现男性账号买的都是女性用品。其实就是女生用了男朋友/老公的账号买单。运营商脱敏数据的实现方式。
所以如果单单迷信一个面板上呈现的数据，我们的判断很可能会被误导，因为从数据上看到的消费者，不一定是他们现实中的样子。 - 归纳推理谬误
现阶段很多大公司对于大数据的引用停留在归纳推理的阶段。就是数据显示自己的消费者大部分的特点是A、B、C，然后就推断消费者的标签是D，然后进行信息触达。
比如一个酒店，发现自己的住客大多都有这些特征：
• 需要停车位
• 短住一到两晚居多
• 没有或少量房间迷你吧消费
根据这三个条件，很容易得出一个结论：这个酒店的主要顾客是短途家庭游的一家人。所以对于酒店来说，可以通过增加家庭饮食套餐、附近景点家庭套票来增加用户的粘性。然后会通过家庭游的论坛，公众号来做宣传。
看似很正常的推理，这个标签却有可能是完全错误的。
符合以上三个条件的，并不止是家庭游的游客。
还有可能是到附近公司开会的商务人士，他们会自带好的酒水做招待，甚至到外面过夜生活。
也有可能是附近出了一个网红店，附近的情侣专门开车过来打卡的，这就属于短时效性目的。
要避免这种归纳推理的错误，最好的方法就是在不同数据的维度里面找到“关键间接证据”。就像福尔摩斯看到一个烟斗烧焦的位置在右侧，进而推断使用者是一个左撇子一样。
比如上面的例子，用三个条件都筛选不出一个准确的标签。但如果用加上一个额外的数据维度“这些客人的房间都会需求加床”，那基本上就可以确认是一家子旅游的顾客了。
所以在用大数据标签目标顾客的时候，找准关键标签能够有效增加后续的转化率，毕竟标签错了那精准营销也就无从谈起。
然而这种“标签+精准营销”的方式还是有一个很大的缺陷。
从消费者行为来说，就算标签对了，运营商脱敏数据能够抓取出来，但是在不恰当的时间和地点推送营销信息也是没用的。就像一个新生儿妈妈被精确地标签，也不代表她随时随地都需要买奶粉和尿布。更别提一个消费者是中高收入的时尚达人并不代表就要为某个潮牌买单。
从根本上来讲，是因为消费者的购买动机是多种多样的。
标签消费者并进行营销的另外一个弊端就是降低了非目标客群标签的人购买自己产品的可能性。比如我是一个爱学习，努力考研的大学生，不代表我不会对Supreme这种潮牌感兴趣。或者一个高收入的高级管理者，不代表就不喜欢简约朴实的丰田汽车。
但是如果因为精准营销而没有触达这些群体，那么可以预见本该有的销售机会就溜掉了。
那为什么不换一种方式来理解大数据和精准营销呢？
有时候，标签营销场景，并根据场景开发出几套不同的文案会更有效。
下期我们再更新。