高端训博士 Dr. Simon Koh
港大ICB客席讲师
李奥贝纳大数据品牌首席顾问
商业总会品牌加速中心品牌长

 

凭借着强大的大数据AI算法，抖音五年不到火遍全球，今年7月更是疯狂吸金上亿美金；疫情严重冲击门市经营，Nike却通过“APP + 电商”大数据营销积极布局，取得了利润仅仅小幅下滑的良好业绩……当越来越多的企业利用大数据预测营销成功实现了弯道超车，积极拥抱大数据时代下的营销新业态，显然已经成为了无数企业经营管理者的共识。

8月13日，香港大学SPACE中国商业学院客席讲师、李奥贝纳大数据品牌首席顾问、商业总会品牌加速中心品牌长高端训博士，为大家带来了“大数据预测营销——为企业创造高获利”主题分享，希望通过剖析大数据预测营销的底层逻辑，助力大家实现更高层次的企业营销转型升级。
 

疫情之下，Nike何以持续获利？
 

Nike和Adidas，作为全球家喻户晓的两大运动品牌巨头，一直以来都是你追我赶、难分伯仲的关系。不过在今年的疫情之下，形势却大有不同——Nike的整体营收利润只衰退了10%，但Adidas却降幅高达96%。为何会出现如此差异呢？其实关键便在于Nike的“APP + 电商”大数据预测营销战略。

从很早开始，Nike公司便有意识地布局了大数据营销领域，通过APP全面搜集用户运动信息，然后在此基础上进行设计开发，有针对性地进行线上电商营销。它精心打造的NRC、NTC、SNKRS系列APP，已经实现了陪你跑步、陪你锻炼、行家交流等多项社交功能全覆盖。以拥有百万用户池的NRC为例，Nike每年通过该款APP搜集的跑步数据已经超过8000万公里，只需通过AI演算法稍加分析，Nike的设计师们便可以获得源源不断的创意灵感，迅速设计出更符合消费者需求的新产品，并及时在线上上架销售。

公开数据显示，目前Nike的全球营收规模约为390亿美金，其中的三分之一都由线上营销贡献。正是通过对大数据工具的合理应用，Nike公司成功实现了“APP + 电商”大数据预测营销的华丽转型。

也正因为此，当疫情导致大量线下门店被迫歇业的时候，竞争对手Adidas只能焦头烂额，Nike却能够通过强大而敏锐地线上大数据预测营销，牢牢稳住了自己的营收基本盘。
 

以终为始，打通预测分析的“任督二脉”

大数据营销本身，并不能算是一门新科学。只不过以往的传统商业分析往往只会相对粗放地关注目标对象、竞品情况、销售渠道、促销活动、品牌老化情况、新老顾客比率等等基础信息，近年大火的大数据预测分析则在此基础上更进一步，深入地关切每一位消费者的个体行为轨迹。

通过整个交易环节反复思考，谁会点击？谁会购买？谁会撒谎？谁会消失？谁是危险分子？什么时候买？买什么？花了多少钱？谁会进入沉睡？等等具体问题，实现一对一的大数据预测精准营销。这一方面在为企业降本增效的同时，也逐步引导了公域流量向私域流量转变，便于后期通过会员运营这一关键环节，在企业私域中不断扩大自身品牌的影响力。

在进一步了解大数据预测分析营销操作之前，我们首先有必要厘清以下几点重要概念，打通自己的“任督二脉”：

• 预测分析，是向资料学习。
• 有关系，不代表有“因果”关系。
• 我们不在意因果关系，不急于了解世界。
• 我们更在意预测的结果。
• 预测的准确性比解释更重要。
• 过度解释因果关系，有时会造成误导。

任何的大数据预测分析其实都是一个以终为始、从下到上的过程，只有通过对海量资料的不断学习，才能360度全面勾勒消费者的用户画像，进而做出下一步正确的营销动作。一定要认识到，虽然事物之间往往存在关系，但未必一定会是“因果”关系，过度解释，反而误导。比如说在夏天，冰激凌的销量会增多，受到鲨鱼袭击的人数也会增多，但这并不代表冰激凌销量增长与鲨鱼袭击有着什么必然的因果关系。

当我们在做预测分析的时候，就需要有一个明确的预测目标，如果说预测目标是目标变量Y，那么用来预测的资料，也就是我们要收集的资料，就是自变量X。实际预测分析过程中，X往往是X1、X2、X3……，在这些海量资料共同作用下，最终才有可能指向目标变量Y。

另外，在对大数据进行预测分析和观察的过程中，一定的实务经验（Domain Knowledge）是非常必要的。没有相关实务经验的资料分析师，只会机械地利用大数据分析软件跑出所有的可能性，找出可能的关系，然后在必要时再加以解释；而有相关实务经验的大数据科学家，则会通过对市场的了解以及对消费者的洞察，大胆假设消费者行为之间的关系，然后透过大数据分析软件，验证这一关系的合理性。
 

降本增效，大数据预测营销的终极目的

从实操层面上来讲，大数据预测营销一般由以下几个环节构成。首先，通过对海量基础资料进行AI算法演算，得出一个具有前瞻性的预测模组；其次，在此基础上进行大胆的洞察和思考，形成合理的营销推荐策略；然后，落实到具体营销活动中，产生消费转化；最终实现B2B降低成本、B2C增厚利润的目的。

接下来，让我们通过经典的“啤酒与尿裤”案例，来体会一下大数据预测营销的大致实践过程：

某商家首先对自己手上的海量客户交易数据进行大数据分析，结果发现买纸尿裤的顾客往往也会把啤酒买回家。面对这一交易现象，他进行了大胆的假设，推论很有可能是因为奶爸也要喝啤酒，所以才会出现来超市给孩子买纸尿裤的时候，将啤酒也一并买回家的情况。那么基于此，商家接下来可以采取的行动有：

1.优化渠道陈列：把纸尿裤和啤酒陈列在一起销售。
2.组合促销：把纸尿裤和啤酒打包促销。
3.异业合作：与渠道商合作推广新品牌。
4.话术调整等等。

通过落实以上营销策略，商家最终实现了纸尿裤和啤酒销量的进一步增长，也为新品牌的上架推广提供了新的营销渠道。

当然了，以上仅仅是一个基础案例而已，在实际的大数据分析过程中，B2B的客户数据可能还相对较少，但B2C则面临着成千上万的海量用户信息，此时就有必要引入一些大数据分析工具来进行辅助决策。在大数据科学这门科学中，专业的分析工具已经发展得非常成熟。目前常用的工具大致可以分为视觉化（Visualization）和预测型（Prediction）两大种类。其中，视觉化工具主要有Tableau、COGNOS、Power BI，预测类工具主要有SAS Viya、KNIME、WEKA。

以SAS Viya为例，它是一个集客户资料管理、客户分群、行销自动化于一体的平台工具，能够每月执行超过20次营销活动、对6个不同销售渠道进行整合分发、对客户行为进行快速分群、对产品进行相关性分析、并自动开展客群消费提升活动等等，能极大提升企业的大数据预测营销效率。

如今的市场竞争已经越来越激烈，要想弯道超车，就必须积极拥抱大数据，借助AI演算法的科技力量，深入挖掘消费者的潜在需求，迅速生产适销对路的新产品，打造自己的财富商机。

（本文仅代表作者个人观点，插图来源于网络）