　　今天，我们的一切行为都在产生数据，而且数量巨大。每次浏览网页、搜索或者用智能手机上网，几乎都会增加数十亿字节之多的数据，而且这个增量还在扩大。如此庞大的数据可以帮助我们更好地理解并预测客户的行为。
　　好消息是，我们再也无须精通数学或者统计学、甚至无须依赖昂贵的建模软件来分析客户。数据分析领域正在掀起一场革命。仿佛一夜之间，挖掘这些“大数据”的方法与工具变得格外简单，价格也不再高高在上。
　　来自业内翘楚——奥美互动的董事总经理，在《大数据营销：定位客户》中告诉你怎样利用数据辨认出利润客户，并用最有效的方法接触这些客户，从而增加他们的购买力。
　　预计现有客户与潜在客户未来的价值。
　　寻找客户，包括现实和互联网。
　　判断哪些客户是因为需求购买，哪些客户是因为广告购买，哪些客户是因为价格购买，哪些客户是因为口碑购买。
　　优化营销配置，使之尽可能带来高的回报。
　　以新的技术优化销售和营销。
　　《大数据营销：定位客户》适合那些希望利用数据促进企业发展、提升利润的读者——力求让所有广告费用得到高投资回报的营销人员、迫切希望企业更快成长的企业主、为终端客户服务的研究机构与产品开发商、负责提高企业净收入的财务人员、寻求反馈的广告创意策划。

作者简介

　　麦德奇（Dimitri Maex），全球营销传播机构奥美集团旗下奥美互动纽约子公司董事总经理。他同时领导着公司的全球数据实践团队，独立调查公司Forrester Research认为这支团队的水平在业内排名前列。麦德奇开发的分析模型清晰精确、蜚声全球，他为葛兰素史克、IBM、飞利浦、西门子、UPS、联合利华和其他许多跨国企业提供帮助，协助这些企业以新的方式利用自身的数据及分析，赢得极高的利润。
　　
　　保罗·布朗（Paul B.Brown），长期为《纽约时报》撰稿的畅销书作家。他合著了多部经典的商业名著，如《终生客户》（Customers for Life）、《你的营销不对路》（Your Marketing Sucks）等。

精彩书评

　　★《大数据营销》为现代企业领导者着想，让古老又神秘的数字分析艺术焕发了第二春。它不仅对精通数据的高人和统计学家的胃口，也适合每位希望更负责地为本组织发挥数据威力的领导者。麦德奇把数据变迷人了。
　　——唐·泰普斯科特数字经济之父《维基经济学》作者
　　
　　★这些战略有助于任何一个领导者获得更大的成功、建立更好的客户关系，不论他经营的是像UPS这样的全球企业，还是正在寻找市场的初创公司，或者街角开设多年的夫妻店。
　　——克里斯汀·欧文斯 UPS传播与品牌管理高级副总裁
　　
　　★“大数据”时代来了。只要企业能从巨量数据中获取可付诸行动的预见性观点，就不仅拥有了竞争优势，还会改变自身的企业文化。麦德奇展示了怎样操纵数据了解客户，怎样最有效地利用这些客户资源，怎样衡量哪些做法有效。无论是谁，如果希望了解他人怎样成功地操控数据，以及自己怎样做，就必须读这本书。
　　——韦斯·尼克斯 MarketShare联合创始人及首席执行官
　　
　　★你对数据的处理方式远比获取更多的数据来得重要。营销业的未来属于两类人：技术员与魔法师。技术员会确保数据数量丰富；魔法师则会将数据变为可以获利的点子。两位作者创作了这部价值无可限量的作品，他们认为，每家有责任心的营销公司都会希望了解个中原委。
　　——苏铭天爵士 WPP集团首席执行官

序言为什么数字如此迷人
第1章本书将如何帮助你发展自己的企业
第2章设定目标：你应该与谁交谈
第3章发现：你应该与客户谈什么
第4章确定地点：你怎样找到他们
第5章制定预算：我们应该花多少钱
第6章测量指标：你怎样测量哪些有用、哪些无用
第7章优化选择：怎样多做有用之事，少做无用功
第8章未来
致谢
译后记

精彩书摘

　　听起来感觉怎样？如果这样考虑，你会发现，其实每个企业都只有两面而已：供应面与需求面。供应面是指一家公司会怎样完成订单，即怎样满足自己客户的需求。它属于企业可以控制的一面。公司领导层会了解这方面的数据，比如购买一台新机器将提高多少生产力。
　　一方面，对于供应面的问题，大多数喜欢用左脑的人会驾轻就熟，因为他们擅长金融，思维有逻辑性。几十年来，这类人才提高了供应链的效率，简化了工序，开发了追踪进展的测量方式。
　　而另一方面，需求面是公司无法掌控的，决定权在客户手中。当然，你可以尝试所有方式去接近客户，但最终是由客户或消费者决定是否对你必须提供的产品感兴趣。需求面是人们尚未明确的领域，这方面孰因孰果始终不能确定。客户购买完全符合自己需求的产品是由于喜欢推出的广告，还是产品的价格有吸引力，或者是口碑的原因，甚至这些因素兼而有之，还是可能有上百种因素共同影响？要着手治理一家陷入混乱的企业，请先弄清楚该企业出了什么问题。假设一位顾客点击互联网上的广告后会立即购买，他买产品是不是因为受到一则横幅广告的影响？查明促使顾客购买的原因就是我每天都要做的工作。你会看到，我使用的是来自供应面的明确工具，它们经过了实验，经受了考验。我会将它们用于了解混乱的企业供应面。
　　这些工具可以给你提供帮助，套用本书副标题的话说就是，用一种能增加销售额和利润的方式发展你的企业。
　　这样的方式对公司最高层的管理人员至关重要。
　　毕竟，股东最终会根据怎样有效分配自己的资金评价你。但还不仅于此，它对公司上下全体员工都很重要。营销人员和经营业务部门的骨干需要知道以那些给公司带来最多利润的客户为目标对象。在开始创造新的产品或服务时，研究者必须在心目中确立可以带来赢利的目标客户。客服人员希望将大部分注意力集中在公司最有价值的用户或买家身上。当然，财务人员会始终质疑，公司最新的项目是否会产生任何赢利。如果采纳本书将要探讨的方法，你的投资将收获巨大的回报。
　　回报会有多大？我会与你简单地分享以下两个运用这些技术的例子：·通过分析顾客评论旗下酒店的数据，凯撒宫酒店将网络广告带来的回报提高了15％。一些软件不仅可以搜寻到顾客在该公司网站上留下的所有评论，还能自动筛选这些评论，将它们归入几十个不同类别。然后，凯撒宫酒店就可以利用软件的发现结果改变自己的产品和广告用语。例如，顾客对酒店的景观大加赞赏，酒店的广告就会以其外观和风景图像为特色，把它们放在显眼的位置。相比起来，客房的价格在广告中就不那么醒目了。
　　·根据对企业网站主页的一番透彻调查，在线证券交易商TDAmeritrade（TDA）只是稍微修改了网站文本内容、设计和图像，新开户数量就增加了14％。我们奥美的团队测试了每个用词、每种颜色、每个设计元素，了解它们是否可能给公司带来更多的客户。结果证明，只需将客户注册界面的用语由“现在在线使用”变为“开始吧”，并且将客户启动的点击按钮颜色由橙色变为绿色，开户的人数就会出现明显增长。
　　上述实例表明，本书阐述的并不是空洞的理论，已经有一些企业将它用于提高自身产品的需求。我会向你展示你也可以达到的效果。
　　如果从不同角度观察现有的客户数据，你可以改善：·你的战略。你会了解怎样深入理解企业可以提供的数字，并根据这种领悟精心磨砺既能发掘客户又能在竞争中制胜的策略。
　　比如你会发现哪些客户给自己带来的利润最多，哪种客户最有可能购买你的产品，哪类客户群不值得作为你的目标对象。
　　·你实行战略用的战术。只要分析得当，数据就会告诉你怎样接触到带给你最多利润的客户，把产品顺利卖给他们，还会告诉你一些最适合的方法，用它们找到以后可能增加购买量的客户。
　　·你采取的战术。数据会帮你确切地了解，你会在哪个阶段得到最大的回报，以及何时是采用战术的最佳时机。
　　……

前言/序言

　　为什么数字如此迷人
　　无论浏览哪个网站，买家都会被广告团团包围；精准而实时地展开新的营销攻势；在众多客户之中能找准必定可以带来最大利润的客户—它们只是体现今时今日人类众多本领的三件小事。这都要归功于分析学，这一学科研究的是人们迅速概括分析所有数据时展现的科学与艺术。
　　你也许会认为，不起眼的小数字只是突然之间变得魅力十足，其实绝不是这么简单。
　　我们有理由推断，可能迷人的小数字正是从直接反应营销（direct-response campaigns）发明后兴起的第一批这类销售活动中开始释放魅力的。1872年，阿龙·蒙哥马利·沃德（Aaron Montgomery Ward）首创了邮购商品订单目录的推销方式，理查德·西尔斯（Richard Sears）与阿尔瓦·罗巴克（Alvah Roebuck）1886年全盘照搬了这种方法。虽然没有现实的证据显示这些早期的邮购目录开发者当时怎样衡量自己的成功，并且尽可能扩大业务，但他们的确有能力做到。邮购目录在营销领域盛行一百多年，如今由互联网上的电子邮件订购目录所取代。这说明，利用邮购目录的销售人员确实成绩斐然。
　　实际上，克劳德·霍普金斯（Claude Hopkins）早在1923年出版的《科学的广告》（Scientific Advertising）一书中就以先驱者的口吻这样表示：“一些人将广告提升到了科学的层面，这样的时代已经到来。这种科学依据一些固定的原则，结果非常精确，没有差错。人们分析广告的起因和产生的结果，直到彻底理解因果关系为止。整个过程已经形成了一套正确的方法，并且得到了证实。我们知道什么是最有效的，于是根据基本的法则采取行动。”
　　霍普金斯此后与约翰·卡普尔斯（John Caples）合著了《久经考验的广告创意法》（Tested Advertising Methods）。这部1932年出版的作品主要着墨于邮购和其他直接反应的工具。对采用邮购目录的营销人员来说，这样做是轻车熟路，他们知道自己要将目录，也就是直接邮寄的清单寄给谁，接下来他们要做的只是跟进了解，确认收件人最后是否真正购买了商品。这种套路非常有效。到广播与电视这类大众媒体相继出现以后，再没有什么简单的方法可以确切地告诉他们，谁听到了广播播出的广告以及谁看到了电视上的广告。新的技术需要这些新媒体像以往的邮购那样，同样可以将跟进营销对象的责任落实到个人。
　　20世纪50年代，人们开始应用更先进的数学技术。这一时期，第二次世界大战（以下简称“二战”）后初次应用于营销业的运筹学与管理学模型在生产和制造业风行一时。如今我们能够了解，消费者观看互联网广告的具体时长、点击了广告的哪些部分以及哪些行为可以视为广告产生的效果。以今天的标准看，那些模型还相当原始。尽管如此，那个年代的模型也已经开始让人理解了营销和媒体共同作用的产物，它们包括品牌意识、报酬及最终带来的销售额与赢利。
　　进入20世纪90年代，分析学演化到第三阶段。许多市场营销人员痴迷于 “客户关系管理”（CRM）。这时，人们已能将强大的新型数据库和迷人的小数字直接用于营销活动。这其中的缘由倒不难推想。弗雷德里克·莱奇赫尔德（Frederick Reichheld）在自己1996年出版的《忠诚效应》（The Loyalty Effect）一书中指出，客户保持率如果增加5％，就会产生25％～100％的利润。我们将在本书第2章中介绍，同在1996年面世的《差异化行销》（All Consumers Are Not Created Equal）一书中，作者葛斯·哈伯（Garth Hallberg）称，公司的小部分客户通常带来大部分营业收入，客户数量与收入并不成比例。基于这类研究发现，企业决定采取行动，了解最应该珍视的那类客户。它们推出了忠诚卡，允许一些机构借此获取交易数据，还斥重金投资数据存储技术。这种技术能将客户所有的信息都存入一个数据库。终身价值模型（lifetime value model）可以预计出客户的长期价值，而防损耗模型（anti- attrition model）则被用来预计一位客户有多大可能失去积极性。CRM的进化演变极大地增强了工具和技术的营销效用。数字媒体产生了以客户为核心的巨量数据。分析师筛选大量数据的能力也很快在面对这些数据时遭遇考验。
　　借由互联网实现的数字化沟通，我们可以测定一切。一切都能产生数据，而且数据的规模庞大。谷歌的数字化数据库规模之大也许算全球之冠，它每天捕捉世界各地约10亿个搜索数据。如此巨大规模的数据使企业得以史无前例地透彻了解客户，深入了解客户有多么喜爱品牌，以及这种对品牌的投入最终会给企业带来怎样的收入。
　　电子商务环境向我们提供了一个密闭的循环系统。在营销效用方面有种说法，就是让我们接近极乐仙境。我们会知道具体的用户身受哪种媒体营销的影响，他们怎样进入特定的网站，浏览某网站时他们会做什么。我们可以观察这些用户购物的全过程，从开始直至购物的行为真正转变为商家的成功销售。
　　而且，我们可以得到实时的数字化数据，再也不必等到几周甚至几个月后才能了解营销活动有怎样的影响，几乎在活动进行的同时我们就能得到数据，由此能够立即优化营销效果。数字技术在营销领域掀起了一场轰轰烈烈的数学革命。
　　对这个经历革命洗礼的全新世界，没有哪个人的描述比彭明盛（Sam Palmisano）更精辟。2008年，时任IBM公司首席执行官的彭明盛在美国外交关系协会（Council on Foreign Relations）发表演讲时指出：“一切都会变得智能化，新的计算模型可以处理数量激增的终端用户设备、传感器与驱动器，并且用后端系统将它们联系在一起。结合先进的分析学，这些超级计算机可以将海量的数据转变为能诠释行动的人工智能，让我们的系统、供需和基础设施更高效、生产力更高、反应更快，总而言之，更聪明。”
　　以西班牙零售集团印第纺织（Inditex）旗下主力品牌Zara为例。Zara在业务流程的各个环节都运用了分析学，设计台上的服装图纸短短几周时间就能转化为店铺销售的成衣，做到了此前服装业认为不可能做到的事。对其他零售商来说，花上9～12个月时间推出圣诞节的服装新品并不罕见。
　　这一切对于普通百姓个人意味着什么？假如应用了分析学，并且建立了彭明盛谈到的各种设备的内部关联，相信在不远的将来，我们家中的冰箱会变成这样：它不仅能告诉你冰箱内存放的牛奶与黄油何时过期，还能列出一份采购清单，向我们当地的超市发出订单，然后超市就会送货上门。
　　隐私怎么办
　　以上未来的科技进步看起来简直美妙绝伦。可是，让美好的未来梦想成真需要付出代价。有人担心，市场营销人员将能收集到所有相关数据。这些数据会显示，消费者在网上购买了什么、在哪里购物。
　　我会在本书最后一章用大量篇幅探讨隐私问题，在此先稍作表述。我的观点可能会让读者意外。我认为，人们会为了正当的理由反对出于商业目的进行大范围数据收集。大部分数据收集的行为都非常隐秘，没有受到任何监管。这样做当然不对。
　　可现在形势变了。因为客户直接表露了担心，即使没有其他标准，广告业与营销业也都已经开始实行自我监管。我们承诺，未经客户许可，不会收集个人验证信息（personal identifiable information，PII）。我们给予客户机会，让客户可以选择避免我们收集客户的任何个人数据，但我们也会教育客户，请客户了解我们第一时间收集这类信息的理由。
　　我希望，这种教育将有助于客户明白，一些最初感觉类似侵扰的行为实际上对他们有益处。我知道，这听起来像丝毫不顾及人性的奥威尔主义做法，但也要考虑到，很少有非营销业人士能了解，为了给创造内容提供资金，原本就需要做广告。在如今这个时代，人们期望看到质量更高、数量更多的免费内容，广告的需求更加突出。客户一再表现出，无论是收看最喜欢的电视节目，还是把时间用来上网浏览最喜欢的网站，他们都不会为自己欣赏的内容承担全部费用。没有广告，大部分网站都会躲在付费的高墙后面，用户将不得不支付订阅费用才能观看内容。每个电视频道也都会额外收费。
　　要让大多数内容始终免费提供，就不能赶走广告支持的媒体。可我们现在已经有能力让广告不那么折磨用户。假设你是一个25岁的游戏玩家，想观看30分钟自己最喜欢的节目，而代价就是电视网络的经营商要播放6分钟的广告，相当于为了生产这30分钟节目，要6分钟的广告费用来负担成本。那么，你是愿意在6分钟时间里看最新款的游戏广告，还是一般广告？大部分玩家都会选择前者，可如果要让电视网络经营商能提供你选择的这类广告，你就得允许研究数学的市场营销人员了解自己的口味、习惯、偏好，这样他们才对你有足够的了解，能展示与你有关的商业广告。
　　如果允许营销人士对得到的数据做出分析，我们可能就会发现，商业广告实际上会减少。个性化的广告会为广告商带来更高的回报，广告商也会为个性化的30秒钟广告或网络横幅广告支付更高的费用，比普通的广告费用要高。这意味着，我们可能见到的广告数量少了，而内容供应商会从中得到更多的收入。听起来是一个皆大欢喜的好买卖。
　　迷人的小数字还可能给我们带来这样的好处。
　　有了以上背景介绍，接下来我们进入正题。