精準營銷大掃盲。破除模型迷信人人有責，有利你我他

其實最智能的精準營銷模型叫親媽，其次是迷魂湯

阿爾法狗化名master挑翻一眾高手，引爆了人們對人工智慧和演算法的關注，也使得數據模型與演算法再次成為熱點話題。在各路自媒體大肆宣傳下，似乎通過演算法就可以讓機器學習一切，未來除了老闆以外各種崗位都可以不用人幹了。一個模型自動計算市場需求下單生產，一個機器人自動生產產品，一個演算法自動推產品給客戶，客戶Duang一聲就購買了！

天亮了哈，醒一醒醒一醒。

懂技術的同行都知道，實現這個美夢還需要十萬八千里的努力。然而不懂技術的同學們又開始蠢蠢欲動了（上次蠢蠢是在《大數據時代》這本書在各大公司市場部流行的時候）。最近陳老師和幾個做營銷的同行閑聊時，大家又提起這個話題。

「老陳，你說現在數據源多了，演算法又升級了，有沒有可能做出一個演算法，剛好就能算中用戶的需求，然後推送以後用戶一定會買？」

「有啊，我們通常管這種演算法叫：親媽。我們自己的親媽就是這麼掌控我們消費的啊。不搞笑的說，想開發一個模型，模型一計算，推送給客戶一個產品，恰好客戶就買單了是吧？親，你需要的不是數據模型，是迷魂藥。一口灌下去，客戶啥都聽你的，效果杠杠的！」

為啥數據模型沒有迷魂藥好用呢，是因為客戶又不是傻子！你賣東西給我我總得看看牌子，看看質量吧。有那麼多商家可選，我總得比比價吧，我總得看看誰家有優惠吧？你在後台算了數我就買了？我知道你算了什麼？

所以，想讓顧客無條件購買，還是直接灌迷魂湯吧！弄暈他，啥事都搞掂！

那到底精準營銷模型有什麼用？

精準營銷所謂的精準，指的是相對的精準。理論上，只要不是在商店門口擺開25個大喇叭喊「全場八折，走過路過不要錯過」的地毯式轟炸；或者不是用戶打開個網站就彈出「買一送一快來買啊！」的鋪天蓋地小廣告；都算精準了。

精準營銷的價值可以體現在三個方面：

聚焦用戶，縮小範圍：比如根據用戶購買記錄，判斷用戶是否會響應，把明顯不會響應的用戶從備選名單中剔除，這樣可以大大減少投放數量，提升效率；也能結合用戶畫像，更深入的聚焦高響應用戶的需求，提升文案針對性，讓用戶更容易響應。

貼中需求，降低成本：全場買一送一固然消費者很喜歡，然而對企業來說成本太高了。理論上，如果能對用戶優惠活動響應行為進行分析，總結出用戶更偏好哪一類活動，就可以靈活選擇活動投放給用戶，節省成本；如果能通過關聯分析，發現交叉銷售機會，發現購買路徑，更可以在無補貼情況下促成一些訂單，省的就更多了。

減少干擾，提升響應：長期來看，提升精準度，可以減少庸余信息對用戶的干擾，可以提升用戶的響應。畢竟這個年代我們都接收了太多太多的信息，錢包沒有漲，各大電商的節日卻越來越多。不貼用戶需求，單純喊減價，只會讓用戶越來越對產品麻木，依賴上促銷，導致企業陷入無限補貼的深坑裡去。

綜合來看，精準營銷價值更在一個「減」字上。通過縮小範圍，減少庸余來增效。如果是著眼於「增」，市場部更寧願搞雙十一全網大促買一送一這種大事件，畢竟動靜越大，發動的用戶越多，吸引的眼球越多，當然來帶的增量越大。（當然花的錢也更多，這也使精準營銷有了價值）

精準營銷的本質是營銷，營銷是人做出來的，不是數據算出來的。營銷就需要有產品，有話題，有文案，有優惠力度的支持。算的產品需求再精確，競爭對手同期推出一個買100送50的活動，客戶分分鐘掉頭；算的投放時機再準確，文案做的一塌糊塗，活動規則複雜無比，客人看了隨手叉掉網頁，還是沒轉化；所以精準營銷項目是不能脫離營銷流程存在的。

精準營銷項目最適合的，是人力無能為力，或人力用不上力的時候。

比如電話營銷，再怎麼牛的話術，產品，客人不接電話全白瞎，而電話營銷本身成功率極低（1%-2%）導致外呼團隊士氣低落，流失率高等等問題，因此這時候通過模型稍微提升一點響應率，就能極大的提升外呼團隊效率，增加產出。

比如二次銷售跟進，單純依靠業務員跟進，很有可能跟進不及時，有可能只跟進了高端用戶，錯失了普通用戶。這時候如果根據用戶過往購貨記錄，主動選擇適合用戶的產品，結合購買周期與用戶互動習慣，在用戶活躍度高的平台，時間段進行推送，就可能極大提高普通用戶成交率，彌補業務員不足。

好的精準營銷項目，可以起到補位增效的功效，讓人力發揮更給力。

迷信模型，坑業務，更坑分析師

業務部門的領導們喜歡看趨勢，看未來，看潮流，看標杆。只要有價值的都能拿來用，最好是別人家已經試驗成功的項目，最好直接搬過來。一出新趨勢，加上各大自媒體平台一通吹噓，迷信就產生了。然而裝備了洋槍洋炮北洋水師的大清國還是藥丸，別人家的經驗不一定我們能用。渠道管理方式不同，數據採集要求不同，數據質量不同，產品特性不同，用戶需求與體驗不同，都會導致經驗複製的失敗。然而業務部門只關注結果，不能主動識別這些差異和風險，也容易陷入迷信。

然而，導致模型迷信的不僅有不懂技術的業務部門，也有大量剛剛入行的菜鳥分析師。學生思維深深的禁錮著菜鳥們的想法：一本書有20章，第1章講描述性統計，第20章講深度學習，所以深度學習一定是最值錢，最牛逼，最包治百病，做了得分最高的，描述性統計就沒啥用處。學生考完試不都喜歡對最後一道大題的答案嗎。

實際上，在數據基礎較好的金融，民航，運營商企業，模型的應用已經不下20年了，模型迷信症也早就流行和消失了。為什麼會消失，是因為當年拍著胸脯向老闆承諾我一個模型提升業績多少多少的人不是被炒了就是被發配去看資料庫，爬表了。

為什麼這麼慘，就是因為最初做數據挖掘的分析師們也沒有清醒的認識，沒有和業務方有深度合作。導致的惡果，就是銷售，市場，全都盯著分析師：你不是說你模型牛嗎，你做啊，做完了業績不好，銷售不去找客戶，市場不去想政策，所有人一起集中批鬥數據分析：為什麼你分析的不準？？影響業績你怎麼解釋？？

所以破除模型迷信，不但對業務方有幫助，對數據分析師更有幫助。好的數據分析，是和業務結合緊密，大家相互幫助促成業績的分析。清晰我們自己的地位，能更好的體現我們的優勢，做出更多受人認可的成績。

作者介紹：陳老師，在諮詢行業打拚了9年，在如何診斷經營問題、建立分析體系、解決專項問題上有超過30個大型項目積累與實戰，天善智能特邀專家。

數據分析職場路上有困擾嗎？不妨到《數據分析師八大能力培養課程》https://edu.hellobi.com/course/272 里聊聊！

視頻課程特色：

從真實數據分析工作場景出發，訓練實戰能力

啟發式教學+大量實際操練，培養屬於自己的能力

不依賴於某個具體技術，也適合對數據分析感興趣的學生、業務部門人士學習

推薦閱讀：