大數據時代行銷人的變革：預測行銷:《大數據時代行銷人的變革：預測行銷》是 -百科知識中文網

內容簡介

《大數據時代行銷人的變革：預測行銷》以大數據和機器學習為基礎，為行銷人員提供了一個關於預測行銷的導引手冊，使得個性化行銷得以付諸實踐。《大數據時代行銷人的變革：預測行銷》涵蓋了從零售到出版、從軟體到製造的各種成功案例，希望讀者可以從中獲益。

編輯推薦

本書提供了一套數據驅動的行銷框架，講解如何基於大數據定位客戶角色、預測客戶價值、量身推薦產品、保留客戶群體等內容。

本書主要目的是希望讀者能有效地利用數據的價值，在大數據時代找到傳統行銷方式的出路，同時在思想上得到以下幾個有用的大數據行銷觀點。

利用基於數據的生命價值行銷有效地挖掘高價值客戶，減少在低價值客戶身上花費的成本；

利用大數據分析手段，多保留和重新激活老客戶才能保證高效地增長，而不是一味地增加新客戶；

運用聚類、分類等數據挖掘算法發現你不曾知道的客戶群，並用來區分和最佳化行銷活動，使精準行銷變為可能。

內容提要

《大數據時代行銷人的變革：預測行銷》分為三個主要部分。第一部分，“預測行銷完全入門”，介紹了預測性行銷的許多基本元素，包括什麼是預測行銷軟體，數據科學和預測分析工作原理，以及客戶生命周期價值概念的基本元素。第二部分，“輕鬆上手預測行銷就這九招”，會提供切實的戰略指南，助你輕鬆入門。第三部分，“如何成為一個真正的預測行銷高手”，對預測行銷技術進行綜述，為行銷人提供一些職業建議，並探討隱私和預測行銷的未來。

《大數據時代行銷人的變革：預測行銷》是為準備學習預測行銷的行銷人員量身打造的，也適合正在公司里進行實戰的行銷人員和需要從事預測工作的大數據分析師閱讀。

精彩節摘

新技術的推出讓預測行銷變得簡單

既然如此，為什麼預測行銷技術沒有被行銷人廣泛採納呢？因為就在不久前，收集、分析和利用成千上萬客戶數據的技術能力對多數行銷人來說都還是遙不可及的。成本過高、耗時過長、過於臃腫，使人們對技術和人力的投資望而卻步。然而，如今預測分析技術已經成熟，可以跳出條條框框的限制，提供標準的算法和技術，不需要數據科學家和軟體工程師的幫助，行銷人自己也能使用。在第15章，我們將詳細探討現在可用的各類工具，這些工具使得預測行銷的成本更低、速度更快，且簡單易用。

（1）預測行銷的成本在降低。預測行銷的成本主要包括軟硬體技術投資，數據收集、整合、預測分析模型開發和部署上投入的人力，以及行銷人員或數據科學家在工具日常維護和使用上的時間投入。

就在不久前，用於收集和儲存客戶數據的數據倉庫基礎設施，成本還高達數十萬，甚至數百萬。Mark Jeffery曾在其書中記錄了一個小型區域零售商的數據：10間店鋪、10萬名客戶，以及1TB客戶數據就需要建立一個成本在5萬~25萬美元的資料庫。當企業升級為400家門店的中等規模連鎖店時，建立資料庫的成本隨即升至250萬美元。而擁有5000家門店的全國規模零售商，建立資料庫的成本高達2.5億美元。如今，雲端預測行銷解決方案的成本只有每月幾千美元。

（2）預測行銷的部署更容易。無論採用哪種解決方案——非定製的或定製的——你都需要收集客戶信息，並將其整合到每位客戶的描述資料庫中。2014年下半年，通過對132為行銷高管的調查，AgilOne發現，68%的受訪者對客戶幾乎沒有任何了解。也許，你已經收集了許多客戶信息，但它們彼此分離，就像郵件促銷、社交促銷和客服中心促銷各自為政一樣。多數公司針對網上交易、實體店交易和電話交易分別設定了單獨的資料庫。就在不久前，完成數據整合建立客戶檔案，並對所有客戶信息進行互聯和複製，還需要花費數月甚至數年時間。如今，市場上已出現了自動化解決方案，使得數據整合和淨化更為容易。這些方案通常使用標準數據模型，使得多渠道客戶數據標準化的速度更快，操作更簡便。

過去，企業不僅需要自己建立相關基礎設施，還要招募全職數據集成工程師和數據科學家，或者乾脆外包。數據科學家的作用是建立客戶模型，分析客戶數據——可能使用預測分析平台工具。這些模型需要修改和定期微調，以保證結果精確。數據科學家十分稀缺，所以僅美國就設立了50個新的研究生項目以填補市場缺口。幸運的是，如今，許多行銷解決方案都能推陳出新，提供內置模型，且經受住了業界公司的證明和檢驗。一些模型甚至能自主學習，也就是說能自動根據客戶數據變化進行調整，並且不需要專職數據科學家進行維護。

（3）預測行銷技術正變得更加易得易用。儘管組織內部就收集了許多客戶數據，但作為一名行銷人，可能無法進行獲取。Omer Artun就有這種遭遇，2003年12月加入百思買時，他擔任的是新成立的B2B業務部行銷主管：

我從Micro Warehouse跳槽到百思買時，已經建立了一套準實時客戶分析系統，能夠每天跟蹤和分析客戶訂單。百思買希望我能將該技術引入新的B2B業務部門，該部門主要銷售路由器、印表機和電腦，客戶多為小企業。百思買和其他許多公司一樣，當時將IT業務外包給第三方做。如果你想和他們談談客戶數據問題，光見一面就要花費1萬美元。於是，我去見IT部門的工作人員，只想得到原始資料庫，但卻無功而返。數月後，我還是不能拿到客戶的歷史採購數據。數據就在某個地方，但我卻無法使用。隨後，我又鬥爭了幾個月，最終不得不放棄。接著我就創立了AgilOne公司，提供預測分析服務，為行銷人提供客戶數據。

如果不能將信息用於為客戶提供相關性體驗，信息就是無用的。將客戶信息整合，並分享給客戶服務人員或用於激發與客戶的互動，確實有難度。一家公司掌握許多客戶信息的情況並不少見，但一般情況下，如果沒有投入精力和時間進行數據整合，行銷人員就不能使用這些數據細分客戶，更無法進行包括郵件行銷在內的精確行銷。新一代行銷軟體正在不斷問世，能夠提供預測建議，行銷人只需對信息進行簡單的拖放，並進行適當的過濾，就能細分市場，將個性化內容或推薦加入行銷郵件或廣告中。

作者簡介

Ömer Artun

一位科班出身的科學家，內心其實是一位企業家，總有一種對知識的渴求和挑戰現

狀的欲望。1999年博士畢業後加入麥肯錫，在幾個項目中測試數據科學方法；2002年加入Micro Warehouse公司，擔任行銷副總裁，將數據科學引入日常經營中；2006年加入百思買公司，擔任新組建的企業業務部門高級總裁。他堅信，數據驅動下的預測行銷將成為未來十年的新潮流。創立了AgilOne公司，旨在通過一個易用、強勁的雲平台，向每位行銷人提供大數據和預測分析技術服務。

Dominique Levin

她修讀了工程、設計和商業管理專業。過去20年，在大大小小的公司做市場行銷，足跡遍布各大洲，客戶既有企業也有個人，是客戶數據重要性最早的推崇者之一。2000年經營了自己的第一家數據公司LogLogic，該公司隨後被TIBCO軟體公司收購。之後陸續在幾家科技公司工作，包括Fundly和Totango，負責建立高度數據驅動的行銷組織。

譯者介紹：

曹正鳳，統計學博士，經管之家（原人大經濟論壇）大數據中心總工程師，經管之家（原人大經濟論壇）CDA大數據分析師培訓負責人，北京博宇通達科技有限公司技術總監。致力於大數據分析前沿領域研究，主持人大經濟論壇基於Hadoop架構的論壇主題推薦系統項目，參與國家社科基金項目《基於大數據整合的空氣品質測度方法研究》，發表多篇論文，且發表的EI核心收錄論文受到多次檢索。

秦磊，經濟學博士，對外經濟貿易大學統計學院講師、碩士生導師，對外經濟貿易大學大數據與風險管理研究中心成員。主要研究數據挖掘、大數據計算、時間序列、金融風險管理及其套用。先後在國核心心期刊《統計研究》、《數量經濟技術經濟研究》、《中國科學：數學》、《數理統計與管理》、《中國管理科學》、《商業經濟與管理》上公開發表多篇學術論文，出版譯著《智慧型大數據SMART準則：數據分析方法、案例和行動綱領》，主持北京市自然科學基金、211項目等多項課題。

謝邦昌，台灣大學生物統計學博士，輔仁大學統計信息學系教授。現任中華數據挖掘協會（Chung-hua Data Mining Society，CDMS）理事長，輔仁大學統計資訊學系教授，華通人商用信息有限公司高級顧問。中國人民大學套用統計科學研究中心學術委員會委員。中國人民大學統計學系Data Mining中心客座教授，上海財經大學統計學系客座教授。廈門大學計畫統計學系客座教授。西南財經大學客座教授。他是數據挖掘界領軍人物及世界知名統計學家。發表過近三百篇關於統計和數據挖掘的論文，出版了近五十餘本相關專著，擁有豐富的大數據分析行業經驗。

王淑燕，女，山東菏澤人，輔仁大學商學研究所博士，研究領域為套用統計科學及大數據分析，曾在《運籌與管理》、《ICIQ 2014 19thInternational Conference on Information Quality》和《American Journal of Industrialand Business Management》等國內外雜誌發表論文數篇。

前言

譯者序

大數據時代對傳統行銷模式的衝擊是巨大的，面對複雜多樣的海量數據，如何挖掘其中的價值是每個行銷人員都希望知道的事情，而本書恰好可以滿足該領域的一些需求。本書的作者Ömer Artun和Dominique Levin是行銷領域經驗豐富的學者，兩位學者將他們成功的案例及實用的方法寫入書本，為那些徘徊在大數據之外的行銷人員提供了一個很好的導引。

本書的獨到見解

本書介紹了一種適用於任何規模公司的預測行銷方法。基於數據驅動的技巧，以最有效的方式找到帶來高價值客戶的產品和渠道，將陳舊的商業模式轉化為更加個性化的用戶策略。

本書的主要目的

使讀者能有效地利用數據的價值，在大數據時代找到傳統行銷方式的出路，同時在思想上得到以下幾個有用的大數據行銷觀點。

1．利用基於數據的生命價值行銷有效地挖掘高價值客戶，減少在低價值客戶身上花費的成本；

2．利用大數據分析手段，多保留和重新激活老客戶才能保證高效地增長，而不是一味地增加新客戶；

3．運用聚類、分類等數據挖掘算法發現你不曾知道的客戶群，並用來區分和最佳化行銷活動，使精準行銷變為可能。

曹正鳳、秦磊和王淑燕負責了本書絕大部分的翻譯工作，台北醫學大學管理學院暨大數據研究中心謝邦昌教授對全書進行了審校工作。另外，本書在出版過程中，還得到了電子工業出版社的大力幫助，以及對外經濟貿易大學大數據與風險管理研究中心、經管之家大數據中心和智慧交通大數據中心在人力和財力上的資助，再次表示衷心的感謝。書中不妥之處在所難免，尚祈廣大讀者和同行專家不吝賜教。

曹正鳳

北京博宇通達科技有限公司技術總監

引言

本書目標讀者

本書是為希望學習預測行銷的行銷人員量身打造的，也能讓已將該技術套用到組織中的行銷人員受益匪淺。無論是剛開始學習，還是已經付諸實踐，在本書中你都能找到許多實用的點子。我們會向身處不同規模公司的行銷人員分享他們應該了解的、有關使用大數據技術進行預測行銷的知識；展示像海若斯娛樂公司、亞馬遜和Netflix等行業先行者成功背後的秘密。本書也是一部實用指南，助你掌握新的行銷方式。總之，我們與你分享的故事源自大大小小的公司，涵蓋從零售到出版、從軟體到製造的各行各業。本書所列的行銷者都取得了革命性的成功，相信你也可以。

關於本書

我們熱衷於提高行銷質量，向行銷人傳授相關知識和工具，讓行銷事業重回正軌。我們希望後續章節能為行銷人提供新的表達方式和靈感，讓他們理解並學會運用大數據和以機器學習為基礎的行銷手段。我們相信最終的結果必是客戶、企業和行銷人多贏的局面。客戶將擁有更切身、更有意義的體驗，企業將建立贏利能力更佳的客戶關係，而行銷人也能獲得遠見和同事的尊重。

本書分為三個主要部分。第一部分，“預測行銷完全入門”，介紹了預測性行銷的許多基本元素，包括什麼是預測行銷軟體，數據科學和預測分析工作原理，以及客戶生命周期價值概念的基本元素。第二部分，“輕鬆上手預測行銷就這九招”，提供切實的戰略指南，助你輕鬆入門。第三部分，“如何成為一個真正的預測行銷高手”，對預測行銷技術進行綜述，為行銷人提供一些職業建議，並探討隱私和預測行銷的未來。本書許多章節都可以獨立成文，所以請參考以下各章摘要，直接跳轉到你最想瀏覽的章節。

本書內容提要

第1章大數據和預測分析技術就在眼前

預測行銷以大數據技術和機器學習（總稱預測式分析技術）為基礎，是對客戶關係的重新考量。行銷人需要關注這一技術。網際網路盛行二十餘年後，預測分析技術的套用將是改變行業遊戲規則的最大機遇。儘管一些大型銀行已經在或多或少地使用預測行銷，但我們仍處於技術接納的早期階段，可以說現在時機剛好。企業對預測行銷的接納速度日趨加快：①客戶希望與品牌建立更有意義的聯繫；②技術早期採用者展示了預測行銷能帶來巨額價值；③新技術發展讓預測行銷變得輕而易舉。

第2章預測分析技術簡易入門手冊

許多行銷人都希望至少了解預測分析技術“黑箱”中究竟發生了什麼，這樣他們才能夠自信地套用技術模型或與數據科學家進行交流。閱讀本章後，行銷人將充分了解預測分析技術的全過程。行銷人需要了解三種預測分析模型：無監督學習、監督式學習和強化學習。許多行銷人不了解的一個事實是：與預測客戶未來行為相關的80%的工作，其實是收集並過濾客戶數據。數據過濾工作並不光鮮，卻是中流砥柱：若沒有精確和完整的客戶數據，便無法進行真正的客戶分析。

第3章首先要了解客戶：建立完善的客戶檔案

建立完整且精確的客戶檔案絕非易事，但價值巨大。如果你的公司和多數公司一樣，客戶數據散落在各個角落，錯誤連篇、重複建設，無法為每個行銷人員所用，那么今天，你非常幸運，預測技術（包括模糊匹配在內）能幫助你清理現有數據的爛攤子，將線上和線下數據互聯，解決客戶數據和實體身份錯配的問題。僅僅將所有客戶信息集中起來就會產生巨大價值，並且，確保公司所有直面客戶的工作人員都能輕鬆提取並使用客戶信息，將是提供更好客戶體驗的第一步。

第4章管理客戶就像管理資產組合，要不斷增值

我們堅信最佳化企業價值的最佳方式在於提高每位客戶的生命周期價值。客戶是公司價值的基本源泉，因此，客戶生命周期價值就是衡量行銷活動效果的最重要指標。最大化每位客戶的生命周期價值或贏利能力，就相當於提升了公司總體的贏利能力和估值。而實現這個目標的最佳途徑，就是用管理股票投資組合的方式管理客戶。面對新老客戶，你的行動和發出的信號都要不同。面對低價值、中等價值和高價值客戶，你的思維方式和預算安排也要做出調整。

第5章第一招：運用客戶數據，最佳化行銷開支

需要分配行銷預算時，多數行銷人立即會想到客戶獲取式開支，將預算配置到效益最好的渠道和產品上。然而，預測行銷情境下開支的分配在於將資金分配給正確的人，而不是正確的產品或渠道。多數公司傾向於先贏得客戶，這樣他們就可以將時間和預算集中投入到客戶維繫和再激活中，成本更低。因此，行銷人員在分配預算時，要學會參考以下依據：客戶獲取、維繫和再激活的目標，以及找到轉化最高價值客戶的產品和渠道。

第6章第二招：預測客戶角色，讓行銷重回正軌

這一章中，我們會探究預測技術中的聚類法，以及它與傳統客戶細分法的區別。在從消費群體中識別客戶角色或客戶群體方面，聚類法很有用。具體來說，本章會從產品、品牌和行為三個方面分析聚類法的套用。運用聚類法，你能夠洞悉客戶需求、行為、統計特徵和態度，以及他們對行銷互動方式、產品和服務使用方面的偏好。在此基礎上，針對不同客戶群體，你可以著手區分並最佳化行銷行動和產品組合。

第7章第三招：預測客戶演變過程，為生命周期行銷做準備

本章會研究從客戶獲取、發展到維繫的客戶生命周期全過程，理解如何根據每位客戶的生命周期做出溝通策略的調整。最佳化客戶生命周期價值的基本原則與生命周期所有階段的原則相同，總結為一句話就是：“付出才有收穫。”客戶信任你，才有可能購買你的產品。贏得信任的最佳方式是：讓客戶嘗到甜頭。所以，為了獲得客戶價值，先要付出客戶價值。

第8章第四招：預測客戶價值，進行價值導向行銷

客戶的生命周期價值不全相同。任何企業都會有高價值客戶、中等價值客戶和低價值客戶。而根據客戶價值的不同制定差異化行銷戰略將是創造價值的良機。這種細分且有針對性的策略被稱為價值導向行銷策略。首先，花更多的錢吸引並留住高價值客戶。然後向上行銷，將中等價值客戶轉化為高價值客戶。最後，降低在低價值或獲利無望的客戶身上的成本。

第9章第五招：預測購買或互動的可能性，為客戶排名

購買可能性模型就是人們通常認為的預測分析。運用這些模型，能夠預測某類客戶未來行為的可能性。本章將研究客戶和企業行銷領域中，以購買可能性預測為基礎設計的程式。讓你見識在企業行銷中，預測線索評分或客戶評分在最佳化銷售時間和銷售團隊成功率方面的作用。我們也會向你展示企業如何根據傾向性模型，制定打折策略並確定行銷郵件的傳送頻率。

第10章第六招：預測個人喜好，為每位客戶量身推薦

個性化推薦是預測技術的又一流行套用。本章將向行銷人提供推薦時的入門技巧，並傳授不同的推薦方法。為你呈現購買前和購買後、針對特定產品和特定消費群體不同的推薦技巧。探討定製個性化推薦時的陷阱，強調銷售規則和全渠道協調，以及讓客戶掌控自己的個性化推薦的重要性。

第11章第七招：啟動預測計畫，轉化更多客戶

本章將介紹三種特殊的預測行銷策略，助你獲得更多高質量客戶，包括：針對不同客戶群的特點策劃更好的客戶獲取活動，使用再行銷手段增加轉化率，以及套用“相似客群”定向手段。進行再行銷時，你應該學會區分兩種客戶：有些客戶有可能再次購買，因此只需傳送簡單的提示信息；而有些客戶再購買可能性不大，那么就需要增加激勵措施。如果發現未付款的購物車，瀏覽和搜尋記錄時，都可以採用上述技巧。套用Facebook及其他廣告平台推崇的相似客群行銷，你能發掘出更多與現有客戶極其相似的客戶，也就是說，新客戶與既有客戶一樣，都能為你帶來最大效益。

第12章第八招：啟動預測計畫，提升客戶價值

留住客戶的秘密在於努力從第一天起就留住他。第一次交易僅僅是開始，漫長的關係需要特別的維護和培育。即使成功完成客戶轉化，與客戶的互動也不能停止。本章中，我們會講到一些預測行銷策略，助你提升客戶價值，包括：售後活動、補充活動、重複購買計畫、新產品推介和客戶答謝活動。我們也會談到忠誠度計畫，以及預測分析時代的全渠道行銷。

第13章第九招：啟動預測計畫，留住更多客戶

我們建議你專注於貨幣保值。如果不這么做，即使你留住了客戶，也會賠錢。而且，評估客戶保留率時，需要認識到，不同客戶的流失帶來的損失不同。低價值用戶流失肯定沒有高價值客戶流失損失大。另外，與重新激勵停止購買的顧客回心轉意相比，努力避免客戶流失顯然是個更容易、經濟和有效的策略。本章中，我們將研究不同的流失管理計畫，包括適用於所有客戶的非定向計畫，以及具有定向性的主動客戶保留管理策略和客戶再激勵計畫。

第14章預測行銷能力一覽表

為了運用本書介紹的預測行銷技巧，你既需要做好思維準備，也要掌握相關能力。從思路上看，不應再陷入活動、渠道或一刀切式行銷的泥沼，而應關注個人消費者和他們的背景。從技術角度講，你需要掌握客戶信息整合、預測情報和活動自動化方面的能力。

第15章預測式（相關）行銷技術綜述

大數據時代既讓人興奮，又使人迷茫。每年都湧現出大量新的行銷技術。本章中，我們會綜述各種已投入使用的商業套用技術，並講解如何從零開始，構建自己的預測行銷解決方案。

第16章給有報負的預測行銷者的職業建議

率先採用新方法、新技術（包括預測行銷和預測分析）將帶來巨大的職業機遇。如果你不擅長數字和數學，且怯於上手預測行銷技術，我想跟你說幾件事：對商業的理解比數學更重要，善於提出正確的問題對你大有裨益，頂尖行銷人能夠平衡行銷藝術和科學，身邊的每個人都能讓你學到很多。

第17章隱私、愉悅和逾越的區別

一般來說，如果能從個性化產品和服務中獲得諸如便利等明顯好處，客戶是樂於分享個人偏好信息的。提供個性化服務時，可利用三種不同的客戶信息，客戶體驗相當不同。請用常識判斷行銷活動是讓人愉悅還是不舒服，要將行銷情景放在大環境中看。本章將提供一些指導，教你如何處理與客戶信任相關的敏感信息。

第18章預測行銷的未來

預測行銷必將繼續在行銷領域內外大展拳腳。新的算法將會層出不窮，實施客戶洞察力行銷將重塑世界，讓未來的商場大變樣。因此，客戶、公司和行銷人員越早開始使用該技術，獲得的收益就越大。遲早，你的客戶和競爭者都會逼著你套用預測行銷思維。所以，你最好做一個先行者，掌握巨大競爭優勢。

關於作者

Ömer Artun

我是一位科班出身的科學家，但我內心其實是一位企業家，總有一種對知識的渴求和挑戰現狀的欲望。上國小時，意識到從桑樹上採集果實拿到街上賣可以掙錢，我就毫不猶豫地邀請同學加入，共同經營這個小本生意。在身為工程師的父母的鼓勵下，我像哥哥一樣選擇了在布朗大學攻讀博士學位，師從腦神經研究所的Leon Cooper先生。Cooper先生因在超導體方面的卓越貢獻獲得諾貝爾物理學獎，隨後認定人類面臨的下一個難題是在神經科學方面取得突破，破解人類學習和適應之謎。他在20世紀70年代早期就是學習理論方面的先驅，以實驗性神經科學為基礎，配合分析技術研究並創造了學習系統，這套方法現在叫機器學習法。這兩個機制我都研究過，它們支持著學習和記憶存儲，以及神經網路的人為構建，而神經網路能夠學習、聯想和再生產更高級別的認知活動，諸如抽象、計算和語言學習。這些任務可由人類完成，常規的電腦程式很難模擬。

1998年即將博士畢業時，我注意到商業世界中的多數人還處在電子表格時代，於是希望將數據科學和機器學習法套用其中。這個目標讓我在戰略諮詢公司麥肯錫找到了一份工作。

1999年加入麥肯錫時，我得以在幾個項目中測試一些數據科學方法。我的第一個計畫是幫助一家大型技術公司提高銷售覆蓋率，即採用科學手段，以客戶需求、銷售團隊能力和經驗為基礎，完成銷售團隊和客戶的匹配。這就是我所謂的分析技術的最終難題。我意識到這是個大問題。分析技術有助於提升商業效率，但只有在被整合到公司日常工作流程中後才能發揮效用。這個問題在企業定價、供應鏈、行銷和銷售等多個環節中反覆出現。多數我參與的麥肯錫項目都停留在紙上談兵階段，方案都是正確的，但很難帶來實際價值。在麥肯錫接受訓練後，2002年我加入了Micro Warehouse公司，擔任行銷副總裁，希望將數據科學引入日常經營中。我很幸運，得到了CEO Jerry York和總裁Kirby Myers的支持。Jerry是我見過的最信奉數據的商人，直到今天仍是。他是Gerstner管理IBM時的CFO，之前還是克萊斯勒的CFO。他鼓勵我使用數據科學，提升績效。

我認識到必須建立自己的方法，將數據科學和執行結合起來，解決最終難題。我招到了兩名得力助手，分別是Michel Nahon博士和計算機高手Glen Demeraski。Nahon博士畢業於耶魯大學，是訓練有素的套用數學家，幫我編寫機器學習算法；而Glen則在資料庫及其引用方面協助我。我創造的方法和系統運用數據，能更有效地分配資源、降低行銷成本、發現新的營收來源。在行銷效率、定價和打折策略等方面，我們影響巨大。2003年上半年，我們開發出實時預警系統，能對銷售團隊的採購、定價和客戶獲取進行監控，將結果與移動平均數相比較，然後由團隊負責人做出及時行動決策。2004—2006年，我在Micro Warehouse工作，隨後，我加入百思買公司，擔任其新組建的企業業務部門高級總裁。當時百思買也深受“最後一英里”難題的困擾，公司內部資源充裕，工具多樣，許多自命不凡的顧問大談特談客戶細分和分析技術，但當你隨便走進一家百思買商店時，看到的卻是一切如故，沒有落實到消費者層面。這是對分析技術的真正考驗：技術是否能以積極的、可感知的方式影響消費者？如果不是，那么你的規劃就出了問題。在百思買乾出成績要困難得多，這部分內容我會在第1章詳述。

在Micro Warehouse和百思買工作時，我經常在哥倫比亞大學以及紐約大學斯特恩MBA項目的關係行銷和定價課程中擔任客座教授。2006年，我成為紐約大學斯特恩項目的兼職教授，教授MBA關係行銷課程。這期間，通過與學生和在職人員交流，以及市場調研，我認定，數據驅動下的預測行銷將成為未來十年的新潮流。我已清晰地認識到預測行銷的價值，而隨著商業的數字革命、客戶觸點的增多，以及數據在大小、種類和更替速率方面的指數級增長，該項技術的重要性得到進一步提升。

如果你問我從Cooper博士那裡學到的最重要的一件事是什麼，我會說是學會分解問題，找到問題核心，最後在基礎層面解決問題。他總是說，問題的解決方案必須簡潔。而這也是我認為行銷人的問題所在。街角小店時代，行銷是件易事。人們互相熟識，知道彼此的喜好，打交道也是一對一的。但在“一刀切”的大規模最佳化時代，行銷人員與客戶是脫節的。客戶淪為受訪對象和焦點小組討論的參與者，一切都圍著產品和渠道轉。然而，進行客戶中心行銷的需求一直在，只是過去這么做不實際且成本過高。網路、電子郵件、手機、社交和定位技術，與存儲、加工和提取信息基礎結合起來，構成了數位化變革，改變了過去我們對“實際”和“低成本”的看法。

通過將人文關懷引入數字和離線生活，關注每個客戶，了解他們的過去，預測他們的未來，預測行銷將私人關懷或人情味儲存起來。預測分析的基礎是機器學習算法，能幫助行銷人理解這些行為。機器學習和複雜算法不是取代人類決策，而是幫助人們獲取情報，解決更大規模的問題，有點像鳥槍換炮。

越來越多的公司面臨這個問題，我看到了商機，於是決定打破現狀，解決問題。2006年，我建立了AgilOne公司，旨在通過一個易用、強勁的雲平台，向每位行銷人提供大數據和預測分析技術服務。

AgilOne在頭五年里自力更生，隨後得到了多家風投的支持，包括Sequoia Capital、Mayfield Fund、Tenaya Capital和Next World Capital。通過各種途徑，我們為來自零售、B2B、網際網路、媒體、出版和教育行業的超過150個品牌提供服務。通過精準的客戶描述、預測和嵌入式生命周期行銷活動，行銷人提高了客戶忠誠度和客戶生命周期價值。

業餘時間，我是個有著28年從業經驗、小有成就的陶藝家，在布朗大學期間，我師從的是羅德島設計學院的Lawrence Bush先生。我生在土耳其，現在和妻女定居洛斯蓋多斯。我有兩個女兒，叫Ayse和Leyla。寫序時，在Pala Alto Castilleja 學院讀大一的女兒Ayse正在讀一篇有關預測行銷的文章，為數學課做準備，文章預言預測行銷會在下一代人中間成為主流。

Dominique Levin

我之所以能將左右腦聯合，處理行銷問題，要歸功於當初修讀了工程、設計和商業管理專業，接受了複合式教育。在荷蘭Delft大學獲得工業設計工程學位（畢業成績優秀）後，我又在哈佛大學獲得商業管理學位（畢業成績優異）。我建議所有行銷人都將人類創意同技術學習結合起來，為客戶創造更大價值。過去20年，我在大大小小的公司做市場行銷，足跡遍布各大洲，客戶既有企業，也有個人。總之，我是客戶數據重要性最早的推崇者之一。

1994年，我有了第一份行銷工作：在秘魯庫斯科擔任實習生。我開著皮卡拜訪當地農民，統計他們中多少人願意加入合作社，把水果加工成果醬和酒。我的下一份工作是在飛利浦消費電子公司，任務是尋找向少女和成年女性銷售更多產品的方法。我和當地高中女生打成一片、收集數據。飛利浦當時推出一款叫作KidCom、針對少女用戶的電子記事本，同時研發出名為TeenCom的、針對青少年用戶的雙向分頁設備。我的主管、項目負責人是Tony Fadell（就是後來的iPod和iPhone之父，以及NEST創始人）。1997年，我搬到東京，為日本電報電話公司工作，負責產品或財務。周末我經常會到一家公司門店，對客戶提供面對面服務。我建議每家公司都這么做，因為統計數字是不能取代面對面的作用的。

2000年，我搬到矽谷，經營自己的第一家數據公司LogLogic（隨後被TIBCO軟體收購）。有生以來第一次，我接觸到了大量數字形態的客戶數據。日誌檔案就像網際網路時代的攝像機，記錄一切。在LogLogic，我們使用日誌檔案監控安全狀況，但我也認識到一種可能性，即運用同樣的數據也可以更好地理解並服務客戶。

之後我又陸續為幾家科技公司工作，包括Fundly和Totango，負責建立高度數據驅動的行銷組織。Fundly幫助非營利性社交媒體籌集資金。於是，我們使用數據設計自動化流程，覆蓋從自助註冊到成功籌資的全過程。Totango提供預測行銷解決方案，監控客戶行為，發現有潛力和遇到問題的客戶。在這兩個案例中，數據和預測技術都加速了客戶獲取過程，提升了生命周期價值，同時降低了銷售成本。

我在AgilOne擔任CMO時結識了Ömer。AgilOne也是一家行銷公司，我和幾千名行銷人一樣，試圖發現運用客戶數據取悅他們的方法。Ömer和我在數據驅動和以客戶為中心方面的見解一致。數據和人文體驗是相輔相成的。我們對於客戶工作的熱情促成了本書的寫作。

業餘時間，我喜歡和丈夫以及三個孩子一起旅遊，見識各地不同的風土人情。我玩冰球來排解壓力，曾經還是荷蘭國家隊的一員。我喜歡和企業家一起工作，幫助他們實現夢想。

致謝

感謝Anne Puyt、Barbara Von Euw、Rinat Shimshi、Dhruv Bhargava、Carrie Koy、Joe Mancini、Angela Sanfilippo、Hack Phan和Francis Brero，他們不僅辛勤地幫助公司掌握預測行銷技術、取得成功，而且非常慷慨，將自己的經驗、例子和智慧貢獻到手稿中，是他們讓本書內容得到極大的充實。

我們也希望感謝具有遠見的CEO和CMO們，他們是預測行銷技術的先驅者，尤其是Billy Casper Golf的行銷副總裁John Seabreeze，Stargas高級行銷副總裁Joe MacDonald，Moosejaw的CEO Eoin Comerford，Arcelik的CEO Levent Cakroglu，Mavi的CEO Ersin Akarlilar，TigerDirect的高級行銷副總裁Adam Shaffer。

另外，Ömer本人和公司AgilOne的成功，以及本書中的概念的提出都要感謝Boone Bartoli、Peter Godfrey，以及他的“養子和養女”Ozer Unat、Dhruv Bhargava、Oyku Akca、Anselme LeVan、Louis Lecat、Ryan Willette和Francis Breco。

我們也希望感謝我們的家人：

Ömer尤其希望感謝妻子Burcak Artun博士對他挑戰現狀努力的信任和鼓勵，以及對他繁忙工作的理解和支持。

Dominique感謝丈夫Eilam和孩子Liv、Yanai和Milo對她工作的鼓勵。同樣，她也希望感謝AgilOne的行銷明星Chris Field、Johnson Kang、Kessawan Lelanphaparn和Angela Sanfilippo，是他們的獨立和專業，讓她能專注於本書的寫作。

大數據時代行銷人的變革：預測行銷

內容簡介

編輯推薦

內容提要

目錄

精彩節摘

作者簡介

前言

相關詞條

酒店行銷

互動行銷

行銷3.0時代

移呼百應——TMA移動行銷大獎經典案例（全彩）

IT到DT：大數據與精準行銷

新媒體行銷

年輕派行銷

貝客[行銷思維]

數據時代的經濟學：對網路智慧型時代機遇和風險的再思考

熱門詞條