數據與行銷的牽絆與糾葛
數據是新石油 – 亞馬遜前首席科學家 Andreas Weigend
大數據在這個世代已紛紛嚷嚷了好一陣子，各企業無不嘗試開發這充滿未知的新石油。我想粗淺的來看看，在行銷世界中數據可扮演的角色、影響的範圍，以及他們的牽絆與糾葛。
數據行銷的起承轉合
行銷從古至今的方向轉變：
階段1：消費者要什麼，企業給什麼
階段2：創造品牌/產品差異化
階段3：建立社會價值與品牌責任
階段4：數據預測未來的數位時代
四大階段看出世代在行銷都是以消費者為核心出發，但著重的方式不同，階段1是各產業剛起步，為滿足消費者需求而創造產品；到了階段2，實用的產品開始有各家品牌生產，競爭激烈，行銷開始轉為創造差異化、利基點，希望從紅海中跳脫；漸漸企業發現消費者從產品端注意起企業文化及精神，會因企業傳遞的社會價值與品牌形象是否符合自身理念而買單，甚至提升忠誠度，行銷從此邁入第3階段；然而，在網路興起後，行銷策略開始轉變進入第4階段，一個瞬息萬變的數位時代，未來比的將是行銷決策速度，B2B、B2C、C2B、C2C都要主動出擊，行銷人每做一個決策，背後皆需觀點支撐，觀點是根據成千上萬數據集結分析而出，結合觀點進而預測未來，像是預測顧客行為、成交率、產品喜好、下次購買時間/時機等，並依此進行行銷決策。
然而數據來源百百種，從消費會員資料、產品體驗活動問卷、服務問卷到網路媒體數據等等數據量越多越好嗎？要從何下手運用？有了機器處理這些大數據後是否會漸漸取代行銷人才？
數據可分為三大型態
- 小而準數據（結構化且準確）：POS交易數據、會員資料
- 大而亂數據（非結構化且雜亂）：社群媒體數據、體驗活動資料
- 開放數據：人口普查等政府公開之調查數據
數據不是越大越好，是要看品質，小而準的數據含金量高。以小數據為基礎，即已可解決許多問題，如有額外資金及資源，可再加入不同類型數據做大數據分析。
然而數據不會說話，會說話的是人。一堆數據是表面的，行銷人要從數據中提出真正觀點。因此問對問題亦很重要，行銷人要有產業基礎知識、經驗判斷數據對錯與合理性，針對問題深度挖掘表象之下的核心問題，大數據才有意義。假使機器人依據歷年消費者購買或搜尋資料數據判定手機市場需求急速下滑，但機器無法告訴你是因為經歷499吃到飽之亂而造成。
從大數據洞悉消費者
別把消費者想的太複雜，他們通常不太在意多花俏的活動設計或行銷溝通內容，在資訊爆炸的時代，他們期待的是能在消費動機萌芽時，廠商適時適當的提供產品及活動資訊。
像是以前行銷認為半夜不要投廣告，因為消費者都在睡，看不到沒效益；eDM & 簡訊成效越來越差，便認為這兩種宣傳方式已落伍了。但實則不然，還是有很多晚上想購物的消費者，而不打開eDM及簡訊是因為在不對的時機發送給不對的人。每個消費者都有自己的消費週期、購物需求、溝通管道，只要從時間、對象、內容都量身打造，讓最適合的行銷方案在消費者面前跳出來，就能創造商機。可能A品牌推出100種產品組合優惠方案，A消費者只會關注他最有需求的那個，但其他方案會適合其他不同消費者，因此要將最適合的推到最需要的人面前。
人是獨一無二的個體，思考、需求、興趣都不同。因此，必須以人為中心，用標籤具體表示每個消費者的樣貌，將與之相關的所有數據合在一起，從此找出對的人、在對的時機、透過對的管道、提供對的內容。不止在宣傳上，甚至在通路店頭，都可運用數據調整每間店的產品、話術、銷售方案，甚至消費者進店後要推薦哪個產品會命中都有憑有據。
厚數據 Thick Data – 大數據變現的敲門磚
大數據有四大特點：數量大volume、速度快velocity、多樣性variety、不確定性veracity。不確定性最可反應在大行銷上，因大部分都是跟人有關的數據，人是充滿變數及不確定性，一個人說的、做的、想的可能都不同，可能這一秒想買這個品牌產品，但下一秒因為環境/旁人等影響更換想法。當數據越龐大越複雜，數據的不確定性跟著提升。因此，如何了解人在不同情境下的變化，就要依賴厚數據。
厚數據是指利用人類學定性研究法來闡釋的數據，旨在揭示情感、故事和意義。 – 王聖捷，PL Data公司創辦人
人類學研究特點之一在於不斷為人類各種現象做重新定義，以追根究底提問、從捕捉的現象細微末節中找線索，再以創新挑戰本質方式進行研究，進而導出創新的關鍵洞見。
厚數據與大數據不同，厚數據更重視產品或產業數據的深度與情境，需要深入使用者情境，蒐集具體的情感、故事、情緒、人行動背後的價值觀，再加上豐富產業知識，將產業產品與消費者做相互連結，幫助產業在創新過程中洞察人與市場的需求，並依此找出規則及建立行銷模型。好的觀點，往往是來自厚數據。懂厚數據，大數據才能產生真正的意義。由此可見，就算機器再厲害、數據再多都還是要人腦歸結出觀點，行銷人才需強化自身產業知識深度以及分析功力便不怕取代。同場加映《AI浪潮席捲，推波新工作型態》
大數據可協助為企業創造商機、尋找問題、解決問題、預測未來，很重要的是打帶跑，運用追蹤反饋並學習，與時俱進，不斷優化，才能長久套住消費者。
大數據運用可歸結成四流程
流程1）大數據觀察問題
流程2）大數據+厚數據分析挖出核心問題
流程3）行銷人員形成觀點
流程4）運用關鍵數據，決策制定改善方案/專屬行銷模型
跟著這四流程，假設高階手機市場需求上升，但A公司銷量持續下滑（流程1）。找出問題出在銷售策略、行銷策略、品牌經營、產品設計或是其他？找尋問題同時要試著挖掘問題背後的問題，可能A公司投入大量行銷預算，但實際上沒“精準”與對的消費者溝通。或一直強調招新顧客，但高貢獻的忠誠顧客卻大量流失（流程2）。可調整網路精準行銷方式（流程3）。應用一對一的個人行為動態標籤，建立專屬行銷模型（流程4）
現今世界發展以光速再跑，與消費者接觸的方式日新月異，行銷人與企業都該快思慢想，大量接收最新資訊與趨勢，但理性分析運用範疇，預測未來，以達最佳ROI。
