寫在前面：

最近在看人郵出版的新書《駕馭大資料》中文字。看第二章的時候總覺的別人翻譯的很拗口，然後索性找了英文版對照的看。越看就覺得翻譯的不是很好。所以麼，我開始無聊了。試著自己翻譯這章看看，因此也就草就了這篇譯文。當然，我知道我也翻譯的不是盡善盡美。在翻譯中，也能感受到別人翻譯時的感受。因此如果有哪位認真的兄弟能在百忙之中花點時間來給我“拍磚”，我非常歡迎啊。因為我一直認為只有知道自己缺點越多，才越有機會來提高自己。謝謝各位哦。^-^

Bill Franks

理解客戶的意圖而不只是理解客戶的行為難道不好嗎？當你的客戶們在決定是否要購買的時候，理解他們的思考過程難道不好嗎？在過去，這樣的問題幾乎是不可能得到答案的。而今天，我們能通過使用詳細的網路資料來問答這些問題。這就是所有和本章有關的內容。

比起領會某些特定的大資料例項以及領悟它們是如何被使用的來說，似乎還沒有比之更好的方法來理解所有和大資料有關的內容。或許在今天，沒有哪個大資料來源能像網路資料一樣被如此的廣泛使用。

橫跨於大量不同行業中的企業組織已經把那些來自於網站的詳細而又處於客戶層面的行為資料來源整合入它們自身的企業資料分析環境中。然而無論如何，大多數企業組織依舊還沒有把線上交易所包含的那些資料進行網路整合。傳統的網路資料分析承包商公司只提供了以網路資料的點選率、流量來源和度量標準為基礎的運維報告。然而無論如何，除了網路報告的內容之外，人們還沒有利用過那些詳細的網路行為歷史資料。

那些在業內處於領先地位的公司已經向人們顯示了詳細的網路資料能提供之前尚未開發出來的公司價值。本章概括介紹了這些先驅者正在做的事、為什麼他們正在做這個以及為什麼今天每家企業組織都應該考慮進行這樣的資料分析的原因。這些例子對於那些還沒有對整合詳細的點選流資料與其他資料，反對讓其閉門造車的觀點有過多思考的人來說，一定會引起他們的注目並使他們大開眼界的。

本章的核心主題並不只是駕馭網路資料那麼簡單。與從一個獨立的資料倉儲中彙總網路度量標準所相反，企業組織應該關注於將網路資料和所有其它與他們的客戶相關的資訊進行整合。在一個可擴充套件的資料分析環境中使用這樣的資訊，能讓你搶先一步地掌握客戶對購買的見解並能深入地瞭解他們的個人購買意願、決定購買的過程以及個人的購買喜好。挖掘利用這一新資料來源所提供的豐富見解，企業組織才能向前邁出巨大的一步。 那麼企業組織如何獲取、分析和利用這些豐富的資訊，進而驅動客戶產生購買見解呢？首先，我們要討論需要獲取何種資料以及為什麼要獲取這種資料。然後我們要探究某些顯示此種資料能揭示什麼內容的例子。最後，我們要討論一些特定的例項，這些例子是用來顯示如何通過整合網路資料來轉變資料分析過程。網路資料是一種已被很多企業組織所駕馭的大資料來源。請把你的企業也加入到這份企業組織名單中去吧！

1. 網路資料概述

企業組織已對“要具備對它們的客戶360度全方位瞭解”這一主題談論了好多年。在任何一個時間發生點上，總會有一家或另一家企業組織宣稱自己已達到了對客戶真正地360度全方位瞭解。但是實際上這是不可能的，因為這意味著你要對你客戶的一切都瞭如指掌。當我們談到360度全方位瞭解的時候，它真正意味著的是：企業組織應該考慮到在當時這個時間發生點可用的技術和資料，儘可能地對其客戶進行充分地瞭解。然而無論如何，要達到這種瞭解的“終點線”總是在變化著的。即使當你剛認為自己終於達到的時候，這條“終點線”卻又再次移到了更遠的地方。

在幾十年前，如果某些公司有它們的客戶姓名和地址，並能通過那時還算是新東西的第三方資料強化服務附上其人口統計資訊的話，那麼它們就可以在其市場競爭“遊戲”中佔據頭名。結果最後那些處於市場前沿的公司也開始為其客戶資訊附上一些基本的價值度量標準資料，如最近一次消費、消費頻率和消費金額（recency, frequency， monetary 。RFM）。這樣的度量標準資料是用來衡量某個客戶最近一次消費是什麼時候（最近一次消費）、她多久買一次東西（消費頻率）和她買一次東西花了多少錢（消費金額）。這些RFM概要資訊可以用來統計客戶過去一年的消費情況，甚至有可能統計出她一生的消費情況。在過去的10-15年間，幾乎所有的行業都已開始收集和分析它們客戶的詳細交易歷史資料。這導致了資料分析威力的大爆發和對客戶行為一個更深層次的瞭解。

更新你的360度全方位瞭解

很多企業組織對它們“昨日”的客戶標準交易的瞭解還沒有搶先一步地進行更新和變化。整合諸如網路資料這樣的新資料來源在現在是可能的，並正在為這種資料來源的早期採用者們驅動產生出巨大的價值。那麼你的企業組織對客戶的瞭解認識已經跟上了時代了嗎？

很多企業組織還在交易歷史資料分析階段裹足不前。雖然這個階段依舊很重要，但是很多公司還是錯誤地認為這依舊是最讓其接近達到對客戶360度全方位瞭解的地方。今天，企業組織需要從大量例如網路瀏覽器、手機應用程式、自助服務終端、社交媒體網站以及更多諸如此類可擴充套件的和新出現的客戶吸引點中收集那些與它們客戶有關的、全新演化中的大資料來源。

正如交易資料引發了資料分析威力和深度的革新那樣，這些新資料來源也能讓你將資料分析提升到一個新的層次。以今日的資料儲存和處理能力來說，這是絕對有可能取得成功的，很多有遠見的公司也已通過使用這些資料來解決各種各樣的問題而證明了這點。我們將對其中的某些問題進行簡短的討論。

1.1你遺漏了什麼？

你是否曾經停下來思考過如果只收集網站生成的那些交易資訊會怎麼樣？也許對於一個網站來說，95%的使用者在瀏覽後並沒有把商品放入一個購物車。剩下的5%，大概只有一半，或者說是2.5%的使用者實際上才開始了結帳過程。在這2.5%裡，只有三分之二，或者說1.7%的使用者實際上才會完成一次購物交易。這些數字在很多情況下都不是不切實際的。

這意味著如果只追蹤交易資訊，大概有超過98%的網路資訊會被人遺漏掉。但更重要的是，人們所遺漏掉的可用資料百分比可能是個更加高的的數字。對於每次進行的購物交易來說，要想達成交易可能要在網站上做幾十個或上百個特定的操作。這些資訊需要和最終的銷售資料一起被收集和分析起來。

要注意這和過去幾年所流傳的那些老式的網路資料分析故事完全不同，這點很重要。傳統的網路資料分析關注於整體行為，而這是從只包含網路資料的環境中概括總結得來的。即使可從所彙報的概要統計資訊中看出某些細節，我們的目標也是超越它，真實地將客戶層面的網路行為資料和其他跨銷售渠道得來的客戶資料結合在一起。這比點選連結型報表和頁面檢視概要資訊更往前進了一步。

正如RFM只是交易資料所能提供的資訊中的一小部分那樣，所以傳統的網路資料分析也只佔了網路資料所能提供的資訊中的一小部分而已。網路資料是一種能讓企業組織對客戶的見解認知和這些見解認知給它們的業務帶來的影響產生變革的東西，這是一種改變遊戲規則，讓人驚奇的新前沿技術。

1.2 假設一下各種可能性

假設一下，當客戶和你的企業組織正在進行一項業務交易過程的時候，你對他們的一切都瞭如指掌。不僅僅是知道他們會買什麼東西，也包括知道他們對整個購買交易是如何想的，以及他們在購買中所用的關鍵決策標準是什麼。這樣一些知識能讓你對你的客戶的瞭解以及互相之間的互動行為上升到一個新的層次。它允許你更快速地滿足他們的需求並讓他們感到滿意。

• 假設一下你是一位零售商。假設你正在和客戶一起走在陳列商品的過道中並記錄下每個他們去的地方，每件他們看的、挑的、放在購物車中並之後放回去的商品。假設你知道他們是否看過營養構成資訊、商品洗滌說明、貨架上的促銷宣傳冊或店裡任何其它對他們有用的資訊。
• 假設一下你是一家銀行。假設你能確定客戶所考慮的每種信用卡種類。假設你能瞭解到是因為積分回饋、利率還是卡年費促使他們做出了辦卡選擇。假設你知道每張信用卡在被客戶擁有後，他們對此有何評論。
• 假設一下你是一家航空公司。假設你能確定客戶在選擇他們的最終航程之前所看的每個航班。假設你知道他們是關心價格多一點還是方便性多異地那。假設你知道他們所考慮的每個目的地以及他們第一次考慮這些目的地是什麼時候。
• 假設一下你是一家電信公司。假設你能確定客戶在做出最終購買選擇之前所考慮到的每種手機型號、收費計劃、上網計劃和手機配件。假設你知道他們能通過在搜尋引擎中鍵入“續訂合同”或“合同取消”來回訪你的網站。

如果擁有這份列表中所概括的資訊，這當然聽起來很讓人興奮。你能馬上擁有這些資訊，只要你承諾將它們收集起來並讓它們可用於資料分析之中。上述這些行業中的每個行業裡的企業組織都已將其付諸於實踐了。

1.3 一個重要的新資訊源

探詢客戶詳細的網路行為的美妙之處在於它搶先一步於只知道客戶他們買了什麼東西。你現在能見識到他們是如何做出他們的購買決定的。與只看結果相反，這能讓你對整個購買過程有個全面的認識。這種大資料來源不是已存在的資料來源的一個簡單擴充套件。很多企業組織熱衷於將網路交易資料和傳統的交易資料整合在一起。但是，就其本質而言，網路交易資料僅僅是另一種用新“交易型別”或“交易地點”標識的交易記錄。在詳細的網路行為情況中，人們還不能類比模擬其中大多數可被收集的資料。因此它是一個重要的新資訊源。

一個難得的機會

一家企業組織有機會收集一套全新而又獨特的資料集的情況並不多見。詳細的網路資料是一個難得的能這樣做的機會。進行昂貴的問卷調查或案例研究活動所能提供的資料只是客戶資訊資料的一個小子集。除此之外，還沒有一個已存在的資料來源所能提供的東西和網路資料所提供的一樣多。

網路資料最讓人激動人心的一個方面就是它提供了真實的客戶購買偏好、未來購買意圖和動機資訊。在實際中，這是不可能從其他資料來源中獲得的，除非是進行一直接的對話或問卷調查活動。為什麼客戶選擇一件出售商品而不是另一件?也許企業組織認為他們知道。但是如論如何，它們有可能會發現很多客戶做出他們購買選擇時所用的方式方法是不可預料的。

一旦你知道客戶的購買意圖、偏好和動機，你就能用全新的方式來和他們進行溝通、驅動產生進一步的業務活動並增加他們對你產品的忠誠度。而這個“故事”最出彩的部分就是發生在你把網路資料和你從之前提到的360度全方位瞭解中所吸取總結的每個東西結合在一起的時候。那麼現在你就能擴充套件你對所有可用的，豐富的，全新的網路行為資料的視野。

1.4 應該收集何種資料？

如果有可能的話，當一個客戶正在和一家企業組織進行互動的時候，你應該留意一下他所做的任何舉動。這意味著可從任何一個吸引客戶的點上得到詳細的客戶活動回顧資料。今日普通的客戶吸引點包括網站、自助服務終端、手機應用程式和社交媒體。你能獲取到許多不同的客戶活動資料：

• 購買
• 商品瀏覽
• 新增到購物車中
• 觀看視訊
• 訪問下載連結
• 讀/寫評論
• 請求幫助
• 轉發連結
• 發表評論
• 註冊網路研討會
• 執行搜尋

雖然本章專注於網路資料，但同樣的原理也適用於所羅列的其他資料來源。雖然我們緊接著要舉的例子都是以網站為中心的，但是要記住同樣的概念也全盤適用於所有能收集資料的客戶吸引點。

不僅僅和網路資料有關

本章所討論的概念適用於各種各樣的客戶吸引點。這些包括諸如自助服務終端和手機應用程式此類的東西。不要把你的思維侷限於網路資料。

1.5 對於客戶隱私會怎麼樣？

客戶隱私在今日是個大問題，隨著時間的流逝甚至會變成一個更加大的問題。你必須認真思考要收集何種資料以及如何使用它。你不僅需要遵守常規的法律法規，也要視情況而定尊重你的客戶觀點。企業組織要做的最後一件事情是建立一個計劃來管理那些客戶認為是“變態”的或是會打擾到他們的東西。在你的企業組織中，客戶隱私是個值得深入探討的問題。它超出了本章所討論的範圍，而且也涵蓋了所有圍繞在“客戶隱私”身邊的問題。然而無論如何，我們要查出某種既能解決客戶隱私問題，同時仍能從網路資料分析中獲取價值的可選方案。

即使某家企業組織在採取行動時還是想穩妥點，但依然有方法讓其意識到網路資料中所蘊藏的巨大價值。即使你不想和一個個客戶單獨地進行互動，或將資料和可識別的客戶資料進行繫結，但網路資料依舊是有價值的。如果你基於登陸資訊、cookie（指某些網站為了辨別使用者身份、進行會話跟蹤而儲存在使用者本地終端上的資料，這些資料通常都是經過加密的——譯者注）或類似的碎片化資訊，把任意一個不能由客戶親自識別的標識號和每個唯一的客戶資訊相匹配。那麼這就建立了一種可能會被稱為“無面”的客戶記錄。即使和這些標識號中的一個相關聯的所有資料都是來自於同一個人，執行資料分析的人也還是不能把ID和真實的客戶資訊繫結在一起。然而無論如何，我們依舊可以完成資料分析來尋找某些隱藏在客戶資訊中的規律。這些規律很給力，我們永遠不用擔心某人具體做了什麼事情就能找到它們。

請考慮一下“無面”的客戶資料分析

在客戶資料分析中，它的大部分價值都在於那些可識別的被彙總起來的規律中。如果你想進行直銷，你只需要通過姓名或地址就能確定某個客戶。而且你只需通過檢視“無面”的客戶資料就能完成很多高價值的資料分析工作。用這種方法，分析人員只要通過一任意的、不可追蹤的數字就能知道每個客戶的資訊。不要錯過這樣的資料分析帶來的好處。

重要的是隱藏在這些“無面”客戶資訊中的規律，而不是任意一位具體的客戶所做的行為。在這個例子中，個人客戶資訊只有在其作為規律資料分析的一種“輸入”時才會顯得重要。為了得到價值，不需要去識別每個實際的個人客戶資訊。依靠今日的資料庫技術，分析人員不用識別相關的個人客戶資訊就能完成資料分析工作。這能避免很多客戶隱私問題。當然，很多企業組織在實際中都把確認和定位具體的客戶資訊作為這種資料分析工作的結果。或許它們已制定好了有關客戶隱私的公司策略，包括退出方案（這是為了尊重客戶隱私而制定的不干預策略——譯者注）並會很小心地遵守這些策略。

2 網路資料向我們揭示了什麼？

既然我們已經涵蓋介紹了什麼是網路資料，那麼就讓我們更詳細地深入它吧。在大量具體的領域中，網路資料比起可能沒有它的時候，能幫助企業組織更好地瞭解它們的客戶。如果不能駕馭這種大資料來源，人們將會非常困難地得出這樣一種見解。甚至有可能的話，會與此擦肩而過。在轉而閱讀最後一小節中那些詳細的使用案例和應用之前，我們要在本小節中將你能從網路資料中所獲取的那些見解的種類分成幾個大類。

2.1 購物行為

為了瞭解購物行為，一個良好的起點是確認客戶是如何來到一個網站來開始購物的。他們用了何種搜尋引擎？他們輸入了何種特定的搜尋關鍵詞？他們用了他們之前建立的某個瀏覽書籤嗎？分析人員利用這些資訊並根據與更高的銷售率有關的搜尋關鍵詞、搜尋引擎和參考網站來尋找規律。請注意分析人員不僅僅能在一給定的web會話中調查更高的銷售率，而且也能長時間的觀察同一客戶的行為。這能將網站銷售調查情況和跨渠道觀測客戶在長時間內做出的購買行為的結果合二為一。這也正是體現價值的地方。

客戶一旦上網就會開始檢視所有他們瀏覽到的產品。要確認誰只是簡單地看一下產品首頁就離開了，誰又會繼續深入地看下去。誰看過附在上面的產品資訊圖片？誰又看過對產品的評論？誰會詳細地檢視產品說明？誰又會去看產品配送資訊？誰會利用任何其他的由網站所提供的資訊？舉個例子，通過一個“比較”的檢視連結去確認客戶會選擇哪種產品。最後就能很容易地確認出哪種產品被客戶加入了心願清單（類似於京東網站“我的關注”或是chinapub的“藏書閣”——譯者注）或購物車，也能很容易地確認出哪種產品之後被客戶從中刪除了。

讀懂你的客戶想法

網路資料之所以是獨一無二，是因為它能讓你瞭解到客戶在購買他下一產品時候在想什麼以及他們是如何讓自己的購買決定過程起作用的。這能讓你具有前瞻性地去推動客戶完成他們尚未完成的購買程式。只要能向客戶提供這種正確的選擇，當她購買產品的時候她差不多就會認為你讀懂了她的想法。

網路資料有一個讓人感到好玩的功能是在她完成一次產品購買前，就能確定讓她感興趣的一組產品。在客戶完成購買後，緊接著向客戶推銷產品的做法已經落伍了。與之相反，應該在第一時間就檢視她正在瀏覽什麼產品並向她推薦購買一組完整的產品。

比如，假設某位客戶在看計算機、備份硬碟、印表機和監視器等產品。很可能這位客戶正在考慮對自己的PC系統進行一次完整的升級。請向這位客戶提供一套正好包括她瀏覽過的產品的具體組合套裝。不要等到客戶買了計算機後才向她提供配件的通用組合套裝。在客戶買東西之前提供一套定製化的產品組合，這比在她買完之後提供一套通用的產品組合的效果要來的更好。

2.2 客戶購買過程和購買偏好

使用網路資料並通過觀察客戶是如何在網站上“衝浪”的，分析人員就能確定出客戶是如何做出他們的購買決定的。通過他們的購買偏好來獲得對他們的瞭解是可能的。假設有家航空公司，它能基於預訂的機票就能看出大量有關客戶購買偏好的事情。比如，客戶是提前多久才預訂機票的？預訂了何種價格的艙位？旅程時間是否會跨週末？這全都是有用的資訊，但航空公司能從網路資料獲得更多的資料。

一家航空公司能確定更看重方便性的客戶。這樣一種客戶的典型特徵是隻會開始搜尋特定時間起飛的和直飛的航班。只有在只有一點點方便但價格卻相差巨大的時候，他們才不會去選擇最方便的直飛航班。假定某位客戶飛抵紐約的JFK機場比直飛LaGuardia機場要節省700美金。他到了JFK機場後，能在30分鐘之內就和飛往LaGuardia的航班同時到達目的地，並且額外的計程車費只有20美金。在這種情況下，一個以方便性為導向的客戶可能會決定省下700美金，認為比起去JFK機場而引來的額外麻煩這是值得的。但如果價格只差200美金，而且到達目的地的時間比LaGuardia的航班達到時間要晚2小時，那麼他就會堅持那更方便的選擇方案（直飛肯定最方便。但一個是直飛晚半小時達到，貴700，只有一點點方便，價格卻貴好多。而一個是直飛早2個小時到達，只貴200.因此前者沒有選擇直飛，寧願麻煩點但節省了700.後者太麻煩浪費時間太多，且只節省了200.所以寧願多花200節省2小時時間。——譯者注）。

航空公司也能確定那些以價格為至上，願意考慮多種航行選擇方案以求最優價格的客戶。只有在價格差異還算公道但能獲取巨大便利的時候才不會去選擇最便宜的選擇方案。比如，假定某位客戶在早上10點以220美金價格起飛和早上6點以200美金價格起飛的方案中做選擇。對於一位以價格為導向的客戶來說，有多餘的4小時候睡眠時間比其多花20美金來說是值得的，所以她會為了這20美金的額外費用而選擇稍晚起飛的航班。

基於這些搜尋規律，航空公司也能看出某一既定客戶與特價機票交易或具體目的地相關聯的程度。她是否搜尋了航空公司所提供的所有特價機票，併為她的旅程選擇了其中1張？還是說她只看了一特定的目的地，就為了到那裡而付了錢？比如，一位大學生可能會在網站上開啟所有他春假想去旅行的目的地的網頁，並在其中選擇了機票價格最優惠的那個目的地。而在另一方面，一位定期回家的客戶可能只會對飛往他家所在地方的機票感興趣。

僅僅知道某位客戶會定期瀏覽特定目的地的週末特價機票就已是一盞“明燈”，能從中知道什麼對她來說是很重要的事情。某些客戶不管何時，只要看見正好到她們家那座城市的特價機票，她們就會想坐飛機回家。所以她們一旦看見有特價機票出售，就會預訂。一旦確認出這種規律，航空公司就能更好地預測出客戶的需求。

在上述例子中，當把購買交易歷史中所獲取的歷史經驗和現有的瀏覽和搜尋規律相結合就能顯現出不可估量的價值。當然，為了闡釋這樣的規律而改變資料分析過程是需要花費時間和精力的。但是，一旦讓你知道了網站哪一方面能吸引這些個體客戶，那麼你就能定位她們，向她們傳送訊息，從而更加有效地滿足她們的需求。

2.3 搜尋行為

理解客戶是如何使用某個網站的搜尋內容能讓我們對如何與每個客戶進行互動產生深刻地瞭解。你還能得知網站為了促銷而增添或不增添價值時，會在哪些方面有所不同。當你檢視客戶在購買途中所瀏覽過的那些可選方案時，你就能推斷出什麼對她們來說是很重要的事情。

比如，假設有個線上商店是出售電影的。如果某些客戶在作出最終購買決定之前，喜歡定期地檢視一部電影的標準、寬屏、伸展和HD高清版本等格式的情況，也就是說即使她們大多數時候，到了最後也只常常購買某一種格式，但她們還是願意接受各種不同格式的選擇方案。一旦你掌握了客戶的購買模式，當她訪問某個網站時你就能提醒她去看什麼格式的電影，以便於讓她更簡單地快速找到她喜歡的選擇方案。喜歡檢視眾多格式的客戶可能每次都希望網站顯示一部電影的所有格式給她看。然而無論如何，如果你知道除了某一格式之外，她既不會去瀏覽也不會去買一部電影的其它格式，那麼你為什麼要讓這位客戶在所有的DVD格式裡進行挑選呢？

另一種使用網路資料的方式是瞭解客戶的產品搜尋規律，這是為了搞清楚網站所提供的資訊中有哪些會被所有客戶認為是有價值的，尤其是要搞清楚被那些“最佳”客戶認為是有價值的資訊。客戶在購買產品之前，會多久一次檢視產品預覽資訊、附加的圖片資訊或技術規格資訊？請注意當你追蹤這些網路會話中的資訊，並把它與其他客戶資料相結合的時候，你要能知道人們是否會花一天時間去搜尋，然後在另外一天去完成購買。最終的購買活動往往是一簡單地執行購買活動，並被高度定位的網路會話。我們需要將歷史瀏覽資料彙總起來構成一對客戶產品搜尋規律的整體印象。或許企業組織正在考慮去除的某一不太被用到的網站特性是一關鍵客戶群體中最喜歡的特性。因此在這種情況下，這一特性應該被保留下來。

搜尋的威力

我們不再需要去執行昂貴的，小規模的問卷調查活動去了解客戶在購買前會如何搜尋和研究產品。網路資料能提供詳細的資訊讓我們瞭解到對於每個客戶個體，同時也對於整個客戶總體來說什麼是重要的東西。另外，它消除了某一客戶在問卷調查中告訴你她會做一件事情，而實際上她做的卻是另外一件事情的風險。所以你會看到真相。

某家企業組織可能會看到大量不尋常的客戶會在檢視了詳細的產品規格說明頁面後，而不是在沒有看過規格的時候，會把某一特定產品刪除掉。經過調查這個頁面上顯示了什麼後，公司可能會發現產品的描述不是很清晰或其規格描述的不準確。而描述經過修改後，銷售業績就被提升了。

閱讀產品評論，也是一盞顯示什麼對人們來說是重要的“明燈”。哪種客戶會認為評論有價值？哪種又不會？哪種產品的評論被人們閱讀後會定期的失去客戶？評論有能力造就或毀了一筆交易。一旦你知道客戶會經常在閱讀了評論後去進行購買，如果你看到很多客戶在閱讀了某一具體產品的評論後決定不去購買這一產品，那麼你就應該去調查一下。或許是有一些負面的評論被貼了出來。如果是這樣，你要確定它們是否屬實；它們提出了哪些問題以及你打算如何去解決這些問題。

最後，搞清楚對每位客戶來說都是很重要的那些網站特性以及每位客戶是如何利用網站來進行搜尋的，這能幫助你更好地讓網站迎合客戶個人的需要。對於那些經常深度“挖掘”產品詳細規格的客戶來說，或許這些產品規格在她們一檢視產品時就能被展現出來。對於那些經常想看產品圖片的客戶來說，或許產品圖片應以全尺寸的格式展現，而不是隻是展現縮圖。這是為了讓你的客戶能更方便的進行搜尋，從而讓她們在準備搜尋產品併購買的時候，來你而不是你的競爭對手的網站。

2.4 反饋行為

在客戶所能提供的最佳資訊中，有一些是關於產品和服務的詳細反饋資訊的。一個簡單的事實是客戶願意花時間提供反饋資訊來表明她們對某一品牌的熱衷程度。通過使用文字挖掘技術來了解客戶反饋中所表現出來的語氣、意圖和主題，你就可以開始對個人客戶最看重的東西的印象變得更加好。

為什麼有一些客戶會定期的對她們購買過的產品進行評論？如果這些評論通常都是正面的且可以被其他客戶看到，那麼給這些客戶特殊的獎勵來讓讚美之詞滾滾而至或許是個好主意。相應地，如果你通過和客戶線上地諮詢溝通來研究這些問題和評論，那麼你不僅能感覺到一般客戶會問什麼，而且也能感覺到每位特定的客戶會問什麼。如果資料分析顯示某些特性對一位特定客戶來說往往是很重要的，那麼就可以把其他具有類似屬性的產品顯示給客戶看。

客戶是否是你在FaceBook上的企業帳號粉絲？他或她是否在Twitter上粉了你？通過檢視客戶在這些頁面上貼的問題和評論，你就能知道很多和她們喜歡或不喜歡的有關的東西。除此之外，當你確認出有哪些非常積極的客戶會經常在社交媒體網站上寫一些有關你公司的東西，你可能想把她們培養成一個有影響力的品牌代言人。考慮到這種客戶對你品牌的影響力，她們是值得你付出額外的注意力的。並注意客戶的影響力並不總是和她們的個人價值休慼相關的。一位常常只享受標準待遇的中級客戶可能會非常有人氣。鑑於她可行使的影響力，升級她的等級待遇，超過她可支付的貨幣價值是一種明智的行為。

3網路資料實踐

一家企業組織對它的客戶情況的熟悉程度永遠不可能會兼顧到全部事實情況的。你必須常常基於現有的資訊進行猜測。即使你對此只有片面的瞭解，但你通常也能推斷出足夠精確到可完成工作的全部事實情況。但還有一種可能是，那些缺失的資訊所描繪出的事實情況和你期望的卻完全不同。在這種缺失的資訊和所做的猜測不相符合的情況下，你做出的決定即使不是全完錯誤的，也不是最優的決定。

因此，企業組織應該努力收集和分析儘可能多的資料。我們已討論了大量不同型別的網路資料及其它的一些廣泛應用。現在，讓我們轉向某些特定的例子，這些例子會告訴我們企業組織是如何運用網路資料來強化現有的資料分析、產生新的資料分析以及提升它們的業務水準。

3.1 最優產品推薦

一種常見的市場資料分析是為每位客戶預測下一次的最優產品推薦。在所有可用的選擇方案中，推薦哪種產品會是下一次向客戶推薦的有最大機率完成交易的產品？而有了這些網路行為資料就能完全地改變下一次向客戶推薦何種最優產品的決定，並且會讓這些決定變得更加可靠穩妥。

讓我們假設你在一家銀行工作。你知道下列這些有關於一位名為Smith先生的客戶的資訊：

• 他有4個帳號：支票、儲蓄、信用卡和汽車貸款帳號。
• 他每個月會存5次錢並拿25次錢。
• 他從來不會親自前往一個支行。
• 他的存款總計有5萬美金。
• 他的信用卡和汽車貸款總計1萬5美金。

那麼你會在email裡向Smith先生推薦何種最優產品呢？基於他的個人實際情況，向其推薦諸如一張利率更加低的信用卡或是根據他可觀的存款現金數推薦一張存摺單等這樣的東西可能都是合理地。但有一件東西可能是絕大多數的人都不會向他鄭重推薦的，那就是提供一次貸款抵押。因為資料顯示這種選擇方案和他風牛馬不相及。然而不論如何，當你檢視Smith先生的網路行為後，你會發現有一系列關鍵的事實會印入我們的眼簾：

• 上個月，他瀏覽了貸款利率5次。
• 他檢視了房屋保險資訊。
• 他檢視了洪水災害保險資訊。
• 上個月，他搜尋尋找了房屋貸款選擇方案兩次（定期還是活期，15年還是30年還清）。

那麼現在，我們就能很容易的決定接下來要和Smith先生談什麼了，不是嗎？

遙遙領先

有了網路瀏覽行為，我們就有可能對那些或許已被人們採納實施並完全改變事情發展方向的策略有了一定的充分了解。我們可基於某位客戶最近瀏覽過的資訊，這在很多情況中都是那些客戶之前沒有購買過的產品或產品線的資訊，做出我們的決定。只要網路資料提醒你會有那些不被人們所察覺的機會，你就能採取行動將客戶拉攏到新的產品線銷售中去。

對於任何企業來說，斷定其客戶基礎是否依舊很牢固可能會很困難。而網路對客戶感興趣的是什麼和他們是否依舊熱衷於你的產品等問題提供了直接的線索。假設有這麼一種情況，有一家還有很多實體店的商品目錄零售商公司。在其商品目錄中，為每位客戶收集了下列資料，其中有：

• 最近瀏覽過的產品
• 最近評論過的產品
• 購買歷史資料
• 市場營銷資料和產品使用反饋歷史資料

這些資料經過整理和分析會來決定每位客戶會對何種產品貌似最有興趣。以此會對傳送出去的商品目錄內容，同時也包括目錄長度和為每位客戶所做的產品推薦進行調整。與傳統的方法相比，這種做法導致了商品目錄編撰者所進行的促銷方法產生了巨大的變化，同時也提供了下列結果：

• 郵件總數的減少。
• 促銷商品目錄總頁數的減少。
• 收入總額實質上有明顯的增加

網路資料能幫助我們完全地改善業務活動，使之變得更加好。

3.2 客戶流失模型

在電信行業中，很多公司已經投入了大量時間和精力來建立、強化和完善客戶流失模型。客戶流失模型指明的是那些最有可能登出他們帳號的客戶，所有必須前瞻性的採取行動預防他們這樣做。對於這個行業來說，客戶流失是個大問題；可能會使鉅額資金處於風險中。該模型對成本基線有很大影響。

客戶流失管理已經是，並且仍將是瞭解客戶使用和收益模式的關鍵。請想象一下在正確的環境下使用網路資料，將會在今天產生多麼令人鼓舞的局面啊！作為電信服務商101公司客戶的Smith夫人只需要去google網站輸入“我如何取消我的101公司電信服務合同”就能找到一個連結，指向101公司合同取消規定的網頁。請想象一下這種作為客戶流失模型並能採取有效舉動的客戶資料比起其他資料來說，是多麼地給力、及時和有用啊!

我們很難想象還有哪座幫助客戶取消合同的“明燈”會像我們已瞭解的Smith夫人搜尋合同取消的做法那樣“明亮”——除此之外，她還可線上下現實中採取最後的步驟來完成合同取消請求。或許有可能分析人員已經看到她的使用率正在降低，或許可能沒有看到。這會花數週或數月時間才能搞清楚這樣一種在利用率上的變化。通過獲取Smith夫人的網路行為資料，101公司能快速地避免失去她這麼一個客戶的損失。

如果失去了早期機會來確認那些正在搜尋尋找合同取消頁面的客戶，那麼這就意味著要在他們已做好合同取消決定時去贏回他們的信任，此時可能另外一個競爭對手早已贏得了他們的信任，和他們簽署了業務合同。在大多數情況下，這都已經太晚了並已永遠失去了這些客戶。

3.3 客戶響應模型

有很多模型會被建立用來幫助預測客戶面對一請求採取行動時，會做出何種抉擇。這些模型一般都會試圖預測何種客戶會購買產品、接受產品推薦或點選一封email郵件資訊中的連結。對於這樣一些模型，經常會使用一種被稱之為邏輯迴歸的技術。這些模型常常會被稱為客戶響應模型或客戶購買傾向模型。我們之前討論的客戶流失模型也是同樣一種型別的模型。主要區別在於客戶流失模型的目的是預測一種消極的行為（流失）而不是一種積極的行為（購買或響應）。

當我們正在使用一種客戶響應或購買傾向模型時，我們會根據所有客戶所採取的行動可能性的高低進行計分和等級評定。然後根據這些評定出來的等級建立合適的客戶群體，以此來篩選客戶。理論上，每位客戶都會有一個獨一無二的分數。然而在實踐中，因為只有一小撮變數來定義大多數模型，所以很多客戶最終都會得到一個相同程度或近似於相同程度的分數。對於那些花錢很少或不經常購物的客戶來說，這尤其是如此。在這樣一種情況下，很多具有非常相似、非常低分數的客戶最終都會劃入到一個很大的群體中。

網路資料能極大地增加客戶的相異程度。在分數低或不經常購物的客戶中，這尤其是如此。我們可以以網路資料為基礎極大地提升這些客戶的分數。讓我們看一個例子，根據一個只有少量變數的客戶響應模型，我們對4位客戶進行計分。這個例子中每位客戶的分數都相同，這是由於他們對該模型中的每個變數都取了相同的分數。這些分數都是我們人為假設的，所以不用擔心它們是如何被計算出來的。這4位客戶的個人實際情況如下：

• 上一次買東西是在90天之內
• 去年買了6次東西
• 總共花了200到300美金
• 有房子，預計家庭收入在10萬到15萬美金
• 客戶忠誠度計劃會員（客戶忠誠度計劃就是通過維持客戶關係和培養客戶忠誠度而建立客戶長期需求，並降低其品牌轉換率的客戶計劃，通常的形式包括客戶分級會員制，累計消費獎勵制度等——譯者注）
• 已在去年購買了特色產品分類類目（商家推銷特色產品的小宣傳冊，並根據各種產品特色對產品進行了分類——譯者注）。

在這種情況下，所有客戶得到了完全相同的分數，並根據他們響應的可能性高低看上去也相同。讓我們假設他們所有人得到的分數都為0.62。任何基於這種模型而進行的市場營銷計劃都會相同地對待這4位客戶中的每一位。畢竟，根據之前得到的資訊，我們無法對他們進行區分；他們是完全相同的！

現在，我們使用網路資料。讓我們看看這一觀點會如何完全徹底地發生改變。請看一下網路資料是如何提供更加有力的新資訊的：

• 客戶甲從來沒有訪問過你的網站，所以他的分數降為0.54
• 客戶乙在上個月檢視了推薦的特色產品分類類目，所以他的分數升為0.67
• 客戶丙在上個月具體檢視了推薦的特色產品分類類目中的某些產品，所以他的分數升為0.78
• 客戶丁在上週具體檢視了推薦的特色產品分類類目中的某些產品3次之多，並有一次把它們加入了購物車，又取消了，然後又再次檢視了這些產品。她的分數上升到了0.86

這種網路行為可讓我們確認那些當前具有產品購買興趣的客戶，即使他們還未打算購買。這就有可能對客戶進行更好的計分並最終可對他們進行嚴格的區分，這在一開始是完全不能做到的。現在，我們將這4位客戶的例子延伸到橫跨多個銷售渠道數以百萬計的客戶身上，就能驅動產生出讓人感到戲劇性的變化。

當被問及有關於網路資料彙總價值的問題時，某位美國多銷售渠道專業零售商公司的市場總監是這麼回答的：“這就像是在印鈔票啊!”好訊息是不管有沒有網路資料，在任意一種給定的情形下，都能非常容易的構建一種模型來精確地印證結果是如何得到提升的。在你的企業組織氛圍下測試這種影響在實質上是沒有任何風險的。

3.4 客戶群體劃分

網路資料還能催生大量完全嶄新的資料分析方法。這其中有一種方法是隻以客戶通常的網頁瀏覽習慣來劃分客戶群體。比起傳統的人口統計或基於銷售情況的劃分方案，這種劃分方法向我們提供了一種完全不同的客戶觀點。除此之外，這種劃分方法還能讓我們產生獨特的見解和措施。

假設有一種純粹以網路瀏覽行為為載體的客戶群體，他們被統稱為“夢想家”。“夢想家”們重複的把某一商品放入他們的購物車，但是之後又把它拿出來。很多時候，“夢想家”們常常會新增和刪除同一商品。這可能會尤其常見於諸如電視機和電腦這樣的高價商品上。只要有重複這樣做的人，我們就能很容易的清晰確認出這種客戶群體。那麼當你找到他們這種客戶之後，你能做什麼呢？

一種做法是看看他們正在把什麼商品拿出購物車來。或許客戶只是在看一種價格相當昂貴的高階電視機而已。你可能在過去已經看見過這種常常定位太高，但卻把產品拿出來放進去，最後卻只購買了價格相對便宜的產品的客戶。此時，你可以給她發一封email，告訴她某些價格相對便宜的產品也有很多相同的產品特性，或許這是一條讓她能更快地買到電視機的“明路”。

由網路資料而出現的新資料分析方法

有許多種資料來源可用來劃分客戶群體。銷售、人口統計和問卷調查反饋是其中的幾種。現在還有可能根據客戶的網路行為來劃分客戶群體。這能瞭解客戶的購物風格和思考過程，並且是一格外重要的可加入你的客戶群體劃分標準的手段。

還有一種做法也很常見。對統計商品從購物車中拿出來的次數而產生的資料進行調整來解釋說明“夢想家”客戶群體的特徵。企業組織經常會把這種行為當作一種失敗。然而無論如何，通過檢查瀏覽歷史，你能發現有10次這樣的行為都來自於某個以重複和經常性的對很多產品這樣做的客戶。結果，我們就能降低這樣做的次數，並能把所有客戶對某產品這樣做的次數算為一次。這能產生對此行為一更清晰的認識。將統計資料調整為對所有這樣的客戶適用後，平均率看上去就可能會相當好一點。新資料不僅會看上去好一點，而且也能更加精確地反映現實。

3.5 廣告宣傳結果評估

更好地評估付費搜尋和線上廣告宣傳結果是另一種由客戶級別的網路行為資料產生的具有高度影響力的資料分析方法。傳統的網路資料分析高度總結了諸如總體點選數、搜尋次數、每次點選或印象（放置廣告影像的網頁每一次顯示，就是一次印象。——譯者注）成本、點選最多的關鍵詞和網頁頁面位置統計資料這樣的東西。然而無論如何，這些度量標準是處於總體計算級別的，只是個體網路瀏覽會話級別的資料累積計算而得出的結果。所處的上下文環境也只侷限於網路銷售渠道。

這意味著所有統計資料都只是基於由搜尋或廣告點選而產生的單個網路會話中發生的事情。當某位客戶離開網站後，他的網路會話就結束了，資料分析範圍也就圈定了。這就無法計算該客戶過去或未來的網站訪問統計資料。通過合計客戶的瀏覽資料並將此觀察範圍擴充套件到其他銷售渠道，那麼這就有可能更加深度地評估搜尋和廣告宣傳結果。

• 每個廣告或搜尋關鍵詞產生的網站訪問是否和最有價值和最沒有價值的客戶有關？
• 在客戶第一次點選後的數天或數週後，最開始的網路會話會導致產生多少銷量？
• 某些推薦的網站是否比起訪問者所檢視的其他網站來說，能吸引他們更多的訪問網站和在總體購買次數上更加多一點。
• 通過進行跨銷售渠道資料分析來解釋說明其它銷售渠道中的銷售活動，人們由網路廣告或搜尋而產生的興趣是否會讓第二銷售渠道中的銷量大量降低？

讓我們假設一個來自於金融機構的例子。如今信用卡申辦廣告已隨處可見。它們出現在郵件、雜誌中且遍佈於網路。在我們這個例子中的銀行理解“吸引人們眼球並點選廣告”只是全域性的一部分。在一開始點選之後要做的事情是告訴人們有關於廣告投放價值的資訊。

銀行進行大量的資料分析來更深度的挖掘和調查一些事實情況，這不僅僅是指在一開始的會話中進行的點選行為。銀行還會跨時間段和會話檢視客戶情況，用來評估申辦完成程度、客戶服務查詢、卡發放、卡啟用和卡初始消費等活動。這種檢視廣告宣傳而不是點選行為效果的行為會以一種更加全方位的視野來查明廣告宣傳是否成功並導致產生了一種更加明智的分配廣告預算的行為。

為什麼要把自己侷限於當下呢？

只確認那些始於廣告、email連結或搜尋的網路會話結果並不能達到我們的目的。很多客戶會在之後又回來完成他們已開始做的交易，甚至有可能是通過一個不同的銷售渠道來完成交易。傳統的網路資料分析方法不會在意客戶將來在初始會話後所做的行為資料，也不會在意發生在會話前的歷史行為資料。請“升級”你的技能，從而讓你對這兩者，魚和熊掌兼而有之。

通過詳細地、客戶級別的網路資料，你能以一更加廣闊的視野而不只是將初始網路會話中的結果彙總在一起來了解廣告、關鍵詞或推薦網站所產生的“最佳”點選。這些擴充套件出來的跨銷售渠道，跨時間段檢視客戶活動的手段能讓我們對它產生額外的瞭解，有了這些你就能看到之前從來沒有過的“景象”。理解這種更深度環境的企業組織將會有機會利用新的市場策略，而那些正在使用傳統級別資料分析方法的企業組織是無法確認這些策略的。這是一個明顯有競爭力的優勢。

4 本章小結

這裡是從本章所提取出一些非常重要的經驗教訓：

• 整合詳細而又處於客戶層面的行為資料能轉變企業組織對其客戶的瞭解。
• 正如交易資料在其變得可被人使用的時候能引發資料分析威力和深度的革新那樣，網路資料也能讓你將資料分析提升到一個新的層次。
• 我們可用一種類似於網站的方式來追蹤其他的客戶吸引點，比如自助服務終端和手機應用程式。同樣的原理也適用於它們。
• 任何能被收集的資料都應該被收集。這包括頁面瀏覽、搜尋、下載以及任何其它在網站上進行的活動。
• 客戶隱私是網路資料一個重要問題，所以當你在制定如何使用這種資料的策略時，你要小心點。必須嚴格遵守和執行這些策略。
• 你可以通過分析那些只用隨機的標識號就能被確定的“無面”客戶資料來產生巨大的價值。用這種方式，無論是資料分析人員還是其它人都不能確定每位客戶在實際中是誰。重要的只是規律。
• 網路資料能幫助你瞭解詳細的客戶購物、搜尋和反饋行為以及整個購買過程。這幾乎看上去就像你能讀懂客戶的想法一樣。
• 網路資料能在諸如最優產品推薦、客戶流失模型、客戶響應模型、客戶群體劃分、付費搜尋和線上廣告宣傳資料分析這些領域中產生更給力的結果。
• 作為早期實踐採用者並在競爭中處於領先地位的機會幾乎已經不存在了。現在請開始駕馭大資料來源吧!