來源：數(shù)據(jù)猿 作者：董飛

導(dǎo)語：古有水泊梁山英雄108將叱咤江湖，今有“中國大數(shù)據(jù)技術(shù)先鋒108將”高端人物訪談攪動(dòng)風(fēng)云。2017年，由DT學(xué)院、清華大數(shù)據(jù)產(chǎn)業(yè)聯(lián)合會(huì)、山西省大數(shù)據(jù)產(chǎn)業(yè)協(xié)會(huì)聯(lián)合舉辦，面向大數(shù)據(jù)產(chǎn)業(yè)的技術(shù)精英、專家學(xué)者以及大數(shù)據(jù)產(chǎn)業(yè)鏈領(lǐng)域公司CTO的“中國大數(shù)據(jù)技術(shù)先鋒108將”高端人物訪談活動(dòng)正式啟動(dòng)，圍繞大數(shù)據(jù)技術(shù)的多個(gè)層面進(jìn)行分享，旨在搭建大數(shù)據(jù)技術(shù)傳播分享的高端平臺(tái)，促進(jìn)大數(shù)據(jù)技術(shù)的業(yè)內(nèi)交流。

首期專訪人物——中國頂尖數(shù)據(jù)科學(xué)家董飛

Datatist首席架構(gòu)師&COO，畢業(yè)于南開大學(xué)，碩士杜克大學(xué)畢業(yè)。先后在創(chuàng)業(yè)公司酷迅、百度基礎(chǔ)架構(gòu)組和Amazon云計(jì)算部門，LinkedIn擔(dān)任高級工程師，Coursera從事數(shù)據(jù)工程師，負(fù)責(zé)過垂直搜索，百度云計(jì)算平臺(tái)研發(fā)和廣告系統(tǒng)的架構(gòu)。為多位企業(yè)客戶解決營銷難題，具備豐富實(shí)踐經(jīng)驗(yàn)。

訪談主題：大數(shù)據(jù)技術(shù)在預(yù)測性營銷上的實(shí)踐

訪談錄

DT學(xué)院：請您談?wù)?strong>什么是預(yù)測營銷？

董飛：說到預(yù)測營銷，不得不先提個(gè)性化的用戶畫像。我們針對每一類數(shù)據(jù)實(shí)體，進(jìn)一步分解可落地的數(shù)據(jù)維度，刻畫他／她的每一個(gè)特征，在聚集起來形成人群畫像。比如下面就是兩種典型年輕消費(fèi)人群。

預(yù)測營銷中的元素具體包括：

用戶固定特征：性別，年齡，地域，教育水平，生辰八字，職業(yè)，星座

用戶興趣特征：興趣愛好，使用APP，網(wǎng)站，瀏覽／收藏／評論內(nèi)容，品牌偏好，產(chǎn)品偏好

用戶社會(huì)特征：生活習(xí)慣，婚戀，社交/信息渠道偏好，宗教信仰，家庭成分

用戶消費(fèi)特征：收入狀況，購買力水平，商品種類，購買渠道喜好，購買頻次

用戶動(dòng)態(tài)特征：當(dāng)下時(shí)間，需求，正在前往的地方，周邊的商戶，周圍人群，新聞事件

當(dāng)我們采集和分析這些用戶畫像，可以實(shí)現(xiàn)精準(zhǔn)的預(yù)測營銷。這是最直接和最有價(jià)值的應(yīng)用，廣告主可以通過用戶標(biāo)簽來發(fā)布廣告給所要觸達(dá)的用戶，這里面又可以通過上圖提到的搜索廣告，展示社交廣告，移動(dòng)廣告等多渠道的營銷策略，營銷分析，營銷優(yōu)化以及后端CRM／供應(yīng)鏈系統(tǒng)打通的一站式營銷優(yōu)化，全么提升ROI。

我們再說一說營銷時(shí)代的變遷，傳統(tǒng)的企業(yè)大多還停留在“營銷1.0”時(shí)代，消費(fèi)者需要什么，企業(yè)提供什么，而進(jìn)入“營銷2.0”，以社會(huì)價(jià)值與品牌為使命，也不能完全精準(zhǔn)對接個(gè)性化需求。進(jìn)入營銷3.0的數(shù)據(jù)時(shí)代，我們要對每個(gè)消費(fèi)者進(jìn)行個(gè)性化匹配，一對一營銷，甚至精確算清楚成交轉(zhuǎn)化率，提高投資回報(bào)比。

大數(shù)據(jù)下的營銷顛覆經(jīng)典的營銷4P理論，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大數(shù)據(jù)時(shí)代，線下地理的競爭邊界早就不存在，比的是早一步的先知能力，利用大數(shù)據(jù)，從顧客真實(shí)交易數(shù)據(jù)中，計(jì)算下一次的購買時(shí)間。營銷3.0時(shí)代關(guān)鍵詞就是“預(yù)測”。

預(yù)測營銷能夠讓你專注于一小群客戶，而這群客戶卻能代表特定產(chǎn)品的大多數(shù)潛在買家。以上圖為例，你可以將營銷活動(dòng)的目標(biāo)受眾鎖定為20萬潛在客戶或現(xiàn)有客戶，其中包括特定產(chǎn)品的大多數(shù)買家（4萬人）。你還可以撥出部分預(yù)算用于吸引更小的客戶群（比如20%的客戶），而不是整個(gè)客戶群，進(jìn)而優(yōu)化你的支出。

過去我們看數(shù)據(jù)可能是被動(dòng)的方式，但預(yù)測營銷強(qiáng)調(diào)是決策價(jià)值，比如購買時(shí)間，你該看的不是她最后的購買日期，而是下次購買的時(shí)間，看未來的存活概率，最后生成客戶終身價(jià)值（CLV）。預(yù)測營銷催生了一種新的數(shù)據(jù)驅(qū)動(dòng)營銷方式，就是以客戶為中心，核心在于幫助公司完成從以產(chǎn)品或渠道為中心到以客戶為中心的轉(zhuǎn)變。

DT學(xué)院：在現(xiàn)代商業(yè)中大數(shù)據(jù)的價(jià)值體現(xiàn)在哪？

董飛：大數(shù)據(jù)最大的價(jià)值不是事后分析，而是預(yù)測和推薦。我就拿電商舉例，"精準(zhǔn)推薦"成為大數(shù)據(jù)改變零售業(yè)的核心功能。譬如服裝網(wǎng)站Stitchfix例子，在個(gè)性化推薦機(jī)制方面，大多數(shù)服裝訂購網(wǎng)站采用的都是用戶提交身形、風(fēng)格數(shù)據(jù)+編輯人工推薦的模式，StitchFix不一樣的地方在于它還結(jié)合了機(jī)器算法推薦。這些顧客提供的身材比例，主觀數(shù)據(jù)，加上銷售記錄的交叉核對，挖掘每個(gè)人專屬的服裝推薦模型。這種一對一營銷是最好的服務(wù)。

數(shù)據(jù)整合改變了企業(yè)的營銷方式，現(xiàn)在經(jīng)驗(yàn)已經(jīng)不是累積在人的身上，而是完全依賴消費(fèi)者的行為數(shù)據(jù)去做推薦。未來，銷售人員不再只是銷售人員，而能以專業(yè)的數(shù)據(jù)預(yù)測，搭配人性的親切互動(dòng)推薦商品，升級成為顧問型銷售。

DT學(xué)院：能舉個(gè)例子說明精準(zhǔn)營銷的好處么？

董飛：“顛覆營銷”書中提到一個(gè)例子，可以引述一下，大家思考一個(gè)問題：如果你打算搜集200份有效問卷，依照以往的經(jīng)驗(yàn)，你需要發(fā)多少份問卷，才能達(dá)到這個(gè)目標(biāo)？預(yù)計(jì)用多少預(yù)算和時(shí)間來執(zhí)行？

以往的方法是這樣的：評估網(wǎng)絡(luò)問卷大約是5%的回收率，想要保證收到200份的問卷，就必須有20倍的發(fā)送量，也就是發(fā)出4000份問卷，一個(gè)月內(nèi)如果可以回收，就是不錯(cuò)的表現(xiàn)。

但現(xiàn)在不一樣了，在執(zhí)行大數(shù)據(jù)分析的3小時(shí)內(nèi)，就可以輕松完成以下的目標(biāo)：

1.精準(zhǔn)挑選出1%的VIP顧客

2.發(fā)送390份問卷，全部回收

3.問卷寄出3小時(shí)內(nèi)回收35%的問卷

4.5天內(nèi)就回收了超過目標(biāo)數(shù)86%的問卷數(shù)

5.所需時(shí)間和預(yù)算都在以往的10%以下

這是怎么做到在問卷發(fā)送后的3個(gè)小時(shí)就回收35%?那是因?yàn)閿?shù)據(jù)做到了發(fā)送時(shí)間的"一對一定制化"，利用數(shù)據(jù)得出，A先生最可能在什么時(shí)間打開郵件就在那個(gè)時(shí)間點(diǎn)發(fā)送問卷。舉例來說，有基人在上班路上會(huì)打開郵件，但如果是開車族，并沒有時(shí)間填寫答案，而搭乘公共交通工具的人，上班路上的時(shí)間會(huì)玩手機(jī)，填寫答案的概率就高，這些都是數(shù)據(jù)細(xì)分受眾的好處。

DT學(xué)院：如何生成用戶的精準(zhǔn)畫像？

董飛：大致分成三步：1.采集和清理數(shù)據(jù)：用已知預(yù)測未知；2.用戶分群：分門別類貼標(biāo)簽；3.制定策略：優(yōu)化再調(diào)整。

§采集和清理數(shù)據(jù)：用已知預(yù)測未知

首先得掌握繁雜的數(shù)據(jù)源。包括用戶數(shù)據(jù)、各式活動(dòng)數(shù)據(jù)、電子郵件訂閱數(shù)、線上或線下數(shù)據(jù)庫及客戶服務(wù)信息等。這個(gè)是累積數(shù)據(jù)庫；這里面最基礎(chǔ)的就是如何收集網(wǎng)站／APP用戶行為數(shù)據(jù)。比如當(dāng)你登陸某網(wǎng)站，其Cookie就一直駐留在瀏覽器中，當(dāng)用戶觸及的動(dòng)作，點(diǎn)擊的位置，按鈕，點(diǎn)贊，評論，粉絲，還有訪問的路徑，可以識(shí)別并記錄他／她的所有瀏覽行為，然后持續(xù)分析瀏覽過的關(guān)鍵詞和頁面，分析出他的短期需求和長期興趣。還可以通過分析朋友圈，獲得非常清晰獲得對方的工作，愛好，教育等方面，這比個(gè)人填寫的表單，還要更全面和真實(shí)。

我們用已知的數(shù)據(jù)尋找線索，不斷挖掘素材，不但可以鞏固老會(huì)員，也可以分析出未知的顧客與需求，進(jìn)一步開發(fā)市場。

§用戶分群：分門別類貼標(biāo)簽

描述分析是最基本的分析統(tǒng)計(jì)方法，描述統(tǒng)計(jì)分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計(jì)。數(shù)據(jù)描述：用來對數(shù)據(jù)進(jìn)行基本情況的刻畫，包括數(shù)據(jù)總數(shù)，范圍，數(shù)據(jù)來源。指標(biāo)統(tǒng)計(jì)：把分布，對比，預(yù)測指標(biāo)進(jìn)行建模。這里常常是Datamining的一些數(shù)學(xué)模型，像響應(yīng)率分析模型，客戶傾向性模型，這類分群使用Lift圖，用打分的方法告訴你哪一類客戶有較高的接觸和轉(zhuǎn)化的價(jià)值。

在分析階段，數(shù)據(jù)會(huì)轉(zhuǎn)換為影響指數(shù)，進(jìn)而可以做"一對一"的精準(zhǔn)營銷。舉個(gè)例子，一個(gè)80后客戶喜歡在生鮮網(wǎng)站上早上10點(diǎn)下單買菜，晚上6點(diǎn)回家做飯，周末喜歡去附近吃日本料理，經(jīng)過搜集與轉(zhuǎn)換，就會(huì)產(chǎn)生一些標(biāo)簽，包括"80后""生鮮""做飯""日本料理"等等，貼在消費(fèi)者身上。

§制定策略：優(yōu)化再調(diào)整

有了用戶畫像之后，便能清楚了解需求，在實(shí)際操作上，能深度經(jīng)營顧客關(guān)系，甚至找到擴(kuò)散口碑的機(jī)會(huì)。例如上面例子中，若有生鮮的打折券，日本餐館最新推薦，營銷人員就會(huì)把適合產(chǎn)品的相關(guān)信息，精準(zhǔn)推送這個(gè)消費(fèi)者的手機(jī)中；針對不同產(chǎn)品發(fā)送推薦信息，同時(shí)也不斷通過滿意度調(diào)查，跟蹤碼確認(rèn)等方式，掌握顧客各方面的行為與偏好。

除了顧客分群之外，營銷人員也在不同時(shí)間階段觀察成長率和成功率，前后期對照，確認(rèn)整體經(jīng)營策略與方向是否正確；若效果不佳，又該用什么策略應(yīng)對。反復(fù)試錯(cuò)并調(diào)整模型，做到循環(huán)優(yōu)化。這個(gè)階段的目的是提煉價(jià)值，再根據(jù)客戶需求精準(zhǔn)營銷，最后追蹤客戶反饋的信息，完成閉環(huán)優(yōu)化。

我們從數(shù)據(jù)整合導(dǎo)入開始，聚合數(shù)據(jù)，在進(jìn)行數(shù)據(jù)的分析挖掘。數(shù)據(jù)分析和挖掘還是有一些區(qū)別。數(shù)據(jù)分析重點(diǎn)是觀察數(shù)據(jù)，單純的統(tǒng)計(jì)，看KPI的升降原因。而數(shù)據(jù)挖掘從細(xì)微和模型角度去研究數(shù)據(jù)，從學(xué)習(xí)集，訓(xùn)練集發(fā)現(xiàn)知識(shí)規(guī)則，除了一些比較商業(yè)化的軟件SAS，WEKA功能強(qiáng)大的數(shù)據(jù)分析挖掘軟件，這邊還是更推薦使用R，Python，因?yàn)镾AS，SPSS本身比較昂貴，也很難做頁面和服務(wù)級別的API，而Python和R有豐富的庫，可以類似WEKA的模塊，無縫交互其他API和程序，這里還需要熟悉數(shù)據(jù)庫，Hadoop等。

在算法部分，我們通過相似度衡量聚類算法，主要核心是數(shù)據(jù)簡化，讓它具備大規(guī)模數(shù)據(jù)的能力，這里做變換，降維，抽樣。在分類這一塊，我們使用了決策樹，Boosting監(jiān)督的分類學(xué)習(xí)方法，隨機(jī)森林來解決回歸和分類問題。

DT學(xué)院：請談?wù)?strong>你們公司目前怎么做精準(zhǔn)營銷的，比如如何拉新和留存客戶？

董飛：我們公司（Datatist）是專注于用大數(shù)據(jù)機(jī)器學(xué)習(xí)技術(shù)自動(dòng)支持企業(yè)的智能決策和商業(yè)優(yōu)化。擁有外部營銷和內(nèi)部營銷相結(jié)合的閉環(huán)一體化用戶運(yùn)營優(yōu)化解決方案。

對于外部營銷優(yōu)化：通過機(jī)器學(xué)習(xí)內(nèi)部客戶的特征，結(jié)合word2vec，神經(jīng)網(wǎng)絡(luò)多種模型精準(zhǔn)預(yù)測最可能轉(zhuǎn)化的潛在外部客戶。

對于內(nèi)部營銷優(yōu)化：通過機(jī)器學(xué)習(xí)客戶的行為特征，精準(zhǔn)預(yù)測最可能活躍的客戶，最可能購買的客戶等。并且通過內(nèi)部觸達(dá)渠道刺激用戶轉(zhuǎn)化，A/Btest，效果跟蹤和持續(xù)優(yōu)化等一站式解決方案提高內(nèi)部客戶的轉(zhuǎn)化率。

我們模型使用的算法包括神經(jīng)網(wǎng)絡(luò)，邏輯回歸，隨機(jī)森林和回歸樹，但這些對于營銷人員意義不大，重要的是，可能性模型是通過學(xué)習(xí)歷史行為來預(yù)測客戶未來動(dòng)作的。下面在使用模型之前，訓(xùn)練期和調(diào)試期使用歷史數(shù)據(jù)的方法。

拉新和留存是很多客戶最關(guān)心的，我們的做法是通過數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的方式提升效率，并且兩者是有關(guān)聯(lián)，通過內(nèi)部留存每一步的跟蹤和轉(zhuǎn)化，我們可以刻畫用戶的精準(zhǔn)畫像，對不同分類的客戶做不同刺激，預(yù)測可能轉(zhuǎn)化的用戶，并將特征記錄下來，對外部的拉新數(shù)據(jù)能夠重用。

以最常使用的電子郵件推送為例，以往只能盲目發(fā)送，消費(fèi)者沒反應(yīng)就再發(fā)一次。導(dǎo)入大數(shù)據(jù)分析后，可以很精準(zhǔn)地掌握消費(fèi)者的打開情況，消費(fèi)者沒有點(diǎn)開閱讀一定有原因，一種策略是規(guī)劃促銷活動(dòng)，再次發(fā)送給沒點(diǎn)開的消費(fèi)者，觀察哪些消費(fèi)者對促銷內(nèi)容有反應(yīng)，不斷回饋修正。還有一種策略是建立每個(gè)消費(fèi)者的消費(fèi)習(xí)慣周期，比如顧客A是每隔30天購買，顧客B每隔60天購買，那么通過建模，第30天是顧客A的最可能購買點(diǎn)，之后購買概率衰退，最好在30天前的那一周發(fā)送電子郵件提醒刺激。如果太早提醒還沒發(fā)現(xiàn)，太晚又錯(cuò)過了。因此在適當(dāng)?shù)臅r(shí)機(jī)，營銷才能事半功倍。

總之，客戶的資源有限，如何將人、時(shí)間、金錢等資源得花在刀刃上？通過數(shù)據(jù)進(jìn)行有效資源分配，可以降低營銷預(yù)算，只要在關(guān)鍵購買點(diǎn)觸動(dòng)他們，就可以達(dá)到很好的效果。但是對于即將流失的顧客，就應(yīng)該投入相對高的營銷預(yù)算，產(chǎn)生資源最大化的效果。

DT學(xué)院：預(yù)測性營銷的選擇方案有哪些呢？這里的開發(fā)用到哪些技術(shù)和工具？

董飛：關(guān)于預(yù)測營銷的技術(shù)能力，有幾種選擇方案：1.使用預(yù)測分析工作平臺(tái)，然后以某種方法將模型輸入活動(dòng)管理工具；2.以分析為動(dòng)力的預(yù)測性活動(dòng)外包給市場服務(wù)提供商；3.評估并購買一個(gè)預(yù)測營銷的解決方案，比如預(yù)測性營銷云和多渠道的活動(dòng)管理工具。如下是我工作中常用的技術(shù)工具：

但無論哪條路，都要確定三項(xiàng)基本能力：

1.連接不同來源的客戶數(shù)據(jù)，包括線上，線下，為預(yù)測分析準(zhǔn)備好數(shù)據(jù)。

2.分析客戶提供的數(shù)據(jù)，使用系統(tǒng)和定制預(yù)測模型，做高級分析。

3.在正確時(shí)間，正確客戶，正確的場景出發(fā)正確行為，可能做交叉銷售，跨不同營銷系統(tǒng)。

DT學(xué)院：營銷領(lǐng)域有哪些預(yù)測模型？

董飛：預(yù)測客戶購買可能性的行業(yè)標(biāo)準(zhǔn)是RFM模型（最近一次消費(fèi)R，消費(fèi)頻率F，消費(fèi)金額M），但模型應(yīng)用有限，本質(zhì)是一個(gè)試探性方案，沒有統(tǒng)計(jì)和預(yù)測依據(jù)。“過去的成績不能保證未來的表現(xiàn)”，RFM只關(guān)注過去，不去將客戶當(dāng)前行為和其他客戶當(dāng)前行為做對比。這樣就無法在購買產(chǎn)品之前識(shí)別高價(jià)值客戶。我們聚焦的預(yù)測模型，就是為了在最短時(shí)間內(nèi)對客戶價(jià)值產(chǎn)生最大影響。這里列舉一些其他模型參考：

§參與傾向模型預(yù)測客戶參與一個(gè)品牌的可能性，參與定義可以多元，比如參加一個(gè)活動(dòng)，打開電子郵件，點(diǎn)擊，訪問某頁面?？梢酝ㄟ^模型來確定EDM的發(fā)送頻率。并對趨勢做預(yù)測，是增加還是減少活動(dòng)。

§錢包模型就是為每個(gè)客戶預(yù)測最大可能的支出，定義為單個(gè)客戶購買產(chǎn)品的最大年度支出。然后看增長模型，如果當(dāng)前的總目標(biāo)市場比較小，但未來可能很大，就需要去發(fā)現(xiàn)這些市場。

§價(jià)格優(yōu)化模型就是能夠去最大限度提升銷售，銷量或利潤的架構(gòu)，通過價(jià)格優(yōu)化模型為每個(gè)客戶來定價(jià)，這里需要對你想要的產(chǎn)品開發(fā)不同的模型，或者開發(fā)通用，可預(yù)測的客戶價(jià)格敏感度的模型，確定哪一塊報(bào)價(jià)時(shí)對客戶有最大的影響。

§關(guān)鍵字推薦模型關(guān)鍵字推薦模型可以基于一個(gè)客戶網(wǎng)絡(luò)行為和購買記錄來預(yù)測對某個(gè)內(nèi)容的喜愛程度，預(yù)測客戶對什么熱點(diǎn)，爆款感興趣，營銷者使用這種預(yù)測結(jié)果為特定客戶決定內(nèi)容營銷主題。

§預(yù)測聚集模型預(yù)測聚集模型就是預(yù)測客戶最終會(huì)歸為哪一類。

DT學(xué)院：目前對于預(yù)測性營銷技術(shù)，國際上有哪些技術(shù)創(chuàng)新和開發(fā)工具？目前的使用瓶頸和顧慮是什么？

董飛：預(yù)測營銷技術(shù)以模型工具存在了很多年，比如一些統(tǒng)計(jì)分析軟件SAS，SPSS，R，還有像Netflix，Amazon，F(xiàn)acebook，Ebay，電信領(lǐng)域Verizon，ATT這些大公司，都有數(shù)據(jù)科學(xué)家團(tuán)隊(duì)，他們都在開發(fā)基于預(yù)測性的廣告和營銷系統(tǒng)。但這些工具都有一些重要的缺點(diǎn)，在你使用預(yù)測分析平臺(tái)之前，首先要把業(yè)務(wù)需求翻譯成技術(shù)需求，這樣數(shù)據(jù)科學(xué)家才能將其轉(zhuǎn)化為模型和查詢語句。

大多數(shù)市場營銷人員還是這方面能力不足，沒有工程師和商業(yè)分析師的支持的話，就要從頭做重復(fù)勞動(dòng)，選擇適當(dāng)模型，去解決商業(yè)問題。而數(shù)據(jù)科學(xué)家往往也局限在某個(gè)行業(yè)內(nèi)，找到合適的人才非常難，也很難跨行業(yè)獲得經(jīng)驗(yàn)。

在使用大數(shù)據(jù)平臺(tái)時(shí)，往往要求在以下方面：整合數(shù)據(jù)，準(zhǔn)備數(shù)據(jù)，開發(fā)，測試，配置模型，IT設(shè)施和數(shù)據(jù)架構(gòu)都需要持續(xù)配合，才能最后幫助運(yùn)營者生成報(bào)告并準(zhǔn)備活動(dòng)的名單。比如筆者當(dāng)時(shí)在LinkedIn的廣告部門，我們的數(shù)據(jù)科學(xué)家建立了一套強(qiáng)大的分析算法去計(jì)算預(yù)估CTR，預(yù)估bidprice，預(yù)估受眾，但一旦脫離了LinkedIn的網(wǎng)站，廣告主也沒辦法重復(fù)分析和得到持續(xù)的預(yù)測評分，而每個(gè)公司重新搭建一套大數(shù)據(jù)平臺(tái)也是費(fèi)時(shí)費(fèi)力。

另外在個(gè)人信息使用上要特別注意隱私問題，顧客心理會(huì)有一些心理差異，比如客戶的電話，郵箱注冊某品牌電商（Tiffany）后，收到一些競爭對手如香奈兒不停給你發(fā)送廣告，你也許會(huì)很生氣。根據(jù)消費(fèi)者報(bào)告，有71%的人認(rèn)為，他們擔(dān)心電商在不經(jīng)過她們同意就出售或分享信息，因?yàn)樵絹碓蕉嗟臓I銷者從使用第三方的信息記錄轉(zhuǎn)向使用第一方數(shù)據(jù)來進(jìn)行營銷。

還有個(gè)“最后一公里”問題，比如說“我們拿到了網(wǎng)站注冊的大量信息，也通過模型預(yù)測出來最有可能購買的客戶，但作為運(yùn)營人員，我無法根據(jù)客戶分享給我的偏好和日期去發(fā)布一個(gè)Campaign（促銷）”，就是說預(yù)測模型的輸出結(jié)果對于營銷人員來說很難使用--無法將日常的郵件，廣告，門店和客戶互動(dòng)等營銷活動(dòng)結(jié)合起來。這也是Datatist想解決的一個(gè)客戶痛點(diǎn)，在二月份我們將發(fā)布一站式的營銷云產(chǎn)品。

DT學(xué)院：機(jī)器學(xué)習(xí)技術(shù)在預(yù)測營銷領(lǐng)域是如何應(yīng)用，會(huì)有怎樣的發(fā)展？

董飛：去年人工智能特別火，特別是深度學(xué)習(xí)在機(jī)器視覺，語言識(shí)別，游戲AI上的突飛猛進(jìn)，以至于人們開始恐慌人工智能是不是已經(jīng)可以接管人類工作，我個(gè)人是對新技術(shù)有著強(qiáng)烈的興趣，也非常看好新科技，數(shù)據(jù)與現(xiàn)實(shí)的關(guān)聯(lián)。

注：本文由 山西省大數(shù)據(jù)產(chǎn)業(yè)協(xié)會(huì) 投稿數(shù)據(jù)猿發(fā)布。

歡迎更多大數(shù)據(jù)企業(yè)、愛好者投稿數(shù)據(jù)猿，來稿請直接投遞至：tougao@datayun.cn

來源：數(shù)據(jù)猿