我是今天下午除了主持人以外上台时间最多的人。刚刚大家看到的是预告片，现在大家看到的是正片。我们来聊聊大数据商业化，大数据这个词从出现到现在，基本上都被说得很详细，大家有没有想过一个可能我们需要思考的问题，数据本身值钱吗？数据是不值钱的，它只会在数据的收集和存储过程中给企业带来成本，而要把这种数据成本变成商业化的利益才是大数据的未来方向。然而，无论是在数据采集、数据应用还是数据分析这条道路上，我们究竟走得对不对？我想今天和大家分享一些这方面的思考。

无论我们怎么来分解大数据，其实大数据的核心部分就是三步：第一步，数据从何而来，从何处获取；第二步，数据怎么做整合分析；第三步，这些整合分析的数据如何进行商业化的应用。只有三步，而在我们的获取存取中，现在在整个至少是中国的数字行业，应该说是缺少策略指向的。在中国有很多传统零售企业，这些企业受到电商的威胁是最大的。然而对这些企业来说，它们希望能够积极利用互联网通过电商来拓展商业利益，其实这些企业都忽视了一点，它们手头最值钱的数据全都在线下零售店里。然而，我很少看到有百货零售店会去整合它线下的数据，反而会在线上开一家电商网站，去和电商的那些企业拼流量，然后线下却扛着庞大的成本。在这种情况下，做生意也就是缺少我们所说的策略指向。

第一，所有的数据获取，我们强调，应该都是有策略指向的。然而从整个中国的商业现状看，这一点做得并不理想，没有实现整个业态数据获取。第二，截止到目前，绝大多数大数据的数据整合、分析还是停留在数据清洗中，也就是说数据和数据产生的叠加效应怎么达到更大化，而不是不断地在数据整合、去掉劣质数据这个方向上走。现阶段，基本从2010年到现在中国的数据清洗技术做得相当不错，但这是不是大数据未来整合分析所需要的？第三，商业化应用应该说整体上就两个套路，一个是直复营销，另外一个就是精准投放，精准投放包括各种各样的“精准”，基于人口属性、基于信息属性，乃至于我们现在常提的场景属性，场景属性是人在移动互联网上基于时间空间而产生的一种属性。现在我们看到，大量的商业应用其实就是这两个套路，并没有让我们感觉到我们看到的宏观的商业目标那么宏伟，并没有走得那么快，而这样的现象肯定也是未来我们需要去突破的。

我们来看一下整个中国互联网程序化购买的现状。首先，我们非常高兴地看到，数字媒体比以前开放。整个中国的数字媒体有一个非常悲催的现象，就是优质的资源通常是握在手上并不愿意开放，这也和美国差距很大，而现在数字媒体尤其是2013年、2014年，一直到2015年，逐步在开放他们的优质资源。这也就意味着，无论是什么样的程序化购买业务，都可以更多地用全媒体的资源围绕消费者去做。其次，2014年底是48.4亿元，这个体量总的来说很小，在整个中国数字广告空间中占3%～4%，中国数字广告的整个体量大约是在1500亿元，我们现在看到的不到50亿元。与此同时，我们看到了2014年的涨幅，现在对比一下美国程序化购买业务在整个数字广告中的比例，我们能够看到，中国的广告主在参与业务中的积极性已经越来越高了。

经常会看到一些报告说，超过40%的中国网民覆盖的互联网业务共有18个大类，也就是说中国的消费者非常散。美国的社交可能会聚焦在Facebook，美国的搜索可能会聚焦在Google，美国的购物可能会聚焦在亚马逊网站。然而中国任何一个垂直领域的应用几乎都是分散的，极少有领域能够统治半壁江山成为主角，除了电商和搜索以外。因而当中国的消费者更为分散的时候，其实消费者更容易触发的是内容广告以及信息流广告，信息流广告这样的模式现在被证明非常有效，而且更有利于利用大数据去精准对话消费者。此外，我不知道在座有多少同学在朋友圈看到过宝马广告，有少数同学家境还是非常好的，用户看到的是宝马还是vivo手机在于你本身和你的好友平时关注的内容和发送的内容。也就是说，这个宝马广告不是每个人都能看到的，但是很多同学应该都看到过脉动广告。vivo也是，这很显然更符合中国的消费者生态，消费者要的是什么样的生态，肯定是跟中国接地气的，而我们说微信、朋友圈广告本质上走的就是这样的路线。

那我们来说一下大数据和整个程序化购买的正确方向，或者说有可能是我们所创造的——消费者主导，因为这是明确的、有数据指向的。绝大多数消费者非常抵触的广告类型是打开一个应用在下方跳出一个banner（小广告）或者一个弹窗干扰你体验的内容，绝大多数消费者所希望的和商业信息的交汇点是由他们来主导，是由他们来触发的，这就意味着无论我们是否用大数据来跟消费者沟通，无论我们是不是用程序化购买来和消费者沟通，我们做营销是以消费者为主导的，当我们还原到大数据这条线上同样会看到。第一，以消费者为主导的大数据获取。我们用百货零售的案例来看的话，每一个百货零售品牌必须要在线上开一个电商网站吗？我不肯定，我甚至可以说，即便开电商网站他们也没有想清楚客流量从哪里来。未必是线上，因此，我们说消费者的主动营销需求，应该是我们整个数据获取的策略指向。第二，所有的整合分析都是围绕着营销需求的。在这里跟大家来做一个非常有趣的分享，在座有很多我们这个年纪的女生，而女生呢都是马云背后的女人，一般都会买很多东西。结果，大家都知道中国有四家很伟大的公司，我们称之为“三通一达”，中通、圆通、申通和韵达，除了它们以外，有一家公司叫顺丰，顺丰一般来说贵一点，但是服务非常棒。顺丰在2013年5月18号开了518家“黑店”，“黑店”是落地的门店，用顺丰的说法，这是要用顺丰的“黑店”打通顺丰优选，完成今后的O2O布局。然后，整个业界，包括我在内，几乎当时的第一反应是顺丰脑残啦，没事开这么多连锁门店干什么？很长时间里我们都觉得匪夷所思，然而事实证明顺丰没有脑残，脑残的是我们。我在产生比较悲观的战略预判之后，大约过了六个月，我通过一个顺丰的朋友了解到他们究竟想干什么，顺丰在开518家“黑店”的时候，它事先是用大数据做过指向研究的：它发现终端一公里人员的产能浪费，是因为上门敲门人不在，第二天再送，而一个顺丰“黑店”的选址都是在这样最密集的中间点；当消费者不在时，顺丰的快递员会给消费者一个信息，到你家楼下拿一下吧，或离你家楼下400米。它用这样一家门店选址的运营人员和成本，去匹配它省下的人力成本，结果就是顺丰的518家店从开的第一天就没有亏过钱，每一家店都是平的，大家可能会想不到，那么一家店都是平的对顺丰意味着什么？意味着这家店不管它将来是做O2O还是卖任何东西，卖出一件就是赚的，它没有人力成本，所有成本都是用它运营店的优化成本来扣的，这同样是一个大数据应用于营销的商业应用。然而，我们并没有看到大数据引来客人买单，因此，整个审核分析以什么为中心？所有的整合分析必须以外在东西为中心，这又是一个问号，我们可以去找更多的整合分析方向，并且寻找它怎么来做商业领域的变现。第三，商业化应用，现在的商业化应用，如果只是基于触发式的指挥营销，或者说是触发式的精准投放的话，还是太窄，消费者的行为越来越散，而消费者现在通常都是两屏、三屏、四屏的消费者，任何组合性的商业应用都应该更多地来被探索和思考。

这个案例叫Masa Maso，Masa Maso是高端网购的男装，这个男装品牌有个特点，同等品质价格最低，同等价格品质最高。在这样一个平台，我们拿到它的brief，准备用我们自身的程序化购买业务来为它解决问题的时候，可以看到我们是怎么做的。首先，通常来说，我们做程序化购买业务或者数据业务的关键词仍然是这些，当我们用原来的第一方数据实现跟消费者的对话时，我们会不断根据消费者的行为来优化品牌创意，给消费者的感知是，每一个人看到的创意都是不一样的。其次，我们做到的是，每一个消费者来到这个网站以后看到的网站界面都是不一样的，从而达到一个尽可能符合目标人群转化接口的效应。这是Masa Maso利用不同大数据的程序化购买，我们做出来的ROI是同行的三倍多，而这不代表我们在某一个环节做得很好，而是因为我们能够协同整个大数据包括程序化购买的分众环节。大家可能会想我们的程序化购买是否有足够的储蓄量，是否有足够的媒体量，其实这种思考还是偏狭隘的，决定一个项目因果的有四个因素：数据体量、媒体资源体量、产品和技术以及应用能力，像这个项目调整到黄金期的时候已经是第四周了，程序化购买本身要找的并不是最便宜的价格，而是性价比黄金点，同时既要规模化交易，还要有最适合的价格，两者加起来才是企业商业利益的制高点。

非常感谢各位！