作为最后一个发言的同行，我想把大家拉回现实，让你们看看这个行业糟糕的一面。当然应该先讲故事，这些东西大家应该看到很多次了，我先说一些不太离谱的。比如说有个产品，能记录一个客人进店之后拿一件衣服，看了多久，试了多久，到哪儿去试，它作了分析之后发现，销量提高30%。还有这个著名的梅西百货，应该从各种报道上看到过，在经济萧条的时候利用大数据分析，了解自己店内消费者的情况之后跟线下数据匹配，结果是销量不降反升，提高了30%。我不知道为什么大家都喜欢30%这个词，还有这个target，它卖母婴用品的时候不仅卖给有小孩的妈妈，还把准妈妈定义了出来，这块是追踪广告，提高了30%。很奇怪，我也是刚意识到这一点（都是30%）。于是乎，这个行业对数据变得非常认可，100%的人都说数据真的太有用了，77%的人说这个东西有前途，我要从里面搞点什么，74%的人说我马上就要加钱干。当然，还有几个东西你也听过，Netflix说它拍House of Cards时是用大数据拍的，你们都知道吧？还有一个是IBM，IBM最近有一个发现称美国人只要一刮飓风就换运营商，这是真的。然后它把数据结果卖给两家公司，一家是被换的，一家是可能要抢占的，这个说发优惠券，那个说抢客户，很好，赚了不少钱。说到这里，我其实想问，你们有谁在过去三年的数据生产中赚到过钱？我想问我刚才说的这些案例大家都信吗？信的举手，还是学生好骗啊！我给你们看看现实是什么情况。这是国际上数据产业化的一个产业地图，从2010年的1.0到2014年底的3.0，最大的一个变化就是品类上趋于缩小、收紧，大概收到了6，但是整个行业细分类别从38个上升到55个，从开始没有到现在的55个大类，每个大类下面有很多公司，这是国际上的情况。给你们看看国内的情况，国内做数字营销最大的一个问题是产业链毫无生机，刚才前面几位同行，我听到精硕的同行，还有Digital Matrix的同行讲到数据生态和数据开放度问题，我不知道前面有没有嘉宾讲自己是做DMP的，我可以负责任地说，在BAT三家公司开放数据之前，任何说自己做DMP的公司都是骗子，这并不是公司本身的技术能力和分析能力有限，它们没有原料。我们说大数据营销中的数据必须是鲜活的，如果存了三个月的数据今天一定是没用的。大家知道我们在追踪PC用户ID的时候常用的cookie每周的衰减率是24%，再过一个月手上的cookie基本就用不上了，和你对应的东西都关联不上了。现在问题就是广告主或者品牌和营销的人有数据需求，另外数据源不放手，我看前面一个教授讲中国产业生态理论化的本质Exchange和AdExchange，基本上这些Exchange都在BAT三家公司手里，谁都不给用。所以只能在小闭环里做生意，不能到中国数字媒体的大世界里去做。还有一点很重要的是，我们中间环节大量缺失，就是中间商基本上不存在。从某种意义上说数据本身就像石油，但是广告主和市场要的是汽油，每天要开车，这个生意失败就失败在拿原油直接加在油箱里面，车是跑不起来的。过去几年我所经历的大数据营销实验都是失败的。我常说的一句话就是数据生意就跟绑票一样，大家讨论的时候特别High，觉得可以做一个非常有创意的绑架案，但最后收不上钱来，警察一定捉你。大家知道绑架案被捉的都在收钱环节，绑人很容易。

我讲几个段子，我们之前犯的错误，我相信从早上到现在很多人在讲targeting这个事情。我问第一个问题，上午应该有很多人问到了，包括下午讲的RTB，谁能告诉我RTB是什么的缩写？Real Time Bidding。targeting是在Real Time Bidding的环境成熟之后才开始出现的。可能在十几年前就出现了，最保守估计2017年这些东西会占互联网大环境的70%，为什么说在那个环境下targeting有用呢？我原来要投10000个impression（曝光），去“打”5000个人，一人看两次，比如说我得到100次点击量，做了targeting之后我只需要“打”2000个人，有5000个曝光，我付给媒体的钱更少，点击率更高，出的单价降低，投放者是赢了。同时媒体也一样，你只通过5000个就满足了点击量要求，剩下的5000个卖给别人，这是双赢。转回来讲到品牌营销，我们广告公司，广大同人奋斗的这个领域变得很恶心的一件事就是，本来给你targeting的工具说男就是男，说女就是女，帮你省钱，提供一个项目多少能收点钱，他说好啊，我省钱了，那我少投点，大哥不行啊，你少投点，我给你加价投精准点。这事糟就糟在我们两个心怀鬼胎地谈这些生意，最终他一定是不想多加价的，然后他就会找我们的毛病，你说你投给了男的，怎么证明他是男的，我真证明不了。所以就导致了一个结果，大概在七八年前，targeting失败了，到现在依然失败的就是我们的加价幅度。比如你定向北京加30，定向男性加30，定向白领加男性50，客户一看说加到100%了，这个和我全买差不多。大家明白吗？这是我们行业的第一个毛病，所以说刚才精硕的同行说得很好，品牌在做targeting的时候不是把用户收集来，把用户放大，是把它核心用户的数据做look-alike，变成可投放的大量数据。look-alike是Facebook发明的一个词，我们可以找到相关的资料，不在这里浪费时间。

第二个误区，这也是一个大忽悠，我们做营销的人20年前就能做用户细分，叫segmentation，后来一群做技术的人跑来说segmentation过时了，我们现在做targeting，segmentation分几类，尼尔森这种很牛的公司说分66类，我把美国人分成66类，任何一个人都能进到这66类的框，但是targeting说，我现在打标签能打到1000个，66个与1000个是根本没有可比性的，于是乎segmentation向targeting全面投降。我们以后打标签怎么办？男性标签一个，女性人群一个，富裕的暨大学生一个，富裕的暨大学生能看到宝马广告，挺好对吧？然后我讲一个现实的，微信投广告，在座的各位真的有看到宝马广告的？这么多！坏了，广告主知道一定不会给我们钱的。这个问题在哪儿？微信有很好的产品品牌，所以广告主把在这儿投放当成一个荣誉，当成一个特殊的营销事件，所以不论我们投成什么烂效果，他们都说我们在这儿投广告了，发了新闻稿，投了广告的广告主都发了新闻稿。这个我吐槽一下，最悲催的是代理公司，代理公司的同行跟我讲，我们先跟广告主提了一个礼拜的案，现在又跟媒体提一个礼拜的案，给我条活路行不行？我现在想说的是，这位同学叫李小明，你有个lixiaoming.com流量特别大，都是暨大的学生，我们分出男，分出女，然后找宝马收钱，你说我这里面有看微信广告的，有看宝马广告的，你说广告主能给你钱吗？一定不给。那就说明一个问题，segmentation对应的是人，targeting对应的是账户，账户是纯数据，它和人之间的关联并没有建立。在这样的环境下我倒认为，如果传统的营销公司要想转型，这会是一个非常大的空白市场，就是如何把segmentation和targeting关联起来。

我说一个很现实的模式。比如我现在打个tag（标签），我和广告主说看体育网站的是一个tag，不论是广告主、监测公司、代理公司还是媒体，我们都可以认定这些客观的tag没有任何疑义，但你说这是个男性，就必须经过验证。

腾讯有很牛的东西——MID，因为腾讯有微信，有QQ账户，有很多的关联媒体使用习惯。这样它的账户信息跟自然人的关联度其实就非常高，但是我们并没有能力去判断什么样的账户特征跟某一类的细分人群关联。比如说，可能买车的人，他们的tag表现是什么，我从2000个tags里面去捞？对不起，我不会捞，一定是传统的营销人去捞，之前没有做的原因是腾讯没有开放这个tag，我们现在正在做的是开放这个tag，也希望更多的人加入进来，把这个方法论发展起来。

最后一个话题，大家知道Web1.0与Web2.0最大的差别是什么？Web1.0是文本网络、文件网络，Web2.0是人际网络，Web2.0以上是人际网络，从某种意义上说，从Web2.0时代到现在移动互联网时代产生数据量最大的都是和个人信息相关的，刚才我讲的故事和案例隐藏了三个很关键的信息。第一，它的数据从哪里来？是自己收集的还是别人给的，别人给是谁给？它自己收集是不是合法？第二，数据的归因分析谁做？你看所有的案例都说经过大数据分析，我们的销量提高了30%，30%真好，但是大数据分析是谁做的？用什么方法做的？没有人告诉你。这一点和十几年前说买纸尿裤的人同时会买啤酒是一样的，属于灵光乍现，是创意性的东西，并不是基于数据的分析。转回来讲，现在互联网本身就是以用户数据为基础的，所以你做数据分析都会遇上隐私这个暗礁。我讲个案例，某汽车品牌刚和我们合作，他找了一家供应商，肯定不是腾讯，在它的4S店里加装了一个装置，只要你人一进去，你手机发射的信号就会被收集，他知道你的手机号，后台马上会把收集到的手机号和数据库匹配，找到我们的腾讯账号匹配，匹配完后就知道他过去的社交发言信息以及他的个人属性，做好这些以后销售人员就大概知道你是什么人了，穷人的话基本上就不搭理你，有可能买的人会坐下来细谈，然后等这个客人离店之后会根据这些信息向他推送定向广告。我想问大家的是，这个过程中有没有违法的地方？有没有不合适的地方？都有。第三，处理用户隐私的关键，一要去深化，二不能追踪。但这是一个非常诡异和矛盾的点，一方面我们想做数字营销就不得不去接触用户的信息，转过来讲，如果你追踪用户信息，你一定侵犯了个人隐私。在这一点上我们强烈呼吁学界还有整个行业去发展用户隐私保护的行业自律条款，否则这个行业完全做不下去。

时间很紧，那个案例我没法和大家展开来讲，其实要讲的东西蛮多的，大家如果有兴趣可以和我们同行在场下做简单交流，基本上我讲的就是四点、两个误区，现在的生态情况和用户隐私这个暗礁。

谢谢大家！