你的直覺可以告訴你數據不能告訴你什麼

哪個短語最準確地代表了您當前的營銷策略？

數據驅動。 數據知情。 啟用數據?

如果你在撓頭（或翻白眼），你並不孤單。

最近圍繞數據的對話增加以及由此產生的分歧讓許多營銷人員對他們應該對他們的業務採取哪種方法感到困惑。

但我並沒有在這個問題上站在一邊，我認為這不是關於語義，而是更多關於為什麼要做出這些微妙的區別。

對“數據驅動”一詞的主要抱怨是它暗示數據是負責的。 新的決策者。 結束一切，成為現代營銷的一切。

大多數數據科學家都會談論從復雜算法中收集到的洞察力如何遠遠優於人類直覺。

數字是具體的。 他們是準確的。 它們是有形的。

但請考慮一下自動駕駛汽車的情況。

先進的 GPS、導航和地圖、傳感器、激光、相機和計算機使自動駕駛汽車成為可能。

從理論上講，計算機和其他先進技術在處理安全駕駛道路所需的所有因素和信息方面應該要優越得多。

畢竟，它們能夠接收和處理比人類大腦更多的信息。 他們也更擅長識別和識別複雜的模式，在這種情況下是流量模式。

但是，自動駕駛汽車失敗的地方在於它們缺乏人類獨特的解釋環境、意圖和人性的能力。

消費者或市場數據也是如此。 人類行為的細微差別太多了，以至於我們無法完全由人工智能/數據驅動。

現在不要誤會我的意思。

作為一個在需求生成中的角色需要大量與數字面對面的人，我不是來詆毀或貶低數據作為一種必要或有效的營銷工具。 我只是認為，對於其他組織以及我自己的成功來說，重要的是它仍然只是一個工具。

為了真正利用數據的力量，您必須首先認識到並理解它的局限性：

數據不會說謊，但它不能講述整個故事

阿爾伯特·愛因斯坦曾經說過：“不是所有重要的東西都可以計算，也不是所有可以計算的東西都重要。”

由於計算機和機器非常複雜和復雜，它們主要為我們提供非常基本和直接的信息——誰/什麼/何時。 雖然知道這些信息非常有用，但如果沒有關於如何和為什麼的額外背景，我們的學習是有限的。

例如，數據可以告訴我們有多少人喜歡或分享了一個帖子，但它不能告訴我們為什麼。 換句話說，它可以為我們提供定量的結果，但不能提供定性的推理。

或者這樣想：如果有人分析了你在一周內與同事、朋友和家人共度的時間，數據會表明你的同事對你來說是最重要的。

可能不是這種情況，但這是一個很好的例子，說明在沒有適當上下文的情況下數據可能會產生誤導。

數據也可以指出不同因素之間的潛在關係，但無法證明這一點。 這是一句熟悉的格言，“相關並不意味著因果。”

例如，數據可能顯示一個月的高網站流量與高收入之間存在相關性，但這並不一定意味著收入的增加是由流量增加引起的。 可能存在影響這兩個數字的第三個因素，或另一個間接變量。

只有您訓練有素的眼睛和經驗才會知道謹慎處理這些數字和指標並進行進一步測試。 如果您在數據中發現相關性，請嘗試更深入地挖掘以復制您的結果並找出真正的原因，或者以各種方式進行細分以查看是否出現了不同的模式。

從網站和電子郵件調查等方法收集定性反饋也很有幫助。

數據是現實主義者，但不能冒險

幾年前，29 歲的 Morgan Hermand-Waiche 開始為女友買內衣作為生日禮物。

一旦他發現他的大多數選擇都非常昂貴，他意識到市場上對於負擔得起的內衣公司來說存在嚴重差距，並立即開始研究可能的風險投資機會。

問題？ 數據告訴他盡可能遠離內衣行業。 有一個明顯的行業主力主導市場，無數的進入壁壘和無數次失敗的嘗試，包括幾個大品牌。

但是，儘管有他的發現，Hermand-Waiche 還是不能忽視仍然推動他追求這一事業的一件事：他的直覺。 必須有一個負擔得起的優質內衣市場——即使數據表明並非如此。

Hermand-Waiche 現在是 Adore Me 的創始人兼首席執行官，這是一家徹底改變行業的電子商務內衣公司。 在短短幾年內，他將自己的直覺變成了 Inc. 500 在紐約市增長最快的第二家公司，並從風險投資人和私人投資者那裡籌集了大約 1150 萬美元。

數據只能告訴我們事物的當前狀態，充其量只能做出明智的預測。

嘗試使用更定性的方法，例如在您的社交渠道上提出問題/民意調查、社交聆聽，甚至是良好的焦點小組，以獲得對您可能有的想法的更誠實、親密的反饋。

請記住，有時革命只是意味著無視現狀並承擔風險。

數據可以告知，但無法想像

跟我重複一遍：大數據不是什麼大創意。

數據並沒有提出“Just Do It”或告訴蘋果“Think Different”。

很容易陷入數字和統計數據的雜草中，但請記住，偉大的營銷就是講述一個偉大的故事——而講述一個偉大的故事意味著理解人類的行為、情感和經歷。

我們可以從數據中了解有關受眾行為的各種信息。 但它不能告訴我們他們的動機、他們的鬥爭、他們的願望等。我們需要那些獨特的人類洞察力來講述偉大的故事並發揮創造力。

但這不是數據的錯。

創意是一門藝術。 就其定義而言，“藝術”是人類創造性技能和想像力的表達或應用，創作出的作品主要因其美麗或情感力量而受到讚賞。 這裡的關鍵詞是“人”和“情感”。

恰當的例子：2016 年，多倫多大學計算機科學系試圖教計算機如何寫歌。

研究人員為機器提供了超過 100 小時的音樂，同時一個複雜的算法“學習”了節拍、和弦和歌詞中的模式。 雖然所有這些聽起來都令人印象深刻的高科技，但由此產生的“歌曲”卻是一場災難——有著奇怪、荒謬的歌詞和毫無靈感的機械旋律。

事實證明，data 是一個非常糟糕的作曲家。

好消息是，數據可以通過某種方式提供激發偉大創意的人類情感洞察力。 但是，您必須真正傾聽人們的意見，而不是聽數字。

社交聆聽工具的最新進展使品牌能夠發現有關其受眾的信息，否則可能需要數月的定性採訪。 話題親和力是傾聽能力的一個很好的例子，它比大多數人意識到的影響力要大得多。

想像一下，當您發現您的觀眾在社交媒體上談論的其他內容時，可以打開的大門。 他們喜歡某種音樂嗎？ 還是運動？ 這些洞察力可以帶來新的讚助機會、產品整合，甚至是全新的受眾群體。

社交聆聽如何激發偉大創意的另一個很好的例子是通過情感分析。 了解您的受眾對近期新聞或相關主題等事物的感受，讓您有機會創建能夠在更深層次、更能引起情感共鳴的層面上與他們產生共鳴的內容或活動。

可口可樂使用情緒分析來創建他們的可口可樂推文機。 使用自然語言處理和定位，該品牌能夠確定該國最不幸福的城市。

為了與他們的品牌戰略“選擇幸福”保持一致，他們將一台可口可樂自動售貨機帶到了這座城市，該自動售貨機分析了每個用戶的 Twitter 個人資料的情緒。

然後，機器只向平台上更積極、更快樂的用戶分發一個罐頭。

令人驚訝的是，品牌如何僅僅通過分析人們的社交活動來學習和創造如此多的東西。 下次您在尋找創造性見解時，請嘗試自己進行一些社交聆聽。

因此，無論您認為您的組織是數據知情還是數據驅動，真正重要的是您在決策中為人性留出了足夠的空間。 因為沒有人類的數據不是洞察力——它只是數字。