用人工智慧玩營銷：外貿B2B的奇點已來？

【億邦動力網訊】大數據、人工智慧等新技術已經滲透到各行各業，並悄然改變著傳統企業的運作模式，而外貿行業也正經歷同樣的革命。

DATADETA則是推動這次革命浪潮的其中一員。作為一家通過大數據和機器來指導企業的外貿B2B營銷行為的企業，DATADETA目前已經為包括超過20個行業的200多家企業提供可視化大數據管理服務。

在多數人想象中，一家大數據企業普遍模式必然是聚集各種各樣的「碼農」一起研發高新前沿的數據挖掘和處理技術，然而從DATADETA走過的路來看，大數據分析企業要在行業中建立壁壘，事情並沒這麼簡單……

從外貿低效環節中挖掘商機

進入大數據行業，DATADETA切入的是外貿行業中既重要卻又略低效的一環——B2B營銷。

DATADETA的總經理李文慧向億邦動力網分析道，一家從事外貿超過3年以上的企業，其資料庫至少有幾千上萬條客戶數據，數據量是非常充足的。然而，對於外貿企業的銷售人員而言，只掌握了客戶的基礎信息，對客戶的畫像則非常模糊。這直接導致銷售人員只能通過撒網式營銷的方式去接觸客戶。

(DATADETA總經理李文慧)

「為什麼出口企業喜歡做郵件營銷？因為那是一個快速、不經過篩選就能完成的營銷舉動。」李文慧認為，這種「千人一面」的營銷方式會導致業務人員不知道哪些是需要重點跟進的優質客戶，哪些是可以省去營銷動作的不高產出客戶，銷售人員的時間就這樣被耗掉了。

針對該現象，DATADETA的解決方式是海外流行的ABM（Account Based Marketing）營銷，該種模式的核心價值在於「基於客戶賬戶的精準營銷模式」，即通過篩選重要客戶採取針對性營銷策略。

首先，DATADETA會從外貿企業成交客戶數據分析中挖掘這些客戶的特徵並建立成功客戶模型。針對該企業已有的資料庫DATATETA會做出成交預測，篩選成交潛力更大的客戶給企業，尋找存量中的「優質股」。

與此同時，DATADETA將該特徵模型跟自身企業庫進行匹配，給外貿企業推薦高價值客戶，以及這些客戶中的關鍵聯繫人信息，來獲得增量。

「畢竟B2B最終是人對人的商業場景。有關鍵聯繫人才能展開針對性的營銷。」李文慧說道。

當然，這種ABM模式要實現的前提是外貿企業本身就有充足的成交案例。

李文慧向億邦動力網分析道，當一個外貿團隊達到七到八人的規模時就已經是一個中型團隊。這樣的企業本身掌握的數據已具有一定存量，而且中等以上規模的企業在該發展階段也會開始對員工精力投入和業務產生進行精細化管理。這些企業則為DATDADETA瞄準的用戶群體。

「而對於小型企業，首先過往成交客戶很少，DATDADETA做成功客戶分析相當於無本之木。其次，小型企業壓力更多在於生存而不是發展，在客戶有限時，撒網營銷去撞『概率』的成本相比自己投入資金做ABM營銷更低，所以這類群體不是DATDETA的用戶。」他說道。

人做判斷VS機器干預判斷

值得注意的是，除了切入的環節外，在給企業提供大數據服務之時，DATADETA所切入的服務深度也是跟目前大部分大數據企業大相徑庭。

李文慧認為，目前大部分大數據企業所提供的服務類型可以分為兩類：

第一、基礎數據服務。企業需要什麼信息就給其抓取什麼類型的數據，提供給企業進行參考。

第二、不僅提供基礎數據還給推薦數據。這類企業會基於一些低維信息的整合併圍繞企業本身情況給其進行數據推薦。

上述兩類數據服務最終的決策者是人，數據公司只是給企業抓取儘可能多的數據來輔助企業進行決策罷了。而DATADETA的特殊點在於，其解決方案最終是機器給企業去進行決策，給企業判斷哪些客戶才是優質客戶。

兩種服務模式相比較背後折射的卻是在外貿場景中人與機器在決策中的較量。李文慧認為這場較量最終勝者會是機器。

「光靠人去做判斷能力是有限的。跟人思考不同，機器對數據進行學習時不只是基於幾個基礎維度而是從上萬個維度去深度學習的。這就是人與機器的差距所在。」他說道。

除了維度優勢外，機器也會基於生成的結果自動優化自己的推薦模型。在DATADETA推薦企業給銷售人員進行精準營銷后，其成交結果最終反過來會影響DATADETA自己的推薦演算法，讓接下來預測和推薦的客戶成功率更高。而這種經驗學習往往比人進行學習更加迅速。

「AlphaGo跟李世石的人機大戰向外界釋放一個很重要的信號——人工智慧是可以跟人類比下去的。」李文慧認為機器指導決策的潛力是非常大的，而DATADETA希望做的是利用機器學習給企業獲取更多業務轉化，更像一家提供解決方案的公司，而不是單純的一家賣數據的公司。

技術和模式外的勝負

當然，雖說DATADETA做的不是賣數據的生意，但數據仍是這家企業立命之本。如何整合更豐富有效的數據則成了這家企業跟同行在技術之外的決勝點。

（DATADETA官網截圖）

李文慧指出，實際上，從技術層面上看，技術的高低在數據獲取上差不到什麼程度。目前數據爬蟲在抓取數據的時候均只能從合法領域裡面去抓取，DATADETA能抓取到的數據，其他企業也同樣可以獲取到。而像一些社交網站的數據，看似大家都能接觸到，但如果社交平台沒有開發介面，數據企業也不可能抓取到裡面的信息。

「光靠自己的能力也不可能把全部有用的數據都匯總起來，所以必須藉助外部數據整合的力量去攻克。」他說道。

而DATADETA整合數據的方式具體而言分為兩種，一種是直接採購國外機構已有的數據；另一種是跟國外數據機構進行合作，如成立社交數據研究院把雙方掌握的部分數據合併在一起共用。

藉助這些第三方機構的數據合作，DATADETA則讓自己數據的維度更多更完善，從而反饋到DATADETA整個分析模型的立體度上。

「外貿數據企業中，海關數據成了較搶手的資源，然而不少數據企業只能利用這些資源給外貿企業提供基本的採購和供應方基礎信息。但若DATADETA通過IP數據和瀏覽痕迹等多維的數據整合后，最終可以具體分析出哪家企業的哪個人會是意向客戶。」李文慧如此形容數據立體度對大數據企業發展的重要性。

目前，DATADETA數據團隊中，爬蟲技術團隊跟對外合作團隊的人數是相當的，兩者都是不可或缺的一部分。爬蟲團隊關注的是如何把更多的數據採集回來，對外合作團隊主要讓數據的立體度更強。

實際上，不僅是大數據行業，在創業風氣盛行的，對外資源合作往往成了各類企業建立壁壘的關鍵點。「除非你的產品在自身領域上絕對領先，不然，任何產品都沒有絕對優勢，而只有比較優勢，這個比較優勢更多在於一些資源、系統和硬體的整合。」李文慧說道。

【版權提示】億邦動力網倡導尊重與保護知識產權。如發現本站文章存在版權問題，煩請提供版權疑問、身份證明、版權證明、聯繫方式等發郵件至[email protected]，我們將及時溝通與處理。