90%的大數據產品是偽需求，所以沒人買單

我們看似已經進入大數據時代，到處都是各種各樣的大數據產品。但我可以負責任的講，90%的大數據產品——

要麼，是閉門造車、臆想出來的「偽需求」，沒有真正解決客戶的需求和痛點，所以才會沒人買單；

要麼，是概念導向、佔領客戶大數據認知的「假產品」，已經先入為主，讓真正的大數據產品推廣更加困難。

1

今天，你幾乎找不到帶來規模化收入的大數據產品

大數據行情，市場上出現了很多大數據產品——大數據精準廣告系統、智能營銷平台、輿情監測系統……

但如果你是業內人，你會發現，除了BAT和一些寡頭級別公司的大數據內部應用，絕大多數的大數據產品並沒有如同預期的被市場接受，以至於行業內幾乎沒有靠譜的大數據工具和大數據應用產品，沒有幾個大數據產品真正的帶來規模化收入，也就是說並沒有那麼多客戶有意願為這些大數據的應用產品去買單。

我們可以一起來看今天真實的大數據業態。

精準廣告投放：做的是中介，靠的是概念包裝

精準廣告投放，最可能是我們今天聽到最多、影響力最強的大數據產品。

其實我們都清楚，除了百度和騰訊的廣點通等少數幾個公司有大數據能力，諸多的DSP公司和廣告投放公司是打著大數據到概念，做到是廣告投放、賺的是廣告位的差價。

可是這些廣告投放公司和分發公司，佔領了客戶對於大數據的認知，讓客戶認為他們做的就是大數據、就是精準營銷。

如果有任何其他公司、其他人再去和這些客戶談大數據、談精準廣告、哪怕其他相關大數據時，他們都會認為都是一樣的。

輿情監控產品：普遍同質化、商業結合度低

輿情監測類產品可能是目前市面上同質化最嚴重的大數據產品之一。市面上有大量的輿情監測產品，所有的輿情監測工具都會提供類似的功能：曝光量、曝光用戶數、影響力指數、正向/負向情緒指數、傳播趨勢圖……

比如，聯考事件，在微博的曝光量是1.2億，曝光用戶量783萬，影響力指數80，公眾對此事的情緒偏向正面、數值為72，傳播熱度的趨勢如何。

是的，我知道了，聯考這個事情是熱點事件，很多人關注，大家基本是正面情緒的。可是然後呢？沒有用啊。我知道這些，我能做什麼？

如果這是一個負面事件，我希望壓制——

什麼時候來控制才不會產生反效果？

哪一類人是決定這次輿論事件的重點？

要控制和引導輿論，到底怎麼做？

如果聯考熱點事件對我來說是一個難得的商業機會，我希望利用這個事件來宣傳我的產品——

如何來利用不同的人對這個事情的不同看法來設計差異化的廣告？

如何利用這個事件讓我的產品擴大銷量？

你會發現，市面上大多數大數據輿情產品並不能解決客戶真正的痛點和需求。

2

拒絕臆想，構建有效的大數據應用場景的三個認知與實踐

拒絕臆想，構建有效的應用場景，才是大數據實現價值變現的核心。

根據原力大數據這幾年的應用實踐，我們在如何構建有效的大數據應用場景上提出三個觀點：

1、從「重」到「輕」,從「平台系統」到「簡單工具」

2、從「無」到「有」,創造新的「藍海」場景

3、從「增值品」到「 剛需品」,搞定客戶的剛需型痛點

從「重」到「輕」,從「平台系統」到「簡單工具」

事實上，今天90%的企業，特別是傳統行業和中小企業，既沒有為大數據付費的意願，也沒有為大數據付費的能力。而有能力去購買大數據的應用、服務，有能力使用大數據的技術的，更多的是國企、政府和一些大麥克型的公司。

而這些有能力為大數據買單的巨頭級企業必然具備3個特點：第一，他們內部一定已經有大量的IT系統；第二，他們必然有非常龐大的組織架構；第三，他們的流程制度也一定非常複雜。

我見過太多大型、複雜的大數據系統，最終卻沒有用起來。反思原因，就是因為做的系統平台過「大」、過「重」，要把這個大數據平台用起來，就涉及到了現有組織機構、工作流程的改變，做過這件事的人都知道，這個真的太難了。

所以，要把大數據的應用快速切入，讓企業立刻用起來，就必須非常的「輕」。

為了解決這個問題，原力大數據是這樣做的。

我們說的從重到輕的第一個「輕」——輕實施。

我們把我們的大數據營銷工具做的非常的輕量級，只需要做簡單的數據介面對接，就讓我們的大數據營銷工具能夠被使用。把實施難度降低到最小、讓我們的大數據工具與企業現有的平台對接變得最簡單。

從重到輕的第二個「輕」——簡單化，我們的堅決不做複雜系統，只做簡單工具。

堅決只解決客戶在實際工作中的最痛點、最重要的那幾個問題，堅決讓我們的大數據工具不涉及任何流程、不涉及任何組織架構。

從重到輕的第三個「輕」——輕鬆用

任何大數據工具必須自動化，堅決不能給這個崗位的人員增加工作量，相反還得減輕他們的工作量，才能把大數據產品被用起來。

事實證明，原力大數據構建的這種輕量級、簡單化的大數據應用工具被市場充分的認可。

從「無」到「有」，創造新的「藍海」場景

只要提到大數據應用場景的構建，大家都覺得非常困難，推出的很多大數據應用工具或是應用產品客戶並不認可。

我的理解是，有大量的需求和客戶的問題用傳統的方法無法解決，但可以通過大數據來解決。只要找到這些需求，並且用大數據的方法來幫助客戶解決問題，客戶就會買單。

我們可以分享一個我們自己的大數據應用工具——線下廣告效果監測工具。

廣告效果的統計分析絕對是世紀性難題，特別是線下渠道的廣告投放效果從來無法衡量。

捷運廣告牌、公車站點廣告牌、戶外大型LED廣告牌……每一個廣告牌的投放都是真金白銀的投入，但是到底效果如何從來都是沒有辦法統計的。

我們是怎麼做的呢？我們藉助運營商的基站數據對某個特定地點的廣告牌覆蓋人群進行拍照，通過分析對比這個人群在某個產品廣告投放前後的行為差異，最終得到一個具體廣告牌的投放效果。

比如，我在廣州的某個捷運站的LED廣告牌投了某個APP產品的廣告，投放時間為10天；這10天中，有20萬人曾經在這個捷運站出入、搭乘過捷運。

我們通過監測這20萬用戶關於這個APP產品的使用行為，跟蹤這20萬用戶看到這個廣告之前和看到這支廣告之後行為有沒有發生變化，比如：

廣告投放前，有3萬用戶使用這個APP產品，但是在廣告投放之後有3.6萬客戶使用這個產品；

廣告投放前，這20萬客戶中使用這個APP產品的活躍客戶比例是2.3%，但是在廣告投放之後這個產品的活躍客戶佔比是3.1%；

……

也就是說，這個廣告牌帶來了6000個新增客戶、0.9%的活躍客戶佔比提升。我們藉助運營商大數據和新的大數據應用場景的構建，實現了對每一個廣告牌的價值產出進行清晰的衡量。

因為它解決的是真正的行業的痛點和需求，所以這個應用場景必然是客戶會願意買單和願意接受的。

從「增值品」到「 剛需品」,搞定客戶的剛需型痛點

今天有大量的大數據的應用場景是可有可無的，說白了就是你沒有真正解決問題，客戶用與不用是一樣的，所以大數據產品用不起來。

而搞定客戶剛需型的痛點，核心並不在技術，而在於應用、在於通過構建有效的場景的構建幫助客戶解決問題。我們做的每一個場景都必須是讓客戶真正能夠使用起來、是有效果的。

要知道,今天很多的企業根本不懂大數據、更不知道如何來用爬蟲。有一些企業客戶，他們現在去收集信息，掃樓、掃街、第三方渠道購買數據，很可能還會買到黑市數據，我們告訴他我們可以通過爬蟲幫他搞定，他們特別高興。

因為我們這個工具的核心是解決了從需求到最終實現的全部環節，而不單單是做爬蟲本身，效果也非常顯著——把數據的獲取的比例從43%提升到92%，準確度從61%提升到85%。

客戶認可這個產品，是因為足夠有效，用更好的辦法解決了原本就必須解決的問題。

我們把增值品做成剛需品的另一個例子是市場調研。市場調研，對於很多大企業來講是絕對剛需，那我們如何用新的手段去幫他解決原有的問題，這個也是把增值品做成剛需品的一條思路。

我們有一個案例，客戶希望通過電話調研和郵件調研的方式來了解某一類APP的產品需求和使用現狀。我們告知客戶，可以用運營商的互聯網產品行為數據來做這件事情。這樣只需要原有預算的20%；而且可以把原有的2個月到3個月的一個項目執行周期減少為1周到2周。

結語

今天的大數據產品中，有90%的大數據產品是閉門造車、臆想出來的偽需求，所以客戶很難為此買單；還有一類產品打著大數據的概念，佔領了客戶的認知，做的並不是大數據的產品，是「偽大數據產品「，讓真正的大數據產品的認知和銷售變得更加困難。

我一直認為相對於技術而言，如何才能把大數據技術和應用場景打通，構建有效的大數據應用場景更加困難。

拒絕臆想、拒絕閉門造車，構建有效的大數據應用場景，才是大數據產品可以帶來規模化收入、得到市場認可的根本。

End.

作者：江穎，帷策智能、原力大數據CEO，大數據應用領域資深專家，大數據商業實踐先行者。