對于頭家們來說，應用精密分析技術的大數據（Big Data）所帶來價值，也有輕鬆取得的方式。例如透過程式紀錄，每一個透過關鍵字點擊進入網站購物的消費者足跡（cookie)，從瀏覽行為中找出他們分別感興趣的商品、服務類別等，再定期輔以電子報、優惠訊息加以刺激回購，定期與既有消費者互動，增加回購率，創造業績。甚至運用日常對于顧客消費行為的細心紀錄，也能累積成數據來發現更多消費者insight。

大數據（Big Data）堪稱數位革命以來的最新亮點，2015年這道炫目的光芒將以巧數據之姿，迫使營銷人面對分析大于收集的本質：誰先從數不盡的土石中發掘出寶礦何在，誰就能率先掌握市場。

1.「樣本」等于「母體」的時代來臨

過往行銷人做抽樣調查，總是囿于3%的誤差區間，但最有趣的發現往往埋藏在遺失的細節裡。真正的「大數據」根本上揚棄了「隨機抽樣」的做法，將最完整的資料集視為「巨量」的必備基礎，意即透過「樣本」等于「母體」的概念，淘選全部的資料以求解讀的高度精確性。

因應如此龐雜的作業，革新的硬體端能讓處理數據的時間縮短至毫秒，除了便于運算更大量的資料，也提供了應用上的即時性。相對的，資料從何而來同樣要仰賴硬體負責收集，如Nike所研發的穿戴式裝置就藉由使用者的運動數據，判讀其生理表現、活動慣性等…將來活用于銷售、社群凝聚等的行銷手法將更令人期待。

2. 挑戰傳統營銷追根究底的思維

身為營銷人，一向想知道「為何如此」，但巧數據是從幾十億筆資料中，套入幾萬種運算模式后才找出資料之間的相關性（如流感趨勢預測就是實驗近五億個數學模型后的成果）。也許這些相關性表面上無法解釋，但只要能透過數據發現達到營銷目的，知不知道成因也就沒這么重要了。

早期Amazon根據個人喜好剖析樣本，嘗試找出顧客間的相似性來推薦書單；像是買了一本關于波蘭的書，系統就建議一票其他人也買了探討東歐事務的作品給你；或者，買一本育兒書，就接著推薦一堆嬰兒相關書籍，但問題就出在你根本不需要再買功能相仿的書了！ Amazon員工說：「系統推薦的書，和你過去買的大同小異，而且沒完沒了，有點像和笨蛋一起去買東西」。爾后Amazon研發出「品項對品項（item to item）協同篩選技術」：從巨量資料找出不同商品間的關聯，就能做出跨品類、意料之外的推薦，使業績獲得驚人的成長。當然，這類應用不表示在其他平臺照樣管用，Yahoo超級商城與購物中心就發現，利用更個人化的「Audience-based技術」使轉換率高過「品項對品項技術」六倍之多。有了上述大數據轉化為巧數據的完美實證，行銷人只要知道「正是如此」，就不須太執著于「為何如此」，反而可以扭轉思維，將更多精神投注于電腦不可及之處。


▲個人化模組比item based 推薦模組超過 6倍的轉換率。由上圖可看出，個人化的模組演算出的推薦商品，品項上有著極大差距。

3. 精準溝通更上層樓，徹底引爆一對一營銷

以前我們把客群分類做營銷，現在人人都有獨一無二的樣貌。伴隨著大數據運算的成熟，助長了巧數據的更即時、與個人化，在2015年，針對單一消費者發送量身打造的訊息內容、推薦所需商品、甚至跨平臺、裝置的溝通…都不再是空想。在巧數據加持下，一對一營銷的威力將全面橫掃，下個階段營銷人要面臨的任務就是以Programmatic Buying實現與消費者的深度溝通。