你以為你知道的關於分析建模的一切都變了

編者按：以下是Cordial 的首席運營官兼聯合創始人 David Baker 的客座文章。

去年左右的消息對於構建分析模型的業務人員來說是艱難的。 世界舞台上的一些吹噓的呼籲就會產生這種效果。 但是那些相信可以預測特定結果的人應該去拉斯維加斯的賭桌看看。 在路上，他們最好考慮一下彼得·德魯克的話，他說：“試圖預測未來就像試圖在沒有燈光的夜晚開車在鄉間小路上看著後窗。”

德魯克是對的。 相信一個模型可以預測未來是愚蠢的——這是我在 1990 年代黑暗時代第一次學到的一課，當時這個過程需要數週時間，而且沒有人認為成為一名 Quant 很酷。 當然，在那些日子裡，我們的數據點相對較少，因此我們對典型消費者的描繪與模型構建者有著驚人的相似之處，即使是一維的。 但幾年後，根據一份報告，到 2020 年，地球上的每個人每秒將產生 1.7 兆字節的新信息。 從這個角度來看，Audible 估計一小時的音頻代表大約 28 兆字節的存儲空間，這意味著 2020 年的普通人將在大約 16.5 秒內產生相當於一小時的高質量音頻。

擁有這麼多消費者信息意味著什麼？ 可以說，信息流即將從滴水流向浩瀚的海洋，但即使是這樣的類比也將這一時刻的變革性最小化。 我們不是在談論關於同一個老消費者的新見解。 我們正在關注全新消費者的到來，營銷人員必須通過機器學習與之互動。 這可能具有挑戰性，因為機器學習改變了我們已經知道的一切——以及我們尚未學習的更多東西——關於分析建模的實踐。

決策民主化

許多營銷人員將營銷堆棧視為需要協調的笨重數據倉庫。 但堆棧也是一種思考決策民主化的方式。 營銷人員吸收的信息越多，他們可以提出的問題就越多。 有了更多的問題，營銷人員可以玩出更多的場景。 隨著他們嘗試更多的場景，營銷人員使增量決策民主化。 這並不意味著每個人都能做出決定，它只是意味著公司中有不同的層級擁有不同決策的決策權，更重要的是，隨著更多決策需求的出現，這些層級可以擴展和協調。

最近 對 eBay 營銷技術總監的採訪讓我們得以一窺目前機器學習如何使決策民主化。 對於 eBay，挑戰在於個性化一個擁有數十億待售商品和 1.67 億活躍買家的市場。 該公司的解決方案是授權 eBay 的營銷人員創建他們認為合適的交易，然後將這些交易放入特定的桶中，以便機器學習模型可以利用用戶的瀏覽歷史以及其他數據來預測客戶的交易會發現最誘人。

eBay 的營銷團隊能預測未來嗎？ 絕對不。 他們正在用機器學習做的事情是讓自己在眾所周知的蘋果上咬得成倍增加。 可以這樣想：古老的格言是快速失敗，大概是因為你會更快地找到成功。 但是更好的方式來說明這句古老的格言是：“更聰明地失敗”。 eBay 營銷人員創建的交易仍然屢試不爽——因為預測並不完美——但eBay 的整體企業正在以更快的速度實現和錯過，這意味著它的學習速度也呈指數級增長。

但請記住，民主化是一條雙向的道路

客戶還可以使用機器學習工具。 我們已經相信機器學習可以整理我們的收件箱、推薦我們觀看的電影並管理我們的家。 很快，機器學習將編寫我們的回复，最終，許多參與的消費者方面也將自動化，或者至少得到機器學習的支持。 那麼，當營銷人員的機器學習工具與消費者使用的工具發生衝突時會發生什麼？ 簡短的回答是我們不知道。 但是，如果您想了解民主化的活力，請查看您的導航應用程序。

我們手機上的地圖功能不僅僅是路線製定者。 今天，我們希望我們的手機能夠在當前交通狀況下告訴我們最快的路線。 導航應用程序本質上是自適應的，這是必要的，因為交通模式是流動的並且環境條件不斷變化（例如天氣對路線和交通的影響）。

當然，路線的數量是有限的，因為給定城市的空間是有限的。 營銷人員關注的參與度呈指數級增長。 隨著民主化決策進一步融入消費者行為，這種複雜性將會增加。 這意味著您可以建立一個更聰明地失敗的企業，但您必須記住，參與該參與的任何人也會更聰明地失敗。 例如，得益於機器學習，來自 eBay 的交易在相關性方面獲得了巨大的收益。 但在客戶方面，類似的機器學習工具可能會過濾掉衝動購買，因為該模型已經了解了個人消費者的以下信息：衝動購買的遺憾。

但是，通過機器學習表達出來的模型何時能預測未來呢？

絕不。 分析建模不是關於大的、預測性的揭示。 這是一門為增量決策、風險管理和創建場景以應對市場條件而建立的學科。 機器學習為分析建模開闢了新的能力，但營銷人員應該記住德魯克關於預測未來的警告。 機器學習不會告訴你在那條黑暗的道路上拐角處會發生什麼，但它會為你提供成倍增加的選擇，讓你在到達那裡時對未來發生的任何事情做出反應。 最重要的是，機器學習並不可怕，事實上它只會加速營銷人員已經擅長的事情——創造性思維並為客戶提供出色的體驗，而這確實是我們應該關注的最終目標。