頂級勝率：找到生意中的“保羅算法”

1、數據洞察，可以讓一個成熟的商業模式/產業被打破，產生全新的商業邏輯，最終讓“後進入者”成為新的領軍者。

2、“LOSER球隊”依靠這支“保羅算法”創造了20場連勝的戰績，刷新了美國棒球大聯盟記錄。

3、洞察，決定勝率。

4、數字不產生洞察，算法模型產生洞察。

5、整套營銷體系在求“快”求“準”，商業需要新的工具——去升級傳統的經驗與市場觀察。所以，在今天的市場環境中，洞察是散落在數據汪洋中的細沙，機器算法（AI能力）是新的工具。

6、頂峰“勝率”：專家團隊+數據決策系統。

7、宏觀大趨勢：生意機會其實是一種“軌跡”。

8、中觀小趨勢：將1000萬元預算拆成50個20萬預算。

9、微觀執行：快速洞察百萬人碎片應用場景，找到真正的場景營銷創意。

在這場疫情之下，中國的大數據技術展現了廣泛的威力：

大數據追蹤流動人口、極速公佈各地疫情報告、電商數據調動醫療資源、AI+大數據助力醫藥研發... ...各個層面的海量數據在客觀、透明的基礎上，以不同的技術算法，助力全民戰疫。

大數據，的的確確改變了我們的世界。

而在商業世界中，新的力量，會產生新的機會。

01

數據，如何讓Loser變成winner？

數據洞察，可以讓一個成熟的商業模式/產業被打破，產生全新的商業邏輯，最終讓“後進入者”成為新的領軍者。

故事從一部真人真事改編的電影說起。

在美國著名的錢多人氣旺盛的體育項目——棒球大聯盟，向來是“錢多制勝”的規則：有充沛資金的俱樂部通常是以高昂的天價簽下明星球員，明星球員與明星教練組成超明星陣容，取得隊伍勝利。也就是，這裡是成熟且穩定的“金錢決定勝負”的商業邏輯。

而沒有充沛資金的隊伍領導人（老闆），在這個商業模式中就是Loser。即使是能靠專業與熱愛來培養人才，來接近成功，但是大概率也最終會面對被挖角隊員（員工）的失敗怪圈。

布拉德皮特飾演的棒球總經理比利就是這樣的Loser。

他的球隊先是惜敗敵手與世界冠軍失之交臂，而後他旗下的三名主力隊員，還被競爭對手挖了牆腳。臨近崩潰，他只好找老闆訴苦以為可要來更多預算招募明星球員，不料卻直接狠狠地被老闆砍了預算。

在比利即將職業完蛋的時候，他卻迎來了一個“數學家”助理保羅。

保羅臃腫、肥胖、不善言辭，完全也是一個Loser的感覺。

但是，憑藉數據思維與數據，保羅和相信他的人一起，以一己之力找到了這套產業模式中新的商業邏輯。

助理經理保羅有一個法寶，他在球員招募上有著獨特的一套“方程式算法”，是通過計算機查詢所有球員的歷史比賽數據，利用數學建模定量分析不同球員在不同比賽中表現的特點優勢，最後合理搭配重新組隊。

眼瞅預算就這麼點，比利別無他選，就按照保羅的方法以極低的價格，招募了一群從各個角度看起來都被嚴重低估的球員，組成了一支“LOSER球隊”。但結果卻是，比利依靠這支“敗軍”創造了20場連勝的戰績，刷新了大聯盟記錄。

有興趣的可以看看這部由真人真事改編的電影《點石成金》。如何用大數據洞察來找尋不那麼完美但是“合適”的組合，來打敗用金錢堆砌的“完美”組合？

這不僅僅是棒球了，還是商業，還是金錢，還是機會，還是一次一次的除舊迎新、打破升級……

02

今天，數字不是用來算賬的

在生意上，“錢多制勝”何嘗不是以往的規則，但在數據爆炸後的世界中，商業制勝的邏輯也必然改變。

在電影中，保羅的算法是通過統計指標來判斷無數個球員，在無數個比賽中的場上表現，這是一個海量的計算量，人腦的支持有限，一定需要數據技術的參與。

同時，其分析球員的“投手防禦率”（ERA），“上壘加長打率”（On-base plus slugging）等，需要剝離人的主觀影響，十分客觀地將球員的防守力、攻擊力

在生意中，比利的故事其實天天都在上演。今天老闆面臨的是海量的媒介渠道，海量而分散的用戶，還有無數個代理商提出的各種策略創意，但卻是有限的預算。

老闆們的現狀往往和比利當初的境遇一樣，請不起一線，玩不起海陸空資源爆炸的“錢多制勝”。

那麼核心的問題來了。

在市場營銷中如何使用“保羅算法”？如何通過數據與算法，在海量的信息中，找到真正的市場，真正的洞察，真正的生意？

03

如何找到生意中的“保羅算法”

從Loser到winner，保羅通過數據算法將合適的人組合在一起，形成新的隊伍和每場比賽的打法，最終取勝。在生意中，則主要是將合適的洞察組合在一起形成戰略戰術，指導實戰，最終取勝。

1.洞察決定勝率

無論是怎樣的一場營銷戰役，洞察始終是成敗的關鍵，就像電影中的球員一樣重要，可以理解為洞察決定“勝率”。

所以要找到營銷中的“保羅算法”，就要先理解“洞察”到底是個什麼鬼？

這裡不得不祭出一張史詩老圖。

在營銷行業中，這座冰山的上方，就是創意、媒介、客戶管理等等消費者能感知到的內容，而冰山下方的洞察，則幾乎是營銷公司作業的起點

因此，當“洞察”越精準越有效的時候，傳播戰役的勝率也就就越高。

2.數字不產生洞察，算法模型產生洞察

洞察來自數字，但不是說給你一堆數字就能找到洞察了。

數字不產生洞察，對於數字的解讀——算法模型才能讓你貼近真相。

保羅是通過一套算法，將無數個球員在球場的“投手防禦率”、“上壘加長打率”等表現，算出優勢去組建隊伍，同時根據敵方球員的劣勢去制定不同的戰術打法，是獲得成功的核心。

在今天的營銷環境中，我們面臨的又是什麼？

①快速出現的“新市場”，找到生意點：

數字世界讓更精確的需求可以被滿足，長尾市場也有足夠的商業機會。新的品牌可以切分更細的人群需求，從而賺錢。

在這種情況下，消費者所產生的數據將非常有價值，反映了消費者最真實的需求和想法。快速洞察真實市場，抓住或者引領新需求，成為抓住“新市場”的關鍵。

②在習慣傳統規則的“老行業”中，找到另一種可能性：

過去大部分行業的營銷洞察，主要是靠專家經驗，其中依賴的數據量主要指的是調研數據，或者個人在工作生活中積累的經驗，數據的量級非常小，由此生髮的洞察比較依賴人腦的計算和加工能力。

但今天在數據爆炸的世界中，人腦對數據處理的效率，完全無法跟上市場變化。這個時候如果你沒有預算做到“資源爆炸”，或者只是依靠人力去判斷，“勝率”是無法得到保障的。

也就是整套營銷體系在求“快”求“準”，商業需要新的工具——去升級傳統的經驗與市場觀察。

所以，在今天的市場環境中，洞察是散落在數據汪洋中的細沙，機器算法（AI能力）是新的工具。

3.頂峰“勝率”：專家團隊+數據決策系統

機器的算法固然重要，但這並不是在鼓吹機器就成了營銷的唯一。

在營銷行業中，始終是以人的“智慧”為核心價值，數據決策系統更多的是支持和輔佐。

回到影片中，在保羅算法出現前，比利曾召開了一個內部“救急”會議，開會的都是一些歲數比較大，在棒球行業呆了多年的資深專家們，一起在討論招募哪些新隊員。

這些人，就是典型的專家團隊。他們有豐富的行業內經驗，可以做出相對專業的評價與選擇，但缺點是他們的決策往往帶有強烈的個人色彩，不夠客觀。另外長期的從業經歷，也使得他們有一定的思維固化套路。

而保羅出現後，他提出的是一套數據決策系統。這與專家團隊的區別是，數據決策系統完全客觀，用數據說話，沒有個人主觀意識參與，能夠更好的輔佐專家來預判洞察。

因此我們要認識到，數據決策系統的位置，不是取代專家，而是幫助專家作出更好的決策。

可見，營銷行業中要拿到頂尖的“勝率”，一定是一種機器提供的洞察能力，再去跟營銷人專業的直覺、洞察創意進行結合，以“數據決策系統”+“專家團隊”的打法，才是制勝的關鍵。

04

數據算法應用的三個典型實戰

在數字爆發快速變化的環境中，如何找到生意點，在傳統的規則中，如何找到新機會，數據算法如何落到實戰？

以下三個時趣的實戰案例，就分別從宏觀、中觀、微觀三個層面，解讀了數據算法幫助專家作出更好決策的典型實戰。

1.宏觀大趨勢

生意機會其實是一種“軌跡”

在數字爆發帶來的變化是飛速的，品牌找到生意點的答案之一，就是軌跡，軌跡意味著掌握事物變化的規律性，從而擁有商業的預見性，從而找到生意的機會。

在專家經驗中，一般只能通過數據判斷出當下的情況，但是在時趣洞察引擎的案例中（下方視頻），卻可以看到為美妝行業在分析“成分”這個細分的洞察領域中，能夠看到“成分”發生著哪些變化，這些變化的意義不光是當下產生的變化，而且是變化的軌跡，為品牌找到更加符合消費者預期的成分詞營銷賣點。

人是無法看到這些變化軌跡的，只有通過機器的專業算法，才能夠將化妝品成分的軌跡趨勢記錄。同時這個成分洞察軌跡，還可以發現美妝行業每一天的消費者品牌關注度，發現快速增長的競品，多維度對比品牌和競品等等。為品牌提供更清晰的傳播策略，甚至是影響到產品的生產環節。

2.中觀小趨勢

如何將1000萬元預算拆成50個20萬預算？

換做習慣傳統玩法的行業，又如何找到自己的新規則？

汽車行業似乎是最難數字化營銷、品效合一的行業，而利用“保羅算法”，卻也能找到全新邏輯。

汽車行業最傳統的營銷“勝率玩法”，是用幾千萬的大預算砸一個整合營銷的新車發佈會及會後的傳播及促銷；不是它們不想像快消那麼玩兒，而是由於營銷鏈路太長，無法快速產生實時數據洞察，並及時調整。

在碎片化的媒體、分割的消費群體中，汽車行業如果要學習快消行業的玩法，將一筆大預算拆分成無數個小預算，分批次、分渠道、分受眾去用幾十個小創意投放，就一定需要數據的幫助，

舉一個例子：

在時趣服務的某汽車品牌項目中，決心將一個幾千萬的傳統新車發佈會預算，拆解成幾十個小的campaign，利用抖音、快手及線上線下的整合營銷，一步一步的做動態聯動的、基於大數據的“類快消”創新的新車上市發佈項目，並且將效果直連銷售。

首先，這個項目根據數據算法，分析出該車型的同類競品在過去一年內所做的所有營銷戰役、人群受眾、效果，從中梳理經驗和教訓，確定這款車型的用戶畫像、目標市場及整體打法方向。並確定加入抖音快手這樣的創意方式，用大數據確定“講4S店故事”這樣的創意方向。

其次，在線上具體的創意落地上，選擇符合目標受眾的kol及內容，並做區域市場的快速測試。例如，選擇東北的KOL，在東北市場進行抖音、快手投放測試，短視頻直接導流線下試駕；

然後，通過“洞察引擎”進行連續的算法判斷：如果區域投放取得較好的傳播結果，項目就會快速將創意跟進推送到另一個平臺或地域，持續不斷的將優勢案例的傳播效果滾出雪球。相反，如果傳播效果並不好，就會立即根據數據反饋出來的問題快速調整，幫助優化傳播策略。

當然，同時輔助的，還有傳統的線下活動、線上口碑廣告投放等等。在這種戰略戰術之下，這個案子僅僅在三個月後就收到了效果：在汽車第三方平臺的公開統計中，該款車的銷量衝上榜單，超越了過去傳統營銷的成績。

可見，專家團隊+數據決策系統的出現完全改變了傳統行業的單一玩法，連最“難”的汽車行業，也能改變與升級營銷戰術，從而突圍。

3.微觀執行

如何於百萬人中快速確定12個場景營銷創意？

隨著媒體渠道增多，人群興趣破碎，大創意終於走向了碎片創意。

在時趣服務某手機品牌的案例中，主要是想傳遞“視頻防抖”的功能，但這個功能往往只侷限在專業的極限運動中（如跳傘）等，雖然極限運動類創意也會取得不錯的成績，但始終無法打動品牌真正的目標消費群。

為此，要激發用戶對“視頻防抖”的需求，就需要龐大的數據支持，去分析消費者在日常生活領域的各個視頻“防抖”需求，並通過這些真正的需求將核心創意打碎成不同的創意，去影響不同的圈層，真正讓手機“防抖”走入普通消費者的認知中。

於是在這種需求下，時趣洞察引擎通過海量的數據快速分析出了百萬消費者12種常見的“視頻防抖”運用場景，並根據場景的特殊性算出匹配度更高的KOL，最終為品牌產出了12支創意，完成了出色的傳播效果。

在這些案例的誕生背後，時趣正是典型的“專家團隊”+“數據決策系統”組合的營銷公司。專家團隊指時趣各個領域的資深營銷專家；數據決策系統是指“時趣洞察引擎”，以商業決策關鍵要素為核心，整合跨平臺、全量、全過程的公開數據和商業數據，面向商業決策的應用場景，分析建模、構建知識圖譜且持續更新，實現跨週期、多維度、多場景的數據洞察，輔助專業工作者高效商業決策。

這樣的組合下，營銷項目的落地模式就是在數據算法的幫助下，為品牌提供有數據支撐的“品牌策略”、“消費者畫像”、“創意內容”、“媒介選擇”、“戰役監測、覆盤”等方面的服務。

在未來，時趣相信營銷的趨勢是「誰的洞察更準確，通過洞察產生的內容更多，內容節奏更快」將會成為營銷比拼的關鍵所在，數據和算法將在其中發揮巨大的價值。

閱讀更多 快刀財經 的文章

關鍵字: 人工智能 大數據