吉宁博士观点
智能设备、大数据和先进的分析学给公司提供了一系列我们称之为“行为技术”（Behavioral Technology）的平台。这些平台能让公司从行为学角度更好地了解客户所进行的活动和他们的偏好，为公司创造出提供私人定制产品的可能性。
想要360度全方位了解客户，我们需要全面了解客户的“数据库”。这个数据库使用行为技术来定义、收集和整理针对个人的所有数据。从最大的程度上来说，任何一位客户都与以下3种数据有关联：
1.私人数据。私人数据完全归个人所有，不属于任何第三方。它包括：手机上的备忘录、笔记本或者平板电脑硬盘数据、照片音频等多媒体数据，以及运动器械和家用电器中储存的个人器械数据。这些数据在未获得许可的情况下，任何第三方都接触不到。
2. 内部数据。内部数据指的是公司掌握的个人数字化信息。传统意义上来说，它包括了基本的交易数据，例如发票和与其相关的元数据。对于某一位客户就是他的类型、购买地点，对于一张照片就是它上面记录的拍摄时间、版权所有以及联系信息。然而，客户使用的智能设备大大增加了内部数据的覆盖程度。安全监测系统就是一个很好的例子，每当传感器监测到一项活动，家庭安全监测系统会将数据传送到公司；车里的监测系统会将车的运行数据远程传送给制造商，并且将司机的表现数据传送给保险公司。
3. 聚合数据。聚合数据指的是所有公司掌握的关于某一位客户的数据集合。它包括了客户个人数据库的方方面面，但数据会分散成为许多细化的数据库，每一个细化的数据库会由不同的公司、政府机构和其他组织掌握。聚合数据的形式十分多样，器械数据、音频、影像、交易以及追踪数据等都包括在内。
其中，私人数据和客户愿意分享给第三方的数据间是有重合的。国际数据公司（IDC）的相关数据显示，一位典型的美国白领每年会产生180万兆字节的数据，包括个人的媒体数据、办公数据以及工作数据；同时这些数据也在移动网络或者互联网中不断流动，从而产生新的数据。
通过对50个企业高管的访问和研究，我们发现这3类客户数据之间存在不同的关系（见图1《客户数据360度模块图》）。因此，企业必须了解这些数据之间的关系，努力获得更多的客户或者潜在客户的数据库。一般而言，这种努力会经历3个阶段。
第1阶段：理解数据之间的关系
要想最大化发挥你的客户行为数据库的价值，第一步，需要对公司内部已有的数据进行分析，检查公司系统，评估主数据（master data）以及主数据的管理系统；同时也要检查一下商务智能数据库以及保存下来的档案数据。第二步，评估公司现有客户数据之间的关系。第三步，企业需要评估从现有目标客户群可能获得的聚合数据资源。
第2阶段：建立数据语料库
在画出现有数据的分布图，评估企业在数据方面的可能性之后，企业就能对这些数据进行更深的研究分析。客户数据最基本的3个分类是私人数据、内部数据和聚合数据，我们发现了它们有以下4种交叉关系：
● 共享数据。共享数据指的是客户在交易数据之外主动和某个企业分享的数据。例如用户自愿花时间回答问卷，帮助Netflix完善电影评价系统。这些数据超出了企业传统意义上的客户数据类型和度量。这些内容更加丰富的新共享数据对企业来说更有价值，因为它可以帮助企业挖掘区别于竞争对手的客户关系。举例来说，电商总是鼓励客户创建“愿望清单”，社交媒体公司使用“赞”来进行类似的数据收集，英国大型零售商Tesco成功收集到客户过去十几年在Tesco超市购物时使用的会员卡数据，并且通过Tesco旗下的数据分析公司有效地将这些数据挖掘、分析和销售了出去。
● 常用数据。每一位客户每天的日常活动都会不断地被数据跟踪。这些数据就是客户的常用数据，它由与客户互动的那家企业所掌握，也充当了该企业的内部数据。例如，公共设施的支付数据、信用卡支付商家的数据，以及智能手机的地理定位数据。在大数据时代，这些常用数据正在以指数级别增长，但是很多企业并没能跟上数据增长的步伐来收集和保存这些数据。因此，想要做到从原有数据资源到理想数据资源的飞跃，企业必须认识到客户常用数据的存在，找到收集和保存这些数据的方法。荷兰皇家飞利浦电子公司（Royal Philips NV）所开发的 LED 智能室内定位照明系统，被法国大型量贩商家乐福（Carrefour）采用，导入法国里昂分店，透过该技术可即时监测客户位置，传送客户所需的商品信息、地点和优惠。客户只需要在手机上下载软件即可享受定位服务，这样实时传送、收集和利用客户的常用数据就能获得更具影响的效果。
● 开放数据。共享数据和常用数据都包含了一个特别的数据分类：开放数据。这是客户和任意实体共享的数据，由于它是完全公开的，因此企业也可以使用。政府层面的大型数据库就是向公众开放的，其中包括了版权数据、财产税数据和房屋销售的信息。仅仅美国政府就向公众公开了13.2万个数据库，欧盟也在其开放数据门户的项目中公开了8480个数据库。
● 来源数据。来源数据指的是企业从第三方购买到的客户数据。比如你可以购买阿里巴巴蚂蚁金融享有的3亿支付宝用户以及3700万小商户的信用评分数据；也可以从美国商业智能和数据库营销Acxiom公司购买它们号称拥有的320亿条消费者数据记录。智能设备产生的来源数据增长迅速，与其相关的协议条款和标准也比较成熟。阿里巴巴、京东和百度都为想要收集、分析和销售数据的客户提供了基于云服务的设备连接、应用和储存的解决方案。
第3阶段：深入洞察通过数据建立关系
通过上述方法定义了客户数据以及关系之后，企业可以通过下面3种方法深入洞察、深化发展这些关系。
1.自我表露。图2中显示的“告知”方法是基于技术来实现的，它鼓励用户自我表露、自我生产供企业使用的大量信息。领先的数据驱动公司，比如Netflix的用户自我表露程度就非常高。它们成功的关键在于企业和客户之间对数据公开的信任基础非常牢固。和其他美国传统广播电视公司不同，Netflix不会向第三方公开用户的信息，它的用户数据完整性高、隐私性强，管理实践经验也很丰富。
在用户信任的管理框架内，移动数据通过智能联接设备的连接传输，降低了用户自我表露的间接成本。亚马逊推出的Dash，一款外观类似手电筒的硬件产品，内置激光扫描器和麦克风。在使用它之前，你需要将其与家中Wi-fi连接，并且能关联你手机上的Amazon Fresh账户。轻轻一按dash按钮，扫描家中的任何一件商品，或是按住语音按钮说出你要购买的商品。比如如果你想要买洗衣粉，你可以在洗衣机旁边按下dash按钮，通过dash输入的产品将会同步到Amazon Fresh的购买清单，你可以在随后通过手机授权统一结算。这让亚马逊对于采购价值链的了解更进一步，同时能够更加准确地掌握客户的购买习惯。
与亚马逊一脉相承，谷歌Nest的智能恒温器可以让客户远程遥控家里的温度，并且还连接到了公共事业公司让客户了解电费的实时消费信息。作为对客户这些自我表露信息的回报，谷歌会提供自动化能源效率服务并推荐相关产品。还有其他一些即将上市的智能产品也会被用来获取客户信息，强化客户关系。深圳欧瑞博（ORVIBO）智能家居创新的智能传感和家居安防类产品，包括智能燃气报警和智能门锁系统等，保险公司会以较低的保险费鼓励客户使用这样的智能家居系统，同时监测这些系统来降低风险。
2.征求数据。如图3所示，“询问”的方法是主动地、有选择地向客户征求他们私人数据的部分信息。这可能是客户的偏好数据、电脑中的日程信息或者社交圈信息等等。另外一种有效的数据驱动是向客户征求他们自己都没有意识到的数据。例如，利用已有的数据来分析客户的偏好。美国潘多拉网络电台就使用这样的方式给客户的手机APP提供个性化的音乐。获取这样的数据，企业就可以用来推广相近品类的产品，同时找准核心领域提供有价值的内容。企业和客户的关系也会在变清晰的同时更加深入。
同样，智能设备能够提供关于客户更多种类的环境数据和行为数据，客户以前并没有意识到这些数据的存在。例如，汽车的引擎管理系统能将数据传送回生产商或者第三方，然后反过来提供给客户关于他们行车路线和车载诊断器的宝贵意见。智能手环和智能手表也给企业提供了有关客户个人行为的有价值数据。医生可以更加紧密地检测他们病人的状态，保险公司也可以降低与积极健康行为相关的保费率。纽约保险公司Oscar给那些佩戴Misfit手环的客户提供奖励，手环上的数据可以免费使用，它会同步到客户的智能手机上。每当客户完成了手环测量的当天步行目标时，Oscar公司会奖励他们1美元。
3.共享发现。如图4所示，这种“发现并连接”的方法主要是发现那些客户都不了解的关于自己的数据，或者至少是不会主动意识到的数据。因为客户自己不了解，即便他们想要分享这些数据也无法实现。宜家就使用了一种餐桌摄影机系统来帮助客户了解自己的做饭习惯，该系统会记录食物摆放的位置，然后提供建议的选项。而连接客户采购数据和智能食物储存器数据的Drones机器人会直接拿给客户任何他们漏掉的食材。宜家认为他们的客户会愿意这样储存食物以保证食物的新鲜度和避免浪费。最后，餐桌也有感应加热系统，可以保证食品以完美状态呈现。
共享发现还会发掘第三方享有的大量数据库和数据流量，并将这些数据相互连接起来，这样对于某一客户或者客户群的洞察就能更加深入。将这些分散的数据联系起来，预测分析客户未来行为才会成为可能。比如一些超市可以通过拼接这些分散的数据，发现在遵循“原始人饮食法”（以肉食为主，不吃粮食，不喝牛奶；没有烹调，全面生食）的客户群，即便这些客户自己可能都没有意识到有这样的饮食习惯。超市还可以通过数据进一步推断这一客户群的生活方式——可能是像原始人的积极运动类型。根据这些了解和推断，超市可以推送一些客户没有意识到的与其生活方式相关的产品。当你将这些信息推送给客户，很有可能会激励他们分享更多的私人数据给你，这样就形成了一个相互分享，共促了解的良性循环。
线上基因搜索公司Ancestor.com使用这种数据分享的方式获得了很好的效果。它用“小贴士”来绑定客户的信息分享，客户分享的信息越多，获得的相关提示就越多，客户的信息树也会越来越丰富。
如果遵循以上3种方式，企业就能够有一个完整的结构框架来分析客户的行为数据。这些方法可以帮助管理者为数据库创建和发展设定明确的目标，掌握与客户以及其他外部机构合作获取更多数据库内容的有效方法，并且能提升企业和客户之间信任基础，让双方认同共享价值主张。（齐菁 | 译 时青靖 | 校 李剑 | 编辑）
罗伯特·普兰特是迈阿密大学（the University of Miami）商学院计算机信息系统副教授。
