T行神州总第36站北京车展站TKP陈宇新教授的报告获得现场汽车营销人一致好评，现将其报告精华节选与T圈分享。
陈宇新博士现为上海纽约大学杰出全球商学讲席教授，北京大学光华管理学院杰出特聘教授和复旦大学管理学院“数据驱动管理决策研究中心”首席顾问。加盟上海纽约大学前，陈宇新教授曾任美国西北大学凯洛格商学院PolkBrothers零售学讲席教授以及市场营销学终身正教授，纽约大学斯特恩商学院终身教授，及中欧国际工商学院，长江商学院，香港科技大学，及新加坡国立大学等校的访问教授。
陈教授的研究领域主要涉及数据驱动营销,互联网营销、竞争战略，及行为经济学等，他在国际顶级学术期刊发表学术论文30余篇，应邀在全球知名商学院讲演50余次，并曾获FrankM.Bass最佳营销学博士论文奖、JohnD.C.Little最佳营销学论文奖，INFORMS营销协会长期影响提名奖，PaulEGreen最佳营销论文奖等国际学术荣誉。目前，陈宇新博士是国际营销学及管理学顶级刊物《营销学研究期刊》,《营销科学》、《管理科学》和《定量营销和经济学》的副主编,及《生产与运营管理期刊》的高级编辑。陈宇新博士现还担任INFORMS营销协会顾问委员会理事。
陈宇新博士曾在其2002的《营销科学》学术论文中成功预测第三方汽车电商在美国的发展走向，并在2008《管理科学》的学术论文中对美国汽车的零售价格进行了实证研究。目前陈宇新博士在汽车领域的学术研究主要关注利用网络大数据对汽车销售及消费者偏好的预测。
陈宇新：今天非常荣幸在这里跟大家探讨一下汽车行业的大数据与精准营销。我实际也是中欧老朋友，2012、2013年在中欧访问一年，英国前首相卡梅伦是上海纽约大学驻校专家。我今天分享的是关于“汽车行业的大数据与精准营销”，以前做过汽车研究，从网上销售模式，到网下车主跟厂家议价的过程。
大数据主要是我研究的兴趣所在，包括其他行业大数据研究在内。所谓数据3V体量巨大、数据非常多样、数据处理也要实时快速处理。现在大数据越来越普及，所以从3V进入3I：数据与战略的结合、商业与技术结合、分析与优化的结合。待会儿我会给大家讲到，怎么样做到三种结合。
我们今天主题是大数据、电商和精准营销，对精准营销而言，大数据微时代，最早是《中欧商业评论》提出的概念，什么叫大数据微时代？一方面我们数据越来越多，另一方面正因为数据多了以后，可以看到各体系细节，互联网和大数据使着对个体顾客测量优化和营销传播变成可能，这样可以用大数据做精准营销。汽车行业正是是我们大数据微时代淘金梦想之地。这里边有很多原因，一个车联网有很多数据聚集在里边，另外买得起车人往往在社会中产阶级以上，买车消费者也是电商理想目标人群，因为他的收入水平已经达到非常高的水平，这两个一结合商机就非常可观。至于大数据微时代营销有哪些特点？
1、依据顾客行为而非想法的营销决策模式。以前传统做营销调查做一个调查，你喜欢什么，现在不需要问，往往通过他们搜索行为，他们想购买什么、想搜什么，反馈出来他们的偏好。使我们大规模个性化做营销。
2、个性化：以前抽样几千人最多上万人，不可能做到每个人都抽样、问一下，现在行为大数据手段可以做每个人个体性。
3、连续性：现在大数据互联网时代技术可以非常可行，连续的。
4、实时性：上电商网站马上知道他拥有什么车品牌的人，实时可以做一些推介。
5、互动性。
6、可测性：顾客方方面面可以做到可测性。
7、可试验性别，以前我们做一下比如降价、推送广告更多是判断，现在不需要做判断，可以试一下，有一些人给一批广告信息，反应不好换一批信息，非常快速做实验，通过试验得到优化的结果。
8、数据积累的正反馈效应。做的越精准消费者越多，数据就越准确，大数据成为市场准入的一个门槛，像BAT、Google、苹果、脸书为什么势不可挡？就是数据带来的震撼效果，以前所谓做大不一定做强，在数据时代做强和做大变成正相关关系，这是非大的战略趋势，BAT大量的并购在发生，目的就是为了做大，数据来源就比较广泛、数据精度就好，可以变得更强，正反馈效应不断积累当中，这也是大数据微时代营销非常重要的特点。
从这个角度说，电商与汽车大数据的结合，将是大势所趋。中国有非常大的电商像阿里50%电商体量，汽车也是非常重量级、有实力的企业，这样结合带来精准营销的前景。我觉得这一对也很班配的。虽然前景非常好，但是丰满的理想和骨感现实还有一些问题存在，这是我总结的现实与理想的距离，大数据营销应用的现状：
1、说的比投的多。
2、投的比做的多：很多时候投入但是并没有继续做，特别是大型的国企投入很多资金，建立部门、雇佣很多海归的博士，但是并没有真正做什么。有一个企业雇三十多个海归，但是一年下来海归没有看到数据。
3、做的比懂得多：做的取得很多大数据、有很多数据报告，是不是理解数据背后到底给我们什么信息，不一定。
4、懂得比赚的多：虽然很懂，但是目前刚刚起步大家是投入，赚的并不那么多，我们T行神州懂的多，但是每多一位参与就多亏损800多元。
5、今后我们赚的比现在想的多。为什么？因为大数据外溢性非常强，一个数据可能从汽车搜起来，但是会用到电商、下次用保险、下次用到医疗，一旦数据被取得以后，它的应用方面可以往往超出我们想象，今天想不到数据以后在什么角度、什么方面产生体现的价值，今后赚的比现在要想象的多得多。为什么大家拼命讲、拼命投、拼命理解它，拼命做一点事情，因为无限的商机在背后。
今天我想重点跟大家探讨的是，根据这样的现状，很快我们比较光明的前景，我们怎么样把光明前景实现出来？这就是我今天想讲的重点，怎么样成功实现机遇大数据精准营销，特别是汽车行业如何做到这一点？这里边有三个方面想讲一下：
1、养成大数据的思维方式，我们思考方式、看待管理问题的方式、管理创新的方式有待于大数据思维方式来。
2、目前大数据应用当中也有潜在的问题，不是数据越多越好，不是有了数据一定能赚钱、产生商业价值，我要讲大数据精准营销有三大陷阱。
3、对未来预测，现在是群雄并起的时代，车商、电商、保险公司、第三方从移动运营商、智能手机开发商等，很多很多行业进入汽车大数据运用中来，最后到底谁会胜出？哪一个行业是汽车大数据运用的执牛耳者？这是我们想探讨的。
对于汽车行业的大数据定量思维表现人、车、环境三个来源。所谓汽车大数据人不一定就是车主或者驾驶，还应该包括乘客，很多这个车并不是一个人在里边，为什么乘客声音最重要？乘客可能无事可做，掌握乘客数据同样非常重要，包括这些人是谁？做什么事情？想什么？通过他们行为判断偏好，基于车的数据，还有车外环境，不光路面，还有经过什么地方，旁边有什么餐馆、旁边有什么加油站，或者旁边有哪些旅游景点，这些都是需要我们采集的可能性。
这些就是对车联网采集的数据，从人到车、到环境都可以量化，都可以转化商业前途和价值。来举一些例子，这些都是应用。比如地图，把车和环境相对接的过程，有车的信息，又提供环境的信息。这是美国一家保险公司，他们的做法在车内，你要买保险，在车了加一个跟踪器，根据行使状况提供保险费用。加了定位器保险公司把这个数据拿去了。还有米其林从环境出发，本来做车的轮胎，环境有什么样的餐馆，把数据收回来，美国汽车协会也是跟环境相关，哪些饭店、哪些旅馆比较好。还有一个智能手机芯片厂商，在美国长途货运车做一个芯片，可以全球定位、可以调节物流和运输，这也是一种例子。这些都是跟车有关，通过数据的采集，从不同的角度切入跟车有关的应用来。
前边讲的定量，还有跨界思维。有各种跨界方法，一种不同媒介、不同渠道之间的跨界，比如从O2O或者到移动到线下，基于地理位置的营销等，这些都是跨界的思维方式。不光属于渠道、媒介之间的跨界，还可以一些商业模式跨界，或者数据应用的跨界，这也是很有意思的例子，跟车有一定关系。这个网站GrubHub几十亿美元的估值，他的做法本来很简单的商业模式——订餐，可以送外卖，但是他多想一步，送外卖过程当中，实际提供加盟的饭店一个小的跟踪装置。美国送外卖是开车，车上有一个装置，你外卖订什么菜、另外跟地图相结合，通过这个之后，现在变成餐馆行业物流和运营咨询公司的地位。通过订餐情况就知道大概什么样东西卖的好？就告诉你星期二进什么原料，星期三应该做什么餐，告诉你要送餐走什么路最好，往往送餐根据自己的经验，他根据交通时点算出来你应该走那条路，到客户那边把客户数据收集出来。从简单的第三方订餐平台，变成对餐馆行业起很大的作用运营咨询服务商，把估值一下上去。跨界思维带来的价值提升。开始他没有想到从这个赚钱，但是数据收集来就知道还能做什么。
最后我讲一下实验思维，我怎么来测试网络？这是我跟一家公司做的一个项目，第三方推荐引擎，之前广泛推荐企业最多销售10%来自推荐，是不是说明推荐就是有效？不一定，30%销售来自于推荐，但是不知道不推荐真的少于30%，有的时候你不推荐也会买这个东西，真正效果在什么地方？我们做一个，花几天时间，消费者上网站的时候，一半消费者给他看推荐的东西，另外一半消费者不给他推荐，但是我们记录下来，几天功夫，这两群人跟踪半年的时间，我们发现短期这两批人销售没有多大区别，不看推荐80%还是买本来想推荐的东西，20%买其他东西，总的消费不变。但是半年之后长期跟踪，哪些没有给他推荐的人？一次没有看推荐的人，半年之后这些人来网站频率减少、今后购买减少。推荐短期效益不那么明显，长期效益非常明显。这也是从数据看顾客心理，原来推荐除了当场起效果之外，还有增加你购物的体验。现在没有这个需求，不想买你推荐的东西，但是看了推荐之后觉得你对产品选择符合我的吻合，这样的话想到买东西就想上你的网站，因为你的网站符合我的风格，就有长期的效应。而且帮助推荐引擎本身改变商业模式，现在购买一次点击一次需要掏钱，现在等于先收固定的钱，每次点击收多少钱。大数据情况下可以做的非常快，一天功夫就可以比较知道效果出来。刚才讲到大数据思维纬度。另外我想强调一下大数据精准营销应注意的三大陷阱：
1、有数不一定有据，看中文解释，数和据解释不一样，问题根源数据代表性和潜在的样本误差，很多时候数据虽然大，但是我们看到还是有误差。汽车车主年龄分布不一定完全一致，大不一定表明代表性，这是容易进入的误区。解决方法常识、逻辑、统计分析解决。我们应用大数据需要什么样统计或者逻辑背景，跟三层境界相关的，一个描述，看这些人做什么事情？把描述做好重要的样本的代表性，我们描述这些人跟心里想的目标人群是不是一群人，这是关于描述，第二，进入预测，对相关性做理解，第三境界就是优化，优化必须出来理解因果性。大家都知道冰淇淋销量跟一个国家火灾频率成正比，但是不能提供优化，只是背后有天气原因，这个原因驱动两个原因，天气不一定知道，但是火灾数据很容易拿到，但是不能做优化性，优化需要因果性、预测需要相关性，描述关键在样本的代表性，应用大数据的时候要有这个概念。
2、大而不全的问题。往往我们收集数据的时候，自己数据收集非常多，但是竞争对手数据非常少，你买上汽，你是干嘛的知道很多，但是这些人买上汽之后是不是选择通用？不知道，往往我们决策被数据量引导，我了解数据这一块数据很多，用这一块数据往往了解不够全面的。解决办法就需要做到跨界，收集企业之外的数据，补充自己企业的数据，或者网上评论拿一些数据，企业内部数据的打通，从营销到销售、库存数据共享解决这样的问题。以前给银行做过信用卡，当年美国花旗银行看顾客的刷卡量，五类顾客年刷卡金额，第一和第四比较好，这是在我这里刷卡情况，你不知道其他家怎么样？但是买全类卡之后，理解不一样，通过大数据建模的方法测出他们总花费，这是在花旗花钱金额，可以看到花旗的总比例。光看自己一栏，一四挺好，看总的栏，二三潜力非常高。哪些客户需要瞄准概念发生变化，把数据看全了，整个营销策略都会有非常不同。往往这边有非常多数据，不需要看别的，银行几千万客户每一笔数据都有，但是大不一定全，光看这个大数据出来结果并不知道真正出来好的精准营销。这也是汽车跟电商结合、汽车跟社交媒体结合，通过跨界把数据做全才能把精准营销做的更好。
3、在营销当中最注意的问题，往往大家不一定引起关注，也是在大数据营销里边特别容易陷入的陷阱，就是内生变量模糊因果关系，我们大数据介入消费者购买过程当中，对消费者真实偏好和价格测量变的越来越困难，大数据用的越多，大数据价值某种意义上变的越来越小。测量本人干扰数据的真实度，使数据变的更小。大家知道非常有名的故事，就是《纸牌屋》后边制造商，曾经有顾客投诉《纽约时报》，我不是同性恋朋友，但是整天收到同性恋推荐。跟内生变量模糊因果关系有关，他怎么做的？你本来一个同性恋电影，我觉得你可能有这样偏好，下次再推荐同性恋影片，消费者想既然你推荐我肯定有道理，又看一部，从他分析角度你看了两部，说明我判断很准确，再看第三部。消费者你又推荐一部不知道又看，看了第三部第四部又来了，不看了，前面三次都看了，第五次又来了。取决于你对消费者偏执，道理就是内生变量模糊因果关系，往往区分偏好，是自发情况下形成偏好，还是偏好由你激发出来。比如微博知道这款车年轻时尚人喜欢，这个判断是对的，另外的广告做法是，营销策略本来面向年轻时尚，最后网上看到年轻时尚喜欢这个车，反过来我的车就适合年轻时尚的人，可能年轻时尚在网上的表现本来就是你激发出来，并不是他的表现。你觉得他们这样，实际他们行为是你企业营销发掘出来，并不是没有干扰下出现的，这个模糊关系，使精准营销发生偏差，这也是非常重要的陷阱，我们知道企业做哪些事情？哪些是在没有干扰情况下做的偏好表现？哪些是诱发偏好表现？解决办法定期使用试验手段，现在《纸牌屋》作者就是这种判断。
前面讲到我想再提一下，从商业模式和前景来说，基于大数据精准营销到底谁会胜出？要理解这个问题，在大数据赢家至少具备以下资源优势其中之一：产品优势，或者产品大家喜欢，或者你对客户特别了解，还有数据来源特别多，还有平台优势，你的平台必须别人不能替代。必须四分之一成为汽车的大数据运用最终赢家。我之前做汽车电商模式研究，99年把文章做好，当时投到杂志说你的判断错的，第三方网站汽车销售电商不会崩溃，但是到2002年确实几个商业模型崩溃，崩溃后马上邀请我赶快把这个文章发表出来，其中代表性公司，当年股价99年250元到现在13块，当时他们在网上提供汽车销售模式，在网上报价通过网上下单做，确实增长不错。我们研究发现，开始做的时候把价格敏感的消费者吸引网上，网下竞争不那么激烈，把价格敏感从网下抽走以后，整个价格是往上的趋势。4S店、渠道很愿意配合，当你网上人群不断增加，到一个点开始反转，网上人足够之后，网下消费者发现网上购买更加便宜，网下人群大量流失到网上，这样网上变成价格竞争的洼地，这样的话前边得到反转。本来把价格敏感抽走大家不竞争价格，本来不愿意看价格，越来越多人成为价格敏感者，行业利润就下去。作为第三方汽车销售的提供者利润也就减少。他的利润不断减少，到一个点上商业模式崩溃了。
现在公司从网上卖整车模型变成软件提供商，帮助4S店做软件服务。美国有他的特殊性，根据法律最后车还是从4S店出去，这一点给我们启示，看到今天的成长，想最后成长逻辑是在哪个地方？回到前边讲的，在现在汽车大数据营销方面，最终谁是赢家？一个电商优势显而易见，因为数据非常大，电商占数据优势无可比拟，第二电商有平台的优势，有各种各样在电商上卖，而且集中度很多。但是车商机会在哪里？车商特点相对分散、每个车商份额不是像电商那么集中，行业当中跟电商议价能力、垄断能力没有那么强，车商潜在优势是产品优势，你要把产品做的特别好，而且整个车联网，大家觉得这个产品跟车的联系是不可分开的，比如特斯拉的做法，我买车，就买车背后互联网服务，背后数据属于车商，否则车商必须和其他方合作才能把电商做起来。消费者在天猫选择这么多，干嘛在车商店面买这些东西。
还有保险公司，保险公司有很大的优势，有客户的优势，你要买保险，个人信息、财务状况非常全、非常多，从保险公司角度说，他们想的切入办法是从人出发，保险可以打包销售之后，想办法对车主做了解，不管你上不上网，法律规定必须买保险，用户代表性非常强，弱点是保险公司集中度不是高，如果进一步增强，在这个领域切入实力比较大。美国一般几家保险公司非常强，最大在车险50%份额，有非常强的竞争能力在里边，实际客户的优势在背后。
还有其他方能否出奇制胜的问题，比如苹果从手机这一端进入，车上互联网做的水平能不能超过智能手机水平，用手机更加便利，车内互联网没有便利就竞争不过手机。还有地图的应用也有很大的潜力，包括运营商、搜索引擎都是潜在，搜索引擎掌握很多顾客的数据，特别是当搜索引擎跟地图结合，车和环境之间互动还有优势所在，甚至像大众点评第三方看似跟车比较远的提供商都有潜力所在。一方面大家需要服务，车外住宿、吃饭服务，潜在的优势行业垄断性，他份额很大数据就比较全，现在只是占跟车相关的商业活动非常小的一块，但可能是最全的，根据这个做一个平台，来进入到跟车辆相关的电商里，有很多这样的机会。
目前来看在中国，电商这一块跑的比较快，主要他们大数据做的比较强，保险公司是传统思维，车商应该是第二位，他们非常现实、非常直接，保险公司在中国动作慢一些，第三方有些动作，但不是很明显，目前来看可能电商和车商之间的博弈，以电商为主导还是车商为主导是今后的方向。自己感觉目前来看电商比车商盈利大一点，很难说未来有其他方脱颖而出的可能。不管如何，谁是赢家，笑到最后应该是消费者，特别是新一代以网络为家的消费者，90后为代表的顾客是最后得意的。
台下美女提问：我是创富融资租赁的，我们这边也在探索大数据精准营销，如何讲金融产品整体的配套。车行业是强调客户体验的行业，在线上基本找到精准营销客户所在，线下和线上整体结合上边，如何将线上需求真正变成线下交易？这个过程当中有哪些玩家可以实现这个功能？
陈宇新：这是非常好的问题，的确车是强调体验的一个行业，这里边线下工作肯定不可缺少的，一个美国做法左右车销售的时候必须通过线下4S店卖出去，线上做法更多是信息提供，更加通过线上便于客户交流，线上提出请求，线下公司跟你联系，并不会把价格告诉你多少钱，应该会打电话跟你交流，到线下企业交流这种做法。很大一块是他们法律保护4S店。但中国没有保护，有可能线下展会体验的模式，最后是线上销售线下体验的模式，还有一个我想强调一下，实际上汽车大数据电商营销，不光通过网络卖出去，我自己觉得即便未来肯定不会是一个最大的比例部分，到底在什么地方？从经济学的角度看，车毕竟是大众的商品，售价比较高。相对车的售价跑一下线下店成本还是小，从这个角度线下销售还是主流，我觉得车联网电商很大的交叉在于销售和跨界的销售。因为车的用户本身有购买力，购买力体现各种跟车相关的产品，还有很多跟车不相关的产品，但是车数据非常非常多，最后鹿死谁手不知道，每个消费者在车里边待的时间长还是在淘宝店里待的时间长？大部分在车里待的时间长，从这个角度从车收集顾客时间、顾客心理有优势，从跨界思维把这个做起来。另外强调乘客跟车主，你有乘客，实际乘客很无聊，往往想节约时间在里边购物非常合适，我们说基于汽车行业大数据电商把思路拓宽一点，把车作为一个平台，这个上面时间比你在淘宝上时间不亚于他们。
主持人：今天我们请来陈教授还有一个阴谋，包括后边将要介绍的上汽电商车享网挖掘出来的大数据阶段性成果已经很有亮点了。全球顶级市场营销杂志的主编里在世界范围内选拔主编时，已经开始考虑中国。很自豪的是主编团队里现在已经有中国人，他就是陈教授。我们未来汽车行业很有可能在中国大数据、汽车大数据挖掘上做出一点东西，到那个时候需要陈教授帮助发表我们中国的文章。
陈宇新：顾问理事会我是其中一员，其中有一个奖项理论与实践结合的奖项，专门鼓励学术机构跟企业相结合，做应用型的项目，我想不远的将来，中国车商也好、电商也好，大数据应用肯定登上国际讲台日子不太长。
