以下为叶俊楠先生演讲实录：

大家早上好！非常感谢界面新闻的邀请，我是叶俊楠，我是奥纬咨询的一位合伙人，也是数字化业务的负责人。

首先向大家介绍一下我们公司。奥纬咨询是全球最著名的战略管理咨询公司之一，我们在全球大概有五千名员工，2006年进入中国，国内大约有150名员工。

在中国，我们深耕两块业务，一块是金融，另外一块是零售和消费品，共有三个办公地点，分别是北京、上海、香港。

我本人是负责数字化业务的，很多客户都不太理解数字化这个事情具体如何去做，我们的职责就是为他们进行详细的规划。

首先，我们会为相关企业制定数字化战略，甚至会帮他们做深度的数据分析。同时，我们还会提供战略背后技术的支持，给他们一些建议，包括如何去打造他们的系统，背后的云端如何设计等等。我们不仅仅是给他们做规划，还会利用我们公司自己的数字化战略、数据科学、技术等等去做支持，帮他们一起把数字化系统建立起来。

今天论坛的主题是关于消费和消费者。消费是一个增长的力量，基于此我们客户常常会问三个问题：第一个问题是在他们所在的领域，下一个最热门的或者爆款的商品，或者服务到底是什么？他们非常关注未来六个月最火的东西是什么。

第二个问题就是所谓的90后、95后、00后他们到底需要什么，他们的行为改变跟我们有什么不一样？

第三个问题，现在很流行用KOL来卖广告，每一个KOL都说我有很多的粉丝，到底哪一个KOL真正为品牌带来最大的价值，他们应该把钱花到哪里去，是不是粉丝比较多就代表着影响力比较高？

每个品牌、每个产品的需求都是不一样的，往往我们客户想多了解这些问题，背后的意义是希望可以加速他们收入的增长，希望可以推出更多新的产品，可以配合未来消费者的需求，而且提高他们的研发等等。

为了回答这些问题，传统的方法是去做市场调查。例如去做消费者访谈、去做问卷、去对CRM系统数据做一些挖掘，这些都没错。但是我们发现这些方法往往难以准确判断消费者现在的行为趋势。

短板在哪里呢？第一点在于调查的往往样本是有限的，调研问的是什么、问的什么人，就直接决定了整个调研的结论，所以会有偏差。

第二，准备调研、访谈往往需要一定时间，可能需要一个月的时间去做好准备，往往风口已经发生了变化你才知道答案，不足以满足我们现在客户的需求。

第三，当访问消费者的时候，你问他到底需要什么？他告诉你的答案往往都与他实际的行为有很大的偏差。

举个例子，你问消费者这个东西你会买吗？他往往说我会考虑。他到底是真的会买，还是他会在做决定的那一瞬间有可能会考虑，这对调研的结果往往有很大的差别。在过去几年，我们的客户常常会困惑：到底怎么样利用各类数据源才能帮助我们更快、更精准地理解消费者？

其实，最好的数据源就是公开的数据，就是我们每天上亿的消费者在网上抛出的评论、评价、论坛的讨论等等，这些不是我们跟朋友之间在微信上私人的讨论，而是完全公开的数据。

这些信息当中，我们不是提问者，而是去主动去分享一些问题，或者是要回复其他人的讨论和提问。这些情境中，消费者所主动表达的内容往往更能反映他真实的行为。同时，网上消费者与消费者之间的互动也更能让我们知道群体之间的关联是怎么样的。

举个例子，我们在帮一个品牌商客户进行数据挖掘时，发现一些女生特别喜欢摄影。这些摄影爱好者群体、尤其是女生，会在线上相互讨论摄影的话题，交流一些心得。除了摄影以外，这个群体也会讨论其他的东西。一旦发现这个群体成员之间的关联，就可以与群体合作推出一些信息，让他们讨论你们的产品等等，这都是一些新的模式。

通过数据我们可以发现不同的群体，跟我们的客户来定制一些不同营销的方法。

最后一点，这些信息都是实时的。我们有一个客户推出了新的产品，推出新产品之前做了很多的调研，主要关注消费者是否会购买这个产品、产品哪些方面需要改良等等。而在产品推出之后，他们则更想了解市场的反映怎么样。我们利用社交媒体的数据，当天推出2小时后就可以马上给到结果，具体信息包括：目前消费者的反响究竟如何？他们对你的产品哪些地方比较满意？哪些不够满意？通过这些及时的反馈，他们可以改进市场营销的手法，根据消费者的需要来做出更具针对性的修正。

舆情分析已经是十年前的产品，当微博出现的时候就有了舆情分析。但今天的舆情分析与过去相比有什么区别？我们认为区别在于面对相同的数据，有没有使用更好的方法去挖掘。在当下，数据挖掘的方法和技术都尤为重要。用什么方法去挖掘就决定了你能不能真正利用每一个信息里面的力量。

最后很重要的一点，就是数据分析是否是以商业的洞见来做驱动的。我们发现很多市场上的分析在这最后一点上都有所欠缺，所以没有达到客户的预期，做不到预想的效果。

今天我给大家举些例子，来从数据分析技术的角度思考如何更好地利用数据。

第一个例子，如果你看到一条微博，你觉得它有什么价值呢？比如网友说今天去了游乐园玩了木马觉得很开心，他说了几个关键词，“游乐园”、“木马”、“开心”，你觉得这是关键吗？我们发现，其实最有用的是他的图片。

我们的客户往往非常关注，现在最流行的发色到底是什么，口红的热门色号是什么，大家都会穿什么衣服。现在进入了秋冬季节，气温日渐下降，消费者们面临着服装的换季问题，如果我们是做服装的，就会非常关注今年冬季最流行的是什么款，我能不能在冬季结束之前推出这些产品迎合现在的趋势。

发色也是一样。有些染发产品是大家海淘买过来的，国内品牌商也许都不知道这些商品在中国特别热销，但是通过图像识别技术就可以挖掘到一些信息。一张图肯定是不够的，所以我们需要对海量的的照片进行分析，才能发现一些明显的趋势，在他们做商品研发的时候能够给到他们一些洞见。

第二个例子。这里有两句话，第一个网友说这个苹果味道真好，另外一个说新出的苹果实在太烂了、太差了。作为消费者，我们能够明白第一句话指的就是真正的苹果，是一种水果；第二个人说的苹果则是指手机，尽管他并没有具体指出他所说的是苹果手机。人类要做这个识别非常容易，但是当要处理上亿条的数据时，怎么样让机器判断出这个“苹果”是指的苹果手机而不是吃的苹果，却是对技术要求比较高的，同时这也是数据挖掘和处理的关键。

如果我们不能正确判断这些简单词的意义，那么后续所有的分析都是误导，最终结果就是错误的。通过机器学习，我们就可以更精准地识别每一个词。比如一个客户想要研究产品中的新成分，假如使用一个食品名称为这个化妆品新成分命名，机器如何理解这个食品名称实际指的是一个化妆品成分？这跟苹果的例子很类似，“苹果”既可能是水果，也可能是一个手机品牌，到底怎么做这个判断，往往成败就由分析精准度决定。

第三个例子，选华为还是苹果11？这里有一个回答：建议买华为，首先考虑的是续航能力，其次是信号。问题是在于怎样让机器从上亿条的数据里抓取重要的信息。传统的方法能够抓到一些关键字，充电宝、大学、习惯、苹果、华为、续航、不方便、没信号等等。

但还有更多的词都是没有意义的，机器怎么知道这些词是没有意义的？如果你用传统标注的方法，或许能抓取到这些词，但怎样将它筛选出来？这是第一个难题。

第二个难题是关联。这里有两个主体，有苹果，有华为，以及一连串的形容词。如果单看每一个句子，是看不到主体的，必须要整体剖析才能知道这句话在说华为的续航好，苹果续航的能力不够好。

将这些获取的简单词进行关联也是数据分析的重点，只有正确地关联才能准确抓住这句话的商业价值。我们就通过自然语言的分析可以准确地把他说苹果不够好的地方准确描述出来，通过这些方法才能分析海量的数据、去做比较有商业价值的统计。

舆论分析并不是新事物，这种传统方法一直都存在，且确实有他自身的优势，其中最大的优势在于快，因为舆论分析都是标准化的，所有的方法都是现成的，可以很快速地从中抓取到一些信息。

劣势在哪里？客户在向我们咨询时常常会提到这些传统分析运用的主要指标是KPI，且所有公司都用一样的KPI，比如卖化妆品的，做食品的，做服装的，大家都看一样的KPI，但大家的业务真的一样吗？往往这些供应商给他们的都是一些标准的KPI，对具体的某一个企业没有真正可供借鉴的价值，这些KPI往往无法帮他们做任何的决策，这就需要更定制化，用更好的技术来抓取这些数据。

具体可以做什么？我们帮客户做过怎么样的分析，帮他们做过怎么样的决策？第一个是优化营销活动，例如我刚刚提过摄影的例子；二是了解消费者最新的消费行为及其发展趋势。

 第三是优化运营。现在，消费者常常会在大众点评或者微博上讨论哪一家店怎么样，以及消费的体验怎么样。我们通过帮助客户抓取这些信息，促使他们及时修正运营方面的问题。

第四是创新产品和服务。怎么样用海量的数据帮你达到更好的效果。

第五是危机的处理。当前，很多消费者可能会在网上抛出对相关产品的负面反馈，我们抓取这些信息，让企业在危机出现之前做最快的处理。

第六是比较特别的并购活动。我们有些客户往往要购买一些国外的产品或者品牌，这类并购的传统方法往往就是组建一个团队，通过投行去寻找合适的收购目标。而现在，越来越多的客户会向我们寻求帮助，希望通过对海外品牌、海外产品、海外消费者相关数据的分析，获得更加准确地认知。比如说日本的品牌属性到底能不能有效解决中国消费者的痛点和问题？通过这些舆论分析也许可以帮助他们找到更合适的并购目标。

这类舆论分析并不是新近才有的，但是要真正挖掘其中的数据、创造他们的价值有两大关键点。第一点，必须要针对业务来定制这个问题。过于标准化的分析往往不能帮助我们客户做好商业的决策。

第二点，必须要用到我刚刚提到的技术，精确地抓取到一些信息。我会们发现当前99%的信息是被浪费的。我们公司目前所使用的技术也许也只能抓取到30%的有用信息，但已经比以前的技术好很多。

所以怎么样用更好的技术来抓取这些信息，我觉得是未来发展的趋势。

以上是我的分享，谢谢大家！