对于头家们来说，应用精密分析技术的大数据（Big Data）所带来价值，也有轻鬆取得的方式。例如透过程式纪录，每一个透过关键字点击进入网站购物的消费者足迹（cookie)，从浏览行为中找出他们分别感兴趣的商品、服务类别等，再定期辅以电子报、优惠讯息加以刺激回购，定期与既有消费者互动，增加回购率，创造业绩。甚至运用日常对于顾客消费行为的细心纪录，也能累积成数据来发现更多消费者insight。 大数据（Big Data）堪称数位革命以来的最新亮点，2015年这道炫目的光芒将以巧数据之姿，迫使营销人面对分析大于收集的本质：谁先从数不尽的土石中发掘出宝矿何在，谁就能率先掌握市常1.「样本」等于「母体」的时代来临
过往行销人做抽样调查，总是囿于3%的误差区间，但最有趣的发现往往埋藏在遗失的细节裡。真正的「大数据」根本上扬弃了「随机抽样」的做法，将最完整的资料集视为「巨量」的必备基础，意即透过「样本」等于「母体」的概念，淘选全部的资料以求解读的高度精确性。 因应如此庞杂的作业，革新的硬体端能让处理数据的时间缩短至毫秒，除了便于运算更大量的资料，也提供了应用上的即时性。相对的，资料从何而来同样要仰赖硬体负责收集，如Nike所研发的穿戴式装置就藉由使用者的运动数据，判读其生理表现、活动惯性等…将来活用于销售、社群凝聚等的行销手法将更令人期待。2. 挑战传统营销追根究底的思维
身为营销人，一向想知道「为何如此」，但巧数据是从几十亿笔资料中，套入几万种运算模式后才找出资料之间的相关性（如流感趋势预测就是实验近五亿个数学模型后的成果）。也许这些相关性表面上无法解释，但只要能透过数据发现达到营销目的，知不知道成因也就没这么重要了。 早期Amazon根据个人喜好剖析样本，尝试找出顾客间的相似性来推荐书单；像是买了一本关于波兰的书，系统就建议一票其他人也买了探讨东欧事务的作品给你；或者，买一本育儿书，就接着推荐一堆婴儿相关书籍，但问题就出在你根本不需要再买功能相仿的书了！ Amazon员工说：「系统推荐的书，和你过去买的大同小异，而且没完没了，有点像和笨蛋一起去买东西」。尔后Amazon研发出「品项对品项（item to item）协同筛选技术」：从巨量资料找出不同商品间的关联，就能做出跨品类、意料之外的推荐，使业绩获得惊人的成长。当然，这类应用不表示在其他平台照样管用，Yahoo超级商城与购物中心就发现，利用更个人化的「Audience-based技术」使转换率高过「品项对品项技术」六倍之多。有了上述大数据转化为巧数据的完美实证，行销人只要知道「正是如此」，就不须太执着于「为何如此」，反而可以扭转思维，将更多精神投注于电脑不可及之处。
▲个人化模组比item based 推荐模组超过 6倍的转换率。由上图可看出，个人化的模组演算出的推荐商品，品项上有着极大差距。3. 精準沟通更上层楼，彻底引爆一对一营销
以前我们把客群分类做营销，现在人人都有独一无二的样貌。伴随着大数据运算的成熟，助长了巧数据的更即时、与个人化，在2015年，针对单一消费者发送量身打造的讯息内容、推荐所需商品、甚至跨平台、装置的沟通…都不再是空想。在巧数据加持下，一对一营销的威力将全面横扫，下个阶段营销人要面临的任务就是以Programmatic Buying实现与消费者的深度沟通。
