1.4.3　從交易數據分析到交互數據分析

對從像“賣出了一件商品”“一位客戶解除了合同”這樣的交易數據中得到的“點”信息進行統計還不夠，我們想要得到的是“為什么賣出了這件商品”“為什么這個客戶離開了”這樣的上下文（背景）信息。而這樣的信息，需要從與客戶之間產生的交互數據這種“線”信息中來探索。以非結構化數據為中心的大數據分析需求的不斷高漲，也正是這種趨勢的一個反映。

例如，像亞馬遜這樣運營電商網站的企業，可以通過網站的點擊流數據，追蹤用戶在網站內的行為，從而對用戶從訪問網站到最終購買商品的行為路線進行分析。這種點擊流數據，正是表現客戶與公司網站之間相互作用的一種交互數據。

舉個例子，如果知道通過點擊站內廣告最終購買產品的客戶比例較高，那么針對其他客戶，就可以根據其過去的點擊記錄來展示他可能感興趣的商品廣告，從而提高其最終購買商品的概率?；蛘?，如果知道很多用戶都會從某一個特定的頁面離開網站，就可以下功夫來改善這個頁面的可用性。通過交互數據分析所得到的價值是非常大的。

對于消費品公司來說，可以通過客戶的會員數據、購物記錄、呼叫中心通話記錄等數據來尋找客戶解約的原因。最近，隨著“社交化CRM”呼聲的高漲，越來越多的企業都開始利用微信等社交媒體來提供客戶支持服務。上述這些都是表現與客戶之間交流的交互數據，只要推進對這些交互數據的分析，就可以越來越清晰地掌握客戶離開的原因。

一般來說，網絡上的數據比真實世界中的數據更加容易收集，因此來自網絡的交互數據也得到了越來越多的利用。不過，今后隨著傳感器等物態探測技術的發展和普及，在真實世界中對交互數據的利用也將不斷推進。

例如，在超市中，可以將由植入購物車中的IC標簽收集到的顧客行動路線數據和POS等銷售數據相結合，從而分析出顧客買或不買某種商品的理由，這樣的應用現在已經開始出現?；蛘?，也可以像前面講過的那樣，通過分析監控攝像機的視頻資料，來分析店內顧客的行為。以前也并不是沒有對店內的購買行為進行分析的方法，不過，那種分析大多是由調查員肉眼觀察并記錄的，這種記錄是非數字化的，成本很高，而且收集到的數據也比較有限。

進一步講，今后更為重要的是對連接網絡世界和真實世界的交互數據進行分析。在市場營銷的世界中，O2O（Online to Offline，線上到線下）已經逐步成為一個熱門的關鍵詞。所謂O2O，就是指網絡上的信息（在線）對真實世界（線下）的購買行為產生的影響。例如，很多人在準備購買一種商品時會先到評論網站去查詢商品的價格和評價，然后再到實體店去購買該商品。

在O2O中，網絡上的哪些信息會對實際來店顧客的消費行為產生關聯，對這種線索的分析，即對交互數據的分析，顯得尤為重要。