下载掌阅APP，畅读海量书库
立即打开
成功开发一种新药可能需要10年或更久的时间，而其中大部分时间都将耗费在临床检验上。 1 但是，尽管已经完成了全部的尽职调查，当药物最终上市时，仍然会引发一系列新的疑问：有多少患者没有正确地服用药物，甚至根本没有服用？是原定的病人还是别人服用了？有多少病人擅自减少药量？为了在配药前做出准确的判定，医生应该接受病人的建议吗？抑或查看一下处方的配药频率，再得出结论？还是说，只要病人的治疗效果有所改善，医生和医疗保健系统就应该忽略这些问题？
这些悬而未决的问题促使了一种突破性的药物产品的研发——Abilify MyCite。这种药物于2017年获得了美国食品药物监督管理局（FDA）的批准。它是一种含有可摄入传感器的药片，可以通过数字化技术追踪患者是否服用了药物。 2 FDA发布的新闻稿解释了MyCite系统的运作方式：“当病人吞入‘Abilify MyCite’后，药片会和胃酸发生反应，随后发出信号。此时，贴在病人身上的可穿戴贴片会接收到该信号，并将信息传输到移动应用程序（App）中，这样病人就可以在他们的智能手机上追踪药物的摄入情况。而且病人还可以允许其护理人员和医生通过网络门户获取这些信息。” 3 在这个过程中，Abilify药片所提供的正是我们所说的影响数据。
影响数据揭示了客户何时及如何使用产品和服务，以及这些产品和服务的实际表现如何。目前，企业在理解客户最终从某次购买中获得哪些价值的过程中，影响数据是缺失环节。以客户为中心，正如管理者通常理解的那样，源于企业对识别客户需求和愿望的追求。在过去的10年中，企业在描绘这些购买动机以及客户的购买过程（所谓的决策过程）和体验方面都取得了不少进展。然而，在21世纪信息技术广泛普及之前，企业无法直接、完整和实时地观察客户的购后行为。
而现在，企业需要通过收集和使用影响数据，来完成以客户为中心的循环。每一家企业都有类似的问题，而如果没有影响数据，这些问题将无法被有效解决。比如：我们的客户使用我们所提供的解决方案的频率和效果如何？客户在何地以及为什么使用这些解决方案？客户的满意程度如何？
影响数据增加了信息传递的透明度，使企业能够准确地查明客户行为模式的变化，并就这些变化发生的原因得出更可靠的结论。企业可以通过改进它们的产品和服务，为自己和客户创造更多的价值。影响数据的收集和解释为改善企业与客户的交易创造了巨大的机会，因为由此产生的洞察可以促使企业采用更有效的盈利模式。
与此同时，因为影响数据是大范围的、关乎个人的，甚至有可能暴露客户倾向保密的行为，所以它们也为企业带来了一系列新的义务。企业应该使用影响数据来开发客户关系吗？还是应该利用它们来提高业务效率？这些义务产生了对问责制的共同要求。客户可以要求企业根据客户的个人利益/偏好使用影响数据。如今，技术的发展已使得产品与服务所能提供的体验大幅提升，因此，客户自然就会倾向选择那些采用与他们所获得的价值最相符的盈利模式的卖家。套用一句老话，企业应该让客户所花的每一分钱都物有所值，不多不少刚刚好。反过来，企业也可以要求客户承担责任，确保他们以能实现最佳结果的方式使用产品或服务。最后，也是最重要的一点，企业可以（也应该）要求自己承担责任，承诺只利用影响数据来帮助自己与客户交易。
想一想汽车里程表。“这车开了多少英里了？”这是当有人开车来维修时，汽修工首先会问的问题之一，这也是潜在二手车买家会问的最重要的问题之一。很明显的是：所有车行驶的里程数都是不一样的；而不太明显且直到最近还很难被准确识别到的关键信息是，每一英里的实际行驶情况是有多么不同。总里程数并不能显示谁用了这辆车，产生这些驾驶里程时的行驶情况如何，以及这辆车在每一英里的表现如何；总里程数也无法让人解析因汽车出现问题而暂时无法获取的那些未驾驶里程数。
尽管如此，汽修工和潜在买家都可能对汽车里程表读数赋予多层含义。这个数字会影响到他们对汽车损耗、维修需求、剩余价值以及车辆预计使用年限的期望值。汽车制造商也对一段时间内可能产生的行驶里程数据做了假设，并将其纳入所提供的保修方案。例如，在英国，大众高尔夫（Volkswagen Golf）——世界上最畅销的汽车之一，目前设定了3年的保修期，其中前两年的保修不限制行驶里程，第三年的保修则限制了里程数需要在60000英里以内。 4
现在我们再想象一下，假如汽车没有配置里程表，对车辆的使用情况做出像上述那样的判断会有多难，更不用说进一步从中得出有效的结论了。除了里程数，人们可以询问现任车主对车辆使用情况的印象，这些印象也可以帮助人们做出一些粗略的判断。人们还可以通过检查汽车有无频繁或长期使用的明显迹象，例如锈迹、磨损部件状况，或是否发出不寻常的声音等，来判断车辆的使用情况。但是，不管人们运用多少直觉和猜测，事实是没有人能够确切地知道汽车的使用情况或当前性能。一旦这辆车首次离开了汽车经销处的停车场，它能真正持续使用多久就成了一个谜。
如今，影响数据则可以帮助我们解开这个谜。拥有产品的个人客户可能对如何使用产品有一些见解，但只有独立于客户的记忆和感受收集到的影响数据，才可以提供关于产品的完整、准确和客观的理解。事实上，影响数据的缺乏会引发极度低效：由于人们需要某种产品或服务但却无法获得，有多少消费机会被浪费？除此之外，有多少商品的实际使用寿命远远超过了它们的预期寿命或使用寿命？有多少个体或企业不能完全摊销他们的月度或年度订阅费用？有多少客户购买了极少使用或从不使用的产品？最后，有多少消费者购买了并没有产生预期结果的产品或服务？
影响数据取代了传闻和猜测。正如本书在第1章中所描述的，企业有无数经过验证的方法供其支配，以解读客户的需求、愿望和决策过程。但企业仍然无法确定购买行为发生之外究竟发生了什么。谁是产品或服务的最终用户？客户在获得产品或服务后真正做了什么？相对于企业所承诺的功效和价值，其产品或服务的真实表现是什么？
如果没有影响数据，企业需要从重复的业务测量结果中得出推论，例如续订率，以及对客户忠诚度的测量，例如净推荐值（NPS），该值以回答一个问题的答案为基准，即“您有多大可能会向朋友或同事推荐‘公司X’”。NPS之父——贝恩咨询公司（Bain）合伙人弗莱德·雷切德（Fred Reichheld）在2003年出版的《哈佛商业评论》（ Harvard Business Review ）中解释了它的基本原理：“通过用一个问题取代那些复杂的客户满意度调研，企业可以从真正意义上将消费者调研结果投入使用，并让员工专注于刺激业务增长的任务。” 5 这样的取代（影响数据的出现）可能已经很好地达成了企业的目的，即当产品使用和性能数据随时可获取时，企业将不再需要做出假设和推论。
要讲述技术如何创造这种新发现的透明度的完整故事，我们需要先了解过去20年，尤其是过去5年的技术进步。这些进步从根本上改变了企业与其客户之间的信息流动，同时也改变了产品和服务的本质。
我们把这些技术分为三大类：硬件、网络连接和智能。最基础的硬件包括能够收集和传输数据的设备。常见的例子是传感器和扫描仪，它们可以识别和测量环境的变化（如温度、湿度、动作、心率、速度、压力和体积等）。其他主要硬件组件是那些允许被传输或接收数据，或是两者兼而有之的通信设备。包含此类硬件的产品通常被称为“智能产品”。
网络连接是指能促进大量数据互换的网络。其中包括电信网络（3G、4G、5G）、有线网络提供的带宽，以及对虚拟计算或云计算提供的存储和应用程序的使用权。
智能是指接收影响数据的某人或某物如何转换、分析、解释和应用影响数据。它不仅包括使得数据对客户产生价值的应用程序，还包括更高级的领域，例如人工智能（AI）和机器学习（machine learning）。关于人工智能的最基本的概念，就是使用计算机和算法来模拟人类通常执行的高级功能，例如面部识别、模式匹配和决策制定。而机器学习，从根本上来说，是使这些算法在处理更多数据时能够实现自我改进的过程。
健身爱好者展示了人们可以如何从硬件、网络连接和智能的组合中受益。心率监测带中内置有硬件（传感器和发射器）。在锻炼过程中，智能手机（使用电信、局域网或Wi-Fi网络）接收监测带传输的影响数据，而智能手机里的App则以有效的形式实时向用户呈现数据。大多数应用程序允许用户在锻炼后存储相关的数据，然后通过手动或选择实时传送将数据发送给其他人。
在这种情况下，人工智能应用程序可以根据影响数据以及个人信息（例如体重变化、饮食习惯、健身目标、健康参数以及用户锻炼记录等），向用户进行未来应该如何锻炼的相关推荐。它还可以检测出程序自身的性能异常并持续自我改进。而人类则需要具备听诊器、体重秤、大量纸张、非常活跃的想象力和足够的耐心等一系列条件，才能完成上述所说的人工智能可以立刻且能更可靠执行的任务。机器学习则使得人工智能算法能够在接收更多数据以及更好地理解输入和输出之间的关系时，进行自我改进和自我纠正。
物联网是指实物设备之间所进行的通信。根据Berg Insight数据，2021年，物联网终端的数量增长到20多亿个，预计到2026年将增长到40多亿个。这些设备产生了海量数据，包括它们的位置（由GPS技术追踪）、它们的表现、它们正在经历什么（由设备上或设备附近的各种传感器进行追踪），以及是谁在跟它们交流（通过移动连接、语音或面部识别的任何事物进行追踪）。
想要理解这些技术是如何协同工作的，可以看这么一个例子：现代汽车和“智能路面”的组合，后者由“嵌入了大量传感器、处理器和天线”的混凝土板组成。 6 2018年，科罗拉多州计划在一段高速公路上对这一组合进行测试。得益于传感器和通信技术，路面与所有行过路面的汽车可以相互读取数据并相互“对话”，以传输有关车辆重量、车辆类型、速度、路况和许多其他因素（例如驾驶员、乘客和货物等信息）的数据。所有这些交互都可以被传输并存储到云端，用于识别交通的实时情况，例如交通密度和潜在风险。有权访问数据的各方可以应用算法来识别实际的情况，例如，从是否需要使用自动路标标志告知驾驶员前方危险、即将到来的天气或突发的任何变化，到驾驶员是否可能因为一些危险驾驶行为而受伤或置身于危险之中，比如迂回越线、开得太快或太慢，或是使用充气不当的轮胎行驶（从轮胎中的传感器或车辆在路面上的重量分布推断）等。
如今，这些技术已十分普遍，它们收集和传输的数据种类也非常广泛。因此，只要具备必要的硬件、网络连接和智能，上述例子就可以应用于任何设备与任何个人的交互。影响数据不仅能提高企业和客户之间信息交互的透明度，还可以应用到多种场景之中。基于此，企业所面临的挑战是，它们是否会利用对产品使用和产品表现的更好理解来提高商业效率。这将涉及关于如何建立相对应的问责制的议题。
玩转“价值交付”商业模式的精髓在于，企业如何利用这种新发现的技术力量。这是有史以来第一次在技术的帮助下，企业有可能实时地、详细地、大规模地测量和了解消费、产品和服务的表现及其相互关联的模式。上述技术使追踪、存储和分析大量的影响数据成为可能，并最终使企业能够选择更加符合客户从购买中获得价值的盈利模式。当企业将业务重点从出售商品所有权转移到对产品获得、产品使用和产品性能收费时，它们将更容易实现对业务管理的追责。
让我们回顾一下汽车里程表的例子。比如说，共5.5万英里的里程数并不能说明如何使用车辆会导致这一结果，该里程数是如何随时间变化的，以及客户驾驶车辆的体验。就距离和时间而言，发生过多少次长途或短途旅行？旅行的目的是什么？是谁驾驶以及何时驾驶？每个驾驶员都具有独特的驾驶风格，这都有可能影响车辆的损耗和性能。基于对这一系列问题的认知，特斯拉为驾驶员提供一种服务，让驾驶员能够将其个人车辆设置行为或“驾驶员档案”存储在云端，并且下载到他们可能驾驶的任何特斯拉车辆中。 7 对应车辆会自动调整座椅、减震装置、后视镜位置和其他功能。此外，对驾驶场景的识别与数据收集也很重要：在冬季6小时300英里的旅行中，车上满载着行李并且有4名乘客，行驶在崎岖的、丘陵起伏的、蜿蜒的道路上，与在完美夏日里，车上只有一名乘客，行驶在平坦的、交通顺畅的道路上的驾驶场景对车辆造成的影响大不相同，所消耗的里程也是不一样的。
让我们再来看看音乐行业，通过又一个通俗易懂的例子，来说明企业现在可以追踪多少客户行为，以及这种现象缘何最近才得以兴起。多年以前，大多数人购买CD唱片时，可能除了购买者，没有人知道产品离开音乐商店后会发生什么。即便如此，本书作者也几乎可以百分百确定，绝对没有人能准确地说出，自己所拥有的任何一张CD的单曲播放频率，以及在何时何地播放。在过去，一旦客户购买了某张CD，唱片公司将无从得知客户如何使用这张CD，也无法得知CD的外包装是否已被拆除。至于客户的体验行为，则完全成谜。没有一个人能知道客户到底有多喜欢某一首歌。虽然艺术家和唱片公司也可以进行相应的调研或是相信口口相传的意见，但他们无法基于丰富的、动态的、大规模的事实基础来做出决定，即他们没有任何影响数据。
让我们将其与Spotify等流媒体服务商当前的信息收集行为进行比较。2016年底，Spotify发起了一场宣传活动，口号是“感谢2016年，这真是奇怪的一年”，并附上具有挑衅意味的评论，像是“那位在情人节听了42次《对不起》（ Sorry ）的伙计，你到底做了啥？” 8 Spotify收集了大量用户的个人数据——包括他们的数据流的特点（是什么，在哪里，何时，如何）——并将其存储在谷歌云平台上。Spotify的独有算法允许它推测这个“原因”。正如Spotify所描述的那样：“我们用于预测用户的音乐偏好，并根据用户个人音乐品味推荐音乐的系统，建立在先进的数据分析系统和我们独有的算法基础上。我们预测用户的音乐偏好，有效地根据用户个人音乐品位推荐音乐，这在一定程度上取决于我们收集和有效分析大量用户数据的能力。” 9
这种描述让Spotify听起来像是一家自私自利的公司，但它呈现了企业在获得影响数据时可以做的事情。通过观察用户实际的使用模式，企业可以比以往任何时候都更理解客户做出某些选择的原因，从而确定客户试图满足的需求和期望，以及他们试图达成的结果。就音乐流媒体服务而言，企业可以使用影响数据进一步了解歌曲选择（在特定时间、地点和背景下）对个人听众的价值。在黑胶唱片、磁带或CD时代，这是一个纯粹的假设练习。实时资讯和通信技术从客户的角度出发，为企业提供了详尽的也是前所未有的对产品获得、产品使用和产品性能的洞察力。得益于这些持续的技术进步，其中一些技术仍处于起步阶段，企业可以经常从客户个人层面实时判断、量化和传达这些由技术发展带来的好处，然后设计和实施更有效的盈利模式。
“价值交付”最好以单数（单个客户）而不是复数（一群客户）进行。客户的个人影响数据使企业能够通过追求难以捉摸的“一人细分市场”来实现效率。这个术语并不新鲜，但是随着先进的信息技术的出现，“一人细分市场”不再是一个理论上的诉求——遥不可及，而是正在一步一步变为主流现实。
凯捷咨询公司（Capgemini）在2018年的一份报告中写道：“营销人员必须学会利用洞察驱动的个性化这一力量，并使用预测法或规范法来了解客户的需求和愿望。” 10 福布斯描述了这可能是如何运作的：“从现在开始，零售商不会在受众行为相似的情况下使用宽泛的买方细分法。他们可以为每个用户创建详细的数字客户档案（DCP）和用户细分。基于机器学习的算法（决策树），以一定的概率向零售商展示买方是否会在建议的价格下执行所期望的行为，这就是零售业的未来：不是用价格战来争夺客户，而是争夺数据，利用数据使买方的体验尽可能地个性化和独特化。” 11
商业正朝着这样一个独特的方向发展。它不再关乎研究许多客户的需求、愿望和行为，而是转变为研究单个客户的需求、愿望和行为。正如消费者研究先驱乔治·盖洛普不厌其烦地提到的：生活有无数种方式，每一种都值得研究。 12 得益于今天的可拓展技术，影响数据终于得以应用于研究每个人的丰富生活细节。后续挑战将聚焦于如何建立行之有效的问责制，这意味着企业需要以一种可持续且互惠互利的方式，来培养企业和个人客户之间的关系。
合适的盈利模式是维系这种关系的关键。当企业知道客户（无论是个人还是企业）是否以及如何使用产品或服务，包括这种使用与实际性能间的关系时，企业就有机会实现意义重大的变革。它可以很容易地通过收取较小额的、更易于管理的经常性费用，为那些无法获得或负担不起对应产品或服务的客户提供获取渠道，这也意味着减少产品获得方面的浪费。并且，由于企业现在可以实时追踪并影响客户的使用情况，还可以减少产品使用方面的浪费。这是第一次在概念化和量化客户方面获得实际结果，这也同样帮助企业塑造了消除产品性能方面的浪费的盈利模式。
为同一个客户两次提供同样的产品，企业无法保证会看到相同的使用水平，甚至在同样的使用水平下，客户也不一定会获得同样的产品性能。区别在于“场景”，这是一个比“场合”或“事件”丰富得多的术语。“场景”是关于所有对产品获得、产品使用和产品性能方面，可能产生正面或负面影响的条件的最恰当描述。这些条件可以是外部的，如天气、时间和位置，也可以是内部的，如客户的心理状态、动机或当前的准备购买的程度。
企业现在能够实时地了解使用场景，并对客户做出相应的回应。车辆安全性就是一个很好的例子。世界卫生组织估计，交通事故每年造成100多万人死亡，约5000万人受伤。 13 当车辆之间可以就交通、路况或其他危险进行沟通时，就可能有效地帮助司机避免事故发生。从个人角度来看，驾驶员可以从车里收到提示，告诉他们是否超速，以及他们可以采取哪些措施以降低风险。基于这一理念，瑞典保险公司Folksam为驾驶员提供了这样一种选择，其长远目标是“挽救生命，减少交通意外的数量”。Folksam的激励措施包括为驾驶员提供保险费折扣（8折）。 14 美国前进保险公司（Progressive）所提供的单个设备或是车辆自身的车联网也提供了类似计划。
实时消费模式、个性化和丰富的场景数据的大规模而强有力的组合——为企业与客户一对一地建立和增强信任感提供了基础。这是当今技术变革的理想结果。本书认为，这种组合的力量不会因为新技术的出现而被削弱。但是，如果企业用不负责任的方式使用这种力量，那么这种组合就会演变为一杯鸩酒。