人工智能科技不断进步,营销者们利用营销堆栈提供的数据的能力却在持续下降,逐渐跟不上时代的脚步。造成这一现象的主要的因素之一就是源源不断的数据流,以及其带来的庞大的数据过剩。过于庞大的数据量导致人类决策的效率和准确率越来越低。所以就出现了确定可行性见解的能力。再想想收益递减:首先我们能够实现一些简单的改变,但是在那些改变之后你必须要对大量的数据进行逐步深入的研究。这就意味着人类大脑在收集信息和识别模式方面面临的挑战越来越大。从某种程度上来说,可行性见解的价值是无法与投资成比例地增加的。
在IDC和Qubit联合发表的一份最新的报道中,分析家Gerry Brown和Philip Carnelley表示,我们当前正面临着一个“营销性能差距”。具体而言,传统的B2C网站营销方式已经开始死亡,这一营销方式几乎没有改进和发展的空间了。尤其是A/B测试——一项基于用户反馈的实验,实验中将提供给用户两个或两个以上网页和完善情况变量——已经无法达到B2C企业所需的性能了。
另外,网站营销消亡的影响在传统的、用于历史数据分析和报告的分析工具上表现得非常明显。“预测性客户分析”对于那些希望超越传统数据的营销性能来说,几乎是没有影响的,因为营销者们已经无法从他们给出的分析性见解中获得金钱收益了。
持续下降的客户数据收集质量实际上给很多企业带来了消极的影响,造成了客户分析与盈利营销行为间的“营销性能差距”。