1.4.3　从交易数据分析到交互数据分析

对从像“卖出了一件商品”“一位客户解除了合同”这样的交易数据中得到的“点”信息进行统计还不够，我们想要得到的是“为什么卖出了这件商品”“为什么这个客户离开了”这样的上下文（背景）信息。而这样的信息，需要从与客户之间产生的交互数据这种“线”信息中来探索。以非结构化数据为中心的大数据分析需求的不断高涨，也正是这种趋势的一个反映。

例如，像亚马逊这样运营电商网站的企业，可以通过网站的点击流数据，追踪用户在网站内的行为，从而对用户从访问网站到最终购买商品的行为路线进行分析。这种点击流数据，正是表现客户与公司网站之间相互作用的一种交互数据。

举个例子，如果知道通过点击站内广告最终购买产品的客户比例较高，那么针对其他客户，就可以根据其过去的点击记录来展示他可能感兴趣的商品广告，从而提高其最终购买商品的概率。或者，如果知道很多用户都会从某一个特定的页面离开网站，就可以下功夫来改善这个页面的可用性。通过交互数据分析所得到的价值是非常大的。

对于消费品公司来说，可以通过客户的会员数据、购物记录、呼叫中心通话记录等数据来寻找客户解约的原因。最近，随着“社交化CRM”呼声的高涨，越来越多的企业都开始利用微信等社交媒体来提供客户支持服务。上述这些都是表现与客户之间交流的交互数据，只要推进对这些交互数据的分析，就可以越来越清晰地掌握客户离开的原因。

一般来说，网络上的数据比真实世界中的数据更加容易收集，因此来自网络的交互数据也得到了越来越多的利用。不过，今后随着传感器等物态探测技术的发展和普及，在真实世界中对交互数据的利用也将不断推进。

例如，在超市中，可以将由植入购物车中的IC标签收集到的顾客行动路线数据和POS等销售数据相结合，从而分析出顾客买或不买某种商品的理由，这样的应用现在已经开始出现。或者，也可以像前面讲过的那样，通过分析监控摄像机的视频资料，来分析店内顾客的行为。以前也并不是没有对店内的购买行为进行分析的方法，不过，那种分析大多是由调查员肉眼观察并记录的，这种记录是非数字化的，成本很高，而且收集到的数据也比较有限。

进一步讲，今后更为重要的是对连接网络世界和真实世界的交互数据进行分析。在市场营销的世界中，O2O（Online to Offline，线上到线下）已经逐步成为一个热门的关键词。所谓O2O，就是指网络上的信息（在线）对真实世界（线下）的购买行为产生的影响。例如，很多人在准备购买一种商品时会先到评论网站去查询商品的价格和评价，然后再到实体店去购买该商品。

在O2O中，网络上的哪些信息会对实际来店顾客的消费行为产生关联，对这种线索的分析，即对交互数据的分析，显得尤为重要。