本文译者张宇，博晓通科技联合创始人，研究垂直搜索应用，
关注社交媒体发展，注重语义技术落地，喜欢社交数据分析。微博交流@inter3i社交媒体分析。 2009年，个人生成的数据比自有史以来到2008年为止所有人类产生数据都多（原文未提出处）。信息过载的问题比以前更为严重。这对市场营销有什么影响？
整个世界已经目睹了消费者数据问询和收集方式的两次次重大变革。并且消费者已经改变了他们使用网络交流，购物和交易的方式。因此，人们对良好，健康的客户关系和交易的期望也提升了。这种改变为营销人士制定与目标人员互动，收集其数据，并使用数据的连贯策略带来了压力。
(Image: GustavoG)
两次数据重大变革
第一场数据变革到来是因为电子商务的出现。
它源于从消费者决策过程中收集数据的公司期望。随着网络的出现，企业开始思考保存客户的点击和搜索生成的大量数据是否有价值。对于消费者来说，这里没有隐私，毕竟，书店职员在查找某本杂志的时候，没有类似网络上的这种查询和记录方式。而Amazon.com几乎从一开始就保存了所有用户数据。
那时，顾客公司除了与公司分享他们的意图别无选择。如果一个技术爱好者想知道一个网站是否出售一个特别的监控设备。这里没有捷径，除了在搜索框输入一些关键字，因此能给公司带来宝贵的消费者意图信息流。公司掌握这所有的力量。许多公司基于这些信息流，拼命生硬的推售产品和广告，而消费者没有发言权。
在第一个数据变革过程中，成功的企业通过收集、汇总和分析他们记录的客户数据获得权力。
然而，大多数企业并不知道要拿数据做什么，而将其束之高阁。
第二次数据变革带来了数据创造的新维度：
用户开始积极贡献明确的数据，如关于他们自己，他们的朋友，或他们购买的物品的信息。这些数据远远超出内容点击和搜索数据，尽管后者曾经是网络头十年发展的典型特征。
一个用户产生内容的早期案例是Amazon.com的评论系统。该公司意识到用户往往信任其他用户建议，多过在网络上随处可见的宣传材料。通过使用户积极贡献这些数据，利用用户群形成的知识库帮助客户购买决策，亚马逊获得了巨大的成功。
后来，维基百科开放了在线协作，这更增加了透明度。该网站允许用户进行互动，并基于彼此的成果继续构建内容，而维基百科则放弃自己对空间的限制。今天允许此类用户交互的好处是显而易见的——如果我们能通过搜索错误代码，看是否有人已经解决了同样的问题，为什么要花费时间与客户服务代表纠缠呢？人们认识到，由大量在线用户组成的纯粹社区可能比受雇于该公司的服务代表更有帮助。
今天，网络世界已转移到协作和数据分享。
成功的企业发展出鼓励和回报用户贡献真实数据的系统方法。一个好的平台并不试图诱导客户只是提供对公司有用的人口统计或联系信息，相反，它回报用户对他们有用的信息。
例如Netflix，允许用户贡献他们对已经看过的电影评分。用户也有动力提供准确的数据，因为这将会给他们更好的新电影建议。 1999年的“Web 2.0公司”MoodLogic（被All Media Guide收购，后由Macrovision收购）鼓励用户创建自己喜爱的音乐的元数据。为什么用户要做到这一点？因为他们此后得到的播放列表使用户更容易发现喜欢的新的音乐。
这些成功的企业实现了一个良好的激励制度，其主要特点就是：人们看到如果他们愿意如实作出贡献，则可以从中获取回报。
在过去的几年中，用户不再仅仅是贡献电影，音乐的元数据：事实上，他们已经占据了舞台中心。现在中心已从电子商务模式转移到我的商务模式（Me-Business）。客户也开始注意到并互相交流。消费者知道他们并不孤单，权力平衡从公司转移回给消费者。
消费者开始要求透明度，开始有自己的声音。他们意识到，他们自愿贡献的数据，可以帮助他们和其他人决策，提供真正的价值。反过来，作为个人他们希望他们付出关注和金钱的公司给予公平的对待。
这种变化对消费者的期望有什么影响吗？
成功的互动已成为真正的沟通与近乎实时的反馈。例如，PayScale允许用户实时检索基于他们的职位，地区，教育和经验形成的薪金报告，但只能在他们贡献自己的数据以后。当用户的期望改变，企业必须花更多的时间制定激励制度，吸引更多的用户参与。
因此，网络世界已经开始被这种用户期望所主导。当疲惫的旅客在曼谷查询哪家酒店有美餐，搜索引擎不再是足够的！由于这些消费者期望的转变，与这些需求有关的公司别无选择，尽可能迅速地接受消费变革的思想吧。对于用户来说，转换成本是便宜的—— 企业不可以再认为仅凭“客户关系管理”就可以提供客户粘性。而业务模式是建立在信息不对称的行业，如房地产和汽车等，其将很快被那些利用消费者贡献的数据提高透明度的企业抢占收入。
这给我们留下几个需要深入思考的问题，包括这对顾客的期望有什么影响，公司可以做什么来应对这些期望。
——————————————————————————————————————————————
作者介绍：
Andreas Weigend是亚马逊前首席科学家、数据挖掘和计算营销专家。目前，他在斯坦福大学教数据挖掘与电子商务的研究生课程，并在上海教授技术，信息和创新方便的高级行政人员课程。作为独立咨询顾问，他帮助数据密集型组织基于数据分析和测量作出战略决策。如需更多信息，请访问他在Monitor Talent的个人资料页。
