安德烈·哈久 朱利安·賴特

許多高管和投資者理所當然地以為，利用客戶數(shù)據(jù)，可以獲得無與倫比的超強競爭優(yōu)勢。客戶越多，能夠收集到的數(shù)據(jù)就越多。公司運用機器學習工具分析數(shù)據(jù)，就可以提供更好的產(chǎn)品，繼而吸引更多客戶。如此一來，公司又可以收集更多數(shù)據(jù)，最終像擁有強大網(wǎng)絡(luò)效應的大企業(yè)一樣，將競爭對手邊緣化。但事實往往并非如此，大部分情況下，人們都過度高估了數(shù)據(jù)帶來的優(yōu)勢。

數(shù)據(jù)驅(qū)動的機器學習創(chuàng)造出的良性循環(huán)，乍看之下與一般的網(wǎng)絡(luò)效應相似：用戶越多，價值越高（如社交媒體平臺），最終獲得大量用戶，令競爭對手望塵莫及。然而在現(xiàn)實中，一般網(wǎng)絡(luò)效應持續(xù)時間更長，影響更大。要打造強大的競爭力，企業(yè)需要同時具備網(wǎng)絡(luò)效應和數(shù)據(jù)驅(qū)動型學習，但能夠同時發(fā)展這兩項的公司少之又少。不過，即使沒有網(wǎng)絡(luò)效應，只要具備相應條件，公司也可以利用客戶數(shù)據(jù)建立防御壁壘、應對競爭。本文介紹利用客戶數(shù)據(jù)打造競爭力的條件，以及評估其是否適用于公司的方法。

一、有什么改變

以數(shù)據(jù)為基礎(chǔ)的公司原本就有很多，并不是近年才興起的，如信用機構(gòu)及信息匯總公司律商聯(lián)訊（LexisNexis）、湯森路透（Thomson Reuters）和彭博（Bloomberg）等。這些公司受到行業(yè)準入門檻保護，因為獲取和整理大量數(shù)據(jù)需要規(guī)模經(jīng)濟才能實現(xiàn)，但這些公司的商業(yè)模式并不涉及從客戶處收集信息并分析、了解如何提供更好的產(chǎn)品或服務。

收集客戶信息加以利用，進而提供更好的產(chǎn)品和服務，也是一種由來已久的策略。但以前這個過程十分緩慢，范圍有限，而且很難擴大規(guī)模。汽車制造商、包裝消費品公司以及其他許多傳統(tǒng)制造商，若想采用這一策略，就要研究銷售數(shù)據(jù)，開展客戶調(diào)研和焦點小組討論。然而銷售數(shù)據(jù)一般與顧客個人無關(guān)，調(diào)研和焦點小組則要花費大量時間和金錢，因此傳統(tǒng)公司只收集到一小部分客戶的數(shù)據(jù)。

云端技術(shù)和新科技的發(fā)展，讓公司能夠迅速處理和解讀大量數(shù)據(jù)，以上的狀況也隨之發(fā)生了巨大的變化。現(xiàn)在的聯(lián)網(wǎng)產(chǎn)品及服務，能夠直接收集客戶信息，包括個人詳細資料、搜索行為、內(nèi)容選擇、交流、在社交媒體發(fā)布的內(nèi)容、GPS定位以及使用習慣。用機器學習算法分析過這種“數(shù)字化排放”之后，公司提供的產(chǎn)品或服務可以根據(jù)用戶情況自動調(diào)整，乃至實現(xiàn)自動定制化。

這樣的科技發(fā)展，使得數(shù)據(jù)驅(qū)動型機器學習比以往公司的客戶洞察更加強大，但不一定能幫助公司建立防御壁壘。

二、利用數(shù)據(jù)驅(qū)動型學習建立防御壁壘

要確定數(shù)據(jù)驅(qū)動型學習提供的競爭優(yōu)勢是否可持續(xù)，公司應當回答以下7個問題：

1.與產(chǎn)品或服務的獨立價值相比，客戶數(shù)據(jù)為其增加了多少價值？增加的價值越高，建立持久競爭優(yōu)勢的可能性就越高。我們來看一個客戶數(shù)據(jù)帶來極高價值的例子：先進駕駛輔助系統(tǒng)（ADAS）一流供應商Mobileye，為汽車提供防撞輔助系統(tǒng)和車道偏移警告系統(tǒng)。該公司主要向汽車制造商出售其輔助系統(tǒng)，制造商會在實際投入應用之前進行大量測試。輔助系統(tǒng)必須有失效保護，而測試數(shù)據(jù)對于產(chǎn)品改進必不可少。Mobileye從數(shù)十個客戶處收集相關(guān)測試數(shù)據(jù)，將ADAS的準確率提升至99.99%。

智能電視則恰恰相反，學習客戶數(shù)據(jù)獲得的價值相對較低。現(xiàn)在一些智能電視裝有相關(guān)軟件，可以根據(jù)用戶觀看習慣和各個節(jié)目的人氣，提供定制化的電視節(jié)目或電影推薦。目前消費者還不甚在意這個功能（亞馬遜和網(wǎng)飛等網(wǎng)絡(luò)流媒體供應商也提供這個功能）。消費者考慮購買時，主要考慮的是電視屏幕尺寸、畫面質(zhì)量、易用性和耐用性。學習客戶數(shù)據(jù)無法為智能電視公司增加多少競爭力。

2.數(shù)據(jù)驅(qū)動型學習的邊際價值下降有多快？換言之，對于公司而言，客戶數(shù)據(jù)無法再增加價值的臨界點在哪里？邊際價值下降速度越慢，基于數(shù)據(jù)的學習帶來的競爭力就越強。注意，回答這個問題的時候，不要根據(jù)其他應用程序的特定衡量標準（如自動應答機器人正確回答問題的比例、電影推薦獲得點擊的次數(shù)等）判斷基于數(shù)據(jù)的學習的價值，要重點關(guān)注客戶的購買意愿。

將Mobileye的ADAS準確度和客戶使用率（汽車制造商測試ADAS的總里程數(shù)）制成函數(shù)，你會發(fā)現(xiàn)部分制造商和中等水平的測試就能夠達到90%的準確度，但要想達到99%，就需要更多制造商的更多測試，99.99%就更不用說了。在這里認為客戶數(shù)據(jù)的邊際價值會迅速下跌，當然是不準確的：要在90%的準確度以上再增加9%（乃至0.99%），價值依然非常高，因為這是生死攸關(guān)的事。即使是最大的汽車制造商，僅憑一己之力也很難獲得足夠的數(shù)據(jù)，而Mobileye的潛在競爭對手也很難復制如此海量的測試數(shù)據(jù)。Mobileye能夠在ADAS市場獲得主導地位，吸引英特爾于2017年以150億美元的價格將其收購，原因正在于此。

如果學習客戶數(shù)據(jù)帶來的邊際價值在已經(jīng)獲得大量客戶的情況下依然居高不下，產(chǎn)品及服務就會擁有顯著的競爭優(yōu)勢。預測罕見病專用的系統(tǒng)（如RDMD提供的系統(tǒng)）和百度、谷歌等在線搜索引擎體現(xiàn)出了這一點。微軟投入多年時間、數(shù)十億美元開發(fā)搜索引擎必應，卻無法撼動谷歌的地位。搜索引擎和疾病預測系統(tǒng)都需要大量用戶數(shù)據(jù)，才能持續(xù)提供可靠的結(jié)果。

3.用戶數(shù)據(jù)的“貶值率”如何？如果數(shù)據(jù)很快就會過時，那么在其他條件都相同的情況下，競爭對手進入這個市場會更加容易，不必忌憚在位企業(yè)積累的數(shù)據(jù)驅(qū)動型學習能力。

Mobileye多年以來從各汽車制造商處獲得的大量數(shù)據(jù)，對于產(chǎn)品的當前版本依然有價值。谷歌數(shù)十年來積累的搜索引擎用戶數(shù)據(jù)也一樣。雖然對某些術(shù)語的搜索可能會逐漸減少，用戶漸漸開始搜索新事物，但擁有多年歷史搜索數(shù)據(jù)對于服務今天的用戶有著不可否認的價值。Mobileye和谷歌搜索引擎的用戶數(shù)據(jù)貶值率較低，是這兩家公司基業(yè)長青的一大原因。

然而在電腦和手機休閑社交游戲領(lǐng)域，用戶數(shù)據(jù)驅(qū)動型學習的價值會很快降低。2009年星佳（Zynga）推出的種田偷菜游戲FarmVille大獲成功，休閑社交游戲行業(yè)由此開始迅速發(fā)展。星佳公司雖然以高度依賴用戶數(shù)據(jù)分析進行設(shè)計而聞名，然而從一個游戲中獲得的用戶洞見難以運用到另一個游戲：休閑社交游戲只是風靡一時，用戶偏好會迅速改變，因此公司很難依靠收集用戶數(shù)據(jù)打造可持續(xù)的競爭優(yōu)勢。繼FarmVille2和CityVille等作品之后，星佳無法再推出新的熱門社交游戲，在2013年流失了近一半客戶。它被其他游戲廠商如Supercell公司（代表作Clash of Clans）、Epic Games公司（代表作Fortnite）取代。星佳市值在2012年達到高峰（104億美元），隨后就低迷不振，至今6年的大部分時間里都不到40億美元。

4.數(shù)據(jù)是否屬于公司獨有，無法從其他來源獲取，無法輕易復制及破譯？擁有無可替代的獨家客戶數(shù)據(jù)，對于打造競爭優(yōu)勢至關(guān)重要。例如我們投資的一家初創(chuàng)公司，波士頓地區(qū)的Adaviv。該公司提供的農(nóng)作物管理系統(tǒng)，讓種植者（目前主要是大麻種植商）可以持續(xù)監(jiān)測所有植株的狀態(tài)。這個系統(tǒng)依靠AI、計算機軟件和獨家的數(shù)據(jù)注釋技術(shù)，檢測人眼看不到的植物生物學指標，如疾病或營養(yǎng)不良的前兆，隨后解讀數(shù)據(jù)，為種植者提供預防疾病暴發(fā)、提高產(chǎn)量的建議。使用Adaviv系統(tǒng)的種植者數(shù)量越多，系統(tǒng)能夠?qū)W習的性狀差異、耕作環(huán)境等各種因素的范圍就越廣，預測的準確性隨之提升。相比之下，垃圾郵件過濾器提供商可以更為輕松地獲取用戶數(shù)據(jù)，所以有了很多類似的提供商。

5.基于用戶數(shù)據(jù)的產(chǎn)品改進是否難以模仿？即使數(shù)據(jù)難以復制，且能提供有價值的用戶洞察，但如果借由數(shù)據(jù)驅(qū)動型學習實現(xiàn)的產(chǎn)品改進能被沒有相關(guān)數(shù)據(jù)的競爭者輕易照搬，也很難打造持久的競爭優(yōu)勢。

公司要克服這一難題，主要受兩個因素影響。其一，相應改進是否深藏于復雜的生產(chǎn)過程中難以復制。音樂流媒體服務潘多拉（Pandora）受益于此。潘多拉公司獨家開展“音樂基因組項目”（Music Genome Project），根據(jù)約450個特征為幾百萬首歌曲分類；公司提供的服務利用該項目，為用戶提供個性化的音樂電臺。用戶收聽潘多拉上的音樂電臺越多，為歌曲打的分越高或越低，潘多拉就越能更好地為用戶定制曲目。競爭對手無法輕易復制這樣的個性化服務，因為該服務與音樂基因組項目緊密結(jié)合。與之相比，通過學習用戶使用多種辦公效率軟件產(chǎn)品（如日程軟件Calendly和向眾人征求意見確定會議時間的Doodle）的情況做出的設(shè)計改進，則很容易觀察和模仿，因此提供類似軟件的公司很多。

其二，通過用戶數(shù)據(jù)獲得的洞見是否會迅速變化。變化速度越快，模仿難度就越大。舉例來說，谷歌地圖界面的許多設(shè)計特點都很容易模仿（蘋果地圖和很多其他地圖軟件都模仿了谷歌地圖），但谷歌地圖的核心價值是其預測交通狀況、推薦最優(yōu)路線的功能——這個功能利用了隨時變化的實時用戶數(shù)據(jù)，因此很難復制。只有用戶基礎(chǔ)能與谷歌比肩的競爭對手（如蘋果在美國）才能復制這一功能。蘋果地圖在美國正在縮小與谷歌地圖的差距，但在其他地區(qū)的用戶基礎(chǔ)不足，無法與谷歌匹敵。

6.來自一位用戶的數(shù)據(jù)是否有助于為同一用戶或其他用戶改進產(chǎn)品？理想狀態(tài)下，這兩個方面都可以實現(xiàn)，但兩者之間的差異很重要。倘若來自一位用戶的數(shù)據(jù)能夠讓產(chǎn)品更加符合這位用戶的需求，公司可以提供個人定制，提高用戶的轉(zhuǎn)移成本，借此留住用戶。如果來自一位用戶的數(shù)據(jù)能夠促進產(chǎn)品實現(xiàn)更加符合其他用戶需求的改進，就可能實現(xiàn)網(wǎng)絡(luò)效應（但也可能實現(xiàn)不了）。這兩種改進都有助于提高市場準入門檻，但前者是增強現(xiàn)有用戶的黏性，后者則有利于爭取新用戶。

舉例來說，潘多拉是數(shù)字音樂流媒體領(lǐng)域出現(xiàn)的第一個巨頭，但隨后就被Spotify和蘋果音樂超趕，而且這兩家公司仍在繼續(xù)成長。如前所述，潘多拉的主要賣點是根據(jù)用戶喜好定制的個人音樂電臺，但這個方向的數(shù)據(jù)驅(qū)動型學習僅限為一位用戶提供更好的服務，在不同用戶間并不通用：一位用戶的評分讓潘多拉了解該用戶喜歡的音樂特征，進而為該用戶提供具備這一特征的其他歌曲。與之相比，Spotify更加重視分享與發(fā)現(xiàn)功能，比如讓用戶搜索和收聽其他用戶的音樂電臺，以此實現(xiàn)直接的網(wǎng)絡(luò)效應，吸引更多用戶。潘多拉的服務至今依然僅限于美國（美國有潘多拉的忠實用戶群體），而Spotify和蘋果音樂已經(jīng)走向全球。潘多拉于2019年2月以35億美元的價格被SiriusXM收購，而Spotify于2018年4月上市，截至2019年11月初的市值是260億美元。很明顯，通過用戶數(shù)據(jù)驅(qū)動型學習實現(xiàn)的定制化可以留住已有用戶，但無法實現(xiàn)網(wǎng)絡(luò)效應帶來的指數(shù)級增長。

7.從用戶數(shù)據(jù)中獲得的洞見應用于產(chǎn)品的速度有多快？學習周期夠快，可以將競爭對手甩在身后，平均用戶體驗中有多項產(chǎn)品改進同時進行時尤其如此。但如果基于數(shù)據(jù)的改進需要幾年時間或連續(xù)幾代產(chǎn)品才能實現(xiàn)，那么競爭對手在此期間自行收集用戶數(shù)據(jù)實現(xiàn)創(chuàng)新的可能性就會提升。因此，積極利用從當前用戶處獲取的數(shù)據(jù)，加速為當前用戶實現(xiàn)產(chǎn)品改進，獲得的競爭優(yōu)勢會比關(guān)注未來用戶更強。前文提到的地圖、搜索引擎、AI農(nóng)作物管理系統(tǒng)等例子都可以迅速升級，將當前的數(shù)據(jù)驅(qū)動型學習成果應用于實踐，為當前用戶提供更好的服務。

這方面的一個反例是LendUp、LendingPoint等網(wǎng)絡(luò)貸款提供商。這些公司考查用戶的還款記錄，以及還款記錄與用戶資料、行為等多個方面的關(guān)聯(lián)性，以此做出更好的貸款決策。這里，與當前借款者有關(guān)的唯一數(shù)據(jù)洞察是來自以前的借款者，而這部分信息體現(xiàn)在當前借款者的貸款合同和利息上。借款者沒有理由關(guān)心讓提供商未來會從中獲益的任何洞察，因為目前的貸款合同不會受到任何影響。因此客戶在考慮尋求貸款時，并不關(guān)心還有多少人會向特定提供商貸款。于是借款者會傾向于一直與原本的提供商合作，因為該提供商比其他提供商更加了解自己的需求，而爭奪新客戶的競爭依然十分激烈。

三、數(shù)據(jù)能否帶來網(wǎng)絡(luò)效應

對最后兩個問題的回答，會告訴你數(shù)據(jù)驅(qū)動型學習能否實現(xiàn)真正的網(wǎng)絡(luò)效應。如果基于一位客戶數(shù)據(jù)的學習有助于為其他客戶提供更好的體驗，而且可以迅速協(xié)助改進產(chǎn)品，立刻為現(xiàn)有客戶提供價值，那么客戶就會關(guān)注還有多少人選用該產(chǎn)品。這個原理與在線平臺的網(wǎng)絡(luò)效應十分相似，區(qū)別在于，平臺用戶傾向于加入更大網(wǎng)絡(luò)的原因是想與更多人互動，而非更多用戶可以提供更多洞見、協(xié)助產(chǎn)品改進。

我們再來看看谷歌地圖的例子。駕駛者使用谷歌地圖，部分原因是希望其他更多的人使用。谷歌地圖通過用戶收集到的交通數(shù)據(jù)越多，對路況和所需時間的預測就越準確。谷歌搜索和Adaviv的AI作物管理系統(tǒng)也一樣，通過收集數(shù)據(jù)實現(xiàn)網(wǎng)絡(luò)效應。

數(shù)據(jù)網(wǎng)絡(luò)效應跟一般的網(wǎng)絡(luò)效應一樣可以提高行業(yè)準入門檻。這兩種網(wǎng)絡(luò)效應都會讓潛在競爭對手遇到“先有蛋還是先有雞”的冷啟動問題：想實現(xiàn)一般網(wǎng)絡(luò)效應的公司需要先吸引一定數(shù)量的用戶才能啟動網(wǎng)絡(luò)效應，想實現(xiàn)數(shù)據(jù)驅(qū)動型網(wǎng)絡(luò)效應的公司則需要先獲得一定數(shù)量的數(shù)據(jù)才能啟動數(shù)據(jù)驅(qū)動型學習的良性循環(huán)。

然而，一般網(wǎng)絡(luò)效應與數(shù)據(jù)驅(qū)動型網(wǎng)絡(luò)效應還有關(guān)鍵區(qū)別，這些區(qū)別使得前者的優(yōu)勢更強。其一，數(shù)據(jù)驅(qū)動型網(wǎng)絡(luò)效應的冷啟動問題通常不如一般網(wǎng)絡(luò)效應那么難解決，因為購買數(shù)據(jù)比購買客戶簡單。新的競爭對手要實現(xiàn)數(shù)據(jù)驅(qū)動型網(wǎng)絡(luò)效應，不需要龐大的用戶基礎(chǔ)，只需要找到數(shù)據(jù)來源，即使不完美，也足以與在位企業(yè)匹敵。

其二，要想實現(xiàn)可持續(xù)的數(shù)據(jù)驅(qū)動型網(wǎng)絡(luò)效應，公司必須不斷努力發(fā)掘客戶數(shù)據(jù)。而一般網(wǎng)絡(luò)效應，用Intuit創(chuàng)始人斯科特·庫克（ScottCook）的話來說，“擁有（一般）網(wǎng)絡(luò)效應的產(chǎn)品在我睡覺的時候自己就能越變越好?！庇辛艘话憔W(wǎng)絡(luò)效應，哪怕平臺停止創(chuàng)新，用戶之間（可能還有提供配套產(chǎn)品和服務的第三方）的互動也能創(chuàng)造價值。現(xiàn)在即使出現(xiàn)一個新的社交網(wǎng)絡(luò)，向用戶提供客觀上比Facebook更好的服務（比如隱私保護更完善），也還是很難勝過Facebook強大的網(wǎng)絡(luò)效應——用戶只想留在其他大多數(shù)用戶都在用的社交平臺上。

其三，在許多情況下，通過學習客戶數(shù)據(jù)實現(xiàn)的幾乎所有優(yōu)勢，對客戶數(shù)量的要求都相對比較低。在一些應用（如語音識別）中，AI的迅速發(fā)展會降低對客戶數(shù)據(jù)的需求，甚至讓數(shù)據(jù)驅(qū)動型學習帶來的優(yōu)勢徹底消失。而一般網(wǎng)絡(luò)效應則更加穩(wěn)固，影響范圍也更廣：在已有眾多用戶的情況下，新增一名用戶依然能為已有用戶提供價值（已有用戶可以跟新用戶交流或交易）。