随着互联网数据化运营的普及，越来越多的拍脑袋、经验论被数据取代，本文从3个仍然顽固的“数据盲区”出发，聊聊发展趋势。
1、品牌知晓度
线上广告有相对完整的跟踪机制，直接带来的订单／安装可以跟踪到，间接带来的也可以看到各个来源的次序和路径（比如sem的助攻数，不展开），数据能覆盖的部分目前就是这些。
数据无法覆盖的比如，在新市场大量投放，但投放和产出有时间差，或者线下广告、明星代言、赞助活动等“脸面”工作，这部分无法计算roi的广告仍然处于拍脑袋的现状，也叫品牌广告，对应有数据支持的“效果广告”。
由于可以在没有数据支持的情况下“做品牌”，自b2b，b2c和c2c后，近年来流行b2vc的模式，为了烧钱而烧钱，没有数据控制的结果就是这样。
这个问题是否有改善趋势呢？答案是肯定的。
目前的尝试比如，看搜索指数（自然搜索量）是否增长，看直接访问网站的用户比例是否稳定。
这类做法在相关性方面，验证下来效果是不错的，但是如果有多个广告同时曝光，要和效果广告那样精确区分来源，是很困难的。
可能的发展方向是，利用移动互联网、物联网的新数据源，例如位置／位移，摆脱陈旧的网站cookie机制的束缚。
虽然不能说完全消灭自欺欺人的“品牌影响”，但肯定能不断减少“无法被数据评估到的部分”。
2、用户忠诚度
如果说这个数据现在仍然主要靠“直觉”，可能有砖家会说，不就是唯品会一直强调的二次购买率呗。那么不妨追问一句，为什么唯品会能靠一个二次购买率，在天猫眼皮底下做成一个“妖股”呢？天猫的数据决策团队就眼睁睁看着这一切发生么？
二次购买数据，本身极大地受到“用户需求”和“业务自身起伏”的影响，而“用户需求”又深刻受到天时地利的影响，唯品的成功在于更农村的品牌和更农村的用户。
而其他竞争对手，在价格已经不是电子商务主要优势的情况下，仍然沉湎于打促销战，大量的价格敏感用户在多家之间跳来跳去，掩盖了忠诚客的数据。
第一个品牌广告问题是数据源不足，而第二个是数据源过多，需要把干扰因素排除，首先找到“忠诚客”，然后看他们是否真的满意。因而，这个问题的改善主要在两方面：
a 用户分类
对价格敏感用户的识别和排除，结合地域、购买产品特性等，考察对价格“相对”不敏感客人的留存情况。
数据的作用，主要在于将整个crm体系的资源倾斜到忠诚客身上，对于那些“哪便宜去哪的”，“服务好不好都无所谓”的，区别对待。
b 获取反馈数据
类似NPS的用户评分指标。这类指标主要通过用户评分、留言，结合行为数据（比如退货，投诉）来考量网站是否让客人满意。
这类数据受季节性和需求本身波动影响较小，某种分类忠诚客人NPS数据如果有很大波动，是需要重视的预警。
3、病毒营销
业内有一句笑话，预算充沛阶段用电视、户外、全渠道投放＋返现，钱差不多用完的时候用病毒营销、炒话题、小游戏（各位如果要加入一个创业团队，这个判断方法可以一试，正在招人的各位不要打我）。
换句话说，“用户自愿转发”是一个无法用数据预测的行为。
我们用流行的airbnb来作为例子，这个另类住宿网站是预定住在其他人家里，而不是住在酒店，最大的宣传特点是用户自发分享（也是没钱的创业团队）。
从直觉上可以推测，“非标准化”、“有非专业的房东可以交流”、“有微微的不安全感”，这些因素可能和“用户愿意分享”这个行为结果有关联，但是要量化权重，首先变量很主观，其次“住其他人家里”这种感受该如何去量化。
相对1的数据不足，2的数据干扰太多，3的问题是情感无法量化，这也是很多文章提出“做互联网要研究人的欲望”的原因－－从数据角度来看，他们可能只是没预算，又想搏一把而已。
硬要说解决途径，可能是人工智能，拟合时事新闻和热门转发文案之间的规律，类似“自动生成情书的程序”，不过老实说：
这也太扫兴了。
