準(zhǔn)確預(yù)測(cè)客戶(hù)的購(gòu)買(mǎi)行為，對(duì)企業(yè)的重要性不言而喻，然而這點(diǎn)卻很難做到。企業(yè)往往是根據(jù)客戶(hù)過(guò)去發(fā)生過(guò)的購(gòu)買(mǎi)行為，運(yùn)用相關(guān)軟件，來(lái)預(yù)測(cè)某個(gè)客戶(hù)會(huì)在某個(gè)時(shí)間購(gòu)買(mǎi)某個(gè)產(chǎn)品的可能性。按理說(shuō)，在擁有大量數(shù)據(jù)的基礎(chǔ)上，預(yù)測(cè)結(jié)果應(yīng)該與實(shí)際結(jié)果相差不大，但現(xiàn)實(shí)情況恰恰相反。作者研究了兩家大型企業(yè)的數(shù)千名客戶(hù)的購(gòu)買(mǎi)模式，結(jié)果表明，它們預(yù)測(cè)客戶(hù)購(gòu)買(mǎi)行為的準(zhǔn)確率僅有60%。準(zhǔn)確率為什么會(huì)這樣低？作者認(rèn)為，原因不在于記錄了客戶(hù)購(gòu)買(mǎi)信息的CRM系統(tǒng)本身，或是這些信息不具備預(yù)測(cè)作用，而在于多數(shù)企業(yè)用于解讀數(shù)據(jù)的數(shù)學(xué)方法存在局限性。

　　企業(yè)在預(yù)測(cè)客戶(hù)行為時(shí)，最常用的方法包括兩個(gè)步驟：第一步是估算某個(gè)客戶(hù)選購(gòu)某個(gè)特定產(chǎn)品的概率，第二步是估算某個(gè)客戶(hù)在某個(gè)特定時(shí)間進(jìn)行購(gòu)買(mǎi)的概率。具體方法是對(duì)大量相關(guān)客戶(hù)數(shù)據(jù)進(jìn)行回歸分析，得出計(jì)算概率等式中各變量的權(quán)重，然后再用此等式計(jì)算概率。企業(yè)將兩個(gè)步驟中算出的概率相乘后，就可以得出每個(gè)客戶(hù)未來(lái)購(gòu)買(mǎi)行為的聯(lián)合概率。據(jù)此還可以建立一個(gè)概率方塊，了解更多有關(guān)客戶(hù)行為的信息。

　　這種方法綜合了產(chǎn)品選擇概率與購(gòu)買(mǎi)時(shí)機(jī)概率，而且，許多行業(yè)的客戶(hù)樣本規(guī)模龐大，客戶(hù)數(shù)據(jù)也相當(dāng)充足。那么，為什么得出的預(yù)測(cè)數(shù)字還這么不可靠呢？部分原因在于，將產(chǎn)品選擇概率與購(gòu)買(mǎi)時(shí)機(jī)概率相乘這種做法，完全忽視了這兩個(gè)概率之間的互相依存關(guān)系，從而導(dǎo)致錯(cuò)誤的預(yù)測(cè)，不過(guò)，公司可以通過(guò)統(tǒng)計(jì)修正來(lái)解決回歸分析中這一偏差，這并不是傳統(tǒng)方法的主要問(wèn)題所在。

　　真正的問(wèn)題在于這兩種概率預(yù)測(cè)都采用同一個(gè)樣本群體的數(shù)據(jù)，而這會(huì)導(dǎo)致抽樣誤差。傳統(tǒng)的概率估計(jì)方法之所以極易出現(xiàn)抽樣誤差，原因就在于，所有回歸分析都存在一個(gè)隱含假設(shè)，即由樣本群體得出的變量的權(quán)重代表了整個(gè)總體。但是，這種假設(shè)在實(shí)際中幾乎無(wú)法成立。

那么，怎樣才能消除概率估計(jì)中的抽樣誤差呢？答案在于一個(gè)名為貝葉斯估計(jì)的數(shù)學(xué)統(tǒng)計(jì)方法。貝葉斯估計(jì)法不是像回歸分析那樣計(jì)算出概率等式中每個(gè)變量的權(quán)重，而是先確定一個(gè)權(quán)重范圍。然后，通過(guò)一連串迭代計(jì)算，確定相關(guān)變量最有可能占的權(quán)重。這種計(jì)算具有更大的預(yù)測(cè)作用，因?yàn)樗佻F(xiàn)了樣本實(shí)際發(fā)生過(guò)的行為。作者利用丹尼爾•麥克法登的開(kāi)創(chuàng)性成果，開(kāi)發(fā)了一個(gè)名為似然函數(shù)的多變量公式。通過(guò)這個(gè)公式，我們可以準(zhǔn)確計(jì)算出客戶(hù)總體在面對(duì)兩種以上產(chǎn)品時(shí)的購(gòu)買(mǎi)概率和時(shí)機(jī)概率。要進(jìn)行估計(jì)和使用作者開(kāi)發(fā)的似然函數(shù)，需要有特殊的軟件，如Gauss或MATLAB。

　　作者分別在一家大型B2B高科技企業(yè)和一家B2C金融服務(wù)企業(yè)應(yīng)用了這一新方法，并與傳統(tǒng)預(yù)測(cè)方法得出的結(jié)果進(jìn)行了比較。結(jié)果表明，利用新方法，B2B企業(yè)的預(yù)測(cè)能力提高了54%，B2C企業(yè)提高了近33%。在這一過(guò)程中，一個(gè)重要發(fā)現(xiàn)是，營(yíng)銷(xiāo)過(guò)度和營(yíng)銷(xiāo)不足同樣會(huì)降低企業(yè)的收入。作者由此做出的推斷是，如果企業(yè)將傳播力度降到合適的水平，不僅可以節(jié)省成本，還可以提高單位客戶(hù)收入。為了驗(yàn)證這一點(diǎn)，作者開(kāi)展了一項(xiàng)實(shí)地研究，結(jié)果顯示，作者的新模型不僅能夠幫助企業(yè)避免在沒(méi)有購(gòu)買(mǎi)意愿的客戶(hù)身上亂花錢(qián)，還能幫助挽回因傳統(tǒng)營(yíng)銷(xiāo)戰(zhàn)略而正在失去的銷(xiāo)售收入。