当收集到的这些数据不能为企业所用时，企业就永远不知道关于我的这个数据原来是不的。这些数据好像是地描述了我的性别。但是却不能很地描述我的搜索和购物行为。

在梳理的数据时，我们惊讶于为什么会有18个性别标签。乍一听，很不可思议。你肯定会想，是不是在闭门造车，是不是自己凭空造出了这么多的性别？

事实上，每一个性别表现都并非看上去那么简单，因为它的分类是基于用户在不同场景中不同表现而做出的。这就揭示了一个问题，我们每个人都不会只呈现出简单的一面，比如在安静时和在人前时，我们就会表现出不一样的自我。不同的性别标签其实就是应用了这一原理——同样的人在搜索商品时可能会表现出不一样的行为特点，而这些不一样的行为就是我所说的场景，结合场景应用数据就是"活"用数据。其实，有多少个性别标签并不重要，重要的是如何让用户在不同的场景中获得更好的服务。

亚马逊一直在自己的商业活动中应用这个理论。多年以来，亚马逊就使用动态模型——相对于"历史的你"，它的推荐更相信"现在的你"。所以，它相信今天登录网站的你有什么需要与兴趣，比起历史的"你"来说更重要。

我们不妨扩张一下思路，假如你在一家网站买了一份保险，又买了一件衣服。这两件事情，哪一个能更多地证明你是"本我"，而哪一个能更多地证明你是"被别人影响的我"？推荐系统的运作原理是通过推荐一件商品去影响你的购买决策。一般来说，你要为自己做一个很长远的购买决定时，会综合考虑一些因素，这时的购买决策会跟你本身的性格产生紧密联系。比如，你的性格是不爱晒自己的东西，不爱很刺激的活动，那么你就不会买一辆跑车，这是你深思熟虑之后做出的决定。

总的来看，对于用户购买行为的场景，我们大都无法判定它的产生到底是因为长期积累的性格多一点，还是受今天心情的影响多一点。而且，前提是假定，别人没有用你的账号购物。如果今天是你的女朋友借了你的账号去购物，这个系统可能就无法做出正确的推荐了。

把数据激活，从静态数据变成动态数据，必须要用场景来验证，静态数据是没有用的。理所当然，企业很容易一开始就假定"你告诉我里你是男的，肯定就是很的"。从表面上来说，企业凭借用户自己填写的数据来做决策，会更精准，但结果却相反。在做了很多测试后我们发现，动态的观察数据反而更能地反映出用户的信息和需求。

但是，如果用户在做一个比较重要的购买决定时，真实性别、真实职业以及一些描述个人的静态数据对于企业来说就更具有参考性了。对消费者来说，购物就是决策，凡是决策，都是要对比、细分、溯源、看趋势。所谓的冲动消费是"什么都不管了"，直接拍下，那就要分析购物当天的场景了，或许那天是"双十一"？

别再死盯着ROI

从公司价值的角度来看，我在B2B外贸公司得到了一个重要的经验——如果企业不把数据活用起来，只是死盯一个数据的话，企业的运营必定不会理想。

当时，我所在的公司买入广告关键词时，一直用的重要考核数据是投资回报率(ROI)，即每个广告关键词能给公司贡献多少交易量。如果我们灵活使用数据，会怎么样？

我当年就对公司的管理者提出了一个建议：把一些使用得很好的广告关键词(排行榜前30％)拿出来，调查根据这些关键词登录网站购物的消费者在三个月后是否还会来买东西的问题。

事实证明，这些ROI指标很好的广告关键词，有一半只吸引了用户的一次购买行为。因为，这些公司买的关键词都是"大力度优惠的××"，这些关键词对某些消费者来说有着很大的吸引力，但是并不总会产生巨大的效用。

也因为这样，企业吸引来的用户都是一般消费者，却不是真正做批发的人。企业管理者接近不知道当时掌控ROI的部门其实就是在做赔本生意。

P42－44