250亿美元的教训：耐克数据驱动策略的大翻车

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：在新任CEO的带领下，耐克采取了向数据驱动全面转型的策略。几年过去，公司市值损失了250亿美元，股价掉了32%。数据驱动需要背这个锅吗？我们从中能吸取什么教训呢？文章来自编译。

上周，耐克前高级品牌总监发表了一篇罕见的深入分析文章，探讨了四年来发生的营销失误。作为从类似领域中汲取灵感的坚定信徒，我认为这对产品和用户体验来说是一个很好的教训。

我为什么认为这个厉害相关？只要告诉我以下听起来不熟悉就行：

耐克投资了数十亿美元到一个效率较低但更容易衡量的事物，而不是一个效率更高但更难衡量的事物上。

根据麦肯锡的建议，耐克新任首席执行官约翰·多纳霍决定转向“数据驱动”的方法，重组公司，转向数字直销，并取消以前以不同类别为中心的模式。这种诱惑很容易识别，波音和其他公司在过去几年中也陷入了同样的陷阱。

提出新想法很困难，这需要专业知识。此外，还需要专业知识来了解那些专家在做什么，从而管理好他们。

与此同时，削减成本的方做法每个行业都一样。因此，耐克决定干掉重复流程、简化运营、提高效率并提高生产力——所有这些话的意思都是“无论你在做什么，都要更加努力。”

效果如何？这取决于这项真略背后的意图。如果多纳霍打算让公司市值损失 250 亿美元，让股价下跌 32%，那么他取得了巨大成功。对于那些认为他不是故意这么做的人来说，值得反思他错在哪里。

数据的刚性限制

认为没法衡量就没法管理是错的，这个迷思代价高昂。——戴明（W. Edwards Deming）

数据不是一文不值。数据确实很有价值，因为它可以告诉你过去发生了什么。人们花费大量金钱来生成可以告诉你当前情况的数据。但正如对冲基金量化分析师的 7 位数和 8 位数薪水向我们展示的那样，用数据来推断未来会发生什么是最具挑战性的事情之一。

通常，这样做的方法是收集所谓的热数据（赋予数字意义的定性数据），然后用它来讲述数字的走向。

不幸的是，在线广告干的不是这个。正如 Phil Bastien指出那样，广告数据最常见的结果是，如果你买了一张沙发，那一定意味着你需要更多的沙发。

人类的营销人员和销售人员都知道这一点——这就是为什么你可能会在商店里看到纸巾跟烧烤酱放在一起，或者看到面包跟热狗放在一起。人类可以用定性的数据点“配料放在面包上”来丰富“你正在买面包”，从而营造出愉快的购物体验。但获取数据——即便是输入给人工智能的数据——来做到这一点比你想象的要困难得多。

耐克决定取消个别产品类别（这类产品正好可以整合此类专业知识），转而采用通用的数据模型，这带来了一个你可能可以预料到的问题。这个模型的作用相当于在披萨店门前分发披萨店的传单，并向企业发出信号，要求企业别去吸引新客户，而是从现有客户那里赚取更多收入。

数据驱动的死亡螺旋

衡量的东西不对是通向灾难的捷径。——Jared Spool

有人可能会认为，品牌、营销与设计等创意工作背后全部的利润动机就是推动行为改变。我们让客户得以做一些新的事情——无论是通过告知他们存在某种选择，还是让这种选择比其他选择更有吸引力、更有效都是如此。

问题就出在这里。耐克这项乱伦战略是收集现有客户的数据——那些行为不需要改变的客户的数据。

这个错误极其常见，各行各业都存在——你的研究当中中发言最活跃、最频繁、声音最大的参与者最不能代表整个潜在市场。不使用或不能使用你的产品的人几乎不会被关注。

去触达最容易收集的数据，然后就此止步，这种做法很有诱惑性。这正是耐克对其在线购物数据的所作所为。结果，他们的产品中心迅速偏离了普通客户购买的商品，而具有大众吸引力的产品则因缺乏销售场所而在仓库里烂掉。耐克追逐这些边缘客户的时间越长，普通购物者转向竞争对手的产品的情况就越频繁。

让数据驱动你是固定思维模式

人们迷恋上定量方法，整个实验室都致力于用复杂的统计机器来解决那些并不重要的问题。——格雷戈里·贝特森，1944 年

旁观者清，做事后诸葛亮谴责耐克犯下这个错误不难。我们甚至更容易相信我们可以避免这种情况——因为我们只需选择合适的数据，而不是错误的数据就行。

事实上，犯这个错是经验丰富、聪明的专业人士，他们也认为自己在做正确的事。光指出他们错了还不够；我们还得了解为什么在那一刻，这件错事似乎是最好的前进方式。

很容易看出情况会如何。耐克仍然是全球最有价值的品牌之一，追逐大客户或大订单对很多小一点的公司来说都很有效。在像 2020 年这样充满风险的环境里，发挥自身优势并获得几乎有保证的 10%（或其他）的指标增长感觉很好。

闭上眼睛假装这 10% 的降幅不会以其他方面的更大损失为代价也很诱人，因为如果你说出来的话，下一轮裁员可能就会降临到你头上。要反击主流观点，需要很大的勇气和信念。需要研究技能来做出明智假设，需要商业意识来说服掌握预算的人应该去试一下。

“验证”每个人都已经相信的东西要容易得多——但这样没有任何价值。研究的价值不在于让那些已经在喊的人嗓门更大，而是来自于找到那些没有被听到的人，并让他们的声音加入到对话当中。

然后你就可以做出真正的数据驱动的决策：由所有数据驱动的决策。

译者：boxi。