做规划，不如多量化
从更高的层面来看，互联网从整体上也可以被看作众包的一种形式。数亿人开始利用搜索引擎获取信息、进行研究，人们花在浏览新闻网站、娱乐网站、购物网站和旅游网站上的时间越来越多，也越来越多地通过Facebook、Twitter等社交网站与朋友分享信息。因此，从理论上讲可以将所有互联网活动汇集起来，形成一个反映全球网民的兴趣点、关注点和意愿的实时图景。比如，谷歌和雅虎公司的研究人员通过计算“流感”和“流感疫苗”等流感相关词语的搜索次数，估算出的流感病例数量已经非常接近疾控中心报告的数量。11 Facebook根据用户的更新动态发布了“国民幸福指数”12，雅虎公司将年度搜索量最高的词语编写成表，并将其作为文化和时代精神的粗略指南13。毫无疑问，在不久的将来，搜索和更新数据很可能会与Twitter上的推文、Foursquare上的登录位置信息以及其他信息结合在一起，形成更多关于房地产、汽车销售或酒店空房率等的专项指标——不仅是全国性的，还可以覆盖到局部地区。14
经过适当开发和调整，这种基于互联网的指标可以用来帮助企业和政府衡量与应对其受众的偏好和情绪——谷歌首席经济学家哈尔·范里安（Hal Varian）将此称为“预测现在”。事实上，在某些情况下甚至可以用大众来预测不久的将来。例如，想要购买新相机的人可能会搜索和比较不同的相机型号；想看电影的人可能会搜索最新电影的上映日期，或者寻找放映该片的影院；而计划度假的人可能会搜索旅游景点，查询机票和酒店价格。如果人们确实会这样做的话，那么通过整理与零售活动、电影放映或旅行相关的搜索量，我们就可以对经济、文化或政治兴趣做出短期预测。
所以，哪些行为可以利用搜索数据来预测，这些预测的准确性如何，有效利用期是多久，这些都是研究人员要着手解决的问题。比如，我和雅虎公司的同事研究了一些搜索量，用于预测故事片的首映周末票房收入、新发行电子游戏的首月销量，以及Billboard流行音乐热歌榜排名前100位的歌曲。这些预测都是在事情发生前几周做出的，所以我们讨论的并不是长期预测。正如第6章所言，长期预测要困难得多。但是，即使只提前一周对观众的兴趣多了解了一点儿，也可能有助于电影院或分销商决定在不同地区放映哪些电影，以及放映场次。15
我们发现，相比于其他类型的公开数据（如生产预算或分销计划），利用搜索查询数据获得的提升虽然很小，但意义重大。第6章我们讨论过，基于历史数据的简单预测模型很难被超越，而对搜索相关的数据来说，情况也是如此。但是，借助搜索以及其他基于互联网的数据，仍然有很多方法可以改进预测。比如，有时你无法获得可靠的历史数据，你要推出一款不同于以往任何游戏的全新游戏，或者你无法获知竞争对手的销售数据；而有时，我们也讨论过，未来并不像过去，平稳的经济指标会突然剧烈波动，或者不断上涨的房价会突然下跌，在这些情况下，基于历史数据的预测方法可能会表现不佳。所以，当历史数据不可获取或提供不了多少信息时，了解人们的实时状态（比如人们的搜索内容反映出来的信息）可能会给你带来宝贵的优势。
总的来说，互联网为量化－反应策略的实施提供了便利，这对于商界、科学界和政府来说都是一件振奋人心的事情。但是要记住，量化－反应策略的原理并不局限于互联网相关的技术，Zara这家非网络公司就是一个很好的例子。关键在于，人们日益增长的量化世界的能力将会改变规划的传统思维模式。与其预测人们的反应，并绞尽脑汁设法引导消费者对广告、产品或者政策做出反应，不如直接去量化他们对各种情况可能会做何反应，并做出应对。换句话说，从“预测和控制”到“量化和反应”的转变不仅是技术上的改变（虽然技术也需要改变），而且是心理上的转变。只有当我们承认自己预测未来的能力并不可靠时，我们才能开启一扇探索未来的大门。16
不只是量化，还要多实验
但是，在很多情况下，仅仅提高我们量化事物的能力，并不能告诉我们到底需要知道什么。比如，我的一个同事提到了他与美国一家大公司的首席财务官的谈话，那个首席财务官透露说，前一年他所在的公司在“品牌广告”上花了大概4亿美元。这种品牌广告并不是针对产品和服务的广告，仅仅是针对品牌而已，那么，这笔钱效果如何呢？我同事说，那位首席财务官都怀疑是否应该花这么多钱在品牌广告上。让我们想想，首席财务官的意思并不是说这4亿美元没有任何效果，而是说他不知道这笔资金产生了多大的影响。在他看来，如果没有在品牌广告上花一分钱，公司的业绩可能没什么两样，但也可能会遭遇一场灾难，他也不确定。
现在看来，4亿美元似乎是一笔不小的数目，但实际上，这只是沧海一粟。美国企业每年在营销上投入的资金大约为5 000亿美元，而且其他公司的首席财务官和这个首席财务官应该大致相同，或许这个人更诚实，但他们应该都不能确定自己公司的营销资金究竟产生了多大效果。所以，我们也该对所有5 000亿美元提出同样的问题。这些资金对消费者行为到底有多大的影响呢？有人知道吗？当被问及这些问题时，广告商们经常会援引百货商店巨头约翰·沃纳梅克（John Wanamaker）的话来回答：“我花在广告上的钱有一半是浪费的，我只是不知道是哪一半。”这句话回答得很恰当，总会引人发笑。很多人不能理解的是，沃纳梅克在将近一个世纪之前就说了这句话，那时大约是爱因斯坦发表广义相对论的时期，而自沃纳梅克时代以来，科学技术经历了前所未有的发展，青霉素、原子弹、DNA、激光、太空飞行、超级计算机、互联网等新概念或新事物出现了。但是，为什么沃纳梅克的困惑在如今还与当时一样重要呢？
这当然不是因为广告商的量化能力没有进步。凭借自己的销售数据库、尼尔森和康姆斯克公司（comScore）等第三方评级机构，以及网络点击数据，广告商能比沃纳梅克测量更多的变量，而且要精确得多。事实上，广告界实际拥有的数据比他们能够处理的要多得多，但真正的问题在于，广告商想要知道他们的广告是否会促进销量增长，然而他们衡量的却总是两者之间的相关性。
当然，在理论上，我们都“知道”相关性和因果关系不同，但在实践中，我们却总把它们混淆。比如，如果我们节食一段时间，发现自己的体重减少了，就很容易得出结论：节食会促使体重下降。但是，当人们节食时，往往也会在生活中的其他方面做出改变，比如增加锻炼和睡眠，注意饮食等。这些变化或者它们的组合都有可能和节食一样引发体重的减少。但是，由于人们关注的是节食，而不是其他变化，所以会认为体重减轻是节食的功劳。同样，在每次广告活动的实行过程中，很多其他因素也在同时变化。比如，广告商通常会根据他们的预期销售量制定未来一年的广告预算，或者在节假日等购物高峰期增加广告支出。这两种策略都会产生同样的效果：无论广告是否会产生效果，销售量和广告看起来都是相关的。但就像节食一样，企业关注的是广告效果，所以如果之后销售量或其他相关指标增长了，他们往往会认为，这正是广告的作用，而非其他因素的影响。17
一般来说，区分相关性和因果关系是非常棘手的，但至少在理论上有一个简单的判断方法——进行一次实验。在这个实验中，我们对某些对象采取某种处理（无论是节食，还是广告），而对其他对象不进行处理。我们将前者称为实验组，后者称为控制组。如果在实验组中，我们关注的指标（比如体重、销售量等）比在控制组中变化显著，那我们可以得出结论，这种处理可能会导致相应结果的发生；反之我们就不能这么说。在医学领域中，一种药物若想得到美国食品药品管理局（Food and Drug Administration，简称FDA）的批准，必须先进行人体试验。试验中有一部分人被随机分配接受药物治疗，另一部分人则不使用任何药物或只使用安慰剂。只有比起不用药物的人，使用药物的人的相关症状明显改善时，制药公司才能宣称这种药物是有效的。
同样的方法也应该应用于广告之中。如果不进行实验，人们基本上不可能确定广告和销量之间的因果关系，也不能衡量出营销活动的实际投资收益。比如，某公司在发布新产品的同时举办了广告宣传活动，产品十分热销。很明显，人们可以根据广告资金的投入和产品销售额来计算广告的投资回报率，广告商通常也是这么做的。但是，如果这款产品本来就不错，即使没有广告宣传，它也能卖得很好呢？那显然，钱就白花了。或者，如果进行另一场不同的广告宣传活动，能以同样的成本产生两倍的销售额呢？那么我们也可以得出结论，相对来说，这次广告宣传活动的投资收益不佳，尽管它是“有效”的。18
此外，如果不进行实验，若想衡量出广告效果有多少是由受众的倾向导致的，也将非常困难。比如，人们经常会注意到，比起在其他网页上显示的广告，搜索广告（就是在你的搜索结果页面右边出现的赞助商链接）的效果要好得多，这是为什么呢？主要是因为你所看到的赞助商链接在很大程度上取决于你刚刚搜索的内容。比如，搜索“Visa卡”的人很可能会看到信用卡供应商的广告，而搜索“肉毒杆菌治疗”的人可能会看到皮肤科医生的广告。但人们更感兴趣的是，那些广告商究竟提供了什么呢？如果有人点击了Visa卡的广告，随后注册办理了一张Visa卡，这一结果并不全在于广告的作用，原因很简单，无论点不点广告，这位消费者都可能去办理Visa卡。
似乎大家都知道这一点，但很多人理解得并不正确。19事实上，广告商通常会多付一些钱来吸引他们认为最可能购买其产品的顾客——因为这些顾客在过去曾购买过他们的产品（比如，帮宝适纸尿裤），或者他们曾购买过同类产品（比如，帮宝适竞争对手的产品），又或许他们很快就会有此类需求（比如，马上要有第一个孩子的年轻夫妇）。这种针对性广告往往被认为是一种科学的方法。但是，这些消费者中还是会有一大部分人无论看没看见广告都会购买这些产品。如此说来，在这些人身上的广告投入和在那些看了广告也不感兴趣的人身上的广告投入一样是白费的。这样看来，唯一起作用的广告就是那些影响了边缘消费者的广告，这些人如果看见了广告就会购买产品，如果没有看到就不会购买。确定广告对边缘消费者作用的唯一方法就是进行一项实验，在这项实验中，每个人是否会看到广告都将是随机的。