HubSpot One在過去近10年的時間中一直倡導著以數據為驅動，規劃並實施行銷活動的方法。但是，最近服務客戶的過程中遇到了一些人和事，慢慢地讓行銷長反思數據驅動膜拜對行銷人產生的反噬作用。如果我們無法認清這點，我們將會深陷數據驅動的泥潭，喪失視野和行動能力。
如果你看過田中芳樹的《銀河英雄傳說》那麼你一定對自由行星聯盟的體制。信奉民主體制看似無比正確卻滋生了更多的獨裁和專制。這和我們今天在數字行銷中看到的“數據驅動”無比地相似。
每個人都想把手伸向夜空，去捕捉那屬於自己的星星。但卻極少有人能正確地知道自己的星星在哪一個位置。
田中芳樹
一個常見的例子是我們經常看到的一個現象——對下領導驅動，對上數據驅動。當下級下達指令的時候無需用數據來說話佐證，而對上級提案時需要窮盡數據來合理化提案內容。數據驅動的“爹味”也盡在於此。
道理誰都懂，難的是用數據來配合你的故事。你跟諮詢公司買的不是PPT，而是填充數據的故事。他們不比你更懂數字驅動，但卻比你更會用數據驅動講故事。
那些三句不離數據的從業者為什麼會成為數字行銷中的毒藥呢？這和數據本身有關係，也和使用數據的人有關係——越是對數據一知半解的存在，越是喜歡把數據驅動掛在嘴上。而那些對數據有一定理解的人，又往往說不好故事。
數據既是被動的又是主觀的。 Simo Ahava在《10 TRUTHS ABOUT DATA – REVISITED》一文中將此列為數據最基本的兩個特性。首先數據是一種武器，你用來傷敵一千還是自損八百都可以通過數據來完成。其次同樣的數據對不同觀眾看來不盡相同，那是很主觀的。 “會玩”的數據魔術師只要通過不同的benchmark就可以輕易對觀眾PUA。
“數據驅動”服務於確認偏誤、合意偏誤。這種先有個結論再通過湊數據來強行合理化的現象每天都發生在我們身邊。注意並不是先有個“假設”而是先有個“結論”，假設可以推翻，而結論無法挑戰。今天該輪到你“清零”了就必須“清零”。行銷長在去年年底詳細討論過其危害。在偏誤發生時，沒有一個以數據驅動的行銷人是無辜的。所有你學過的細分、歸因、建模都會成為“斷章取義”的佐料。
“數據驅動”導致指標固化。行銷長同樣在2020年詳細討論過指標固化這個數字行銷者的超級陷阱。 Eliyahu Goldratt在《The Haystack Syndrome: Sifting Information Out of the Data Ocean》一書中犀利地評價道：
Tell me how you will measure me, and I will tell you how I will behave. If you measure me in an illogical way, don’t complain about illogical behavior. （告訴我你將如何衡量我，我會告訴你我將如何表現。 如果你以不合邏輯的方式衡量我，請不要抱怨不合邏輯的行為。）
Eliyahu Goldratt
一旦我們以某一指標作為衡量效果的唯一依據，整個組織的行為模式都會發生改變。追求Revenue就賣樓（大法警告😡），追求Margin就996（實為福報😒）。
“數據驅動”造成浪費和延誤。這是為求數據而求數據的問題。舉個例子，有一個“數據驅動”的客戶就要求每週花大量時間做一個SEO的詳細報告並要求根據報告寫出Trends和Insights。每週表現都大體相同，並且這些流量也不能像廣告投放那樣快速乾預。更大的問題是，這些週報並不能指導下一周的工作內容，該優化的還是要優化。同樣的資源放在診斷和優化上不香麼？
當我們對已經知道的結論投入大量時間分析的時候，當我們對已經見頂的指標持續強行優化時，這種浪費格外明顯。
除了造成浪費，“數據驅動”還經常讓一些品牌為了“研判”、“找信心”而錯失良機。往往當競爭對手已經對突發事件落地應對方案時，我方還在糾結該不該出手，還在“研究分析中”。
“數據驅動”扼殺創新。 CMI的Robert Rose在他的《Are You Overselling the Power of Data》一文中無情地指出：“Data doesn’t and can’t say anything definitively if the idea is truly innovative.”（如果想法真正具有創新性，數據不會也不能明確說明任何事情。）
“數據驅動”可以為你帶來“本手”，但“數據驅動”大多數情況下不能為你帶來“妙手”，甚至在一些中毒的行銷者的驅使下會為你帶來“俗手”甚至“惡手”。更糟糕的是，許多把“數據驅動”掛在嘴上的行銷者同時都是“二元論”的受害者，他們大都對待事物“非黑即白”，他們只有好和不好。這讓他們變成充滿負面情緒的悲觀主義者。
你可以買來諮詢服務，但卻買不來創新服務。人類的許多創新想法都是九死一生的。正是因為人是人，而不是數據的奴隸，才會去挑戰小概率，超越歷史數據的束縛，實現進步。
“數據驅動”成為口號是一件可怕的事，真正的數據驅動應該是應用數據分析幫助我們了解發展，幫助我們進行決策的手段之一。而對於靠數據吃飯的數據分析師來說，培養自身的數據修養要比操縱數據本身要重要得多。我們需要時刻保有這份警惕，防止被“數據驅動”的魔怔吞噬。