全渠道营销听上去是一个简单的概念。消费者喜欢在线、线下等不同渠道购物，因此公司需要在任何地方与他们遇见。但是要制定一个能够产生效果的全渠道营销策略要比仅仅收集cookies和跟踪购买信息要复杂得多。一项最新发表在《市场营销杂志》（Journal of Marketing）特刊上的新研究解释了为什么全渠道不是万灵药。
要让全渠道营销策略发挥作用，主要面临三大挑战。该研究概述了这些挑战，以及一些解决方案，包括使用机器学习和区块链技术来让全渠道营销发挥充分的作用。
沃顿营销学教授伊扬格（Raghuram Iyengar）是这篇题为“全渠道营销中的信息挑战：解决方案以及未来趋势研究”（Informational Challenges in Omnichannel Marketing: Remedies and Future Research）的论文的八位合著者之一。伊扬格在和沃顿知识在线的访谈中，谈到了企业如何充分利用全渠道营销优势。
沃顿知识在线：现在不仅是公司试图更好地实施全渠道营销，像你这样的研究人员也在努力地理解这个趋势。然而技术的快速发展使其成为一个很难把握的移动目标。这项研究的主要发现是什么？
伊扬格：全渠道营销当然是一个非常热门的话题。当公司考虑全渠道（omnichannel）时，他们有时会问它和多渠道（multichannel）的区别。我们认为，多渠道意味着你在不同的渠道用不同的方式来联系客户。全渠道虽然也是这样，但这些方式应该有协同效应。
例如，如果你是REI的客户，你有一个手机应用APP，你也会收到电子邮件。如果他们追求的是全渠道战略，他们希望客户看到的是相互关联的不同信息片段，并且在某种意义上，这些信息是相互补充的。
实现这一点并不容易，因为你需要很好地了解数据是什么样的？你要能理解顾客与公司之间的所有不同接触点（touchpoints）是什么，然后你要能在后端执行它。把这一切放在一起并不简单。
“尤其是最近一年左右，消费者行为发生了变化。前一年有效的措施今天可能失效。”
1、数据协同和机器学习
沃顿知识在线：论文指出了三种不同的挑战和补救措施。第一个挑战是数据。问题是什么？
艾扬格：假设你在诺斯丹（Nordstrom）网站上购物。然后你又决定去线下商店买点其它。你会希望该公司能把你所有的数据放在一起：网站、手机APP、线下商店。但许多公司的现实是，许多数据都非常孤立。为什么？因为不同的部门负责不同部分的业务。
这些管理部门查看的是不同的数据。有时在大公司中，数据会变得孤立。其中的原因之一可能是政治性的，因为有些人想掌控数据，这可能比收入更重要。还有一些原因可能是分析师不知道数据在哪里。
沃顿知识在线：我们如何将技术解决方案应用于此？
伊扬格：当然，其中的一个办法是必须迫使公司改变内部孤立的管理结构。这个改变说易行难，但必须自上而下地贯彻。企业必须意识到，一些管理筒仓（silos）被打破，会带来什么附加值。
另一组解决方案来自更多机器学习。你可以想象，在某些受严格监管的行业，即使他们真的希望筒仓消失，也不可行。例如，在金融行业，公司必须分业务经营，不能跨界经营和跨界使用数据。
有一种叫做预测学习的方法，它是一种机器学习，你可以想象数据在不同的地方，有一种核心可以称之为算法过程的方法——每个数据本身都是匿名的。从这个意义上说，或许可以类比成，你可以把秘制的酱汁混合在一起。监管导致有些企业必须存在筒仓，因此越来越多的公司都在考虑这些解决方案。
2、营销归因的解决方案
沃顿知识在线：让我们来看看论文中提出的第二个挑战，这是关于营销归因（marketing attribution）。这是什么？
伊扬格：让我再拿诺斯丹举个例子。想象你收到一封电子邮件。然后你还收到一本精美的购物目录。假设诺斯丹的数据不是孤立的，那么在某个时刻，他们看到你买了一些东西。营销归因就是问：到底是哪部分起作用呢？是邮件吗？是杂志目录吗？是导购员的热情介绍吗？也许所有这些都促进了顾客的行为。但他们也在思考：有多少转化可以归功于不同的接触点？这就是归因的意义所在。你如何将最后的转变或缺乏转变归因于沿途发生的不同事情？
沃顿知识在线：对于营销归因有些什么解决方案吗？
伊扬格：有很多。让我们从简单的方案开始。事实上，我看到一些公司非常积极地测试和学习。他们可能会说，“让我们看看如果不发送那封电子邮件会发生什么？”然后公司以一种系统的方式——比如测试和控制——随机分配人员。有些人收到电子邮件；有些人收不到。然后他们跟踪整个客户行为旅程，看看这其中有什么区别。保持其他一切因素不变，只是试图改变旅程的一部分，最后看到改变的影响。
在做此类实验方面，我们的要求可以更高一点，例如以系统的方式改变旅程中的多个接触点的行为。这就是这种方式的基本理念。例如，最近我和好时（Hershey）的首席营销官谈过，她提到，特别是在去年，他们一直在尝试不同类型的媒体组合，看看哪些有效，哪些无效。
一切都是试错。如果你觉得数据中藏着答案，你会一直继续这种实验，直到知道结果。但很多时候，环境正在发生变化。尤其是近一年左右，消费者行为发生了变化。前年有效的措施可能今天不一定继续有效。
3、数据隐私和区块链技术
沃顿知识在线：本文的第三个也是最后一个挑战是关于数据隐私。我们每天都会听到这些问题，尤其是欧盟的通用数据保护条例（GDPR）和美国提出的其他措施。你对这个问题怎么看？
“隐私的问题是，客户可能不想给你这些数据。”
伊扬格：当你想到全渠道营销能带给你的所有美妙，比如客户的协同视角，360度视角，以及你可以在所有不同的接触点看到客户，但是隐私的问题是客户可能不想给你这些数据。
特别是随着GDPR的出台和美国《加州隐私权法案》的出台，消费者如今对自己的数据得到了更多控制权。例如，苹果的最新更新基本上要求消费者批准是否允许某些应用程序来跟踪他们的信息。所有这些都为客户提供了更多的信息控制权，现在取决于客户是否希望从他们共享的数据中获得一些好处。
但是，隐私问题不是一维的。这不是一个是或否的问题。顾客必须考虑，他们对分享有多满意？我给你举个例子。我喜欢喝咖啡。如果我去一个网站，上面写着“好吧，根据你的喜好，我们推荐一种混合咖啡。”太好了。非常感谢。我很满意这种推荐。但是另一方面，我并不希望我的医疗记录被共享。这是一个关于上下文环境的问题。作为一个顾客，我们需要了解，我们究竟会得到什么样的好处，因此我可能更倾向于共享某些数据。
“我们真地需要最细粒度的数据来做出正确的目标决策吗？”
沃顿知识在线：论文里提到，当数据透明时，当公司告诉用户共享了什么并让他自主选择加入还是退出时，用户会感到更舒服。你还谈到使用区块链技术来帮助解决隐私问题。你能解释一下吗？
伊扬格：对于我们这些可能对区块链感到不熟悉或不舒服的人来说，可以把它看作一个分布式账本。你可能自己也会记账。但可以把区块链想象成一本巨大的审计账本，在那里信息可以跟踪，并且它是公开的。但是一旦记录在那里，它是不能被改变的。它的变化也没有那么快。
我们的想法是，你可以想象客户放弃区块链中的某些信息，而公司能够访问这些信息以适当地锁定客户。这是一个很好地追踪公司正在使用什么信息的方法，然后消费者可以要求公司对使用这些信息进行适当补偿。
沃顿知识在线：全渠道是营销人员的新兴研究领域。你下一步想学什么？
伊扬格：我认为隐私和使用机器学习和新技术的想法很有意思。这是我和沃顿的同事营销学教授埃里克·布拉德洛（Eric Bradlow）和研究生金明勇（音译）正在做的一些工作。例如，这也是苹果和其他公司非常感兴趣的问题：我们是否总是需要最细粒度的数据来做出正确的决策？
假设我们有来自客户的个人数据。然后让我们设想一下，我们有稍微多一些聚合的数据，可能是一群人，等等。我们真的需要最细粒度的数据来做出正确的目标决策吗？在什么情况下，一些更细粒度的数据会有很多噪声，而稍微聚合的数据会消除这些噪声？我们正试图了解哪些类型的模型可以建立在稍微聚合的数据上，这些数据可能会做得很好。这对隐私意味着什么？您可以想象，个人可能不想共享其特定数据本身，但如果他们是数据集的一部分，他们可能会感到舒服：“因为我们与其他客户的数据聚合在一起。”
我认为这是一个有趣的研究领域，它将隐私和机器学习以及其它类型的模型相结合。看到我们如何利用不同种类的数据做出正确的决策，同时尊重人们的隐私，我感到非常兴奋。