John Wanamaker (1838-1922) 是美國十九世紀的商人，是創意家，他創造了現代化的百貨公司，被稱為現代廣告與市場學之父，他也是第一個在報紙上刊登全版廣告的人。報紙在當時雖然是唯一的傳播媒體，他並不完全相信廣告的功效，說花的廣告費有一半是浪費，卻不知道浪費的是哪一半，這句話成了的他的銘言。

（圖片取自網路）

   如果他活在現在，那有效的一半、或者是浪費的一半，就不難找出來，這要歸功海量資料 (Big Data) 的技術，包括資料的聚集、開鑿、分析，發展出一個新的行業，稱為預測分析 (Predictive Analytics)。這個行業用統計技術開鑿歷史與現實資料、建構學習模型，來預測未來，可以為銀行找出開設分行的最佳地點，為餐廳決定哪些菜式需從菜單上刪除，當然也能找出廣告最有效的方式。

   企業做預測分析的目的，不外是怎麼獲利、或是怎麼省錢，最好是同時既獲利又省錢。以美國的報業為例，每年有 140 億美元的廣告營收，如果企業廣告主不斷的預測分析，終有一天會找出 John Wanamaker 說的浪費的那一半，不巧的是，那「浪費」正好是報紙的「營收」。

   資料庫行銷 (Database Marketing) 不算是新概念，現在使用的人愈來愈多，用收集、整理、交換得來的個人資料，作為對象化營運的方針。美國的 Acxiom 公司專業預測分析，有 23,000 個伺服器，每年處理幾億個消費者的 500 兆（億億）筆資料，11 兆網路瀏覽器的 Cookie，2 億筆手機基本資料，平均每一消費者有 1,500 筆資料。

   這些資料從那裡取得的？有多種來源。公開的資料像房地產、車輛的登記，Cookie 追蹤到的網上行為，瀏覽器的廣告，顧客調查的結果，甚至離線的購買行為。CEO Scott Howe 說，他們的數位觸角不久就會延伸到每一個美國網民。

   另一家同樣的公司 APT，有近百家如沃爾馬的大型客戶，從中消化了 20% 的美國零售經濟資料，使用這些豐富的資料，可以讓這些企業客戶瞭解售價、市場、商品、運作、資本各項目與獲利的關連。

   一家零售公司有 1000 家連鎖店，每年花 5 千萬美元用夾報的方式隨報紙附送廣告，每次廣告送出，尤其在旺季，營收立刻增加，但管理階層不知道營收是因為廣告的關係，還市因為售價、競爭等別的因素。因為預算的壓力，管理階層屢想減少夾報，又怕影響營收，於是找到 APT。

   APT 用軟體模擬分析，結果發現報紙廣告並沒有發揮應有的效用，一千家商店表現的好壞不一，取決於當地市場的是否飽和，有些商店的營運成本遠高於廣告帶來的收益。經過 APT 的建議，對收支不平衡的商店停送夾報廣告，把廣告預算大幅度移轉到營運良好的商店，廣告效益也就因此增加。這一舉動，減少了 500 萬元的廣告費用，整體的營收也沒有受到影響。

   谷歌、蘋果、臉書、亞馬遜 ...，當然都沒閒著，各投入大量資金聚集資料，從行動工具、從數位媒體消費、從網絡社群活動、從線上購物，盡可能獲取大量的使用人資料，個人的收入、在哪裡住、認識什麼人、讀什麼書、常到哪裡去、買過什麼東西、買東西給誰用、上傳了哪些影視。這些資料轉換給企業，就能用作開發新市場的工具，這些科技公司也藉此聚集更多的新資料。這樣循環不已，資訊科技進入了另一次革命：海量資料時代。

   海量資料的確讓企業受惠，卻讓媒體處於尷尬的位置，因為媒體賴以生存的廣告主正是這些企業。藉海量資料的分析與預測，企業極可能、甚至必然，或多或少的找出「浪費」在媒體廣告上的花費，進而縮減或變更廣告預算，使得媒體的運作更加艱難。

   媒體的有識之士已經看到了威脅，呼籲媒體趁著海量資料還在發展的初期，趕快加緊防禦措施，用強化數位行銷能力，來抵抗海量資料來襲。至於威脅是否真的存在，就要看媒體對海量資料的認知了，不過這次資訊科技革命確實是真的。