赌徒的痛点可以量化

劳氏和电路城等公司也在使用同样的统计匹配方法。电路城正在用超级数据分析方法挑选应聘者。雇主希望预测哪些应聘者能够专注于工作。与试图推测应聘者智商的传统能力测试不同，现代测试更加类似于eHarmony的问卷调查，试图评估应聘者的三个基本性格特征：责任心、亲和性和外向性。数据挖掘显示，这些性格特征比传统能力测试更能预测工人的生产力（尤其是产出）。芭芭拉·埃伦赖希（Barbara Ehrenreich）在明尼阿玻利斯沃尔玛做了一项就业测试，其中一项判断题是“每家公司都能容忍特立独行者”。她打了勾，结果答错了，这令她很吃惊。回归表明，认为沃尔玛适合特立独行者的人不适合在该公司工作，很容易离职。你可能认为，沃尔玛和其他雇主应该对其无聊透顶的工作做出调整，使其不那么乏味。不过，在单调工作具有合法性的世界里，经过统计验证的测试完全可以帮助人们寻找与工作岗位最为匹配的员工。

挖掘隐性预测因素不只与挑选优秀应聘者有关。它也在帮助企业降低成本，尤其是滞销库存成本。善于预测需求的企业可以更好地预测哪些商品何时会短缺。同样重要的是，企业应该知道哪些商品何时不会短缺。公司可以通过超级数据分析实现适时采购，而不是承受大量库存闲置的成本。沃尔玛和塔吉特等公司正在努力做到不让自己拥有任何多余库存。“货架上的商品就是他们的全部库存，”天睿数据挖掘公司总经理斯科特·格瑙（Scott Gnau）说，“如果我买走6罐黄玉米，货架上只剩下了3罐，就会有人立即知道此事，并确保即将前来送货的卡车装上更多玉米。事实上，当你把商品放到卡车上时，零售商也在配送中心为卡车装货。”这些预测策略可以基于非常具体的未来需求。在2004年飓风伊凡袭击佛罗里达之前，沃尔玛已经开始向飓风路径上的门店紧急配送草莓玉米饼了。沃尔玛分析了飓风袭击区域的其他门店，认为人们在飓风到来时很喜欢黏乎乎的玉米饼，因为这种手抓食物不需要烹饪和冷藏。各公司正在参与“分析竞争”，希望在数据挖掘上胜过对手，率先发现并利用隐性盈利因素。

一些超级数据分析是在公司内部进行的，但天睿等专业公司可以存储和分析很大的数据集。其中，天睿管理的数据达到了太字节量级。65%的全球顶级零售商正在使用天睿的服务，包括沃尔玛和杰西潘尼。超过70%的航空公司和40%的银行是天睿的客户。

太字节量级的数据分析有助于预测哪些顾客可能转投竞争对手的怀抱。大陆航空公司会对能提供最高盈利价值的顾客跟踪每一个可能提高叛逃概率的负面体验。当经历过糟糕旅行的顾客下次搭乘飞机时，数据挖掘程序会自动介入，向机组成员做出预先通知。曾担任大陆航空公司顾客关系管理总监的凯利·库克（Kelly Cook）向《太字节杂志》解释道：“最近，在从达拉斯飞往休斯敦的班机上，一名服务员来到一位顾客身边，说：‘您想喝点什么？顺便一提，你昨天从芝加哥寄送的行李被我们弄丢了，我对此深表歉意。’结果，这位顾客很生气。”

联合包裹服务公司用更加复杂的算法预测顾客何时可能转投另一家运输公司。前面我们看到的用于葡萄酒和匹配的那种回归公式被用于预测顾客的忠诚度何时面临危机。在顾客转换门庭的念头出现之前，联合包裹服务公司就会采取行动。销售员会主动给顾客打电话，留住这位顾客，解决潜在问题，从而大大降低账面损失。

哈拉斯赌场可以极其精细地预测出在持续盈利的前提下应该从客户口袋中掏走多少钱。哈拉斯的“全奖”顾客用电子卡刷卡结账，因此哈拉斯可以获取这种顾客在每家哈拉斯赌场进行的每一场游戏的信息。哈拉斯可以实时了解每个玩家每手牌（或者每一注）的输赢金额。它将这些赌博数据与顾客年龄和所在地平均收入等信息结合在一起，所有这些都发生在数据库里。

哈拉斯用这些信息预测每个赌徒在输钱后仍然愿意下次前来光顾的输钱金额。它将这个神奇数字称为“痛点”。和之前一样，这个痛点是通过将顾客属性代入回归公式得到的。例如，谢莉（Shelly）是中上阶层社区的34岁白人女性，喜欢玩老虎机。根据系统预测，她每个晚上的赌博痛点是损失900美元。当谢莉玩老虎机时，如果数据库发现她的损失金额即将达到900美元，赌场就会派出“幸运大使”，把她从游戏中拉回来。

“你走进赌场，刷了卡，坐在老虎机前，”天睿公司的格瑙说，“当你接近痛点时，他们会走过来说，‘我发现您今天不太顺。我知道您喜欢我们的牛排店。现在，我想请您带着太太在我们这里用餐。’于是，顾客不再感到痛苦了。他会感到很愉快。”

对一些人来说，这种操作是一种尽量从顾客口袋中反复掏钱的邪恶科学。对另一些人来说，它是提高顾客满意度和忠诚度、确保顾客获得应有回报的科学。实际上，二者兼而有之。哈拉斯正在使这种具有成瘾性和毁灭性的经历变得更加愉快，对此我很担忧。不过，由于哈拉斯的痛点预测，顾客在离开时会变得更加快乐。

哈拉斯的收益定位策略正在被不同零售市场采纳。例如，天睿发现，它的一个航空公司客户根据常旅客每年的飞行距离为其提供福利，其中白金客户获得的福利最多。不过，该航空公司并没有考虑到这些顾客带来了多少利润。他们没有分析机票是不是打折票，或者这些顾客是否通过呼叫客户服务为公司带来了额外成本。最重要的是，他们没有计算乘客旅行路线的票价。在天睿根据这些盈亏因素进行数据分析后，航空公司发现，几乎所有白金旅客都没有为公司带来利润。天睿的斯科特·格瑙总结道：“所以，他们在鼓励人们做出不利于公司的举动。”

太字节数据挖掘的出现意味着免费午餐时代的终结。航空公司可以将福利定位于为其带来较大利润的顾客，而不是让这些顾客补贴利润较小的顾客。不过，消费者需要当心！在这个全新的世界里，当哈拉斯和大陆航空这样的公司将关注点投向顾客时，你应该感到担心。这很可能意味着你之前支付的费用太高了。航空公司正在学会为那些带来较大利润的顾客提供升舱和其他福利，而不是仅仅向飞行距离最长的顾客提供福利。例如，格瑙解释说，当你不是在网上购票，而是通过客服中心购票时，航空公司可以收取更多费用，以“鼓励人们为公司带来更多利润”。

通过这种超级个体化的消费者划分，公司还可以提供明显对社会有利的个人化服务。先进的保险方案可以利用新的数据挖掘能力定义非常细致的消费者群体，比如30岁以上、受过大学教育、信用分数超过一定水平、没有发生过事故的摩托车手。公司为每个小群体进行回归分析，以确定与该群体保险支出关系最为密切的因素。公司可以对于这种得到极大扩展的因素集合进行超级数据分析，从而为那些传统上不可保险的消费者制定价格。

超级数据分析还孕育出了新的提取科学。数据挖掘使公司可以更好地预测个体化痛点，以制定个体化价格。如果你的走人价格比我高，公司就会根据数据挖掘的结果以某种方式向你收取更高的价格。在超级数据挖掘的世界里，消费者不能像以前那样心不在焉了，你不能因为其他人关注价格就认为公司对所有人一视同仁。公司正在制定越来越复杂的策略，以不同方式对待关注价格的人和不关注价格的人。