專家經驗帶來了回報，卻也無法繼承，這是擺在所有企業營銷端的現實問題。專家經驗是需要錘煉的，但也會帶來營銷的不均衡性，有的團隊或者渠道實力整體強大，有的很弱，只能照貓畫虎卻很難成功。再一點，專家經驗是和人綁定的，無法實現及時有效的擴展和能力遷移，這對于企業而言是營銷端的風險，如果不能實現知識或者技術產品的轉移，那么就會出現無法繼承的問題。
還有一點是，專家經驗無法進行大規模的實驗、調優、尋找文件的策略，因為都要依賴于人工的經驗調整。并不是說人工專家經驗不重要，而是當面臨海量用戶的個性化、多元化的營銷訴求時，人工專家經驗看到的只是某個局部，甚至在一些場景下是無能為力的。比如如何針對業務達成率很低的客群、數據很少的客群制定策略，這方面人工經驗就顯得乏力了。
在本系列的第一篇文章中，我們曾提及了關于專家經驗模式的一些簡單說明：
? 營銷策略依賴于專家經驗模式
在剛才談到的場景中，通常更多依賴于我們的經驗和方法論，但是我們的策略并不見得那么細致和準確。營銷策略是應注入客戶內心的，有限的專家經驗無法解決全部營銷問題。同時，營銷被深度關聯在了某些人員的身上，一旦出現了人員變動，這些經驗也就丟失了。
專家經驗是需要的，但是需要知識轉移
在本文開篇的文字中，提到了專家經驗存在的一些問題，可以總結為以下幾點：
? 專家經驗稀缺性，造成營銷水平的不均衡性
? 專家經驗如果沒有提煉，則無法存在繼承性
? 專家經驗在某些場景下，無法完全發揮作用
? 專家經驗依賴于方法論，無法快速迭代反饋
集合以上的這些問題，我們需要把大量的專家經驗進行提煉，因為無論是機器的決策還是人工的經驗，最終都會變成營銷的執行方案和人群策略，最終下放和觸達目標客群。這個過程中，無論用哪一種方式，我們都積累了海量的營銷反饋數據，比如響應人群、未響應人群、過程參與的反饋數據等等。對于接下來一個時期的營銷活動，我們需要把這些人工專家經驗積累的好的策略和營銷體系，變成優質的策略資產，不斷提煉其中的核心要素，最終進行產品化的組織和封裝。
像機器算法提供“營銷棋譜”
AlphaGo通過閱讀大量圍棋棋譜，并通過不斷的訓練，尋找解棋之道。這些數據的輸入，使得AlphaGo日后可以進行更加廣泛的訓練和挖掘策略。類似的，我們看到每年大量的營銷活動中，在除了人的社會性、社交、心理學等因素之外，多數的人工專家經驗和策略是極好的輸入數據，供產品或者算法進行訓練和優化策略。但從現實情況來看，我們也僅僅是關注營銷的ROI或者簡單的畫像，這對于追求收益的企業而言是沒有問題的，但這也造成了在日后的營銷實踐中無法進行迭代，一旦出現了不好的效果，直接就停止了再次嘗試。
縮小專家經驗帶來的不平衡性
不平衡性體現在專家水平不同造成資源的浪費，比如權益、通道成本，還有營銷經驗水平的差異，造成了最終用戶反饋差異很大，甚至引起很多的反饋客訴。這種經驗往往需要解決共享性的問題，即數據化的呈現整體策略，并且要提供對于該策略在最終實施時評估、預測。這是尤為關鍵的，否則你很難做到直接下手使用別人經驗策略，這就是之前談到的照貓畫虎，是極其危險的做法。關于這個問題，我們會在后續討論到。
營銷需要方法論，但也需要快速迭代能力
專家經驗的實施前提是有一套完整的方法論作為支持，比如AAARRR等方法論指導原則，或者指標體系。但是由于專家經驗的反饋周期很長，對于數據的依賴度有限，在快速修正和策略迭代中沒有數據化營銷方式那樣敏捷。當然，現在很多平臺可以做到機器敏捷的修正人工專家經驗。但是當我們探測到一個用戶場景，其訴求是新的，或者基于一些機器學習算法計算的人群毫無人群解釋性時，我們很難進行人工干預和修正。所以對于我們人工專家經驗來說，敏捷的迭代也需要借助系統或者產品、算法進行支持和反饋。
不要把數據驅動的營銷過度神話
營銷最終目的是服務于人，由于數據的獲取多源、形態各異，我們也相比以往可以更加全面的感知用戶特點和營銷刺激要素，形成了一套數據驅動下的策略手段。然而這個過程中，我們終究要考慮營銷本質是對人的服務，所以，當營銷策略基于數據構建完畢后，其合理性、人群綜合體驗，也是必須考量的要素。
在多數情況下，我們可能制定的是一個不錯的策略，然而在用戶的通道、時機、觸點等方面，給用戶造成了不好的體驗，或者沒有考慮政策合規性的要求，對某些客群形成干擾。這往往可能是由于在通過數據制定策略時沒有考慮在內，而出現很多的笑話。
舉一個例子，現在很多電商會基于用戶的點擊行為，在首頁的某些固定位置重定向用戶剛剛點擊過的商品或者內容。但是可能這個商品用戶已經買過了，這樣也造成了一定的位置資源浪費。但是理想的看，這個問題也很好解決，就是將用戶的購買行為與點擊行為關聯起來，不過這背后其實不是技術問題，而是流量問題，此處不做深入探討。
總的來說，專家經驗是一個在營銷中不可或缺的環節，在標簽加工、營銷事件庫等方面，也都是通過此類人工經驗先入為主的進行輸入和優化。所以這樣的角色不可缺少，但是也必須進行調整優化。
在下一篇文章中，我們將探討營銷策略的預測問題。
