Consumer Behaviour and Analytics（消费者行为与分析）第二版
Alan Smith（英国埃克塞特大学，EPSRC Neo-demographics 项目主持人） · Routledge, Second Edition, 2022
💡 核心洞见（5条）
- 书的开篇就拆穿一个尴尬：管理者几乎永远无法知道自己的决策是不是最优的——唯一可靠的确认方法是 A-B 测试，但作者原话是它「不总是可能、不总是经济、不总是可行」。所以分析的价值不是给「正确答案」，是给「可评估的表现」。
- 忠诚度指标在「成组购买」场景会集体失灵：每次只买 A/B/C/D 四款饮料的人是低熵，每次在六款里换组合的人是高熵——作者引用 Mansilla et al. (2022) 的 bundle entropy 来度量购物篮组合的可预测性，替代传统单品类复购率。
- 购物篮分析的进化版是「主题」而非「品类」：动态主题模型能把发胶、剃须膏、面霜、洗发水跨品类聚成「男性理容主题」，还能区分这个主题出现在周六大采购还是工作日午间——购买时段本身就是行为特征。
- 全书压轴的 MADS 框架（Modular Adaptive Dynamic Schematic）作者反复强调「不是模型，是思维导图」：模块化、自适应、动态、网络状，每个影响因素按情境加权，来自 EPSRC 资助的 Neo-demographics 研究项目——刻意不给对错答案，只给结构化的思考装置。
- 最有前瞻性的概念是 ExC（exogenous cognition，外生认知）：算法已经不只是测量消费者的工具，它本身就是影响消费者决策的外部变量——AI 预测行为的同时也在塑造行为，这在第二版被升格为全书的理论支柱之一。
💥 最震撼案例
Bundle entropy 的两人对照：Person 1 每次购物都买饮料 A、B、C、D，Person 2 每次在 A-F 六款里换不同组合。用传统复购率看两人都是「高忠诚」，但 Person 1 的购买完全可预测（低熵），Person 2 实质是多样性寻求者（高熵）。作者是想说明： 把单品类指标硬套到组合购买上，会把你以为的忠诚客户误判成稳定客户，营销预算随之打水漂。
如果你觉得消费者行为教材都是心理学故事会、分析教材都是数学公式，这本恰好卡在中间——它敢承认 A-B 测试不是万能的，也敢把 ChatGPT 写进教科书索引。
🎓 对 AI for Business 课程的可借鉴点
1. ExC 外生认知概念 → 「AI 商业理解」章节：一句话教学切入点——「算法不只是量尺，它已经在改变被测量的对象」，给非技术学员建立 AI 伦理与 AI 增长的共同起点；2. Basket→Topic 分析路径（男性理容/旅行主题案例）→ 「数据分析」章节：用超市小票讲清楚「从品类管理到生活方式识别」的跃迁，不需要任何数学基础；3. MADS 框架本身 → 「实战工作流」章节：它明确自定位为 mind mapping 而非模型，正好是非技术学员可以做的影响因素梳理练习——让学员给自己业务的客户决策画一张 MADS 图；4. Bundle entropy 两人对照案例 → 「行业案例」章节：一个 2 分钟就能讲完的反直觉案例，适合开场破冰或检验学员是否真懂「指标错配」。
🔧 Skill 提炼
bundle-entropy-auditor —— 对客户购买组合做熵评估，识别低熵（可预测）与高熵（多样性寻求）客户，判断传统忠诚度指标是否适用
触发词: 「帮我分析客户忠诚度」「购物篮数据怎么看」「复购率失真」
输入: 客户购买记录（订单-商品明细 CSV）或粘贴的购买描述
输出: 客户熵值分层报告：低熵/中熵/高熵客群占比、组合稳定性趋势、忠诚度指标适用性警告与营销建议
💰 付费可能性（支付宝 skillpay）: 中：零售/电商数据分析师有真实痛点（复购率失真是行业通病），可按「单次诊断报告 9.9-29.9 元」在支付宝 skillpay 上定价试水；前提是能接到真实订单数据格式
mads-decision-schematic —— 生成 MADS 式消费者决策影响图：模块化梳理行为偏差、外生认知、效用-享乐、经济、深思-冲动等影响要素及其权重
触发词: 「帮我梳理客户购买决策」「客户为什么买/不买」「影响因素分析」
输入: 产品/服务描述 + 目标客群 + 具体消费情境
输出: 一张模块化影响要素网络图（Mermaid/表格），标注各模块权重假设、数据缺口与可验证的追问清单
💰 付费可能性（支付宝 skillpay）: 低-中：偏咨询框架，独立售卖说服力弱；更适合捆绑进《Generative AI for Business》课程作业包或企业内训交付物间接变现
Bluesky 讨论
在 Bluesky 上查看暂无回复。去 Bluesky 上抢先评论吧！