论文库 经济学论文 会计学论文 金融学论文 统计学论文 管理学论文 毕业论文 经管之家

数据挖掘打破美国总统大选的铁律来源：原创　作者：刘钢　时间：2013-07-20

　　
    谁筹的钱越多谁胜出可能性越大，谁花的钱越多谁就会赢，是美国大选的铁律。可这次奥巴马却打破了这条规矩，让他花了比罗姆尼少的钱，却博得下任总统的宝座。那么究竟是什么法宝让奥巴马打破这条铁律的？也就是说，奥巴马是靠什么赢在点子上的。奥巴马团队拥有的“核代码”就是数据挖掘（data mining），它是击败罗姆尼的最根本优势！就在人们还津津乐道于罗姆尼在他广告投放上的慷慨大方上时，他的败北已成定局。原因就在于罗姆尼还沉浸在旧有的竞选模式中。他似乎没有对新兴的信息技术采取实质上的应用。

    的确，美国总统奥巴马的再次当选创造了奇迹：在他获胜前的 70 年时间里，没有一名美国总统能够在全国失业率高于 7.4% 的情况下连任成功；而他与对手罗姆尼的一系列“激战”也让整个竞选过程变得扑朔迷离！且不论谁在政治上更英明，但是说到如何获得更多选民支持以及如何让他们掏腰包，奥巴马团队绝对比罗姆尼团队更加聪明：奥巴马与罗姆尼均获得了近 10亿美金筹款，而其网络筹款是罗姆尼的两倍；奥巴马在整个竞选过程中的花销不到 3 亿美金，而罗姆尼花了近 4 亿美金却仍然败选；奥巴马最终以 332 票赢得选举，高出罗姆尼近一百张投票，而在大选前一周的一项民调中显示，55% 的被调查选民都认为罗姆尼比奥巴马更具有未来视野！

    现今人类社会已经迎来了超历史时代（hyperhistory age），那么再用历史时期的手段处理超历史时代的问题，必然会显得力不从心。奥巴马正是站在了超历史时代的前沿上，在信息丰富的大数据的数据挖掘中超出了罗姆尼。在数据挖掘的过程中，奥巴马团队实现了三个最根本的目标：让更多的人掏更多的钱，让更多的选民投票给奥巴马，让更多的人参与进来！这些都源于他们对选民的认知达到了“微观”层面：每个选民最有可能被什么因素说服？每个选民在什么情况下最有可能掏腰包？什么样的广告投放渠道能够最高效获取目标选民？通过这些分析，奥巴马团队制定了相应的策略，并赢得了大量草根阶层选民的支持和捐赠，民调显示，80% 的美国选民认为奥巴马比罗姆尼让他们感觉更加重视自己。结果是，奥巴马团队筹得的第一个 1亿美金中， 98% 来自于小于 250 美金的小额捐款，而罗姆尼团队在筹得相同数额捐款的情况下，这一比例仅为 31%。让这一切“微观智能”成为可能的，是数据。竞选总指挥梅西纳（Jim Messina）说，在整个竞选活中，没有数据做支撑的假设很少存在。奥巴马团队运用数据挖掘技术在美国政坛上取得的胜利，告诉了我们一个不争的事实：今天，我们已然进入了一个“微竞争”的时代，在激烈的竞争中，谁能够深入了解个性化需求，谁就能在竞争中击败对手，获取胜利。

    了解选民的行为，可以花最少的钱办最大的事。由于奥巴马的数据团队对于广告购买的决策，是经过缜密的数据分析之后才制定的。一名官员表示：“我们可以通过复杂的建模来找到目标选民。例如，如果迈阿密戴德郡的 35 岁以下女性是我们的目标，那么这里有如何覆盖她们的方式。”因此，奥巴马竞选团队在一些非传统节目中购买了广告，例如 4 月 23 日的电视剧《混乱之子》、《行尸走肉》和《23 号公寓的坏女孩》。芝加哥总部称，在电视平台上，2012年的广告购买效率较 2008 年提升了 14%。

    与用户进行个性化互动，赢得更多青睐。在本次竞选中，奥巴马团队的投票动员绝不是千篇一律的，对于不同的用户，他们动员的渠道及采取的互动方式都因人而异。今年 8 月，奥巴马决定在社交新闻网站 Reddit 上回答问题，当时多名总统高级助理并不清楚此事。一名官员表示：“我们为何将奥巴马放在 Reddit 上？因为我们发现很大一部分目标选民在 Reddit 上。”而在“摇摆州”的电话动员上，他们也发现，一个摇摆州志愿者打来的电话的效果要优于一个从非摇摆州（如加州）志愿者打来的电话。此外，奥巴马团队还首次利用 Facebook 进行大规模的投票动员，这模仿了现场组织者挨家挨户敲门的方式。在竞选活动的最后几周，下载某一款应用的用户收到了多条消息，其中包含他们在“摇摆州”好友的照片。他们被告知，可以通过点击按钮，呼吁这些目标选民采取行动，例如进行投票注册、更早地投票，以及参与到投票中。奥巴马竞选团队发现，大约 1/5 收到Facebook请求的选民做出了响应，这在很大程度上是因为请求来自他们熟悉的人。

    如今，我们正处于一个海量信息时代，当大量的数据从互联网、移动设备、等各个源头中产生，并以每年50%的速度增长时，它们早已悄悄为你建造了一座21世纪的数据金矿，等待着为你在“微竞争”中获胜而效力。今天，许多企业的领导者或许都已经或多或少的看到了数据挖掘能够带来的价值；然而，在实践的应用当中，却只有极少数的企业朝向“数据掘金”工程迈开步伐。的确，数据挖掘技术给人们带来了一定的挑战，甚至有一些神秘：那些复杂的算法和代码实现，确实不像那些重视用户体验的Apps一样无需学习成本。而在实践过程中，90%的数据挖掘技术和数学模型都并不神秘，甚至在很大程度上，都需要大量重复性的工作；但是，只有当这些技术和模型与每一个具体的业务实践相结合时，才能发挥它们的智慧。你准备好用它们来击败你的罗姆尼了吗？