未來的企業，需要在每一次與消費者的互動中，快速理解、推斷與學習消費者行為，通過數據分析發掘新機會。
北京的朝陽大悅城曾經在2011年11月02日莫名其妙地創造過一個銷售小高峰，但銷售增長的原因卻并不知曉，因為這一天非年非節也非周末，商場的促銷活動也沒有異常。直到大悅城的數據分析部門在事后的社交媒體上發現，當天因為特殊的日期數字排列——20111102，被年輕人稱為“國際對稱日”。
據說要達到這種絕對的對稱要在100年后的2111年11月12日，所以年輕群體在這一天熱情自發地開展梳中分頭、曬對眼兒照、相互送對稱禮物、點對稱套餐……種種在成年人看來“腦殘”的行為，掀起了商場銷售的小陽春。
可以設想一下，作為商家的大悅城，如果從一開始就能從社交媒體上抓取相關的結構化或者非結構化數據，提前為年輕的目標消費者提供相應的商品與活動，會從被動接受結果變成主動引導營銷行為。
營銷3.0
移動互聯網時代的消費者統統被慣壞了。
他們不僅無法忍受“千人一面”的營銷模式，甚至對于無法主動、快速識別其獨特興趣點、期望與需求的企業，基本也無法容忍。
“正因為此，IBM不斷加大投資，持續構建包括新認知解決方案在內的產品與服務組合，希望徹底改變企業對待單一消費者的服務形式。企業將從每一次客戶互動中快速理解、推斷與學習，然后利用這些信息從洞察力中發掘新機會?！盜BM 沃森物聯網、認知商務與教育總經理Harriet Green表示。
大數據分析的鼻祖故事是沃爾瑪的“啤酒與尿布”——通過人工觀察發現了啤酒與嬰兒尿布這兩件不同屬性商品，由于新手爸爸這個購買群體，形成了內在購買聯系——基于已經發生的事件，從中挖掘相關數據進行關聯性分析，然后增強這種關聯性的效果：在嬰兒尿布的售貨區擺放啤酒。
這種基于事后的數據挖掘與分析可以稱為1.0時代，而基于云計算以及大數據的大數據分析是2.0時代，在大數據分析風行數年之后，脫胎于大數據分析的認知計算為營銷領域的打開了全新的領域——新技術手段與新商業模式正在形成的3.0時代。
Performance Bicycle是一家專注于自行車運動的專業俱樂部，他們通過網站配置文件注意到某位新客戶對騎行運動發生了興趣，于是首先通過圖片展示向這位新手客戶推薦各種型號的自行車以及最開始騎行運動時所需要的各種裝備，并幫助她做出正確的購買決策。
幾個月后，這名客戶在網站上購買了一種營養補充劑，通過讀取該營養劑的配方成分，網站分析出這名客戶開始關注長距離騎行，了解到其需求有所改變，因此自動調整與分享了有關本地自行車比賽的內容與營養建議，并提供店內食品目錄。
從過去PC端利用cookie跟蹤用戶的瀏覽軌跡，到對消費者相關結構化與非結構化數據的抓取于分析，以IBM 沃森為代表的認知計算是一種泛計算能力，將人工智能相關的算法和功能封裝到API(應用程序接口)里，以云服務的形式對外輸出。任何第三方應用或程序，都能以很簡單的方式嵌入IBM 沃森的功能。
IBM Commerce認知商務事業部負責客戶交互解決方案的副總裁Kevin Bishop表示，IBM正在試圖將沃森的性格分析(Personality Insights)功能應用到電子商務領域，以改進電子商務用戶在線交互體驗的感受。
他舉例說，沃森的性格分析功能可以通過閱讀消費者撰寫的3000字以上的文字，分析出其性格特點——比如，消費者在文章中使用了多少個第一人稱的“我”字，就顯示出其性格是否張揚自信，還是低調隱忍。
隨著社交網絡的飛速發展，品牌與消費者的交互擁有前所未有的前景，這既是機遇又是挑戰。微博、微信上消費者留下的碎片信息也可以被用來分析其消費性格和心理。
對消費者個體進行性格分析，能讓產品推銷過程中顯得不那么討厭和赤裸裸——商家通過分析消費者性格是偏保守還是偏激進，并據此調節產品推廣的速度、進程和個性化信息。比如，醫生能夠根據患者的個性制定符合患者性格特點的復健方案，以患者能接受的速度和時間表來推進。
商務洞察的異常探測功能中也加入了認知技術。例如，一家零售商收到兩條信息：第一條顯示新型4K電視機庫存告急，通過認知目錄排序功能，網站自動在頁面上對產品重新排序，在收到補貨之前，低庫存商品會一直排在末位;第二條信息顯示排在首頁顯著位置的某款電子游戲機銷售情況不如預期，并且自動發現問題在于競爭對手價格調整，零售商會得到建議——調低售價并顯示調價后的利潤率變化。
優化現有運營
在給電子商務帶來顛覆性下一代體驗的同時，認知計算還能顯著優化當前的電商和品牌營銷運營及流程。
IBM Commerce認知商務事業部負責產品管理和開發的副總裁Kareem Yusuf展示了基于自然語言人機交互的市場營銷決策過程：
自行車電商網站的營銷人員在電腦上打開沃森對話框，詢問過去3年購買公路自行車產品的用戶數據，沃森于是返回過去3年中調出購買該產品的用戶數量、平均每購物車的消費額、平均商品單價等數據;營銷人員進一步要求沃森根據數據庫里的用戶數據、社交網絡數據和第三方數據源，建議這批消費者的可行消費者畫像指標，沃森于是返回教育水平、騎行愛好者、年齡段、收入、是否擁有綠色機動車等指標;營銷人員接著要求沃森根據這批消費者(18681個)分析得出的典型消費者畫像，搜索潛在類似客戶源，沃森返回200萬潛在用戶;營銷人員再繼續要求沃森建議相應的營銷內容、個性化信息、相關圖片、數字廣告投放區域等選項參數，最后再根據這些建議參數，完成整個在線營銷推廣計劃。
由于把沃森內嵌到了IBM Marketing Cloud營銷云里，整個營銷人員與沃森交互過程完全通過自然語言對話完成。除了能提取數據、進行數據分析、根據分析結果進行推理并提供建議外，沃森甚至能代替營銷人員自動化完成整個營銷計劃的實施。Kareem Yusuf表示這項展示目前還處于概念階段，但把它產品化并推向市場的時間其實也能很快就實現。
據Nucleus Research研究公司報告顯示，IBM在營銷、銷售、推銷與分析產品及服務中投入的每一美元均可實現15.82美元的投資回報(ROI);而IBM自己的研究報告也顯示，66%的首席體驗官表示對于構建更加數字化、個性化的體驗很感興趣，但這些體驗絕不能孤立地存在于消費者/品牌關系的不同階段。
認知技術正在融入從業者當前使用的各種工具之中，幫助各企業交付完整的端到端客戶體驗。隨著時間的推移，這些新產品與服務將利用認知能力理解、推斷與學習，并最終為團隊實時提供所需的專家級意見、洞察力與建議。未來的企業，需要在每一次與消費者的互動中，快速理解、推斷與學習消費者行為，通過數據分析發掘新機會。
