過往行銷人仰賴科學方法統計資料，電訪、市調、寫問卷等等是常用方法。但在風起雲湧的現代消費市場裡，人的決策一日百變，若還是苦等民調從問題設計到分析結果，花大錢撒網捕魚，小心曠日廢時，還撈回一堆垃圾。
你是否曾有這樣的經驗？電話響起，話筒那邊傳來：「您好，我們是某民調中心，想做一個民眾購買某產品的問卷調查，您能不能撥5分鐘的空檔，協助我們完成問卷......。」
接到這樣的電話，你會怎麼處理？是二話不說掛電話，還是大發慈悲，幫幫電話那端可憐的工讀生？
話雖如此，一旦答應後惡夢才開始。說好的5分鐘變20分鐘，前3題你還礙著禮貌耐心回答，後面只想草草結束掛電話，不管對方問什麼，不加思索亂答一通。
這樣的狀況經常在民調中發生，不論是想做市場評估、品牌調查、消費者行為或人口背景資料統計，企業仰賴民調，把想知道的資訊一網打盡，卻難以避免人為因素影響的誤差。
民調中人為因素不可控制。除了拒答率高，還會遇到沒耐心亂填答、受訪者表達能力不夠好，問A答C，或是表達不完全，講半天全是情緒性字眼，沒任何建設性內容。另外還可能會有人早猜出你想問什麼，故意提供錯誤訊息塑造某種形象。
民調時間、金錢和人力成本高、時間效度低，動輒花費1-2個月，對企業來說，等分析完結果推出行銷方案，市場早就汰舊換新。
大數據時代，行銷錯失正確時機（timing）就是失敗者。商業競爭中，反應力等於競爭力，時機不對一切免談。想了解消費者，拋開民調裡密密麻麻的數據資料，從活動日誌（log）偵測消費者行為軌跡，才是絕不失誤的精準行銷術。
民調準嗎？「log」偵測，行為軌跡一查便知
民調中，有一種常見的誤差，心理學中稱之「霍桑效應」（Hawthorne Effect）。意即當受訪者察覺自己正在被調查，會傾向預估施測者想要的結果而改變言行。
例如：遇到敏感的政治傾向問題，有人會故意亂答誤導視聽。此時施測者只能以多個問題反覆詰問才能推測出真實的想法。
但大數據時代，工程師可以在每個軟件後面附加「log」，主動偵測人的活動日誌，了解他的歷史瀏覽紀錄。像是這個人最常瀏覽哪位候選人的粉絲頁？會在哪些論壇留言，留言內容是什麼？曾在哪一位候選人的競選活動中打卡？不需言說，喜好一覽無遺。
應用在行銷中，假設某App開發商想主打一項新功能，如果他們設計電子問卷，一點入App就彈出，民眾為了趕快使用App，通常會隨便勾選，廠商也只會得到每一項都滿意的敷衍答案。
但如果埋入log偵測，直接調出數據，發現多數人其實不太使用新功能。此時廠商可以請客服出馬，主動詢問民眾，新功能哪個地方需要改進。
客服主動出擊，顧客變品牌顧問
透過無形偵測，不干擾、不介入，企業即能獲知最真實的使用者意向。
log資料一出，不同顧客遇到的不同問題：有人產品保固快到期、有人好久沒使用產品、有人似乎不太喜歡某一項功能......大數據行銷帶來客服角色的革新，對症下藥，從遇到客訴才解決問題的防守型客服，轉變成主動徵求顧客意見、給予顧客建議的攻擊型客服。
好的客服，不是一天到晚黏著顧客問東問西，而是像個偵探，在顧客有異狀時，馬上跳出來解決。舉例來說，當log顯示顧客漸行漸遠了，客服就可以直接撥電話過去說：「您很久沒有登入我們系統囉。最近有遇到什麼問題嗎？」從顧客使用軌跡開始下滑時主動關心，預防事態擴大，不但能有效地經營顧客關係，更能大幅降低負面情緒的溝通成本。
更積極地來看，主動偵測還能幫助研發人員蒐集顧客資訊，顧客變最佳研發人員。沒有什麼比讓忠誠顧客監測產品來得更好，他們的使用行為就透露他們與產品互動的結果。什麼不好用、不愛用，什麼喜歡但功能不完善......從蛛絲馬跡中得出產品改進方向與行銷策略。
即使人心百變，log卻是真實存在的證據。log不只是線上的活動紀錄，也可以是線下的交易數據。藉著數據資料精準預測消費者，就像打高爾夫球，揮桿的瞬間，看的不只是擊在球上那一點，而是長長飛行軌跡後落下的那一點。
