Newswire
Newswire
Newswire 登入
Newsletter|Newswire Newsletter 联络我们|Newswire 联络我们 登广告|Newswire 登广告 关于我们|Newswire 关于我们 活动|Newswire 活动
快讯
Newswirer 登广告 互动区 |
下载APP
|

ADVERTISEMENT

ADVERTISEMENT

绩效

3月前
某日与契女聊起她这个学期的科目,她滔滔不绝地说了一些,直到我听到“Marketing”。于是,趁她停顿,我随口问了一句:“什么是4P和7P?”她愣住了,瞪大眼睛看着我,语气里透着几分惊讶:“你懂这些?”看着她那副既好奇又诧异的表情,我忍不住笑出声,立刻摆出一副自信满满的神情,故作轻描淡写地回答:“当然懂啊,我以前读过。”她似信非信的神态,让我有种莫名的得意,仿佛多年以前的学习记忆,正在此刻苏醒。 其实,我所谓的“懂”,可能也不太合时宜了。那本让我认识4P的书,我至今仍记得:青色封面,厚重的纸张,彩色内页,书名是《Principles of Marketing》(市场营销原理),作者是Philip Kotler和Gary Armstrong。不知为何,就是记得这二位作者的名字。 想当年买这本书还真是“大手笔”,看到定价,我几乎倒吸一口气。对一个穷苦学生来说,那价格足以让我多活一两周。但即便贵,还是挥霍了。如今多年过去,那本书依然立在我的书架上,青色封面依旧醒目。每次看到它,我都忍不住想,当年买下后到底翻过几次?即便如此,它依然是我翻得最多的那几本之一。 那时的我,其实并不真的懂营销理论,只是机械地死记那几个英文字。老师讲到 Product(产品)、Price(价格)、Place(渠道)、Promotion(促销)时,我只是公式化地抄笔记。是的,当年,就只有Paper & Pen(纸和笔)。 以前学习呆板,也没多联想,换作是现在,估计早已用作对照人生。想当年,Product(产品)大概就是那颗不能让家人失望的脑袋;Price(代价)是为了让这颗脑袋有前途,补考期少了时间拍拖,算起来也没牺牲多少;Place(地点)则是三点一线,即住的地方、吃的地方,还有前男友的家,构成了我当年的全部;至于Promotion(推广),或许就是在学业与爱情之间努力维持平衡,希望两边都别挂科。这一晃,30年过去,也算活成了故事。 4P,其实是Marketing Mix(行销组合)的基本要素,几乎是每个商业概念的起点。随着时代改变,它从4P扩展为7P,多出的3项包括People(人)、Process(过程)和 Physical Evidence(有形证明),让营销从单纯的买卖关系走向更立体的体验设计。那时我只是觉得名词又多了几个,没想到多年后它们竟成为我理解职场的隐形工具。 人生其实是营销 People让我体会到,任何成功都离不开人与人之间的信任;Process提醒我,结果固然重要,但过程塑造了我们的专业;而Physical Evidence,不只是品牌或空间的可见证明,它也像人生里那些被退稿、被修改、被重来的时刻。然而,每一个印记,都是成长的证据。 那天谈话结束后,我忽然想起那本书,走到书架前,取下那本青色封面的《Principles of Marketing》。书页透出陈旧的纸香,我随手拍了张照片,传给契女:“你要不要借去看?”她很快回复:“也可以。”我心想:这书虽然旧,但经典永不过时。那一刻,我忽然觉得,旧书传到新一代手中的情意,比任何营销理论都更有意义。也许,这就是教育最珍贵的样子,一番闲聊,也能在不经意间播下种子。我期待,等契女哪天也搞懂了那些P,再把新版教给我。 这些年走过职场,看尽各种版本的“P”,只是啊,此“P”非彼“屁”,却都同样折腾人。老板强调要抓住客户的Pain(痛点),顾客最在意的永远是Price(价格),同事关心的是Project(项目),而市场部则忙着琢磨Promotion(宣传)。每个人都在谈“P”,却各有各的角度。于是我开始想,也许人生本身就是一场漫长的营销。我们花半辈子努力让自己成为“有价值的产品”,又花另一半时间学习如何在对的“渠道”被看见;然后,在一场又一场形形色色的“促销活动”中,无论是职场竞争、社交应酬,还是感情世界,都要学会维持自我,不轻易贬值。 有时候,当生活变得艰难,我也会不自觉地回想那些P。Product提醒我不必迎合市场,只要把自己做好;Price让我记得,每个人的价码都一样,每个决定都有代价;Place让我懂得位置的重要,方向比速度更关键;Promotion则鼓励我,即使再好,也要勇敢被看见。那些曾经冰冷的理论,久而久之竟成了生活的慰藉,它们让人明白,原来知识不只存在于课堂,也能在人生旅途中化为光,照亮前行的路。 近年,有人提出第八个P:Performance(绩效)。它不仅是衡量企业成果的指标,更是检验一切策略是否真正带来价值的关键。换个角度看,它也像是人生的回响:我们努力耕耘的每一步,最终都化成一种表现,一种让自己与他人看见“努力的结果”的方式。Performance不只是结果,它是过程与信念的延伸,是我们在“行销自己”的漫长路上,一次次修正、累积、印证的过程。 那天与契女聊完后,我一时兴起,上网翻阅新版教材。Kotler老爷子的理论依旧稳坐经典之列,但封面早已换了好几代,从我手上第8版的青色封面到蓝色再到红色等等,已经出了19版,最新版在K书局的售价是285令吉。如今连“P”的数量都不止8个,有人提出第九个P:Partnership(伙伴关系),也有人认为应再加上Purpose(目标)。我很喜欢这些更新,营销学本就是以人为本,强调人性化的“关系”和“意义”,真是恰到好处。 那时的我们,抱着书、挤着巴士、为考试紧张兮兮,却也怀抱着最澄澈的热情与好奇心。如今,那些知识早已不再用来应付考试,却在日常的缝隙里慢慢发酵,变成经验与智慧。那天我半开玩笑地说“我读过啊”,其实不只是逗趣,更像是一种无声的传承。 世上有太多的P,不只是书本上的那几个。有人修的是Patience(耐心),在等待结果的日子里学会忍耐;有人珍惜的是Passion(热情),在坚持梦想的途中燃烧自己;有人追求的是Peace(平静),在混乱的世界中找到自处的力量;也有人体会的是Pain(痛苦),从挫折中确认自己仍在感受。也许,人生真正要修炼的,不只是4P或7P,而是无数个 Personal-P(个人哲理),属于自己的一套。有人学会Persist(坚持),有人领悟Pause(停顿),有人珍惜Presence(当下)。书本上的P教会我们如何理解世界,而生活里的P,则教会我们如何理解自己。 再回首,我忽然觉得,那些年背下的P,早已悄然融进生活,用一种安静的方式引导着我,提醒我继续学习、继续前行,也要继续带着笑意地生活。也许,当我愈发明白这些理论背后的精神,我才理解,书本上的P,不只是商业公式,也是一种生活的隐喻。 此刻,若真要我选一个人生的终极P,我会选Practice(实践)。无论学了多少理论,最终都要靠行动去体会。而我也希望,有一天,当另一个年轻人像当年的我一样,随口问起“你懂这些吗?”时,我仍能Pandai-pandai地回答:“当然呀,我读过,也还在读。”
7月前
9月前
11月前
1年前
2年前
2年前
2年前
2年前
2年前
2年前
2年前
3年前
AI投资还是有很长一段路要走,当中能否取代人类是非常讲究成本和效益的。不要忘记,投资行业的高阶工作都是一堆难以大量重复的特定案例分析,因此,我倾向认为AI最后是成为人类投资者的得力助手,而不是替身。 上个星期写了AI投资并不会取代人类的投资工作,有朋友认为没有写明AI在投资工作上的优缺点,故此有了这篇文章。 首先,前文已经说明追踪AI和机器学习的投资基金,其成绩表现比不上美国大盘,而且偏保守。这当中是受到了背后的投资风格、基准以及演算法的影响,有人会认为这笔账不应算在AI上。但是,这也是市面上绝大多数的AI投资的主要方式。它们会要求客户填写资料来分析客户的风险偏好以及投资需求,选取由专人筛选后的合适ETF,并根据市场状况来实时调整投资组合。 这种方式看似已经完全自动化了,但还是存在相当大部分的人为因素,例如:由专人筛选的ETF就有了人类的偏差,而很多人都忽略的一点就是一开始的分析风险偏好的问卷调查。许多人在填写过程中,无法区分出“真实的自己”和“理想的自己”,例如一位保守的人可能为了让自己看起来更有冒险精神而在问卷中选择那些偏向高风险的选项。 [vip_content_start] 因此,一份问卷调查要能够真实反映一个人的投资风险偏好是很困难的,之后所配给的投资选项就容易出错。 以上也只是市面上流行的AI投资缺陷,要真说到能力上的缺陷,那就是对数据的诠释。如果只是看数据的话,例如失业率,那么在2020年AI投资应该选择偏重现金,而不是股票,因为美国在疫情爆发初期就派发大量津贴,许多美国民众所领取的失业津贴比失业前的薪水还要高,试问有多少人愿意工作。这就创建了一个“高失业率,但大家都有钱花”的扭曲状况,对人类来说这并不难理解,但是对机器来说是比较困难,因为没有先例。 的确,如果没有先例的话,许多人类也会不懂得判断自己接下来应该怎么做才对,不过人类的抽象理解能力比机器强上好几倍,得以从一些相似的历史事件中抽丝剥茧(或者对号入座)并找到应对方式。反过来说,如果这些事情是见惯不怪的话,那么肯定是有强大储存和读取能力的机器更有优势。 不过,这个数据有另一个挑战,那就是数据的库存量。相信大家看过各种机器人叛变或者骇客技术的影视作品都会看到的就是AI大量截取我们日常生活中的数据,并从中作准确的判断。然而,这些准确判断都建立在“数据唾手可得”的前提上。须知,并不是每样事物都有数据可以读取,只要是研究过美国和马来西亚市场的读者应该知道前者的居民收入数据更新得非常频密,而且相当细化;反观,后者的数据就比较缓慢(严重滞后),分类也比较粗糙。另一个例子,许多人批评不透明的中国,其数据库其实相当完整,而且每个月都有更新。 AI投资要有效率,自然也只能选择那些高度数据化的市场,否则就是无用武之地。 最后一个就是数据是否有利可图。市面上有许多数据服务公司,有些是专注在消费者数据的如AC尼尔森,或者是金融服务数据的如Experian,又或者是科技数据的IDC等等。这些数据服务商定期弄各种各样的问卷调查和推出研究报告,都是尽可能地去发现市场里那些没有官方机构在做但又具备商业价值的数据并汇整。也就是说,这些机构寻找数据是有利可图的。 一旦这些商业利益被抹去或者大幅压缩,这就会取走数据服务商的经济蛋糕,使得他们停止发现和整合数据。而AI投资就是要尽可能地获得更多免费或者低价的数据,最后可能导致的结果就是每一个单位新数据的回报率可能就会接近这个单位数据的获取成本。这也就是“信息获得悖论”,也是AI投资需要克服的难关。 综上所述,AI投资还是有很长一段路要走,当中能否取代人类是非常讲究成本和效益的。不要忘记,投资行业的高阶工作都是一堆难以大量重复的特定案例分析,因此,我倾向认为AI最后是成为人类投资者的得力助手,而不是替身。
3年前