大數(shù)據(jù)很少確實指出事件之間的因果關系，如果想靠著分析大數(shù)據(jù)做出營銷決定，可得小心再三。以我們研究過的某家大型零售商為例，該公司注意到購買生鮮商品的顧客常常也會購買大熒幕電視，便投入大筆營銷資金，提升生鮮商品銷量，希望也能帶動電視銷量。雖然生鮮商品銷量確實上升，電視銷量卻紋風不動，最后生鮮銷量上升的獲利還不夠支付營銷成本。
為了不落入如此窘?jīng)r，愈來愈多公司執(zhí)行數(shù)據(jù)分析會搭配實地實驗；透過控制變因的測試，就能知道數(shù)據(jù)分析找出的關系究竟是否為因果關系。然而，實地實驗的運用也需要當心：實驗太久、等到要付諸實行就已經(jīng)過時，而且實驗過程也可能漏了某些副作用。所以，企業(yè)該如何判斷使用時機？答案要看以下四項問題而定。
1.實驗結果能夠推廣應用嗎？
決定是否做實驗前，必須先確定實驗情境是否類似于最后要實作的情境。如果只是抽樣某些顧客、做直效郵件的測試，事后要將結果推廣到所有顧客應該問題不大；然而如果是想調整店內的某些作法（像是員工與顧客的互動方式），就不見得能夠以小推大。小型實驗的時候，員工很容易就能完全遵照實驗的指示；特別是派來實驗不同作法的員工常常是精挑細選、受到特別關注，等于是額外的資源。然而，等到所有一般員工普遍實施新作法，沒有人在旁盯著，效果常常就不如實驗。
2.跨產品效應如何？
針對實驗分析的產品類別，如果跨產品效應既多且大，就需要進行為數(shù)眾多的實驗，才能解釋所有相關效應。然而研究顯示，在跨產品效應不大的時候，針對特定產品類別營銷決策所需的實驗數(shù)量，就只會隨著類別內產品品項的數(shù)量、緩慢增加。這種時候，就算某個產品類別有許多互補或替代性的產品，還是能運用合理數(shù)量的實驗、得到有意義的結果。
3.需要多精確？
產品面臨的情境有許多變因：季節(jié)、過去的曝光度、相關的消費者經(jīng)驗、溝通的細節(jié)等等，都可能影響最后市場結果。因此，實地實驗并不一定能預測未來。我們的研究指出，現(xiàn)在與未來反應的差距，要看數(shù)據(jù)收集的方式情況而定。一般來說，針對大型客群的實驗，預測的效果會比瞄準小型特定客群的實驗更佳。此外，比較安全的作法是先談方向、而別急著下斷言。例如可以說實驗發(fā)現(xiàn)「試用比折價更能帶來利潤」，但不要直接說「試用能引起2%的顧客回應、而折價只有1.5%的顧客回應」。很多時候，只要有大方向，就足以讓企業(yè)做出適當?shù)纳虡I(yè)決策。
4.能否用實地實驗的數(shù)據(jù)，瞄準不同市場區(qū)隔？
實地實驗提供的原始數(shù)據(jù)，能有許多在市場區(qū)隔方面的運用。原則上，將實地實驗的數(shù)據(jù)與市場區(qū)隔方式結合，就能為不同的市場區(qū)隔量身打造營銷方法。舉例來說，零售商如果需要吸引更多顧客，可能就要先了解不同市場區(qū)隔、再分別定出最佳的促銷郵寄方案。如果能掌握機器學習和實地實驗兩者的威力，零售商執(zhí)行實地實驗后，就能取得數(shù)據(jù)、進一步了解市場區(qū)隔，從而決定最佳策略。
大數(shù)據(jù)就像開了一扇窗，讓人能看出商業(yè)環(huán)境、顧客需求、顧客行為等的即時變化。然而，數(shù)據(jù)若使用不當，風險就可能大過優(yōu)點。而且經(jīng)理人常常沒想到，竟有這么多商業(yè)決策是來自運用不當?shù)臄?shù)據(jù)。搭配仔細為之的實地實驗，就有助于改善這種情形。