一套数据驱动的营销框架，适合实战营销人、大数据分析师阅读

作者简介
Ömer Artun
一位科班出身的科学家，内心其实是一位企业家，总有一种对知识的渴求和挑战现
状的欲望。1999年博士毕业后加入麦肯锡，在几个项目中测试数据科学方法；2002年加入Micro Warehouse公司，担任营销副总裁，将数据科学引入日常经营中；2006年加入百思买公司，担任新组建的企业业务部门高级总裁。他坚信，数据驱动下的预测营销将成为未来十年的新潮流。创立了AgilOne公司，旨在通过一个易用、强劲的云平台，向每位营销人提供大数据和预测分析技术服务。

Dominique Levin
她修读了工程、设计和商业管理专业。过去20年，在大大小小的公司做市场营销，足迹遍布各大洲，客户既有企业也有个人，是客户数据重要性最早的推崇者之一。2000年经营了自己的第一家数据公司LogLogic，该公司随后被TIBCO软件公司收购。之后陆续在几家科技公司工作，包括Fundly和Totango，负责建立高度数据驱动的营销组织。

译者介绍：
曹正凤，统计学博士，经管之家（原人大经济论坛）大数据中心总工程师，经管之家（原人大经济论坛）CDA大数据分析师培训负责人，北京博宇通达科技有限公司技术总监。致力于大数据分析前沿领域研究，主持人大经济论坛基于Hadoop架构的论坛主题推荐系统项目，参与国家社科基金项目《基于大数据整合的空气质量测度方法研究》，发表多篇论文，且发表的EI核心收录论文受到多次检索。

秦磊，经济学博士，对外经济贸易大学统计学院讲师、硕士生导师，对外经济贸易大学大数据与风险管理研究中心成员。主要研究数据挖掘、大数据计算、时间序列、金融风险管理及其应用。先后在国内核心期刊《统计研究》、《数量经济技术经济研究》、《中国科学：数学》、《数理统计与管理》、《中国管理科学》、《商业经济与管理》上公开发表多篇学术论文，出版译著《智能大数据SMART准则：数据分析方法、案例和行动纲领》，主持北京市自然科学基金、211项目等多项课题。

谢邦昌，台湾大学生物统计学博士，辅仁大学统计信息学系教授。现任中华数据挖掘协会（Chung-hua Data Mining Society，CDMS）理事长，辅仁大学统计资讯学系教授，华通人商用信息有限公司高级顾问。中国人民大学应用统计科学研究中心学术委员会委员。中国人民大学统计学系Data Mining中心客座教授，上海财经大学统计学系客座教授。厦门大学计划统计学系客座教授。西南财经大学客座教授。他是数据挖掘界领军人物及世界知名统计学家。发表过近三百篇关于统计和数据挖掘的论文，出版了近五十余本相关专著，拥有丰富的大数据分析行业经验。

王淑燕，女，山东菏泽人，辅仁大学商学研究所博士，研究领域为应用统计科学及大数据分析，曾在《运筹与管理》、《ICIQ 2014 19thInternational Conference on Information Quality》和《American Journal of Industrialand Business Management》等国内外杂志发表论文数篇。

译者序
大数据时代对传统营销模式的冲击是巨大的，面对复杂多样的海量数据，如何挖掘其中的价值是每个营销人员都希望知道的事情，而本书恰好可以满足该领域的一些需求。本书的作者?mer Artun和Dominique Levin是营销领域经验丰富的学者，两位学者将他们成功的案例及实用的方法写入书本，为那些徘徊在大数据之外的营销人员提供了一个很好的导引。
本书的独到见解
本书介绍了一种适用于任何规模公司的预测营销方法。基于数据驱动的技巧，以最有效的方式找到带来高价值客户的产品和渠道，将陈旧的商业模式转化为更加个性化的用户策略。
本书的主要目的
使读者能有效地利用数据的价值，在大数据时代找到传统营销方式的出路，同时在思想上得到以下几个有用的大数据营销观点。
1．利用基于数据的生命价值营销有效地挖掘高价值客户，减少在低价值客户身上花费的成本；
2．利用大数据分析手段，多保留和重新激活老客户才能保证高效地增长，而不是一味地增加新客户；
3．运用聚类、分类等数据挖掘算法发现你不曾知道的客户群，并用来区分和优化营销活动，使精准营销变为可能。
曹正凤、秦磊和王淑燕负责了本书绝大部分的翻译工作，台北医学大学管理学院暨大数据研究中心谢邦昌教授对全书进行了审校工作。另外，本书在出版过程中，还得到了电子工业出版社的大力帮助，以及对外经济贸易大学大数据与风险管理研究中心、经管之家大数据中心和智慧交通大数据中心在人力和财力上的资助，再次表示衷心的感谢。书中不妥之处在所难免，尚祈广大读者和同行专家不吝赐教。

曹正凤
北京博宇通达科技有限公司技术总监
引言
本书目标读者
本书是为希望学习预测营销的营销人员量身打造的，也能让已将该技术应用到组织中的营销人员受益匪浅。无论是刚开始学习，还是已经付诸实践，在本书中你都能找到许多实用的点子。我们会向身处不同规模公司的营销人员分享他们应该了解的、有关使用大数据技术进行预测营销的知识；展示像海若斯娱乐公司、亚马逊和Netflix等行业先行者成功背后的秘密。本书也是一部实用指南，助你掌握新的营销方式。总之，我们与你分享的故事源自大大小小的公司，涵盖从零售到出版、从软件到制造的各行各业。本书所列的营销者都取得了革命性的成功，相信你也可以。
关于本书
我们热衷于提高营销质量，向营销人传授相关知识和工具，让营销事业重回正轨。我们希望后续章节能为营销人提供新的表达方式和灵感，让他们理解并学会运用大数据和以机器学习为基础的营销手段。我们相信最终的结果必是客户、企业和营销人多赢的局面。客户将拥有更切身、更有意义的体验，企业将建立赢利能力更佳的客户关系，而营销人也能获得远见和同事的尊重。如果你还有什么意见，欢迎访问我们的网站www.predictivemarketingbook.com，加入LinkedIn“Predictive Marketing Book”讨论组，或通过twitter.com/agilone与我们联系。
本书分为三个主要部分。第一部分，“预测营销完全入门”，介绍了预测性营销的许多基本元素，包括什么是预测营销软件，数据科学和预测分析工作原理，以及客户生命周期价值概念的基本元素。第二部分，“轻松上手预测营销就这九招”，提供切实的战略指南，助你轻松入门。第三部分，“如何成为一个真正的预测营销高手”，对预测营销技术进行综述，为营销人提供一些职业建议，并探讨隐私和预测营销的未来。本书许多章节都可以独立成文，所以请参考以下各章摘要，直接跳转到你最想浏览的章节。
本书内容提要
第1章 大数据和预测分析技术就在眼前
预测营销以大数据技术和机器学习（总称预测式分析技术）为基础，是对客户关系的重新考量。营销人需要关注这一技术。互联网盛行二十余年后，预测分析技术的应用将是改变行业游戏规则的最大机遇。尽管一些大型银行已经在或多或少地使用预测营销，但我们仍处于技术接纳的早期阶段，可以说现在时机刚好。企业对预测营销的接纳速度日趋加快：① 客户希望与品牌建立更有意义的联系；② 技术早期采用者展示了预测营销能带来巨额价值；③ 新技术发展让预测营销变得轻而易举。
第2章 预测分析技术简易入门手册
许多营销人都希望至少了解预测分析技术“黑箱”中究竟发生了什么，这样他们才能够自信地应用技术模型或与数据科学家进行交流。阅读本章后，营销人将充分了解预测分析技术的全过程。营销人需要了解三种预测分析模型：无监督学习、监督式学习和强化学习。许多营销人不了解的一个事实是：与预测客户未来行为相关的80%的工作，其实是收集并过滤客户数据。数据过滤工作并不光鲜，却是中流砥柱：若没有精确和完整的客户数据，便无法进行真正的客户分析。
第3章 首先要了解客户：建立完善的客户档案
建立完整且精确的客户档案绝非易事，但价值巨大。如果你的公司和多数公司一样，客户数据散落在各个角落，错误连篇、重复建设，无法为每个营销人员所用，那么今天，你非常幸运，预测技术（包括模糊匹配在内）能帮助你清理现有数据的烂摊子，将线上和线下数据互联，解决客户数据和实体身份错配的问题。仅仅将所有客户信息集中起来就会产生巨大价值，并且，确保公司所有直面客户的工作人员都能轻松提取并使用客户信息，将是提供更好客户体验的第一步。
第4章 管理客户就像管理资产组合，要不断增值
我们坚信优化企业价值的最佳方式在于提高每位客户的生命周期价值。客户是公司价值的基本源泉，因此，客户生命周期价值就是衡量营销活动效果的最重要指标。最大化每位客户的生命周期价值或赢利能力，就相当于提升了公司总体的赢利能力和估值。而实现这个目标的最佳途径，就是用管理股票投资组合的方式管理客户。面对新老客户，你的行动和发出的信号都要不同。面对低价值、中等价值和高价值客户，你的思维方式和预算安排也要做出调整。
第5章 第一招：运用客户数据，优化营销开支
需要分配营销预算时，多数营销人立即会想到客户获取式开支，将预算配置到效益最好的渠道和产品上。然而，预测营销情境下开支的分配在于将资金分配给正确的人，而不是正确的产品或渠道。多数公司倾向于先赢得客户，这样他们就可以将时间和预算集中投入到客户维系和再激活中，成本更低。因此，营销人员在分配预算时，要学会参考以下依据：客户获取、维系和再激活的目标，以及找到转化最高价值客户的产品和渠道。
第6章 第二招：预测客户角色，让营销重回正轨
这一章中，我们会探究预测技术中的聚类法，以及它与传统客户细分法的区别。在从消费群体中识别客户角色或客户群体方面，聚类法很有用。具体来说，本章会从产品、品牌和行为三个方面分析聚类法的应用。运用聚类法，你能够洞悉客户需求、行为、统计特征和态度，以及他们对营销互动方式、产品和服务使用方面的偏好。在此基础上，针对不同客户群体，你可以着手区分并优化营销行动和产品组合。
第7章 第三招：预测客户演变过程，为生命周期营销做准备
本章会研究从客户获取、发展到维系的客户生命周期全过程，理解如何根据每位客户的生命周期做出沟通策略的调整。优化客户生命周期价值的基本原则与生命周期所有阶段的原则相同，总结为一句话就是：“付出才有收获。”客户信任你，才有可能购买你的产品。赢得信任的最佳方式是：让客户尝到甜头。所以，为了获得客户价值，先要付出客户价值。
第8章 第四招：预测客户价值，进行价值导向营销
客户的生命周期价值不全相同。任何企业都会有高价值客户、中等价值客户和低价值客户。而根据客户价值的不同制定差异化营销战略将是创造价值的良机。这种细分且有针对性的策略被称为价值导向营销策略。首先，花更多的钱吸引并留住高价值客户。然后向上营销，将中等价值客户转化为高价值客户。最后，降低在低价值或获利无望的客户身上的成本。
第9章 第五招：预测购买或互动的可能性，为客户排名
购买可能性模型就是人们通常认为的预测分析。运用这些模型，能够预测某类客户未来行为的可能性。本章将研究客户和企业营销领域中，以购买可能性预测为基础设计的程序。让你见识在企业营销中，预测线索评分或客户评分在优化销售时间和销售团队成功率方面的作用。我们也会向你展示企业如何根据倾向性模型，制定打折策略并确定营销邮件的发送频率。
第10章 第六招：预测个人喜好，为每位客户量身推荐
个性化推荐是预测技术的又一流行应用。本章将向营销人提供推荐时的入门技巧，并传授不同的推荐方法。为你呈现购买前和购买后、针对特定产品和特定消费群体不同的推荐技巧。探讨定制个性化推荐时的陷阱，强调销售规则和全渠道协调，以及让客户掌控自己的个性化推荐的重要性。
第11章 第七招：启动预测计划，转化更多客户
本章将介绍三种特殊的预测营销策略，助你获得更多高质量客户，包括：针对不同客户群的特点策划更好的客户获取活动，使用再营销手段增加转化率，以及应用“相似受众”定向手段。进行再营销时，你应该学会区分两种客户：有些客户有可能再次购买，因此只需发送简单的提示信息；而有些客户再购买可能性不大，那么就需要增加激励措施。如果发现未付款的购物车，浏览和搜索记录时，都可以采用上述技巧。应用Facebook及其他广告平台推崇的相似受众营销，你能发掘出更多与现有客户极其相似的客户，也就是说，新客户与既有客户一样，都能为你带来最大效益。
第12章 第八招：启动预测计划，提升客户价值
留住客户的秘密在于努力从第一天起就留住他。第一次交易仅仅是开始，漫长的关系需要特别的维护和培育。即使成功完成客户转化，与客户的互动也不能停止。本章中，我们会讲到一些预测营销策略，助你提升客户价值，包括：售后活动、补充活动、重复购买计划、新产品推介和客户答谢活动。我们也会谈到忠诚度计划，以及预测分析时代的全渠道营销。
第13章 第九招：启动预测计划，留住更多客户
我们建议你专注于货币保值。如果不这么做，即使你留住了客户，也会赔钱。而且，评估客户保留率时，需要认识到，不同客户的流失带来的损失不同。低价值用户流失肯定没有高价值客户流失损失大。另外，与重新激励停止购买的顾客回心转意相比，努力避免客户流失显然是个更容易、经济和有效的策略。本章中，我们将研究不同的流失管理计划，包括适用于所有客户的非定向计划，以及具有定向性的主动客户保留管理策略和客户再激励计划。
第14章 预测营销能力一览表
为了运用本书介绍的预测营销技巧，你既需要做好思维准备，也要掌握相关能力。从思路上看，不应再陷入活动、渠道或一刀切式营销的泥沼，而应关注个人消费者和他们的背景。从技术角度讲，你需要掌握客户信息整合、预测情报和活动自动化方面的能力。
第15章 预测式（相关）营销技术综述
大数据时代既让人兴奋，又使人迷茫。每年都涌现出大量新的营销技术。本章中，我们会综述各种已投入使用的商业应用技术，并讲解如何从零开始，构建自己的预测营销解决方案。
第16章 给有报负的预测营销者的职业建议
率先采用新方法、新技术（包括预测营销和预测分析）将带来巨大的职业机遇。如果你不擅长数字和数学，且怯于上手预测营销技术，我想跟你说几件事：对商业的理解比数学更重要，善于提出正确的问题对你大有裨益，顶尖营销人能够平衡营销艺术和科学，身边的每个人都能让你学到很多。
第17章 隐私、愉悦和逾越的区别
一般来说，如果能从个性化产品和服务中获得诸如便利等明显好处，客户是乐于分享个人偏好信息的。提供个性化服务时，可利用三种不同的客户信息，客户体验相当不同。请用常识判断营销活动是让人愉悦还是不舒服，要将营销情景放在大环境中看。本章将提供一些指导，教你如何处理与客户信任相关的敏感信息。
第18章 预测营销的未来
预测营销必将继续在营销领域内外大展拳脚。新的算法将会层出不穷，实施客户洞察力营销将重塑世界，让未来的商场大变样。因此，客户、公司和营销人员越早开始使用该技术，获得的收益就越大。迟早，你的客户和竞争者都会逼着你应用预测营销思维。所以，你最好做一个先行者，掌握巨大竞争优势。
关于作者
?mer Artun
我是一位科班出身的科学家，但我内心其实是一位企业家，总有一种对知识的渴求和挑战现状的欲望。上小学时，意识到从桑树上采集果实拿到街上卖可以挣钱，我就毫不犹豫地邀请同学加入，共同经营这个小本生意。在身为工程师的父母的鼓励下，我像哥哥一样选择了在布朗大学攻读博士学位，师从脑神经研究所的Leon Cooper先生。Cooper先生因在超导体方面的卓越贡献获得诺贝尔物理学奖，随后认定人类面临的下一个难题是在神经科学方面取得突破，破解人类学习和适应之谜。他在20世纪70年代早期就是学习理论方面的先驱，以实验性神经科学为基础，配合分析技术研究并创造了学习系统，这套方法现在叫机器学习法。这两个机制我都研究过，它们支持着学习和记忆存储，以及神经网络的人为构建，而神经网络能够学习、联想和再生产更高级别的认知活动，诸如抽象、计算和语言学习。这些任务可由人类完成，常规的计算机程序很难模拟。
1998年即将博士毕业时，我注意到商业世界中的多数人还处在电子表格时代，于是希望将数据科学和机器学习法应用其中。这个目标让我在战略咨询公司麦肯锡找到了一份工作。
1999年加入麦肯锡时，我得以在几个项目中测试一些数据科学方法。我的第一个计划是帮助一家大型技术公司提高销售覆盖率，即采用科学手段，以客户需求、销售团队能力和经验为基础，完成销售团队和客户的匹配。这就是我所谓的分析技术的最终难题。我意识到这是个大问题。分析技术有助于提升商业效率，但只有在被整合到公司日常工作流程中后才能发挥效用。这个问题在企业定价、供应链、营销和销售等多个环节中反复出现。多数我参与的麦肯锡项目都停留在纸上谈兵阶段，方案都是正确的，但很难带来实际价值。在麦肯锡接受训练后，2002年我加入了Micro Warehouse公司，担任营销副总裁，希望将数据科学引入日常经营中。我很幸运，得到了CEO Jerry York和总裁Kirby Myers的支持。Jerry是我见过的最信奉数据的商人，直到今天仍是。他是Gerstner管理IBM时的CFO，之前还是克莱斯勒的CFO。他鼓励我使用数据科学，提升绩效。
我认识到必须建立自己的方法，将数据科学和执行结合起来，解决最终难题。我招到了两名得力助手，分别是Michel Nahon博士和计算机高手Glen Demeraski。Nahon博士毕业于耶鲁大学，是训练有素的应用数学家，帮我编写机器学习算法；而Glen则在数据库及其引用方面协助我。我创造的方法和系统运用数据，能更有效地分配资源、降低营销成本、发现新的营收来源。在营销效率、定价和打折策略等方面，我们影响巨大。2003年上半年，我们开发出实时预警系统，能对销售团队的采购、定价和客户获取进行监控，将结果与移动平均数相比较，然后由团队负责人做出及时行动决策。2004—2006年，我在Micro Warehouse工作，随后，我加入百思买公司，担任其新组建的企业业务部门高级总裁。当时百思买也深受“最后一英里”难题的困扰，公司内部资源充裕，工具多样，许多自命不凡的顾问大谈特谈客户细分和分析技术，但当你随便走进一家百思买商店时，看到的却是一切如故，没有落实到消费者层面。这是对分析技术的真正考验：技术是否能以积极的、可感知的方式影响消费者？如果不是，那么你的规划就出了问题。在百思买干出成绩要困难得多，这部分内容我会在第1章详述。
在Micro Warehouse和百思买工作时，我经常在哥伦比亚大学以及纽约大学斯特恩MBA项目的关系营销和定价课程中担任客座教授。2006年，我成为纽约大学斯特恩项目的兼职教授，教授MBA关系营销课程。这期间，通过与学生和在职人员交流，以及市场调研，我认定，数据驱动下的预测营销将成为未来十年的新潮流。我已清晰地认识到预测营销的价值，而随着商业的数字革命、客户触点的增多，以及数据在大小、种类和更替速率方面的指数级增长，该项技术的重要性得到进一步提升。
如果你问我从Cooper博士那里学到的最重要的一件事是什么，我会说是学会分解问题，找到问题核心，最后在基础层面解决问题。他总是说，问题的解决方案必须简洁。而这也是我认为营销人的问题所在。街角小店时代，营销是件易事。人们互相熟识，知道彼此的喜好，打交道也是一对一的。但在“一刀切”的大规模优化时代，营销人员与客户是脱节的。客户沦为受访对象和焦点小组讨论的参与者，一切都围着产品和渠道转。然而，进行客户中心营销的需求一直在，只是过去这么做不实际且成本过高。网络、电子邮件、手机、社交和定位技术，与存储、加工和提取信息基础结合起来，构成了数字化变革，改变了过去我们对 “实际”和“低成本”的看法。
通过将人文关怀引入数字和离线生活，关注每个客户，了解他们的过去，预测他们的未来，预测营销将私人关怀或人情味储存起来。预测分析的基础是机器学习算法，能帮助营销人理解这些行为。机器学习和复杂算法不是取代人类决策，而是帮助人们获取情报，解决更大规模的问题，有点像鸟枪换炮。
越来越多的公司面临这个问题，我看到了商机，于是决定打破现状，解决问题。2006年，我建立了AgilOne公司，旨在通过一个易用、强劲的云平台，向每位营销人提供大数据和预测分析技术服务。
AgilOne在头五年里自力更生，随后得到了多家风投的支持，包括Sequoia Capital、Mayfield Fund、Tenaya Capital和Next World Capital。通过各种途径，我们为来自零售、B2B、互联网、媒体、出版和教育行业的超过150个品牌提供服务。通过精准的客户描述、预测和嵌入式生命周期营销活动，营销人提高了客户忠诚度和客户生命周期价值。
业余时间，我是个有着28年从业经验、小有成就的陶艺家，在布朗大学期间，我师从的是罗德岛设计学院的Lawrence Bush先生。我生在土耳其，现在和妻女定居洛斯盖多斯。我有两个女儿，叫Ayse和Leyla。写序时，在Pala Alto Castilleja 学院读大一的女儿Ayse正在读一篇有关预测营销的文章，为数学课做准备，文章预言预测营销会在下一代人中间成为主流。
Dominique Levin
我之所以能将左右脑联合，处理营销问题，要归功于当初修读了工程、设计和商业管理专业，接受了复合式教育。在荷兰Delft大学获得工业设计工程学位（毕业成绩优秀）后，我又在哈佛大学获得商业管理学位（毕业成绩优异）。我建议所有营销人都将人类创意同技术学习结合起来，为客户创造更大价值。过去20年，我在大大小小的公司做市场营销，足迹遍布各大洲，客户既有企业，也有个人。总之，我是客户数据重要性最早的推崇者之一。
1994年，我有了第一份营销工作：在秘鲁库斯科担任实习生。我开着皮卡拜访当地农民，统计他们中多少人愿意加入合作社，把水果加工成果酱和酒。我的下一份工作是在飞利浦消费电子公司，任务是寻找向少女和成年女性销售更多产品的方法。我和当地高中女生打成一片、收集数据。飞利浦当时推出一款叫作KidCom、针对少女用户的电子记事本，同时研发出名为TeenCom的、针对青少年用户的双向分页设备。我的主管、项目负责人是Tony Fadell（就是后来的iPod和iPhone之父，以及NEST创始人）。1997年，我搬到东京，为日本电报电话公司工作，负责产品或财务。周末我经常会到一家公司门店，对客户提供面对面服务。我建议每家公司都这么做，因为统计数字是不能取代面对面的作用的。
2000年，我搬到硅谷，经营自己的第一家数据公司LogLogic（随后被TIBCO软件收购）。有生以来第一次，我接触到了大量数字形态的客户数据。日志文件就像互联网时代的摄像机，记录一切。在LogLogic，我们使用日志文件监控安全状况，但我也认识到一种可能性，即运用同样的数据也可以更好地理解并服务客户。
之后我又陆续为几家科技公司工作，包括Fundly和Totango，负责建立高度数据驱动的营销组织。Fundly帮助非营利性社交媒体筹集资金。于是，我们使用数据设计自动化流程，覆盖从自助注册到成功筹资的全过程。Totango提供预测营销解决方案，监控客户行为，发现有潜力和遇到问题的客户。在这两个案例中，数据和预测技术都加速了客户获取过程，提升了生命周期价值，同时降低了销售成本。
我在AgilOne担任CMO时结识了?mer。AgilOne也是一家营销公司，我和几千名营销人一样，试图发现运用客户数据取悦他们的方法。?mer和我在数据驱动和以客户为中心方面的见解一致。数据和人文体验是相辅相成的。我们对于客户工作的热情促成了本书的写作。
业余时间，我喜欢和丈夫以及三个孩子一起旅游，见识各地不同的风土人情。我玩冰球来排解压力，曾经还是荷兰国家队的一员。我喜欢和企业家一起工作，帮助他们实现梦想。

致谢
感谢Anne Puyt、Barbara Von Euw、Rinat Shimshi、Dhruv Bhargava、Carrie Koy、Joe Mancini、Angela Sanfilippo、Hack Phan和Francis Brero，他们不仅辛勤地帮助公司掌握预测营销技术、取得成功，而且非常慷慨，将自己的经验、例子和智慧贡献到手稿中，是他们让本书内容得到极大的充实。
我们也希望感谢具有远见的CEO和CMO们，他们是预测营销技术的先驱者，尤其是Billy Casper Golf的营销副总裁John Seabreeze，Stargas高级营销副总裁Joe MacDonald，Moosejaw的CEO Eoin Comerford，Arcelik的CEO Levent Cakroglu，Mavi的CEO Ersin Akarlilar，TigerDirect的高级营销副总裁Adam Shaffer。
另外，?mer本人和公司AgilOne的成功，以及本书中的概念的提出都要感谢Boone Bartoli、Peter Godfrey，以及他的“养子和养女”Ozer Unat、Dhruv Bhargava、Oyku Akca、Anselme LeVan、Louis Lecat、Ryan Willette和Francis Breco。
我们也希望感谢我们的家人：
?mer尤其希望感谢妻子Burcak Artun博士对他挑战现状努力的信任和鼓励，以及对他繁忙工作的理解和支持。
Dominique感谢丈夫Eilam和孩子Liv、Yanai和Milo对她工作的鼓励。同样，她也希望感谢AgilOne的营销明星Chris Field、Johnson Kang、Kessawan Lelanphaparn和Angela Sanfilippo，是他们的独立和专业，让她能专注于本书的写作。