每次都是这样到最后的时候，组委会说要不沈老师压轴吧，我说行。其实说得高大上一点叫做坚守，看到这么多还坚守到最后，我们的市场研究在坚守，当然在坚守的同时应该不断地创新，所以我今天从大数据的视角来看一看我们该如何创新。

今天我的演讲希望能够给大家提供四个维度的理解，第一，就是什么是大数据，跟我们传统的市场研究有什么不同。第二，我们用什么样的工具、方法去分析和挖掘大数据。第三，从大数据的视角能够为我们的消费者带来什么新的洞察。当然我也希望我们从大数据的角度能够带来更多的创新。大数据让我们瞬间就感知到我们所理解的事物，不需要你讲，我就理解了。如果想象一下这个屏幕实时显示的是滴滴打车，那么我们就看到在这样一个滴滴打车过程中，整个北京市的交通会是什么样呢？如果我能够加上控制系统，实际上这就涉及到我们所提到的智能交通，从这个角度来讲，我今天演讲的题目就不重要了。我每次演讲都会说这样一句话，这是一本叫《爆发》和《大数据时代》，这两本书出版的时候，都让我写推荐语，我记得我写这是一个令人兴奋的时代，也是一个大数据的时代，数据科学让我们越来越多地从数据终观察到人类社会的复杂行为模式。以数据为基础的技术决定着人类的未来，但并非是数据本身改变了我们的世界，起决定作用的是数据的分析和应用。人类行为的93%是可预知的，相信这句话吗？我更想知道的是什么叫人类。什么是人类？沈老师的利益受到伤害了，领导就会说沈浩你要顾及人民的利益，你会发现我不是人民了。

所以今天我说的大数据一方面让我看到了刚才的全体，由每一个活生生个体构成的总体，当然我们不愿意说总体，说我们想看到的足够大的，其实今天大数据一个很重要的特征是可以分析一个人的行为，是分析一个人的行为，我们传统的市场研究几乎不分析一个人，即使见到了姚明，我们也把他删除掉，因为他是异常值。什么是人类呢？其实已经开始跑了，就是刚才它实时地显示。什么是技术呢？今天我说了它就是一个活生生的人，如果有一个人在这儿，有一个人在这儿，请问这两个人有关系吗？有，没有。其实还有一个人过来了，如果他跟她有关系，他跟她有关系，问这俩人有没有关系？有。因为朋友的朋友应该是朋友，所以他们不是朋友就存在着一个链路联结，所以我们应该给他们建立一个联结，这就奠定了社交媒体的基本基因。你会想沈老师他们俩什么关系？你发现颜色、方向都一样，如果他爱她，他爱她，你说这俩人是什么关系？如果你知道他们关系的性质，甚至说你不知道的时候，你会把他的前女友推荐给现女友，有没有这个可能？即使推荐100次，说实话，99次都可能成功，但是落实到一个人身上，也许这个人就崩溃了。就像我们经常说预测没有用，因为你每天预测地震，其实99%的地震预测很准确，但是99%的地震都是1、2、3，只要有一次12级、15级地震你没有预测到，股市你预测那么准，每次都预测高高低低，一次崩盘你没有预测到就完了。如果我发现这儿有一个人，这儿有一个人，这儿有一个人，这儿有一个人，再来一个人，再来一个人，再来一个，总共八个人，他们有关系吗？有，因为他们生活在社会里。但是在这个社会里，你会发现过去我们研究这些人，无非就是男人、女人，最后研究来、研究去，我们说了一个结论，叫一方水土养活一方人。所以有人问沈老师你是哪儿人？我说我是上海人，沈老师你怎么那么爱吃辣的？谁说我不吃辣，但是因为我是上海人就给我打了标签了。今天我说我是什么人呢？你可能关注我是不是VIP，但是大数据其实不是这个，大数据更关心的是谁跟谁有关系。所以当这个男孩喜欢这个女孩，这个男孩喜欢这个女孩，这个男孩喜欢这个女孩的时候，其实我们立刻就知道他们的关系很清晰，就是男孩喜欢女孩。但是一个男孩万一喜欢两个女孩呢？这时候我们会发现，这种关系如果非常混乱的话，其实你是搞不清他们的关系的。但是我们可以分析出他们的关系，就是男孩喜欢女孩。但是女孩也可以主动喜欢男孩，万一一个女孩主动喜欢了男孩，这时候我们看到，这种关系再去分析，你会发现已经不能得出结论了，没有说男孩喜欢女孩这个所谓一般性，但是我们同时也可以立刻算出什么呢？其实你可以知道在这里边谁是主角，他身上有数，这是数据，关系是数据，今天我们俩吃顿饭，我@了你，我跟你通话，都是关系。从这个角度来讲，我们如何挖掘关系呢？所以我稍微多讲一些，我去生成一个两千人的关系。你会发现这两千人的关系，这是一棵树，如果你知道这是决策树，你就知道数量便利这棵树，其实这棵树对来宾讲一直长的是这样的，你现在知道这棵树长什么样吗？其实你知道它里面有逻辑，这个逻辑存在着一种内在的规律，但是我们通过这样的分析，我们立刻就可以知道，大家如果仔细看，这就是一个大数据，这是一个两千乘两千的矩阵，如果我能分析两千乘两千，能不能分析两万乘两万呢？能不能分析两亿乘两亿呢？能不能分析70亿乘70亿呢？如果这里面是所谓的两千个消费者，你想营销它，没有那么多钱，只营销得起200人，你该营销谁？我们直接计算一下这个值，我们立刻看到在这里面你应该营销谁呢？都有数据，只要排成序，我们都可以找到那些所谓的大V，我们并不关心他是男的女的，他所在的位置、角色、传播关系就决定了他在社会中的地位，不要小看这一点，其实就这样一个简单的算法诞生了一个非常伟大的公司，叫谷歌，因为一个网页的价值是由连接这个网页的网页决定的。今天我们能不能做到一个人的价值，是由连接这个人的人的价值决定的，所以从这里面，你跟着沈老师去删掉几个节点，比如删掉一个，又删掉一个，又删掉一个，你知道我是有意删的，在这里面我删了几个点，再删一个点，从这里边我们看到在这个领域我们再次结算会是什么结果呢？大家看到什么呢？分崩离析了。想象一下，如果你想看到舆情在这样一个网络中传播，该如何阻断谣言，是不是有所感觉了，如何控制艾滋病的传播也有方法，如果你想有效的传播，是不是也要靠这些大V顺利地连接在整个网络中。

你说沈老师你这都是模拟，这是很重要的思想，在我没有数据的时候，我要学会模拟，或者这样的数据到底怎么分析，等真正来了数据的时候，我们就可以怎么样呢？我在这儿举一个例子，这时候我们会发现，过去我们很难捕捉人与人之间的关系，但是今天无论是手机，无论是微博，无论是微信，你会发现这样的关系很快能建立起来，并且还能数据化。在这个过程中，我们直接看到这样一个关系的时候，我直接打开这个，在这个过程中，大家看到这个数据集是一个相对大一点的，大家也不是大数据，甚至也不像很多人说的大量数据。因为在这里面，我们看到有大概九万多条数据，将近10万条，这里面详细记录了这条微博转发的时刻，到秒，用什么设备转发的，你有没有标注位置，其实我们看到这些数据的时候，都不是大数据，因为我们十年前就可以分析这种数据，但是今天我们会发现，我主要分析的是什么呢？是它转发的内容。它都在转发什么内容，不过一看内容也没有什么内容，你仔细看看也没有什么内容，全是滚。说明什么？我想知道什么人在这里说滚，有没有什么团伙。在这个过程中，其实我很容易就可以立刻通过我的算法植入一个R语言，就把这样的数据提出来了。这些人被一起转发了，是不是他们发生了关系。这跟你的购物篮一样，你去超市买东西，什么东西一起购买，只不过第二列是一个流水号而已。这样我们可以建立一个规则，在这里面的规则是什么呢？作业本一发，韩火火就转，这不就是一个推荐文嘛。在这里面我们特别希望知道整个的网络是什么，因为时间的问题，我们就不运行了。如果你想看输出，你会发现这个网络一旦输出，这个网络就是这样的。这时候我们会发现我们很难处理这种网络，要么是软件的问题，要么今天运行的速度或者其他，在这样的过程中，其实我们可以立刻去打开另一个工具，通过软件的接口来实现。

我们来打开另外一个工具，我演示的工具都是免费的，大数据的分析，最大的分析就是一切从开元开始。过去我们想说服中国电信，你做一个大数据分析吧，我先得说服他买一个200万的软件，要不怎么做？但是今天我们打开一个接口，这时候你看到我端口打开了，在这个软件里我就直接把它输出出来，当然这个流程不走了。我们看到生成的数据就在这里。在这里面我不知道有没有你当时参与了这条微博的传播，所以在这里面我们利用刚才的算法，立刻就知道这是宁财神，罗永浩、洪晃、作业本等，大V是不是就出来了，所以我说在微博上不要随便转，理论上我可以知道任何人在这条微博转发中所起的作用和位置。沈老师罗永浩是大V还用你说吗？我当时也是这么认为的。谁把两个大V连在一起的人，这才是我们大数据要研究的东西，我们并不在乎罗永浩，我们在乎的是谁洗黑钱，谁异常资金波动，谁是刚才百分之零点几的，而不是95%的东西，我们关注的是细小、微小的，甚至就一个人。这里面当然也可以抓恐怖分子，这是我举的小例子。

那更大的数据会怎么样呢？我这里举一个例子，这是一个移动集团的数据，这个数据大概有230万条数据，这些数据实际上是一个非常简单的数据结构，描述了一个手机电话跟另一个电话在什么时候通话多长时间。经过一个简单的计算，这个过程我都可以算。比如说我想看看这230万的数据长什么样，其实我可以立刻按一下回车，我们230万的数据很难做统计，你会发现230万很快就算完了统计的结果，甚至我可以直接浏览。大家看到这个浏览速度非常快，我曾经五千万的数据，大概将近一个亿的数据，浏览不存在着太大的滞后，我们已经可以突破Excel的计算。我们如何从这里面抽出数据？最终我们会发现这是一个什么分析，我并不知道通话这个人的注册情况，我也不知道他是男女，我只知道他跟谁通话，所以在这里面我们非常容易的就可以把它生成一个图的模型，以有效地增强它的计算能力，否则的话，它的图就是这样的一个关系，所以这个关系最终实际上有33万个边，6万多个节点。我们很容易在这里面直接运算，当然这个运算速度也还是非常快的。我们可以发现什么呢？在这样一个城市里面的变化，这个城市跟立峰的家是非常近的，宜昌。在这里可以清晰地看到，在7万人里边，大概有将近6万人全是能够认识一个人就会认识第二个人，就会认识所有人，所以它是一个完全的连通。在这里边，你可以看到这么多人，可以快速计算网页排名。如果我们用大数据的方式，真正的大数据一定是工程化的，工程化的东西一定是代码化的，而不是我们拿着软件、Excel、SPSS这么分析，所以我们可以很容易看到数据之间的逻辑关系，在这里边我们可以看到统计量，当然这仅仅是统计。最重要的是我们希望能够对这样的关系寻找任意两个人的手机号码，我就可以知道他有没有通话的行为发生。在这里面我可以看到通话的过程是什么，当然我们也可以指定任何一个手机号码，比如说我指定这个号码，然后看一下他的通话路径。我们快速地知道一个人的通话情况怎么样。

从这个视角来讲，我用PPT来表现一下这个过程。这张图也是我当时做的，做的是一条杜蕾斯的营销账号的传播。这里面非常典型地显示了传播中的六度空间，你看到了大V在里面起到的作用。这么大的数据怎么来可视化呢？所以我们需要新的技术，比如像这个技术，我们只要一次显示不出来，我可以不断地追踪，打开它显示的情况，来看到它后边显示的路径，我可以去追踪这个人，当然千万不要追踪到姚晨，一弄五千万，我们也在探索可视化展示。从另外一个视角，我们可以看到在这里面我们如何对百万级的通话记录进行追踪，实时地可以去感知，或者做营销、推荐，当然我们也可以看到他在通话的次数，以及通话的移动空间网络，这是一个比特币交易，发红包都发给了谁，发了多少钱，什么时间发的，这些数据都通过我们的挖掘都可以做到。

这是我举的一个例子，关于关系数据。你会发现过去传统的市场研究更强调的是属性特征，身高、体重，但是今天我们关心的是关系，关系数据是大数据最显著的一个特征，特别是社会化媒体。而且关系的个性化推荐要强于基于它的属性推荐，或者行为推荐，当然了关系也可能是他行为的一部分。

第二个大数据分析的很重要特征还在什么地方呢？刚才我做了一个数据，因为我不知道怎么解释，我刚才把那个十八届六中全会的文档我想分析一下，不过算了，我还是用这个分析。今天我们经常看到的是文本，过去对于市场研究来讲，不怎么分析文本，即使开放题的文本也要重新做一个编码。今天我们拿到一个文本可以做什么呢？我们可以看一下这个文本，对于文本来讲，实际上我们现在的处理技术已经非常成熟。甚至说在这里边只要我读取这个文本，我们看看这个文本，读到刚才我的桌面上，然后我们去选择一个文本，那个文本在哪儿，在这儿，我们用这个。谁知道什么原因吗？有知道原因的吗？读出来不认识。如果你不知道，说明你对互联网不太亲近，换句话说它是输入的问题，因为网页的东西跟我们的Excel不一样。这时候读进来以后，我们连上它，我起一个名字吧，因为我老分析微博，所以我就起一个w e i b o，我做一个这样的分析执行，我这块用的是R语言，当然我们知道还有很多其他的工具，所以在这边大家通常发现李克强2014年工作回顾，各位代表现在我代表国务院向大会报告政府工作，请予审议，它能把中文分成一个一个的词，过去的英文天生就带着空格，今天的中文也可以分得很好了，如果在这里面分了词以后，比方说第二列是词性，什么是词性？如果一个人写东西老用名词，说明这个人是专业人士。他这句话说完，我就把我的微博抓下来了，我发现沈老师还真的是专业人士。为什么？你会发现在这里边，沈老师刚才忽悠了大家二十分钟，你会发现我在忽悠什么，是不是在忽悠数据、网络、社会、节点、结构、方法、软件、科学、数学，这不就相当于给沈老师打了标签嘛。如果这些标签有了，是不是你就可以通过搜索引擎，通过DSP就往我这儿投放。只不过这只是我说的内容，你抽出关键词来给我打标签，当然标签有很多不同的标签方法，这只是可能的一种，因为你说什么，我就给你打上标签了，况且他们这些人在监控着我们行为数据的时候，这种标签真正能反映一个人很重要的一种特征，至少基于这几个关键词向我推荐关键词、文章我是关心的。

最关键的是它不仅能分了词，还能知道这里面的实体秘密。举个例子，我们来看一下，如果在我们这里大量文章出现，这是我那天下载了一篇文章，刚才我又写了一段话，采用苹果手机进行微信报告。如果你在这里边，你会发现我只要一回车，你会发现它从这段文章中立刻知道沈浩是一个Person Name，我从一篇文章中能知道谁在做什么事情，当然我也知道他在哪儿做了什么事情。我还知道他什么时间做的，因为它有Time，这些说明一篇文章里面我是可以知道谁跟谁的。这里面沈浩跟习近平一起出现了，是不是说明我们俩发生一次关系。有没有想过把《红楼梦》分析一下，如果一段话里面说贾宝玉跟薛宝钗一起去后花园了，林黛玉跟贾宝玉去西花园了，这是不是说明他们俩发生了一次关系，这就是一个网络图。如果从数量上，我们就可以由此知道为什么最后贾宝玉是娶了谁，从这个角度我们是可以用语言进行处理的。这里我用了一个APP的接口，让它实现对中文语言的处理。

其实对于中文语言的处理，我们还可以做一个类似于我们经常提到的情感分析。举一个例子，假如说我有一百条文本，这一百条文本描述了一个人在产品中说的话，这一百个文本，我们说了你只要一回车，大家看到快速地完成了，这里面是概率问题，就是前边的概率和后边是一个正和负，东西是送人的就不说了，今天才发，你走了那么多天，这是差评，明明写着什么什么，这是差评。好评在哪儿呢？这一百句话，那些好评就是非常喜欢，很好的东西，所以我们希望对一篇文章能不能抽出关键词，就代表这篇文章的意义。比如说他的关键词，比如说他的那些带有情感的词能不能代表着他的情感的问题，这些都是我们看到，我们发现大数据可以分析什么了？可以分析文本了。这是我说的大数据分析的第二类数据。

大数据可以分析的第三类数据是什么呢？我们会发现在这里边，我再举一个例子，一直说网站怎么做，大家一直说网站怎么做分析，我举一个它的案例。大家都知道，如果你是一家网站，你在提供给消费者服务，这种服务到底我们该如何去实现这种知道这些人从哪儿来。我想提供一个网站服务，比如说他们都到我们家来下载内容，现在我想知道他们都是来自于哪儿的。这时候你看到，我只要下载这样一个执行，大家看到这是在线的执行，大家看看这个操作的过程，实际上这是一个数据建模或者是一个流的过程，我再连接一个云端的数据库，如果大家有耐心，我们时间上还可以的话，我们稍微等一下。

在这个过程中，像这样一个建模是一个数据流的过程，这种流如果带上云端，它就可以部署，当然我也可以通过R这种代码的方式让它运行得更快。我也是有点而太自信，我发现这块的网络有时候是没有的。好，读出来了，我们看看这个数据有多少。看到了吗？我们下载了将近200个数据，这个数据是什么呢？给出了IP的起始位置，以及终止位置，以及在这个位置上拥有多少个可分配的IP地址，这些地址属于哪个国家，哪个城市，哪个地区，以及这个机器的服务器经纬度在哪。我们回过头来看，是不是还会有一个数据，这个数据实际上记录了所有浏览我这个网页，或者来我网站的人。这个里面是不是就有了它的IP地址，有没有想过把IP地址通过一个数学的运算把它变成一个数值，然后匹配刚才的那个位置，我们就知道这个IP地址是从哪块请求的。在这个过程中，我们通过这样一个建模，个我们只要计算这样一个过程，实际上我们就可以看到在这个过程中，把四位数乘上一个常数变成一个数值，然后匹配，现在是在匹配的过程。

在匹配的过程中，实际上这是它的案例，我们通过这个案例就学会了原来IP地址是可以去寻找到任何一个访问我网站的IP地址是什么，我会给这个IP地址打上一个标签，当然我也可能是给一个浏览器打上标签，大部分的技术都是打的浏览器。对于我们来讲，在电子商务很多的交易中，我想知道从这个服务器来的请求是不是安全，数据走到这儿，我们就可以在地图上看到，这是什么呢？这是这家软件供应商的网站，它记录了谁从我这儿下载了软件，我是不是立刻就知道了。这个过程是可以做到实时在线的。你看到中国的时候，怎么今天下载的人这么多，是不是因为有沈老师忽悠了一下，大家就从这块下载了，我就感知到我的客户来源是什么地方。

这是我们看到的一个很重要的经度、纬度。在经纬度这个领域，大数据存在着第三种，也是我这段时间非常关心的，在这方面做了很多想法。首先我们可以看到这是一个图，它应该有一个背景出来，这个背景是我的学校，在传媒大学有20个同学，他们落在我的学校，我获取他们的位置，你只要用我的APP，是不是它跟你要位置，你偷用我的WIFI，我是不是就知道你的位置了。你的手机也在跟基站握手，基站也知道你的位置。我这里面又有一个区域，这也是我们学校，在这个区域里我想知道哪些学生落在了这个区域里。这个能不能算出来？可以的。这时候我们通过一个算法流，其实我们就可以看到，我只要运行这个过程，你会发现最后它就匹配出了最终有11个学生落在我这里面。当然这个过程实际上是可以感知到的。我再次启动一个软件，这个软件是现在很多人在用的，也是一个有着比较先进的想法，我们打开这个数据，大家看到其实刚才我就是把学生匹配出来了。

在这里面大家可以看到，我立刻点击这个点，我们可以看到这就是刚才的轨迹，是不是立刻看到了这些人是谁，这是不是正好是我学校的轨迹，是不是落在这里面的，这样实际上如何你配合上地图，我们就可以立刻知道这真的是我们学校那些学生在操场上。大家想到没有，如果这个能算意味着什么呢？是不是意味着你们其实不用签到了，你只要落在我的区域里，我就可以算出谁落在我这个区域里了。我们知道很重要的是这个轨迹，如何在这个轨迹中匹配出落在这里的学生，当然我也可以匹配出谁落在我选定的商圈，可以显示出二环、三环有多少人。这时候我发现我可以知道一个点，可以知道一个点的行动轨迹，但是我好像没有咱们这个楼的数据。所以这时候我们就需要去寻找，如果我们能够找到这样类似的数据，比方说举个例子，在这里面你可以看到，这里有比较大的几十兆数据，我们来看看这是什么，因为联着网，所以不带地图就比较好，这是中国的数据，我们选择北京会是什么样呢？我们看看这是什么，实际上每一个记录是一个建筑的标志，所以这时候我们可以看到这里面各种各样的建筑，这儿你认识吗？如果我们拥有更大的数据，能不能圈出这些人落在我所限定的区域内。这时候我们最重要的是如何找到这些位置的区域。如果我们能够知道这些位置区域，我们又有消费者的行为特征，那么它的那些数据点我们就知道他落在哪儿里，如果落在这里，当然你知道他男女，你再去分析。所以在一些重大的事件中如何捕捉这种关系。这时候我们就可以知道如何从我们的数据终匹配出落在某个小区、某个商圈里每一个人的特征，如果没有这个数据，就需要我们自己去网上采集。这是我匹配出的两条数据，这是匹配出来落在这里面的人群。从这个角度，这也是我画出的北京市每一条公交线路的数据，当然我们如果把这个东西放置在我们的运行系统中，它可以更好地感知数据之间的关系，就像你看到的，在这个数据里我们可以看到这是一个有着百万级的数据，记录了每一个人的位置点。但是这个反映了这是我们的位置点，大家看到这是北京，这是一个大量数据的位置点，在这个点上，我们如果拥有了这些，我们可以通过匹配算法，想象一下在这个领域里，我们市场研究可以在哪些方面跟别的合作，无论是运营商，还是互联网的，还是像类似于其他的公司，然后提出我们的特质，我们所拥有的一些特性。在这里面这些点的位置信息我们叫做POR。

讲到这儿我们就说了，大数据我没有讲传统的身高体重，态度量表，我讲的是关系，讲的是文本，讲的是空间，在这些数据中，最后可能需要你看得见。大数据一个最大的特征就是你要是看不见就瞎了。我们可以看到这个数据是我做的，是美国的交通事故数据库，非常大，700兆。它就在地图上显示这些东西，这些通过我刚才的运算已经存起来了，我们如果去打开网页，我们就可以看到这个网页，当你生成的时候，其实它可以推送到你的网站上，在你的网页上如果你推送了，它就立刻显示出了这个数据终的一些趋势，在那儿发生的交通事故，以及地理信息上的数据之间的合并、聚类等等，其实你也可以把它当成消费者的聚类和升量。这里面你也可以把它当成是热图的方式呈现，热图的方式呈现，就是看到我们哪儿热，哪儿冷，它不断地打开，深入到街区，你点开可以看到街景。这些东西我相信百度很容易就实现了，百度怎么能够把所有的数据获得经纬度呢？这就向百度、阿里或者其他地方发出请求。比如说一家市场调查公司，如果我有十万个被访者的地址，一个API接口的请求，十万个人的经纬度就知道了。把这些人的位置跟我们访问的方式，我们就可以知道消费者来自什么地方，他的代表性。

在这里面我们看到可视化是一个很重要的领域，包括实时看到我们数据的变化，以及我们可以看到亮点，看到走势、轨迹，以及它的不同区域的聚合，包括我们看到国内的行政区域，包括特定的交通轨迹，我们如果在这里面代表着数据的身量，我们就可以感知到在这里面交通的典型区域。在这里我们有很多类似于这样基于空间、地理的分析，如果这个能融合，我们至少会产生更好的一种大数据分析的思想。

讲到这儿，我们做一个简单的总结，其实如何把一个人的行为，这个行为可能就是传统的我们市场研究可以获得的洞察，把他的社会关系融合在一起，如果还能够落到他的位置上，知道他是重庆女孩，我们聚合这些东西，而且能够感知到这个社会，当然也感知到一个具体的人，刚才说到了罗永浩这种具体的人，我们既可以去对个体进行挖掘，包括精准的个性化推送，也可以对群体进行感知社会，我用感知可以告诉你有时候大数据不需要精确。大数据时代已经来临，如何从海量数据终发现知识，寻找隐藏在大数据终的模式、趋势和相关性，揭示社会现象与社会发展规律，以及可能的商业应用前景、都需要我们拥有更好的数据洞察力。尽管大数据有很多不同的，我相对绝对，但是我希望我们市场研究热情拥抱大数据，谢谢大家！

王文利：时间刚刚好，非常感谢沈会长的精彩演讲。沈老师说93%人类的行为是可以预测的，下面你预测一下我要干什么。

沈浩：宣布结束。

王文利：我们第七届营销与市场研究峰会到此结束。最后我希望大家跟我一起鼓四次掌，第一个掌声是献给谁呢？是献给我们这三天来所有的演讲嘉宾的精彩演讲，正因为你们的演讲才使我们收获满满。第二个掌声是给我们的赞助商，正因为我们赞助商的慷慨解囊，才使我们享受非常好的中餐、晚餐，还有很好的茶歇，还有抽奖。第三个掌声是献给我们所有的工作人员，大家知道我们这一届也是换届的第一次，我们的工作人员也是非常辛苦的，基本上没睡觉，为了我们三天的会议，他们付出了很多，我们用我们热烈的掌声，再一次表示我们对他们的感谢！

沈浩：感谢传媒大学的志愿者，我的学生，谢谢，谢谢大家！