1.样本偏差陷阱。
　　企业搜集到的样本数据看上去很多，但有时却不全面而具有迷惑性。
　　2006年，某知名化妆品牌因被检测出重金属含量超标而下架。新浪上的网络调查显示，95%的网民表示不会再购买该品牌产品。但是该品牌产品重新调整上架后，销量虽然下降了40%，但远不及新浪的网络调查的糟糕程度。
　　上述网络调查虽然有足够多的样本，但是网民不能代表该品牌的全部消费者。如果该品牌以上述网络调查作为决策依据，就有可能产生偏差。
　　2.信息缺失陷阱。
　　在拥有大数据的情况下，一家企业能够轻易地知道自己与顾客之间的交易信息，但却不知道竞争对手或者其他类型公司与顾客的交易情况。这种信息断层，会对大数据营销带来一定的效果壁垒。
　　国内一家航空公司把一年乘坐40次航班以上的旅客确定为金卡顾客，20次以下的确定为普通卡顾客。他们后来查验了公司所有持卡顾客的情况，并把竞争对手的旅客订单进行对比后发现，在该航空公司界定的普通卡低端顾客中，有相当一部分顾客实际乘坐次数都在20次以上，但他们对价格不敏感，且分散乘坐不同公司的航班，导致在每家航空公司都没有金卡、银卡。
　　这些具有高的潜在价值的顾客，航空公司只有进行更全面的数据分析后才能察觉。
　　3.内生变量可能模糊因果关系。
　　国内一家电商消费品企业用大数据软件判断得出，某个消费者可能是价格敏感者。于是企业打折促销、发放折扣券，确实诱发了该消费者的购买行为。但这样的数据可能是被企业的促销信息“污染的数据”，而不是该消费者内生的“干净的行为”。
　　营销人员可以通过故意改变营销条件来验证这种因果关系正确与否。比如过一段时间后折扣改变为15%，看看消费者是否继续购买。如果他不购买的话，之前的判断就是正确的，如果还是继续购买，那说明前面判断是错误的。
　　需探讨可联系编辑：冯华魁1301446679@qq.com