<small id="numdb"><strike id="numdb"><address id="numdb"></address></strike></small>
      <li id="numdb"><acronym id="numdb"><menuitem id="numdb"></menuitem></acronym></li>
      <rp id="numdb"><object id="numdb"></object></rp>
    1. <button id="numdb"><acronym id="numdb"><cite id="numdb"></cite></acronym></button>
      <li id="numdb"><tr id="numdb"><u id="numdb"></u></tr></li>

      新聞動態

      大數據應用場景:除了“殺熟”,還能干點啥?

      2021-05-18 16:00:30 16

      大數據時代,數據應用已經十分普及,大數據的應用場景也十分廣泛,從企業經營管理、到商家營銷與流量分發,To B、To C產品中都可以看到數據應用的痕跡。本篇文章里,作者就對數據核心應用場景做了較為詳細的介紹,感興趣的話就一起看下去吧。

      五一回家,有非數據專業的朋友問,你一直搞大數據,大數據除了“殺熟”,還有什么應用場景啊,能不能科普下?

      的確網絡上、新聞上看到了很多的“殺熟”的負面報道,但大數據還能干點啥、有什么價值、數據人每天在忙啥,對于非數據線的人可能確實不了解,畢竟隔行如隔山。

      所以,近期也在思考,如何能把大數據的應用場景說清楚,不為正名,只為把自己數年的大數據從業的初心再捋一捋,也給想要選擇數據行業的提供一些參考建議。

      第一次和數據接觸,是13年運營第一個微信公眾號的時候,每天看著后臺的閱讀量、轉發量、新增用戶數、累計用戶數等指標,通過數據觀察分析哪些內容更容易引起用戶共鳴促進轉發,什么類型的用戶會關注,什么時段群發閱讀量更高。也因此結緣,畢業找工作時選擇了數據產品經理,但那個時候比較懵懂,還沒真正了解什么是大數據。

      結合自身的數據從業經驗,總結下來大數據的核心價值在于應用。也有把數據比作“原油”,只有經過加工處理成為“汽油”、“柴油”、“機油”,被投入使用后,才會真正發揮價值。

      數據核心應用場景主要有面向企業內部(ToB)的決策分析支撐和面向C端用戶的智能應用。

      一、ToB:決策分析支撐

      解決數據“是什么”、“怎么樣”、“為什么”、“怎么做”的問題,從拍腦袋的定性決策,到定量的數據化管理。

      1. 經營管理

      為管理層提供完整的、能夠快速反映業務經營健康度的管理指標,為管理決策提供數據支持。

      舉個例子。

      門票業務CEO每天早上都要打開電腦或手機看經營日報,某日發現業務總營收指標同比降低了20%,其中華東地區下降35%,其他大多數地區都是增長的。找到華東大區負責人,去跟進處理。

      華東大區負責人再拆分到省份、城市、景點、門票資源,最終定位是迪士尼的門票效率大幅下滑,原因是競對某團開展了大力度的優惠活動,于是責令景區商務快速跟進。

      2. 運營優化

      提供產品迭代、流量渠道策略優化、活動效果分析等產品運營所需的數據分析能力,數據化運營。

      1)產品迭代

      產品功能改版前需要進行數據分析,查看舊版本的用戶使用習慣,以及哪些功能實際上很少人使用,可能是可以優化掉的。

      改版后,同樣要對新功能進行數據監控,分析新功能是否達到了既定的迭代目標。最常用到的是AB實驗,比如不同的交互方式、UI布局,可能會影響用戶轉化。通過對AB結果分析,確定最優的方案,用數據說話。

      2)渠道優化

      為了獲取新用戶,互聯網公司需要進行SEM、信息流、應用市場等不同渠道的投放,但不同媒體的用戶群體特征各異,廣告投放的ROI差別較大。

      通過數據分析來將渠道分類分級,流量規模大、用戶質量高的加大投入,流量小質量差的可以放棄,支撐渠道運營策略的優化。

      3)營銷分析

      今年五一迎來了疫情后的出行高峰,各家OTA都推出花樣各式的假日活動,比如機票盲盒。98元的機票為什么敢賣,不虧錢嘛?

      其實盲盒產品設置的本意并不是為了成交,或者說會控制成交量、來管控成本。機票盲盒是現象級產品,通過用戶分享、傳播,帶來品牌曝光、強化用戶心智等其他附加價值。

      因此,在這個過程需要基于數據來分析鎖定成功率需要控制在XX時,可以既刺激用戶傳播,又保證企業不虧。同時,也要分析參與活動的用戶都是什么特征、性比年齡籍貫幾何,來投放廣告做活動的預熱。

      3) KPI監控

      基于大數據提供系統穩定性、KPI波動監控能力,業務異常及時發現,快速止損。

      數據報表、數據產品主要是承載的人找數,而KPI監控則是基于業務規則對指標的波動或異常進行定義,指標數值超出范圍后,觸發預警及時通知,減少問題發現時間,降低業務損失。

      今年五一出游高峰,很多指標達到了歷史峰值,對系統服務的穩定性是一個比較大的考驗。除了提前做好應急保障外,也不可避免地出現服務異常的情況,及時發現,修復系統問題,及時止損。

      4. 業務預測

      基于大數據和算法挖掘能力,提供業務指標趨勢預測,提前布局資源。

      除了對已經發生的業務現象進行事后分析外,還可以基于大數據預測業務發展趨勢。比如五一、十一節假日提前預測業務高峰發生的時間以及業務量,應用服務提前壓測,服務器提前擴容,以及提前部署客戶服務人員的排班計劃,做到既可以滿足業務高峰,又實現人力以及資源的最優匹配。

      二、ToC:數智化賦能

      除了數據分析,大數據另一類場景是讓產品“更懂你”,在合適的時間、場景,把產品和最有意向的用戶匹配,實現人貨場的匹配。

      同一個產品賣給用1000塊的雜牌Android機的張三10塊,賣給用8000塊錢iPhone12的李四20,這叫“殺熟”。張三經濟水平一般,出門住酒店一般選擇200~300價格的,給他推薦經濟型酒店;李四消費能力高,推薦高星級品牌酒店,這叫千人千面個性化推薦。

      1. 精準營銷

      基于用戶畫像標簽進行用戶分層,精準觸達,實現精細化運營。

      互聯網上半場,流量獲取成本相對較低,且公司融資相對容易,為了跑馬圈地圈用戶甚至可以不計成本,很多公司為了快速實現用戶增長采用的是粗放式、廣撒網的方式進行用戶獲取或運營,比如給所有用戶發補貼紅包,給所有下過單或沒下過單的用戶發營銷短信。

      而流量紅利過后的下半場,一方面用戶要持續增長,另一方面也要管控成本,提升ROI。

      此時,需要基于大數據將用戶標簽化,構建用戶的畫像標簽,按照不同的業務場景進行人群的精細化分層后,精準觸達,把資源傾斜給高潛客戶。

      2. 流量智能分發

      基于算法挖掘用戶行為意向,匹配最佳產品或服務,實現人貨場的智能匹配。

      精準營銷平臺更多地是提供人群圈選的能力,產品或運營人員基于經驗,進行用戶的條件篩選。

      流量智能分發則是基于用戶歷史行為,采用用戶或商品維度的協同過濾、聚類分析、邏輯回歸等算法,識別進站用戶的行為意向,為用戶提供差異化的產品功能或頁面模塊。

      比如,大眾點評在做10.0版本改版時,首頁從商戶列表改成了類似小紅書的信息流模式,且是作為一次比較重大的戰略改版,力推信息流。

      對于“愛逛”的女性用戶群體,覺得是不錯的改版;而對于用完即走,直截了當的鋼鐵直男,覺得改版后很難用,應用市場大批吐槽。

      基于數據和算法能力,對于不愛逛的用戶,可以默認展示分類金剛位,愛逛的人則可以默認優先展示信息流。

      3. 個性化推薦服務

      提供App、小程序等應用端產品的千人千面推薦,促進用戶轉化,提升用戶體驗。

      流量分發側重于用戶行為意向、下單概率預測等宏觀層面,提供產品功能和服務的匹配推薦。

      個性化推薦則側重于內容本身的精準匹配,比如算法推薦用戶可能會喜歡的酒店、景點、旅游線路、美食商家、淘寶產品等,目標是實現人和商品的匹配,縮短用戶決策周期,快速引導用戶下單轉化。

      舉個例子,當你打開某旅游APP,首頁推薦的是你剛好想去的城市,以及對應的酒店、景點、旅游線路。此時,你是不是更愿意去點擊瀏覽,并且更快速地下單呢?

      4. API服務

      為產品功能迭代、運營活動提供用戶訂單、行為數據查詢服務,以數據賦能產品創新。

      API服務相比算法推薦,主要統計分析數據的服務化。比如APP產品新客專區模塊,當用戶進入頁面時,調用新老客的接口,判斷當前用戶ID是否有過訂單,符合新客條件的才展示對應的運營位。

      5. 風控和反欺詐

      基于算法模型(知識圖譜、聚類分析等)識別黑產用戶特征,防止薅羊毛等黑產或欺詐行為,減少業務損失。

      互聯網發展早期,比如2013年外賣、打車業務多家平臺瘋狂補貼拉客,但產品、技術并不完善,誕生了一大批靠刷單賺補貼的黑產。

      隨著數據的完備和大數據算法能力,可以更準確地判斷羊毛黨或欺詐用戶特征,針對風控用戶不提供優惠或禁用相應服務。

      6. 輿情監控

      有時候輿論導向足以摧毀一家公司,前幾年知名女星炮轟某旅游公司,指責其機票產品存在強制捆綁銷售,微博上一石激起千層浪,甚至整個OTA行業都受到了沖擊,對公司口碑及業務營收都產生了非常大的影響。

      利用大數據的手段,對涉及到公司業務或關鍵詞的輿論數據進行爬蟲爬取,利用文本挖掘、情感識別的手段對于負面輿論第一時間發現,公關及時對接處理,可以把輿論影響降低到最小。

      7. AI應用

      都說大數據的出口是AI,可以理解成AI是大數據的重要應用方向,但AI并不是一切。

      機器學習算法、神經網絡模型并不是新鮮詞匯,早在90年代就已經出現了,但是由于當時計算機資源計算力的限制,應用無法落地?,F在隨著計算機性能的不斷提升,CPU到GPU,以及分布式集群、云資源的彈性擴容,這些模型的應用價值開始凸顯。

      AI的本質是基于大量的數據對算法模型進行訓練(有監督、無監督、半監督等),當輸入新的內容時可以自動進行分類或識別,比如圖像識別技術、語音識別等。

      業務上可以應用在商家圖片優化,即產品列表頁通過算法自動確定視覺效果最好的圖片進行展示,吸引用戶提升點擊轉化率,因為愛美之心人皆有之,一個酒店首頁放漂亮的海景圖的效果要遠比放一張馬桶照要強的多。

      三、總結

      大數據的應用場景遠不止于上述案例,業務不斷發展,大數據的應用價值也會不斷創新突破。

      數據職位相對于公司前端業務部門價值凸顯更為隱性和長期,C端上線一個爆款產品會給公司帶來非常大的利益價值,而數據則多處在背后支撐的位置。作為數據人,要了解自己所從事的領域的價值,耐得住寂寞,即使沒有鮮花和掌聲,也可以不斷地自驅創新,用數據為業務賦能。