智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
預告
品牌
其他品牌
【中國智能制造網 名家論談】當線上數據積累到地把用戶畫像描摹出來，新算法模型被引入，富有想象力的大數據應用開始了。例如，尋找那些高凈值客戶。
TalkingData合伙人&執行副總裁 林逸飛
TalkingData合伙人&執行副總裁林逸飛開門見山說，國內企業大數據應用已進入“下半場”。這家從事智能數據服務的公司發現，企業，尤其是受互聯網沖擊大的零售、金融和電信企業，大數據應用已具有相當深度，基本完成基建，正在收集和運營更多數據，離企業的業務價值越來越近。而自去年以來，房地產業大數據應用的步伐也在加速。
招商銀行的“交互門”
3年前，招商銀行開始培養自己的“交互門數據”，就是客戶在移動APP、微信端、PC端留下的“痕跡數據”，像各種點擊、瀏覽、流入的渠道、位置等，這與它“鼓搗”多年的內部交易數據并不在一個維度上。
TalkingData 參與了招行信用卡APP——“掌上生活”數據的深度運營。招行的明確目標是，既然線上支付正在沖擊銀行傳統業務，銀行也要通過移動APP爭奪戰，發展線上業務。當時，招行“掌上生活”只有三四百萬下載量，約200萬用戶綁卡，月活用戶不到100萬人。
經過3年營銷活動與大數據的閉環運營，到2015年底，“掌上生活”APP上綁卡客戶已經在整體招行信用卡客戶中占比超過80%。
銀行APP如何與用戶建立強黏性？
以前，銀行的營銷活動都是單向的。現在，大數據把任何一次營銷都能做成閉環。通過一次次閉環運營，招行將用戶一批批“牽引”到“掌上生活”上來，成為其線上用戶。
以“六一”期間的母嬰營銷活動為例。寶寶樹、小天才等應用積聚了上千萬親子用戶。TalkingData的數據平臺把這類母嬰用戶通過數據勾勒出來，再與招行信用卡用戶做關聯分析，篩選出招行用戶中類似的“親子人群”，并向這一目標人群發送優惠卡券。
這僅僅是數據運營的步。當對卡券有反饋的人群數據不斷地返回時，人群分析模型被一次次校準和迭代。這樣，“親子人群”模型的度越來越高。
在這個過程中，雙方摸索出運營體系和方法論，指導銀行采集什么樣有價值的數據，在APP中做哪些埋點。
3年中，游戲、親子、輕奢、出境游等一次次營銷活動發起的閉環數據運營，招行和TalkingData不僅把信用卡用戶拉到線上，還地把用戶畫像描摹出來。
當線上數據積累到這個階段，新算法模型被引入，富有想象力的大數據應用開始了。例如，尋找那些高凈值客戶。
在銀行自己的“交易門”——交易系統中，很多用戶看上去并不算高凈值客戶。但如果把這些客戶與幾種外部數據進行關聯分析后，有趣的事情發生了。
比如，通過移動終端的授權信息和公開數據，可以針對不同圈群的客戶進行描摹，比如金融理財相關的APP的使用偏好，或者股票相關的使用習性等；通過地理圍欄與LBS(地理位置信息)結合的分析，將客戶的“職、住、娛”位置信息進行管理建模，與房產數據等疊加后，客戶的消費潛力會浮出水面；再結合電信運營商的提供的合作評分數據等等，銀行可能找到一類客戶——沉睡的高凈值人群。他們在外部消費活躍，但并沒有在這家銀行購買相應水準的理財產品。
找到這群客戶后，再根據他們的地理位置信息模型、頻繁使用的線上線下服務、品牌傾向，選擇出效率高的手段觸達他們。
今年上半年，一家銀行與TalkingData合作，通過對銀行客戶幾萬臺設備的分析刻畫，再與上述TalkingData積累的多種外部數據——人群移動互聯網形態、地理位置形態、品牌偏好形態進行數據疊加，找到沉睡的高凈值客戶。通過傳統的短信方式，在兩個多月中推送了三組服務，在客戶有效觸達率方面提升了數百倍，實現理財產品人均購入超過數萬元的驚人業績。
如何運營出數據的業務價值
從銀行的應用案例出發，林逸飛對數據如何產生業務價值進行總結：
首先，企業，尤其是大企業，數據不能全靠買，要有自己的運營能力。企業要投入新IT建設，“養”出自己的數據。
以一家住宅房地產商為例。在過去2年中，它只積累了4000個成交業主的數據，看房人的數據全部在渠道商手中。今年，它在售樓處鋪設了免費WiFi(一些企業還可以鋪設iBeacon、地磁傳感器等新IT設施)，在四個月中培養出到訪售樓處的設備數據在四五萬的規模，而這些數據成為了刻畫其到訪客戶的種子數據樣本，從無到有建立自己的潛在意向人員的模型。
這些數據讓它能對川流不息的人群進行判斷，如人們在沙盤區、樣板間、洽談區等不同位置的逗留時長。當把眾多設備數據與外部的多層數據疊加、關聯分析后，就能了解看房人的線上線下形態、品牌偏好和出沒區域。接下來，房地產商指導地推團隊，到哪里營銷效率會更高；也對它長期包租的幾十個昂貴的戶外廣告牌進行調整；還投放了一個看房人群經常使用，但并不的公交站APP應用。
同樣，在商業房地產中，房產商靠自己養出來的數據，再與外部數據疊加打通，就能洞察商業品牌的選擇與落位、品牌活動設計、錯位競爭等價值。
值得關注的是，很多企業營銷的錢花出去了，但什么也沒有留下。通過新IT建設和運營，任何營銷活動都能獲得數據資產作為回報。
再如，一家銀行贊助了一場馬拉松。參加者有3萬人，觀眾有超過10萬人。由于這類人群愛運動、愛自拍，從養數據的角度考慮問題，就應該在出發和結束地分別提供自拍背景墻并鋪設WiFi，作為數據線索獲取的手段。
其次，只建設IT設施還不夠，培養數據要靠運營體系。很多企業無目的地投資建設大數據平臺，買了一堆存儲，購買了不同的大數據平臺，把數據壓進去，但不知怎么發揮數據的價值。
如一家電器制造商，在過去7年，收集存儲了超過5000萬個會員數據，但會員狀況，近期上門維修、二次購買等基本情況一概沒有分析統計。企業APP和公眾號的數據也未與會員庫打通。投資IT設施，無目的地收集數據，是很多企業的誤區。
企業要有數據運營的目標和思路，但這其中任何環節都不簡單。僅僅在數據收集上，采集什么樣的數據有價值，怎么采集，怎么做埋點，都是專業活。如一家銀行曾在APP中埋了數百甚至上千的數據采集點，并隨著活動、檔期等的不同，動態進行調整。這需要一套運營體系和方法論。
今年，TalkingData與興業銀行推出直銷銀行移動運營體系；與國泰君安推出移動券商運營體系；與華住推出酒店運營體系；與東航及深航聯合推出航空公司運營體系，這些都是在于TalkingData的客戶深度合作，共同開發使用的指標體系。在此之前，TalkingData已推出通用類、游戲類和電商類運營體系。
再次，企業內部ERP數據要做，外部交互數據也要養，兩者要并行開展。外部數據早一天培養，就多一天優勢。
如一些手機制造企業，有內部進銷存系統，能看到正常的渠道出貨；但通過外部的產品激活等數據統計和分析，可以看到真正的產品使用情況，真實的一二三四線城市分布狀態。通過統計分析激活產品上TOP10的APP應用，還能幫助企業找到新的營銷渠道與交叉合作。
后，不要迷信標簽這件事。
TalkingData在做數據獲取、打通、訓練、算法與模型過程中發現，很多企業熱衷于做數據標簽，對自己的數據打了幾千個標簽，但沒有獲得業務價值。TalkingData建議，在做標簽之前，要找到問題域——是要喚醒沉睡客戶，捅一下瞌睡客戶，還是要找高凈值客戶？帶著問題把數據的基本屬性挑出來，再進行訓練學習，找到細分問題的場景標簽、動作標簽才有價值。
(原標題：企業要“養”出自己的數據，不能全靠買）
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
