近年來，“大(da)數(shu)據(ju)”日益成(cheng)為(wei)國家基(ji)礎性(xing)戰略(lve)資源(yuan)，其所蘊藏的(de)巨大(da)潛(qian)力(li)和能量在各行(xing)各業(ye)(ye)不斷積(ji)蓄的(de)同時，整個(ge)數(shu)據(ju)行(xing)業(ye)(ye)的(de)技術(shu)基(ji)礎和實(shi)踐能力(li)也(ye)獲得了長足的(de)提升，對于數(shu)據(ju)的(de)分析和應(ying)用(yong)能力(li)在不少(shao)行(xing)業(ye)(ye)案例中(zhong)都得到了良好(hao)的(de)展現。
單(dan)就運營而論，數(shu)據作為一(yi)種度量方(fang)式(shi)，能夠真實地反映運營狀況，幫助我們進一(yi)步了解(jie)產品、了解(jie)用戶、了解(jie)渠道進而優(you)化運營策略是(shi)其快(kuai)速發展(zhan)的根本動(dong)因。
下面(mian)我們就從何為數據(ju)運營的三(san)重門開始說起。
數據運營的三重門
數據的第一重門“交易門”
客戶(hu)與(yu)企(qi)業的(de)(de)交易數據(ju)。這重(zhong)門以(yi)交易數據(ju)、日志(zhi)數據(ju)為(wei)(wei)主(zhu)，即客戶(hu)的(de)(de)交易行為(wei)(wei)（買賣、刷卡、查詢、投訴(su)等）通過(guo)企(qi)業內部的(de)(de)生產(chan)作業系(xi)統記錄留存(cun)，基本以(yi)“事(shi)后”數據(ju)為(wei)(wei)主(zhu)，數據(ju)存(cun)在形式以(yi)結構化數據(ju)為(wei)(wei)主(zhu)體。
數據的第二重門“交互門”
客戶(hu)與企(qi)業的(de)交(jiao)(jiao)互數(shu)據(ju)，我們(men)形(xing)(xing)容為(wei)花園里面的(de)數(shu)據(ju)。其特點是以用戶(hu)與企(qi)業的(de)各種(zhong)交(jiao)(jiao)互數(shu)據(ju)為(wei)主，數(shu)據(ju)本身代表了客戶(hu)的(de)行(xing)為(wei)，如(ru)位置、點擊、瀏(liu)覽、企(qi)業App內(nei)的(de)操(cao)作(zuo)行(xing)為(wei)、企(qi)業線下實體內(nei)的(de)行(xing)為(wei)(購物中心內(nei)的(de)到(dao)店足跡)等(deng)。此類數(shu)據(ju)開始出(chu)現大量(liang)非(fei)結構化，流式數(shu)據(ju)等(deng)多種(zhong)形(xing)(xing)態。
交互門與交易門的數據(ju)有(you)什(shen)么不同，如何利用?
例(li)子一：沉(chen)睡、瞌睡客(ke)戶(hu)的分析
通過交易門內的數據發現(xian)的沉睡、瞌睡客(ke)戶(hu)，在交互門里面表現(xian)如何呢？們是真的沉睡了還(huan)是離開(kai)你(ni)的服務？
交易門內的數(shu)據告訴企(qi)業這些客戶(hu)在你的企(qi)業交易門里面沒(mei)有留下任何交易的線(xian)索，不(bu)買你的理財(cai)產品，不(bu)買你的商品？這個時候(hou)要(yao)看(kan)看(kan)交互(hu)門的數(shu)據了。
先看這(zhe)樣圖：
可以發(fa)現(xian)在一定時間段里，雖然交(jiao)(jiao)易門的(de)數(shu)據類(lei)似，但(dan)是(shi)在交(jiao)(jiao)互(hu)門里面這(zhe)些(xie)客戶表(biao)現(xian)大不相同。 停(ting)留在企(qi)業APP時間的(de)時長(chang)不一樣，點(dian)擊的(de)次數(shu)不一樣。
所(suo)謂“投資型“客戶(hu)是數據猜測的，因為(wei)這些(xie)客戶(hu)不斷上來而且(qie)頻繁地在(zai)你手機里面做各種操作，他(ta)們(men)在(zai)比對你的商品(pin)或者你的理財產品(pin)。可(ke)是，為(wei)什么交易門里面沒(mei)有(you)收益(yi)呢？
這個時候要看看“交互(hu)門“外的數據了。即這些客戶(hu)在企(qi)業的App外在類似競品(pin)企(qi)業的App上是什么行為呢？如下圖：
結論(lun)很明顯，這些投(tou)資類型的(de)(de)客(ke)戶(hu)(hu)在競品App里面同樣活躍，是目標客(ke)戶(hu)(hu)，這個時候要考慮如何進(jin)行客(ke)戶(hu)(hu)的(de)(de)轉化了，如何進(jin)行客(ke)戶(hu)(hu)的(de)(de)轉化同樣離(li)不開數據，屬于客(ke)戶(hu)(hu)運(yun)營范疇了。
這個(ge)例子是一個(ge)典型的(de)(de)穿越(yue)數據三重門的(de)(de)分(fen)析。
例子二：線下交互門的數據能干什么？
我(wo)(wo)們會認為24小(xiao)時(shi)營(ying)業的(de)火(huo)鍋店會給很多商業綜合體帶來巨(ju)大(da)的(de)客流量，會有(you)良好的(de)預期，覺(jue)得這些人(ren)來了會在我(wo)(wo)的(de)商場里邊(bian)再會順(shun)便買一些東西(xi)，提高(gao)我(wo)(wo)的(de)提袋率。事實情況(kuang)是(shi)不是(shi)這樣呢?
我們做了(le)這樣(yang)一(yi)個數據(ju)探索，跟我們的客戶一(yi)起去了(le)解，把兩百(bai)多個商家做了(le)一(yi)次(ci)分(fen)類，分(fen)類組織(zhi)成為各種商家標簽，如下圖表格的縱向欄目。在通過數據(ju)運營施工，在商場(chang)內的各個商家門口(nearby)和(he)進店(inside)的Wifi數據(ju)獲取整理。
通過大數據管理平臺(tai)，將商家(jia)標簽，人群軌跡做機(ji)器(qi)聚類(lei)分(fen)析(xi)，看看品牌與人流之間的(de)關系到底是什(shen)么(me)?
下圖中標紅的(de)(de)就是(shi)(shi)火鍋(guo)，其相關性為(wei)1.0。但(dan)是(shi)(shi)，這一欄中的(de)(de)人群除了(le)跟火鍋(guo)類標簽相關度高之外，與其他(ta)商(shang)家標簽相關性都極低。如(ru)果是(shi)(shi)簡單描(miao)述這個分析結果就是(shi)(shi)，吃(chi)火鍋(guo)的(de)(de)人會(hui)直來直往，吃(chi)完了(le)就走，對其他(ta)的(de)(de)入駐的(de)(de)商(shang)家和(he)品(pin)牌帶動力非(fei)常有限(xian)。
據(ju)此(ci)我們可(ke)以(yi)進行進一(yi)步的(de)(de)分(fen)析(xi)，下圖為商業綜合(he)體中所(suo)有的(de)(de)品牌(pai)與品牌(pai)之間的(de)(de)帶動力的(de)(de)分(fen)析(xi)，來看(kan)看(kan)數據(ju)會告(gao)送你(ni)哪些(xie)品牌(pai)是帶客源泉，哪些(xie)不是。
結論(lun)如(ru)下：
如果只看交易墻內的(de)(de)數據，如銷售量(liang)，租金等，上面的(de)(de)分析結(jie)果是(shi)不得(de)而知的(de)(de)；
看(kan)交互(hu)墻內(nei)的數(shu)據需(xu)要(yao)進行數(shu)據運營和數(shu)據工程實現才能(neng)獲(huo)取；
如果在(zai)結合“公開市(shi)場門“的數據，還(huan)可以進(jin)行外部商圈分(fen)析、競品分(fen)析等(deng)，數據分(fen)析緯(wei)度(du)繼續深入，但是這部分(fen)數據就需要(yao)外部合作獲(huo)取了。
數據的第三重門“公開市場門”
即客戶在一(yi)個開放市場(chang)中的(de)(de)各種行(xing)為數(shu)據(ju)(ju)，其本身(shen)往(wang)(wang)往(wang)(wang)并不直接與企業的(de)(de)業務相關，但是(shi)對(dui)這些數(shu)據(ju)(ju)的(de)(de)獲取和分析可(ke)以很大(da)程度上輔助企業業務的(de)(de)開展(zhan)，如移動App的(de)(de)數(shu)據(ju)(ju)、社交(jiao)數(shu)據(ju)(ju)、微(wei)信(xin)微(wei)博的(de)(de)輿情數(shu)據(ju)(ju)、品牌(pai)偏(pian)好數(shu)據(ju)(ju)、職住娛(yu)位置聚(ju)集和遷徙數(shu)據(ju)(ju)、區塊內人群(qun)消費(fei)能力數(shu)據(ju)(ju)和觀影(ying)偏(pian)好數(shu)據(ju)(ju)等等。
這(zhe)類數據(ju)(ju)的(de)獲取(qu)不(bu)是盲目的(de)，通常(chang)需(xu)要帶(dai)有一定的(de)問題域觸發，即從(cong)解決(jue)某類業務問題觸發來(lai)考慮，否則會陷入“數據(ju)(ju)的(de)汪洋大海(hai)”，不(bu)知道(dao)收什(shen)么數據(ju)(ju)。
在(zai)問(wen)題域明(ming)確的(de)前提下，通過分(fen)析(xi)加工“公開市場門”的(de)數據可以(yi)幫助(zhu)企業的(de)具體業務問(wen)題（獲客(ke)、喚醒沉睡客(ke)戶、風險控制、宏觀(guan)選址、區塊消費(fei)偏(pian)好分(fen)析(xi)等等）。
這部分數據的(de)(de)獲(huo)取企(qi)業(ye)往(wang)往(wang)需(xu)要依靠內部的(de)(de)有目的(de)(de)性的(de)(de)運營活動(dong)加以外部合作來達到，這也是眾(zhong)多(duo)傳統企(qi)業(ye)往(wang)往(wang)面臨的(de)(de)難題。
三(san)重門的數(shu)據收集和獲取形(xing)式不同
數據從“收”到(dao)“獲”的變遷是什么意思?
交(jiao)(jiao)易(yi)門內的(de)(de)(de)數(shu)據(ju)，基本以生產(chan)、交(jiao)(jiao)易(yi)、管理系(xi)統(tong)的(de)(de)(de)自(zi)(zi)然(ran)數(shu)據(ju)的(de)(de)(de)留存為(wei)(wei)主(zhu)要(yao)模式，有時也被稱為(wei)(wei)交(jiao)(jiao)易(yi)系(xi)統(tong)的(de)(de)(de)副(fu)產(chan)品，所以主(zhu)要(yao)是“采(cai)集”而(er)不是“獲取”。而(er)是自(zi)(zi)然(ran)數(shu)據(ju)的(de)(de)(de)日志自(zi)(zi)然(ran)積累，過去幾十(shi)年有很多技術處理這樣的(de)(de)(de)資產(chan)，比如(ru)企(qi)業內部的(de)(de)(de)數(shu)據(ju)倉庫系(xi)統(tong)，商業智能系(xi)統(tong)，管理駕駛(shi)艙等經營分析系(xi)統(tong)將ERP，CRM，核心(xin)交(jiao)(jiao)易(yi)系(xi)統(tong)的(de)(de)(de)數(shu)據(ju)進行聚合分析和展現。
交(jiao)互門里面的數(shu)(shu)據，以用戶與企(qi)(qi)業的各種交(jiao)互數(shu)(shu)據為主，這部分的數(shu)(shu)據需要(yao)企(qi)(qi)業通過TPU運(yun)營和數(shu)(shu)據運(yun)營才能獲取(qu)。
TPU運營(ying)的意(yi)思(si)是通過圍繞著流量(Traffic)、產品(Product)、用戶(hu)(User)為核心的一系(xi)列(lie)的運營(ying)活(huo)動，來幫助企(qi)業將用戶(hu)從公(gong)開市場(chang)門(men)中發現，并引導他們穿越交(jiao)互門(men)、交(jiao)易門(men)成(cheng)為企(qi)業的客(ke)(ke)戶(hu);同時對(dui)已有客(ke)(ke)戶(hu)通過三重門(men)數據的運營(ying)來提升粘性(xing)，提升客(ke)(ke)戶(hu)滿意(yi)度。
數據運營(ying)在此環節中十(shi)
分重要(yao)，在上述的各(ge)(ge)種運(yun)營中，始終要(yao)將數據獲(huo)取(qu)作(zuo)為與業(ye)務(wu)開展(zhan)幾乎同(tong)等重要(yao)的事情來看(kan)待(dai)，在各(ge)(ge)種運(yun)營活動中對于(yu)數據獲(huo)取(qu)進行必要(yao)的設計和必要(yao)的IT建設。
談談這(zhe)里所謂的IT建(jian)設，我們暫且以“埋點”來(lai)統(tong)稱這(zhe)一環節的工作。所謂“埋點”即(ji)在過(guo)程中預先設計的一個事件觸發和記(ji)錄的環節，用以獲(huo)取、記(ji)錄該事件的數據。
埋點可以分為以下幾類：
IT系統內的埋點：比如網頁的JS代碼，App內的埋點事件，H5內的埋點等；
運(yun)營活動的埋點：在線下運(yun)營活動中，設計的“搖一(yi)搖”“掃(sao)二(er)維碼”“免費(fei)Wifi提(ti)供(gong)”“H5鏈(lian)接“等等；
業務人員的(de)所(suo)謂(wei)“人肉埋點“：即地推人員在活動區塊設定、話術設定等方(fang)面的(de)設計(ji)和數據回籠措施的(de)設計(ji)。
只有通過專業、體系(xi)化(hua)的(de)埋點(dian)措施并配合必(bi)要的(de)業務管理要求和IT系(xi)統建設，才能解決“交互門“甚至“公開市場門”里面(mian)的(de)數據(ju)持續獲取(qu)。
通(tong)過(guo)對埋(mai)點(dian)數據的(de)(de)(de)分析(xi)可以(yi)幫助企業去(qu)優化流(liu)量運(yun)營方面(mian)的(de)(de)(de)各種措(cuo)施(shi)，這是一(yi)個迭代過(guo)程。即通(tong)過(guo)TPU運(yun)營帶入客(ke)戶，通(tong)過(guo)對客(ke)戶的(de)(de)(de)各種交互(hu)、交易(yi)數據的(de)(de)(de)分析(xi)優化TPU運(yun)營的(de)(de)(de)舉措(cuo)，從而帶入更多的(de)(de)(de)流(liu)量，采集更多的(de)(de)(de)數據，如此循(xun)環往復。
舉個(ge)例子，如今跑步成為一(yi)種時(shi)尚，很多企業客(ke)戶希望通過贊助這樣的馬(ma)拉松比賽來增加(jia)知名(ming)度(du)和獲客(ke)。
某銀(yin)(yin)行客(ke)戶舉辦(ban)了(le)(le)(le)(le)一次這樣的(de)(de)(de)(de)(de)(de)馬拉(la)松(song)比賽(sai)，報名(ming)人(ren)數三萬(wan)(wan)，影響的(de)(de)(de)(de)(de)(de)人(ren)大概十萬(wan)(wan)左右，目的(de)(de)(de)(de)(de)(de)很明顯，拉(la)升銀(yin)(yin)行產品(pin)的(de)(de)(de)(de)(de)(de)知名(ming)度，拉(la)動(dong)銀(yin)(yin)行客(ke)戶的(de)(de)(de)(de)(de)(de)開(kai)卡開(kai)戶。結果是(shi)(shi)什(shen)么(me)，錢花(hua)了(le)(le)(le)(le)，人(ren)來(lai)了(le)(le)(le)(le)。但(dan)是(shi)(shi)，人(ren)都是(shi)(shi)穿(chuan)著短褲來(lai)的(de)(de)(de)(de)(de)(de)，沒(mei)帶(dai)筆，怎么(me)開(kai)戶；周邊觀眾好幾萬(wan)(wan)，都是(shi)(shi)拿(na)(na)著手(shou)(shou)(shou)機(ji)(ji)來(lai)的(de)(de)(de)(de)(de)(de)，確實被這次活動(dong)吸引(yin)了(le)(le)(le)(le)。但(dan)是(shi)(shi)此次活動(dong)，銀(yin)(yin)行只從承辦(ban)公(gong)司拿(na)(na)了(le)(le)(le)(le)1900個(ge)手(shou)(shou)(shou)機(ji)(ji)號(hao)而已，其他的(de)(de)(de)(de)(de)(de)10萬(wan)(wan)人(ren)的(de)(de)(de)(de)(de)(de)線索活動(dong)后就斷了(le)(le)(le)(le)，1000多萬(wan)(wan)的(de)(de)(de)(de)(de)(de)預算，收獲(huo)了(le)(le)(le)(le)什(shen)么(me)？產品(pin)露出(chu)(Awareness)，但(dan)是(shi)(shi)貌(mao)似很難衡量，后續這些人(ren)如何(he)做(zuo)跟蹤和轉化(hua)呢？貌(mao)似沒(mei)有跟進手(shou)(shou)(shou)段?數據收獲(huo)了(le)(le)(le)(le)沒(mei)有？除了(le)(le)(le)(le)1900個(ge)手(shou)(shou)(shou)機(ji)(ji)號(hao)，沒(mei)有其他了(le)(le)(le)(le)。
這(zhe)個活(huo)動(dong)就是典型(xing)的沒有從(cong)數據(ju)運營和流量運營結合(he)來考慮(lv)。從(cong)舉辦活(huo)動(dong)前夕的預(yu)(yu)熱，官(guan)網、官(guan)微(wei)、移動(dong)APP、大流量端(duan)的預(yu)(yu)先活(huo)動(dong)設(she)計(ji)和配合(he)的線上埋(mai)點(dian)設(she)計(ji)，比(bi)賽沿途（報名處(chu)，休息處(chu)，半(ban)馬全馬完成(cheng)處(chu)，照(zhao)相合(he)影處(chu)）稍作設(she)計(ji)都可以(yi)成(cheng)為線下埋(mai)點(dian)的地方，點(dian)埋(mai)了，數據(ju)回籠了，有幾件收益：
產品露出(chu)效果可以衡量，在官網、官微、手機(ji)App上獲(huo)客(ke)情(qing)況，轉化(hua)如何?在線下埋(mai)點(dian)收(shou)集的數據上來，運動敏感性的潛(qian)客(ke)是不(bu)是收(shou)集了?
后續轉化可以(yi)做了(le)，潛客標簽為“運動狂(kuang)“的人群做針對(dui)性運營，老客也可以(yi)做相應的牽引和含(han)片推(tui)薦(jian)；
數(shu)據(ju)資(zi)產收獲(huo)。此次活動作(zuo)為一次實(shi)戰(zhan)的(de)(de)數(shu)據(ju)獲(huo)取和訓(xun)練過程，充實(shi)了用戶的(de)(de)數(shu)據(ju)資(zi)產（交互(hu)門(men)外(wai)的(de)(de)數(shu)據(ju)，交易(yi)門(men)的(de)(de)數(shu)據(ju)都有）。
所謂數(shu)據運營，即所有的運營活動都基于數(shu)據，“不(bu)能(neng)量(liang)(liang)化就不(bu)能(neng)優化，不(bu)能(neng)量(liang)(liang)化就不(bu)能(neng)衡量(liang)(liang)”源(yuan)自(zi)于此。移動互(hu)(hu)聯(lian)網迫使企業的運營點前移出交(jiao)易(yi)墻，到交(jiao)互(hu)(hu)墻內(nei)，甚至(zhi)是公開市場。
運(yun)營(ying)(ying)點前移造(zao)成既(ji)有的(de)運(yun)營(ying)(ying)指標體系出現了(le)不滿足(zu)的(de)情(qing)況，因為原有的(de)指標體系是(shi)依據交易墻內(nei)的(de)數據建(jian)設的(de)，所以出現了(le)新的(de)移動(dong)互聯(lian)網業態下(xia)的(de)運(yun)營(ying)(ying)指標。
如下(xia)圖所示(shi)的(de)例子：
結合(he)各個(ge)行(xing)業的特點，從3A3R（Awareness，Acquire，Activation，Retain，Revenue，Refer） 幾(ji)個(ge)角(jiao)度從公開數(shu)(shu)據、交互門數(shu)(shu)據和交易門數(shu)(shu)據來統一考慮(lv)運營(ying)指(zhi)標(biao)體系的建設(she)。在此角(jiao)度上Talking Data已經與多個(ge)行(xing)業客戶(hu)聯合(he)推(tui)出了券(quan)商、直銷銀行(xing)、互聯網金融和商業房地產(chan)等行(xing)業垂(chui)直運營(ying)體系，后(hou)續不斷有行(xing)業運營(ying)指(zhi)標(biao)體系推(tui)出。
運營的(de)前(qian)移的(de)另外一個(ge)收效在于(yu)，業務(wu)的(de)運營可(ke)在業務(wu)的(de)發(fa)生(sheng)過程中，甚(shen)至之前(qian)就(jiu)有所(suo)動作，而不是等到數(shu)據進(jin)入了(le)“交(jiao)易(yi)門(men)“做事后的(de)處理。
“羊毛黨“運(yun)營的例(li)子
舉一個(ge)(ge)新形態(tai)下反欺詐的例子，大(da)家知道有一個(ge)(ge)人群叫“羊(yang)毛黨(dang)”，做互聯網金融、電商的企業(ye)客戶，以及那些愛領取卡券優惠的人們(men)可能比(bi)較熟悉(xi)。
專業的(de)羊毛黨的(de)影響(xiang)越(yue)來(lai)越(yue)大(da)(da)。2015年的(de)時候，在華南有一(yi)(yi)家(jia)不大(da)(da)的(de)企業興致(zhi)勃勃地做了(le)(le)他自(zi)己互(hu)聯網金融產品發(fa)布(bu)會，投了(le)(le)兩個億，做互(hu)聯網金融產品，配屬了(le)(le)將近數千萬的(de)卡券(quan)優惠。結果是開售首(shou)日產品幾乎直接被搶光。到了(le)(le)半(ban)年后，這些互(hu)聯網金融產品到期贖回時，出現了(le)(le)大(da)(da)規模的(de)集中贖回，類似銀行(xing)擠兌的(de)情況(kuang)。要求贖回的(de)理財產品和配屬的(de)卡券(quan)優惠金額加(jia)起來(lai)在一(yi)(yi)億兩千萬左右，這個公司(si)直接資金鏈斷裂、關門(men)大(da)(da)吉。
事后才知道，這(zhe)(zhe)(zhe)些產品貌似(si)是(shi)眾多客戶分開購(gou)買的(de)(de)，實際上是(shi)羊毛黨的(de)(de)杰(jie)作，通過(guo)技術手段(duan)操縱移動(dong)App，通過(guo)近萬個帳戶搶(qiang)購(gou)產品和擼羊毛(卡(ka)券優惠(hui))，這(zhe)(zhe)(zhe)是(shi)很極端的(de)(de)例子。單純(chun)依靠交(jiao)易門(men)內的(de)(de)數(shu)據來坐分析，顯然于事無補(bu)。在互聯網金融、電商等企業都會面對這(zhe)(zhe)(zhe)個情況(kuang)可以說這(zhe)(zhe)(zhe)是(shi)新的(de)(de)對反(fan)欺詐(zha)的(de)(de)訴(su)求(qiu)。
通過結(jie)合三重門的(de)(de)數據運(yun)營，運(yun)營點前(qian)移后是否可以解決這個(ge)問題呢？Talking Data推出(chu)的(de)(de)基于新的(de)(de)RFM模型，從(cong)運(yun)營的(de)(de)角度(du)上(shang)去展(zhan)開跟羊(yang)毛黨的(de)(de)攻防戰。
從“交互門”，甚至(zhi)公開市場門就開始識(shi)別羊(yang)毛黨(dang)，具體分析(xi)羊(yang)毛黨(dang)出(chu)沒的痕跡(ji)如下：
網(wang)(wang)(wang)絡行(xing)為(wei)，通道，接(jie)入IP地址，Hostname, 路由設備日(ri)志(zhi)，運(yun)營商接(jie)入基站都可以(yi)留存大量的(de)網(wang)(wang)(wang)絡行(xing)為(wei)日(ri)志(zhi)，完整(zheng)的(de)網(wang)(wang)(wang)絡日(ri)志(zhi)可以(yi)形成一條羊毛(mao)用戶(hu)網(wang)(wang)(wang)絡路徑，客觀反映羊毛(mao)黨的(de)網(wang)(wang)(wang)絡行(xing)為(wei)軌跡；
設備(bei)(bei)(bei)動態(tai)行為(wei)，智能手(shou)機(ji)及手(shou)持設備(bei)(bei)(bei)往(wang)往(wang)會內(nei)置眾多(duo)的運動傳(chuan)感(gan)器， 傳(chuan)感(gan)器會手(shou)機(ji)手(shou)機(ji)設備(bei)(bei)(bei)的動態(tai)行為(wei)包括位置變(bian)化(hua)幅度(du)，變(bian)化(hua)頻次(ci)， 變(bian)化(hua)規律(lv)等信息， 從而通過數(shu)據計算判斷設備(bei)(bei)(bei)的動態(tai)行為(wei)；
平臺行(xing)(xing)為(wei)，被擼平臺往往有很多(duo)的(de)平臺行(xing)(xing)為(wei)及過(guo)程，包括注(zhu)冊(ce)，綁卡，瀏覽(lan)，交易(yi)和提現(xian)。每個過(guo)程都會留下很多(duo)行(xing)(xing)為(wei)軌跡(ji)，而羊毛黨(dang)特別是(shi)其中的(de)機器羊毛黨(dang)的(de)行(xing)(xing)為(wei)軌跡(ji)更(geng)是(shi)有其特殊性(xing)；
交易行為(wei)，羊毛(mao)黨會對平臺的產(chan)品做詳(xiang)細的對比分析，找出(chu)其中ROI最(zui)大化(hua)的薅方案。其交易的產(chan)品，交易金(jin)額(e)和交易時間(jian)都(dou)是(shi)最(zui)佳化(hua)設計(ji)；
手機(ji)的整體行(xing)為，羊毛(mao)黨(dang)(dang)的主要工(gong)具都(dou)是手機(ji)， 每臺手機(ji)上(shang)安裝的互聯(lian)網金(jin)融平(ping)臺數，活躍時間，甚至于羊毛(mao)黨(dang)(dang)對(dui)手機(ji)終端(duan)的偏好(hao)都(dou)可以留下一定(ding)的行(xing)為軌跡。
通(tong)過(guo)對(dui)這些來自羊毛黨的(de)“公(gong)開市場門(men)”、“交(jiao)互門(men)”和“交(jiao)易門(men)”的(de)數據(ju)整(zheng)體獲取和分析，可以建立(li)一(yi)張羊毛黨個(ge)人行為的(de)數據(ju)圖譜。如下(xia)圖展示了一(yi)張匯(hui)集了多個(ge)數據(ju)源的(de)羊毛黨數據(ju)圖譜，從圖譜中可以直觀的(de)多看到一(yi)臺(tai)安卓設備(bei)通(tong)過(guo)多次(ci)刷機(ji)形成了19臺(tai)虛擬設備(bei)，這19臺(tai)設備(bei)注冊了19個(ge)賬號完成了19次(ci)薅(hao)羊毛行動(dong)的(de)數據(ju)軌跡。
在可以識別(bie)(bie)以后，進入了(le)羊毛(mao)(mao)黨的運營階(jie)段，因為依企業不同發展要求，需要甄別(bie)(bie)羊毛(mao)(mao)黨和卡券敏(min)感性客戶(hu)以及死忠(zhong)粉，需要采用運營手(shou)段對不同的客戶(hu)用不同的策略來對待，而不是全部拒之門(men)外(wai)。有關這(zhe)個部分的描述，可以詳見Talking Data的陳雷的文章《羊毛(mao)(mao)黨大(da)數據攻(gong)防戰》中的詳細描述。
