之前(qian)我一直在從事運(yun)營(ying)(ying)的工作，所以今天(tian)就和(he)大家從運(yun)營(ying)(ying)的角度看(kan)一看(kan)數據。今天(tian)我的分享分為四個部分。
我們首先來看一下什么是運營，就是產品上線以后的拉新(xin)和復活，現(xian)在朝著商業化方向(xiang)走，成為一個完整的運營鏈條，就(jiu)是把產品(pin)玩(wan)轉，最終實現(xian)商業化。
原來BAT時代(dai)更多的(de)是線上(shang)產品的(de)運(yun)(yun)營(ying)，包括滴滴和58這些(xie)企業(ye)的(de)興起，然后慢(man)(man)慢(man)(man)地開始從線上(shang)到線下(xia)延(yan)伸，這種運(yun)(yun)營(ying)的(de)范圍和對象(xiang)就(jiu)有(you)了變化，產品可能(neng)只是運(yun)(yun)營(ying)的(de)一個(ge)部分(fen)，可能(neng)先有(you)一個(ge)業(ye)務的(de)線下(xia)運(yun)(yun)營(ying)，然后慢(man)(man)慢(man)(man)地轉變為線上(shang)，運(yun)(yun)營(ying)的(de)對象(xiang)和數據(ju)的(de)復雜度也在慢(man)(man)慢(man)(man)地擴展。
關于數(shu)據的(de)(de)(de)展(zhan)現(xian)運(yun)營效果(guo)，可能(neng)有過運(yun)營經驗的(de)(de)(de)朋友都知(zhi)道，運(yun)營都是(shi)用一(yi)(yi)些(xie)指標(biao)來限定的(de)(de)(de)，比如轉化率(lv)和復(fu)購率(lv)，每一(yi)(yi)個環節(jie)都是(shi)數(shu)據的(de)(de)(de)展(zhan)現(xian)。我(wo)們把這(zhe)些(xie)數(shu)據逐漸積(ji)累下來，展(zhan)現(xian)并在歷史記錄(lu)當中(zhong)互(hu)相(xiang)比較，橫(heng)向也會有更(geng)多(duo)這(zhe)樣的(de)(de)(de)業務，這(zhe)個就是(shi)數(shu)據展(zhan)現(xian)的(de)(de)(de)層面。
另外就是數據程序化，我們(men)會有不同的(de)(de)(de)運(yun)營方案，通過做小(xiao)流量的(de)(de)(de)測(ce)試，最終決定我們(men)的(de)(de)(de)策略和使用的(de)(de)(de)方案。
后(hou)面就(jiu)(jiu)是數據(ju)(ju)的(de)(de)(de)(de)(de)挖掘，可能就(jiu)(jiu)是基于數據(ju)(ju)的(de)(de)(de)(de)(de)積累，通(tong)過(guo)這(zhe)種(zhong)數據(ju)(ju)的(de)(de)(de)(de)(de)積累來做關聯的(de)(de)(de)(de)(de)挖掘，不斷地(di)擴展(zhan)我(wo)們(men)業(ye)務的(de)(de)(de)(de)(de)類型和策(ce)(ce)略(lve)。滴(di)滴(di)早期在(zai)做出(chu)租(zu)車業(ye)務的(de)(de)(de)(de)(de)時候(hou)就(jiu)(jiu)是非常(chang)雷同，都是分單派單的(de)(de)(de)(de)(de)模式，在(zai)平臺補貼，但在(zai)這(zhe)種(zhong)非常(chang)雷同的(de)(de)(de)(de)(de)情況(kuang)下怎么來突(tu)出(chu)自己的(de)(de)(de)(de)(de)優勢(shi)？最終就(jiu)(jiu)是效率(lv)和數據(ju)(ju)運(yun)營，通(tong)過(guo)數據(ju)(ju)的(de)(de)(de)(de)(de)抓取我(wo)們(men)看到一(yi)個(ge)地(di)方(fang)各種(zhong)各樣(yang)的(de)(de)(de)(de)(de)信息，然后(hou)配備不同的(de)(de)(de)(de)(de)策(ce)(ce)略(lve)，體現出(chu)來我(wo)們(men)運(yun)營的(de)(de)(de)(de)(de)優勢(shi)，這(zhe)些新的(de)(de)(de)(de)(de)用戶進來可能會(hui)拉動(dong)更多的(de)(de)(de)(de)(de)訂單。
數(shu)據(ju)的(de)精(jing)細化(hua)運營可以帶來什么效果？主要可以體現在三個方面：首先是(shi)(shi)對運營策略的(de)優(you)化(hua)，下一(yi)步就(jiu)是(shi)(shi)通過什么樣(yang)(yang)的(de)數(shu)據(ju)來優(you)化(hua)。另(ling)外就(jiu)是(shi)(shi)在做決策的(de)環(huan)節需要數(shu)據(ju)，還有(you)就(jiu)是(shi)(shi)我(wo)(wo)們(men)的(de)預測，用戶畫像(xiang)通過用戶屬性的(de)對比，我(wo)(wo)們(men)在大(da)市(shi)場當中找到這樣(yang)(yang)的(de)用戶，然后(hou)精(jing)準(zhun)地(di)使用我(wo)(wo)們(men)的(de)拉新工具。當然，使用精(jing)細化(hua)運營之(zhi)后(hou)我(wo)(wo)們(men)企業毛利(li)的(de)增值(zhi)水平會(hui)在百分之(zhi)六(liu)左右，這是(shi)(shi)一(yi)個行業數(shu)據(ju)。
如(ru)何利用數據驅動精細(xi)化的運營？數據的內控上面有幾個(ge)關鍵點：
第一是屬(shu)性的(de)定(ding)義，包括對象的年齡、性(xing)別(bie)、職業(ye)和收入(ru)水平，這些(xie)都(dou)可以反映一個用戶的流量。
第二是地域的特(te)點，包括很多和(he)O2O相關(guan)的企業，每(mei)個地(di)方的用(yong)戶特點(dian)可能都是不一樣的，我們在成都的時候(hou)拼車率就特別(bie)高。
第三就是運(yun)營的內容，不(bu)同(tong)的內(nei)容(rong)都有不(bu)同(tong)的用戶(hu)(hu)反饋(kui)和用戶(hu)(hu)的記錄。
第四是行(xing)為的記錄，用戶(hu)在(zai)(zai)其他因素影響的情況下可以訪(fang)問線(xian)上的一些痕跡，包括搜索行為和點擊行為。我們可以從這幾個(ge)維度(du)看(kan)到關鍵指標，在(zai)(zai)某個(ge)維度(du)研究的時候可以把(ba)其它的幾個(ge)維度(du)固(gu)定下來，然后(hou)看(kan)另外一個(ge)維度(du)的變(bian)化。
我(wo)舉的(de)(de)(de)(de)(de)例子可(ke)(ke)能是和現在從事的(de)(de)(de)(de)(de)工(gong)作(zuo)相關，因(yin)為現在我(wo)做(zuo)(zuo)的(de)(de)(de)(de)(de)是滴滴的(de)(de)(de)(de)(de)用(yong)(yong)戶市(shi)場。其實滴滴在做(zuo)(zuo)出行的(de)(de)(de)(de)(de)時(shi)候一(yi)直有一(yi)個(ge)出行的(de)(de)(de)(de)(de)路線，就(jiu)是做(zuo)(zuo)一(yi)鍵(jian)式的(de)(de)(de)(de)(de)出行服(fu)(fu)務，每次點擊進(jin)去(qu)以后都可(ke)(ke)以到達想要的(de)(de)(de)(de)(de)地方(fang)，然(ran)后直接送(song)到目的(de)(de)(de)(de)(de)地，包括我(wo)們(men)的(de)(de)(de)(de)(de)三億乘(cheng)客用(yong)(yong)戶和我(wo)們(men)的(de)(de)(de)(de)(de)司機(ji)車(che)主(zhu)。現在我(wo)們(men)的(de)(de)(de)(de)(de)工(gong)作(zuo)就(jiu)是圍繞一(yi)千五百萬的(de)(de)(de)(de)(de)車(che)主(zhu)來做(zuo)(zuo)后市(shi)場的(de)(de)(de)(de)(de)服(fu)(fu)務，主(zhu)要是針對人的(de)(de)(de)(de)(de)服(fu)(fu)務和車(che)的(de)(de)(de)(de)(de)服(fu)(fu)務，我(wo)們(men)就(jiu)看這些進(jin)入的(de)(de)(de)(de)(de)人群，還有前期的(de)(de)(de)(de)(de)服(fu)(fu)務模式。當然(ran)，這樣可(ke)(ke)能也會干擾新的(de)(de)(de)(de)(de)服(fu)(fu)務模式。我(wo)們(men)也會對他們(men)深化銷售服(fu)(fu)務，這里可(ke)(ke)能會衍生(sheng)出互聯(lian)網的(de)(de)(de)(de)(de)金融服(fu)(fu)務。
我們(men)(men)的模(mo)型是(shi)怎么搭建的呢？就(jiu)是(shi)有線上這種實(shi)時觸(chu)達(da)的目標人群和(he)車(che)主，包(bao)括用(yong)戶(hu)的規(gui)模(mo)，線下匹配了我們(men)(men)這樣(yang)的服務網絡，承載(zai)的是(shi)服務，周(zhou)邊的是(shi)我們(men)(men)和(he)用(yong)戶(hu)新(xin)增的銷(xiao)售(shou)，還有我們(men)(men)的車(che)型和(he)保險的銷(xiao)售(shou)。就(jiu)以車(che)企的一(yi)個案例來進行剖析，包(bao)括用(yong)戶(hu)的畫(hua)像、實(shi)時的數據監控，還有就(jiu)是(shi)我們(men)(men)的培訓(xun)專(zhuan)員以及漏(lou)斗(dou)分(fen)析。
消費者場所(suo)可能有(you)(you)(you)線(xian)(xian)上消費，就是京(jing)東和淘(tao)寶，線(xian)(xian)下也(ye)有(you)(you)(you)一些便利店，它的特點(dian)就是品(pin)類非常(chang)(chang)多(duo)，型(xing)號(hao)非常(chang)(chang)多(duo)，俱樂部(bu)里(li)面(mian)其實(shi)是一個(ge)綜合(he)服(fu)務場所(suo)，場地可能比(bi)(bi)較(jiao)(jiao)有(you)(you)(you)限(xian)，倉(cang)儲也(ye)比(bi)(bi)較(jiao)(jiao)有(you)(you)(you)限(xian)。這個(ge)線(xian)(xian)上也(ye)是可以類比(bi)(bi)的，因為(wei)產品(pin)空(kong)間有(you)(you)(you)限(xian)，線(xian)(xian)上布局也(ye)比(bi)(bi)較(jiao)(jiao)有(you)(you)(you)限(xian)，在這種情況下怎樣探索或者把(ba)業(ye)務突圍(wei)出來(lai)？
首先(xian)需要(yao)對用戶(hu)(hu)進行畫(hua)像(xiang)，車(che)企的(de)(de)(de)(de)(de)用戶(hu)(hu)是(shi)(shi)怎樣的(de)(de)(de)(de)(de)，這些車(che)主的(de)(de)(de)(de)(de)年齡層次一般都是(shi)(shi)三十(shi)歲(sui)到三十(shi)五歲(sui)，上有老下有小，他們的(de)(de)(de)(de)(de)需求(qiu)可能(neng)不是(shi)(shi)消費型(xing)的(de)(de)(de)(de)(de)產品(pin)(pin)，而是(shi)(shi)實(shi)用型(xing)的(de)(de)(de)(de)(de)，就(jiu)(jiu)是(shi)(shi)座椅靠背(bei)這樣的(de)(de)(de)(de)(de)產品(pin)(pin)。基于這些對用戶(hu)(hu)的(de)(de)(de)(de)(de)分析(xi)，我們就(jiu)(jiu)會把商品(pin)(pin)縮(suo)(suo)得極窄，因(yin)為我們的(de)(de)(de)(de)(de)展示(shi)中(zhong)心比較有限(xian)，可能(neng)需要(yao)縮(suo)(suo)我們的(de)(de)(de)(de)(de)SKU（庫存量(liang)單位），前提就(jiu)(jiu)是(shi)(shi)做海(hai)量(liang)的(de)(de)(de)(de)(de)SKU測試，包(bao)括線上的(de)(de)(de)(de)(de)產品(pin)(pin)，基于它(ta)的(de)(de)(de)(de)(de)數據把SKU縮(suo)(suo)短到一千個以內。
這(zhe)個(ge)(ge)用(yong)戶畫(hua)像(xiang)包(bao)括幾個(ge)(ge)方(fang)面，一(yi)(yi)方(fang)面是(shi)(shi)平臺上的(de)數(shu)據，另一(yi)(yi)方(fang)面就是(shi)(shi)業務(wu)本身，到(dao)底需(xu)要什么(me)樣的(de)產品、喜歡什么(me)樣的(de)產品，到(dao)了(le)這(zhe)里以后(hou)銷售(shou)的(de)情況是(shi)(shi)怎樣的(de)，所以我(wo)們去做了(le)一(yi)(yi)些(xie)試(shi)點的(de)工(gong)作。前提是(shi)(shi)把(ba)我(wo)們全品類的(de)東(dong)西展示出來(lai)，然后(hou)逐漸(jian)地(di)把(ba)這(zhe)個(ge)(ge)范(fan)圍縮窄(zhai)，我(wo)們也(ye)會有和(he)價格相關的(de)合作，可能(neng)也(ye)會做線下的(de)用(yong)戶導流，通過這(zhe)些(xie)方(fang)式逐步把(ba)這(zhe)個(ge)(ge)群體的(de)畫(hua)像(xiang)清晰(xi)起來(lai)，也(ye)包(bao)括一(yi)(yi)些(xie)商業數(shu)據和(he)屬性數(shu)據。
關于實時(shi)數(shu)據(ju)監控(kong)，有(you)時(shi)候我(wo)們在做活動上(shang)線(xian)(xian)之后發現活動的(de)(de)點擊不高，只有(you)百(bai)分(fen)之五左右(you)，和(he)(he)以前的(de)(de)數(shu)據(ju)做了對(dui)比(bi)，第二天就(jiu)回到了百(bai)分(fen)之十二。這個(ge)就(jiu)是(shi)實時(shi)數(shu)據(ju)監控(kong)，每個(ge)決策(ce)周期(qi)必須能看到前面的(de)(de)數(shu)據(ju)，然后可(ke)以影響到下一步的(de)(de)決策(ce)，這個(ge)是(shi)我(wo)們對(dui)數(shu)據(ju)的(de)(de)要求(qiu)(qiu)。因(yin)為我(wo)們有(you)線(xian)(xian)上(shang)和(he)(he)線(xian)(xian)下的(de)(de)業務，對(dui)實時(shi)性(xing)的(de)(de)要求(qiu)(qiu)特別強，純線(xian)(xian)上(shang)可(ke)能引起數(shu)據(ju)的(de)(de)鏈接，涉及(ji)到線(xian)(xian)下更多的(de)(de)是(shi)用系統化的(de)(de)工具來(lai)解決。
數據分析是電商的(de)(de)(de)情況下經常用到的(de)(de)(de)，百分之三(san)十的(de)(de)(de)用戶(hu)去買(mai)車(che)的(de)(de)(de)時候(hou)可能就(jiu)要買(mai)一個車(che)體(ti)包，這(zhe)(zhe)個時候(hou)也(ye)會衍(yan)生出關聯的(de)(de)(de)產品，然(ran)后我們就(jiu)做(zuo)關聯的(de)(de)(de)推薦，這(zhe)(zhe)也(ye)是一個完整的(de)(de)(de)產品體(ti)系。
再講一(yi)講漏斗模型，其(qi)實可以(yi)基本(ben)符合我們營銷(xiao)的(de)心理過程，產(chan)生(sheng)了興趣和(he)欲(yu)望(wang)，最(zui)后(hou)再有(you)行動，對應線上訪(fang)問點擊(ji)下單到(dao)支付(fu)，其(qi)中每個(ge)(ge)動作、每個(ge)(ge)環節都有(you)一(yi)個(ge)(ge)轉化(hua)率(lv)。漏斗模型界定的(de)過程可以(yi)分為幾個(ge)(ge)方(fang)面，首(shou)先就(jiu)是數據的(de)應用流程，包括(kuo)我們的(de)目標體系(xi)，找(zhao)不到(dao)我們的(de)關鍵因子來做優化(hua)。這里包括(kuo)購(gou)(gou)買(mai)率(lv)、復購(gou)(gou)率(lv)和(he)購(gou)(gou)銷(xiao)率(lv)，關注的(de)主要(yao)是這些指標。
如(ru)果面(mian)對一個(ge)新的(de)(de)(de)業(ye)務和一個(ge)新的(de)(de)(de)產品，我(wo)們怎么(me)建(jian)立強(qiang)大的(de)(de)(de)數據(ju)驅動精(jing)細化運(yun)營(ying)的(de)(de)(de)流程(cheng)？包括數據(ju)應用的(de)(de)(de)核心路徑，因為(wei)有的(de)(de)(de)時(shi)候大家在運(yun)營(ying)中每天(tian)都在做這樣(yang)(yang)的(de)(de)(de)事情，可能就會感覺這是日(ri)常的(de)(de)(de)工作，所以這個(ge)過程(cheng)非常關鍵，就是我(wo)們整(zheng)個(ge)數據(ju)出來，用戶(hu)的(de)(de)(de)界面(mian)到底是怎么(me)樣(yang)(yang)的(de)(de)(de)，然后就是銷售(shou)的(de)(de)(de)環節(jie)。
接下來(lai)(lai)我(wo)們(men)就(jiu)(jiu)(jiu)要(yao)(yao)圍繞我(wo)們(men)的(de)(de)(de)目標來(lai)(lai)做(zuo)可量(liang)(liang)化，就(jiu)(jiu)(jiu)是(shi)用可量(liang)(liang)化的(de)(de)(de)方(fang)式(shi)分(fen)析目標體系。基于這種(zhong)業務邏輯(ji)來(lai)(lai)做(zuo)量(liang)(liang)化，量(liang)(liang)化完成以后(hou)(hou)就(jiu)(jiu)(jiu)要(yao)(yao)做(zuo)數據(ju)(ju)的(de)(de)(de)采集，需(xu)要(yao)(yao)建立起來(lai)(lai)整套(tao)的(de)(de)(de)數據(ju)(ju)供應(ying)鏈，數據(ju)(ju)到底從哪里來(lai)(lai)，應(ying)該通(tong)過什么(me)樣(yang)(yang)的(de)(de)(de)方(fang)式(shi)來(lai)(lai)采集，然后(hou)(hou)就(jiu)(jiu)(jiu)是(shi)多個(ge)維度(du)的(de)(de)(de)分(fen)析，剛才也提到了(le)(le)一些分(fen)析的(de)(de)(de)方(fang)面。分(fen)析了(le)(le)之后(hou)(hou)最重(zhong)要(yao)(yao)的(de)(de)(de)是(shi)跟我(wo)們(men)的(de)(de)(de)運營(ying)(ying)工(gong)作匹配(pei)，每個(ge)數據(ju)(ju)的(de)(de)(de)表(biao)現運營(ying)(ying)動作是(shi)怎樣(yang)(yang)的(de)(de)(de)，這樣(yang)(yang)的(de)(de)(de)運營(ying)(ying)動作產生了(le)(le)好(hao)的(de)(de)(de)結果還是(shi)差的(de)(de)(de)結果，如果好(hao)的(de)(de)(de)話可以繼續堅持，如果差的(de)(de)(de)話就(jiu)(jiu)(jiu)可以進行調整。
驅動更多(duo)的(de)(de)可能是(shi)對(dui)數據(ju)重視的(de)(de)心態(tai)，是(shi)不是(shi)每天(tian)都要(yao)(yao)看數據(ju)，或者堅持看專業指標，每天(tian)的(de)(de)工作是(shi)不是(shi)圍繞看的(de)(de)數據(ju)情(qing)(qing)況來開展，這個(ge)可能是(shi)前期需(xu)要(yao)(yao)做的(de)(de)事情(qing)(qing)，而(er)且是(shi)一個(ge)最關鍵的(de)(de)事情(qing)(qing)。
其實數(shu)(shu)據(ju)驅動運營的(de)(de)過程(cheng)當中我們也會(hui)面(mian)臨幾(ji)個難題：首先是(shi)數(shu)(shu)據(ju)太(tai)多，不(bu)僅體現(xian)在量上，而且體現(xian)在數(shu)(shu)據(ju)的(de)(de)最優化。我們可能(neng)(neng)會(hui)面(mian)臨著一個非常龐大的(de)(de)數(shu)(shu)據(ju)體系，怎樣把它盡量結構化地采集(ji)出(chu)來？也可能(neng)(neng)不(bu)是(shi)一個維度的(de)(de)數(shu)(shu)據(ju)，很(hen)雜亂，還(huan)有就是(shi)數(shu)(shu)據(ju)采集(ji)的(de)(de)流程(cheng)比(bi)較慢，數(shu)(shu)據(ju)監控不(bu)準也會(hui)影響到(dao)數(shu)(shu)據(ju)的(de)(de)效率，包括數(shu)(shu)據(ju)的(de)(de)不(bu)準確，也有可能(neng)(neng)真正采用這(zhe)種情況。
我們一直在探討這個過程，就是數據能不能全部通過一張屏幕顯示，要是有這樣一個非常給力的系統，可以把我們常規的數據用一些固定的模型體現出來，不用每天去跑這種數據的分布，就非常好了。我們對數據的要求是擴展性好，通過一定標準化的東西界定用戶的流量數據。數據提取的過程中能打開一個口子，然后運用一些語句提取自己最想要的數據。當然，整體來說就是可靠、簡(jian)單、易用和美觀，這是我們對于一個好的數據系統下(xia)的定義，我們自己也在(zai)朝著這個方向努力。
能不能把應用分(fen)析詳細地講一下？
基于原來存(cun)量數(shu)(shu)據(ju)的(de)應用(yong)分析主要(yao)就是(shi)(shi)把數(shu)(shu)據(ju)的(de)鏈(lian)條做得盡量長，比如只讓他買(mai)的(de)這種東西(xi)(xi)有(you)轉(zhuan)化(hua)率，但是(shi)(shi)沒有(you)往下延(yan)伸，這個(ge)跟數(shu)(shu)據(ju)系統也有(you)關系，可以采(cai)集到全鏈(lian)條的(de)數(shu)(shu)據(ju)系統的(de)時候做關聯分析就是(shi)(shi)一(yi)(yi)個(ge)水到渠成的(de)事情，自然而(er)然地就從另外一(yi)(yi)個(ge)視角來看買(mai)的(de)東西(xi)(xi)的(de)轉(zhuan)化(hua)，但從用(yong)戶垂直的(de)角度(du)來看就買(mai)了這個(ge)東西(xi)(xi)。
實際上數(shu)據分析(xi)的(de)(de)一個(ge)大前提是我(wo)們需(xu)要完整的(de)(de)數(shu)據收集(ji)(ji)過程，現在(zai)很多(duo)公(gong)司會有一個(ge)困(kun)(kun)惑(huo)，就(jiu)是我(wo)們真的(de)(de)需(xu)要很多(duo)原始(shi)數(shu)據，但是收集(ji)(ji)注冊(ce)的(de)(de)過程當(dang)中(zhong)我(wo)們要求(qiu)用戶留下很詳(xiang)盡的(de)(de)信息，比如年齡、收入和愛好，這(zhe)些是非常(chang)困(kun)(kun)難的(de)(de)，困(kun)(kun)擾運(yun)營人員的(de)(de)問(wen)題在(zai)于如何(he)在(zai)收集(ji)(ji)原始(shi)數(shu)據困(kun)(kun)難的(de)(de)情況下導(dao)出運(yun)營策略？
這(zhe)個(ge)可能就是(shi)(shi)(shi)我(wo)們流(liu)通的(de)(de)(de)數(shu)據(ju)來源，主要包括幾個(ge)方面(mian)，主動調研是(shi)(shi)(shi)一(yi)(yi)(yi)方面(mian)，通過(guo)用戶本身的(de)(de)(de)后臺體現也是(shi)(shi)(shi)一(yi)(yi)(yi)方面(mian)，機構(gou)也可以提供一(yi)(yi)(yi)些數(shu)據(ju)過(guo)來，盡(jin)量把這(zhe)個(ge)鏈條豐富(fu)起來，越是(shi)(shi)(shi)豐富(fu)價格就會越高，或者(zhe)是(shi)(shi)(shi)通過(guo)產品(pin)里面(mian)設計的(de)(de)(de)意向表(biao)達來做(zuo)這(zhe)樣的(de)(de)(de)模型(xing)。很(hen)多時候(hou)如(ru)果用戶覺(jue)得一(yi)(yi)(yi)個(ge)東西是(shi)(shi)(shi)假的(de)(de)(de)話就不會去做(zuo)，所以盡(jin)量是(shi)(shi)(shi)在有價值的(de)(de)(de)情況下，比如(ru)讓他(ta)自己購(gou)買自己感興(xing)趣(qu)的(de)(de)(de)東西，購(gou)買過(guo)程(cheng)當中就會表(biao)現出來自己的(de)(de)(de)一(yi)(yi)(yi)些行為特(te)征，并不是(shi)(shi)(shi)發(fa)一(yi)(yi)(yi)個(ge)問卷問他(ta)喜(xi)歡什么。
剛才(cai)提到用(yong)(yong)戶畫像的(de)時候有很多用(yong)(yong)戶的(de)屬性(xing)，你們的(de)時效性(xing)是怎(zen)么(me)保證的(de)？比如我的(de)收(shou)入去(qu)年(nian)(nian)和今(jin)年(nian)(nian)也不一(yi)樣(yang)，去(qu)年(nian)(nian)可能(neng)賺(zhuan)一(yi)萬塊錢(qian)，今(jin)年(nian)(nian)就賺(zhuan)兩萬塊錢(qian)。
因為我們有一套(tao)實時數(shu)據(ju)反映用戶的(de)收入(ru)水平是什(shen)么樣的(de)，只是拿他(ta)(ta)當時的(de)收入(ru)水平進行(xing)匹配，而(er)不(bu)是說用他(ta)(ta)當時的(de)數(shu)據(ju)預測(ce)(ce)他(ta)(ta)的(de)未來(lai)，現在(zai)他(ta)(ta)的(de)收入(ru)水平我都可以(yi)看到，包括年齡結構等等。這個數(shu)據(ju)不(bu)是一個預測(ce)(ce)性的(de)數(shu)據(ju)，不(bu)是拿歷史數(shu)據(ju)來(lai)預測(ce)(ce)。
本文根據神策沙龍演講嘉賓分享講稿整理而成。演講者：韓振威，滴滴出行快車事業部運營總監，由@神策數據整理。
原創文章(zhang)，作(zuo)者：愛(ai)運營(ying)，如若(ruo)轉(zhuan)載，請注明出處(chu)：//www.iyunying.org/yunying/cpyy/72783.html
