編輯導(dǎo)語(yǔ)：大數(shù)據(jù)時(shí)代，數(shù)據(jù)應(yīng)用已經(jīng)十分普及，大數(shù)據(jù)的應(yīng)用場(chǎng)景也十分廣泛，從企業(yè)經(jīng)營(yíng)管理、到商家營(yíng)銷與流量分發(fā)，To B、To C產(chǎn)品中都可以看到數(shù)據(jù)應(yīng)用的痕跡。本篇文章里，作者就對(duì)數(shù)據(jù)核心應(yīng)用場(chǎng)景做了較為詳細(xì)的介紹，感興趣的話就一起看下去吧。

五一回家，有非數(shù)據(jù)專業(yè)的朋友問(wèn)，你一直搞大數(shù)據(jù)，大數(shù)據(jù)除了“殺熟”，還有什么應(yīng)用場(chǎng)景啊，能不能科普下？

的確網(wǎng)絡(luò)上、新聞上看到了很多的“殺熟”的負(fù)面報(bào)道，但大數(shù)據(jù)還能干點(diǎn)啥、有什么價(jià)值、數(shù)據(jù)人每天在忙啥，對(duì)于非數(shù)據(jù)線的人可能確實(shí)不了解，畢竟隔行如隔山。

所以，近期也在思考，如何能把大數(shù)據(jù)的應(yīng)用場(chǎng)景說(shuō)清楚，不為正名，只為把自己數(shù)年的大數(shù)據(jù)從業(yè)的初心再捋一捋，也給想要選擇數(shù)據(jù)行業(yè)的提供一些參考建議。

第一次和數(shù)據(jù)接觸，是13年運(yùn)營(yíng)第一個(gè)微信公眾號(hào)的時(shí)候，每天看著后臺(tái)的閱讀量、轉(zhuǎn)發(fā)量、新增用戶數(shù)、累計(jì)用戶數(shù)等指標(biāo)，通過(guò)數(shù)據(jù)觀察分析哪些內(nèi)容更容易引起用戶共鳴促進(jìn)轉(zhuǎn)發(fā)，什么類型的用戶會(huì)關(guān)注，什么時(shí)段群發(fā)閱讀量更高。也因此結(jié)緣，畢業(yè)找工作時(shí)選擇了數(shù)據(jù)產(chǎn)品經(jīng)理，但那個(gè)時(shí)候比較懵懂，還沒(méi)真正了解什么是大數(shù)據(jù)。

結(jié)合自身的數(shù)據(jù)從業(yè)經(jīng)驗(yàn)，總結(jié)下來(lái)大數(shù)據(jù)的核心價(jià)值在于應(yīng)用。也有把數(shù)據(jù)比作“原油”，只有經(jīng)過(guò)加工處理成為“汽油”、“柴油”、“機(jī)油”，被投入使用后，才會(huì)真正發(fā)揮價(jià)值。

數(shù)據(jù)核心應(yīng)用場(chǎng)景主要有面向企業(yè)內(nèi)部（ToB）的決策分析支撐和面向C端用戶的智能應(yīng)用。

一、ToB：決策分析支撐

解決數(shù)據(jù)“是什么”、“怎么樣”、“為什么”、“怎么做”的問(wèn)題，從拍腦袋的定性決策，到定量的數(shù)據(jù)化管理。

1. 經(jīng)營(yíng)管理

為管理層提供完整的、能夠快速反映業(yè)務(wù)經(jīng)營(yíng)健康度的管理指標(biāo)，為管理決策提供數(shù)據(jù)支持。

舉個(gè)例子。

門票業(yè)務(wù)CEO每天早上都要打開(kāi)電腦或手機(jī)看經(jīng)營(yíng)日?qǐng)?bào)，某日發(fā)現(xiàn)業(yè)務(wù)總營(yíng)收指標(biāo)同比降低了20%，其中華東地區(qū)下降35%，其他大多數(shù)地區(qū)都是增長(zhǎng)的。找到華東大區(qū)負(fù)責(zé)人，去跟進(jìn)處理。

華東大區(qū)負(fù)責(zé)人再拆分到省份、城市、景點(diǎn)、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(jìng)對(duì)某團(tuán)開(kāi)展了大力度的優(yōu)惠活動(dòng)，于是責(zé)令景區(qū)商務(wù)快速跟進(jìn)。

2. 運(yùn)營(yíng)優(yōu)化

提供產(chǎn)品迭代、流量渠道策略優(yōu)化、活動(dòng)效果分析等產(chǎn)品運(yùn)營(yíng)所需的數(shù)據(jù)分析能力，數(shù)據(jù)化運(yùn)營(yíng)。

1）產(chǎn)品迭代

產(chǎn)品功能改版前需要進(jìn)行數(shù)據(jù)分析，查看舊版本的用戶使用習(xí)慣，以及哪些功能實(shí)際上很少人使用，可能是可以優(yōu)化掉的。

改版后，同樣要對(duì)新功能進(jìn)行數(shù)據(jù)監(jiān)控，分析新功能是否達(dá)到了既定的迭代目標(biāo)。最常用到的是AB實(shí)驗(yàn)，比如不同的交互方式、UI布局，可能會(huì)影響用戶轉(zhuǎn)化。通過(guò)對(duì)AB結(jié)果分析，確定最優(yōu)的方案，用數(shù)據(jù)說(shuō)話。

2）渠道優(yōu)化

為了獲取新用戶，互聯(lián)網(wǎng)公司需要進(jìn)行SEM、信息流、應(yīng)用市場(chǎng)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(guò)數(shù)據(jù)分析來(lái)將渠道分類分級(jí)，流量規(guī)模大、用戶質(zhì)量高的加大投入，流量小質(zhì)量差的可以放棄，支撐渠道運(yùn)營(yíng)策略的優(yōu)化。

3）營(yíng)銷分析

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

其實(shí)盲盒產(chǎn)品設(shè)置的本意并不是為了成交，或者說(shuō)會(huì)控制成交量、來(lái)管控成本。機(jī)票盲盒是現(xiàn)象級(jí)產(chǎn)品，通過(guò)用戶分享、傳播，帶來(lái)品牌曝光、強(qiáng)化用戶心智等其他附加價(jià)值。

因此，在這個(gè)過(guò)程需要基于數(shù)據(jù)來(lái)分析鎖定成功率需要控制在XX時(shí)，可以既刺激用戶傳播，又保證企業(yè)不虧。同時(shí)，也要分析參與活動(dòng)的用戶都是什么特征、性比年齡籍貫幾何，來(lái)投放廣告做活動(dòng)的預(yù)熱。

3. KPI監(jiān)控

基于大數(shù)據(jù)提供系統(tǒng)穩(wěn)定性、KPI波動(dòng)監(jiān)控能力，業(yè)務(wù)異常及時(shí)發(fā)現(xiàn)，快速止損。

數(shù)據(jù)報(bào)表、數(shù)據(jù)產(chǎn)品主要是承載的人找數(shù)，而KPI監(jiān)控則是基于業(yè)務(wù)規(guī)則對(duì)指標(biāo)的波動(dòng)或異常進(jìn)行定義，指標(biāo)數(shù)值超出范圍后，觸發(fā)預(yù)警及時(shí)通知，減少問(wèn)題發(fā)現(xiàn)時(shí)間，降低業(yè)務(wù)損失。

今年五一出游高峰，很多指標(biāo)達(dá)到了歷史峰值，對(duì)系統(tǒng)服務(wù)的穩(wěn)定性是一個(gè)比較大的考驗(yàn)。除了提前做好應(yīng)急保障外，也不可避免地出現(xiàn)服務(wù)異常的情況，及時(shí)發(fā)現(xiàn)，修復(fù)系統(tǒng)問(wèn)題，及時(shí)止損。

4. 業(yè)務(wù)預(yù)測(cè)

基于大數(shù)據(jù)和算法挖掘能力，提供業(yè)務(wù)指標(biāo)趨勢(shì)預(yù)測(cè)，提前布局資源。

除了對(duì)已經(jīng)發(fā)生的業(yè)務(wù)現(xiàn)象進(jìn)行事后分析外，還可以基于大數(shù)據(jù)預(yù)測(cè)業(yè)務(wù)發(fā)展趨勢(shì)。比如五一、十一節(jié)假日提前預(yù)測(cè)業(yè)務(wù)高峰發(fā)生的時(shí)間以及業(yè)務(wù)量，應(yīng)用服務(wù)提前壓測(cè)，服務(wù)器提前擴(kuò)容，以及提前部署客戶服務(wù)人員的排班計(jì)劃，做到既可以滿足業(yè)務(wù)高峰，又實(shí)現(xiàn)人力以及資源的最優(yōu)匹配。

二、ToC：數(shù)智化賦能

除了數(shù)據(jù)分析，大數(shù)據(jù)另一類場(chǎng)景是讓產(chǎn)品“更懂你”，在合適的時(shí)間、場(chǎng)景，把產(chǎn)品和最有意向的用戶匹配，實(shí)現(xiàn)人貨場(chǎng)的匹配。

同一個(gè)產(chǎn)品賣給用1000塊的雜牌Android機(jī)的張三10塊，賣給用8000塊錢iPhone12的李四20，這叫“殺熟”。張三經(jīng)濟(jì)水平一般，出門住酒店一般選擇200~300價(jià)格的，給他推薦經(jīng)濟(jì)型酒店；李四消費(fèi)能力高，推薦高星級(jí)品牌酒店，這叫千人千面?zhèn)€性化推薦。

1. 精準(zhǔn)營(yíng)銷

基于用戶畫(huà)像標(biāo)簽進(jìn)行用戶分層，精準(zhǔn)觸達(dá)，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)。

互聯(lián)網(wǎng)上半場(chǎng)，流量獲取成本相對(duì)較低，且公司融資相對(duì)容易，為了跑馬圈地圈用戶甚至可以不計(jì)成本，很多公司為了快速實(shí)現(xiàn)用戶增長(zhǎng)采用的是粗放式、廣撒網(wǎng)的方式進(jìn)行用戶獲取或運(yùn)營(yíng)，比如給所有用戶發(fā)補(bǔ)貼紅包，給所有下過(guò)單或沒(méi)下過(guò)單的用戶發(fā)營(yíng)銷短信。

而流量紅利過(guò)后的下半場(chǎng)，一方面用戶要持續(xù)增長(zhǎng)，另一方面也要管控成本，提升ROI。

此時(shí)，需要基于大數(shù)據(jù)將用戶標(biāo)簽化，構(gòu)建用戶的畫(huà)像標(biāo)簽，按照不同的業(yè)務(wù)場(chǎng)景進(jìn)行人群的精細(xì)化分層后，精準(zhǔn)觸達(dá)，把資源傾斜給高潛客戶。

2. 流量智能分發(fā)

基于算法挖掘用戶行為意向，匹配最佳產(chǎn)品或服務(wù)，實(shí)現(xiàn)人貨場(chǎng)的智能匹配。

精準(zhǔn)營(yíng)銷平臺(tái)更多地是提供人群圈選的能力，產(chǎn)品或運(yùn)營(yíng)人員基于經(jīng)驗(yàn)，進(jìn)行用戶的條件篩選。

流量智能分發(fā)則是基于用戶歷史行為，采用用戶或商品維度的協(xié)同過(guò)濾、聚類分析、邏輯回歸等算法，識(shí)別進(jìn)站用戶的行為意向，為用戶提供差異化的產(chǎn)品功能或頁(yè)面模塊。

比如，大眾點(diǎn)評(píng)在做10.0版本改版時(shí)，首頁(yè)從商戶列表改成了類似小紅書(shū)的信息流模式，且是作為一次比較重大的戰(zhàn)略改版，力推信息流。

對(duì)于“愛(ài)逛”的女性用戶群體，覺(jué)得是不錯(cuò)的改版；而對(duì)于用完即走，直截了當(dāng)?shù)匿撹F直男，覺(jué)得改版后很難用，應(yīng)用市場(chǎng)大批吐槽。

基于數(shù)據(jù)和算法能力，對(duì)于不愛(ài)逛的用戶，可以默認(rèn)展示分類金剛位，愛(ài)逛的人則可以默認(rèn)優(yōu)先展示信息流。

3. 個(gè)性化推薦服務(wù)

提供App、小程序等應(yīng)用端產(chǎn)品的千人千面推薦，促進(jìn)用戶轉(zhuǎn)化，提升用戶體驗(yàn)。

流量分發(fā)側(cè)重于用戶行為意向、下單概率預(yù)測(cè)等宏觀層面，提供產(chǎn)品功能和服務(wù)的匹配推薦。

個(gè)性化推薦則側(cè)重于內(nèi)容本身的精準(zhǔn)匹配，比如算法推薦用戶可能會(huì)喜歡的酒店、景點(diǎn)、旅游線路、美食商家、淘寶產(chǎn)品等，目標(biāo)是實(shí)現(xiàn)人和商品的匹配，縮短用戶決策周期，快速引導(dǎo)用戶下單轉(zhuǎn)化。

舉個(gè)例子，當(dāng)你打開(kāi)某旅游APP，首頁(yè)推薦的是你剛好想去的城市，以及對(duì)應(yīng)的酒店、景點(diǎn)、旅游線路。此時(shí)，你是不是更愿意去點(diǎn)擊瀏覽，并且更快速地下單呢？

4. API服務(wù)

為產(chǎn)品功能迭代、運(yùn)營(yíng)活動(dòng)提供用戶訂單、行為數(shù)據(jù)查詢服務(wù)，以數(shù)據(jù)賦能產(chǎn)品創(chuàng)新。

API服務(wù)相比算法推薦，主要統(tǒng)計(jì)分析數(shù)據(jù)的服務(wù)化。比如APP產(chǎn)品新客專區(qū)模塊，當(dāng)用戶進(jìn)入頁(yè)面時(shí)，調(diào)用新老客的接口，判斷當(dāng)前用戶ID是否有過(guò)訂單，符合新客條件的才展示對(duì)應(yīng)的運(yùn)營(yíng)位。

5. 風(fēng)控和反欺詐

基于算法模型（知識(shí)圖譜、聚類分析等）識(shí)別黑產(chǎn)用戶特征，防止薅羊毛等黑產(chǎn)或欺詐行為，減少業(yè)務(wù)損失。

互聯(lián)網(wǎng)發(fā)展早期，比如2013年外賣、打車業(yè)務(wù)多家平臺(tái)瘋狂補(bǔ)貼拉客，但產(chǎn)品、技術(shù)并不完善，誕生了一大批靠刷單賺補(bǔ)貼的黑產(chǎn)。

隨著數(shù)據(jù)的完備和大數(shù)據(jù)算法能力，可以更準(zhǔn)確地判斷羊毛黨或欺詐用戶特征，針對(duì)風(fēng)控用戶不提供優(yōu)惠或禁用相應(yīng)服務(wù)。

6. 輿情監(jiān)控

有時(shí)候輿論導(dǎo)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(zé)其機(jī)票產(chǎn)品存在強(qiáng)制捆綁銷售，微博上一石激起千層浪，甚至整個(gè)OTA行業(yè)都受到了沖擊，對(duì)公司口碑及業(yè)務(wù)營(yíng)收都產(chǎn)生了非常大的影響。

利用大數(shù)據(jù)的手段，對(duì)涉及到公司業(yè)務(wù)或關(guān)鍵詞的輿論數(shù)據(jù)進(jìn)行爬蟲(chóng)爬取，利用文本挖掘、情感識(shí)別的手段對(duì)于負(fù)面輿論第一時(shí)間發(fā)現(xiàn)，公關(guān)及時(shí)對(duì)接處理，可以把輿論影響降低到最小。

7. AI應(yīng)用

都說(shuō)大數(shù)據(jù)的出口是AI，可以理解成AI是大數(shù)據(jù)的重要應(yīng)用方向，但AI并不是一切。

機(jī)器學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)模型并不是新鮮詞匯，早在90年代就已經(jīng)出現(xiàn)了，但是由于當(dāng)時(shí)計(jì)算機(jī)資源計(jì)算力的限制，應(yīng)用無(wú)法落地?，F(xiàn)在隨著計(jì)算機(jī)性能的不斷提升，CPU到GPU，以及分布式集群、云資源的彈性擴(kuò)容，這些模型的應(yīng)用價(jià)值開(kāi)始凸顯。

AI的本質(zhì)是基于大量的數(shù)據(jù)對(duì)算法模型進(jìn)行訓(xùn)練（有監(jiān)督、無(wú)監(jiān)督、半監(jiān)督等），當(dāng)輸入新的內(nèi)容時(shí)可以自動(dòng)進(jìn)行分類或識(shí)別，比如圖像識(shí)別技術(shù)、語(yǔ)音識(shí)別等。

業(yè)務(wù)上可以應(yīng)用在商家圖片優(yōu)化，即產(chǎn)品列表頁(yè)通過(guò)算法自動(dòng)確定視覺(jué)效果最好的圖片進(jìn)行展示，吸引用戶提升點(diǎn)擊轉(zhuǎn)化率，因?yàn)閻?ài)美之心人皆有之，一個(gè)酒店首頁(yè)放漂亮的海景圖的效果要遠(yuǎn)比放一張馬桶照要強(qiáng)的多。

三、總結(jié)

大數(shù)據(jù)的應(yīng)用場(chǎng)景遠(yuǎn)不止于上述案例，業(yè)務(wù)不斷發(fā)展，大數(shù)據(jù)的應(yīng)用價(jià)值也會(huì)不斷創(chuàng)新突破。

數(shù)據(jù)職位相對(duì)于公司前端業(yè)務(wù)部門價(jià)值凸顯更為隱性和長(zhǎng)期，C端上線一個(gè)爆款產(chǎn)品會(huì)給公司帶來(lái)非常大的利益價(jià)值，而數(shù)據(jù)則多處在背后支撐的位置。作為數(shù)據(jù)人，要了解自己所從事的領(lǐng)域的價(jià)值，耐得住寂寞，即使沒(méi)有鮮花和掌聲，也可以不斷地自驅(qū)創(chuàng)新，用數(shù)據(jù)為業(yè)務(wù)賦能。

#專欄作家#

數(shù)據(jù)干飯人，微信號(hào)公眾號(hào)：數(shù)據(jù)干飯人，人人都是產(chǎn)品經(jīng)理專欄作家。專注數(shù)據(jù)中臺(tái)產(chǎn)品領(lǐng)域，覆蓋開(kāi)發(fā)套件,數(shù)據(jù)資產(chǎn)與數(shù)據(jù)治理，BI與數(shù)據(jù)可視化，精準(zhǔn)營(yíng)銷平臺(tái)等數(shù)據(jù)產(chǎn)品。擅長(zhǎng)大數(shù)據(jù)解決方案規(guī)劃與產(chǎn)品方案設(shè)計(jì)。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash，基于CC0協(xié)議