劉立茹

〔中國石化北京石油分公司 北京 100022〕

大數(shù)據(jù)時代各行各業(yè)產(chǎn)品的豐富性和服務(wù)的多元化已經(jīng)司空見慣。市場趨于飽和與競爭的白熱化狀態(tài)造成用戶的留存難度和成本居高不下，已成為企業(yè)不能承受之重。企業(yè)通過構(gòu)建數(shù)據(jù)化運營，依靠企業(yè)自有數(shù)據(jù)進行分析從而實現(xiàn)智能化決策分析成為驅(qū)動企業(yè)成長的關(guān)鍵所在。

1 數(shù)據(jù)化運營體系的構(gòu)建

隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)化運營被企業(yè)越發(fā)的重視，各企業(yè)數(shù)據(jù)化運營正在如火如荼地開展，數(shù)據(jù)分析和基于數(shù)據(jù)操作的相關(guān)工作變得越來越高大上。對于傳統(tǒng)企業(yè)而言，向數(shù)字化運營轉(zhuǎn)變是一個顛覆性的過程，無論是公司戰(zhàn)略、運營組織等都需有所調(diào)整，最終企業(yè)各個部門都需要具備一定的數(shù)據(jù)運營能力，那么如何構(gòu)建基礎(chǔ)的數(shù)據(jù)化運營體系？筆者將以電子商務(wù)的業(yè)務(wù)為例，根據(jù)數(shù)據(jù)化運營業(yè)務(wù)流程進行拆解分析。從確認目標和數(shù)據(jù)指標制定、數(shù)據(jù)提取清洗、數(shù)據(jù)建模分析、形成相關(guān)建議和驗證優(yōu)化提升這六個方面構(gòu)建一個基于數(shù)據(jù)運營體系。

1.1 明確目標

任何有價值的數(shù)據(jù)操作行為都是有目的的。它既可以是短期一次性的，也可以是長期周期性的，無論如何，必須有一個目標。

1.1.1 數(shù)據(jù)化運營的本質(zhì)

電子商務(wù)數(shù)據(jù)運營的本質(zhì)是用戶的運營管理，數(shù)據(jù)是從用戶的屬性和行為中收集計算出來的。為什么電子商務(wù)數(shù)據(jù)運營本質(zhì)上是用戶運營管理？拿市場上成熟電商的APP分析產(chǎn)品來說，整個產(chǎn)品生命周期是用戶獲取、用戶活躍、用戶留存、支付轉(zhuǎn)化和口碑傳播的閉環(huán)過程。此過程中的每個節(jié)點實際上都會刺激用戶行為以完成每個階段的目標，獲得的數(shù)據(jù)也是用戶使用產(chǎn)品的數(shù)據(jù)。

1.1.2 數(shù)據(jù)化運營的目的

(1)基于具體指標的數(shù)據(jù)運營管理。這種情況經(jīng)常發(fā)生在領(lǐng)導(dǎo)要求在短期內(nèi)實現(xiàn)數(shù)據(jù)指標的飛躍。例如100萬新用戶增長和30%活躍率、留存率達到25%、轉(zhuǎn)化率達到8%等等。這類分析的目的是短期或一次性，通常通過分析數(shù)據(jù)來尋找用戶所需進行的激勵，例如活動使產(chǎn)品能夠在短期內(nèi)快速達到指定目標。

(2)掌握商品生態(tài)。掌握商品生態(tài)系統(tǒng)意味著將數(shù)據(jù)運營管理應(yīng)用于日常工作流程，作為日常生產(chǎn)過程的一部分。這樣做的目的主要是通過數(shù)據(jù)沉淀和數(shù)據(jù)分析來了解產(chǎn)品的用戶群是什么，用戶分類是什么，以及如何使用該產(chǎn)品來實現(xiàn)用戶的精細化操作。

(3)發(fā)現(xiàn)潛在方向。在大數(shù)據(jù)時代，發(fā)現(xiàn)需求通常基于數(shù)據(jù)分析的結(jié)果，從而推導(dǎo)出解決用戶需求的產(chǎn)品。在某些情況下，通過數(shù)據(jù)分析，可以發(fā)現(xiàn)用戶未通過外觀顯示的更多問題和痛點。就數(shù)據(jù)挖掘中的經(jīng)典啤酒尿布而言，通過對用戶購買數(shù)據(jù)的相關(guān)分析，發(fā)現(xiàn)尿布與啤酒表面上無關(guān)的物品之間的潛在聯(lián)系。通過一定的經(jīng)營策略

來提升兩者的購買。因此，通過數(shù)據(jù)運營管理，還可以找到用戶的潛在需求，從而創(chuàng)建新功能或新產(chǎn)品來解決用戶問題。

(4)通過問題解決問題。一個交友網(wǎng)站最近有大量用戶投訴酒托事件，作為產(chǎn)品負責(zé)人需要解決酒托問題并減少用戶投訴。那么，如何通過被舉報女性用戶來識別更多的酒托？

首先，定位數(shù)據(jù)，找到被舉報酒托的女性用戶的數(shù)據(jù)和屬性，并發(fā)現(xiàn)這類用戶在最近經(jīng)常添加大量的男性用戶，并且同時與多個男性用戶聊天，而且聊天時間一般比較短。結(jié)合這些用戶行為和用戶屬性，從用戶數(shù)據(jù)庫中找到可疑的酒托用戶，然后使用數(shù)據(jù)監(jiān)控來確定它是否是真實的酒托。

上述案例是通過問題來定位數(shù)據(jù)，并通過數(shù)據(jù)找到問題的解決方案，從而解決了問題。

1.2 數(shù)據(jù)指標制定

1.2.1 明確指標

宏觀指標和可操作指標之間的區(qū)別：宏觀指標通常是不具備執(zhí)行性的，一般是領(lǐng)導(dǎo)者的指標。這個指標是從企業(yè)整體發(fā)展的視角而提出的奮斗目標。可操作指標，大多是可以實施的指標，如通過微信引入5萬新用戶，或者支付的轉(zhuǎn)化率提高到7%等。用這些指標可以找到具體的實施策略。

1.2.2 指標構(gòu)成

總結(jié)和分析常用的數(shù)據(jù)指標。根據(jù)不同的產(chǎn)品和不同的服務(wù)，提供詳細的具體指標分析，不要盲目復(fù)制和套用。

(1)基礎(chǔ)指標。①拉新，新用戶注冊數(shù)；②活躍，用戶登錄數(shù)(日、周、月)；③留存，流失用戶數(shù)(日、周、月)；④轉(zhuǎn)化，付費用戶數(shù)；⑤傳播，分享用戶數(shù)。

(2)用戶屬性。用戶屬性就是用戶身上的各種標簽。例如：25歲、金融專業(yè)、用蘋果手機、愛玩游戲等這些都是標簽。通過精準的用戶屬性分析，能提供更好的偏好服務(wù)和滿足其真實需求的產(chǎn)品。

(3)用戶來源。用戶來自哪些渠道。包括線上和線下兩個渠道。具體有微信、線下便利店或者APP。

(4)用戶行為。用戶行為由最簡單的五個元素構(gòu)成：時間、地點、人物、交互、交互的內(nèi)容。用戶行為又分為線上行為和線下行為。對于線上行為的采集記錄從技術(shù)上講比較成熟，線下行為數(shù)據(jù)則要通過部署一定的感知設(shè)備才能很詳細地采集。

1.3 數(shù)據(jù)的提取和清洗

在確定目標并確定需要分析的數(shù)據(jù)指標后，開始進行數(shù)據(jù)提取及清洗，主要針對殘缺數(shù)據(jù)、錯誤數(shù)據(jù)、重復(fù)數(shù)據(jù)進行處理，這是一個反復(fù)的過程，不斷的發(fā)現(xiàn)問題，解決問題。

1.3.1 數(shù)據(jù)采集

電商主要的數(shù)據(jù)來源有兩種，一種是埋點數(shù)據(jù)，然后提取相應(yīng)的數(shù)據(jù)字段。另一種是通過用戶的日志分析用戶行為。

1.3.2 數(shù)據(jù)預(yù)處理

為什么要做數(shù)據(jù)預(yù)處理？由于系統(tǒng)或人為原因，記錄中的某些字段可能會遺漏。所以將收集到的不規(guī)則數(shù)據(jù)，進行填補缺少的數(shù)據(jù)，或者刪除重復(fù)的數(shù)據(jù)及許多其他超出規(guī)范的數(shù)據(jù)處理。

1.4 數(shù)據(jù)建模分析

1.4.1 數(shù)據(jù)分析框

有許多專業(yè)的數(shù)據(jù)挖掘算法，如關(guān)聯(lián)分析、聚類分析、神經(jīng)網(wǎng)絡(luò)等。在這里只做簡單介紹。

(1)用戶畫像洞察。用戶圖像洞察是通過聚合用戶數(shù)據(jù)將數(shù)據(jù)轉(zhuǎn)換為可視化的虛擬用戶模型。用戶的肖像顯示具有特定類型特征的一組用戶。根據(jù)用戶特點定義分類用戶組，為精確的用戶引導(dǎo)提供數(shù)據(jù)支持。

(2)用戶行為分析。最常用的用戶行為分析是漏斗分析模型(圖1)。這意味著用戶在完成特定任務(wù)時必須經(jīng)歷多個步驟。在每一步，都會有用戶流失，從而通過漏斗分析發(fā)現(xiàn)問題。

圖1 用戶行為分析模型

如圖(1)所示，以電商用戶支付和經(jīng)營收入為例，用戶在成功購買某個產(chǎn)品必須經(jīng)過多個步驟。這其中每一個環(huán)節(jié)都會造成用戶的流失。因此，在漏斗分析中，可以觀察用戶哪個部分是最嚴重的流失，然后分析相應(yīng)的鏈接，找到相應(yīng)的解決方案，以提高用戶的轉(zhuǎn)換率。

1.4.2 數(shù)據(jù)的可視化

實現(xiàn)整屏設(shè)計、分屏開發(fā)，整屏投放，屏間聯(lián)動；支持數(shù)據(jù)的實時動態(tài)更新和顯示。實現(xiàn)交互操控和數(shù)據(jù)展示的一體化。

(1)可視化方式。可視化方法是具有根據(jù)數(shù)據(jù)類型和呈現(xiàn)形式顯示時間關(guān)系的時序圖，展現(xiàn)占比的餅狀圖，展現(xiàn)數(shù)據(jù)分布的柱狀圖等等。

(2)可視化工具。簡單的數(shù)據(jù)分析工作可以用Excel完成，復(fù)雜的數(shù)據(jù)需要SPSS、Tableau和其他專門的數(shù)據(jù)分析工具。

1.4.3 數(shù)據(jù)報告

數(shù)據(jù)分析報告一般要求如下：①分析背景、目標；②數(shù)據(jù)源選?。虎蹟?shù)據(jù)分析方法、框架；④數(shù)據(jù)可視化；⑤數(shù)據(jù)分析結(jié)果、建議。

根據(jù)具體問題進行具體分析的原則，根據(jù)數(shù)據(jù)分析報告的目的進行個性化設(shè)計與完善。

1.5 形成建議

建議的制定取決于目的和數(shù)據(jù)分析的結(jié)果，由目的和結(jié)果形成策略。可以根據(jù)具體問題和具體的業(yè)務(wù)場景制定有效的建議。

1.6 驗證優(yōu)化提升

由數(shù)據(jù)分析結(jié)果產(chǎn)生的建議不一定有效，并且它不一定能夠快速達到預(yù)期的結(jié)果。通過數(shù)據(jù)積累沉淀，監(jiān)測相應(yīng)的數(shù)據(jù)指標，優(yōu)化提升，以達到最終目的。

圖2 數(shù)據(jù)化運營流程

以上六個方面構(gòu)成了數(shù)據(jù)化運營的閉環(huán)流程。應(yīng)該指出的是，任何基于數(shù)據(jù)化的運營都必須是面向業(yè)務(wù)的，并且應(yīng)該根據(jù)特定的業(yè)務(wù)場景來選擇數(shù)據(jù)分析方法、思路。

2 數(shù)據(jù)化的構(gòu)建

為了能夠支撐和落實實際的業(yè)務(wù)需求，提出了構(gòu)建一個大數(shù)據(jù)智能營銷平臺。在平臺中接入了多個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源，對數(shù)據(jù)進行集成，并且進行數(shù)據(jù)清洗和轉(zhuǎn)換，打通業(yè)務(wù)系統(tǒng)數(shù)據(jù)，實現(xiàn)表間關(guān)聯(lián)。同時，利用客戶信息、加油數(shù)據(jù)和購物記錄，結(jié)合業(yè)務(wù)經(jīng)驗知識，構(gòu)建用戶標簽體系，利用大數(shù)據(jù)技術(shù)實現(xiàn)標簽建模，最終為客戶打上一個個的業(yè)務(wù)標簽。

大數(shù)據(jù)智能營銷平臺將用戶標簽進行可視化展示，讓業(yè)務(wù)部門人員在平臺前端進行操作，進行目標客戶群篩選和客戶標簽分析，同時可以自定義不同的目標客戶群以支撐不同的營銷活動。將該系統(tǒng)與營銷平臺打通，形成一個整體性的功能平臺，利用大數(shù)據(jù)技術(shù)支撐業(yè)務(wù)，并為客戶提供智能化的推送服務(wù)，提高客戶體驗，實現(xiàn)銷售公司的精細化管理和運營。

“營銷未動，數(shù)據(jù)先行”。依托大數(shù)據(jù)智能營銷平臺的智能分析能力，能夠讓營銷活動真正做到有據(jù)可依、有跡可循、人群洞察、精準定位！大數(shù)據(jù)智能營銷平臺融合了油品及非油品業(yè)務(wù)系統(tǒng)的全量數(shù)據(jù)，以數(shù)據(jù)為基礎(chǔ)，以標簽為標識，分析客戶特征，洞察群體行為，讓大數(shù)據(jù)服務(wù)于智能營銷時代。

整個建設(shè)方案核的心包括用戶標簽構(gòu)建和閉環(huán)智能營銷兩部分的建設(shè)內(nèi)容。

2.1 用戶畫像的構(gòu)建

用戶畫像是整個大數(shù)據(jù)智能營銷平臺建設(shè)的基礎(chǔ)，是真實用戶的虛擬代表，是建立在一系列真實數(shù)據(jù)之上的目標用戶模型。方案制定主要從人群特征、加油偏好、購物偏好三個層次，進行全面分析與刻畫用戶畫像。

2.1.1 用戶標簽體系

用戶畫像即用戶信息標簽化，需要為用戶打標簽，那么前提是需要建立一套基于業(yè)務(wù)邏輯的用戶標簽體系，能夠?qū)崿F(xiàn)對用戶構(gòu)建一個360°用戶畫像。

標簽體系中每一個標簽都是某一種用戶特征的符號表示。一方面，該標簽要具有一定的群體性，在一定程度上抽象和歸納事物的特征。另一方面，使用符號來表示用戶的一類特征，可以是中文，也可以是數(shù)字。其核心就是為用戶打上的標簽，要讓人能夠理解并且方便于計算機處理，從原始數(shù)據(jù)到最終的業(yè)務(wù)標簽，從數(shù)據(jù)清洗到數(shù)據(jù)挖掘與機器學(xué)習(xí)，都能夠歸納和總結(jié)。

通過對某石油銷售企業(yè)業(yè)務(wù)體系和數(shù)據(jù)體系的分析，總結(jié)了三大類別的標簽。

(1)人群特征標簽。人群特征即用戶基礎(chǔ)屬性，反映了用戶相關(guān)的基礎(chǔ)信息，共包含15個一級標簽，112個二級標簽。其中一級標簽為等級名稱、性別、所在區(qū)域、年齡、星座、私車數(shù)量、婚姻狀況、教育程度、子女狀況、月收入、職業(yè)、出生地及有無加油卡、會員卡和用戶編號。

(2)加油偏好標簽。加油偏好，反映了與加油業(yè)務(wù)相關(guān)的用戶屬性，共12個一級標簽，36個二級標簽。其中一級標簽為高頻加油站編號及名稱、高量加油站編號及名稱、高頻和高額加油油品、加油時段和加滿偏好、高標油品和加油頻率偏好、充值和沉淀資金偏好。

(3)購物偏好標簽。購物偏好，反映了與便利店業(yè)務(wù)相關(guān)的用戶屬性，共14個一級標簽，47個二級標簽。其中一級標簽為購物單價、購物頻率、購買力、支付方式偏好、促銷偏好、優(yōu)惠券偏好、進店率、煙草偏好、酒類偏好、飲料偏好、食品偏好、百貨偏好、汽車用品偏好、服務(wù)偏好。

2.1.2 360°用戶畫像

用戶畫像基于某石油銷售企業(yè)的多個業(yè)務(wù)系統(tǒng)數(shù)據(jù)，將多個業(yè)務(wù)數(shù)據(jù)源融合到Hive數(shù)據(jù)倉庫中，可以打通基于用戶維度的所有數(shù)據(jù)源，構(gòu)建一個完整的360°大數(shù)據(jù)用戶畫像，為精準的個性化營銷提供多維數(shù)據(jù)支持。實現(xiàn)了對用戶基本信息、會員信息、加油卡信息、加油明細、充值明細、購物明細、車輛信息、資產(chǎn)信息、wifi上網(wǎng)信息、手機終端信息等維度的全方位的畫像。

2.2 閉環(huán)智能運營平臺的構(gòu)建

閉環(huán)智能運營是根據(jù)用戶畫像的結(jié)果，結(jié)合促銷活動的類型和內(nèi)容，通過篩選對應(yīng)群體，將促銷信息或優(yōu)惠券推送給目標用戶；結(jié)合用戶所標出的屬性，選擇結(jié)合用戶興趣愛好的內(nèi)容，將相關(guān)商品推送給目標用戶。

因零售業(yè)促銷活動頻繁、情況多變、人群靈活多變的業(yè)務(wù)特點，運營方案設(shè)計了一套靈活可配、簡單易用、一鍵式操作的智能營銷系統(tǒng)。靈活可配，體現(xiàn)在人群篩選的靈活，可以隨意篩選組合所需的標簽，實現(xiàn)精準定位的人群，并保存已完成的篩選條件形成預(yù)制群體；簡單易用，體現(xiàn)在每步操作都有完整的幫助文檔，每個輸出都有相應(yīng)的解釋提示，界面設(shè)計清晰簡潔，使業(yè)務(wù)人員可以輕松地完成整個活動策劃；一鍵式操作，體現(xiàn)在營銷管家做到了閉環(huán)管理，從活動策劃、人群篩選、優(yōu)惠券發(fā)放、效果評估實現(xiàn)了全流程閉環(huán)操作，一步到位，不需切換其他系統(tǒng)或反復(fù)切換頁面。

為了實現(xiàn)對促銷活動的后期評估，使活動好壞有據(jù)可依，并幫助業(yè)務(wù)人員優(yōu)化未來的促銷活動。在促銷開始后系統(tǒng)會實時統(tǒng)計優(yōu)惠券的使用情況，使業(yè)務(wù)人員從活動開始到活動結(jié)束都能及時了解促銷活動的動態(tài)，并在活動下架的時候?qū)Ρ敬位顒舆M行評估、總結(jié)當期經(jīng)驗和未來的促銷提供經(jīng)驗。

2.2.1 大數(shù)據(jù)精準推送的應(yīng)用

基于大數(shù)據(jù)技術(shù)構(gòu)建的客戶畫像標簽，為銷售企業(yè)的精準營銷服務(wù)可提供客戶分群支撐，實現(xiàn)營銷產(chǎn)品與目標潛在用戶的精準匹配，讓業(yè)務(wù)人員完成促銷活動的一鍵式智能營銷，精準推送優(yōu)惠券、通知消息、廣告鏈接等以至目標客戶群，并及時追蹤營銷活動效果(圖3)。

圖3 大數(shù)據(jù)精準推送模型

2.2.2 加油站客戶流失預(yù)警的應(yīng)用

基于大數(shù)據(jù)技術(shù)構(gòu)建客戶畫像標簽，針對客戶的加油時間、加油頻率、加油量等計算出客戶流失類型標簽，同時采用RFM技術(shù)建立客戶流失預(yù)測模型(圖4)，對流失客戶進行客戶價值細分。針對高價值的即將流失的客戶進行挽留，對沉睡客戶進行激活和已流失客戶的召回。

圖4 客戶流失預(yù)警模型

2.2.3 加油站客流分析的應(yīng)用

加油站客流分析圖5是通過分析線下流量的來源和影響因素，從而改進門店當前的經(jīng)營現(xiàn)狀，合理安排人員規(guī)劃和庫存調(diào)度，最終實現(xiàn)降低運營成本，提高營業(yè)收入的目標。同時基于客戶wifi路徑軌跡，為客戶提供更好的vip定制服務(wù)。

圖5 客流分析模型

2.2.4 促銷商品營銷分析的應(yīng)用

營銷分析(圖6)基于多個業(yè)務(wù)系統(tǒng)數(shù)據(jù)源，對銷量、庫存量、客流量、進店率等指標進行可視化分析，可以按店、按區(qū)進行細分。營銷分析以大數(shù)據(jù)多維分析技術(shù)和數(shù)據(jù)倉庫技術(shù)為支撐，支持時間趨勢上的銷量預(yù)測分析，讓企業(yè)更好地洞察商品的營銷趨勢，進行智能決策，促銷商品營銷分析模型見圖6。

圖6 促銷商品營銷分析模型

2.2.5 風(fēng)險防控的應(yīng)用

風(fēng)險防控(圖7)大數(shù)據(jù)的應(yīng)用是通過用戶信息數(shù)據(jù)、用戶購物數(shù)據(jù)、辦卡信息。消費紀錄，充值記錄等，基于大數(shù)據(jù)算法與業(yè)務(wù)規(guī)則，防范經(jīng)營中面臨的法律風(fēng)險、信用風(fēng)險、操作風(fēng)險等。實時提供異常預(yù)警，以輔助運營人員快速發(fā)現(xiàn)異常情況，減少違法違紀案件的發(fā)生，風(fēng)險防控模型見圖7所示。

圖7 風(fēng)險防控模型

3 總結(jié)

在新興互聯(lián)網(wǎng)企業(yè)，數(shù)據(jù)化運營已然不可或缺，其在企業(yè)運營管理等方面起著至關(guān)重要的作用，但是對于傳統(tǒng)企業(yè)來說，如何構(gòu)建適合自己的數(shù)據(jù)化運營體系，仍需要根據(jù)企業(yè)自身狀況不斷的探索、實踐、總結(jié)。目前，國內(nèi)大量傳統(tǒng)企業(yè)已開始相關(guān)業(yè)務(wù)探索、實踐。筆者相信在未來一兩年內(nèi)，數(shù)據(jù)化運營將成為眾多傳統(tǒng)企業(yè)發(fā)展的催化劑。在未來，率先建立起數(shù)據(jù)化運營的傳統(tǒng)企業(yè)，定會成為行業(yè)中的領(lǐng)頭羊。