时代总在变化，而推动变化的动力也在变化，当前驱动商业时代变化最重要的动力之一就是数据，或者更准确的说是大数据。作为互联网从业者，更是对数据关心备至，而友盟就是一个很好的助手，今天很荣幸参加友盟U+APP的活动，以下是自己对于数据服务或者数据智能的一些看法。
从业务监测到智能决策
保安有很哲学的三问：
你是谁
你从哪来
你到哪去
而数据从业者也经常被类似的哲学三问而直击灵魂：
最近数据怎么样
数据为什么升了
数据为什么降了
我们可以认为这三个问题业务监测类问题，其用可衡量、可对比、可细分、可追溯的数据方式来监测业务、用户等核心数据的变化，以此来说明原因。那么紧接着上面数据分析三问后，就会有另一个问题：我们该怎么办？
这个渠道的留存不够高，要不要继续投放CPA？
这个功能的使用率不高，我们要不要禁止掉或者入口权重降低？
这个界面的跳出率很高，我们要不要优化页面功能或者信息架构？
……
所以当业务监测发现问题、定位问题后，就是要解决问题。现在发现和定位已经相对成熟，那么数据能否智能辅助解决问题哪？我们以留存问题为例尝试讨论如何通过数据来解决。
以前我们遇到某个渠道留存不高的问题，大概率认为渠道问题，而停止投放或者听之任之；后来可以更加准确的按照用户属性、渠道等维度来区分用户后，我们会发现某些渠道的留存率天然就比较低，也只能听之任之；后续我们发现可以通过一些运营功能来提高留存，比如通过积分签到方式来增加用户留存，现在积分现在都是在统一规则下发放给用户，我们是否能做到以价格歧视的方式去发放哪？
如何判断一个用户是对你的服务感兴趣的？
如何判断一个用户是对你的商业价值更高的？
如何判断一个用户是为了积分而来，但是转化成用户的概率？
我们可以通过行业、用户群对比来诊断自己APP的状态，我们是否能通过一个用户在他所用APP上的痕迹对比来看到底对我们来说什么样的？
就比如一个经常吃兰州拉面的人，我知道他大概率回去吃黄焖鸡
就比如一个经常吃肯德基的人，我知道他大概率不会拒绝麦当劳
就比如一个出门打滴滴快车的人，我知道他大概率会用美团打车
所以我们再从新思考这个问题，我们在监测了数据之后，如何能够高效的辅助我们做决策，或者帮助我们做决策，而不是撒大网捞鱼，而是针对一类鱼的精准打击。所以示例中积分的作用，是以用户在线整体行为、偏好作为依据，不以该用户仅仅在我们这个APP的数据孤岛为依据，同时假定大部分行为相同的人面对积分奖励时的后续行为相同，就如下图，用户的整体历史行为数据是我们判断的依据，供B端使用。
从线上APP到线下shopping mall
作为互联网从业者，大家已经习惯于云端生活，也习惯分析用户的云端生活的痕迹（行为数据），以此来作为迭代优化的佐证之一，但是实际的生活还远远不止线上，毕竟我们还不是《最后玩家》，所以现有的数据分析及数据驱动是否可以与线下结合，这便是本部分要讨论的问题。
首先我们来看一个场景。假设你生活在一个小县城，就是出租车起步价就能逛一圈那种小县城，你走进一家床上用品店，大概率你和老板是认识的，
老板：来了，最近孩子刚出生吧，夏天了，该买个儿童凉席，这个藤条的比竹子的好。
读者：不错不错，有几个款式？
老板：……
读者：……
就这一顿推销，你会不会买？那我们在想下，如果我们在大一些的城市，老板如何知道关于这个客户的信息？除了靠多年修炼的敏锐观察力和沟通能力，还能靠什么？我们作为数据服务商，是否可以提供这个能力？
用户进店，如果用户手机的WiFi处在打开状态，则在线下的WiFi探针自动检测，将该WiFi探针信息传到云端，将该用户信息传递到店员的手机上，然后店员可以根据这些信息进行营销；通过云端的数据标签，店员可以明确知道该用户的消费习惯、收入状况、个人喜好等。
假设这个过程中，用户拒绝推销，仅仅是自己在逛，那么用户的足迹、对展品的关注等数据也可以收集起来，假设用户真的空手离店，那么我们可以结合这个用户在店内的行为、在云端的记录来推荐折扣券给用户，让其产生二次购买的可能性。
所以我们再从新梳理这个例子，线上我们有了用户很多行为数据和与之相关的业务数据，将这些数据与用户的线下数据结合，这样我们能在线下环境更加了解这个用户，我们能为B端提供更好的营销运营服务。
从操作平台到服务中台
以上两个例子中都涉及到数据的收集、传输和整合处理，那么就存在一个问题：以上的事例中，不仅仅涉及用户在当前APP上的数据，还涉及用户在其他APP上所产生的数据，甚至关联到用户产生的业务数据等，是一个大的判断维度，那么其他维度如何整合进入到这个决策中哪？所以我们是否可以将友盟作为数据中台，将其数据的收集、计算能力开放给B端，而此时的B端可能不仅仅是互联网公司，也可能是某些传统行业。数据的输入能力、结果的输出能力需要与B端现有的业务打通，我们通过对用户更加“全方位”的了解来更好的完成我们的商业目标。
所以此时数据平台，
对于有数据处理能力的企业来说，友盟可以作为用户行为数据的输出方，企业根据数据能够判断某个用户的用户价值，然后结合自己的运营策略、商业目的来决定对该用户采取何种行为；
对于没有数据处理能力的企业来说，友盟可以做成一个筛选用户、标记用户的平台，通过优盟的数据来判断用户价值，然后再做后续操作，相当于是先相信优盟的判断，在根据此来做自己的商业价值行为；
对于没有数据处理能力、且比较小的企业来说，可以将运营方案（比如积分发放）交给友盟来做，这样我们就可以做到“傻瓜”式的运营，B端只要给出目标即可，甚至平台能够给出我们针对现有用户及运营方案的预测结果。
从顶层设计到众包演化
当我们将数据服务作为中台提供，数据的输入能力、数据的输出能力都开放的时候，其实我们就变得是更大的一个服务商，相当于服务整个社会，那么怎么确保我们有能力解决各行各业的特色需求那？这是的顶层设计应该如何做？是不是应该是以平台为第一要素，作为平台我们仅仅提供数据原材料，而商业目标、企业运营、算法等交给对数据和行业都更加懂的人来做，我们是否可以成为一个平台，而数据分析师、运营驱动达人就是平台上的参与者，来支持各家企业，相当于我们将数据分析、运营的部门在平台上外包，企业变成柔性组织，用更加专业的能力来解决各个企业的目标。将数据驱动能力变成一个有竞争的市场。
综上是对数据分析平台一点开脑洞且不成熟的小建议，供参考。
作者：代成龙
本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中参赛作品，未经作者及平台许可，禁止转载
本文部分数据有脱敏处理，非全部真实数据
有关产品测评大赛合作事宜，请联系邮箱：denis@woshipm.com
网友评论