你一定要了解的大数据与小趋势

大数据
本文根据TalkingData副总裁高铎先生在“世界O2O博览会暨IN+2016创新大会”上的演讲整理而成。

【编者按】本文根据TalkingData副总裁高铎先生在“世界O2O博览会暨IN+2016创新大会”上的演讲整理而成。

 

[[169868]]

 

这是1997年比尔·克林顿总统就职演说,然而其实大选期间民调显示出没有一个候选人有明显能够胜出的趋势。对于克林顿的竞选顾问而言,他们最重要的目标是帮助克林顿找到最能够影响竞选结果的群体。他们最终发现了什么样的群体呢?这个群体在美国有一个非常有名的专有名词叫“足球妈妈”,指的是在足球场边看着孩子踢足球鼓掌的妈妈群体们,也泛指篮球妈妈、橄榄球妈妈。这个群体非常关心工作,非常爱护孩子,但是他们不关心政治,他们手中的选票是摇摆的选票,谁都可以影响他们,谁也影响不了他们。克林顿的竞选团队发现了这点,这群人虽然占全民选票不到1%,但是他们的选票对未来却产生了巨大影响。他们发起了“向这些带孩子的妈妈伸把手”的运动,发起全国各学校禁止抽烟,媒体禁止暴力等系列活动。对这些“足球妈妈”而言,她们不关心政治,但是她们关心孩子,她们自己的生活中可以没有政府的力量,但是她们孩子的成长需要政府的力量,所以克林顿的这套竞选套路赢得了“足球妈妈”群体的支持,她们把选票慷慨的投了过去。这次竞选,谁也没想到,对结果起决定力量的是整个选民不到1%的“足球妈妈“群体。竞选顾问洞察出了这次竞选的关键因素(摇摆选民),找到了最重要的摇摆选民群体(足球妈妈),并提出了针对性的竞选策略(“向这些带孩子的妈妈伸把手”),帮助克林顿最后胜出。

 

[[169869]]

 

这次竞选是谁在策划呢?是马克•佩恩。他因此提出一个观点,小趋势是决定未来大变革的潜藏力量。

为什么我这么强调“小趋势”这个词?是因为在TalkingData运营的五年时间,我们也发现每个企业都在讲大数据,都在讲大数据能够预测,都在讲大趋势,但实际上真正对一个企业、对一个行业产生决定作用的不是大趋势,而是小趋;势,是我们从中找到的那些关键的人群。比如说我刚才还在感叹,去年和前年O2O的大会门庭若市,我们每次分享下面的人挤爆了头,但是你们可以看今天几乎是门可罗雀。今天还在这里的O2O企业,一定是在企业运营的某个方面,抓住了核心的群体,才能幸存下来。那些远去的人们他们可能在运营过程中,过多追求数量,追求市场声音,追求虚荣的资本估值,而忘记了任何一款成功产品的背后,最需要运营好的是核心用户群体,最终他们out了。

举一个例子,这是我们和一家银行做的一个理财产品的运营结果,数据分析之后我们发现他们在内蒙古有两个用户,一年的利息收入是2000万,而这个理财产品的年利息只有2.73%,大家考虑一下年利息超过2000万,利率只有2.73%,那么他们在理财产品沉淀的钱是多少?现金超过7亿。同时我们发现还有超过100个这样的用户,他们的年利息收入都超过500万,意味着存放现金超过1.8亿的还有100多位土豪。

 

 

大家能从这个数据当中得出什么样的结论呢?

第一,有钱人真多;

第二,有钱人没有有效的,更高利息的理财手段;

第三,有钱人厌恶风险,相信银行。

这些人群占用户数量不超过10%,但是却占据了整个现金池的90%以上,他们才是银行最应该去关注的人群,有没有有效的手段让银行挣到这部分人的钱?要怎么样规划理财产品?又怎么样帮助他们控制风险?这是很高的学问,这是我抛的第一个问题,这是我们在现实中遇到的。

第二个案例是游戏行业的。游戏行业有一个标准的规则,当然我指的是全手游行业,90%的人看热闹,9%的人付费,1%的人付很高额的费用在里面;玩,对;于很多手游公司来说,他所有的运营手段就是为了圈更多90%的人,其实有很多9%的人是要花更大精力,而抓住1%的人更需要高超的运营技巧。

 

 

有一个公司,他们做了一款很好的手游,在运营了3个月之后发现有一个玩家3个月付费超过50万买道具。但有一个特点,这位玩家玩这个游戏,无论掏多少钱买道具都会被人打死。所以这个手游公司就在想如何延长这个玩家的生命周期,他们想了一个妙招,我现在都觉得是叹为观止的手段。他们专门为这个玩家设计了无敌的道具,只要这个小孩买了之后,这个手游公司就有一个工程师上线,作为一个隐形人跟在玩家的后面,这个玩家跑在哪里工程师跟在哪里,帮助玩家打怪升级,最后总计获得了100万的收入。然而最终玩家没留住还是流失了,他们看到了第一点,忘记了第二点,他们抓住了1%,但是他们忘记了1%的人之所以在这里玩,要的是虚拟世界的成就感,他需要找出更多90%的人群捧场鼓掌吆喝才行,只抓了1%的人只顾着挣钱,把90%的捧场的人忽视了。这个案例告诉我们运营要抓住两点,既要抓住能起决定作用人群的钱,同时你也要抓住他们的心理作用,他们之所以在这里玩图得是什么,你得有相匹配的运营手段。

 

 

第三个案例,优步和一个银行做一个跨界营销活动,考核的是什么呢?考核的是借记卡或者信用卡绑定,在营销执行的时候就有两套方案。

第一套方案:把优步的优惠赠送给使用这个银行信用卡或者借记卡的那些没有车的人群;

第二套方案:把优步的优惠赠送给使用这个银行信用卡或者借记卡的那些有车的人群。

大家凭直觉想一下,优步是一个打车软件,赠送给哪一类人转化更高?几乎清一色的人都认为赠送给无车的人转化效率会更高。但最终结果不是这样的:无车的人群绑卡率只有2%,有车的人群超过10%。我们分析的原因是什么呢?有车的人已经习惯了有车的生活,在没车的情况下出行的第一直觉就是打车,所以他们的转化率要远远高于无车的人,这就是他们的一种心理。也就是说,我们在做业务的时候,既要抓住核心人群,还要抓住这些人群的社会心理特征去做相应的产品设计、运营优化和营销优化,不是简单的说我看到数据就行了。

举完这三个案例之后我们回头再看大数据业务每个阶段都在做什么。

中国很多做大数据的公司,追求的是什么?追求的就是Data,追求的就是数量。有一天有一个哥们把一个朋友介绍到我们公司来了,他说你们不是做大数据的吗?我们这儿有很多数据你买不买?我说啥数据?这个哥们从包里整出一个硬盘说,“80G,卖给你”。我觉得很好笑,大数据追求的不是数据的数量,追求的是数据的实时性,数据的维度、丰富度和特点。所以我们做大数据的时候,很多企业走了第一个误区就是像这个图显示的一样,追求的是多,但没有抓住大数据的内涵,这是第一个误区。

 

 

第二个,我们做大数据的时候需要对数据做处理和加工,分门别类的找出它每一个属性,你这个属性的实体代表什么,后面的属性是什么,你都要去做一些处理,而不是说数据就放在硬盘里面而已。这些数据的加工和处理意味着什么?意味着你对它背后所代表的数据属性的理解和洞察,对于数据算法能力的了解,如果没有的话,这些数据也仅仅是数据,它上升不到Information的阶段。

 

 

第三个,要形成知识,在座各位有做O2O的,也有很多我的客户,使用TD统计的时候,我跟很多人聊他们用什么,他们用我的统计系统变成了KPI系统,每天看的是新增、留存、激活、渠道和数据,其他都不看了。我说各位老大,我的系统不是一个KPI报表,我的系统有自定义事件,有漏斗模型,有AARRR模型,有渠道质量评估,有各种能帮你降低成本的东西,能形成一套知识方法论帮助你,你为什么只看数字这一点?只看表面浮华的,夸张的数字,仅此而已。那你可以想象他对这个产品的运营粗略到什么程度,如果一个企业老板这样运营和看自己的数据,那你能想象这个运营团队是怎么样使用他的数据,不可能做得很深!所以我给在座的各位鼓掌,很多企业经过各种繁华都死掉了,你们至少还在深入到这个数据里面去研究和解决你们的业务问题。

 

 

我用了这个数据统计对我的业务就能好了吗?不仅如此。有了这个之后你还要做Insight,就像刚才主持人开始说的一样,很多人都以为有了大数据就可以做预测,其实不是这样的,那是我们的梦想和理想,事实远不到这个地步,事实是什么?事实是我们先要用数据的方法解决我们的现有业务问题,帮助我们做产品优化和运营,我们才有可能说通过这些数据的理念和方法去预测我们产品的下一步和市场的下一步,去做一些决策,其实我们要做扎实的是第一步。第二步(预测)只停留在大部分科普作家的书中。当然你想做到最后一步是很艰难的,通过数据的洞察最后能形成某种智慧,对你所在的行业做高屋建瓴的指导和分析,这需要持续的行业积淀和思考。

 

 

拿我们的城市地图为例,一个城市里面所有的建筑物,这些不同的点之间可能有路的联网,最后哪两个点距离最短,哪两个点距离最长会变成知识,变成现在大家看到的导航系统,其实它的内核就是对大数据的合理运用。

 

 

这是我对大数据五个阶段的分析,以及我们发现的目前这些行业对数据使用和理解的误区。

想完成这些,对一个企业而言,需要有真正愿意为数据做分析做模型的人,真正愿意去挖掘业务场景和分析用户需求,他们认为数据是好玩有趣的,能够帮助企业解决问题的,能实现个人价值的。

更需要有对业务理解很深的人,他能够把产品和数据结合起来,帮助你对产品做一些优化、迭代、升级,甚至颠覆。你还需要一些领域工程师,这个更多的是指对大数据企业而言,你的数据要发挥作用,发挥价值,你不能对客户说我有10亿、8亿、20亿数据,你买我的数据吧,这些企业不会理你的。所有的企业,无论是金融还是互联网,无论是房产还是电商,他只会说我有一个风控问题,有一个这样的业务漏洞问题,有一个营销的困境,你们是做大数据的,你能帮我解决吗?问题就来了。数据公司只有数据、有算法,有模型。具体行业的公司它有什么?它有需求,所以你要和它结合,帮助它解决问题才能真正的发挥价值。

 

 

我认为对大部分企业也一样,为什么企业的老板只把数据统计系统当成KPI系统,是因为它没有有效衔接的原则,公司没有把前端业务和后端数据衔接,没有人去帮助它分析问题、解决问题,所以它也只能去看数据,而不能用数据。

最后说一下TalkingData做什么。应着我们今天的主题,我们做的实际上是发现各种类型带有小趋势的人群,先分析大的群体,再从里面找到更关键的人群,分析这些关键的人能提供什么价值,我们基于此提供解决方案,去帮助相应企业解决业务问题。

责任编辑:赵宁宁 来源: 计算广告
相关推荐

2020-12-03 10:17:25

Kubernetes架构微服务

2021-03-15 12:00:19

Kubernetes微服务架构

2018-07-02 08:57:27

码农业务程序员

2019-07-18 12:57:21

大数据互联网算法

2017-11-16 18:48:48

Hadoop数据库数据处理

2020-12-02 10:53:39

区块链技术

2024-03-29 10:10:16

异常Promise

2019-08-21 10:41:47

2016-12-27 13:10:37

2022-02-18 12:24:39

PythonNumpy Arra大数据

2021-03-29 22:58:34

大数据Java编程语言

2019-10-15 15:30:03

互联网大数据物联网

2021-04-08 17:35:30

数据中心企业数据中心云服务

2018-08-23 16:25:29

HadoopHDFS存储

2022-06-13 09:26:41

Promise前端代码

2018-07-18 09:00:00

区块链职位工作岗位

2018-09-27 18:56:25

区块链

2024-04-01 14:14:05

2012-06-27 09:11:47

2022-03-22 18:12:26

网络攻击数据安全安全威胁
点赞
收藏

51CTO技术栈公众号