数字用户资产管理

标签:大数据资产管理CDO数字用户

访客:33769  发表于:2015-09-11 11:32:11

我今天跟大家分享的话题是企业精细化运营不可或缺的血液,谈数字用户资产的管理。易观服务的企业基本上都是2C的企业,在我们和企业接触过程当中,我们发现2C的企业都会面临这样的问题,我们如何发现用户潜在的人群,如何把潜在的用户进行转换,如何把既得的用户价值提升,让他们使用更多新的产品,逐步升级使用一些产品。用户在衰退期的时候,如何能够延长用户的生命周期。对于流失的用户如何赢回这些用户。对于这些问题,不同的企业有不同的侧重点。

数字用户资产管理

                                易观智库产品中心总经理朱江

 比如说从行业上来说,比如说销售企业,由于产品的销售周期比较长,所以更多的会重视潜客的获得,就是潜在用户获得。而对于一些短消费周期的,比如说快消品,金融、零售这些行业,他们会更关注既得用户上提升用户的体验,对既得用户提升产品的交叉营销,二次营销,也包括对用户品牌的粘性,忠诚度的提升。企业处于不同的市场格局过程中,也有一些战略的侧重点不太一样。对于处于市场格局没有完全确定,品牌占有率仍有空间,企业更多的会采取对于市场推广,对于潜在用户的获取上的策略。而对于市场格局不确定,品牌占有率饱和的企业来说,比如说日化行业对用户采取的策略,更多的是对既得用户的提升。

无论什么样的企业,无论处在什么样的市场格局下,都逃不开我们总结的三方面的数据管理。对于潜在用户如何精准营销,对于潜在人群进行获客管理,通过数据发现这些人群,提高营销效率。那么对于既得用户,在成熟期中,把用户的价值如何做细分不同价值的用户人群,针对不同的用户人群对产品进行交叉营销,就是说对单个用户的价值的提升。第三方面用户在衰退期之后,如何让用户对品牌的忠诚度提高。对互联网企业来说,对于用户如何更好的满足用户的需求,保证用户的粘性。所以我们需要对企业的用户数据做精细化的管理,我们觉得需要建立一个用户数字资产的管理平台,这个平台需要将用户数据从移动端的数据,线下的数据,各个环节的数据接入数据平台中,在这个平台对数据进行统一管理,这个管理可能是一条一条的,包括对数据进行标签化,对标签化的数据进行建模分析,对外部的应用,使用这些数据的应用提供数据接口。当用户使用的这些应用进行反馈数据以后,我们把反馈数据进行激活进行数据更新。我们用到数据的系统,包括CRM的系统,包括营销工具都会用到企业用户的数据。

搭建数字用户资产管理平台,我们可以分为这样五个步骤,首先将多渠道数据进行整合接入管理。企业或多或少会有自有的企业,除了将自有的数据接入数据仓库以外,我们还需要接入更多的外部数据。第二步因为数据格式各种各样,我们需要将数据进行统一化,统一的方法,我们需要对用户的数据进行标签化。第三步就是在统一标签化的用户数据上去做数据建模和数据挖掘的工作。之后把建模和数据挖掘的结果,通过开放的接口向外部应用和内部应用提供数据支持。第五步就是我们未来的业务方向,我觉得这种业务方向,离我们也不会很远,就是把用户数据进行脱离化处理,对外部进行开放,进行数据商业化的模式。

首先我们来看一看,对于用户数据维度以及来源渠道有哪些。企业或多或少都会有自有的系统,保存着各种各样的用户数据。这一部分,可能包括CRM系统,包括自有的一些电商的平台,一些渠道,包括内部的POS甚至线下的零售系统等等。还有大部分的数据是来源于外部的数据环境,比如说搜索引擎,比如说EDM邮件,比如说广告的DSP,还有可能是社会化媒体第三方支付平台等等,当然这里面也有第三方的数据提供商。我们把这些数据进行归类,对于描述用户数据维度来说,首先对用户的基本信息进行描述性的数据,这就是描述用户,可能包括用户的标识,用户的人口属性和地理位置。再一个就是描述用户的行为,描述用户什么时间做了什么,以及如何做事情。这些数据就比较丰富,包括内容偏好,对资讯、视频内容的偏好,对于交易的一些偏好,对于品牌的一些偏好等等。
刚才说的这两个维度的数据,都是客观的一些事实的数据。在这个基础之上,我们需要对客观的数据进行建模和分析,从而得到客户行为背后的原因是什么,这个可以描述用户的生活方式,需求动机和价值观等等。所以这些数据接进来以后,我们需要一个数据仓库的结构管理这些数据。这个结构基本上可以分为这几个层次,首先从最下面的,我们把外部的自有的数据和第三方的数据进行接入然后存储起来,在存储过程中我们可能需要进行结构化的处理,一层一层,从原始数据加工成基础数据,再加工出来指标数据。这个过程伴随着不同的信息匹配的过程。
接下来对于基础数据和指标数据可以做建模,对用户进行模型输出,进行打标签。所有的这些标签数据和指标数据,我们都可以放在数据服务层,面向不同的应用方向去提供数据支持。当然了所有的数据支持需要数据底层对数据的安全性进行保障。企业针对自有的业务特点,需要建立自有的用户标签体系。所以从用户数据的获取到输出,模型的设计,包括我们对用户的划分,都伴随着自己业务的特点去进行有选择的设计。而且在数据应用方向中,我们也需要用户的应用方向的效果反馈回来,对模型的修正,对标签的更正起了数据闭环的作用。
刚才我们说到,我们需要外部的数据对用户的标签进行补足。无论我们企业自身对用户的数据有多完善,这些数据可能只是企业和用户接触过程中,对于这个企业的产品和服务平台的一个侧面,一个切面。那么对于用户在其他场景下,在其他不同环境下,他的行为特征和生活形态到底是什么样的,可能是缺失的。因此我们需要更多的去满足外部的,用户在其他环境下产生的行为数据。其中我们认为在移动互联网时代,用户在移动端的行为是非常重要的,因为在移动互联网时代,用户的使用智能终端的时间最长,频率最高,以及在空间上伴随着用户在不同的场景,不同的地理位置都能够接触到用户的行为。所以我们认为需要对用户在移动端的行为进行补足。这样我们才能形成一个对于用户一个比较完整的360度的用户画像。
易观智库在移动端的行为监测已经持续了一两年的时间,我们累计了一定的数据,建立2000多个用户标签,我们可以把标签划分成四大类,从用户的设备使用情况,到人口统计的特征,包括对用户行为的描述,以及在行为基础之上,对用户的行为背后的主观意识进行分析的标签。有了这些标签以后,我们可以对用户进行用户画像的描述。用户的标签,都是用户在移动端对App的使用情况进行的分析,所以我们这儿举一个例子,我们如何把用户对于App的使用情况进行划分进行用户画像。
首先我们要确定滤出超级App,把特定的App能够带给用户不同的偏好,娱乐偏好,以及出行、餐饮时间空间上的变化,用App列出来,对于App的一些特征,我们进行描述,把相关的因子聚成进行分组,在分组的情况下,我们对用户进行聚类分析,可以得出不同的用户人群。
对于每一个人群我们可以对他进行用户画像的描述,这个体系,易观智库描述画像的体系分成两大块,一块给用户生活形态画像。这块主要描述用户在什么时间出现,他的行为属性都是什么样的,而另一块是对用户行为进行画像,这部分的画像主要是面对集中分析去使用的。用户在使用不同产品过程中差异是什么,用户在不同的App上使用的频率和时长有什么样的差异,从而代表他对不同的App的差异,以及他的行为有什么样的规律,我们对他未来的行为进行预测,采取相应的策略。
易观智库有一个产品叫易观万像,提供移动端用户行为画像,把不同的人群标识输入到系统中,我们可以看到用户在移动端不同的App的迁移习惯是什么样的,用户从某一个App迁移到另一个App的规律,以及不同App之间的关联强度到底有多大。另外用户在不同的时段关注的领域、差异有什么。然后每一个人群的特征标签描述的聚类是什么样的,以及这些用户在不同的应用中产生的体验到底是什么样的特征。用户在不同的时段使用的App有什么样的差异。
最后我想回顾一下,现在企业或多或少都有自己用户的数据,那么我们需要把用户数据进行整合,内部的,外部的进行整合。但是整合以后,并不代表全部都有价值,我们需要对数据进行持续更新。因为在移动互联网时代,用户的需求,用户的行为变化非常大,如果不能保证用户数据的时效性的话,可能我们得出的一些结果不够精确。对于用户的行为和需求变化我们需要进行模型的建立时时刻刻对数据变化进行更新。也有可能分成不同的业务目标对用户进行数据价值的挖掘,无论是哪个方法,我们都希望从数据的挖掘分析过程中得到用户整个的行为规律是什么,从而我们能够判断用户的行为变化,进行更新,从而采取相应的策略进行应对。如果说过去的时代,用户数据对于企业的运营来说是一种奢侈品,或者是营养品,我们相信现在和未来可能我们用户数据是企业运营不可或缺的血液。我今天的分享就到这儿,谢谢大家。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");