教你如何成為數(shù)據(jù)驅(qū)動精細(xì)化運營的黑客

在前不久的一次線下的交流活動中，我給現(xiàn)場學(xué)員出了幾道有關(guān)數(shù)據(jù)驅(qū)動和用戶畫像的題目，結(jié)果很有意思，我分享一下幾個典型的題目和答案統(tǒng)計如下：

問題1：想要用戶增長你會怎么做？

幾乎90%的學(xué)員都選擇了要了解現(xiàn)有用戶分層結(jié)構(gòu)。

問題2: 實現(xiàn)千人千面產(chǎn)品最需要的企業(yè)能力？

從回答的結(jié)果來看：90%以上的學(xué)員選擇了數(shù)據(jù)采集，近80%的學(xué)員選擇了算法建模。

問題3: Profile形成的用戶畫像可以用在什么領(lǐng)域

從回答的情況來看，近95%的人選擇了精準(zhǔn)營銷，近89%的人選擇了個性化服務(wù)。其他問題限于今天的篇幅，下次舉例給大家。

所以今天的關(guān)鍵詞就是用戶分層、精準(zhǔn)營銷和個性化服務(wù)，似乎很多企業(yè)都在希望可以通過大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)來實現(xiàn)技術(shù)驅(qū)動精細(xì)化運營，降本增效，但為什么效果都不好呢？

要成為可以實現(xiàn)數(shù)據(jù)驅(qū)動精細(xì)化運營的黑客，你的團(tuán)隊需要做好這些事情：

企業(yè)的數(shù)據(jù)驅(qū)動運營的基礎(chǔ)：數(shù)據(jù)采集和整合

舉一個比較具有代表性的例子：

• 某在線旅游企業(yè)的主要業(yè)務(wù)是目的地度假、機(jī)票及門票線上銷售業(yè)務(wù)
• 該集團(tuán)有大量線下營業(yè)的門店，店內(nèi)也有銷售終端負(fù)責(zé)線下訂單管理。
• 該企業(yè)有“XYZ游”這個產(chǎn)品，主要以“XY游”APP+H5站提供服務(wù)，分“安卓”及“IOS”兩個版本，可從應(yīng)用市場下載，使用友盟分析工具
• 該企業(yè)后臺收集了部分注冊信息和訂單數(shù)據(jù)，與友盟數(shù)據(jù)有差異。用戶為中、高端的自由行的客人，提供目的地度假服務(wù)，包含行前、行中、行后服務(wù)。
• 該集團(tuán)管理層希望對對潛在用戶（關(guān)注未注冊）、實際用戶（已注冊）、休眠用戶做360度的全貌了解、分析；對每次在APP中或搜索引擎廣告、微博、微信等新媒體中做的活動，做實時的了解及評估，制定有效的業(yè)務(wù)增長方案。
• 更進(jìn)一步，由于人工智能很火，該集團(tuán)希望通過引入大數(shù)據(jù)和人工智能降低人工運營成本，并實現(xiàn)的數(shù)據(jù)驅(qū)動的自動化運營效果。

我相信這個集團(tuán)是希望能夠像我們在集訓(xùn)營中教授那樣可以通過對數(shù)據(jù)的利用，從人工規(guī)則過渡到通過輸入有效數(shù)據(jù)，來訓(xùn)練系統(tǒng)建立決策模型，達(dá)到部分甚至全部自動化的階段。

所以好像下面這樣的解決方案可以滿足他們理想中的“數(shù)據(jù)和AI驅(qū)動運營”了吧？

這看上去似乎是一幅很美妙的前景，不是嗎？

如果你深入分析上面這家企業(yè)，其實整個團(tuán)隊連數(shù)據(jù)收集和整合處理的基礎(chǔ)工作都沒有做好，我列舉一下可能的情況：

1. 該企業(yè)沒有一套完整的數(shù)據(jù)倉庫，把外部和內(nèi)部的數(shù)據(jù)保存完整（Raw Data，非采樣數(shù)據(jù)）
2. 該企業(yè)的用戶行為數(shù)據(jù)沒有設(shè)計規(guī)劃過數(shù)據(jù)采集策略，比如對“新增”，“活躍”，“崩潰”，“會話”，“事件”等數(shù)據(jù)基礎(chǔ)指標(biāo)的定義不準(zhǔn)確，數(shù)據(jù)上報的頻率，場景，類型沒有規(guī)劃。
3. 各業(yè)務(wù)平臺：各個網(wǎng)站（官網(wǎng)&移動網(wǎng)站），不同版本的APP用了完全不同的技術(shù)供應(yīng)商，數(shù)據(jù)完全缺乏可信度。
4. 各個外部渠道的數(shù)據(jù)追蹤不準(zhǔn)確，包含：廣告渠道（比如：SEM搜索廣告、百度品專、付費應(yīng)用市場）、免費渠道（比如：organic搜索、免費應(yīng)用市場）、直接流量、合作渠道等
5. 后臺的訂單和注冊數(shù)據(jù)缺乏與行為數(shù)據(jù)關(guān)聯(lián)整合的手段
6. 所有的運營及營銷效果數(shù)據(jù)靠人工跑數(shù)據(jù)，并經(jīng)常出現(xiàn)字段意義混淆，或者干脆沒有相關(guān)數(shù)據(jù)

下圖是一個大型電商企業(yè)的數(shù)據(jù)埋點混亂的示例

試問，在這種情況下，不要說在各個網(wǎng)站和APP對每個用戶做到千人千面了，哪怕是最基本的數(shù)據(jù)分析和挖掘都可能無法實現(xiàn)，還談什么人工智能驅(qū)動業(yè)務(wù)運營呢？

俗話說，工欲善其事，必先利其器。

拿餓了么的例子來說，一套智能化的千人千面產(chǎn)品背后必然有著堅實的平臺和工具體系，餓了么的搜索推薦體系包含橫向的基礎(chǔ)設(shè)施層、數(shù)據(jù)及特征層、算法及模型層以及縱向的策略支撐平臺和業(yè)務(wù)運營平臺。

基礎(chǔ)設(shè)施層可謂是最底層的設(shè)施，包括大數(shù)據(jù)處理平臺、機(jī)器學(xué)習(xí)平臺、實時計算平臺，用來提供最基礎(chǔ)的數(shù)據(jù)處理能力和機(jī)器學(xué)習(xí)能力。

數(shù)據(jù)和特征層包括為搜索推薦廣告等業(yè)務(wù)構(gòu)建的私有數(shù)據(jù)倉庫和主題集市、實時生態(tài)數(shù)據(jù)體系、文本和標(biāo)簽挖掘體系、用戶和商戶畫像體系以及特征處理中心等。

策略支撐平臺包括模型管理系統(tǒng)、AB測試引擎、實時效果監(jiān)控及Debug系統(tǒng)等，主要是為了提升整個算法流程的效率，快速進(jìn)行迭代。以AB測試引擎為例，搜索推薦的各個服務(wù)均已接入，每天運行的千人千面的算法測試有幾十個以上。

業(yè)務(wù)運營平臺主要是供產(chǎn)品、運營人員查看和調(diào)整算法層面內(nèi)容的平臺，包括流量調(diào)控系統(tǒng)、排名可解釋系統(tǒng)、詞庫和標(biāo)簽管理系統(tǒng)等。

一個典型的數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的例子（含AB測試）

下圖是一個旅游平臺酒店的用戶畫像案例。通過把用戶與業(yè)務(wù)屬性相關(guān)的數(shù)據(jù)進(jìn)行線性回歸計算，然后把結(jié)果偏好映射到了二維表。二維表的數(shù)值越高，代表用戶的消費能力越高，最后可以基于這個映射過程做“同類人推薦”。

在大型的旅游平臺里，用戶經(jīng)常會瀏覽酒店下方的評論，這些評論可以通過文本挖掘的方式形成標(biāo)簽，例如“價格適中”、“安靜”、“床品好”等描述詞，然后再通過自然語言處理算法形成數(shù)據(jù)模型，并內(nèi)置在系統(tǒng)中給每個點評打出用戶標(biāo)簽，這樣的做法可以影響到新用戶的轉(zhuǎn)化率。

當(dāng)一個新用戶在瀏覽過程中，系統(tǒng)可以根據(jù)這個用戶的標(biāo)簽，篩選到類似的點評首先展現(xiàn)在頁面上，會對轉(zhuǎn)化率有一個很大的提升。

▍通過AB測試驗證相關(guān)性

在上面講講到的酒店案例中，在一開始上算法的過程中，其實是不能保證一定可以有效提升轉(zhuǎn)化率的，因此要做AB測試。

A/B測試是現(xiàn)代科學(xué)方法特別是西醫(yī)的基礎(chǔ)，可以用于企業(yè)的科學(xué)決策，保證業(yè)務(wù)的確定性持續(xù)性的增長。A/B測試已經(jīng)逐漸替代傳統(tǒng)的“拍腦袋”決策方法，在互聯(lián)網(wǎng)行業(yè)有廣泛的應(yīng)用。

實際上一些很有名的例子，一些很有名的增長公司都是這么做的，比如說 Aribnb，他們所有的頁面修改和流程上的調(diào)優(yōu)，都會通過灰度發(fā)布到1%，或者5%的用戶，去看訪問時間，去看留存，去看下單，只有好的它才會上線，壞的它就會砍掉。

Google 每個月都會做幾百個測試，其實有一些給 Google 帶來了很多的營收增長，也有很多是很失敗的項目。Google 在幾百個里面，可能最后有10幾個成功了，這些產(chǎn)品經(jīng)理他們可能很驕傲，自己的產(chǎn)品能夠給全世界所有的用戶用，還為公司帶來了2%營收的增長，僅僅通過 AB 測試的方式 Google 就可以達(dá)到華爾街的要求。

有一些東西真的只有測試過才知道，就是產(chǎn)品經(jīng)理、運營人員、技術(shù)人員，沒有辦法理解的，比如說 Google 的廣告位，如果你左移一個像素你就會賺錢，左移兩個像素你就會虧錢，沒有任何人知道為什么，但是 AB 測試可以告訴你。所有的改動都需要提前經(jīng)過測試之后才可以上線。

Facebook 更是這樣，他們的移動端尤其如此，會把所有的新功能都集成到代碼里面去，然后再把未來6個月要做的試驗都集成進(jìn)去，不斷地去測。除了 Facebook 的產(chǎn)品得到提升之外，它還得到一個特別好的口碑叫沒有 bug，可以想象 Facebook 幾十億的下載，它沒有 bug 是多么的可怕。國內(nèi)的百度搜索、大眾點評、知乎這些網(wǎng)站，他們也都會做自己的 AB 測試，當(dāng)然他們做的也都很好。

上圖是谷歌的一個工作流程，在任何項目實現(xiàn)之前，都需要先做一個小流量的測試。AB測試是利用統(tǒng)計學(xué)原理，把一個產(chǎn)品上的用戶，按照流量的算法進(jìn)行區(qū)分，排除相互干擾的因素進(jìn)行測試。通常會進(jìn)行三組，一組是原來的版本，第二組是測試的試驗組，第三組是一個對照組（與試驗組不同的方法，用于排除某一個特定的元素）。

在做AB測試的時候也需要根據(jù)用戶標(biāo)簽做篩選，根據(jù)特定用戶群體做驗證。關(guān)于AB測試的70%的結(jié)果，很可能是讓你意識到你的實驗結(jié)果沒有統(tǒng)計性上的顯著相關(guān)性。也就是前面的相關(guān)性表格，如果相關(guān)性不顯著，可能這個方案就要放棄。我這里再強(qiáng)調(diào)一下相關(guān)性因果性的事情，大家可以看下面這個例子：

如果說一個外星人來到地球，發(fā)現(xiàn)下雨的時候經(jīng)常出現(xiàn)雨傘，所以他判斷“因為有雨傘，所以下雨了”，這個是有問題的。雨傘和雨是相關(guān)性的典型例子，用因果來判斷會導(dǎo)致以為不帶傘就不會下雨的謬論。因果其實也是我們?nèi)祟愒谔剿鳟a(chǎn)品改版，或者遇到未知問題時候的一種思維模式，我們希望通過A來驗證B是否產(chǎn)生，來判斷A導(dǎo)致B，而往往陷阱就在這個思維模式里面。

希望大家如果在實戰(zhàn)當(dāng)中要用到 AB 測試，可以看微軟的科學(xué)家Ronny Kohavi 總結(jié)的八條經(jīng)驗，非常非常黑客的經(jīng)驗：

• 經(jīng)驗一. 效果驚人，某些很微小的改動，就可能造成對你 KPI 巨大的影響。
• 經(jīng)驗二. 大多數(shù)改動都不會大幅度提升 KPI，所以你需要耐心。
• 經(jīng)驗三. Twyman 法則，凡是看上去很出人意料的圖表，通常都是因為數(shù)據(jù)統(tǒng)計錯了。
• 經(jīng)驗四. 各個產(chǎn)品幾乎都不一樣，你復(fù)制他人的經(jīng)驗，往往都沒有什么效果。
• 經(jīng)驗五. 任何能加速用戶響應(yīng)時間的改動，都會帶來 KPI 的正向提升。
• 經(jīng)驗六. 點擊率是很容易提高的，但是流失率是很難改進(jìn)的，千萬不要把精力放在優(yōu)化某個頁面點擊率上。（其實要提高點擊率非常簡單，你只要在這個頁面上加一個大美女就可以了，但是它并不能帶來你真正實際上的增長。）
• 經(jīng)驗七. 盡量不要做很復(fù)雜的大量改動的實驗，而是要做很簡單的小的迭代。
• 經(jīng)驗八. 幾千上萬的用戶才容易展開高效的 AB測試。

文：顧青?@共相Ebizcamp(e-bizcamp)

首席增長官CGO薦讀小紅書推廣：

• 《 楊三瘋：建立用戶體系實現(xiàn)精細(xì)化運營 》
• 《 產(chǎn)品運營：產(chǎn)品、成本、數(shù)據(jù)、客戶……微商如何做到精細(xì)化運營？ 》
• 《 首席增長官：兩點確立留存分析怎么做 》

更多精彩，關(guān)注：增長黑客（GrowthHK.cn）

增長黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊角色。從單線思維者時常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…