关于我们

质量为本、客户为根、勇于拼搏、务实创新

< 返回新闻公共列表

大数据应用场景:除了“杀熟”还能做什么?

发布时间:2021-05-11 19:01:07

  大数据时代,数据应用非常受欢迎,大数据的应用场景也非常广泛,业务管理、营销和流量分发,在To  B、To  C产品中可以看到数据应用的痕迹。这篇文章中的作者对数据核心应用场景做了更详细的介绍,有兴趣的话一起看看吧。

  有一个非数据专业的朋友问,你一直在做大数据,大数据,除了“杀熟”,还有其他应用场景啊,能成为热门科学吗?

  在网上或新闻上看到了很多“杀熟”的负面报道,但大数据不知道能做什么,有什么价值,数据人每天在做什么,对不是数据线的人肯定不知道。因为最终,隔板可能会像山一样交错。(另一方面)。

  所以最近如何明确大数据的应用场景,而不是正名,只能在几年内再次审视自己大数据从业的初衷,为选择数据行业提供参考建议。(另一方面,数据也是如此。)(另一方面,数据也是如此。)

  第一次数据接触是在13年运营第一个微信公众号时,每天看后台读取、转发量、新用户数、累计用户数等指标,通过数据观察分析哪些内容会引起用户共鸣,促进转发,哪些类型的用户感兴趣,以及在哪个时间段批量阅读量更高。所以结了缘,毕业的时候选择了数据产品经理,但当时无知,还不知道大数据是什么。

  结合自己的数据实践经验,大数据的核心价值在于应用。也有把数据比作“原油”,经过加工后,用“汽油”、“柴油”、“油”处理后才能真正发挥价值。

  数据核心应用程序方案主要是面向企业内部(ToB)的决策分析支持和C端用户的智能应用程序。

  一、ToB:支持决策分析

  解决数据“什么”、“如何”、“为什么”、“如何”的问题,从拍照的定性决定到定量数据化管理。

  1.经营管理

  为管理层提供能够快速反映业务运营状态的完整管理指标,并为管理决策提供数据支持。

  让我举个例子。

  门票业务CEO每天早上都要打开电脑或手机看经营日报。一天,业务总利润指标同比减少了20%。其中华东地区下降35%,其他大部分地区增长。找华东地区负责人去后续处理。

  据调查,华东地区负责人以省、市、旅游区、门票资源重新分配,最终定位是迪士尼门票效率大幅下降。因为他命令对一个团体进行大规模的优惠活动,迅速跟进旅游景点商务。(威廉莎士比亚,北上广深)。2.运营优化

  提供产品迭代、流量通道政策优化、活动效果分析等产品运营所需的数据分析功能,以执行数据操作。

  1)重复产品

  修订产品功能之前需要进行数据分析,可以查看以前版本的用户使用习惯,确认实际上很少使用的功能,并且可以优化。

  修订后,需要对新功能进行数据监控,分析新功能是否实现了既定的重复目标。最常用的是其他交互方式、UI布局等AB实验,可能会影响用户转换。通过AB结果分析,确定最佳方案,用数据说话。

  2)渠道优化

  为了确保新用户,互联网公司需要投入SEM、信息流、应用市长/市场等多种渠道,但不同媒体的用户群体特征不同,广告投放的投资回报率差异很大。

  通过数据分析,可以对渠道进行分类,流量大,用户质量高,流量少就放弃,支持渠道运营战略的优化。

  3)营销分析

  今年5月1日,在疫情后迎来上下班高峰之际,各OTA推出了机票盲盒等多种休假活动。98元的机票为什么敢卖,不赔钱吗?

  事实上,设置盲盒产品的本意不是为了达成交易或控制成交量和控制费用。机票盲盒是现象级产品,提供用户共享、传播、品牌曝光、增强用户精神等其他附加值。

  因此,在此过程中,需要根据数据分析锁定成功率。需要在XX中控制的话,可以刺激用户传播,确保企业不受损。另外,还要分析参与活动的用户是什么特点、性别比例年龄本期学习,让广告预热我的活动。

  3.KPI监控

  以大数据为基础,提供系统稳定性、KPI波动监测功能、业务异常及时发现、快速防止损失。

  数据报表,数据产品主要寻找托管人数,而KPI监控根据业务规则定义指标的变动或异常,在指标数值超出范围后触发预警,及时通知,缩短问题发现时间,减少业务损失。

  今年5月1日旅行的最高峰,许多指标达到历史最高峰,对系统服务的稳定性是比较大的考验。除了提前提供应急保护外,服务异常也不可避免地发生,及时发现系统问题,修复系统问题,及时防止损失。

  4.业务预测

  基于大容量数据和算法挖掘功能,提供业务指标趋势预测,并提前布局资源。

  除了对已经发生的业务现象进行事后分析外,还可以根据大数据预测业务趋势。例如,在51、11公休日,通过提前预测工作量、应用服务早期压力测量、服务器扩展、客户服务人员早期部署计划等,不仅可以满足工作高峰,还可以实现人力和资源的最佳匹配。二、ToC:数字智能能力

  除了数据分析外,大数据的另一个方案是“更好地了解产品”,使适当的时间、场景和产品与最想要的用户相匹配,实现人品场的匹配。

  同样的产品卖1000韩元的杂牌Android机器的长30韩元,iphone  12 8000韩元的董事20,这被称为“杀熟”。张三经济水平一般,离开酒店一般会选择200~300的价格,请推荐经济型酒店。这4消费能力高,推荐高星级品牌酒店。这被称为千人千面配合推荐。

  1.精准营销

  基于用户画像标签,实现用户分层、准确触摸、精细操作。

  网上全面战争,流量获取费用相对较低,公司融资相对容易,可能不会为赛马圈用户收取费用。很多公司为了快速实现用户的增长,采取了广泛撒网的方式,例如向所有用户支付补贴,或者向所有没有下达订单的用户发送营销短信。(另一方面,网络也是如此。)(另一方面,网络也是如此。)。

  流动分红后的后期,用户需要持续增长,一方面要控制成本,提高投资回报率。

  这时,需要根据大数据标记用户,构建用户画像标签,根据各种业务场景对人群进行细致分层,然后精准触摸,将资源倾斜给高潜在客户。

  2.流量智能部署

  以算法为基础发掘用户行为意图,匹配最佳产品或服务,实现相纸的智能匹配。

  精准营销平台提供更多人选择的能力,产品或运营者根据经验筛选用户的条件。

  流量智能分发基于用户历史行为,利用用户或商品层面的协作过滤、聚类分析、逻辑回归等算法来识别入站用户的行为意图,并将差别化的产品功能或页面模块提供给用户。

  例如,大众评论改编10.0版本时,网站从商家目录改为小红书等信息流模式,通过比较重要的战略改编推动了信息流。

  对于喜欢观看的女性用户群体,我认为是很好的改编。用完就走的钢铁直男,开盘后很难使用,大量吐槽市场。(威廉莎士比亚,坦普林,直截了当,直截了当,直截了当。

  根据数据和算法能力,不喜欢购物的用户可以将分类金刚位显示为默认值,喜欢观看的人可以将信息流显示为默认优先级。

  3.个性化推荐服务

  提供应用程序、小程序等应用程序端产品的千人推荐,促进用户转换,提高用户体验。

  流量分发集中在用户行为意图、订单概率预测等宏观层面,并对产品功能和服务提供匹配推荐。

  个性化推荐的重点是内容本身的准确匹配。例如,算法推荐用户可能喜欢的酒店、旅游景点、旅游线路、美食、淘宝产品等,其目标是实现人与商品的匹配,缩短用户决策周期,迅速引导用户订单转换。例如,如果打开某个旅游应用程序,主页上会推荐正好想去的城市和相应的酒店、旅游景点和旅游线路。在这个时候,你更喜欢点击浏览和更快的地下订单吗?

  4.API服务

  提供产品功能重复、运营活动的用户订单、行为数据查询服务,将产品创新分配给数据。

  API服务是与算法建议相比,主要统计分析数据的服务化。例如,APP产品的新客户地区模块在用户进入页面时调用新客户和现有客户的界面,检查当前用户ID中是否存在订单,并仅在满足新客户条件时显示其运营位置。

  5.风控和防止欺诈

  以算法模型(知识地图、聚类分析等)为基础,识别黑产用户特征,防止羊毛等黑产或欺诈行为,减少业务损失。

  在互联网开发初期,2013年外卖、出租车事业等多个平台的疯狂补贴拉客,但由于产品、技术不完善,诞生了很多以单身方式获得补贴的黑山。

  数据完善,具有大数据算法功能,可以更准确地判断羊毛党或欺诈用户的特征,不向风控用户提供优惠或禁用该服务。

  6.舆论监测

  有时舆论的方向足以破坏一家公司。过去几年里,著名女演员炮轰某旅游公司,指责有机票产品的强制捆绑销售,微博一石激起千层浪,甚至整个OTA行业受到冲击,对公司口碑和业务收益产生了巨大影响。

  利用大数据的手段,将与公司业务或关键词相关的舆论数据爬向爬虫,利用文本挖掘、情感识别手段,对负面舆论的首次发现进行宣传及时对接,最大限度地减少舆论的影响。

  7.AI应用程序

  大数据的出口叫AI,AI可以理解为大数据的重要应用方向,但AI不是一切。

  机器学习算法、神经网络模型不是新词,90年代已经出现,但由于当时计算机资源计算力的限制,应用无法落地。现在,随着计算机性能的不断提高,从CPU到GPU,以及分布式群集和云资源的灵活扩展,这些模型的应用价值开始凸显。

  AI的本质是以大量数据为基础对算法模型进行训练(监督、无监督、反毒等),输入新内容时可以进行图像识别技术、语音识别等自动分类或识别。

  商务可以应用于商业照片优化。也就是说,产品列表页面可以通过算法自动确定视觉效果最好的照片,引导用户提高点击转化率。因为美丽的心都在。在酒店网站上上传美丽的海景要比放一张马桶照片好得多。(约翰肯尼迪,北方执行部队)。

  三、总结

  大数据的应用场景远远超过上述案例,业务持续增长,大数据的应用价值也将持续创新。数据职位比公司前端业务部门的价值更隐秘、更长期。C端推出暴涨的产品会给公司带来很大的利润价值,数据大部分都在背后支撑的位置。(大卫亚设,Northern  Exposure(美国电视),数据)作为数据人,要理解自己从事的领域的价值,能抵御孤独,即使没有花和掌声,也要不断地自我创新,用数据在工作中发挥能力。



/template/Home/Qiggg/PC/Static