##[数据运营]Datatist数据运营优化--(上海画龙信息科技有限公司)

干货|这样进行数据运营优化，不是双十一交易额也能创新高
http://mp.weixin.qq.com/s/GxkZz4o1ucTbN9Yw1j09WQ

• Github项目: awesome-coder-resources：编程/学习/阅读资源---开源项目,面试题,网站,书,博客,教程等等...欢迎Star,欢迎围观...

我们要怎么通过数据驱动的运营优化来帮助企业提高转化，达到赶超双十一的效果呢？

11月6日，由喔耶中国发起的“喔耶全球数智营销峰会”在上海交通大学文治堂盛大开启，此次峰会邀请了很多企业家和营销界的意见领袖。Datatist 创始人宋碧莲 Sophia 作为受邀嘉宾之一发表演讲：数据驱动的运营优化，以下是文字记录。

---

今天的分享主要是介绍如何做好数据驱动的运营优化，如何用好大数据，怎么从外部用户中寻找到合适的新用户，怎样从新用户中挖掘出可能活跃的用户，再从活跃的用户中精准定位可以转化的价值用户。
对于外部运营渠道来拉新，我们有很多的传统方法比如SEO、SEM、广告、社交媒体等。然而我们希望用户拉来以后，不仅浏览和注册，而且要转化为价值用户，所以我们会对用户使用内部运营渠道进行触达，比如发电子邮件、短消息，并将这部分活跃用户转化为价值用户。如何精准定位这些目标用户，对于提高运营优化效果有关键性的作用。

数据运营的优化目标

我们强调每次数据运营首要的是定义该次运营的优化目标。由目标驱动决定该用什么方法，数据和模型来支持实现这个目标。
优化通常有局部优化目标和全局性优化目标。

数据运营的总体目标是要提高拉新，活跃和转化这几个核心漏斗的转化率。

局部优化

---

上述每个环节的实现都是一个局部优化目标。
比如对于从外部用户获取新用户的过程中，我们就完成一个局部优化目标 ---- 最大化外部漏斗转化率， 既拉新转化率。
而从新用户转化为注册用户，又是另一个局部优化目标--最大化注册转化率。

对于拉新我们很容易犯一个常见错误:以为拉的越多越好。其实不然。首先我们要想公司的优化目标是 什么，让拉新的用户尽可能完成注册这个流程才是关键。

比较100 个拉新 1 个注册 和100 个拉新10个注 册，显然第二个转化率更高。很多公司都希望从外部渠道拉进来的用户越多越好，但很多情况是虽然拉 了1000万用户，但留存率极低，和精准投放少拉点用户但转化和留存更高相比，显然是后者能够帮助公 司节省大量的拉新成本。

还有，如果拉新的时候是研究过企业内部客户画像特征再精准投放的话，显然 拉来的客户有更大的潜力注册和留存为活跃用户，比盲投拉新的效果要好很多。

还有一个环节的局部优化目标是将已有的活跃用户转化为价值用户。100个活跃用户里面转化为1个付费 用户和100个活跃用户里面转化为10个付费用户，显然第二个转化率高。

但单个实现这些局部目标，都只能意味实现了局部商业指标，都不能意味着达到我们公司的总体目标。

全局优化

全局优化:对于拉新来的客户，看一共转化了几个价值用户，最大化这个转化率就是全局优化。

其实对公司来说，最希望看到投资回报比(既投入产出比)的最大化，这就是总体目标。对于上面这个案例，拉新是投入，不管拉了多少新用户，只有到最后的付费才能给公司带来盈利，也就是产出。拉新 并不代表注册，从拉新以后，最后有多少人产生了付费用户?100个拉新和1个付费用户，10个拉新1个付费用户哪个好?100个拉新比10个拉新，完成了更大的拉新商业指标，但只有一个付费，从投资回报比来看，第二个还更好一些。大家要重点放到转化率上，不能为了拉新而拉新，光花大量的钱在拉新渠道上，而是要想最后的投资回报比怎么做才对公司是最好的事情。

市场营销优化如何实施？

我们介绍的是一套通过机器学习用户特征，精准定位目标用户的运营优化方法。这里面又分局部优化方法和全局优化方法。
局部优化方法
1)通过精准预测注册用户提高注册转化率:
通过精准学习拉新转化为注册的用户，预测哪些人会注册，对最可能注册的用户进行触达、刺激，应用营销手段将它转化。
2)通过精准预测价值用户提高交易转化率:
另一块是通过学习活跃用户的特征，发现哪些人曾经转化成了价值用户，将这些共同特征挖掘出来，训练模型，精准预测活跃用户当中哪些会购买。

全局优化方法

我们有一套内外闭环的运营优化方案，闭环是我们学习现在已有用户的特征，从里面挖掘出共同特征之后，再到外部渠道精准定位，推荐最可能转化的新用户进来。

**数据运营优化的整体步骤? **

---

通过下面几个步骤，我们可以拿到既实现局部优化又实现全局优化的目标。
第一我们需要仔细研究在线用户行为特征，这个前提是先采集这些用户的行为，之后进行分析用户行为，找出他们的特征。
第二是画像或者分类，通过各种方式，对用户进行各种角度的画像。根据用户需求，把用户进行合理分类。这样做的目的，一是精准定位出我们的目标人群，二是根据不同人群的特征制定个性化的策略。
第三是基于预测做目标定位，机器学习用户行为，科学预测它下面会做什么事情，再精准输出用户名单。
第四进入了营销渠道范畴。我们期望用什么样的营销手段触达这些人群，选用什么样的方式触达他们， 第五是通过合理的A/Btest来评估营销效果，跟踪和循环迭代优化内部营销效果。

这是一个内部渠道闭环的精准定位过程。

---

第六是外部循环优化，将这些已有用户的特征学习好之后，反馈给外部渠道。传统的拉新渠道比如打广 告，或者在Facebook上寻找人群之后对他进行投放，我们学习好用户行为之后再精准定位。 这是一个和 外部渠道打通的闭环精准定位过程。

成功的硅谷团队经验

成功的硅谷团队经验 我们核心团队大多来自eBay和LinkedIn。在数据驱动运营优化方面有很多实际成功案例。

以这两个公司为例，eBay的线上营销有十几年的历史，每年花费很多，光从谷歌买关键词一年就要投入 几千万美金，除此之外还有很多其它渠道。营销优化的模型和方法非常的丰富，比如渠道ROI优化、广告 优化，价格优化，落地页面优化等，通过我们团队的努力，曾经为eBay挖掘了上亿美金的机会。

在LinkedIn时候，我们通过机器学习的方法将新用户的内容活跃度、老用户的价值转化率都提升了数 倍。曾经挖掘了1%的最有价值用户，他们产生壳30%-40%的价值，付费意愿比一般活跃用户高出30多 倍，这对公司的盈利模式来说意义非常。

企业如何自主实现数据驱动营销

首先公司要有专业人才配备，要有一个从数据采集，基础架构，产品分析、用户分析、市场分析、销售分析到数据产品的团队。

第二是要有科学的方法论。我们做大数据最重要的不是获取数据、洞察数据，而是如何采取商业行动， 进行优化。

优化的理论非常重要，我们应该从优化的目标开始，去思考如何设计数据采集，而不是从数据出发，挖掘出来某些自认为有用的东西，这样往往会偏离业务方向。

第三是具体的实现。具体的方法大概是这样:首先埋点，采集数据，然后对用户进行分析，分群，然后 做各种优化，包括目标定位优化、个性化推荐优化、投资回报比优化等等。最后我们可以用机器学习， 精准定位目标用户，比如预测谁会购买，通过Campaign推送给这些目标人群，进行个性化推荐，更加 历史经验，往往可以达到数倍的优化效果。

我们的使命

以上的实现非常依赖于有丰富数据和运营经验的团队。然而据报道，中国每年有100万的大数据人才需 求。而其中2/3的岗位都招不到合适的人才，这个问题将持续很长时间。企业如何面对这样的急需运营优 化，又如此人才匮乏的困境呢?

我们Datatist(上海画龙信息科技有限公司)的解决方案是把以上这样的海外成功经验做成产品，提供一站式的大数据运营优化平台，带给中国的企业。希望用最先进的，而又简单易用的产品，服务好中国的公司。也希望和其他做品牌营销、大数据公司建立一个数据营销生态圈，紧密合作，一起做好营销优化。

后面关于我们的一站式大数据运营优化产品的介绍，和如何应用这些产品进行优化的实际案例，大家有兴趣可以加入我们的运营优化微信群，我们会进行线下分享。