打通数据壁垒聚焦企业核心数据

马云创造了“DT”（大数据时代）这个词，“未来社会不是IT时代，而是DT时代，大数据就是「新能源」。”在大数据背景下，搭建高效的数据运营体系，不仅是运营人员的工作，也是产品、市场和研发的共同愿景。

为了更好的“满足个性化数据需求”，诸葛io API 已全面升级为2.0版本，致力为企业客户打造更加开放、更加高效、更有价值的智能数据决策平台，全面开放了统计接口、用户查询接口、行为轨迹接口。

诸葛io API 2.0之统计接口
诸葛io全新升级的API2.0提供数据统计接口，实现自动统计功能，适用于返回的结果是人数、次数等数字的统计指标，帮助企业构建个性化指标。

举个例子，赵云在一家互联网金融公司做数据产品经理，除了日常工作外，他还有2件事：1、搭建内部的数据统计平台；2、基于诸葛io平台，监测用户行为数据并构建各类指标。

近来，他经常抱怨工作量超负荷。原来，为满足市场同事的精细化评估，他必须手动汇总监测2个指标：
1、通过诸葛io每天统计昨天各渠道新增当天就注册并实名的人数；
2、每个渠道新增当天就注册并绑卡的人数；
此后通过用户分群功能，将该群体导出到excel，并生成柱状图与过去几日进行比较，每礼拜给市场同事发送一次。如此每天机械化人工筛选数据，不仅占用过多的精力和时间成本，而且渠道数据也非常滞后（以周为单位），数据质量无法保证。

通过诸葛io开放的API2.0，调用统计接口，服务器每天凌晨会自动计算满足筛选条件的人数，并将结果返回在内部数据统计平台进行可视化呈现，不仅避免了过去简单重复的工作内容，而且保证了渠道数据的时效性。

诸葛io API 2.0之用户查询接口
诸葛io API 2.0所提供的用户查询接口适用于返回的结果是用户列表，实现更便捷的用户触达能力，帮助企业对流失用户的召回从人工机械化转变为自助程序化。

举个例子，张飞在一家在线教育企业做运营，他重点关注的用户是“购买流失用户群”。（即，购买了课程，但购买后三天内未回访的用户）。
因此他的日常工作：
1、通过诸葛io用户分群功能，筛选四天前有过购买行为，且最后一次访问时间也是4天前的用户，将用户列表下载导出；
2、将用户id录入推送系统，勾选召回邮件进行触达；
3、次日看这些用户的回访情况，并统计人数，
4、导入excel中计算出回访率和上一周期进行对比。
同样，张飞的工作依然摆脱不了严重的重复性、低效性，究其原因就是数据系统没有实现对接。

基于平台定义的流失用户群特征，通过调用诸葛io用户查询API接口，每天系统会自动统计四天前购买过但至今未回访的用户，并自动发送一封召回邮件，对于用户的回访行为，会在次日进行统计和回访率计算，并将数值返回内部的业务数据系统中生成可视化图表。

这样一来，工作交由系统自动完成。而运营团队只需聚焦业务：基于回访率不断的调整邮件内容和提醒策略，尽可能让这些贡献过的用户产生粘性。

诸葛io API 2.0之行为轨迹接口
行为轨迹接口适用于返回的结果是用户的行为事件，提高客服触达的工作效率，提升客户体验。

再举个例子，小乔是一家互联网金融公司的客服小妹，她们公司提供P2P、保险、基金等各种类理财产品。为了留住每一个注册但始终未投资的用户，小乔的部门负责进行电话回访，而回访策略千篇一律，一是传达公司的增信内容、二是告知用户最新的活动信息，目的就是引导用户进行投资，提升每个客户的LTV。

在经常网购的小乔看来，这一回访流程存在问题，因为她收到的网购平台推送内容，大部分都是她搜索过、关注过的商品，而在她的工作流程中千篇一律，缺少对用户的洞察，回访行为没有任何针对性，对很多用户来说更像是骚扰，而对于有服务需要的用户，并不能快速切入关键点，时间成本过高，客服效率太低。

通过调用诸葛io API 2.0，将用户的详细行为导入了客服系统，并做指标描述，统计接口满足了在单个用户档案界面可以展示出该用户的使用汇总情况，并标注出关键行为节点，如用户最近7天查看的理财产品次数基于产品类别、收益率、投资期限等维度的分布，触发绑卡、充值、购买失败的次数；通过调用行为轨迹接口，又能定位出用户失败原因；这样一来，让每一次电话触达都具有针对性、服务性，对于购买过理财产品的用户可以鼓励其邀请好友，对于失败反馈较多的用户在使用上多做及时关怀和1V1辅助，用户体验和服务效率大有提升。

结语
诸葛io通过对用户行为数据的精细化采集，提供各种可视化模型分析用户、解读业务，但很多时候，标准化产品提供的模型并不能全部满足企业对行为数据解读和运用的个性化、场景化需求，如某些复合指标的计算、行为数据与其他数据的整合分析、行为数据对其他业务系统的补充。

诸葛io API2.0，将用户行为数据与企业数据对接，借企业一双“千里眼”，打通数据壁垒，聚焦企业核心数据。对全新的API 2.0感兴趣可访问诸葛io官网在线咨询，现有客户可直接联系数据驱动顾问。