2017年中国数据分析师行业峰会：电商大数据_分会场（之四）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

2017年中国数据分析师行业峰会：电商大数据_分会场（之四）

第四届中国数据分析师行业峰会

分论坛四：电商大数据

时间：2017.07.29 上午

地点：中国大饭店

   主持人：尊敬的各位来宾、女士们、先生们，大家上午好！非常感谢各位在百忙中能够莅临本次峰会，我是此次电商大数据分会场的主持人霍婷婷，非常荣幸可以主持此次活动，在这里请允许我代表本次峰会的主办方CDA对各位的到来表示最热烈的欢迎以及最诚挚的感谢，谢谢大家！

   下面我为大家简单介绍一下本次会议的议程，今天分享的嘉宾有小帮科技运营总监合伙人杨旭老师，零一联合创始人零一老师，原阿里资深运营袁野老师，第一财经商业数据中心首席数据分析师杨钦老师，中国电信北京研究院灯塔大数据产品总监钱兵老师，让我们以热烈的掌声欢迎此次分享的各位嘉宾老师。

   今天的分享马上开始，首先邀请到的是小帮科技运营总监合伙人杨旭老师，他今天为我们分享的是“从数据化运营到增长黑客”，掌声有请！

   杨旭：大家好，我很高兴今天来到现场跟大家作一个分享，我做了十年的互联网，从新浪到万维到21K，一直在做数据运营营销相关方面的工作。中间我自己创业了三年去做企业B端的服务，服务过拜耳等等。后来回到了21K重新去做数据电商运营的工作。现在我在一家互联网金融初创公司做运营总监，负责一个知识变现的项目，从零到一的过程大概三个月的时间，把这个项目做到了几万的用户。这是我个人以往的经历。我今天分享的数据叫做“数据化运营增长黑客和智能商业”。

   说到零售这个生意，它是一个很传统的生意，零售的本质是什么呢？零售的本质在我看来实际上是一种价值交换。这是我今天要讲的几点，传统零售的三点核心思考。

   传统零售我们通常会从这三个维度去思考，人、货、场。比如说人主要是针对我们的用户，他是谁，传统的思路是去通过建立一个用户的CRM系统，打通线上线下用户消费信息，找到消费的行为逻辑最终做行为管理建立一个终身价值互惠。渠道也一样，我们可以通过数据的采集量化，找到究竟是线上渠道好，还是线下渠道好。同时，再将我们的所有的资源投入到这个核心能够带来更高ROI回报上去。商品也是一样，通过数据化商品的管理优化素材，包括最终销售数据，对商品做优胜劣汰。这是一个相对比较传统的思维。

   最近在得到上面有一个曾鸣老师的演讲，智能商业，非常受启发。他在这里面提到了几个观点，一个是未来商业的几点趋势。现在大家在去讲大数据、讲人工智能各个环节的时候，带给大家的冲击是非常大的，无论是从AlphaGo包括现在遍地开花的无人值守的超市。人工智能和大数据在未来十年会给我们整个社会带来非常大的变化。

   未来商业的核心是数据智能，第二，人工智能加大数据会成为所有商业的标配，所有以往商业决策过程都将会被机器自动化。产品和用户的链接会形成一个自动反馈闭环，数据作为一个基础的支撑，最终会构成整个商业智能的智能化逻辑。实际上我们可以看到，从传统的人、货、场到现在的数据化、算法化、产品化，整个商业事业的变化未来将会超过我们的想象。

   我们在去思考整个零售业务逻辑时，核心的一点，偏中小电商就是销售额，这是一个核心的指标。我们把它拆一下等于客户数乘以客单价。我想去优化业务，最重要的就要做两件事情，第一是我如何持续低价获客，另外就是我怎么样持续控制好我的成本，能够实现我的ROI最大化。以前有一个概念叫增长黑客，整个营销或者运营的行为最终都可以通过数据化、自动化去实现对整个业务的影响。

   这是一个线上营销和运营的流程图，大多数电商交易流程都会经过引流注册购买转化复购沉睡和唤醒，每一个环节的关键点都可以被拆解，都可以拆解到相应要关注的量的指标和率的指标，我们通过优化量和率相关的指标，就可以达到一个预期的整体目标。

   大家可以看到，这些就是针对于销售额的整个公式的拆解，可以拆得非常细，你去做数据分析时，可以把很多必经的路径各方面全部拆到最小化。在这个过程当中你就可以清晰的知道影响你业务最核心最关键的因素是哪些。

   回归到数据化运营，我觉得数据最大的作用是帮我们在感性基础之上有一个理性思维的过程，未来我们要做的就是把数据分析决策的过程基于机器学习实现自动化。也就是说刚才我们传统的逻辑推理拆解的这些过程全都能够通过人工智能、通过算法，去让它自动化，也就是基于现在有些大公司去用的商业BI系统会把它更进一步，把整个作决策的过程都交给机器去做。

   这家企业是现在在硅谷非常火的一家企业，它是2011年开始创业的，女装起家。2016年9月份推了男装，2016年销售额7.3亿，也是纳斯达克上市公司。他就是通过算法和AI去帮助用户选衣服。用户挑选服装的过程包括交付的过程，整个运营、营销、供应链包括客户体验环节全部都是用算法学习的。这家公司是很接近未来零售商业的一个典型。

   后面我们会谈到整个行业的变化，尤其是当人工智能、当算法带来很大的冲击时，我们该怎么办。几个观点，第一是拥抱变化，很重要的就是你要去链接你的用户，传统的企业一定要去做移动互联网，链接你的用户，当然你可以通过微信、淘宝等各方面成熟的工具，并不意味着我是一个传统企业就一定要做一套自己的系统。

   第二个是回归本质，任何商业的本质一定是为用户创造价值。通过为用户创造价值之后，用户也会回馈给你价值，最终如果用户沉淀成你的核心用户，实现了复购，你就可以实现双向价值的互惠互利，如果这个周期持续越久，这个顾客对你的贡献度和你对顾客的贡献度都是最大化的。

   再有就是重视数据、收集数据，建立整个用户完整的行为逻辑画像，以及你要用增长黑客，用数据化营销去驱动你的业绩增长。

   最后最重要的一点，就是我们面对人工智能、算法、新零售、包括新供应链，还有网络协同，种种新趋势一定要勇于去尝试，做那个敢吃螃蟹的人，这个是非常非常重要的。

   

   主持人：非常感谢杨老师的精彩分享！我们接下来邀请到的是零一联合创始人零一老师，他今天为我们分享的是“机器学习系统在电商行业的实践”，掌声有请零一老师！

   零一：现场的朋友，大家上午好！我从杭州来到北京，我真的感觉北京是人间天堂，因为我在杭州是受着40度的高温，我今年听到最好笑的一个笑话是什么？我是广东人，我广东的朋友跟我说，零一，我今天要去杭州避暑，我拿手机一看广东不是30度吗，你怎么会跑到杭州来体验40度的高温，体感温度差不多达到50度，所以我们都说在杭州是蒸笼模式。

   我演讲的主题是“机器学习在电商行业的实践”，主要是跟大家作一个交流。

   首先，按照国际惯例，要给大家作一个自我介绍。我叫零一，这是我的笔名，我叫陈海城。我跟杨老师经历一样，无数次的创业。主要做的是电商领域，我从2009年开始做电商，到现在有七八个年头，我主要服务的是电商客户，还有传统零售以及金融方面，当然金融主要也是电商金融。以上这两本书是我出版的书，《电商数据分析淘宝实战》这本书有很多高校选择作为电子商务教材。

   我是CDA的老朋友了，去年我也在这里分享，去年的主题是“数据驱动型的电商运营”，去年我的分享更多是贴近于通过各种数据维度的分析，去洞察一些商业的东西。主要谈了三个重要的点，引流、转化和留存。这是天猫国际招商的情况速度，动态的一个展示，去年主要讲的是BI这一块。这是移动端店铺的BI。

   我一直在想，今年又要来到这里跟大家分享我应该讲点什么。大家都知道，今年人工智能特别火，所以有了这个主题，机器学习在电商行业的实践。我主要讲两部分，第一部分讲人工智能、机器学习和数据挖掘到底是怎样的关系，第二个是行业的应用。

   下面进入第一部分，首先大家接触人工智能主要在什么时候开始？大家看到大屏幕上这个新闻，也就是两个月前，柯洁对阵AlphaGo，很多人都在焦虑，在想我的工作会不会被机器替代，很多人都开始关注人工智能，开始在想人工智能是什么鬼。

   人工智能就本质而言，它是对人类思维信息过程的模拟，因为叫智能，它模拟的是我们人的大脑。他有一系列行为决策的过程，人工智能就是模拟我们这个过程，模拟我们脑海里的各种逻辑，通过算法把整个思维过程模拟成这种机器出来。

   机器学习是研究如何随着经验积累自动提高性能，机器学习有两种，一种是无监督的学习，另外一种是有监督的学习。无监督的学习也就是说没有人工干预，我们可以从原始数据输入进行无监督的学习，然后得到结果。然后我们再进行有监督的学习，通过人工干预，输出一些参数。通过这个结果之后，我们会得到规则，再应用，输出新的原始数据，得到一个新的结果。

   实际上机器学习就在学习一些经验，把数据里面的这些经验提取出来。可能我们以前是需要人脑去处理一些信息，现在可以通过机器，机器的效率比我们人类的大脑要快很多，我也算不出多少倍，据说能够达到上万倍。

   下面这个是数据挖掘，这个概念已经火了好几年，相信在场的朋友都听过。它是从大量的数据中通过算法搜寻隐藏在数据里的信息的过程，数据挖掘实际上就是在寻找信息。我们又可以谈到另外一个概念数据分析，数据分析跟数据挖掘有什么不一样吗？数据挖掘是没有目的性的，因为它并不知道会得到什么信息。数据分析是非常有目标的，比如我们就想分析一个会员，我们就想分析一个流量的结构情况。数据挖掘更多的是应用一些算法去搜寻隐藏于其中的信息，因为它隐藏在里面，所以我们不知道有哪些东西。

   数据挖掘主要有六个比较标准的流程，从商业理解到数据准备，到数据理解，模型建立，模型评估，以及模型应用。

   下面来理一下三者的关系，这个是人工智能，机器学习是人工智能里面的一部分，是实现人工智能的工具。数据挖掘跟机器学习有一定的交集，因为他们有算法部分的交集，所以这是三者之间的关系，大家要理清楚，不要谈到人工智能和机器学习的学习，大家都搞不清楚是什么鬼。

   下面给大家分享一下行业的应用。我们知道商业的变革是信息流的革命，以前书信年代，大家信息交流没有那么方便，这时候我们更多的去赶集，我们会去各种集市，有一个赶集的概念，必须要特定的时间、特定的地点才能够找到我们想要的东西。后来发展成互联网，我们今天有了各种电商，淘宝、京东、亚马逊各种各样的平台。到了现在物联网时代，又诞生出更多的商业模式，各种移动电商，各种基于物联网上的一些应用。所以，对于商业来讲，最本质上的就是信息流的革命，每一次变革都是因为信息流变了，信息流变了，我们的商业模式也就跟着变了。

   这是一个很老的故事，发生在1972年，是法国人皮埃尔·瓦克预测的石油危机，当时的壳牌公司非常差，排名第七名，经过这次事件以后，一跃成为世界第二大石油公司。因为他打通了信息流，别人不知道，我知道。

   下面，我们来探讨一下如何应用机器学习实现商业的预测。电商是零售业的渠道之一，传统的电商是以采销的形式在运作，售謦率是核心指标，只有预测好销量，才能把控住售謦率。在预测过程中还有很多噪音，比如说活动促销、各种天气，还有一些不可控的因素。

   下面，我们如何用机器学习的算法来实现销售预测呢？主要有两种方法，一种是时间序列的分析法，另外一种是回归分析法。对时序的分析是利用变量与时间存在的相关关系，对回归分析法主要是研究各个事物各个变量之间存在的关系，通过他们之间的关系去做预测。

   下面来看一下这两种方法的应急逻辑。这个是使用Python做的时序预测，主要学习库是pandas和statsmodels，首先要检测一下这个时序是不是平稳的，如果是平稳的话，我们就可以进行一个时序的建模，如果说它不平稳，我们就需要用差分法把转化为序列。第一次差分之后，发现不是持续平稳的，再进行第二次、第三次，直到它平稳为止。有很多朋友跟我说时序预测不靠谱，我的数据非常非常波动，实际上是没有做这种差分的平稳序列。

   下面我们还要做一个白噪声检验？什么是白噪声呢？就是没有随机相关的时间序列，说白了，跟时间好像没有什么关联。一旦我们做白噪声检验之后？发现它是白噪声，我们只能停止分析，因为它跟时间没有关系。如果不是白噪声的话，我们就可以对时间序列进行建模。所以，在时序预测这个部分，对预处理特别重要，你需要知道它是不是平稳的，是不是白噪声。

   处理完之后，我们就可以根据它的情况来选择算法进行建模。选择对的算法来建立模型，然后去应用模型。

   这种是回归分析法，用的工具也是Python，用的学习库的是pandas和Scikit-learn，收集相关特征数据，包括产品属性，上架时长，类目、价格等等。因为这种因子有很多，可以影响销售的有市场数据，还有竞争对手数据，甚至还有其他的产品，比如店铺有一个爆款，这个爆款可能影响其他产品的销量。有众多的因子的话，我们可以做一个特征的降维，我们可以选择一种随即森林法，把维度降下来，实现回归的建模。

   这是第二个业务背景，这个可以用于服装款式预测和服装设计、出款。也是用的Python，用的数据库是Scikit-learn、TensorFlow等，我们借助微博各种社交媒体的平台，通过大数据资料的爬虫获取这些图象的数据库，包括电商平台我们有传统的销售、评价等等数据，把数据下载下来之后建立一个数据库。把这些图片，所有衣服的款式，比如说这件衬衫是什么颜色的，是什么材质的，我们把这些特征全部提取出来变成一个特征库。再通过这个部分主要是用到机器学习，用的是算法提取特征，建立一个内容特征库之后，我们再去抓取现在的一些资料。这部分是用来学习用的，已经学习好了，我们现在可以抓取现阶段的一些新款，或者是现在流行的元素，抓取到这里面去，提取它的特征。提取完特征之后，再跟这个特征进行比较，然后再把这个特征反馈到数据库，输出结果。

   这个场景是干吗用的呢？比如说我们现在有很多的服装企业他们需要养大量的买手，养大量的设计师，就可以通过这样一个算法，我们可以把所有服装的信息提取出来，结合当季流行的色彩，再结合当季流行的设计元素，我们可以根据这个最终结合仿真技术可以直接出款，就是说可以直接设计出服装款式。我们只需要留下主要的设计师团队，对这些机器出来的产品款式进行一个人工干预。这样我们就能够大大地节约设计师的团队成本，而且设计产品的效率会提高很多。因为机器可以一下子出一千款、一万款，而且我们有所有产品、所有特征的销售数据、评价数据，我们都能够获取到。我们通过数据能去精准地很有把握说我这个产品一定是卖得动的，一定是爆款。但这样的话，可能以前我们设计师需要一次性一个月设计出一千款，然后再从里面去挑，做很复杂的动作。实际上我们通过数据可以节约成机器直接选出10款或者20款概率最高的款式，然后设计师再把主要经理集中在这20款上面去做优化。

   这种系统也可以直接输出一些产品，对应的这种可以从图象、资料库里面去把这款输出出来，现有的产品也可以得到选款，也可以直接设计出新产品，但是要结合仿真技术。

   这个模型的应用，我们只要输出品类，在人机交互端，品类跟产品关联词，最终系统就会得到爆款所有的特征，包括它的款式，也可以设计出新的产品。

   主持人：非常感谢零一老师的分享！接下来有请原阿里资深运营袁野老师，他今天为我们分享的是“数据化运营与流量变现”，掌声有请！

   袁野：前面两位大哥讲得比较宏观、比较有意思，我讲的是比较具有实操意义的，告诉大家我是干什么的，有什么效果。

   我最早开始在天猫，后来去了品牌商美的，再后来去了运营商驰尊电子商务做了旗舰店操作，大家有没有一种电商全链路的感觉，这些我都参与过，并且负责过一些比较大的项目。再往后去了一家外企Miele，后来又去了一家金融公司，做互联网金融。总结一下就是平台天猫、平台美的，国内外公司都参与过，做过多年的运营，做过一年产品，比较融会贯通。

   这是我现在的作品叫做《电商有道，运营有法》，我今天讲的只是一个大概，书里面会讲得非常详细。每次参加这种大会大家都有两个目的，一个是学知识，一个是社交，知识方面给大家准备了大套餐，互联网公司如何引流，有流量的公司如何变现等，电商数据贯穿运营的跨界使用。

   前两张是告诉大家有一个大的东西，我们现在的流量是什么样子的，我们有哪些规划，第二张是我们如何变现，比较简单，广告、电商和增值服务。第三部分是做实战，我们用什么样的方法，具体怎么样落地，到底该怎么办？第四，是一个小小的案例，由于时间关系，可能会讲个大概，内在逻辑就是这样的，数据贯穿。

   第一，电商运营规划能力。现在的流量是有这样五个特征，这是根据很多数据得出来的结论。第一个，网络行为集中度比较高，第二，自我决策为主，大部分为价格诱导型，二维静态视觉体验，人口红利消失导致流量增长乏力。

   现在是超级碎片化，什么叫超级碎片化？流量碎片、用户空间碎片导致你要干的事是超级碎片化。群体引导和决策增多，我们之前买东西都是自己看、自己想，现在组个群，拼个团，买个东西。我们公司有一个很大级别的案例，就是社群卖水果，几乎是零成本，卖得特别好，就是卖给我们几个园区的大公司员工。第三个是电商历史变迁看运营变迁，这个很好历史，就是从历史看现在再看未来。第四个是二维加强动态体验，第五个是超级增加频次和时长。

   前一个月的月底，阿里巴巴召开了一个双十一大会，要用IP打造来玩双十一。所谓的刘易斯拐点已经到了，中国的人口红利消失，流量增长乏力，怎么办？增加频次和时长。因为大家知道，买东西的需求是短时和瞬间的，当我看到一个鞋子，我买了以后马上就干别的去了，买衣服、买裤子去搭配，除非是深度中毒的鞋迷才会接着买，我们怎么留住他？就是通过一个小小的IP、小小的故事，反复告诉他，你就卖出去了。反复跟他说，他烦了以后就卖了。这是套路之一。

   第一个是网络行为集中度高，到了碎片化。这是我们之前所知道的，BAT把握了信息型入口、交易型入口、社交入口，为什么阿里收购了那么多企业？就是为了占据流量入口。我曾经听到一个华尔街分析师跟我说，阿里巴巴的战略思维和眼光以及格局要远胜于京东，为什么呢？阿里巴巴围绕着整个流量生态，做了一个布局，所以，阿里的业务界限和增长规模是越来越模糊的，京东的增长极限和增长规模是越来越清晰的。

   超级碎片化就是用户产品碎片，大家会发现，我社交、我看新闻、我买东西，除了淘宝、京东、天猫还有各种各样APP和渠道都出现了，有事上网，没事上网，走路的时候，坐地铁的时候，带孩子的时候都在上网，甚至有妈妈因为玩手机把孩子都弄丢了。

   决策碎片很重要，为什么呢？到后面我们有一个策略叫全渠道，就是让他在任何一个决策点的时候，给他布下套路，让他买，让他变现，让他转化，让他再回来。

   第二个是自我决策为主变成了群体引导和决策增多。之前我们自己买个东西在网上最多看一看，用个聊天工具跟朋友聊一聊，现在大家在群里发一个，亲们赶快来团啊，就是在群体的引诱。我中过招，大家买水果，买草莓，在群里一喊，本来不想吃，大家都说好吃，我就买吧，确实好吃，我还买了好几次。所以这就是一个群体的诱导，后面也有一个策略叫做社群，有三个重点，一个叫用户分享，一个叫舆论管理，一个叫一对一服务。

   第三个是大部分价格诱导型，之前的运营或者是流量玩法是补贴，我给你钱，我弄个低价，流量就来了。最开始以淘宝为例，2008年淘宝刚刚上线倒二手闲置，当年的广告语叫小时候淘气，长大了淘宝。后来是在宝贝页面上多放点文字，再往后就是品牌清货，就是把所有不好卖的放到淘宝上低价清。再往后天猫出来了，品牌直营。包括现在很多我知道之前是TP公司帮助公司做代理，现在大部分品牌公司都有品牌直营，衍生出了很多专门做电商服务的顾问公司，再往后就是跨境，国内的品牌满足不了我，但是国外的贵，我直接从海外买过来还免税，所以有了天猫国际、洋码头、小红书都出来了。现在跨境也满足得差不多了，有那么多平台可以选择，怎么办呢？现在出现了大牌供应商的产品，现在大家都在模仿。

   到了现在，用户前面大部分的需求满足了，我需要一种减少我自己的消费决策，我不需要再挑了，我不需要对比国产的好、国外的好，去跨境哪里买，这些都不需要，我需要真正的居家用品、厨房用品，我需要真正实用的高性价比的东西，某些品牌出一到两款价格低、质量好的东西。

   再往后可能是全物互联，大家知道物联网，电视、灯光、空调都可以拿一个手机或者APP去控制，后面几乎是所有的东西都有感应有意识，互相连在一起。你接触到的任何物品都有自己的历史或者自己的功能去互相连接起来，互相配合让主人舒服。

   运营变迁也很简单，根据上面的变迁，我们做了很多的进化，这是我在天猫的时候做的。

   后面两个简要讲讲，大家之前买东西上网都是看文字，为什么我老举阿里的例子？因为它是电商老大，他的行为都会被模仿。阿里现在搞了一个小视频，在人视觉被满足的情况下，又加上小视频，信息量更大，更连贯，还有声音的辅助，你更容易理解这个产品，或者是理解这个事情，你可能下单的概率会更大，所有的东西都围绕着怎么让你回来，怎么让你买，所以这就是二维加强动态体验到了现在这个状态。再加强就是AR、VR，再加强就是互动，比如说直播，因为会有一些互动的东西。

   新流量增长乏力的情况下一定要想办法让用户回来，增长访问深度，多看几个页面，多看几个内容，如何在新流量增长乏力的情况下，多让他回来，多增加他的访问时长。

   几个策略，第一，超级碎片化全渠道。这个全渠道包括产品的全渠道和传播的全渠道，如果在座的有做内容的，重点看内容的全渠道，如果做B2B的，重点看产品的全渠道。群体诱导的策略是垂直组织与维护。高质少选，通过用户决策模型，我们缩短他的决策链路，商品端就是让他质高价低少选择，内容端就是精简，标题富有吸引力。二维静态体验是新科技助力，最好是有短视频拍摄的东西。增加频次时长，全面CRM，营销娱乐化。

   所以我把这几个策略提炼一下，全渠道、大社群、决策干预、单点实验，关系与故事。全渠道是产品与传播，大社群是组织与维护，决策干预是效率和闭环，单点实验是成本与提升，关系与故事。

   先讲全渠道，如果你自己有个APP来卖东西，或者你自己有个APP去做内容的传播，主要看这个，产品升级。这是互联网全渠道规划，左边是自己的产品升级，哪些东西升级？产品团队、系统、数据、后台，为什么升级？根据分销渠道，分销体系里面我们会重点介绍阿里体系。内容渠道主要是今日头条，这样后面也太多了，主要是天猫给大家作一个引子。互联网全渠道规划，第一产品升级是自己的产品升级，分销渠道营销打通，品牌曝光、借势引流，消费金融，如果你有一个品牌，或者你的品牌做电商的时候，我通过全渠道规划把营销打通。大家都在搞双十一，借势，大家一起参与这件事情。所以我自己有一个全渠道规划，借助全渠道的规划和我的商品通路能力，我把所有的渠道、所有自己所做的品牌全部可以把营销打通，所有渠道共担成本，共享流量红利。

   分销体系上的全渠道规划。第一，这个叫全渠道分级，这个叫渠道的健康度，你有了那么多渠道，不健康不行，你光看得多，老生病也不行，每个渠道都是精兵强将，适合作战。第一级，一般叫自有项目，比如自己有一个APP、公号，你是核心的出货渠道。第二是大平台，京东、天猫。再往下是自营。第三是微信商城服务号，微信有了服务号以后，做得比较好的是平安直通车险，我在上面可以看内容找服务，大家可以看看，这个很简单。但是，它可以做到第一，吸引我的兴趣，让我注意，让我了解。第二，让我转化，让我购买，让我收藏，让我在看我的订单等等都可以在这里面。第三，让我回流，我打开这个公众号就可以看到各种东西，基本上平安直通车险可以在这里面做闭环，所以我第一第二年的平安车险都是在这个上面买的。

   第二级是授权渠道，你自己的销售能力，你的注意力大部分可能会在产品开发和商品供应链，降低成本。怎么找到销售专业的人士呢？你就需要授权，授了权让他们开专卖店，最好是让他们压货，部分解决你库存的问题，但是要给他足够的点位。

   第三级，这个很有意思，这个是很少人知道的，长尾且可控，做广。我个人把它叫做广告渠道，做宽，尽可能找各种微信号，大V，这是内容端的，让用户都能看到。产品碎片化就让多渠道去曝光，会找很多淘系的，比如说C店或者微商，授权他们帮我代销，你只让他挂产品，不要给他压库存，但是这个分润一般在5—15个点，不宜太多。因为库存和售后都在你这里，只是让他代销。

   我们之前也找了很多微信号，你会发现无论看了哪些娱乐八卦的、历史的、新闻的，还有电影的、音乐的等等，总会有几个大号下面在销售你们的产品，你们给他们分润，他们有一个订单系统，你只要把订单系统导到ERP直接发货。这个是给你做广告的，千万不要考核他，没有必要，因为流量会有所降低，他们只是你的广告商，让他们大范围去传播，他们有各种各样的办法帮你做产品的曝光就可以了，不需要给他们任务。

   渠道健康度，是零售方面的基本知识，这个怎么管？你有这么多渠道，最不可避免的就是渠道之间的互相竞争，都卖你这个产品，肯定有渠道为了拿销售额、返点会乱价。解决方案是商品系统升级，有专门的巡查员，天猫会非常严格的控低，你给他设一个最低价，还有跟踪条码，这是在美的上常玩的东西。如果乱价或者篡货都能查到。

   深挖一下垂直并高效授权的渠道，如果你是个多品牌，比如说米家有品，我可以开这么多体验店，下面是专卖店授权，再往下是N级的全网分销。第二个渠道是天猫超市，这个超市比较有意思，你要跟它签类似线下超市的协议，把货放在仓库里卖出去，货权还是你的，我们把它作为第二种渠道，而且这是第二个团队做的。第三个是集市旗舰，三大一级渠道，后面是二级，下面是三级。大家可以看一下美的的渠道结构。

   造成的后果是什么？线上又重回第一名，还有一个比较有意思的结论和数据，就是当你的线下品牌市场占有率是50%，当你跑到线上的时候，你的占有率没有达到跟线下一样，或者是差不多的时候，说明你线上做得还不够好。有某个电池品牌找我做了一些顾问的工作，问我他们线下占了将近一半的份额，但是线上只占30%，健康不健康？我说不健康，原因就是你的渠道、你的销售还没有真正达到用户认为你应该有的样子。

传播权益渠道，这个方法叫做流量四维度分解法，这是以电商为准的，电商的意思就是我需要一个平台，所以有站的概念。如果你不是做电商就没有站的概念，只看免费和付费渠道。这个站是天猫、京东、淘宝，这样的话，就会有四维的，免费站内会有一些搜索，搜索的优化是单独一门课程，比较复杂地包括你的标题、流量、销量、点击率、转化，再往下是商品详情、资源置换、官方活动、购物车等等。这些都是用运营方法可以干预的。

   站内付费，大家都知道，直通车，京东叫商务舱，大概有CPC、CPM、CPS。

   如果你不是一个零售品牌，或者你不依靠淘宝、天猫这个渠道，我觉得最好做了。我记得有一个品牌死活不入驻淘宝，嫌淘宝low，觉得淘宝是卖假货的。当然它是一个台湾的企业家开创的，我说你虽然觉得它low，你入驻上去可以不卖，但是你要看它的数据，它所有的数据都是开放的，你可以看大市场的数据，可以看用户的偏好。他现在也开始全渠道规划了。

   如果抛开这个站，你就看你自己的品牌营销或者产品营销，只有免费和付费，这个帮助你做职责划分和架构规划。免费的交给运营，付费的交给市场部，市场部可以给你点钱，但是免费和付费没有严格的界限。有两个搜索引擎，第一个是淘宝和天猫，第二个是了解你的信息可能在百度，我去德国的美诺（音）公司，他们做搜索入口流量的规划，比如说用户没有经过它，我们知道的第二步可能是了解，了解的话就会去搜索，我们看百度的搜索结果非常差，我们要求第一不准出现某品牌的差评，所以只要用户可能去了解信息的地方，比如电器，他可能用垂直测评的网站，汽车可能去汽车之家，不同的品类有垂直的评测网站，你要铺内容。第二，铺值得买的导购平台。

   这个就比较有技术含量了，而且不能急功近利，你需要一定的时间给运营团队深耕做好，而不是告诉他一个月涨一万粉。我记得我后面有讲用户群，这是一个工具，把你自己的流量分成四个维度，每个维度的流量来源越细越好。列出来排个优先级，重点先做前三个，达到期望以后再做后面。

来源：CDA数据分析师峰会：电商大数据分会场

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：数据分析师行业峰会 数据分析师行业 中国数据分析师 数据分析师 中国数据

   这些是关键点，客户群有这些关键点，社区有这些关键点，异业合作，大社交等等。大社群我记得有五个关键点，从组建到分层。先给大家讲讲分层，我之前做互联网金融的产品，我会发现我们的专业度或者是用户的体验远远差一点，怎么办？我找了三个高管、CEO、运营总监、市场总监，拉了一个微信群，让他们每个人最少拉三个人，是在这个行业里有经验、有资源、资深的，然后我也进去，我把产品经理和运营负责人都叫进去。我们几个人组成一个小小的讨论组，这是第一个，我管它叫VIP产品客户改进体验组。我们会经常在群里问一些很专业的问题，产品怎么样，合规的问题怎么样，各种问题，他们都会得到专业的解答。但是我会经常发红包，家里有一些特产发一下，收益率比较高的产品，限量的时候让他们提前买，这个就是激励。会员体系的搭建最有效的就是给他特权，我们把VIP组，老板这个组经常发个红包。我又做了一个客户组，就是投资50万以上的人进群。有了这个门槛，一般来说质量相对会有保证，这些人我控制在100个左右，他们是我们的种子用户，重点给他们传播一些高收益率的产品，剩下的就是乱七八糟的服务，让他帮忙传播，传播是有很多报酬的。第三层的客户群可能就是10—50万的投资人，让他们讲讲，如果低端用户太多，就会产生舆论引导型的，一个人抱怨会带来很多人的抱怨。为什么呢？我们当您做双十一预热，为了让客户回到一个群里，双十一当天让他一次买，我们组建了17个群，500多个人，这上千人非常难管理，前面还好，发红包让大家去抢，弄一个秒杀的产品让大家抢，多好。最可怕的事情是在后面，发货，售后问题，特别严重。为什么呢？有一个江浙沪宁波的顾客，他说三天了，还没到货，急死我了，我要投诉你，一般都是隔天就到。结果下面就开始，我的也没到，你的品牌不行。后来东北、新疆、内蒙的客户也在投诉，一般他们的期望在5天，结果发现江浙沪的客户投诉，他们也反了。后来我们给江浙沪的顾客发红包，后来东北、新疆、内蒙的顾客也反了，为什么他们有红包。你的期望很容易在群体导向下被拉低，本身江浙沪的期望是两天，东北、内蒙、新疆都是五天的期望，看他叫我也叫一叫，还有便宜，何乐而不为。这就是用户群组建太多，管理成本太高的结果。所以要分层，第二要有门槛，大众是一部分地种子用户是一部分，VIP是一部分，这是社群组建的几点技巧。至于怎么拼团，怎么样选品，怎么样拉动大家的人气销售，时间关系就不多讲了。

   第二个是决策干预，这个是我多年研究的成果，我的老师叫麦肯锡，当年麦肯锡出了一篇文章，我把它汉化了，升级了，并且应用到工作实践当中。我当年在外企，觉得自己比较low，我的主管给他的主管汇报的时候拿的是这张图。这个我们真的实践过，就是用户的决策模型，他先有注意了，感兴趣挺好的，搜索信息，我们为什么会在百度第一页搜索品牌相关词的时候没有任何的差评。

   举个例子，我们为了投百度的品牌专区，我们玩的都是老外玩剩下的，人家投顾客之类的都玩过了，我们投百度，他理解，投搜索引擎是可以的，但是为什么花这么多钱？他们玩剩下的都没有花这么多钱。我跟他说，在百度你搜索德国的美诺（音）品牌，会出现西门子。他们傻了，我说你现在搜一下美诺（音）洗衣机，出来第一个是西门子。后来不仅出来了西门子，还出现了博世等等，他们当时的表情我现在还记得，他就说了一个interesting。我当时跟百度反映，百度说你觉得不合理的可以投诉，我说搜美诺（音）就出来西门子，百度说不行，这不能给删，我悄悄找了一个代理公司，2000块钱，删了，秒删。

   我们做了一个调查，搜索任何一个关键词，只要是百度知道、百度百科，乱七八糟有的，比如说有12个搜索结果，有7个都是导入到百度自己的小产品里面，所以要在百度做好深度的优化，包括手机端，尤其是手机端。还有一个口碑可能是在大众点评、美团上，只要是你这个产品垂直的所有跟口碑有关的地方，一定花点钱，找点水军。

   行动，就是让用户体验一下，很多用户买了以后就不管了，以为这就是营销，或者是流量、或者是运营的终点，不是的，最终的终点是分享，一定要想办法分享，超出他期望的体验。这是用户的决策路径，我们怎么办？我们打工仔怎么办，我们一定要从后往前，先把分享的这些有渠道建渠道，没渠道入驻，再往后把行动这块铺好，让他无缝的缩短链路体验，不要老输密码，把行动这端做好优化。再往后搜索，再往后投钱，引起他的兴趣。我们的工作是倒过来的，这样你投的钱才不浪费。比如你投了很多钱让他感兴趣了，结果搜索全是差评，完蛋，白花钱了。

   总结一下，流量新特征、运营策略，工具，四维度流量分解，用户决策模型。

   流量变现，我深入地想了一下，最终公司或者企业做互联网的，都回到了电商这件事情。为什么？做广告有淘宝、新闻、百度，大部分广告都做过了卖东西的品牌，或者卖服务，加特权就是优酷会员，某些商学院让你听课，他还是卖东西。这是介于卖东西和做广告之间代销，一定要发展很多微信、微商，加群让他们帮你分销。卖东西和做广告之间一个代销，好处是资金库存风险在供应商。其实，零售除了刚才那位大哥说的社群以外，还有一个关键指标是周转率，周转速度越快越赚钱，所以库存风险为零。

   第三，怎样真正用数据去做运营。七个思维，四种方法，两个闭环。分解、追踪、结合、对比、点、毛点、标机。第二是数据分析的四个基本方法，趋势、构成、对比、关系。用户行为闭环、运营工作闭环。

   第一位大哥说了成交额等于成交量和客单价，我分解成了流量转化率。数据化分解以后怎么办？把相关因素列出来，有了相关因素你才知道干什么，价格、赠品、描述、评价、优惠、快递、体验。很多用户对某些快递是有仇的，某些快递在某些区域的优势不一样，口碑评价也不一样，所以有些用户说你发申通我就不买了，你给我发圆通，我说发顺丰行不行？他说不行，我家顺丰到不了。我当时通过跟一个快递公司合作变成了六个合作的快递公司，就是为了满足用户的需求。这个其实是有很多套路的。

   转化率，这个是人工做销售时用的，懂产品、懂活动、懂卖萌、响应快、懂用户、懂推销。我们做某些产品，用户就会问，你这个跟B产品是一样价格的功能也差不多，到底有什么区别个我们会有一个套路，就是不要刻意贬损对手，会引起用户反感。我们会跟销售客户说你要对比双方的优势和劣势，最后的结论是什么呢？比如说我买汽车了，我问雷克萨斯，宝马和奔驰都跟你是差不多品牌的，他会说雷克萨斯是中性的，你现在对友好有要求，所以雷克萨斯更适合你。根据询单用户的情况选择一个更适合你的。

   数据是运营的眼睛，导购是用户的眼睛，所以我们可能会有这样的分类，导购是靠词的，导航词、营销词、品类词、每个导航下面放什么，这些是数据，这个数据怎么用？你会发现我们做居家用的导航时，会有四件套等等，这是搜索人气，那个是转化人气，我们一般会给转化做一个百分比加权，加权平均得出一个分数，排出优先级。这是加权的权重，大家要注意数据的一致性，有的是百分比，有的是个位量级的。再往下是对比思维，每一条流量来源，我们对比一下自己差在哪，然后做优化。之前我们没有这个数据分析，现在看挺简单，但是你真正想到的时候是很难的，原因是什么？我们当时会发现我们某个产品流量差对手很多，我们疯狂投广告，结果没用，通过对比发现某一个来源差了很多，我们深耕来源，把大范围的广告去掉，就发现很精准，大概半年就超过了对手，这是对比的重要性，一定要细分到每一个来源。

   这是标记思维，我做某一个优化，比如搜索优化，今天干了什么事，写在后面，后一周干什么事，写在后面。这个是数据的积累，这个是某产品的返点图，有没有效呢？有一个趋势分析，我们看一下分析就可以了，R值要接近相关性。

   这两个闭环，用户端决策闭环就是决策模型，怎么样让他的行为有闭环。闭环会衍生出很多的工作，工作完了是指标，反映你工作做得好不好。运营端的工作就是分析，分析之后有策略，策略之后有执行，执行之后有数据。很多人执行完了就没事了，不是这样的，应该是分析策略，执行完了有数据，自己一定要再看一遍数据，再有些结论，再分析。这个闭环是一直持续的，不是你做完一次双十一就没事了，而是再分析下一次如何做得更好，从选品到流量到转化。

   如何做假设证明改进，这是做会员体系单价的时候。假设这个用户在第三天被唤醒是有效的，第五天被唤醒是有效的，我们通过这个做了一个很大的项目，最后证明，这是一个高阶实战。

   希望对大家有帮助，谢谢！

   （茶歇）

   主持人：下面有请第一财经商业数据中心首席数据分析师杨钦老师，他今天给我们分享的是“大数据时代的行业研究和消费者洞察”，掌声有请！

   杨钦：大家上午好！我分享的题目叫做“大数据视角下的行业研究和消费者洞察”，这是一个很枯燥的题目，可能跟前一位的分享会不一样，我会更多分享我们在整个大数据应用领域的经验，也有一些我们总结的方法，希望能跟大家作一些交流。

   首先介绍一下自己，CBNData，CBNData叫做第一财经商业数据中心，第一财经也是国内非常领先的财经全媒体集团，一家媒体公司会怎样成为一个商业数据中心呢？这是源于两年前，差不多是今天这个时候，阿里巴巴跟CMG的一次战略结盟，入驻第一财经之后，在这个投资框架下成立了第一财经新媒体有限公司，当然，我们今天已经改名字了，我们今天叫做第一财经数据科技有限公司，我们在这个里面是一家专业做数据的公司。

   我们的数据来源是哪里呢？我们有非常全面的合作伙伴，像我们跟滴滴、美团、优酷、饿了么还有现在比较火的小黄车，我们会有数据层面上的合作。但是我们最核心掌握的数据资源是阿里生态的消费大数据，我们拥有这些数据非常完整的权限，我们最核心主流的业务也是基于这些数据资源展开的。所以，我们的介绍得从阿里巴巴开始。

   大家知道，阿里会发布自己的生态结构图，基本上每年都会一变，你看过去的结构图非常有意思。今天这个架构已经非常成熟了，大概是这个样子，底层从云计算阿里妈妈、菜鸟、支付宝涵盖了整个新零售场景下所有的商业基础设施。上层，现在在传统大家了解的淘宝、天猫、聚划算、天猫国际等等一系列的电商模块，现在我们自己称之为核心零售业务。当然，零售和批发都有，就是B2B和2C的电商都有，这是它的核心商业模式。阿里现在每年1500亿营收里面绝大部分也来自这个生态，也是现在最成熟最完整的生态。

   在这个核心生态之外，延展出来了两块，第一是本地生活服务，大家知道阿里在这个领域也有非常丰富且全面的布局。另外就是大生态，包括像优酷、UC、土豆等等，也都是这个生态里的业务。除了现有生态之外，还有阿里巴巴关于新零售的布局。

   大家看到阿里的生态在快速地膨胀和生长，其实我们特别开心看到这一现象，为什么？因为这个生态的每一步成长都在不断地拓宽它的数据范围，拓宽它的数据外延和内涵，这些数据就构成了我们今天CBNData业务展开的基础原料。

   所以关于阿里消费大数据的一些简单数据，大家看过很多，像4.54亿消费者，4.68亿月活、1.89亿日活，这是手淘数据。10万品牌、1000万家商家，15亿件商品，还有3.7万亿的流水。这些数据看起来很大，实际上我们讲第一个问题，关于大数据的终极天问，这么海量的数据，它的价值在哪里？如果我们不能解答关于价值的问题，无外乎是给我们的分析师的工作和服务器增加了额外成本。我们对消费大数据的理解可以分四个层次，这四个层次从应用的角度来讲有非常鲜明的对应的应用场景。

   首先最基础的叫做统计消费。如果讲到关于一个行业的数据需求，问出来的结果基本上都是统计结果，比如我想知道一个行业一年统计多少，这些行业有多少商家，集中度怎么样，竞争情况怎么样，价格怎么样等等。所有的这些数据，我们就叫做统计维度的消费数据。在这个领域里的数据，我们认为他是所有从业者最基础的需求，同时也是相对比较成熟的领域。不管是传统的线下市场研究领域，像尼尔森，还是在线上场景下，有很多友商都在从事这一行。大部分的数据服务公司基本都是停留在统计维度的数据服务，比如说提供很多很基础的商业情报。当然，我们承认它也是非常关键很核心的商业情报，比如每个人都想知道自己的行业发展怎么样，以及一些细分市场的情况。但是他用到的数据非常简单，就是统计维度的消费数据。

   统计再往上很简单的一点，我们认为叫做消费明晰数据，一个简单的例子，你去餐馆或者便利店，小票就是消费明晰数据，即一个人在什么场景下消费了什么产品或者服务。传统的是我们不知道背后的人，整体来讲，在这个层面上其实我们提供的是一种消费明晰数据的分析和服务。在统计的基础上我们走到明晰这个层面可以做什么？后面有一些案例，大家也可以想一想。

   消费明晰再往上一步，我们认为叫做消费行为的数据，因为消费最终解答的就是我在收银台这个环节，什么人购买了什么，但是他并不知道在最后买单之前干了什么，在买单之后干了什么。买单之前，我是如何产生兴趣的，我是如何搜索浏览收藏，购买了之后，我是怎么样去评价，什么时候收货，怎么样使用这个产品，什么时候再一次购买。这些数据他统统不知道，我们认为加上这些维度的数据，构成了完整的消费链路，消费全链的数据，就是消费行为的数据。这是第三层。

   再往上一层，我们叫做全网行为，什么是全网行为？我不仅仅知道你在消费这个场景下干了什么，我还知道你在消费之外的场景做了什么。比如说你在网上，你会追什么剧，你最近在社交媒体上关心什么话题，你会在朋友圈跟朋友讨论分享什么，你会听什么音乐，你热爱什么电影等等，所有的这些行为我认为就是一个人更完整的在互联网产品下的行为。所以，这是我们理解的在消费场景下数据的四个层次。大家想一想，结合你们自己手头上掌握的数据，你们拥有什么样层次的数据。

   下一个问题，掌握这些数据之后，这些数据用来干吗？我们总结了一句话，让市场研究回归消费者洞察的本质。所以，我们特别强调消费者洞察，什么叫消费者洞察？当我们进入这个行业之后，发现这个行业有很多怪象，大家可能很关心这个行业，你能不能告诉我这个行业到底是100亿还是150亿，这个行业到底增长了10%还是20%，我的竞争对手卖得怎么样，他一天在做什么？绝大部分人关心的是这些信息，我们认为这是一个很畸形的现象。因为从来没有人认真地问过，说你这个品牌、你这个商家背后的消费者是谁？他们关心什么、他们喜欢什么、他们讨厌什么，你在他们眼里是什么样的一个存在，你应该怎么样跟他们沟通，应该以什么样的姿态、在什么样的场景跟他们去做基于什么样内容的沟通？很少有人问这个问题，大家都在关注行业、关注竞争对手，关心的是天大的事情，关心的是别人的隐私。所以我们提出了一句话，叫做让市场研究回归消费者洞察的本质，我们认为这才是这个应该应有的姿态。

   基于这样一个原则，基于我们掌握的数据资源，接下来给大家分享几个我们研究的小案例。第一个案例叫做从消费变迁看美妆行业发展。比如说一个行业人数的增长，我们讲电商大家知道流量、转化、客单价，到底流量的变化情况怎么样，金额的变化怎么样，客单价变化情况怎么样。如果单纯从这个层面解读数据会看到什么，比如说线上美妆行业流量红利正在快速衰退，它的人数增长是大幅度降低的。新增的消费者越来越少，但是这些消费者的行为怎么样呢？他们的线上购买习惯怎么样呢？大家如果看这个数据，反映的是这些人的线上人均消费额有一个现象，大家会发现在前几年，美妆线上消费人群他们的人均消费金额是下降的，是下滑的，到2016年的是企稳缓慢上升的状态。如果我们从这些数据解读的话会得到非常悲观的洞察，因为这些数据说明了线上购买化妆品的人越来越少，这些人在网上购买的金额也是属于一个比较稳定的状态，没有一个上升的空间，这个行业完蛋了。这是从这个层面来看行业的数据。

   但如果我们看看背后的人群、看看背后的消费者，我们会得到很多更深刻的洞察，我不说完全不一样的洞察。左边这张图讲的是这个行业层面上的用户流转，其实一个人他不是静态的人，比如说我们在刚刚有这样一个茶歇的环节，感觉会场的人数稍微有点减少，但是在留下来的人里面，我相信有一小部分人已经换过血了，有很多人离开，有新的同学进来了。一个行业也是，虽然我们今天知道有1.1亿、2亿，实际上背后是有很剧烈的变动的，什么样的变动呢？左边这张图就反映了这个变动，比如到2016年的时候，这里流失的用户具体数字不方便透露，但实际上你会发现在线上每年一个行业流失的用户数是在千万级别，这是一个不小的数字。而且你会发现它占整个行业的比重也是非常大的，这说明了什么？这是一个我们认为很值得深思的问题。

   在这些新进入的人群里面，他们到底是一些什么样的人，他们来自于哪里？关于用户画像，这是一个很头疼的问题，我觉得这种画像模式大家都会被大数据坑了。比如说年轻人的购买特征，虽然个体差异很大，但是你把它作为一个群体来看，想都不用想，基本上就是这样。但是我们用很基础的维度也能得到一些很有意思的洞察，比如右边这两张图讲的是美妆这个行业的新用户构成。

   解读两个我们认为非常有意思的地方，第一个，就是年轻人18—22岁基本上对应大学生这个群体。另外一个就是中年群体是29—45岁这个阶段的群体，这两个群体的占比在迅速地提升。大家可以看到上面这个数字是百分比的提升，大学生的占比，5个百分点这其实是一个很大的比例。我刚才讲的29—45岁的群体提高6个百分点，也就是说年轻人和中年人现在开始密集接触网购。反之，曾经的骨干群体，23—28岁，刚步入社会的白领，他们的比重在下降，说明了什么？同样一个问题。再往后，一二线占比在下滑，五六线在上升吗？也没有那么明显，最鲜明的是三线城市。

   我们把这两个数据综合起来，三线城市的年轻人和中年群体，他们现在正在密集接触网购，成为整个线上美妆用户的新兴消费群体，这个数据说明什么呢？最后简单跟大家解读一下这个数据，我们看过很多其他行业的数据，你会发现中国美妆行业的市场格局非常有意思，本土品牌走的都是农村包围城市的道路，从日化专业店、专营店，能进屈臣氏是第一门槛，能进百货是第二个门槛，代表了他们的地位。但是对于那些高端的欧美、日韩品牌，反过来，从一二线城市往下走。我们发现在线上其实是一样的格局，而且这些年本土品牌跟海外品牌的主要战场聚焦了二三线城市，这是一个非常激烈的战场。但是我们看到线上的数据发现二三线城市的消费者，而且是这些中年群体，我们认为这是任何一个社会的骨干力量，正在大量地往线下转移，虽然总体来讲这个比例上升得非常缓慢，但是中坚力量在上移。第二个所有的年轻人都是网购的用户，都是淘宝的用户。

第二个案例，我们讲讲面膜。美妆里面特别有意思的一个现象就是面膜，前几年疯狂崛起，最开始是在淘宝这个大生态里面崛起。然后微商、其他平台也好，面膜都是一个主角。如果我们看淘宝这个平台，你会发现面膜这个行业发展过山车，最开始增长很快，而且这种爆发性增长是建立在每年的规模有几十亿的基础之上，每年还有翻倍的增长。但是，中间如果我们看到2015年的数，不增长，停滞了，但是到2016年又重新开始上升了。

问题又来了，为什么呢？如果我们光看这种消费统计，老实说，没概念，没感觉，一个行业的大起大落太难解释了。如果把视角放到这个行业背后的消费者，2016年当这个行业重拾声势之后，消费者的构成，新用户占到一半，老用户只有四分之一，但是再一个数据特别值得关注的是什么？我们叫做回流顾客，也就是说他在2015年之前在这个平台上购买过，整整一年没有购买，2016年又重新回到这个平台。面膜是一个非常高频的消费品类，整整一年没有购买，我们几乎可以理解为他就是在这个平台流失了，但是一年之后他又回来了，回来的人数占到四分之一，应该说他们是推动这个行业增长非常重要的力量。说明什么呢？对于其他的平台来讲，对于这个行业来讲，对于这个行业里面的品牌来讲意味着什么？我们认为是一个很有意思的现象。

   这是最后一个关于行业层面上美妆的案例。我刚才讲了美妆里面的面膜，另外一个就是彩妆，大家知道彩妆在中国市场真的是爆发式增长。通常来讲，我们对美妆的理解是什么？就是彩妆其实是美妆里面的高阶需求，护肤是基础需求，很多人可能都需要，护肤消费理念成熟之后，可能会更多地关注彩妆，这是非常非常常识的，而且是被行业里大家都接受并理解的逻辑。

   当我们发现线上市场的护肤这个行业开始趋于平稳，彩妆市场爆发式增长，而且彩妆的增长甚至带动了美妆行业的增长速度。我们很天真的以为整个美妆市场开始进入下一阶段，从护肤往彩妆迁移，所有的信息都支持我们的论点。但是，我们又看了一下这个行业背后的消费者，因为我们是一个分析师论坛，大部分人都知道这是一个很标准的购物篮分析模型，研究的是美妆用户的关联购买。我们看了他们的关联购买之后，发现一个非常震惊的现象，结论特别简单，中国线上现在的护肤和彩妆市场是非常割裂的两个市场，我觉得分析师要保持严谨，但是在这个观点上我们可以激进。

   它就是一个割裂的市场，何以见得呢？护肤的品类在一边，彩妆的品类在另外一边，护肤的品类之间的相互关联其实还是比较弱的，彩妆相互关联也很弱，但是护肤和彩妆基本没有什么联系。也就是说这两个行业的用户是完全割裂的，彩妆用户的兴起完全是靠一拨全新的用户在推动。

   我们跟很多商家做过这方面的分享，在座如果有电商的，大家想一想，如果你是做彩妆的，或者你是做护肤的，当你想拉一些新用户的时候，会不会很自然的以为我是做彩妆的，我到护肤这个行业里拉用户，或者反过来我做护肤品的，我到彩妆群里做转化，我想告诉你，你可能大部分钱都白花了。除了单纯整体的消费关联购买特征之外，也可以看到很多很细节的特征，这里是说连续三年在线上有购买人群的消费习惯的变化情况。

   大家可以看到这些人群消费裂变的规律，最开始可能只卖护肤品，第二年的时候会慢慢以美容工具为纽带，慢慢接触到彩妆品类。再到第三年，基本上他们会购买大部分的彩妆品类。这三张图组合起来刻画的是一个典型的护肤人群消费路径，所以你想基于护肤人群拓展彩妆品类，这张图告诉了你一个可参考的路径，同时也告诉我们另外一个规律，也就是说做这件事情需要的时间和周期不是一天、不是三个月，不是半年，甚至一年都不是，基本上整整两年的时间，这些人群的习惯也基本上到这样一个程度。

   所以，当我们把看问题的视角从传统的行业转移到消费者层面的时候，我们可以得到很多全新的不一样的洞察，如果看看行业的话，觉得美妆这个行业可能到瓶颈了，完全没有前途了，但实际上这个行业正在从外延生长迎来内生增长，二三线城市正在成为最激烈的行业。另外，我们觉得彩妆是护肤的升级，完全不是。在行业层面上，消费者视角为我们带来了一个全新的认知。

   第一个想看行业，第二个就想看看竞争对手。不仅仅是品牌自己一刀切的这些统计数据，而是这些品牌背后的消费者，这个行业千千万万消费者用脚投票出来的对这种品牌格局的观察的视角。举个例子，以国产品牌为例，大家可以发现2014年美妆的这些用户到2015年大概是一个什么样的情况呢？可能有四成左右2015年流失掉了，这里的流失是指平台的流失，也就是说他不再在这个平台上购买。如果我们看到行业的数据的话，整个行业的用户流失是非常严重的，线上的消费习惯完全没有固化下来。所以，国产品牌有大量的用户流失。

   但是还有一小部分用户流失到其他品牌去了，也就是在这里，我们就很关心，如果你流失到别的品牌去了，到底被什么样的品牌抢走了？你在他那个地方又购买了什么？我们又在这个基础上做了深入的分析和挖掘。接下来有两个维度的分析，第一类是不同品牌的分类。美妆行业，像欧美、日韩以及一二三线品牌的差距非常大，这是我们观察的主要维度。另外一个就是我们研究这个人群消费偏好的时候，那么多维度下来，最后觉得两个维度相对比较有价值。第一类就是年龄，特别是在美妆行业，可能小姑娘跟中年人大家基础的护肤需求是完全不一样的，所以人群特征差异很大。另外一点，就是看购买力。大家知道年轻人的购买力整体是偏低的，比如从大学生到刚毕业到社会，每一年你的购买力都在显著提升，而且这种提升会很显著、很直接地反映在消费上面。但是，什么时候一个人的购买力上升会到瓶颈呢？其实线上的数据能够得到非常直观的验证，基本上就是30岁，30岁是一个槛。所以，一个人的购买力在30岁之前每年上一个台阶，到30岁之后就达到瓶颈了。当然我相信在座的都是人中龙凤，后面还有很大的上升空间。

   第二个就是城市线级，高线级城市和低线级城市，大家每天接受潮流、或者文化消费的成熟度差异非常大，最后会导致这些分城市线级来看。不同城市线级简单的特征，比如像在三四线城市的品牌，大量用户流向三线欧美品牌。韩国品牌在什么地方热度最高呢？就是二三线城市，二三线城市的一二三线品牌都吸引了大量的本土用户。所以，大家也可以想一想韩流文化到底什么地区最流行，就是二三线城市。日本品牌，这个特点很鲜明，美妆日系品牌非常强势，但是它们仅限于一二线，基本上没有下到三线，三线对他们的认知度是没有达到的。年龄越大的人，可能对一线品牌的偏好度越好，而低龄的用户可能对大众品牌的偏好度比较高。这里有非常具体的量化分析，你这个品牌流失到某个品牌的用户情况。

   以前传统的市场研究里面，大家有一个无解的问题，就是我的份额下降了，他的份额上升了，他的份额有一点微微的变动，我们不知道背后的关系，是我的用户流到你那里去的吗？不是，当我知道消费者全平台的数据，我很清晰的可以追踪，可能今天他购买了你的产品，三个月后购买了你的竞争对手什么样的产品，不是一个人，而是这个平台上千千万万的用户。为什么会这样？是因为你的产品不行了，你这个品牌不适合这个人群，或者你的品牌在这个细分市场没有竞争力了，或者说你的运营不到位，或者说品牌的营销不到位，还是什么样的原因？很多原因，我们通过这些行为，结合这些场景可以做非常深度的还原，虽然很多基础的数据不能给你，但是我们可以得到更多更深刻的洞察。

   最后一个案例是讲店铺层面上的，关于店铺背后的用户流转问题。我们研究整个电商环境，你会发现整个行业的用户忠诚度是非常低的。我不知道在座的如果是从事电商这个行业，多少人对自己的客户运营是满意的？至少在我们走访的所有商家里，大家对这件事情都极其不满意。就是你这个店铺像一个筛子一样，你每年有大量的新用户，成交一次，可能很多是当场就成交，然后就走了，老用户贡献占比极低，所以最后不断地买流量，做转化，提升客单价，而不是做老用户的留存。我们想说这些用户流失的背后，到底为什么会流失？我们有没有措施把用户留存下来？分析的思路特别简单，想知道什么样的用户在什么样的场景下会流失到什么样的竞争对手的哪些产品上，这是一连串的问题。我们认为通过回答这一连串的问题，其实是能够一定程度上是刻画出你这个品牌，或者说你这个店铺运营背后的问题。

   这是一个真实的案例，某店铺的用户结构情况，连续两年老用户购买占整体指数的7%。这是他吸引的别的品牌的用户，这是他在什么样的时点分布的情况，这是他用户流失的一个情况，流到哪些品牌去了，流给什么样的产品。如果你是做套装，而且你只做套装，用户都跑别家买面膜，这时候你可能会说是不是要拓展一个新品类。如果说你觉得自己的品牌也特性，打死不做低端品牌，就做高端的，所以这个定位在这里。但实际上你的这些用户，他的购买力没有到这个层级，或者说这个平台上能够提供更好的比较服务，你到底应该怎么办。还有一种可能就是咱们的产品都差不多，但是因为你在那个点，你的活动、运营做得非常好，把我的用户抢走了，我们就得反省你的运营策略。

   当然这是一个非常完整的研究，我只挑选一些简单的维度，通过这些维度能够让我们去洞察一些消费者行为背后的消费动机。

   简单总结一下，大数据真正改变了什么？首先改变的是你看问题、看世界的方式，我们有很多根深蒂固的传统分析问题的视角，传统的品牌市场研究，市场份额、竞品监测等等数据，大家都这么看问题。让我们以为这就是正确的打开方式，其实不是的，我们现在提供了一种更好的方案，而且背后逻辑特别简单，即洞察消费者，洞察消费者核心需求。

       CBNData成立于2015年12月8号，到今天为止也是刚刚一年半的时间，在这一年半的时间里，我们做过的一些探索跟大家分享一下。我们的研究以细分市场为例，这是我们现在相对比较成熟的分析模块。趋势洞察和竞争格局，这两个模块是很多传统的或者外部的研究机构或多或少会涉足的，当然我们也会做，而且在很多数据层面上，很多数据没法给，咱们做这件事情，数据安全是生命线。但是在这个模式下，我前面举了很多例子，我不知道能不能给大家一些启发，我觉得针对一些全球的视角去审视这些行业。

   后面的问题，比如说关于人群偏好和消费行为，我们认为这些模块是我们传统的研究根本想都不敢想的，我们有这些数据，我们有这些资源，我们压根做不了这些事情。今天面临的问题是当我们有这些数据，能做这些研究之后，怎么样把这些方法，把我们研究的结果应用到品牌和商家的各个层次、各个场景下的决策里面去，我觉得这件事情其实也是需要整个行业一起来推动的。

   比如说关于细分市场的研究，传统的细分市场怎么去研究？可能首先品类切一刀，之后是高中低档切一刀，但是我们可以精细到人群，比如说在校女大学生的护肤，或者说面膜消费的偏好，这件事情我们是可以精细到这个程度。甚至可以再进一步细分，今天在北京，我们公司在上海，北京和上海的用户在消费偏好上有没有什么样的细节差异，这件事情于我们来讲，结果就在数据库里，直接去取就可以了。所以大家如果对这件事情感兴趣，可以跟我们联系一下。

   还有就是关于我们运营的研究，品类生命周期，这也是一个很有意思的概念。这个平台上有15亿商品，女装只有一亿多件商品，每一件商品是有自己的生命周期的，我们做过很多这方面的研究，你能找到很多很典型的规律。你的商品在它自己所处的什么阶段，可能对应的一些表现以及最终的效果，所以最终能够得到一个简单的函数关系，你在不同的阶段表现得什么样，我们能预测你之后可能会怎么样，以及相应的运营策略，这也是一个很有意思的案例。

   最后介绍一下我们现在的业务体系，因为我前面讲的很多都是研究，这些研究有什么用呢？我们在消费行业，一边是品牌方，一边是消费者，中间两个大的通路，一个线上通路，一个线下通路。在消费者这一端，我们有在做精品购物指南这方面小的尝试，但是C端不是我们的重点，我们中心还是服务B端客户。我们做的是基于消费者洞察的市场研究，我们有第一方、第二方、第三方的用户洞察。比如说你有自己的第一方的CMR，你知道在你店铺行为的表现，比如说你是卖面膜的，你知道用户在你这里买面膜是什么样的，但是你不知道他在什么场景下还会买面膜，购买谁家的面膜，这件事情是我们擅长做的，这是我们理解的第一方消费者的洞察。

        第二方就是竞品概念，第三方是整个行业。这是服务于品牌。

   第二个，服务于商家，如果你是开店做运营的，我们提供的是数据化运营解决方案。现在很多人都在讲数据化运营，但是能够有比较系统全面思维的，我们认为这个行业的水平还是非常落后，我们可能从基础的方法论到一些策略工具，到行业洞察，再到定制化的店铺运营全套多层次的服务体系。

   第三个，在新零售场景下，电商反过来去优化和改造这个生态。在这个体系里，我们可以去做的是什么？就是在特定的空间去研究人、货、场。说出来特别简单，就是我能够知道比如说我们今天所处的位置周围的一公里商圈、三公里商圈、五公里商圈是些什么样的人，他们喜欢什么样的商品，他们喜欢什么样的品牌，他们喜欢什么样的沟通交流方式，这件事情是我们的数据能够支持的。所以，我们利用线上电商场景下基本的数据，反过来可以指导和优化传统的零售和运营，我觉得这是电商大数据的一个外部效应。

   我们真正进入这个行业两年多的时间，会发现这个行业高度不成熟，体现在数据源、数据应用链路，以及商家应用落地全链路都是非常不成熟的。最后也号召一下这个行业里的人可以多交流，我今天特别强调大数据视角，它首先是一种基于消费者洞察的思维方式，如果大家对这方面感兴趣的话，欢迎跟我们多交流、常联系。

   我的分享到此结束，谢谢大家！

   主持人：感谢杨老师的精彩分享！接下来是由中国电信北京研究院灯塔大数据产品总监钱兵老师作分享，他分享的是“中小企业品牌竞争力与营销效果评估——基于电商大数据的应用”，掌声有请！

   钱兵：我是来自中国电信灯塔大数据的，电信有管道的数据，利用这些数据我们能干什么呢？今天给大家讲一讲，我们把电商数据和视频数据，视频分成OTT和OTV，我们电信只有IPTV的数据，我们把IPTV拿过来和在线视频两个数据进行融合。

   视频领域的数据跟电商的数据结合在一起能干什么事呢？站在电商角度，电商里面有很多的品牌商、企业主，他们关心他的目标人群在视频网站上都有哪些娱乐偏好，这些娱乐偏好关心完之后干吗呢？比如说他们喜欢的目标人群、喜欢的明星、喜欢的节目可以用来制作广告片进行广告宣传，选择代言人，以及做广告投放，选择媒体渠道，大量的视频网站是他们广告投放的媒体。

   我们站在视频的角度跟电商的数据关联，可以做什么关联呢？比如说视频人群、看电视剧的人群在电商上购买了什么东西，这属于影视制作公司关心的事情。影视制作公司说我拍了一部电视剧，电视剧或者电影现在都有做软广告、关联推荐的，这个关联推荐完之后，去电商上面转化到底有多少，可以做这样的事。以及视频网站上面，或者说各个节目、各个传统媒体关心自己节目的价值，因为他需要在电商上面，这些企业主拉广告需要投放，很多节目的竞争对手有很多，如果它的收视率不高，又想拉到很高的广告收入怎么办呢？就需要我们给它的视频节目商业价值做一个评估。这是今天我们在电商数据和视频数据的应用的几个功能点，给大家介绍一下。

   分享三个内容，第一是我们电信有哪些能力，第二是把我刚才讲的那几个功能点细说一下，第三部分简单分享一下几个相关的案例。

   运营商的数据，大家有多少了解运营商或者在运营商工作？以前知道运营商有哪些数据吗？运营商的数据包括通话数据、网络行为数据，还有CRM数据，比如说现在都是实名用户，您的家庭宽带注册的实名信息，家庭的位置，姓名，您的手机号认证，绑定的身份证账号，这些都属于CRM用户信息。位置信息，现在我们做城市洞察、城市客流洞察，或者对于电商里面目标用户的位置都很有用。而且这个位置和我刚才说的CMR通话数据，这是运营商高度敏感的信息。最后是IPTV数据，智能电视。

   前面有的这些数据需要结合后面的互联网数据去进行相关的分析。有数据可以做分析，但是，现在互联网行业有一个默认的行为，就是说我们把一个设备当作是一个一个人行不行？也可以，我们做广告推荐，做精准营销，我直接把我的营销方案、广告推到设备上，行不行？能不能找到这个人？可以，虽然我们有多个设备，但是我只要发到你的设备上去了，也可以找到你这个人。

       ID-Mapping这个技术是干什么的？提了很多年，我在2010年就听到大的互联网公司在提这个技术，目的是说现在随着互联网的发展，每个人有多台设备，这些设备导致了我们的网络行为片段化，片段化之后我们希望找到真实的人的完整行为怎么办呢？必须做ID-Mapping，我在企业里面可能会干我自己工作的事情，回家看娱乐，电商数据，这些行为是属于分开的，但是您在工作的时候或者在家里都会登录您的QQ账号，通过这个ID行为，我会找到您多台设备上的行为。

   我们灯塔团队最近这两年把这个技术落实了一下，希望找到家庭里面有多少人，多少人背后有多少台设备，每个人拥有几台共享设备，这些设备上的行为出现在什么地方，这些出现在不同地方的行为进行综合，综合成一个人的行为，之后再对这一个人打一个完整的标签，这样的标签会更完整地去描述这个人的性格偏好和价值取向。原先我们说的很多互联网公司打的各类标签是针对于设备，或者说这家公司拥有的私有ID背后行为的兴趣标签。这是运营商有的一些优势，我们把它通过这样一些技术落实了。

   具体实施的步骤，首先是通过我们的底层网络行为知道您的各类ID账号，ID账号识别出来之后进行数据清理。因为我们首先是知道每个家庭里面的宽带账号，所以，识别到您的设备是处在家庭场景下还是处在企业场景下，还是处在其他的社会组织，比如说网吧、咖啡厅这些社会场景的设备。我们重点分析的是家庭行为。第三步做Device Mapping，通过设备关联起来，找到一个人的完整行为。

   刚才有人问到运营商的数据，很多合作伙伴都关心我们的运营商有没有全国的数据，每个人都希望我们的数据量越全越好、越大越好。但是电信由于各个省公司的大数据平台建立的完善程度，数据的积累量，以及字段的一致性都不一样，所以电信是一个很特殊的运营商，各个省公司的数据属于独立运营。我们这些技术和应用都属于一个省一个省去进行推广，如果你希望全国进行推广，你得建立标准化的服务、标准化的体系，我们把这个技术应用在上海，做了这样的解析之后，发现除了一些企业账号，剩下的核心家庭，这些数据大概是400万家庭，上海大概有2200万人口，家庭是600—800万的量，我们经过数据清洗之后，剩下400万核心家庭。每个家庭有2.2个人，通过我们的ID-Mapping来分析解析出这些人的数据，平均每个人的手机号1.2个，每个人拥有一个手机号的占多数，所以平均下来，每个人有1.2个手机号。拥有QQ号1.5个，因为QQ号发展时间太长，设备是1.32个，也会拥有多台设备。我们如果把手机号和QQ号进行对应关系的话，大概会有500万个。做了这个之后，我们才把人的标签建立起来，做了标签体系。

   重点分享一下我们都干了什么事情。现在电商里面都有数据魔方，各个电商都用自己的数据做一些基础的统计分析功能，给客户提供他的用户以及竞品用户等等的行为数据。我们有这些数据之后，大量的中小电商是没有的，我们也可以提供这样的服务，企业品牌竞争力。数据维度主要有三个，第一是这个品牌在电商上面的流量数据，流量包括自身品牌的销量数据以及流入，从竞品每个阶段、每个时间段流入到这个品牌的有多少量，以及这个品牌每段时间流出到竞品的有多少量，通过这三个维度衡量品牌流量数据。

   第二个是品牌口碑。很多爬虫公司也在关注这个事情，口碑当然希望正面的越多越好，除了正面的比例，正面的维度这个数据企业品牌商也挺看重的，如果对我的正面评价只是集中于价格优惠，您的销量只能通过大量的促销活动去提高，这个对于商品来说，价值也不大，吸引顾客的只有价格，质量和其他方面对于用户来说，吸引力都不大，这也是商品的一个缺陷。

   第三是市场弹性，前面的几位嘉宾都分享了很多做电商运营的人，他们会大量的经营数据驱做分析。还有一点，就是商品的销量除了跟大量的促销活动有关之外，受市场的波动因素，促销属于外部的因素，内部因素是否考虑到，您的商品跟竞品之间的差异性，比如说颜色上面的，材质上面的，我们把内外部因素加起来共同分析，受市场波动到底有多大，共同衡量商品的市场弹性。通过这三个维度去衡量品牌在市场上与竞品之间的竞争力。

   第二个是属于明星商业价值指数。现在很多品牌商做了之后都会希望请明星代言，我们跟九牧王的客户沟通的时候，他们今年第一年请明星代言，大家有知道这个品牌请的是谁吗？他们请的是陆毅，大概请了快两个月了。我们在沟通的时候问他为什么请陆毅？他说陆毅不是演了《人民的名义》挺火的吗？我就问他，《人民的名义》火的不是达康书记吗？你怎么没请达康呢？他说这是我们领导决定的。很多企业都面临这样一个问题，就是选明星选谁，以及营销部门的领导去决定这个问题。包括像探路者这样的户外品牌服装企业，他们在2015年选择高圆圆，2016年选择江一燕，大家知道这两个明星的差异吗？高圆圆选完之后，他们的销量增加得非常多、非常明显，2016年选了江一燕之后，近一个月销量不增反降，这是他们后来去想到这个事之后不寒而栗。决策部门的一个领导做决策时，如果不注意，如果不通过数据去做一个辅助决策的话，可能会带来一个比较大的影响，我们就做了这样一个服务内容，叫明星商业价值指数，通过这四个指标去衡量这个品牌到底选哪个明星。当然一线明星很少，你也请不起，如果请得起，他也不会让服务商去做决策的。重点的就是二线三线的，因为候选人员名单太多，他们一般会列一个名单，比如说他的意向大概十个左右，让我们评估一下觉得哪个更合适，我们就通过这四个指标进行评估。

   营销活动，现在这些营销活动，尤其是网红直播，有名的网红直播时是不是后面放很多的商品，这些商品是代理公司跟各个品牌谈的，这些品牌商怎么去选择网红呢？也面临这样的一个问题。所以，我们这个功能主要是应用在这个地方。

   第三个叫做媒体与节目的商业价值。最近《我的前半生》大家有看过吗？《晓松奇谈》有看过吗？都有看过。在座的有看过《乡村爱情》的吗？还真有。这些节目的制作方很关心一个问题，因为他们在传统电视上面临的一个问题，有些节目收视率是干不过传播很广的口碑剧的，比如像《晓松奇谈》、《奇葩说》、《罗辑思维》这些视频网站自制的节目，他们希望体现节目的价值，怎么办？我们就告诉他您的节目观众群体虽然收视率低，但是一致性非常高，都是属于都市的高级白领，这些人群第一是文化层次高，第二是消费观念高，消费品的质量高，都是关注于轻奢附近的产品，这个对于广告商来说价值非常大。

   对于品牌传播类广告，他们关注的是量，对于转化率来说，他们关注的是质，所以，我们告诉他，针对于自制类媒体，这个节目的量少，但是精，就通过我们的商业价值指数的评估指标去告诉节目制作人、广告商。节目背后的观众也有商业价值，非常高，未来的潜在价值也非常高，这是您未来要投资的节目。

   第四个内容，媒体渠道投放决策。前面说的是帮助节目去引广告投放、制作广告片，投放完之后，我们这个地方还有问题，就是很多媒体，通常情况上决定投放哪个媒体要看到达率，这个媒体上有多少观众，有多少人来看这个媒体，大家通常做的就是看这一个指标。这一个指标如果量少的话，可能就不会选中。投放层面上，不会做精准的投放，虽然概念是精准投放，其实是做一些很粗放的，按照媒体的数量和人数去投放。

   我们给客户的建议是投放的时候要关注另外两个指标，第一个指标，这个媒体以前投放时转化率如何，在你这个品牌上的转化率如何。第二是这个媒体上的用户跟你这个品牌的目标人群的重合度如何，加上这两个指标之后再进行决策投放。通过到达率和转化率两个指标进行广告效果评估，这是我们现在给影视公司和品牌商提供的广告效果评估业务。功能点主要是这四个。

   接下来给大家分享我们的几个案例。首先，我们无论做什么事情，都要先做第一步，用户画像，用户洞察的部分，圈出特定人群，这些人群基本的属性是什么。电商的时间和视频网站时间，这个时间点对广告投放非常重要，对运营也非常重要，做精准营销的时候，什么时候发送。我经常上班的时候会收到推广短信，压根就不会看，回到家就忘了这个事。

   第二步，我们圈定视频上的观影行为，这个观影行为对于电商的品牌商来说，他要了解他的目标人群都喜欢那些明星和娱乐节目，从而去进行广告投放。暂停广告页面到底放在哪个视频节目上，这是他关心的。

   刚才说的品牌竞争力，我们做了一个品牌竞争力模型，我们给九牧王提供的是这样一个界面，我们会告诉他，你这个品牌单独在全国各地的排名情况，以及跟其他竞品的排名情况。跟竞品对比，在三个指标上，哪些领先、哪些劣势，按照时间的情况。

   这是探路者的明星代言，他们跟我讲了这个之后，我免费给他们做了这样一个案例，给他提供了这样一个结果，告诉他这两个人在这四个指标上的差异是非常明显的，尤其是这两个人的粉丝数就不说了，粉丝数是绝对有差异的，以及这两个人参加的节目给观众留下的印象也存在明显的差异，给粉丝的引导性上存在非常大的差异，这导致了代言之后产生两个非常明显的差异的营销效果。

   这是媒体商业价值的案例，我们把客户关心的热门节目进行对标投放，我们选择了最热门的45个节目进行评估。PPT上放的是三个节目《芈月传》、《奇葩说》和《晓松奇谈》，关注人群和特征都一样，你会跟身边人讨论的时候说你也看这个节目，一致性非常得高。

   特定行为、特定的观影节目的人群在媒体上的分布，对品牌商来说也是关心的问题，他们要进行后期的广告投放，我们把他关心的媒体每个领域的Top10做了一个名单给到他，以及每个媒体跟他品牌的匹配度做了一个排名。

   做完投放决策之后，我们会给用户做的最重要的一步就是效果评估。效果就是到达多少人，转化了多少人，这个转化不是当天的转化，之前我们的朋友圈里面传得非常广的百雀灵的广告转化率非常低，我们给的计算是在一段时间内，通常是一个月到一个季度。因为您做品牌广告，尤其是明星代言的不可能当天就有效，当下就有转化效果。

   以上就是我给大家分享的内容，谢谢大家！