企业这样运营数据可获得业务价值

企业数据不能全靠买，要“养”出自己的数据，运营出业务价值。

TalkingData合伙人&执行副总裁林逸飞开门见山说，国内企业大数据应用已进入“下半场”。这家从事智能数据服务的公司发现，企业，尤其是受互联网冲击最大的零售、金融和电信企业，大数据应用已具有相当深度，基本完成基建，正在收集和运营更多数据，离企业的业务价值越来越近。而自去年以来，房地产业大数据应用的步伐也在加速。

招商银行的“交互门”

3年前，招商银行开始培养自己的“交互门数据”，就是客户在移动APP、微信端、PC端留下的“痕迹数据”，像各种点击、浏览、流入的渠道、位置等，这与它“鼓捣”多年的内部交易数据并不在一个维度上。

TalkingData 参与了招行信用卡APP――“掌上生活”数据的深度运营。招行的明确目标是，既然线上支付正在冲击银行传统业务，银行也要通过移动APP争夺战，发展线上业务。当时，招行“掌上生活”只有三四百万下载量，约200万用户绑卡，月活用户不到100万人。

经过3年营销活动与大数据的闭环运营，到2015年底，“掌上生活”APP上绑卡客户已经在整体招行信用卡客户中占比超过80%。

银行APP如何与用户建立强黏性？

以前，银行的营销活动都是单向的。现在，大数据把任何一次营销都能做成闭环。通过一次次闭环运营，招行将用户一批批“牵引”到“掌上生活”上来，成为其线上用户。

以“六一”期间的母婴营销活动为例。宝宝树、小天才等应用积聚了上千万亲子用户。TalkingData的数据平台把这类母婴用户通过数据勾勒出来，再与招行信用卡用户做关联分析，筛选出招行用户中类似的“亲子人群”，并向这一目标人群发送优惠卡券。

这仅仅是数据运营的第一步。当对卡券有反馈的人群数据源源不断地返回时，人群分析模型被一次次校准和迭代。这样，“亲子人群”模型的精准度越来越高。

在这个过程中，双方摸索出运营体系和方法论，指导银行采集什么样有价值的数据，在APP中做哪些埋点。

3年中，游戏、亲子、轻奢、出境游等一次次营销活动发起的闭环数据运营，招行和TalkingData不仅把信用卡用户拉到线上，还精准地把用户画像描摹出来。

当线上数据积累到这个阶段，新算法模型被引入，富有想象力的大数据应用开始了。例如，寻找那些高净值客户。

在银行自己的“交易门”――交易系统中，很多用户看上去并不算高净值客户。但如果把这些客户与几种外部数据进行关联分析后，有趣的事情发生了。

比如，通过移动终端的授权信息和公开数据，可以针对不同圈群的客户进行描摹，比如金融理财相关的APP的使用偏好，或者股票相关的使用习性等；通过地理围栏与LBS（地理位置信息）结合的分析，将客户的“职、住、娱”位置信息进行管理建模，与房产数据等叠加后，客户的消费潜力会浮出水面；再结合电信运营商的提供的合作评分数据等等，银行可能找到一类客户――沉睡的高净值人群。他们在外部消费活跃，但并没有在这家银行购买相应水准的理财产品。

找到这群客户后，再根据他们的地理位置信息模型、频繁使用的线上线下服务、品牌倾向，选择出效率最高的手段触达他们。

今年上半年，一家银行与TalkingData合作，通过对银行客户几万台设备的分析刻画，再与上述TalkingData积累的多种外部数据――人群移动互联网形态、地理位置形态、品牌偏好形态进行数据叠加，找到沉睡的高净值客户。通过最传统的短信方式，在两个多月中推送了三组服务，在客户有效触达率方面提升了数百倍，实现理财产品人均购入超过数万元的惊人业绩。

如何运营出数据的业务价值

从银行的应用案例出发，林逸飞对数据如何产生业务价值进行总结：

首先，企业，尤其是大企业，数据不能全靠买，要有自己的运营能力。企业要投入新IT建设，“养”出自己的数据。

以一家住宅房地产商为例。在过去2年中，它只积累了4000个成交业主的数据，看房人的数据全部在渠道商手中。今年，它在售楼处铺设了免费WiFi（一些企业还可以铺设iBeacon、地磁传感器等新IT设施），在四个月中培养出到访售楼处的设备数据在四五万的规模，而这些数据成为了刻画其到访客户的种子数据样本，从无到有建立自己的潜在意向人员的模型。

这些数据让它能对川流不息的人群进行判断，如人们在沙盘区、样板间、洽谈区等不同位置的逗留时长。当把众多设备数据与外部的多层数据叠加、关联分析后，就能了解看房人的线上线下形态、品牌偏好和出没区域。接下来，房地产商指导地推团队，到哪里营销效率会更高；也对它长期包租的几十个昂贵的户外广告牌进行调整；还投放了一个看房人群经常使用，但并不知名的公交站APP应用。

同样，在商业房地产中，房产商靠自己养出来的数据，再与外部数据叠加打通，就能洞察商业品牌的选择与落位、品牌活动设计、错位竞争等价值。

值得关注的是，很多企业营销的钱花出去了，但什么也没有留下。通过新IT建设和运营，任何营销活动都能获得数据资产作为回报。

再如，一家银行赞助了一场马拉松。参加者有3万人，观众有超过10万人。由于这类人群爱运动、爱自拍，从养数据的角度考虑问题，就应该在出发和结束地分别提供自拍背景墙并铺设WiFi，作为数据线索获取的手段。

其次，只建设IT设施还不够，培养数据要靠运营体系。很多企业无目的地“疯狂”投资建设大数据平台，买了一堆存储，购买了不同的大数据平台，把数据压进去，但不知怎么发挥数据的价值。

如一家电器制造商，在过去7年，收集存储了超过5000万个会员数据，但会员状况，近期上门维修、二次购买等基本情况一概没有分析统计。企业APP和公众号的数据也未与会员库打通。投资IT设施，无目的地“疯狂”收集数据，是很多企业的误区。

企业要有数据运营的目标和思路，但这其中任何环节都不简单。仅仅在数据收集上，采集什么样的数据有价值，怎么采集，怎么做埋点，都是专业活。如一家银行曾在APP中埋了数百甚至上千的数据采集点，并随着活动、档期等的不同，动态进行调整。这需要一套运营体系和方法论。

今年，TalkingData与兴业银行推出直销银行移动运营体系；与国泰君安推出移动券商运营体系；与华住推出酒店运营体系；与东航及深航联合推出航空公司运营体系，这些都是在于TalkingData的客户深度合作，共同开发使用的指标体系。在此之前，TalkingData已推出通用类、游戏类和电商类运营体系。

再次，企业内部ERP数据要做，外部交互数据也要养，两者要并行开展。外部数据早一天培养，就多一天优势。

如一些手机制造企业，有内部进销存系统，能看到正常的渠道出货；但通过外部的产品激活等数据统计和分析，可以看到真正的产品使用情况，真实的一二三四线城市分布状态。通过统计分析激活产品上TOP10的APP应用，还能帮助企业找到新的营销渠道与交叉合作。

最后，不要迷信标签这件事。

TalkingData在做数据获取、打通、训练、算法与模型过程中发现，很多企业热衷于做数据标签，对自己的数据打了几千个标签，但没有获得业务价值。TalkingData建议，在做标签之前，要找到问题域――是要唤醒沉睡客户，捅一下瞌睡客户，还是要找高净值客户？带着问题把数据的基本属性挑出来，再进行训练学习，找到细分问题的场景标签、动作标签才有价值。