不确定时代保持科学增长的三个关键问题

在618进行的如火如荼的这个夏天，或许每个企业的高层都在力图避免陷入寒冬中的增长瓶颈。看看我曾经工作过的企业携程，作为创始人之一的梁建章先生的直播也是拼了。

但是该增长的企业仍然在持续增长，并且不断在走出创新发展的道路。

在进入6月份后，大部分我知道的消费类公司都在积极恢复今年的营销运营，但是大家口袋里的钱都不够用，广告预算也难以维持去年的水平。

回到DTALK.org一直以来的主张，如何通过数据驱动决策的能力让企业可以获得洞察市场（用户）变化的能力，在这个特殊的时期变得尤为重要。

之前我们组织了一次DTALK社群讨论，主题是“瑞幸的召回活动和私域玩法解析”，在外界纷纷扬扬讨论瑞幸的财务危机时，我们却坚持希望观察该企业实际一线运营打法上的变化，对该讨论的回顾文章有兴趣的朋友可以关注我们的微信号DTalks后阅读“数据驱动”专栏，或者参加我主讲的数据驱动增长系列直播课第1期。

一个永远重要的问题是：

•  流量在进来，也在流走，用户需求开始变得复杂怎么办？
•  想提升GMV，但是花了钱就上去，不打折就无效，如何解？
•  如何解决用户留存率始终在下降？到底要如何定义核心指标？
•  面对KPI压力，如何避免做大量无效功能和活动？如何找到可以撬动用户自发增长的曲线？

实际上：人的基本需求没有变，但具体行为和渠道会变，能否基于数据洞察给出运营决策结论变得更重要了。

前不久饭统戴老板有一篇文章，叫“美团凭什么“，其中谈了几个美团发展历上比较有深远意义的决定：

1）在千团大战的时候，停止盲目扩张，集中精力和资源服务好用户（比如推出过期退）

2）把从红杉融来的钱集中优势兵力开发商户自动结算系统

3）为了让用户可以更高机率入住预定的酒店，让酒店可以更好地管理库存、订单和营销，投入技术资源建设EBooking系统，并让地推团队全力服务传统酒店老板和前台，半年内20万酒店从团购券转型为预定模式

像这样的例子还有很多，如果大家有兴趣可以去读这篇文章。

像美团这样的有强大网络效应平台的企业，其实有非常多，最近几年颠覆原有行业格局的企业里，头条、拼多多、快手、B站、喜马拉雅等，无处不在渗透着类似美团一样的生存增长逻辑。

美团王兴提出过“互联网上半场”和“互联网下半场”这个概念，那是站在美团的发展历史阶段提出的，如何深入理解背后的流量生态逻辑和移动互联网发展红利的基础是最重要的。

我曾经用文章“一个数据驱动布道者的朋友圈思考“总结了几年来在推动数据驱动决策、互联网创业和科学持续增长方面的思考。

在我来看，美团的每一步发展都具备了以下特点：

• 重视商户用户的体验和Engagement
• 科学决策
• 快速迭代
• 试验
• 不断探索用户行为和业务结果之间的相关

重视商户用户体验和Engagement

这个策略目的在于通过撬动商户的活跃频率，比如上传商品、运营营销活动、完成消费端用户的交易等，从运营上逐渐形成经典的微笑曲线。

下图是一个类似的平台型企业通过运营手段让Cohort模型下的供应端用户的活跃在几个月内形成逐步上扬的趋势，从而带动终端消费用户的使用留存。

对于一个具有双边网络效应的企业来说，如果具备了以下的数据特征，就可以非常顺利地完成了一个新业务的产品市场验证，也同时具备了比竞争对手高效得多的C端用户获取能力。

图1: 网络效应的微笑曲线

对于在数字化转型的企业，比如连锁零售企业、银行业、连锁酒店等，可以用这个对应关系来类比平台企业的C端用户和商户用户：

• 连锁零售：商户用户=门店导购和店长
• 连锁酒店：商户用户=酒店前台和店长
• 银行业：商户用户=分支行行员和经理
• 连锁娱乐业：商户用户=门店销售和店长

以上4个行业的经营模式虽然不一样，但是通过数字化工具赋能一线门店和营销人员的基本逻辑是一样的。

如果连微信团队的企业微信产品都希望通过不断创造使用场景来达到产品活跃的目的，那么任何希望通过数字化转型的企业，特别是有大量门店的企业，都应该意识到如何也让自己的一线营销运营人员可以积极使用自己企业的数字化工具和数据产品，特别后者是科学决策的基础。

科学决策

科学决策在营销运营上的根本目的是通过设计全面的数据观测模型，通过对其中变化因子的的理解，发现互联网用户在使用企业服务、产品和交易过程中的行为变化特征，并通过计算的量化结果直接输入给业务运营团队，避免人类偏见和思维模式的局限导致的决策窘境。

举个例子：

比如某个企业的老板要求业务团队汇报产品里处于不同生命周期的用户情况，希望数据团队给出可解释能看懂的结论。

内部的做法是业务团队按照行业经验和规则将用户划分为新进、活跃、流失、回流四个阶段，数据团队给出科学的划分标准，以保证结论可解释、可理解，同时也有科学划分依据，比拍脑袋强。

但是戏剧性的结果是由于一位算法资深同学利用特征工程和聚类处理了4个用户群体，这个“黑盒子”效应导致业务部门看不懂用户群体的定义，无法认同，丢给负责人小伙伴一句话：“我找你们合作不是给自己找不自在的，这么个花十分钟可能都给老板解释不清楚的东西，你们自己去汇报吧。”

这个事情是一个典型的人类思维在遇到真实数据处理后的更高纬度的科学洞察后，但无法沟通导致无法决策的典型例子。

问题是我们是想办法解决通过建设可解释的数据产品来走通一个创新的流程，还是知难而退地回到更为传统的以前重复无法科学决策的过去呢？

图2: 我们不是来预测，而是来理解

 

迭代、试验和因果

在这次全球遭难的Cov-19疫情期间，我记得携程的创始人之一梁建章先生曾提出：“我们始终认为，建立在数据分析和科学论证基础上的分级隔离措施，才是当下更能在疫情防治和恢复秩序之间形成平衡的方案。”

如果把防止疫情当成一项巨大的社会工程来看，在无数变量作用下，任何一个人都无法完全凭以往的经验作出最科学有效的决策。

那么对于一个处在变量（政策、用户、市场环境、竞争格局、供应链、金融条件）互相作用下的企业，如果要作出有效决策也一样需要建立在数据分析和科学论证基础上。

快速迭代是任何一个现在的互联网团队或者传统企业数字化转型团队都必须学会的做事方式。无论是一个新的业务流程、一个新的团购功能还是一个新的运营营销策略，在面向不确定的市场接受程度时，只有通过快速迭代的方式，才能通过提供完整但不完美的产品服务来逐步验证市场的接受程度。

图3: 迭代和优化

在这个功能一边迭代，一边测试用户接受程度的过程中，试验变得不可或缺。比如我曾经详细说明多变量试验（AB测试）的重要性，具体可以读我写的文章“数据运营的2个重要武器”（见公众号dtalks的数据驱动专栏）

AB测试/试验的作用是巨大的，搜索引擎Bing由于通过试验发现了广告产品的改进方式，一个改动就获得年度几千万美元的新增收益。

在迭代、试验的落地过程中，非常考验团队是否理解相关和因果的区别。

举一个可以帮助联想的例子。

我们都知道一旦天气转为下雨，必然有大量的人开始打起雨伞或者穿起雨具。如果一个从外星来到地球的人第一次看到这样的景象，但完全不了解下雨的天气机制，那么他很有理由可以认为只要让人们收起雨伞或者雨具，那么大雨应该会停止。

如果我们换成另外一个互联网社交产品的例子，比如到底是因为用户增加了5个以上的好友，所以他变得更加频繁地回访并点赞了呢？还是因为用户更活跃了，所以他更卖力地拉更多的朋友加入这个社交平台了呢？

这个问题曾经在Facebook早期困扰整个团队，但是最终找到答案的方式是通过用户行为数据分析出特征的相关性，并通过试验迭代的方式，找到改进方案。

利用相关性而不是牵强的因果关联，反而可以有效找到解决方法，至于原因是什么其实已经不在重要了。

可悲的是，作为人类，我们永远想搞清楚每件事情的原因，但往往我们却倒果为因。

真正有助于找到因果关系的方法是AB测试。

这份Harvard Business School关于AB测试和创业企业关系的报告很值得一读，大家可以学习人家的研究方法。另外这也是顶尖商学院不多见的围绕数据驱动和互联网创业模式的研究报告。

图4：Harvard BusinessSchool关于AB测试的报告

 

数据驱动是否可以对业务增长起主导作用？

在前不久的一次环球旅讯邀请我主讲的线上直播课中，我和一批企业里负责一线营销运营的朋友就这个问题展开了对话：数据挖掘会对企业的业务增长能起主导作用吗？企业是否需要通过对数据的挖掘分析，找出客户的消费习惯和特点，建立客户的消费模型，从而可以更加精准的针对不同的客户群体开展营销活动？如何能否做到提高客户的转化率，实现业务的快速增长？

以下是一些企业的朋友对于数据驱动这件事的一些观点，我计划通过7月1日的DTALK直播大课堂与朋友们讲解如何在实际中解决这些工作中的问题：

1） 网友@Nobody

数据起码是一定程度上的“事实”比“拍脑子”的冲动更客观和现实。而且数据化可以提高效率。就像marketing做投放时设置参数，这样通过参数反馈回来的数据就可以做到监控了。之前没做这个工作要人力查，渠道一多容易出错而且浪费时间在这种查的工作上是低级的操作，没有意义。前期合理的细致的数据的埋点和后面分析建模以可视化都很可以提高效率。

2）网友@Yaki

数据挖掘在未来会是企业发展起很重要的作用，但是也需要一些前提：

1、企业在产品和运营策略上是否预留了足够做挖掘的数据基础；2、企业是否具备有挖掘数据能力的技术和分析专家；3、这些留存和可分析的数据与企业发展的关键指标之间的关系

有以上这些基础才有可能对客户数据、对营销运营的关键指标以及战略层面上管理成本这些做到有效反馈，及时调整策略促进企业发展吧～

3）网友@一

我觉得理论上来讲，公司业务数据挖掘对增长是有主导作用的：

1.数据挖掘是对业务的改进优化，包括企业用户体验的改进方面，和对公司资源的分配。2.数据挖掘可以帮助业务发现机会，主要是利用数据查找发现人们思维上的盲点，进而发现新的业务机会的过程。3.数据挖掘有可能创造新的商业价值，主要是在数据价值的基础上形成新的商业模式，数据才是真实反映用户行为的。

4）网友@大双

数据挖掘和数据筛选应该既是营销策略的前沿，又起到后续营销行为的一个导向作用，但数据需求一定得明确，如果只是盲目的做某个市场的营销，没有前瞻性的数据做支撑，比如通过一些热力图读出的点击量，访客量，搜索量，停留时间，订单转化量等作为分析参考，不了解客户的兴趣点，或者年龄结构，时间点需求等等，那有点形同于混水摸鱼…

5）网友@Jascha

现在很多企业都在谈大数据，但是在运用大数据为决策提供参考时，有多少管理者会注意到数据收集时，能否满足大部分决策环境或者产出分析的需求？数据收集系统的设置是否合理？是否足够 user friendly？有没有足够的数据分析人才来提供分析和结果？在讨论数据挖掘前，其实关注的应该是为什么要使用数据和如何使用数据两个基本问题。

6）网友@杰森

数据有作用是真的，但是能不能起主导作用我觉得需要分情况来看，一方面数据确实能够反应一些实际情况，无论是营销还是运营都可以根据数据来进行决策。以酒店为例，分析入住率，revpar等变化情况可以提升酒店运营效率；做用户画像可以更加精准投放等等。但数据的核心还是怎么去整合和利用，把最大价值发挥出来，而对于目前的旅游企业来说，数据只能是锦上添花，并不能够起主导作用，核心还是产品和用户体验，数据只是一个非常重要的手段