精益数据能力
如今已经是技术和数据驱动增长的最佳时代，也是大量企业有能力通过大数据系统和数据产品建立自己的数据驱动营销流程，形成有效的以数据洞察为依据的决策，防止出现“反复试错，次次都错”的结果。另外，在数据产品基础之上的人工智能应用可以让企业拥有以一当十的业务决策能力，在竞争激烈的的情况下，继续获得业务提升。
我们如果可以把目光往回看一下，人类经济发展史上很多重大问题都是通过创造全新的工具和流程得到解决，比如爱迪生发明的电灯、发电站和输电网，通用汽车发明的汽车生产流水线等。
我们再把目光往未来看一下，就会发现我们已经身处一个不断增加的联网设备的技术世界（截止2030年，全球预计有5千亿台联网的设备在线）。在这一轮希望通过数字转型和互联网赋能的企业中，那些有强烈数据意识的企业，可以利用掌握的用户和客户数据及其他有价值的数据资源，通过建立有效的数据产品，洞察用户和客户的行为，通过AI技术赋能业务和运营，不断巩固自己的业务壁垒，提升经营效益。
硅谷的谷歌、Facebook、Amazon、Booking、Uber和Netflix，国内的阿里、百度、腾讯、今日头条、携程和美团点评等企业，早就通过内部完善的数据平台工程、数据产品规划以及全员的数据驱动增长文化普及，实现了从产生数据、使用数据、数据洞察，以及数据驱动业务增长的发展方式。
这些企业都是在曾经竞争激烈的搜索引擎市场、电商市场、在线旅游市场和团购市场通过精准的市场营销策略、产品规划、业务生态布局和技术驱动业务的方式，逐步达到今天的规模。
互联网时代的数据驱动增长经营理念
互联网时代的任何企业需要遵循几个重要的经营要求：
- 要把选择权交给用户和客户 （不要打扰用户，要让用户客户可以有打勾和打叉的动能）
- 要让数据成为决策的主要依据 （不是靠拍脑袋做决定）
- 不要以牺牲信任感安全感为条件 （信任感安全感是最大的体验）
- 不要上帝视角 （永远要相信别人比我们要聪明）
把这些要求总结在一起就是需要通过数据洞察的能力去理解用户、市场和经营情况的变化，让产品和运营团队拥有迅速决策和验证想法的能力，并保证决策及相关的落地方案可以实现业务目标达成和保持用户体验。
随着大数据技术的成熟和移动端设备的普及，我们认为企业获得海量用户数据的能力变得触手可及，同时由于大数据项目和人工智能项目对业务的价值实际上受到数据战略能力、数据工程能力、智能应用能力及数据运营能力的根本影响，只有兼备这四项能力的企业才有可能真正成为数据驱动型企业。
我们认为这些企业做到了精益数据驱动。
什么是精益数据驱动？又如何用数据驱动增长？
下面，我们系统阐述一下我们提出的精益数据驱动方法论和落地案例。
任何一个企业的产品都会经历一个完整的生命周期，如下图：
【生命周期示意图】
一家企业的实际业务和产品都会不断在这4个阶段中循环往复，试验期、增长期、成熟期和衰退期，用户和客户的需求也不断在变化。企业始终需要保持对市场变化的敏感，并根据用户和客户的变化调整产品设计、定价策略、营销渠道。
互联网产品和业务在从试验期、增长期、成熟期、衰退期和调整期的过程中，市场竞争、用户需求和行业环境不断在变化，面对变化作出决策的方法无法依赖个人经验和拍脑袋，而需要一个有效利用数据特征产出可重复试验并逐步优化结果的流程。
这个流程和对应的方法我们称之为精益数据驱动，并需要在企业内部建立数据工程能力和定制化的数据产品来配合实现数据驱动增长。
精益数据驱动对运营的重要价值
【精益数据驱动核心价值一图】
对于创业阶段和产品探索期的的企业，数据分析的目的是为了在钱用完之前，找到正确的产品方向和市场，难点在于关键指标由于商业模式会有变化，所以需要核心团队通过数据相关性挖掘发现真正驱动业务的核心用户和客户行为，并由此制定产品迭代、市场营销的策略，逐步调整方向，所以指标体系的的设计是一件同时具备科学和艺术的事情。
对于找到产品和业务方向的团队，在迅速进入增长期后，伴随而来的是高额的市场成本，低效的活动效果，但一旦停止又明显看到了增速的放缓。这时候进退维谷，烧了心疼，不烧心慌。这个时候就是考研数据能力的时候了，如何能在这个时期形成科学的定量分析，指导产品和运营团队能有的放矢的开展产品规划和市场活动，运营好现有用户，提高既有用户的价值，就能大大降低总体的成本，也能让市场团队放开手脚，不必畏首畏尾。
除了建立数据产品，利用AI技术，经验告诉我们，还有个更为重要的问题，就是公司的流程和职能不匹配（文化问题）。出现流程断层，比如我们帮助过一家互联网教育企业。这个公司的运营业务直接对接到数据挖掘团队（这么对接不一定有问题），当专业的建模人员得出结论后，运营没有人去实施，没人敢去实施，不知道怎么去实施。然后反馈的问题是，无法沟通，挖掘人员能力不足等等结论，很是无奈。实际是流程和职能的缺失。运营团队觉得结论没用或者没法实施，数据团队的人觉得没有话语权，无法实现价值。
当我们帮助该企业设计规划了面向业务运营的用户圈选、智能触达、效果预估和数据监测系统后，业务部门直接看到Profile对业务的明显促进作用，进而整个企业开始用新的产品运营流程，并配合AB测试工具，找到了有的放矢解决问题的方式。
【系统DEMO截图】
精益数据驱动的重要工作：
- 做好数据采集、数据整合和数据建模
- 规划有效的业务指标体系
- 建设面向业务和运营的数据产品，通过内建的数据特征挖掘能力，帮助业务增长
- 建立内部的Profile和标签系统，赋能产品和运营设计合理方案和策略
- 通过对Profile的定量和Persona的定性研究，设计产品设计和运营方案
- 通过算法赋能，建立自动化运营系统，实现数据和业务的有机结合
- 利用内部数据平台的能力，对接外部媒体的DMP（如腾讯、百度、头条等），并提升定向人群广告投放的效果，提升ROI
对于数据收集比较完备，有能力通过数据挖掘和标签体系深入洞察细分用户特征和行为模式的企业，洞察的结果可以直接输出为经营决策能力，并可以通过技术和工程的手段，实现数据和业务的深度结合，以下举几个典型的例子。
案例1: 谷歌
自2017年第一季度开始，谷歌进一步优化了其广告投放的算法，依靠关键字判断用户购买意图，以及相关广告的历史点击率，综合决定页面的广告显示数；在付费推荐的排序上，综合考虑每次点击成本（CPC）、链接的页面质量、用户点击率等指标智能排序。使得付费点击次数(Paid clicks)增加和每次点击成本下降，在不影响用户体验的同时提升广告效率，增强了广告主付费意愿。
2018年第三季度报中显示，谷歌广告广告投放效率持续改善。三季度付费点击次数同比增幅62%，为自2017年以来最高增幅。单次点击成本进一步下降，同比降幅28%，也为2017年以来最大降幅。同时谷歌搜索、Gmail、YouTuBe、地图、AdMob、AdSense、DoubleClick等 广告相关营收289.5亿美元，占全公司收入比重85.8%，同比上涨20.3%。
谷歌能不断降低CPC，惠及广告主，同时能做到收入和利润上升，这是一个利用海量数据，准确洞察用户和客户，并不断巩固业务壁垒的最佳实例。
下图是谷歌从2008年第一季度到2018年第三季度的收入曲线 （单位：百万美元）
案例2: 今日头条
上线3年时间，日活跃超过3千万，日均点击量接近5亿，视频超过1亿，用户平均使用时常47分众，超过5千家合作媒体，3万个自媒体。
上述的数据还在刷新，作为一个似乎很传统新闻资讯类APP，却靠着数据能力在短时间让所有人瞠目结舌。 张一鸣说，初创公司产品的核心竞争力是一个乘积能力，产品核心竞争力=拉新能力×留存能力×变现能力。数据思维就是可以帮助团队把每一项能力发挥到极致，增加了生存下来的概率。
今日头条从一诞生就有数据基因，从取名开始就是让数据来说话，用户来选择。如今，算法分发已经逐步成为信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配。今日头条的信息推荐算法自2012年9月第一版开发运行至今，已经经过四次大调整和修改。目前服务全球亿万用户。
案例3: 携程
携程通过对海量酒店点评数据的文本挖掘，提取用户的价值诉求核心信息，通过对系统中200万段用户点评语句的的数据挖掘，并通过机器学习技术让系统从10万种用户模式中最终学习出2000种最好的POI位置信息展现模式，并在整个APP和网站通过AB测试验证对业务的贡献，验证成功并放开流量后，整站转化率提升0.78%，平均每天增加3922个酒店订单（5437间夜），是一个典型的旅游业数据驱动业务典范。
案例4: TutorABC英语教育平台 （DTALK团队支持）
TuturABC通过Karma系统，准确识别潜在问题学生，老师，客服的时间和人力成本节省一倍，学生流失率降低50%，最终的学习效果大大提高。
iTutorGroup在DTALK的技术支持下设立了Karma系统来监测学员的上课体验。根据学员的基本信息、课程反馈、学习活跃度等因素进行分析，Karma系统会预测学员的使用经验和学习效果，不仅能为学员提供前瞻性建议与帮助，也能够抢先发现潜在的问题，让人工及时介入处理。
配合Karma，iTutorGroup通过实时监控中心进行全年24小时不间断的实时监测，即时掌握不同学员的课堂学习情况，智能预测每位学员需要被服务以及课程顾问需要投入的关怀要点。一般而言，企业都是补救式客服，而iTutorGroup借助Karma系统以及客服团队可以做到预测式客服。通过AI数据分析，平台比学员本身更早发现他可能存在的学习问题，然后由客服主动出击来做优化，确保学员的学习体验始终处于满意状态。
DTALK精益数据驱动咨询服务
我们通过系统性地通过数据分析、数据挖掘、产品运营指标体系、用户画像Profile和Peronsa、AB测试和用户增长技术，帮助企业通过数据产品无痛改善业务，赋能市场运营，最终形成数据驱动增长的工作模式，实现降低成本和增加收益。