17年數據分析經驗告訴你大數據行業的門道

本文根據具有十七年數據分析行業經驗的嘉賓陳晨的紀實采訪整理。

本期專訪嘉賓：陳晨

簡歷：現任電通安吉斯 – 美庫爾(DAN – Merkle) 中國(上海/南京) 數據與分析部高級總監，兼任Merkle南京公司總負責人。十七年以上美國、加拿大及中國咨詢業及行業領先公司數據營銷、風險分析、定量模型，客戶關系管理策略的經驗，擁有市場營銷、定量方法 、經濟計量和統計學方面堅實基礎，和建立銀行/金融/零售業營銷模型和信用評分模型的豐富項目背景。

Q：如果企業想要挖掘數據價值，但由于種種原因，導致數據本身維度不完備，或缺失較多等情況。您能利用多年項目經驗，跟我們分享一下這類企業應該怎樣有效利用數據嗎？

陳晨：對于廣告營銷而言，有用的數據維度是越多越好。即使企業自身CRM做得非常完備，有了其他數據源的補充，對于理解現有客戶群體，如何進行下一步營銷活動的準備都是非常有好處的。

事實上，沒有任何一家數據提供商能夠滿足品牌所有的營銷信息需求，品牌需要的是因地制宜地購買、結合與其最相關的高質量數據內容。Merkle可以利用其購買力和強大的合作伙伴網絡，幫助品牌在全球范圍內找到需要的數據，再結合數據整合和落地效果分析，為客戶創造了戰略優勢。

按照Merkle常用的用戶生命周期來說，我們把用戶的生命周期分成接觸潛在用戶(獲客階段)、老客維護(互動階段)及留存分析(促使回購階段)。在獲客階段，Merkle可以結合其他數據來源，豐富數據維度。比如我們在為某知名在線英語教育品牌服務中，由于客戶本身數據不足以支撐建模，我們就利用運營商數據和某知名科技公司數據為客戶做了數據增強，用戶畫像及建模準確度都提高了不少。

而且和運營商數據做對接有個好處，運營商天然有接觸消費者的渠道，所以這個項目的第二階段，我們會應用模型挑選最有可能轉化的消費者，通過發短信、彈窗的形式，在合適的觸點做營銷活動。

如果是在互動階段，數據維度越多，我們越能基于用戶行為/狀態對用戶分群，實現個性化交互。舉例來說，我們曾為NBA提供了Loyalty Plus平臺解決方案，幫助客戶打造出“NBA球迷圈“?！鼻蛎匀Α笔荕erkle通過收集、清洗和整合多個數據源的顧客數據，確立會員策略，為NBA中國建立的客戶忠誠度系統，從而可以基于球迷的行為和狀態建立球迷分群，個性化地實施與球迷的有效交互。

目前該忠誠度系統已有超過60萬球迷注冊，活躍用戶達到64%，收集到的會員交互數據將用于客戶分群和定制化的服務，實現營銷上升閉環的效果。對于留存分析而言，更多的做競品分析，了解用戶為何流失。

在用戶生命周期的不同時段，不同對應策略

Q：什么情況下公司會考慮利用數據分析/模型來做優化，具體怎么操作，落地效果又是如何評估的呢？

陳晨：從根本來說，數據分析/建模/統計等都是用來更科學的衡量數據資產的一些方法。就我的角度來講，只要有數據，有余力，都可以嘗試從數據中感知用戶，提升營銷效果。

我們姑且把公司分為兩類，一類是注重用戶增長型的企業，一類是注重客戶維系的企業，當然這個劃分不是很嚴格的，許多企業是兩者并重的。注重用戶增長意味著獲客，獲客沒有哪個企業是不需要的，但是隨著互聯網的興起，數據的興起，獲客在具體做法上有了很大的改變。

互聯網剛興起的時候，大家會發現網上獲客又簡單又便宜，比如在搜索引擎上投一投付費廣告，或者做做SEO，效果很顯著。

現在呢？網上的流量越來越貴，對于某些特定行業，比如汽車或者教育，一個銷售線索的成本達到了幾十甚至到幾百人民幣，所以如何在當下環境找到有效、便宜的方法來接觸到更多的潛在消費者對企業來說是很重要的。

我們現在的做法是幫助客戶量身打造一個精準獲客的策略和完整的CRM(CustomerRelationship Marketing客戶關系營銷)解決方案。

首先了解到客戶現有的獲客流程，基于行業和客戶自身特點提出解決方案，落地之后還可以通過與歷史數據對比來看效果如何，在這個過程中我們又學習到什么，再去調整具體的操作或者實施步驟，形成閉環優化的結果。以某著名電腦品牌客戶為例，原來的獲客方法就是做線上線下活動，網上購買一些用戶資源，但是我們可以幫他做細，我們可以通過模型來挑選出對品牌感興趣的人群，在此基礎上再做活動，省錢省力。

之后在轉化階段，原先客戶的方法就是通過電話中心接觸，或者直銷的形式，我們可以豐富這些手段，比如可以結合數據來核實用戶的真實意圖和具體需求，在接觸到的時候做到個性化推薦；或者可以用模型對這些用戶做分群，之后再促進轉化，都是非常好的方法。

Merkle CRM解決方案流程圖

對于注重客戶維系的企業，我們可以幫助企業建立用戶價值和生命周期的體系。用戶價值的主要目標是作為投資標準，而對用戶的投資有多種形式：比如為高價值用戶提供更頻繁、便利的服務；在營銷活動中為不同用戶提供定制化的接觸策略等。

我們在確定用戶價值時會考慮很多因素，比如考慮到任期，流失，風險，營銷和服務成本，交易歷史以及預期的未來盈利能力和收入。而且用戶價值會隨著其生命周期的改變而改變，這是一個動態的過程，完全可以在這種變化中放大營銷效果和增加決策正確性。還是舉電腦行業的例子，我們可以結合用戶歷史購買/保修/網上瀏覽等行為，給每一個用戶一個生命周期所在階段，然后在合適的時間點接觸到用戶。

Q：能否給志在從事大數據行業的年輕人一些您的意見？

陳晨：我覺得從事大數據行業首先要可以沉得下心來，必須能夠掌握一兩種常用的數據分析工具，比如R，Python等，能夠進行一定程度的編程，這樣才能對數據理解和分析有一個直觀的學習深入過程，也可以訓練新人的數學和邏輯思維能力。

當然這是進入行業的基本前提。然后是要有一定的統計學基礎和商業分析能力，能夠迅速地從數據分析的結果中得出對商業運用或其他相關專業領域的洞察和應用方向。簡單地說不是把模型跑出來，圖表畫出來就完事兒了，還需要能夠從模型結果和數據可視化呈現中推斷總結出后面真正的故事和意義。

在這些基本的能力和技能掌握后，要保持持續學習的心態，不斷追隨和了解行業最新動態和趨勢，并能夠橫向進行多產業方向的融匯貫通。另外，大數據分析專業往往需要和不同部門，不同類型的客戶進行溝通、講解，所以如果在職業生涯的后端需要保持持續發展的競爭力，能用專業和非專業的語言和不同層次背景的合作方進行有效溝通也是必不可少的技能。

這次的訪談到此結束，謝謝陳晨分享關于數據整合/增強、數據分析和建模的一些項目經驗。