2018-04-16 16:20:00 weixin_33691700 阅读数 50
  • 大数据解决方案构建详解 :以阿里云E-MapReduce为例

    大数据解决方案构建详解教程:1. 简单介绍Hadoop生态,介绍E-MapReduce产品,包括作业报警等。2. 探索Hadoop节约成本的几种方式3. 几大类大数据场景的解决方案4. 已有用户遇到的10大常见Hadoop问题剖析5. E-MapReduce未来规划,如专家系统,更智能为客户服务。

    5703 人正在学习 去看看 CSDN讲师

现在是大数据的时代。很多科技巨头掌握了大量的客户数据,而大家都清楚,这些数据是无价之宝。然而,由于技术、理念等等方面的限制,实际的客户数据利用情况并没有那么令人满意。麦肯锡在报告中分析了这一情况,并且为希望充分利用大数据的公司提出了几点建议。

2017-03-30-391f0d9aeb-3b0d-4506-9e51-19c

公司可以通过梳理出新的模型、推动生产效率、创造出新的解决办法来使用他们的信息。

在一个以消费者为中心的世界里,一种能够整体获取并利用客户的洞察力来塑造产品、找出解决办法并改善购买体验的能力显得至关重要。研究告诉我们,能够利用客户行为洞察力的那些公司,在销售增长上要比同伴高出85%,在毛利润上要高出25%。一定要把客户数据看作一个关键问题。

但是大部分公司只使用了他们所搜集的信息中的一小部分。延伸遗留系统、孤立的数据库以及发散性的自动操作都是常见的阻碍。模型和控制面板可能会被强制依赖过期数据,而且核心过程可能需要大量的人力干预。公司也常常不能清楚理解优化数据的过程中计划得到的特定成果。

麦肯锡面向世界范围内700家公司的一项调查发现,通过投资分析来在未来市场环境下获得竞争情报,通过更成功地瞄准客户、优化运营和供应链,能够在6%的范围内增加运营利润。

我们的劳动成果显示,这些回报并不仅仅局限于顶级玩家。当谈到从他们的数据中产生的可测量的价值时,大部分公司都只能收获少得可怜的果实。

以下是可供大部分公司选择的最具前景的三条道路。

梳理出关键的模型

客户的购买信息、他们多久联系一次客服、他们会在一个特定的网站上流连多久:这些信息都是对他们的购买习惯与偏好的极具洞察力的阐述。大部分公司都会大量收集这些信息,但是却把它们放在孤立的数据包里。很少公司会把它们结合起来。例如,一家银行可以通过共享客户数据、运用高级的分析手段来找出关键区段的需要以及下一步可能采取的行动,从而最小化客户重复申请同一张信用卡、诈骗以及违约风险。这些模型可以在不同的业务间使用。信用风险团队会想要知道,一个季度内银行结余不止一次出现赤字的客户在抵押贷款中违约的可能性是不是更大。市场营销可以利用这些数据来制定理财规划以及透支保障服务。这样的数据信息还可以被打包、净化,卖给利益相关的第三方,比如卖给信用调查机构以及支付公司——使得对时间和模型进行原始投资的投资方收获多倍红利。

除此之外,图形数据还能用在直接消费上。例如,一个工业零部件的制造商通过研究、测量客户的购买历史和行为数据,来弄懂他们在最高价值区段的典型购买路径。这些数据显示,买家更有可能依赖经销商给出的产品推荐,而很少被商展演示和附赠品影响。市场营销人员就能够根据这些来重新分配预算。

由消费品公司主导的其他公司已经开始更进一步——利用客户数据来个性化外展服务。通过整合丰富的客户档案以及严格地追踪应答率,市场营销人员就能够精确地知道,在关键区段和微小区段里,什么频道上用哪种格式的哪些内容比较有可能产生最大的影响。十年之前,还没有工具能够做到这些。而现在有了。几乎所有的公司都可以从中受益。例如,一个汽车行业的保险商,如果客户要买汽车保险,那么一般都会在他们收到第一次报价的60天前开始,而且一般平均会收到15个示意。他们可以利用这些信息来定制特定的服务,计划外展服务的时间。这种独家定制可以带来营销费用5-10倍的回报。并且可以把销售量提升10%甚至更多。

指数爆炸提高生产效率

虽然一线的赚钱机会一般都能引起很多人的(一般都是最多人的)注意,但是本质上只有短期的收益是可以操作的。例如,很多B2B公司都发现,由于他们巨大的规模与领域分散的网络,他们很难强制实施借贷率价格规范。但是联盟排行、报告控制板、最有效的下一步行动的分析以及其他解决办法都能产生深刻的影响,这使得经营者能够比较绩效,并看清价格、折扣以及同类事物对其他类似客户的影响。

数据功能过程还能使专业知识更易于获得,从而帮助公司学习到更多制度上的专业技术。例如,一家金融机构发现,他们的事务处理专家会被一大堆地区办事处的外贸问题淹没。这会让事务处理员很头大,他就会雇用一个能够提供一系列服务的团队。这个团队通过执行一个基于人工智能(AI)的系统来解决问题,这种人工智能可以捕获、说明大量的数据,从而找出最常被问到的问题的答案。

同样地,通过一系列内部和外部的资料来源更好地整合数据,能够减少收集资料的时间,还有助于分析师、审计员以及其他人用更少的时间去追踪数据,用更多的时间去应用结果。专家们能够在更大的一套数据上计算数字,更好、更快地审查,使得专家们能够把他们的技能用在其他地方。虽然AI和机器学习工具确实需要大量时间和金钱上的投资,通过利用大部分公司现有的工具和系统,就能够开发出更多其他的性能,并且能够在这个基础上进一步改进。

创造突破性的解决办法与服务

UpstartNetwork是一家贷款公司,他们专门的算法和非传统的测量方式使得他们能够利用一系列客户背景资料,然后给出领先于市场的利率。

姜网(Ginger.io)也要依赖智能手机和佩戴式健康器具上的用户数据,比如睡眠、流动性以及通信模式等,这样当患有精神疾病的病人开始出现症状时,就能够改善他们的临床评估与诊断。客户数据也使得创造在线市场和新的企业经营模式成为了可能,比如Airbnb。他们成为了众多利用数据来改革突破性的数据应用以及企业经营模式的公司之一。

但是,这些突破不一定就是纯数据化的天下。现在很多公司都有这样一些优势,那就是持久的客户关系、雄厚的专业知识以及极大的规模。通过给一小部分特定的客户优先权,比如减少反复申请一张信用卡,增加交叉销售,建立小而专的跨部门团队来进行试验、改进,然后给出新的方法。老牌企业可以产生巨大的回报。

让这些成为现实

企业的数据成熟水平不尽相同。但是不管一家公司成立的时间是长是短,实际上每一家公司都有珍贵的客户数据资源,这些资源能够被更好、更有效地利用起来。虽然每一个战略性倡议的基础依然适用——阐明一个顽强的、凝聚力强的数字策略;保证强有力的领导班子;保证正确的资源,并且优先推出一到两个高影响力的试验项目——公司无需等到他们“完美”的系统和科技全部到位。只要有这两个基本步骤,就能够打开机会的源泉。

丰富客户数据。应该丰富客户数据以便并入数字化信息、日常事件、社区信息、客户习惯及偏好等中,以便能更直观地了解客户。这些活动也许会包括客户的情感行为得分、采购交易体现出来的洞察力、客服中心的询问以及在线行为。例如,一个财产事故保险商,通过一个在线房地产网站连接了客户历史记录的数据,从而找出一个可能想要搬家的客户。房产中介就可以通过相关的邮政区号给潜在客户寄送一个预先包装好的报价。

使得数据可以以共享方式获得。使用“双速”信息化,专业的商务和信息技术团队能够快速地追踪信息化的发展,当高价值的客户开始计划长期转型的时候,企业就能够先发制人抓住这些客户。覆盖的软件可以在不同的业务线上连接数据贮仓,而语义层则可以往一个用户友好的界面里输入信息。整合相关的用户数据并使其能够被不同的公司获得,这不仅能够减少收集来的信息的复制量以及人工数据输入量,还能够给客户提供更低的价格、更大的便利以及更好的体验。

当一个客户给客服中心打电话反映某个问题的时候,有些公司就能够即时更新这种交互,这样所有利益相关的第三方公司就都能对客户有一个全方位的了解,从而更好地回应他们的需求。

同样地,为使临床医师能够快速得到其病人的完整病史,一个具有献身精神的数字化服务团队建立了一个患者门户网站,使得医生可以注册登录,查找患者的名字,并且得到一份完整的患者报告一览表,其中包括X光以及其他检查图像的链接。这个网站不像基础数据环境那么复杂,而且有助于提高服务、改善结果、降低价格及管理风险。这个团队随后将和医院里管理更大的数字化转变的那些人一起合作,一旦新的环境准备好之后就把整个网站迁移过去。

打算开始着手准备的公司可能要思考以下几个关键问题:

我们能把哪种类型的客户数据变成独一无二的数据产品,又该去哪里收集这些数据?

我们能够获得哪种类型的外部数据?想要创造出数据驱动的价值,我们需要和什么样的第三方合作?

有没有可能通过利用客户数据来创造出一个绕开或是重塑某个现有行业的市场?

我们需要有什么样的技能组合与能力?又能在哪里找到并发展它们?



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

2019-12-14 15:57:24 v_ydjzhk 阅读数 602
  • 大数据解决方案构建详解 :以阿里云E-MapReduce为例

    大数据解决方案构建详解教程:1. 简单介绍Hadoop生态,介绍E-MapReduce产品,包括作业报警等。2. 探索Hadoop节约成本的几种方式3. 几大类大数据场景的解决方案4. 已有用户遇到的10大常见Hadoop问题剖析5. E-MapReduce未来规划,如专家系统,更智能为客户服务。

    5703 人正在学习 去看看 CSDN讲师

运营商大数据精准营销可以实现什么?怎么通过大数据来精准获客?

企业主提交数据需求,指定用户基础标签和浏览痕迹行为标签,例如:地区、年龄段、性别、学历、收入、关键词、网站链接
通过运营商庞大的精准数据库进行数据的采集,根据用户浏览习惯,上网分析,挖掘筛选目标客户线索并技术处理,为企业提供精准外呼、短信两种触达方式,实现精准营销,高效获客。
精准性:基于客户的应用场景由客户定制化需求模型,找到垂直用户行为,随着线上流量获取越来越贵,精准营销是未来发展的方向 ,大幅度降低获客成本,降低无效沟通。

时效性:我们可以做到根据客户的需求实时对接。
主动性:我们可以做到通过SAAS平台实现一对一精准触达。
唯一性:合作签约客户,独立建模,帐号唯一,资源独享。
合法性:我们所有产品及服务都是基于运营商多次法务审核落地,与客户全部签订合作协议。

大数据获客
提供:关键词行为(提供搜索关键词)、网址行为(提供链接)、APP行为(提供APP名称)、400电话行为(提供400电话)
以上任何一种方式物料即可。
数据来源:
运营商:移动、联通、电信
调用筛选方式:
网址行为数据:获取指定任意网站的访客(同行网站或者行业平台都可以),提供网址链接即可,停留多长时间;
APP行为数据:获取指定APP访客。提供APP名称即可;
400电话数据:获取指定400电话、固话拨打人群,提供400电话、固话号码即可。
短信:通过短信通道,接收过某些短信的客户
位置:一定范围内的客户数据
特点:
.数据都是调用当天的,隔天出报表,时效性强;
一个客户一个系统 独家合作,保证一手数据;
所有数据,保证真实搜索,如若发现不真实或者重复均不计费。
优势
不用推广就可以获取精准客户数据。
享有整个行业客户资源。

2018-10-24 11:07:42 cqacry2798 阅读数 80
  • 大数据解决方案构建详解 :以阿里云E-MapReduce为例

    大数据解决方案构建详解教程:1. 简单介绍Hadoop生态,介绍E-MapReduce产品,包括作业报警等。2. 探索Hadoop节约成本的几种方式3. 几大类大数据场景的解决方案4. 已有用户遇到的10大常见Hadoop问题剖析5. E-MapReduce未来规划,如专家系统,更智能为客户服务。

    5703 人正在学习 去看看 CSDN讲师

摘要:大数据将在将来几年继承改变客户办事。构造在寄托数据来领会客户需要,并供给他们所需的办理计划。

客户办事凡是被以为是一种任务,有些公司将会死力暗藏用户可以与他们联系的选项。这是一个错误。糟的客户办事将会让构造最老实的客户直接转向构造的合作敌手的度量。

抱负的环境下,精良的客户办事相应麻利敏捷。荣幸的是,更好的客户关系办理(CRM)集成可以削减客户碰到雷同变乱的次数,从而使企业对本身的需要做出更多的反响。现在的客户办事代表常常感触应当在最后的联系点办理问题。

在这里插入图片描述
如下是大数据改变客户办事的一些法子:
一、拜候资本

外部常识库凡是具有常见查询的办理计划,可以为经由过程手机查询的职员供给极好的资本。经由过程供给客户大概会扣问的所有最根本的问题,使客户可使用这些资本中,并能够帮忙削减手机堵塞。

支撑事情职员拜候特定帐户的解释也能够更好地筹备应答反复的问题,使全部构造看起来像是在不竭的沟通。

很多初学者,对大数据的概念都是模糊不清的,大数据是什么,能做什么,学的时候,该按照什么线路去学习,学完往哪方面发展,想深入了解,想学习的同学欢迎加入大数据学习扣群:805127855,有大量干货(零基础以及进阶的经典实战)分享给大家,并且有清华大学毕业的资深大数据讲师给大家免费授课,给大家分享目前国内最完整的大数据高端实战实用学习流程体系

二、供给帮忙的帮助功效

构造不要暗藏联系德律风和电子邮件地点。暗藏联系人按钮实际上与构造大概想要的结果相同,而不是低落客户办事的本钱,构造大概会由于缺少办事而厌倦,并在其余处所追求帮忙,是以大概会致使支出丧失。

那些削减得到支撑的人每每会为客户供给充沛的资本,这大概是一项庞大使命。即便有一个壮大的网坐布满消息,客户大概不晓得看哪些,除非有一个业务必要花时间倾销这个资本。

三、改良相应时间

企业削减客户期待时间来得到支撑有各类方法。一方面,企业为外包给更大的呼叫中间供给支撑,可以供给处置呼叫办事所需的职员。

企业也大概供给多种支撑手段,是以更愿意期待支撑的人可以测验考试德律风谈天或电子邮件,而不是德律风。这类便利象征着支撑代表可以在接听德律风同时,可以接管电子邮件并支撑或人。

四、怜悯和恻隐

大量的培训是渐渐进级的问题。耐烦是一条冗长的路,但也必要正式的培训。在技能支撑方面,行业专家号令技能支撑代表不要亲身反馈,并提出关闭式问题以得到更好的结果。

与客户打交道是很难的,可是客户办事代表是专家。精良的构造供给代表必要操纵的培训和谈吐,以便更快地得到他们在探求的谜底。

五、展望客户的需要

优良客户办事的终极构成部门是展望客户的需要。换句话说,其方针是为客户供给其无法得到的工具。

精良的企业社会义务感有助于做某些事变可使客户的糊口更轻松,比方低落运输本钱或在产生运输错误时供给赠品。而这类本钱其实不是每一个公司都能包袱得起,但他们大概能够找到其余方法吸收客户,并感触欣喜。

2019-09-07 10:06:30 weixin_45359996 阅读数 335
  • 大数据解决方案构建详解 :以阿里云E-MapReduce为例

    大数据解决方案构建详解教程:1. 简单介绍Hadoop生态,介绍E-MapReduce产品,包括作业报警等。2. 探索Hadoop节约成本的几种方式3. 几大类大数据场景的解决方案4. 已有用户遇到的10大常见Hadoop问题剖析5. E-MapReduce未来规划,如专家系统,更智能为客户服务。

    5703 人正在学习 去看看 CSDN讲师

很多老板问我在做运营商大数据精准营销的时候,如何才能最大程度的保证抓取的手机号码尽量精准?其实这个主要是和建立的数据模型有关,一般来说建立的数据模型越精准,抓取的客户数据也就越精确,精准客户抓取的数据模型到底是怎样的?简单的在这里聊一下。

精准客户获取

1、精准客户信息抓取模型如何建立

联通运营商大数据、电信运营商大数据、移动运营商大数据采集是大数据精准营销平台的基础,运营商大数据类型的多样性及数据来源的差异化是影响数据质量乃至挖掘效果的重要因素。从数据的时效性来看,可将数据类型分为:

联通运营商大数据、电信运营商大数据、移动运营商大数据采集数据模型包括人口属性、商业属性等,主要用于用户的基本属性分析和智能标签分类。通过性别、年龄、职业、学历、收入等运营商大数据的关联分析,知道“用户是什么样的人”。

近期联通运营商大数据、电信运营商大数据、移动运营商大数据主要为用户一段时间内的网络行为数据,通过对用户近期活跃应用、内容访问、通信行为、常驻区域等具有一定时效性数据的分析,获取用户的兴趣偏好和消费习惯等,知道“用户对什么感兴趣”。

实时联通运营商大数据、电信运营商大数据、移动运营商大数据主要为用户实时变化的网络行为数据,包括搜索信息、购物信息、实时地理位置等,通过地理位置信息实时捕获用户的潜在消费场景,抓住营销机会,实时触达目标用户,知道“用户在哪里干什么”。

2 用户画像

用户画像是精准营销模型的重中之重,其核心在于用高度精炼的特征来为用户“打标签”,如年龄、性别、地域、用户偏好、消费能力等,最后综合关联用户的标签信息,勾勒出用户的立体“画像”。用户画像可较完美地抽象出一个用户的信息全貌,为进一步精准、快速地预测用户行为、消费意愿等重要信息,提供了全面的数据基础,是实现运营商大数据精准营销的基石。基于此,笔者建议从六个维度构建基于大数据分析的用户画像,包括人口属性、内容偏好、APP偏好、通信行为、金融征信、常驻/实时位置等,各维度的具体指标。

3 客户数据模型构建

常用的联通运营商大数据、电信运营商大数据、移动运营商大数据采集挖掘方法主要是基于用户画像体系与结果,选取相关性较大的特征变量,通过分类模型、聚类模型、回归模型、神经网络和关联规则等机器算法进行深度挖掘。
精准客户获取
举例:你是做服装的,你需要一批意向客户,你需提供一些服装的网址、淘宝网站或某app给我,我可以将里面最近几天实时访问或来电者的信息收集到提供给你。对于大数据运营商客户数据获取感兴趣的同学,欢迎与我交流。

2017-09-21 00:00:00 op07p6Aaqo9u71 阅读数 278
  • 大数据解决方案构建详解 :以阿里云E-MapReduce为例

    大数据解决方案构建详解教程:1. 简单介绍Hadoop生态,介绍E-MapReduce产品,包括作业报警等。2. 探索Hadoop节约成本的几种方式3. 几大类大数据场景的解决方案4. 已有用户遇到的10大常见Hadoop问题剖析5. E-MapReduce未来规划,如专家系统,更智能为客户服务。

    5703 人正在学习 去看看 CSDN讲师

文 | 江颖


我们看似已经进入大数据时代,到处都是各种各样的大数据产品。但我可以负责任的讲,90%的大数据产品——


要么,是闭门造车、臆想出来的“伪需求”,没有真正解决客户的需求和痛点,所以才会没人买单;


要么,是概念导向、占领客户大数据认知的“假产品”,已经先入为主,让真正的大数据产品推广更加困难。


这就是大数据行业今天真实的业态,也是我们共同面临的问题。


1、今天,你几乎找不到带来规模化收入的大数据产品


大数据行情,市场上出现了很多大数据产品——大数据精准广告系统、智能营销平台、舆情监测系统……


但如果你是业内人,你会发现,除了BAT和一些寡头级别公司的大数据内部应用,绝大多数的大数据产品并没有如同预期的被市场接受,以至于行业内几乎没有靠谱的大数据工具和大数据应用产品,没有几个大数据产品真正的带来规模化收入,也就是说并没有那么多客户有意愿为这些大数据的应用产品去买单。


我们可以一起来看今天真实的大数据业态。


精准广告投放:做的是中介,靠的是概念包装


精准广告投放,最可能是我们今天听到最多、影响力最强的大数据产品。


其实我们都清楚,除了百度和腾讯的广点通等少数几个公司有大数据能力,诸多的DSP公司和广告投放公司是打着大数据到概念,做到是广告投放、赚的是广告位的差价。


可是这些广告投放公司和分发公司,占领了客户对于大数据的认知,让客户认为他们做的就是大数据、就是精准营销。


如果有任何其他公司、其他人再去和这些客户谈大数据、谈精准广告、哪怕其他相关大数据时,他们都会认为都是一样的。


舆情监控产品:普遍同质化、商业结合度低


舆情监测类产品可能是目前市面上同质化最严重的大数据产品之一。市面上有大量的舆情监测产品,所有的舆情监测工具都会提供类似的功能:曝光量、曝光用户数、影响力指数、正向/负向情绪指数、传播趋势图……

比如,高考事件,在微博的曝光量是1.2亿,曝光用户量783万,影响力指数80,公众对此事的情绪偏向正面、数值为72,传播热度的趋势如何。


是的,我知道了,高考这个事情是热点事件,很多人关注,大家基本是正面情绪的。可是然后呢?没有用啊。我知道这些,我能做什么?

如果这是一个负面事件,我希望压制——


什么时候来控制才不会产生反效果?


哪一类人是决定这次舆论事件的重点?


要控制和引导舆论,到底怎么做?


如果高考热点事件对我来说是一个难得的商业机会,我希望利用这个事件来宣传我的产品——


如何来利用不同的人对这个事情的不同看法来设计差异化的广告?


如何利用这个事件让我的产品扩大销量?


你会发现,市面上大多数大数据舆情产品并不能解决客户真正的痛点和需求。


2、拒绝臆想,构建有效的大数据应用场景的三个认知与实践


拒绝臆想,构建有效的应用场景,才是大数据实现价值变现的核心。

根据原力大数据这几年的应用实践,我们在如何构建有效的大数据应用场景上提出三个观点:


  1. 从“重”到“轻”,从“平台系统”到“简单工具”

  2. 从“无”到“有”,创造新的“蓝海”场景

  3. 从“增值品”到“ 刚需品”,搞定客户的刚需型痛点


从“重”到“轻”,从“平台系统”到“简单工具”


事实上,今天90%的企业,特别是传统行业和中小企业,既没有为大数据付费的意愿,也没有为大数据付费的能力。而有能力去购买大数据的应用、服务,有能力使用大数据的技术的,更多的是国企、政府和一些巨无霸型的公司。


而这些有能力为大数据买单的巨头级企业必然具备3个特点:第一,他们内部一定已经有大量的IT系统;第二,他们必然有非常庞大的组织架构;第三,他们的流程制度也一定非常复杂。


我见过太多大型、复杂的大数据系统,最终却没有用起来。反思原因,就是因为做的系统平台过“大”、过“重”,要把这个大数据平台用起来,就涉及到了现有组织机构、工作流程的改变,做过这件事的人都知道,这个真的太难了。


所以,要把大数据的应用快速切入,让企业立刻用起来,就必须非常的“轻”。


为了解决这个问题,原力大数据是这样做的。


我们说的从重到轻的第一个“轻”——轻实施。


我们把我们的大数据营销工具做的非常的轻量级,只需要做简单的数据接口对接,就让我们的大数据营销工具能够被使用。把实施难度降低到最小、让我们的大数据工具与企业现有的平台对接变得最简单。


从重到轻的第二个“轻”——简单化,我们的坚决不做复杂系统,只做简单工具。


坚决只解决客户在实际工作中的最痛点、最重要的那几个问题,坚决让我们的大数据工具不涉及任何流程、不涉及任何组织架构。


从重到轻的第三个“轻”——轻松用


任何大数据工具必须自动化,坚决不能给这个岗位的人员增加工作量,相反还得减轻他们的工作量,才能把大数据产品被用起来。

事实证明,原力大数据构建的这种轻量级、简单化的大数据应用工具被市场充分的认可。


从“无”到“有”,创造新的“蓝海”场景


只要提到大数据应用场景的构建,大家都觉得非常困难,推出的很多大数据应用工具或是应用产品客户并不认可。


我的理解是,有大量的需求和客户的问题用传统的方法无法解决,但可以通过大数据来解决。只要找到这些需求,并且用大数据的方法来帮助客户解决问题,客户就会买单。


我们可以分享一个我们自己的大数据应用工具——线下广告效果监测工具。


广告效果的统计分析绝对是世纪性难题,特别是线下渠道的广告投放效果从来无法衡量。


地铁广告牌、公交车站点广告牌、户外大型LED广告牌……每一个广告牌的投放都是真金白银的投入,但是到底效果如何从来都是没有办法统计的。


我们是怎么做的呢?我们借助运营商的基站数据对某个特定地点的广告牌覆盖人群进行拍照,通过分析对比这个人群在某个产品广告投放前后的行为差异,最终得到一个具体广告牌的投放效果。

比如,我在广州的某个地铁站的LED广告牌投了某个APP产品的广告,投放时间为10天;这10天中,有20万人曾经在这个地铁站出入、搭乘过地铁。


我们通过监测这20万用户关于这个APP产品的使用行为,跟踪这20万用户看到这个广告之前和看到这支广告之后行为有没有发生变化,比如:


广告投放前,有3万用户使用这个APP产品,但是在广告投放之后有3.6万客户使用这个产品;


广告投放前,这20万客户中使用这个APP产品的活跃客户比例是2.3%,但是在广告投放之后这个产品的活跃客户占比是3.1%;

……


也就是说,这个广告牌带来了6000个新增客户、0.9%的活跃客户占比提升。我们借助运营商大数据和新的大数据应用场景的构建,实现了对每一个广告牌的价值产出进行清晰的衡量。


因为它解决的是真正的行业的痛点和需求,所以这个应用场景必然是客户会愿意买单和愿意接受的。


从“增值品”到“ 刚需品”,搞定客户的刚需型痛点


今天有大量的大数据的应用场景是可有可无的,说白了就是你没有真正解决问题,客户用与不用是一样的,所以大数据产品用不起来。


而搞定客户刚需型的痛点,核心并不在技术,而在于应用、在于通过构建有效的场景的构建帮助客户解决问题。我们做的每一个场景都必须是让客户真正能够使用起来、是有效果的。


要知道,今天很多的企业根本不懂大数据、更不知道如何来用爬虫。有一些企业客户,他们现在去收集信息,扫楼、扫街、第三方渠道购买数据,很可能还会买到黑市数据,我们告诉他我们可以通过爬虫帮他搞定,他们特别高兴。


因为我们这个工具的核心是解决了从需求到最终实现的全部环节 ,而不单单是做爬虫本身,效果也非常显著——把数据的获取的比例从43%提升到92%,准确度从61%提升到85%。


客户认可这个产品,是因为足够有效,用更好的办法解决了原本就必须解决的问题。


我们把增值品做成刚需品的另一个例子是市场调研。市场调研,对于很多大企业来讲是绝对刚需,那我们如何用新的手段去帮他解决原有的问题,这个也是把增值品做成刚需品的一条思路。


我们有一个案例,客户希望通过电话调研和邮件调研的方式来了解某一类APP的产品需求和使用现状。我们告知客户,可以用运营商的互联网产品行为数据来做这件事情。这样只需要原有预算的20%;而且可以把原有的2个月到3个月的一个项目执行周期减少为1周到2周。


结语


今天的大数据产品中,有90%的大数据产品是闭门造车、臆想出来的伪需求,所以客户很难为此买单;还有一类产品打着大数据的概念,占领了客户的认知,做的并不是大数据的产品,是“伪大数据产品“,让真正的大数据产品的认知和销售变得更加困难。


我一直认为相对于技术而言,如何才能把大数据技术和应用场景打通,构建有效的大数据应用场景更加困难。


拒绝臆想、拒绝闭门造车,构建有效的大数据应用场景,才是大数据产品可以带来规模化收入、得到市场认可的根本。


 End 

阅读排行榜/精华推荐
1
入门学习

如果有人质疑大数据?不妨把这两个视频转给他 

视频:大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么

人人都需要知道 关于大数据最常见的10个问题

2
进阶修炼

从底层到应用,那些数据人的必备技能

如何高效地学好 R?

一个程序员怎样才算精通Python?

3
数据源爬取/收集

排名前50的开源Web爬虫用于数据挖掘

33款可用来抓数据的开源爬虫软件工具

在中国我们如何收集数据?全球数据收集大教程

4
干货教程

PPT:数据可视化,到底该用什么软件来展示数据?

干货|电信运营商数据价值跨行业运营的现状与思考

大数据分析的集中化之路 建设银行大数据应用实践PPT

【实战PPT】看工商银行如何利用大数据洞察客户心声?              

六步,让你用Excel做出强大漂亮的数据地图

 数据商业的崛起 解密中国大数据第一股——国双

双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV

金融行业大数据用户画像实践


讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用,以中立、客观、专业、可信赖的态度,多层次、多维度地影响着最广泛的大数据人群

36大数据

长按识别二维码,关注36大数据


搜索「36大数据」或输入36dsj.com查看更多内容。

投稿/商务/合作:dashuju36@qq.com


点击下方“阅读原文”查看更多

↓↓↓

初学大数据

阅读数 547

没有更多推荐了,返回首页