本文作者：
林逸飛，TalkingData合伙人&執(zhí)行副總裁。此前，歷任甲骨文大中華區(qū)企業(yè)架構咨詢服務總經理，甲骨文大中華區(qū)中間件技術咨詢總經理等職務，17年大型企業(yè)研發(fā)、咨詢經驗和團隊管理經歷。
近年來，“大數據”日益成為國家基礎性戰(zhàn)略資源，其所蘊藏的巨大潛力和能量在各行各業(yè)不斷積蓄的同時，整個數據行業(yè)的技術基礎和實踐能力也獲得了長足的提升，對于數據的分析和應用能力在不少行業(yè)案例中都得到了良好的展現。單就運營而論，數據作為一種度量方式，能夠真實的反映運營狀況，幫助我們進一步了解產品、了解用戶、了解渠道進而優(yōu)化運營策略是其快速發(fā)展的根本動因。通過數據分析的結果來驅動運營方式，最終幫助運營者乃至企業(yè)決策者憑借數據敏感性和邏輯分析能力指導業(yè)務實踐，下面我們就從何為數據運營的三重門開始說起。
數據的第一重門“交易門”
客戶與企業(yè)的交易數據。這重門以交易數據、日志數據為主，即客戶的交易行為(買賣、刷卡、查詢、投訴等)通過企業(yè)內部的生產作業(yè)系統(tǒng)記錄留存，基本以“事后”數據為主，數據存在形式以結構化數據為主體。
數據的第二重門“交互門”
客戶與企業(yè)的交互數據，我們形容為花園里面的數據。其特點是以用戶與企業(yè)的各種交互數據為主，數據本身代表了客戶的行為，如位置、點擊、瀏覽、企業(yè)App內的操作行為、企業(yè)線下實體內的行為(購物中心內的到店足跡)等。此類數據開始出現大量非結構化，流式數據等多種形態(tài)。
交互門與交易門的數據有什么不同，如何利用?
例子一
沉睡、瞌睡客戶的分析
通過交易門內的數據發(fā)現的沉睡、瞌睡客戶，在交互門里面表現如何呢?他們是真的沉睡了還是離開你的服務?
交易門內的數據告訴企業(yè)這些客戶在你的企業(yè)交易門里面沒有留下任何交易的線索，不買你的理財產品，不買你的商品?這個時候要看看交互門的數據了。
先看這樣圖，
可以發(fā)現在一定時間段里，雖然交易門的數據類似，但是在交互門里面這些客戶表現大不相同。 停留在企業(yè)APP時間的時長不一樣，點擊的次數不一樣。
所謂“投資型“客戶是數據猜測的，因為這些客戶不斷上來而且頻繁的在你手機里面做各種操作，他們在比對你的商品或者你的理財產品?？墒菫槭裁唇灰组T里面沒有收益呢?
這個時候要看看“交互門“外的數據了。即這些客戶在企業(yè)的App外在類似競品企業(yè)的App上是什么行為呢?如下圖：
結論很明顯，這些投資類型的客戶在競品App里面同樣活躍，是目標客戶，這個時候要考慮如何進行客戶的轉化了，如何進行客戶的轉化同樣離不開數據，屬于客戶運營范疇了。
這個例子是一個典型的穿越數據三重門的分析。
例子二
線下交互門的數據能干什么?
我們會認為24小時營業(yè)的火鍋店會給很多商業(yè)綜合體帶來巨大的客流量，會有良好的預期，覺得這些人來了會在我的商場里邊再會順便買一些東西，提高我的提袋率。事實情況是不是這樣呢?
我們做了這樣一個數據探索，跟我們的客戶一起去了解，把兩百多個商家做了一次分類，分類組織成為各種商家標簽，如下圖表格的縱向欄目。在通過數據運營施工，在商場內的各個商家門口(nearby)和進店(inside)的Wifi數據獲取整理。
通過大數據管理平臺，將商家標簽，人群軌跡做機器聚類分析，看看品牌與人流之間的關系到底是什么?
下圖中標紅的就是火鍋，其相關性為1.0，但是這一欄中的人群除了跟火鍋類標簽相關度高之外，與其他商家標簽相關性都極低。如果是簡單描述這個分析結果就是，吃火鍋的人會直來直往，吃完了就走，對其他的入駐的商家和品牌帶動力非常有限。
據此我們可以進行進一步的分析，下圖為商業(yè)綜合體中所有的品牌與品牌之間的帶動力的分析，來看看數據會告送你哪些品牌是帶客源泉，哪些不是。
結論是，
如果只看交易墻內的數據，如銷售量，租金等，上面的分析結果是不得而知的。
看交互墻內的數據需要進行數據運營和數據工程實現才能獲取
如果在結合“公開市場門“的數據，還可以進行外部商圈分析、競品分析等，數據分析緯度繼續(xù)深入，但是這部分數據就需要外部合作獲取了。
數據的第三重門“公開市場門”
即客戶在一個開放市場中的各種行為數據，其本身往往并不直接與企業(yè)的業(yè)務相關，但是對這些數據的獲取和分析可以很大程度上輔助企業(yè)業(yè)務的開展，如移動App的數據、社交數據、微信微博的輿情數據、品牌偏好數據、、職住娛位置聚集和遷徙數據、區(qū)塊內人群消費能力數據、觀影偏好數據等等。
這類數據的獲取不是盲目的，通常需要帶有一定的問題域觸發(fā)，即從解決某類業(yè)務問題觸發(fā)來考慮，否則會陷入“數據的汪洋大海”，不知道收什么數據。
在問題域明確的前提下，通過分析加工“公開市場門”的數據可以幫助企業(yè)的具體業(yè)務問題(獲客、喚醒沉睡客戶、風險控制、宏觀選址、區(qū)塊消費偏好分析等等)。
這部分數據的獲取企業(yè)往往需要依靠內部的有目的性的運營活動加以外部合作來達到，這也是眾多傳統(tǒng)企業(yè)往往面臨的難題。
三重門的數據收集和獲取形式不同
數據從“收”到“獲”的變遷是什么意思?
交易門內的數據，基本以生產、交易、管理系統(tǒng)的自然數據的留存為主要模式，有時也被稱為交易系統(tǒng)的副產品，所以主要是“采集”而不是“獲取”。而是自然數據的日志自然積累，過去幾十年有很多技術處理這樣的資產，比如企業(yè)內部的數據倉庫系統(tǒng)，商業(yè)智能系統(tǒng)，管理駕駛艙等經營分析系統(tǒng)將ERP，CRM，核心交易系統(tǒng)的數據進行聚合分析和展現。
交互門里面的數據，以用戶與企業(yè)的各種交互數據為主，這部分的數據需要企業(yè)通過TPU運營和數據運營才能獲取。
TPU運營的意思是通過圍繞著流量(Traffic)、產品(Product)、用戶(User)為核心的一系列的運營活動，來幫助企業(yè)將用戶從公開市場門中發(fā)現，并引導他們穿越交互門、交易門成為企業(yè)的客戶;同時對已有客戶通過三重門數據的運營來提升粘性，提升客戶滿意度。
數據運營在此環(huán)節(jié)中十分重要，在上述的各種運營中，始終要將數據獲取作為與業(yè)務開展幾乎同等重要的事情來看待，在各種運營活動中對于數據獲取進行必要的設計和必要的IT建設。
談談這里所謂的IT建設，我們暫且以“埋點”來統(tǒng)稱這一環(huán)節(jié)的工作。所謂“埋點”即在過程中預先設計的一個事件觸發(fā)和記錄的環(huán)節(jié)，用以獲取、記錄該事件的數據。
埋點可以分為以下幾類
IT系統(tǒng)內的埋點，比如網頁的JS代碼，App內的埋點事件，H5內的埋點等
運營活動的埋點，在線下運營活動中，設計的“搖一搖”“掃二維碼”“免費Wifi提供”“H5鏈接“等等
業(yè)務人員的所謂“人肉埋點“，即地推人員在活動區(qū)塊設定、話術設定等方面的設計和數據回籠措施的設計
只有通過專業(yè)、體系化的埋點措施并配合必要的業(yè)務管理要求和IT系統(tǒng)建設，才能解決“交互門“甚至“公開市場門”里面的數據持續(xù)獲取。
通過對埋點數據的分析可以幫助企業(yè)去優(yōu)化流量運營方面的各種措施，這是一個迭代過程。即通過TPU運營帶入客戶，通過對客戶的各種交互、交易數據的分析優(yōu)化TPU運營的舉措，從而帶入更多的流量，采集更多的數據，如此循環(huán)往復。
舉例：如今跑步成為一種時尚，很多企業(yè)客戶希望通過贊助這樣的馬拉松比賽來增加知名度和獲客。
某銀行客戶舉辦了一次這樣的馬拉松比賽，報名人數三萬，影響的人大概十萬左右，目的很明顯，拉升銀行產品的知名度，拉動銀行客戶的開卡開戶。結果是什么，錢花了，人來了。但是，人都是穿著短褲來的，沒帶筆，怎么開戶;周邊觀眾好幾萬，都是拿著手機來的，確實被這次活動吸引了。但是此次活動，銀行只從承辦公司拿了1900個手機號而已，其他的10萬人的線索活動后就斷了，1000多萬的預算，收獲了什么?產品露出(Awareness)，但是貌似很難衡量，后續(xù)這些人如何做跟蹤和轉化呢?貌似沒有跟進手段?數據收獲了沒有?除了1900個手機號，沒有其他了。
這個活動就是典型的沒有從數據運營、流量運營結合來考慮。從舉辦活動前夕的預熱，官網、官微、移動APP、大流量端的預先活動設計和配合的線上埋點設計，比賽沿途(報名處，休息處，半馬全馬完成處，照相合影處)稍作設計都可以成為線下埋點的地方，點埋了，數據回籠了，有幾件收益：
產品露出效果可以衡量，在官網、官微、手機App上獲客情況，轉化如何?在線下埋點收集的數據上來，運動敏感性的潛客是不是收集了?
后續(xù)轉化可以做了，潛客標簽為“運動狂“的人群做針對性運營，老客也可以做相應的牽引和含片推薦
數據資產收獲。此次活動作為一次實戰(zhàn)的數據獲取和訓練過程，充實了用戶的數據資產(交互門外的數據，交易門的數據都有)。
TalkingData將TPU運營(T：Traffic流量;P：Product產品;U：User用戶)與3A3R整合在一起，結合數據三重門的數據運營特點，來幫助客戶通過數據運營、平臺建設來完成這一過程。通過持續(xù)的運營，幫助企業(yè)擴充自己的數據資產。如下圖所示：
所謂數據運營，即所有的運營活動都基于數據，“不能量化就不能優(yōu)化，不能量化就不能衡量”源自與此。移動互聯網迫使企業(yè)的運營點前移出交易墻，到交互墻內，甚至是公開市場。
運營點前移造成既有的運營指標體系出現了不滿足的情況，因為原有的指標體系是依據交易墻內的數據建設的，所以出現了新的移動互聯網業(yè)態(tài)下的運營指標，
如下圖所示的例子：
結合各個行業(yè)的特點，從3A3R (Awareness，Acquire，Activation，Retain，Revenue，Refer)幾個角度從公開數據、交互門數據、交易門數據來統(tǒng)一考慮運營指標體系的建設。在此角度上TalkingData已經與多個行業(yè)客戶聯合推出了券商、直銷銀行、互聯網金融、商業(yè)房地產等行業(yè)垂直運營體系，后續(xù)不斷有行業(yè)運營指標體系推出。
運營的前移的另外一個收效在于，業(yè)務的運營可在業(yè)務的發(fā)生過程中，甚至之前就有所動作，而不是等到數據進入了“交易門“做事后的處理。
“羊毛黨“運營的例子
舉一個新形態(tài)下反欺詐的例子，大家知道有一個人群叫羊毛黨，做互聯網金融、電商的企業(yè)客戶，以及那些愛領取卡券優(yōu)惠的人們可能比較熟悉。
專業(yè)的羊毛黨的影響越來越大。2015年的時候，在華南有一家不大的企業(yè)興致勃勃做了他自己互聯網金融產品發(fā)布會，投了兩個億，做互聯網金融產品，配屬了將近數千萬的卡券優(yōu)惠。結果是開售首日產品幾乎直接被搶光。到了半年后，這些互聯網金融產品到期贖回時，出現了大規(guī)模的集中贖回，類似銀行擠兌的情況。要求贖回的理財產品和配屬的卡券優(yōu)惠金額加起來在一億兩千萬左右，這個公司直接資金鏈斷裂、關門大吉。
事后才知道，這些產品貌似是眾多客戶分開購買的，實際上是羊毛黨的杰作，通過技術手段操縱移動App，通過近萬個帳戶搶購產品和擼羊毛(卡券優(yōu)惠)，這是很極端的例子。單純依靠交易門內的數據來坐分析，顯然于事無補。在互聯網金融、電商等企業(yè)都會面對這個情況可以說這是新的對反欺詐的訴求。
通過結合三重門的數據運營，運營點前移后是否可以解決這個問題呢?TalkingData推出的基于新的RFM模型，從運營的角度上去展開跟羊毛黨的攻防戰(zhàn)。
從交互門，甚至公開市場門就開始識別羊毛黨，具體分析羊毛黨出沒的痕跡如下：
網絡行為，通道，接入IP地址，Hostname, 路由設備日志，運營商接入基站都可以留存大量的網絡行為日志，完整的網絡日志可以形成一條羊毛用戶網絡路徑，客觀反映羊毛黨的網絡行為軌跡。
設備動態(tài)行為，智能手機及手持設備往往會內置眾多的運動傳感器， 傳感器會手機手機設備的動態(tài)行為包括位置變化幅度，變化頻次， 變化規(guī)律等信息， 從而通過數據計算判斷設備的動態(tài)行為。
平臺行為，被擼平臺往往有很多的平臺行為及過程，包括注冊，綁卡，瀏覽，交易，提現。每個過程都會留下很多行為軌跡，而羊毛黨特別是其中的機器羊毛黨的行為軌跡更是有其特殊性。
交易行為，羊毛黨會對平臺的產品做詳細的對比分析，找出其中ROI最大化的薅方案。其交易的產品，交易金額和交易時間都是最佳化設計。
手機的整體行為，羊毛黨的主要工具都是手機， 每臺手機上安裝的互聯網金融平臺數，活躍時間，甚至于羊毛黨對手機終端的偏好都可以留下一定的行為軌跡。
通過對這些來自羊毛黨的公開市場門、交互門、交易門的數據整體獲取和分析，可以建立一張羊毛黨個人行為的數據圖譜。如下圖展示了一張匯集了多個數據源的羊毛黨數據圖譜，從圖譜中可以直觀的多看到一臺安卓設備通過多次刷機形成了19臺虛擬設備，這19臺設備注冊了19個賬號完成了19次薅羊毛行動的數據軌跡。
在可以識別以后，進入了羊毛黨的運營階段，因為依企業(yè)不同發(fā)展要求，需要甄別羊毛黨和卡券敏感性客戶以及死忠粉，需要采用運營手段對不同的客戶用不同的策略來對待，而不是全部拒之門外。有關這個部分的描述，可以詳見TalkingData的陳雷的文章《羊毛黨大數據攻防戰(zhàn)》中的詳細描述。
這是一個運營點前移到交易門外的例子，這樣的例子很多，不一一贅述。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
