LinkedIn CEO眼中最好的数据分析师谈大数据运营

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

LinkedIn CEO眼中最好的数据分析师谈大数据运营

在她加入LinkedIn市场营销部门之前,他们很多市场部经理加大数据专家,做了快1年的内容运营,CTR才2%。她去了以后,做了优化,一下就提高到17%。她说,问题就出在了他们没有应用正确的优化方法。选错了优化目标,定义错了优化的核心Metrics。

作为前LinkedIn核心数据成员,Sophia拥有多年数据驱动运营的实践经验。本期我们有幸邀请到这位曾被LinkedIn CEO誉为最杰出分析师的数据专家,为我们揭开大数据驱动运营的本质与技巧。

公司内部数据驱动企业优化,一定要注意不能空头玩数据。找了数据方面的人才,却不懂运营优化的方法,也不一定能帮到企业。 36大数据(http://www.36dsj.com/)

大数据是用来解决商业问题的,脱离业务问题看数据是大忌。我们科学的大数据驱动业务优化的做法,可以参考下图里的流程。 36大数据(http://www.36dsj.com/)

LinkedIn CEO眼中最好的数据分析师谈大数据运营

做大数据驱动运营, 首先要明确地定义本次优化要解决的问题。 如果有多个问题,可以一个一个解决,不要心急。倘若搅在一起,最后反而说不清楚什么是真正的影响因素。

然后定义优化的目标。很多人没有学过企业优化的专业知识,所以解决问题容易失去大方向。

就像在LinkedIn的时候,我刚加入市场营销部门,他们很多市场部经理加大数据专家,做了快1年的内容运营,CTR才2%。 我去了以后,做了优化,一下就提高到17%。问题就出在了他们没有应用正确的优化方法。选错了优化目标,定义错了优化的核心Metrics。

然后,根据目标,定义与之相关的业务指标,也就是核心Metrics。

之后,才到数据的部分。 根据业务目标和指标,去决定要采集什么数据。 然后再根据业务的实际情况,决定数据的架构。 比如, 最后做的是线上的推荐引擎,那我们需要建立实时的架构,比如用Spark Streaming 实现。 如果是做的Add Hoc 分析,那只要做成线下的一个可视化报表即可,用offline离线的架构即可。

后面配合的是数据的深度分析,以及分析结果可视化( 比如用可视化工具 tebleau或者我们的Yonghong BI,BDP等)。因为复杂的数据,老总未必看得懂。作为数据人员,需要掌握一门技术——如何可视化数据结果,让insight简单直观的展现。

如何在企业内部搭建一个完整的大数据团队?

很多人问我:如何组建大数据团队?以下这张图代表了很多大公司的典型大数据组织架构。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

大数据不是一个人的工作,团队合作非常重要。先强调一下当前所谓的“大”数据和传统的数据概念的差别:

传统的,每家公司几乎都有DBA,都有一个业务数据库,不论是Oracle还是MySQL。 存的是业务数据,比如电商的交易数据。支持的是业务的正常运营。 36大数据(http://www.36dsj.com/)

随着互联网时代的普及,“大数据”的概念油然而生。“大”主要是体现在了行为数据上。比如通过捕捉在线用户行为的蛛丝马迹(也就是行为数据采集),我们可以更好地认识我们的客户,将客户更好地画像分群,提供个性化服务。

我们可以通过客户看什么内容,喜欢停留在哪些页面,爱收藏什么内容,经常评价什么,等等,来预测这个客户的喜好,以及他未来可能做什么?比如某个客户最近经常活跃,接下来可能购买的概率有多大?是否可以对他进行精准营销,刺激他购买?

我们这里说的数据采集,对应的就是采集行为数据,当然也包括业务数据。有了数据,我们可以为各个业务部门做各种分析。比如给客户做行为分析和画像,给产品经理做产品分析和优化, 给市场部门做市场营销分析,给销售或者财务部分提供分析,等等。

数据产品一般是要上线的。比如在线的个性化推荐产品等。最著名比如Linkedin 的“People you may know”, 推荐你可能喜欢的客户。

最后,research lab 通常是数据科学家研究的各种机器学习模型,优化、预测、进行商业建模。 这可以应用在前面的各个业务场景中,提高和优化效果。

完整的团队,包括前端工程师埋点采集数据,架构师架构数据,商业分析师提供各种分析,还有数据科学家进行建模。总监还有一批数据工程师进行数据的清洗和转化。

如何运用大数据帮到企业优化运营?

大数据优化需要各种技能。做一个好的数据优化师非常的不容易。 还需要软的沟通,可视化,还有领导力技能。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

完整来讲,大数据优化主要有这几个阶段:

LinkedIn CEO眼中最好的数据分析师谈大数据运营

1、数据采集、架构、报告

2、商业分析 36大数据(http://www.36dsj.com/)

3、实验设计 A/Btest

4、客户画像

5、智能产品 36大数据(http://www.36dsj.com/)

6、通过各种模型进行决策优化

目前,大多数数据公司的产品都在解决1和2的问题,还不能直接驱动企业的运营。3到6都依赖专业的数据人才手动提供解决方案。其实国内的企业大数据都普遍缺乏专业的大数据人才,所以实现3到6非常困难。未来的目标是要能提供专业的大数据软件产品,提供1到6的一站式解决方案。

可惜现在大数据公司的产品都停留在Data阶段,最多到insight。没有一个可行的Action提供给企业,让企业没有数据人才的情况下也能驱动运营。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

这里,我讲一讲一下几乎所有互联网公司都要解决的用户运营优化问题和方法。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

所有的互联网企业都面临同样的痛点——如何从茫茫人海中获取新客户?花大价钱拉新后,如何留存客户,活跃客户,最终转化客户为付费客户价值客户?

在外部拉新阶段,有很多传统渠道,比如打广告,买关键词等。 但是现在都面临改革的需要,因为不够精准。 举例,我们崔牛会很多2B的企业。如果百度打广告,受众其实很多是C。意味着一半的广告费用,都要浪费在非目标客户身上。如何利用机器学习技术,精准定位目标客户是一个很多的难题。

在完成拉新之后,活跃和价值转化用户,属于内部大数据优化的范畴。

这里列举了国际上最常见的内部大数据优化的核心技术:

LinkedIn CEO眼中最好的数据分析师谈大数据运营

首先是要 采集行为数据 (tracking); 36大数据(http://www.36dsj.com/)

然后,积累数据之后,我们需要 对用户进行画像分组 ,以便提供个性化的策略;

接着 产品分析和优化 是一个常见的应用。 36大数据(http://www.36dsj.com/)

目前市场上很多数据产品就是在做这三个步骤。我们统称为“产品分析”数据产品。

后面开始的各种应用目前市场上的产品并不多见,我们可以叫“市场营销云”范畴(Marketing Cloud)。包括:目标用户优化(俗称精准营销)Targeting optimization;推荐优化 (个性化推荐);市场营销的运营实验设计 A/B test ( 其实产品分析也需要这个);ROI优化(比如有1千万营销预算,投5个渠道,哪个渠道效果最好?怎么组合渠道投放,达到最佳的回报?)

Marketing Cloud在国内重视程度并不太高,而且客户处于“无策略”投放阶段,所以非常需要专业的大数据产品来帮助指导。

针对这几个步骤,我分别展示一下更具体的内容:

LinkedIn CEO眼中最好的数据分析师谈大数据运营

上图为第一个步骤的demo,采集客户行为数据,建立“大数据”系统,然后提供KPI报告。包括客户,产品,市场和销售的统计数据。这其实也就是之前那个1到2的步骤。

目前,这个过程我们已经产品化了,让大家看来又方便又简单。几分钟部署,大数据系统就自动搭建了,实时报告就出来了。实际上在ebay 有几百人在做这件事,是个巨大的工程。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

产品分析和优化是非常常见的应用,国内好几家大数据公司都在专门做这个产品。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

市场营销云的系列之一就是通过用户画像精准推荐内部营销的目标客户。 比如我们每个月盘点用户,打上活跃度标签,谁在这个月是最活跃的客户、次活跃的客户,不活跃的客户。另外,最活跃的客户,却不购买的有哪些? 我们是否通过一些营销策划转化他们?

画像的做法有很多模型,我们最擅长的是机器学习模型。可以精准预测谁会购买谁会流失、谁会注册等等。这大大降低了运营人员的难度,也提高了运营的效果。 36大数据(http://www.36dsj.com/)

以前我在Linkedin做出数十倍的优化效果,里面5个优化环节里,最核心的就是机器学习的预测算法。

在充分了解用户的群体和个体特征之后,个性化推荐是营销运营优化的另一个系列。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

个性化推荐可以通过产品级实现,也可以通过内部营销渠道,比如发push的时候内容个性化,或者email的时候内容个性化实现。

最后是渠道效率ROI优化。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

大数据运营产品的分析与比较

接下来,我分享一下针对上述大数据驱动运营优化方向的市场分析,可以帮助大家选型。

LinkedIn CEO眼中最好的数据分析师谈大数据运营

这是美国一些大数据公司的分布情况。美国的市场营销云非常受欢迎,也很成熟,几乎每家企业级应用大公司都分布收购了很多小公司组建这个产品线。

比如Adobe买了Omniture (涵盖了用户行为分析,画像,基于预测的目标定位等系列), Salesforce买了 Exact Target ( 营销自动化),Oracle 买了Responsys (邮件营销公司),Responsys里面的人出来成立了Act-on( marketing automation 将整个营销流程自动化)。

实际上,我们公司的业务类似于Omniture + Act-on + Exact target,是一站式的营销云方案,非常适合国内缺乏专业运营和大数据人才的企业现状。

最后分析一下国内的大数据市场。 36大数据(http://www.36dsj.com/)

LinkedIn CEO眼中最好的数据分析师谈大数据运营 LinkedIn CEO眼中最好的数据分析师谈大数据运营

大家看到中国从免费的APP数据分析时代( Talking Data、友盟、易观),逐步发展到收费产品分析时代(比如GrowingIO、神策数据、诸葛IO)。

但是营销分析这里还是以传统的外部渠道为主,比如广告、SEO等的优化。 其中,国双最近已经海外上市。然而,企业内部的营销优化,精准目标定位等,内外结合的营销一体化方案等都还没有成熟的产品。

今天时间短暂,还没有机会好好介绍一下我们Datatist做什么,如何帮助到大家。这个是我们公司的介绍。希望对大家有所帮助。

本期嘉宾: Datatist创始人 宋碧莲 (Sophia) 36大数据(http://www.36dsj.com/)

End.

 

本文被转载1次

首发媒体 36大数据 | 转发媒体

随意打赏

linkedin ceolinkedin运营运营数据分析师数据分析师招聘大数据分析师大数据运营数据分析师
提交建议
微信扫一扫,分享给好友吧。