iCDO數(shù)據(jù)掌門人 專訪Datatist宋碧蓮：AI和用戶運營如何結(jié)合？

AI已經(jīng)成為一眾互聯(lián)網(wǎng)公司的核心主攻，但談起具體的應(yīng)用，大部分時候，我們并沒有聽到太多讓人信服的回答，而核心團隊來自硅谷的Datatist想要從用戶運營的角度，談一談他們的看法與實戰(zhàn)。

比如，什么是用戶運營?用戶運營和用戶行為分析的區(qū)別是什么?數(shù)據(jù)和AI驅(qū)動運營的核心是什么?如何用人工智能、大數(shù)據(jù)來持續(xù)的提高用戶活躍度、下單率、復(fù)購率、價值度?　　

　　iCDO：如何理解AI優(yōu)化，智啟運營(Datatist的slogan)?

宋碧蓮：互聯(lián)網(wǎng)用戶運營的靈魂是數(shù)字化的智能運營，人工智能技術(shù)AI則是運營優(yōu)化的關(guān)鍵。

這里面有幾個要點，首先，我們的目標是做用戶運營優(yōu)化。

運營一般可以分為兩部分：產(chǎn)品運營和用戶運營，前者是為了讓用戶在產(chǎn)品載體，比如APP和小程序上獲得最佳體驗;后者主要是圍繞用戶在平臺內(nèi)外的轉(zhuǎn)化。

用戶運營又可以細分為市場運營，內(nèi)容運營和基于用戶生命周期的個性化運營等等等。

市場運營主要是為了獲取新客，比如花錢買流量，把流量帶回平臺，這部分主要是依靠AdTech，俗稱AdTech拉新。

Dataitst比較關(guān)注偏后段的利用AI進行全生命周期用戶運營的效果優(yōu)化，典型場景有：利用AI和優(yōu)化技術(shù)，如何提高用戶拉新轉(zhuǎn)化率?如何提高用戶活躍度?如何促進活躍用戶發(fā)生第一次購買?如果找到最可能復(fù)購的老客戶?如何讓低價值用戶提升價值?如何找到最可能買某個新產(chǎn)品的用戶，比如提高新的理財產(chǎn)品或者保險產(chǎn)品的銷售?是通過App的方式進行個性化推薦，還是通過微信的方式進行轉(zhuǎn)化，還是短信的渠道，哪個效果最好?卡券紅包金額如何優(yōu)化才能最大化ROI?甚至是如何利用AI最大化用戶拉新的轉(zhuǎn)化率?　　

簡單來講，我們可以把智能用戶運營理解為以用戶為中心，實施一整套AI驅(qū)動的用戶運營優(yōu)化策略。

一般來說，大型互聯(lián)網(wǎng)公司內(nèi)部“從BI到AI”產(chǎn)生智能化用戶優(yōu)化的路徑，可以分為幾個步驟：第一步，數(shù)據(jù)的采集與架構(gòu)搭建;第二步，在此基礎(chǔ)上對用戶進行有效分析，包括探究深度行為;第三步，對用戶進行360度畫像分類;第四步，開啟運營活動之前建立AI模型、基于用戶生命周期進行個性化營銷等各種方案，最終找出最佳的決策，智能優(yōu)化。第五步，輸入智能決策，開啟運營活動，分析運營效果，通過AB測試等方法進一步優(yōu)化運營效果。

　　iCDO：那么，用戶運營的目標或者衡量標準是什么?

宋碧蓮：用戶運營的最終目標肯定是業(yè)務(wù)，或者說業(yè)績的增長，具體可以體現(xiàn)在用戶活躍度、下單率、復(fù)購率、價值度等指標上。

iCDO：從18年開始，大家的關(guān)注點從增量用戶轉(zhuǎn)為存量用戶，是否也正是在這一階段，大家開始關(guān)注用戶運營，追求精細化，或者說數(shù)據(jù)驅(qū)動的運營?

宋碧蓮：是的，實際上這是一個非常明顯的趨勢，一方面，互聯(lián)網(wǎng)行業(yè)已經(jīng)成為中國支柱型產(chǎn)業(yè)，用戶數(shù)量基本是歐洲和美國的總和，現(xiàn)在也進入了飽和階段，大家都是互聯(lián)網(wǎng)用戶了;另一方面，經(jīng)濟大環(huán)境發(fā)生變化，坦白講，大家拉新的預(yù)算減少了。

在這種情況下，誰愿意多花點細功夫，誰就能贏得用戶的心，我們看到許多做的好的品牌，都是在圍繞用戶，進行細分，然后不斷去開發(fā)不同的運營策略，非常細致。

用戶運營的意識在變得越來越強，但我們也必須看到，大部分企業(yè)運營理念和能力還停留在很基礎(chǔ)的階段。

比如，大部分互聯(lián)網(wǎng)企業(yè)知道如何燒錢買流量，但流量來了沒有辦法進行科學(xué)的轉(zhuǎn)化，這也是為什么我們看到90%的互聯(lián)網(wǎng)平臺都屬于曇花一現(xiàn)。

這是一個巨大的痛點，也是一個巨大的市場需求。

因為團隊主要來自硅谷，比如Linkedin、eBay、Amazon、Google等等，我們在這塊相對經(jīng)驗會多一些，也可以比較明顯看到中美用戶運營方面的差距，比如，美國的用戶運營、數(shù)據(jù)分析能力和AI應(yīng)用就相對成熟，單從用戶運營的工具層面來看，國內(nèi)市場比國際市場要落后十年左右。

所以，我們希望把相對領(lǐng)先的用戶運營的技術(shù)和方法論產(chǎn)品化，能夠真的幫助中國企業(yè)把流量后端的運營抓起來，帶來實實在在的業(yè)績回報。

　　iCDO：美國的代表廠商有哪些?他們的特色或者說國內(nèi)可以借鑒的地方是什么?

宋碧蓮：最前沿主要是兩家，一家是Salesforce，起家是做銷售端的CRM，2018年，Salesforce開始和谷歌分析合作，把前端的營銷數(shù)據(jù)打通，形成基于CRM的用戶運營和預(yù)測營銷，目前，主要是以2B為主。

另一家是Adobe，是從數(shù)據(jù)端起家的，比如，Ominiture系列的數(shù)據(jù)分析工具，但是沒有營銷云產(chǎn)品，18年收購了Marketo，開始整合數(shù)據(jù)和運營。

這兩家公司就是世界上營銷自動化最強的公司，他們都希望未來發(fā)展成營銷智能化公司，所以Salesforce推出了愛因斯坦，但是場景基于CRM還不夠豐富，自己沒有基于互聯(lián)網(wǎng)的整體應(yīng)用，只能選擇和Google分析合作。

Adobe 目前落后一步還沒有推出AI產(chǎn)品。他們兩家也都是各自都希望做到數(shù)據(jù)可以驅(qū)動運營，但是因為數(shù)據(jù)和營銷自動化是分別收購的不同公司的產(chǎn)品 ，很難真正打通。 他們也分別希望既有2C的營銷云，又有2B的銷售云。

Datatist 是基于以上的痛點，真正將數(shù)據(jù)和運營打通，并且創(chuàng)造了AI運營大腦，在營銷自動化之外更可以進行營銷智能化的產(chǎn)品，并且既有面向2C消費者的又有面向2B采購商渠道商智能運營的系統(tǒng)。

Datatist完成了從BI到AI，從提供工具到追求效果，從營銷自動化到智能化，從線上到全渠道的突破，目前完成各行業(yè)頭部國內(nèi)外品牌客戶的應(yīng)用落地，無論拉新，活躍，復(fù)購，交叉推薦，價值提升等各種營銷場景上，都達到了3-10倍的穩(wěn)定效果提升。

　　iCDO：那么，Datatist在國內(nèi)的主要競爭對手是誰?主要是做用戶行為分析的廠商嗎?

宋碧蓮：表面上大家都是做運營，但實際上不太一樣。一方面，同行主要是以產(chǎn)品運營為核心，Datatist所有的策略和優(yōu)化都是基于用戶;另外一方面，大家強調(diào)的用戶行為分析，在我們看來屬于一個基礎(chǔ)的功能，是必須具備的?！　?/p>

而Datatist的核心競爭力是數(shù)據(jù)和AI，真正把數(shù)據(jù)和運營打通，實現(xiàn)了數(shù)據(jù)驅(qū)動運營，并且能夠提供智能化決策，同時能支持傳統(tǒng)行業(yè)線下線上全渠道轉(zhuǎn)化的場景，還既支持2C又支持2B的精細化運營。

一般大家聽到AI會覺得非常理論;但實際上，AI的確是一個抽象的技術(shù)，但我們談的是和用戶運營相結(jié)合的AI，必須要把理論和實戰(zhàn)結(jié)合起來。

首先，AI不是說做就能做的，是需要很多年的理論積累，Datatist的團隊都是主攻AI算法的博士，包括我自己博士主攻優(yōu)化算法，博士后學(xué)的是機器學(xué)習(xí)算法，我的導(dǎo)師是美國白宮顧問，全球工業(yè)AI的領(lǐng)袖，我之前的團隊幾乎每年獲得了全球PHM大賽的冠軍?！　?/p>

其次，實戰(zhàn)經(jīng)驗是需要落地到業(yè)務(wù)中提升業(yè)績的，這是一個非常大的挑戰(zhàn)，Datatist團隊在營銷和用戶運營這個方向做了很多年，大家過往的工作背景，還有包括我們創(chuàng)業(yè)以來一直的方向都是圍繞用戶運營，所以能夠琢磨出一套行之有效的方法，并且可以標準化、產(chǎn)品化。

　　iCDO：能否列舉一個具體的案例，或者應(yīng)用場景?

宋碧蓮：好的，我們可以具一個金融行業(yè)的例子，我們的這個客戶是國內(nèi)金融界科技實力最強的集團之一，也非常重視大數(shù)據(jù)、人工智能等領(lǐng)域的開發(fā)，希望通過AI技術(shù)提高品牌粘性、品牌活躍度，挖掘用戶的價值，從而對他們進行精細化運營?！　?/p>

首先，我們可以看到，該集團內(nèi)部已經(jīng)擁有好車主(2C)、好伙伴(2B)、團E寶(團隊)等幾十個互聯(lián)網(wǎng)系統(tǒng)。而這些互聯(lián)網(wǎng)系統(tǒng)背后都需要一套有效的方法來進行智能化的用戶運營。

在我們之前已經(jīng)通過同行的產(chǎn)品，但是只是完成了數(shù)據(jù)采集和簡單分析功能。并不能驅(qū)動運營。運營還是經(jīng)驗為主。以人力為主。不能自動化運營，更不能智能化決策。當(dāng)時客戶選型的時候發(fā)現(xiàn)我們是他們迄今為止見過的第一個真正能夠?qū)?shù)據(jù)和運營結(jié)合起來，不僅提供數(shù)字化運營的整體流程，還能提供完整的AI驅(qū)動智能化決策，提高運營效果。

最好的辦法就是進場拿一個系統(tǒng)來驗證我們的效果。結(jié)果發(fā)現(xiàn)不錯之后，短短幾個月，推廣到了集團幾十個系統(tǒng)。目前已經(jīng)演變成了該企業(yè)大數(shù)據(jù)和精細化運營最大的PAAS平臺。

具體步驟如下，第一個環(huán)節(jié)是數(shù)據(jù)采集+埋點管理，在這邊我們采用的是無埋點與核心事件埋點的結(jié)合。無埋點技術(shù)指的是，對所有頁面元素進行自動埋點。但對于交易數(shù)據(jù)等核心數(shù)據(jù)，我們需要通過埋點來精準獲取。　　

接下來第二步：搭建基于Hadoop spark 等的私有化部署的云平臺。這是集團級別的超大型系統(tǒng)，云平臺規(guī)模相當(dāng)大，并且要同時支持離線和實時兩種模式，支持集團很多部門(主要是業(yè)務(wù)和數(shù)據(jù))不同角色的需求。

第三步進行分析，包括行為路徑分析、漏斗轉(zhuǎn)化分析等，這是用戶運營分析非常重要的一環(huán)。在這里提一點，運營分析是分為運營前分析(pre campaign analysis)和運營后分析(post campaign analysis)的。每次運營之前我們都需要用分析中心進行挖掘 ，找到運營的問題，定位出運營優(yōu)化的方向。運營做完之后，要復(fù)盤用戶的轉(zhuǎn)化漏斗、轉(zhuǎn)化路徑，并且由于之前做了A/B測試來判定不同人群，所以需要反復(fù)對比?！　?/p>

與此同時，不同的活動完成后，我們也要去做渠道歸因，評判這個活動是否能帶來合適的轉(zhuǎn)化。有時候，平臺系統(tǒng)能自行生成事件分析，但數(shù)據(jù)人員可能還希望能夠自己做深入研究。所以，我們還提供一個強大的BI分析工具，可以自定義任何分析，自由挖掘任何想要的分析結(jié)果。

為了做好精細化運營，最關(guān)鍵的一環(huán)是，對用戶進行合理的標簽與畫像。可能一提到畫像，大家的概念就是標簽，但很多時候還要做高級分類的畫像?！　?/p>

比如，哪些用戶是高價值用戶，哪些是中、低價值用戶;哪些是高活躍用戶，哪些是低活躍用戶;哪些人有潛在價值等等，這些都需要進行合理分類?？偟貋碚f，我們需要掌握用戶的過去、現(xiàn)在和未來，包括行為標簽、業(yè)務(wù)標簽、偏好標簽、產(chǎn)品標簽等等，都需要大量挖掘。　　

有了這些標簽和畫像后，我們就要對用戶進行有效遷移?？梢愿鶕?jù)不同的運營目標，應(yīng)用不同的算法建立預(yù)測模型，將可能轉(zhuǎn)化的人群精準定位、轉(zhuǎn)化，這和市面上的“千人千面”不是一回事(Datatist的做法是提高人群精準度，千人千面是提高內(nèi)容匹配度)?！　?/p>

需要明確的是，所有的活動都并非一次就可以成功。每次活動都要循序漸進地追求優(yōu)化效果，循環(huán)往復(fù)中，實現(xiàn)量變到質(zhì)變的飛躍，所以一定要掌握復(fù)利原則。也因此，每次活動，我們都要科學(xué)的選擇對象，再用AI進行精準預(yù)測及觸達，接著對營銷效果進行合理跟蹤，及時進行效果分析，并反復(fù)對結(jié)果進行循環(huán)優(yōu)化，形成閉環(huán)。

至于對象的選擇，如圖所示，都可以通過這里進行標簽篩選，然后對它展開活動。活動內(nèi)容，這邊也可以做A/B測試，進行優(yōu)化。最終，活動的效果要進行實時跟蹤。

從前，每次活動的總結(jié)，都需要數(shù)據(jù)團隊手動抓取活動數(shù)據(jù)進行效果分析，耗時費力，還不一定能把成功、失敗的因素講清楚?，F(xiàn)在，通過預(yù)測營銷云，我們不僅可以自動、實時地將活動最終效果分析出來，還極大程度地縮短了分析的過程，降本增效。

　　iCDO：這個例子非常全面，那么在大家非常關(guān)心的運營效果上，會有哪些明顯的提升?

宋碧蓮：還是以該大型保險企業(yè)為例，在AI智能運營環(huán)節(jié)，我們做A/B測試，對比用規(guī)則選人的傳統(tǒng)促活和用模型選人的AI促活分別帶來的營銷結(jié)果。

這兩個活動開出去之后，三天時間就看到了差距。AI促活優(yōu)化，發(fā)了50萬條短信，活躍了7萬人，轉(zhuǎn)化率為14.6%。傳統(tǒng)優(yōu)化，雖然推送了100萬條短信，但僅活躍4萬多人，轉(zhuǎn)化率為4.61%?！　?/p>

可以明顯看到，新方法用了一半的成本，卻達到了1.6倍的轉(zhuǎn)化人數(shù)，效率提高了3.2倍?？吹叫Ч螅覀兙妥鋈€推廣，幫助該大型保險企業(yè)月活突破至千萬。

不僅是在金融保險行業(yè)，我們在新零售、電商、互聯(lián)網(wǎng)等其他行業(yè)也做出了很好的效果。比如將來伊份復(fù)購轉(zhuǎn)化率提高12倍、將世紀緣珠寶復(fù)購轉(zhuǎn)化率提高9倍以及將伊米妮的投放ROI提高達580等，塑造了很多融合業(yè)務(wù)場景的經(jīng)典案例。

　　iCDO：Datatist已經(jīng)有不少行業(yè)的頭部客戶，最后，我們想了解您當(dāng)初為什么會選擇回國創(chuàng)業(yè)?

宋碧蓮：毫無疑問，國內(nèi)的市場更大;另外，美國在全球數(shù)字化運營理念和方法都最先進，而我們團隊發(fā)明的AI運營非常行之有效，一直希望將AI運營這個新技術(shù)可以推廣到全世界。

此外，這也和我自身的背景有關(guān)，十幾年前在國內(nèi)讀書的時候，就很看好數(shù)據(jù)和營銷、運營的結(jié)合，商業(yè)智能是未來的主流，但是這個方向?qū)θ说木C合素質(zhì)要求特別高，既要懂商業(yè)，又要懂AI還要會編程，還要懂業(yè)務(wù)，有實際行業(yè)經(jīng)驗。

我花了二十年積累經(jīng)驗，先學(xué)計算機，搞明白編程和數(shù)據(jù)分析，然后又學(xué)了商業(yè)管理和優(yōu)化的博士，后面又專攻機器學(xué)習(xí)博士后，完成了商業(yè)智能的各種技能。再在工業(yè)和互聯(lián)網(wǎng)行業(yè)實踐達到百發(fā)百中的效果?，F(xiàn)在圍繞智能運營的創(chuàng)業(yè) ，就是將這個技術(shù)標準化產(chǎn)品化出來，都是當(dāng)初那條線的延展。因為這樣的人才全球太稀缺了 也太難培養(yǎng)了，但是數(shù)字化運營企業(yè)又等不及人才的供應(yīng)，所以需要制造機器人AI運營團隊來幫助企業(yè)快速實現(xiàn)運營目標。

三年前，選擇回國，一方面市場時機成熟了，另一方面，在美國組建的團隊也都愿意回來跟著干，我們中國人講究的天時地利人和，都齊了，回來也就是自然而然的事情了。

宋碧蓮(Sophia)，上海畫龍創(chuàng)始人兼CEO，美國最頂級研究機構(gòu)NSF(美國國家自然基金會)機器學(xué)習(xí)方向博士后;香港理工管理優(yōu)化博士;在eBay工作期間最早提出了以用戶為中心的個性化市場運營優(yōu)化策略，為eBay挖掘出價值數(shù)億美元的市場營銷機會;將AI和優(yōu)化結(jié)合，創(chuàng)立了AI驅(qū)動用戶運營優(yōu)化的新理論，并在LinkedIn最早應(yīng)用實踐，將LinkedIn用戶活躍度最高提高28倍，被LinkedIn CEO譽為最好的AI商業(yè)分析師，獲得LinkedIn改革獎。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。