网站首页 > 产业分析> 文章内容

大数据时代的用户行为分析该怎么做

※发布时间:2018-5-28 6:16:35   ※发布作者:habao   ※出自何处: 

  在互联网高速发展的今天,产品的销售渠道从线下实体店在向线上平台转移,而互联网时代的产品也不再只局限于实体的产品,也包括各种虚拟形态出现的产品,例如金融产品、在线教育产品等。

  如何对产品进行营销推广,吸引消费者,提高产品知名度和销量,一直以来都是商家不遗余力在做的事:通过问卷调查等方式,运用4P、4R等经典的营销理论和模式,或者直接采用的价格战的方式来获取消费者。

  亚马逊了将数据分析应用于产品营销的先例。通过运用和传统实体门店无法比拟的互联网手段,获取用户行为数据,并对这些数据进行深度分析和挖掘,制定对客户的个性化推荐和服务,了当时的市场竞争规则。亚马逊的成功在于电子商务的销售模式,以及对数据的战略性认识和使用。

  现在,电子商务已经是一个普遍存在的产品销售渠道,任何形式的产品都可以在线上销售,这个时候,用户数据变得更能轻易获取,商家竞争优势不再只是能获取用户数据,而在于如何获取更全面的数据,并将用户数据的深度分析结果应用于精准营销。

  “在2011、2012年大数据火起来之后的两三年里,我发现市场变了,在这种变化中我看到了机会”, 神策数据创始人、CEO桑文锋 对数据观说。他是前百度大数据部技术经理,从零构建了百度的用户行为大数据处理平台。2015年离开百度,创建神策数据,为互联网公司提供大数据分析服务。

  根据中国互联网网络信息中心的报告,截止到2016年12月中国的互联网用户数达到7.37亿,其中手机网民6.95亿,互联网普及率达到53.2%。

  需求端庞大的互联网用户群开创了数字经济新时代,移动互联网、自、电子商务、O2O服务(Online to office service)、互联网金融、共享经济平台等已经渗透到人们生活的方方面面,数字技术与消费端的诸多垂直领域实现了深度融合。

  2000到2006年,是流量时代,更多的是算页面浏览量、用户访问量,谁流量高谁就厉害,当时的三大门户网站(网易、搜狐、新浪)吸纳了互联网绝大部分的流量。

  2006到2012年,是用户时代,开心网、人人等社交层出不穷,他们比的是活跃用户数。2009年推出的新浪微博就是在这个阶段凭借井喷式的用户增长,奠定了新浪在社交领域的地位。

  2012年到现在,甚至到未来,可以归结为订单时代,比如现在大家都很熟悉的团购、互联网金融、在线教育、直播等等,都是跟订单相关。

  从流量到用户,再到订单,这个变化过程意味着对数据分析的要求层层递进。同时,也意味着,随着互联网的发展,越来越多的垂直行业开始在线上扩张,互联网+成为行业热点。

  在大数据的发展过程中,刚开始只有在BAT这样的互联网公司才有需求,并且有技术实力去做用户行为分析。“现在,在其它领域,越来越多的中小公司同样也有这样的需求。”桑文锋认为互联网的发展催生了新的用户行为分析需求,也为技术实力雄厚和优秀产品的创业公司提供在行业中展露头脚创造了的机会。

  ○ 一方面是技术的进步。 在互联网的助推下,数据样本的采集点和覆盖面离散度越来越大,数据量成指数级增长;同时,数据采集能力也变得更强。在数据处理能力上,hadoop、spark等开源的大数据处理软件的技术在不断完善,能处理以前无法处理的数据问题。

  ○ 另外一方面,市场开始认识到数据的重要性。 桑文锋描述了一个现象:“在大数据刚刚兴起的时候,给人的感觉就像是忽悠,只看见到处都在,并没有看到实际的作用。但带来一个好处,就是大家开始意识到数据的重要性了,跟客户谈的时候不用去说数据的重要性,只需要告诉他数据能够实现的场景价值是什么。”

  在流量时代和用户时代,用户行为分析产品和服务面向的主要是互联网或移动互联网公司,他们的产品主要是信息消费,例如视频和门户网站等。

  面对这些服务对象,传统的用户行为分析更多是统计学意义上的,一般都是指PV(Page View,页面浏览量)、UV(Unique Visitor,访客)、跳出率和用户访问深度、用户停留时间等,这些指标其实主要是用来作为统计使用的。

  据诸葛io的创始人孔淼介绍:“当时使用的分析产品的大多数是APP、网站等统计平台,因此,企业并没有形成很好的数据基础,主要表现在数据采集能力不够,和数据孤岛现象很严重。”

  而到了订单时代,用户行为分许面对的行业越来越广泛。提供数据分析服务的厂商业务主要集中在金融、在线教育、互联网、零售等消费行业,这些领域都对用户行为分析有着天然的需求,庞大的用户群体、联网实时产生的大量用户数据、以完成用户交易为目的等,都需要对用户有足够的了解。

  对于现在的用户行为分析来说,数据的采集、存储和处理的平台搭建是基础环节。而现在真正能指导产品和业务的,还需要更精细化的分析,孔淼认为:“现在的用户行为分析应该挖掘更深入的数据价值,了解用户的参与度。”

  如何做到更精细化、更深入?这就要求采集和分析更全面的数据:用户在什么时间进入网站或APP、搜索了什么内容、有没有下单、下单前后点击了哪些内容对这些所有的数据进行收集汇总,就能观察到完整的用户行为,进行用户画像。

  ○ 一类是驱动产品和运营决策。 比如在市场营销方面,判断广告效果、产品如何做调整改版、运营搞促销活动怎么给用户发红包等等,都是基于数据分析。这些都可以归结于数据在驱动决策方面的价值。

  ○ 另外一类是驱动产品智能。 桑文锋说:“驱动决策并非充分发挥大数据的全部价值,让产品智能化更能代表行业的发展方向。目前大部分数据分析产品可以满足企业在决策层面的分析需求。在未来,随着大数据在行业应用的深化,并将更加依赖强健的数据仓库和灵活平台开发能力,通过基础数据叠加算法模型,从而驱动产品只能化。”比如个性化推荐、精准投放广告、金融风控等,这些都需要以用户数据分析为前提。根据分析客户特征、偏好、兴趣点等,让产品提供更加智能的服务。

  “我觉得技术和产品都构不成壁垒,真正能够形成壁垒的是服务。如果服务做得非常好,客户满意度高,他就没有理由换成其他产品。”桑文锋认为服务是企业长远发展最重要的因素,神策数据打磨产品的同时,也在围绕服务打造核心竞争力。

  在大数据发展到今天,人们已经逐渐认识到数据的重要性。虽然如此,这并不能确保数据服务能在企业顺利落地。

  ○ 一种可以看作是大数据领域的“急性病”。 在这种情况下,有些人会把大数据约等于hadoop,认为将企业的数据都存好就是完成了大数据,所以各种IT类的基建项目蓬勃发展。

  ○ 到大数据发展进入第二阶段时又会产生“慢性病”。 就是做好了存储系统之后,不知道如何去处理。这种情形一般会发生在对推动数字化这件事没有策略的企业里,它们把大数据看作一个榔头或者手术刀,希望药到病除。而没有具体的计划来指导,大数据反而会变得无用武之地,延缓企业大数据进程。

  这是企业目前存在的问题,也造成了桑文锋说的服务挑战:“有的客户可能本身实现数据驱动条件还不具备,比如没有对应的技术人员、企业上下没有形成成熟的数据意识、在数据打通上企业存在内部矛盾等,从上至下欠缺的东西比较多,这些情况都会导致真正实现大数据落地面临巨大的挑战。”

  现在市场上存在人才缺口,未来3至5年,中国预计需要180万数据人才,但是目前,中国大数据从业人员只有约30万人,还存在约150万的人才缺口。

  虽然说,我国正在从国家层面和地方层面都在大力推行人才政策,通过“千人计划”等高层次人才引进政策吸引了大量创新创业人才,同时出台了系列政策完善科研管理,并且在大数据专业人才方面,从2016年2月起,教育部公布新增“数据科学与大数据技术”专业,目前我国已有35所高校获批该专业。

  但是,不管是从时间还是经验看,目前国内培养大数据人才的院校都尚处于起步阶段,学校教育与大数据市场需求脱节严重。据领英2017年11月发布的《中国经济的数字化转型:人才与就业》报告分析:目前人才强国战略的一个突出的问题就是缺少以需求为导向的人才引进与培养机制。

  面对这样的人才市场,对于企业,尤其是初创企业来说,很难找到合适的人才。桑文锋说:“对于我们来说,用人要求非常高,标准非常严格。其中有一个部门最近发了5个offer,有3个在试用期就被淘汰。”

  用户行为分析的发展经历了几个阶段的变迁,不断适应新的需求。而在未来还会有新的情况发生,新的需求产生。而在社会高速发展的今天,未来用户行为分析会发展到什么程度很难预测。

  “真正实现数据驱动不是一年两年就能完成的事,它更可能需要长达十年二十的努力。”桑文锋认为要挖掘数据的最终价值还需要长时间的努力。

  首先企业需要数据意识的普及,如果在工作中我们讨论决策依据是主观感受、直觉,或者说是,这就是欠缺数据意识的表现。在桑文锋看来,数据意识是实现用户行为分析服务落地的基础,而技术、产品等工具只是手段。

  而对于提供用户行为分析服务的厂商来说,需要不断市场的变化,对产品和团队进行迭代升级。

  在神策数据的发展历程中,刚开始只有技术团队,后来扩展成有大客户经理、有技术支持、有交互经理等,逐渐形成完善的企业架构和团队体系,以应对越来越丰富的服务需求。

  TalkingData每年都会推出一个大的产品,进入到产品族里面,最快能做到每30分钟一次的微迭代。就是要不断地优化产品、优化流程。

  另外,未来用户的概念都可能会发生变化,内涵会扩展。桑文锋认为:“用户行为可以是一个很广泛的概念,所有通过行为动作能产生数据的都是用户行为,不管这个用户是一个真人还是一个实体。现阶段主要围绕真人,以后可能机器做了什么事,也是用户行为。”

  桑文锋带领的神策数据团队,对用户行为分析未来的愿景是实现全决策、全渠道、全流程。但是他也表示:“未来变化太快,可能定了十年的目标,但实际走到第三年可能就发生变化了,有很多其他的事情需要去做。我们现在要做的就是为了这个目标不断的努力就可以了。”

  本文来源于ipfs