3个月营收提升几千万,现在的大数据应用为啥会更有效?

2019 年 6 月 3 日 AI前线


作者 | Tina
编辑 | Natalie
技术的叠加应用,代表着传统职业的消亡。

大数据极大程度的改变了传统依靠品牌传播的营销方式。2018 年,有 132 年历史,具有强大的营销宣传能力的可口可乐,宣布撤销“首席营销官”职位,同时引入了首席增长官的新角色。传统品牌每年投入到营销中的费用高达上亿级美金,它需要用数据和技术去驱动,让营销变成更科学更可量化。

“互联网 +”主导了过去的十年,移动支付进化出来的线上交易平台改变了人类的生活模式。而后十年,线上商城及线下实体将融为一体服务于同一用户,而有效地利用线上线下流量只能通过更精细化的运营。数据驱动下的营销闭环,以可口可乐为代表的这种传统企业的转变,正在各行业中蔓延。

总部位于上海,旗舰产品为智能客户数据平台的创略科技,团队成员从创业时不到 10 人,发展至今已扩张至近 200 人;这两年业务体量也迅速扩张,已积累了 300+家大中型客户。创略科技创始人 &CEO 胡世杰在接受采访时谈到发展迅速的原因之一:“归于大数据营销市场的爆发“,”现在有一些趋势是,一些之前在广告投放或传统营销活动上大量砸钱的品牌,不论 快消 还是 汽车行业,都在收紧预算 减少浪费用数据驱动来精细化运营。”

抓住时机适时而动

客户数据平台(CDP)是一种前沿的数据管理系统,将企业内部数据打通,然后结合到各客户生命周期相关场景(营销,运营,客服,等等),在北美风头正劲,有两家估值超过 10 亿美元的企业,而在国内,创略目前还没有直接对标的公司。CDP 将来源于各碎片化线上线下数据源,包括零售点,APP,CRM,业务数据库等 打通形成一个 360 度客户画像, 基于客户全生命周期的洞察去做营销,提升客户体验等。

抢占住市场爆发的关键点,第一是得益于在 15、16 年创略就完成了产品的迭代开发,在合适的时机推出了成熟的解决方案。

第二是,大数据时代里,客户数据平台能正常运作也要归功于之前积累的数据量。一些头部企业已经有一些现成的、内部流程化的数据收集方式。星巴克是创略的客户之一,它在很早之前就开始布局企业级数据平台,打通所有线下门店和线上数据,作为数字化转型的一部分。有了大数据基础,随后引入 CDP 平台,基于 AI 产品赋能场景,例如做 APP 内的产品推荐,客户流失和客户价值预测等,这样更大化“转化”之前的积累,让数据达到“可应用”的状态。在互联网的冲击下,稳坐头把交椅的咖啡界老大也不得不加重技术成分来增强自己的核心竞争力。

第三是因为利用数据转化的效果是可衡量的。胡世杰提到另一家客户:春秋航空,最初做短信航线推荐时,推送的转换率只有 1%。利用 CDP 以及附加 AI 模块几个月后,直接提升到 10% 到 14%,转化率得到百分之十几的提升,转化经济效益大几千万人民币。这种可见的成果,更有益于企业转型的决心。

恰到好处的转身

当企业及其运营方式从传统的运营和管理模式转变为现代化的技术导向的运营方式时,这种转变被称为数字化转型,它已成为所有企业的必需品,具有广阔的市场。但创略科技在早年布局开始的时候,主要专注的也就五到六个领域。胡世杰介绍:“这几个垂直领域,都有他们的特点,我们不是做所有 B2C 企业的市场。首批做的行业是金融、汽车、旅游、新零售、教育。“

一直以来美国通用电气(GE)是作为数字化转型的“标杆企业”存在的,当开发轰轰烈烈进行到 2018 年的时候,媒体却透露出“转型”失败的讯息,他们最重要的“产品”之一“Predix”,已经放弃成为工业物联网安卓系统的宏伟计划,重新调整缩小到仅三个领域:航空、医疗和能源系统。

行业千千万,就算实力雄厚人才济济的巨头,也很难一个平台覆盖所有,创略将精力集中在几个行业中,这个定位是很准确的。胡世杰补充说:“我们客户的领域是有筛选过的。比如客户的数据体量达到某一个量级,需要精细化运营、数据驱动的管理,去提高复购率、保持客户生命周期等。我们也会按照这五六个细分领域有着不同的解决方案。比如说 AI 模型我们按照不同的行业、不同企业的特质来调优。“

如何让数据更有价值

创略 CDP 主要的核心功能有两个,其一是数据采集、处理,统合,及分析 -- 基本上使数据达到“可应用状态”,其二是用 AI 提取数据价值,产品分别对应为 NEXUS、IQ。NEXUS,提供从数据采集、数据清洗、数据关联,标签体系到数据分析一系列服务,是目前的核心平台产品。IQ 是一款搭建在 NEXUS 基础上的 AI 工具,经过 NEXUS 处理的数据集中到 IQ 上,IQ 的数据源可以是各种实时、非实时、结构化、非结构化的数据,甚至可以是文本数据。IQ 把这些数据做到模型中,可以实现购买预测、产品内容推荐,各智能预警及用户生命周期预测等功能。目前有 10 多个最常用的 AI 模型。

其中数据处理,这是一个非常关键的环节。怎样将各种数据源的数据快速导进 CDP,打通到统一的可用的格式,这是很多一些所谓的竞品表现非常弱的地方。这部分功能可以直接导入各种的数据源,并转换成需要的格式。也可将不同的系统中的数据进行打通。原来打通两个系统的这种功能是需要一个团队,或者第三方外包手动处理,通过 API 开发可能要 2-3 个月的时间,而通过数据中间件平台可能只需要一周甚至更少的时间,完全通过产品界面可完成数据处理的工作,基本不需要 IT 人员协助即可部署。这也避免了 ToB 企业每个项目都得组建一支相应的团队来运作维护的问题。

第二是数据打通后提取数据价值的环节。利用 AI 模块“IQ“,客户可以直接调用模块内已预制的基础算法和模型,也可以自定义相关模型,包括客户分群模型、个性化推荐,情感分析,流失预警分析模型、客户价值模型、营销计分模型等。

数据可以流进来也可以流出去,导进来的数据永远属于企业自己,是 CDP 平台的一个特征。与一些企业如阿里将开放式的平台变成了内部数据银行的方式不一样,因为这些企业的政策,流量跟数据对他们来说是最大的变现资产,所以没法用开放式的数据平台的方式,跟外部企业客户合作。也就是说企业客户的数据只能进这个体系,但是不能出来。这种产品并不是企业客户可以自己控制的平台,企业也不想继续将自己的数据资产给到这种数据银行。于是很多企业就在 16、17 年左右自己开发了开放式数据平台,引进 CDP 将第一方客户数据整合到统一的界面,再结合比如 CRM 数据和第三方数据,以自己的实时行为数据为核心,建立完整的用户画像。之后结合 AI 模块的能力,进行预测推荐等。胡世杰告诉我们,新签单的企业 50% 以上都会采购 AI 模块。

从数据的角度来讲,客户自己的第一方数据,价值一定是最高的。第三方数据适合作为第一方数据的补充。

在 2010 年左右的上一代的很多营销创业公司,靠宣传自己所拥有的“数据量”,比如说自己包含了很多独有的第三方数据,获取一些客户。但是这个趋势一直在下降,因为第三方数据的质量跟合法性都是需要打一个问号的。很多高质量的数据也都是掌握在 BAT 手里的,现在扩展到 TMD、头条、美团点评等互联网巨头手里。当年利用第三方数据进行广告投放的这一波企业,已经都遇到了瓶颈。胡世杰对这种现象的评价是:“我只能说,中国营销企业服务可能是比国外市场慢三到四年左右,但有趣的是在营销场景的数据驱动技术跟 AI 能力,并没有落后国外市场,从某种地方可能是超越美国市场,因为我们应用技术的速度很快。“

小   结

信息化进程进入尾声后,参与到数字化变革进程中去,才不会在下一个周期落后。以前我们说大数据相当于 21 世纪的石油,现在我们要做到的是让数字化技术和平台和水电一样普及易用,当传统企业结合技术能力,发展速度将呈几何级数提升。技术代表新机遇。


你也「在看」吗?👇

登录查看更多
0

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
124+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
【阿里技术干货】知识结构化在阿里小蜜中的应用
专知会员服务
97+阅读 · 2019年12月14日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
硅谷的“中台论”与中国的“中台论”
AI前线
4+阅读 · 2019年9月21日
【精益】精益生产与智能制造的联系和支撑
产业智能官
37+阅读 · 2019年9月14日
阿里技术大牛:一份架构师成神路线图!
51CTO博客
30+阅读 · 2019年7月6日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
34+阅读 · 2019年4月22日
【干货】电商数据中台如何构建?
AliData
11+阅读 · 2019年4月4日
改了3次APP首页后,我的一些认知
从0到1
11+阅读 · 2019年1月13日
2017全球大数据产业八领域典型公司盘点分析
人工智能学家
3+阅读 · 2017年12月6日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
6+阅读 · 2018年8月27日
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
Arxiv
10+阅读 · 2018年3月22日
Arxiv
11+阅读 · 2018年1月15日
Arxiv
4+阅读 · 2017年11月14日
VIP会员
相关VIP内容
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
124+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
【阿里技术干货】知识结构化在阿里小蜜中的应用
专知会员服务
97+阅读 · 2019年12月14日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
相关资讯
硅谷的“中台论”与中国的“中台论”
AI前线
4+阅读 · 2019年9月21日
【精益】精益生产与智能制造的联系和支撑
产业智能官
37+阅读 · 2019年9月14日
阿里技术大牛:一份架构师成神路线图!
51CTO博客
30+阅读 · 2019年7月6日
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
34+阅读 · 2019年4月22日
【干货】电商数据中台如何构建?
AliData
11+阅读 · 2019年4月4日
改了3次APP首页后,我的一些认知
从0到1
11+阅读 · 2019年1月13日
2017全球大数据产业八领域典型公司盘点分析
人工智能学家
3+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员