LinkedIn CEO眼中最好的數(shù)據(jù)分析師：大數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的本質(zhì)與技巧

大數(shù)據(jù) 數(shù)據(jù)分析數(shù)據(jù)運(yùn)營

Sophia | 2016-11-01 13:54

【數(shù)據(jù)猿導(dǎo)讀】作為前LinkedIn核心數(shù)據(jù)成員，Sophia擁有多年數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的實(shí)踐經(jīng)驗(yàn)。在她看來，公司內(nèi)部數(shù)據(jù)驅(qū)動(dòng)企業(yè)優(yōu)化，一定要注意不能空頭玩數(shù)據(jù)。找了數(shù)據(jù)方面的人才，卻不懂運(yùn)營優(yōu)化的方法，也不一定能幫到企業(yè)

LinkedIn CEO眼中最好的數(shù)據(jù)分析師：大數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的本質(zhì)與技巧

編者按：在她加入LinkedIn市場(chǎng)營銷部門之前，他們很多市場(chǎng)部經(jīng)理加大數(shù)據(jù)專家，做了快1年的內(nèi)容運(yùn)營，CTR才2%。她去了以后，做了優(yōu)化，一下就提高到17%。她說，問題就出在了他們沒有應(yīng)用正確的優(yōu)化方法。選錯(cuò)了優(yōu)化目標(biāo)，定義錯(cuò)了優(yōu)化的核心Metrics。

作為前LinkedIn核心數(shù)據(jù)成員，Sophia擁有多年數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的實(shí)踐經(jīng)驗(yàn)。本期《崔牛八點(diǎn)半》，我們有幸邀請(qǐng)到這位曾被LinkedIn CEO譽(yù)為最杰出分析師的數(shù)據(jù)專家，為我們揭開大數(shù)據(jù)驅(qū)動(dòng)運(yùn)營的本質(zhì)與技巧。

公司內(nèi)部數(shù)據(jù)驅(qū)動(dòng)企業(yè)優(yōu)化，一定要注意不能空頭玩數(shù)據(jù)。找了數(shù)據(jù)方面的人才，卻不懂運(yùn)營優(yōu)化的方法，也不一定能幫到企業(yè)。

大數(shù)據(jù)是用來解決商業(yè)問題的，脫離業(yè)務(wù)問題看數(shù)據(jù)是大忌。我們科學(xué)的大數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)優(yōu)化的做法，可以參考下圖里的流程。

做大數(shù)據(jù)驅(qū)動(dòng)運(yùn)營，首先要明確地定義本次優(yōu)化要解決的問題。如果有多個(gè)問題，可以一個(gè)一個(gè)解決，不要心急。倘若攪在一起，最后反而說不清楚什么是真正的影響因素。

然后定義優(yōu)化的目標(biāo)。很多人沒有學(xué)過企業(yè)優(yōu)化的專業(yè)知識(shí)，所以解決問題容易失去大方向。

就像在LinkedIn的時(shí)候，我剛加入市場(chǎng)營銷部門，他們很多市場(chǎng)部經(jīng)理加大數(shù)據(jù)專家，做了快1年的內(nèi)容運(yùn)營，CTR才2%。我去了以后，做了優(yōu)化，一下就提高到17%。問題就出在了他們沒有應(yīng)用正確的優(yōu)化方法。選錯(cuò)了優(yōu)化目標(biāo)，定義錯(cuò)了優(yōu)化的核心Metrics。

然后，根據(jù)目標(biāo)，定義與之相關(guān)的業(yè)務(wù)指標(biāo)，也就是核心Metrics。

之后，才到數(shù)據(jù)的部分。根據(jù)業(yè)務(wù)目標(biāo)和指標(biāo)，去決定要采集什么數(shù)據(jù)。然后再根據(jù)業(yè)務(wù)的實(shí)際情況，決定數(shù)據(jù)的架構(gòu)。比如，最后做的是線上的推薦引擎，那我們需要建立實(shí)時(shí)的架構(gòu)，比如用Spark Streaming 實(shí)現(xiàn)。如果是做的Add Hoc 分析，那只要做成線下的一個(gè)可視化報(bào)表即可，用offline離線的架構(gòu)即可。

后面配合的是數(shù)據(jù)的深度分析，以及分析結(jié)果可視化( 比如用可視化工具 tebleau或者我們的Yonghong BI，BDP等)。因?yàn)閺?fù)雜的數(shù)據(jù)，老總未必看得懂。作為數(shù)據(jù)人員，需要掌握一門技術(shù)——如何可視化數(shù)據(jù)結(jié)果，讓insight簡(jiǎn)單直觀的展現(xiàn)。

如何在企業(yè)內(nèi)部搭建一個(gè)完整的大數(shù)據(jù)團(tuán)隊(duì)?

很多人問我：如何組建大數(shù)據(jù)團(tuán)隊(duì)?以下這張圖代表了很多大公司的典型大數(shù)據(jù)組織架構(gòu)。

大數(shù)據(jù)不是一個(gè)人的工作，團(tuán)隊(duì)合作非常重要。先強(qiáng)調(diào)一下當(dāng)前所謂的“大”數(shù)據(jù)和傳統(tǒng)的數(shù)據(jù)概念的差別：

傳統(tǒng)的，每家公司幾乎都有DBA，都有一個(gè)業(yè)務(wù)數(shù)據(jù)庫，不論是Oracle還是MySQL。存的是業(yè)務(wù)數(shù)據(jù)，比如電商的交易數(shù)據(jù)。支持的是業(yè)務(wù)的正常運(yùn)營。

隨著互聯(lián)網(wǎng)時(shí)代的普及，“大數(shù)據(jù)”的概念油然而生。“大”主要是體現(xiàn)在了行為數(shù)據(jù)上。比如通過捕捉在線用戶行為的蛛絲馬跡(也就是行為數(shù)據(jù)采集)，我們可以更好地認(rèn)識(shí)我們的客戶，將客戶更好地畫像分群，提供個(gè)性化服務(wù)。

我們可以通過客戶看什么內(nèi)容，喜歡停留在哪些頁面，愛收藏什么內(nèi)容，經(jīng)常評(píng)價(jià)什么，等等，來預(yù)測(cè)這個(gè)客戶的喜好，以及他未來可能做什么?比如某個(gè)客戶最近經(jīng)?；钴S，接下來可能購買的概率有多大?是否可以對(duì)他進(jìn)行精準(zhǔn)營銷，刺激他購買?

我們這里說的數(shù)據(jù)采集，對(duì)應(yīng)的就是采集行為數(shù)據(jù)，當(dāng)然也包括業(yè)務(wù)數(shù)據(jù)。有了數(shù)據(jù)，我們可以為各個(gè)業(yè)務(wù)部門做各種分析。比如給客戶做行為分析和畫像，給產(chǎn)品經(jīng)理做產(chǎn)品分析和優(yōu)化，給市場(chǎng)部門做市場(chǎng)營銷分析，給銷售或者財(cái)務(wù)部分提供分析，等等。

數(shù)據(jù)產(chǎn)品一般是要上線的。比如在線的個(gè)性化推薦產(chǎn)品等。最著名比如Linkedin 的“People you may know”，推薦你可能喜歡的客戶。

最后，research lab 通常是數(shù)據(jù)科學(xué)家研究的各種機(jī)器學(xué)習(xí)模型，優(yōu)化、預(yù)測(cè)、進(jìn)行商業(yè)建模。這可以應(yīng)用在前面的各個(gè)業(yè)務(wù)場(chǎng)景中，提高和優(yōu)化效果。

完整的團(tuán)隊(duì)，包括前端工程師埋點(diǎn)采集數(shù)據(jù)，架構(gòu)師架構(gòu)數(shù)據(jù)，商業(yè)分析師提供各種分析，還有數(shù)據(jù)科學(xué)家進(jìn)行建模?？偙O(jiān)還有一批數(shù)據(jù)工程師進(jìn)行數(shù)據(jù)的清洗和轉(zhuǎn)化。

如何運(yùn)用大數(shù)據(jù)幫到企業(yè)優(yōu)化運(yùn)營?

大數(shù)據(jù)優(yōu)化需要各種技能。做一個(gè)好的數(shù)據(jù)優(yōu)化師非常的不容易。還需要軟的溝通，可視化，還有領(lǐng)導(dǎo)力技能。

完整來講，大數(shù)據(jù)優(yōu)化主要有這幾個(gè)階段：

1、數(shù)據(jù)采集、架構(gòu)、報(bào)告

2、商業(yè)分析

3、實(shí)驗(yàn)設(shè)計(jì) A/Btest

4、客戶畫像

5、智能產(chǎn)品

6、通過各種模型進(jìn)行決策優(yōu)化

目前，大多數(shù)數(shù)據(jù)公司的產(chǎn)品都在解決1和2的問題，還不能直接驅(qū)動(dòng)企業(yè)的運(yùn)營。3到6都依賴專業(yè)的數(shù)據(jù)人才手動(dòng)提供解決方案。其實(shí)國內(nèi)的企業(yè)大數(shù)據(jù)都普遍缺乏專業(yè)的大數(shù)據(jù)人才，所以實(shí)現(xiàn)3到6非常困難。未來的目標(biāo)是要能提供專業(yè)的大數(shù)據(jù)軟件產(chǎn)品，提供1到6的一站式解決方案。

可惜現(xiàn)在大數(shù)據(jù)公司的產(chǎn)品都停留在Data階段，最多到insight。沒有一個(gè)可行的Action提供給企業(yè)，讓企業(yè)沒有數(shù)據(jù)人才的情況下也能驅(qū)動(dòng)運(yùn)營。

這里，我講一講一下幾乎所有互聯(lián)網(wǎng)公司都要解決的用戶運(yùn)營優(yōu)化問題和方法。

所有的互聯(lián)網(wǎng)企業(yè)都面臨同樣的痛點(diǎn)——如何從茫茫人海中獲取新客戶?花大價(jià)錢拉新后，如何留存客戶，活躍客戶，最終轉(zhuǎn)化客戶為付費(fèi)客戶價(jià)值客戶?

在外部拉新階段，有很多傳統(tǒng)渠道，比如打廣告，買關(guān)鍵詞等。但是現(xiàn)在都面臨改革的需要，因?yàn)椴粔蚓珳?zhǔn)。舉例，我們崔牛會(huì)很多2B的企業(yè)。如果百度打廣告，受眾其實(shí)很多是C。意味著一半的廣告費(fèi)用，都要浪費(fèi)在非目標(biāo)客戶身上。如何利用機(jī)器學(xué)習(xí)技術(shù)，精準(zhǔn)定位目標(biāo)客戶是一個(gè)很多的難題。

在完成拉新之后，活躍和價(jià)值轉(zhuǎn)化用戶，屬于內(nèi)部大數(shù)據(jù)優(yōu)化的范疇。

這里列舉了國際上最常見的內(nèi)部大數(shù)據(jù)優(yōu)化的核心技術(shù)：

首先是要采集行為數(shù)據(jù)(tracking);

然后，積累數(shù)據(jù)之后，我們需要對(duì)用戶進(jìn)行畫像分組，以便提供個(gè)性化的策略;

接著產(chǎn)品分析和優(yōu)化是一個(gè)常見的應(yīng)用。

目前市場(chǎng)上很多數(shù)據(jù)產(chǎn)品就是在做這三個(gè)步驟。我們統(tǒng)稱為“產(chǎn)品分析”數(shù)據(jù)產(chǎn)品。

后面開始的各種應(yīng)用目前市場(chǎng)上的產(chǎn)品并不多見，我們可以叫“市場(chǎng)營銷云”范疇(Marketing Cloud)。包括：目標(biāo)用戶優(yōu)化(俗稱精準(zhǔn)營銷)Targeting optimization;推薦優(yōu)化 (個(gè)性化推薦);市場(chǎng)營銷的運(yùn)營實(shí)驗(yàn)設(shè)計(jì) A/B test ( 其實(shí)產(chǎn)品分析也需要這個(gè));ROI優(yōu)化(比如有1千萬營銷預(yù)算，投5個(gè)渠道，哪個(gè)渠道效果最好?怎么組合渠道投放，達(dá)到最佳的回報(bào)?)

Marketing Cloud在國內(nèi)重視程度并不太高，而且客戶處于“無策略”投放階段，所以非常需要專業(yè)的大數(shù)據(jù)產(chǎn)品來幫助指導(dǎo)。

針對(duì)這幾個(gè)步驟，我分別展示一下更具體的內(nèi)容：

上圖為第一個(gè)步驟的demo，采集客戶行為數(shù)據(jù)，建立“大數(shù)據(jù)”系統(tǒng)，然后提供KPI報(bào)告。包括客戶，產(chǎn)品，市場(chǎng)和銷售的統(tǒng)計(jì)數(shù)據(jù)。這其實(shí)也就是之前那個(gè)1到2的步驟。

目前，這個(gè)過程我們已經(jīng)產(chǎn)品化了，讓大家看來又方便又簡(jiǎn)單。幾分鐘部署，大數(shù)據(jù)系統(tǒng)就自動(dòng)搭建了，實(shí)時(shí)報(bào)告就出來了。實(shí)際上在ebay 有幾百人在做這件事，是個(gè)巨大的工程。

產(chǎn)品分析和優(yōu)化是非常常見的應(yīng)用，國內(nèi)好幾家大數(shù)據(jù)公司都在專門做這個(gè)產(chǎn)品。

市場(chǎng)營銷云的系列之一就是通過用戶畫像精準(zhǔn)推薦內(nèi)部營銷的目標(biāo)客戶。比如我們每個(gè)月盤點(diǎn)用戶，打上活躍度標(biāo)簽，誰在這個(gè)月是最活躍的客戶、次活躍的客戶，不活躍的客戶。另外，最活躍的客戶，卻不購買的有哪些? 我們是否通過一些營銷策劃轉(zhuǎn)化他們?

畫像的做法有很多模型，我們最擅長的是機(jī)器學(xué)習(xí)模型。可以精準(zhǔn)預(yù)測(cè)誰會(huì)購買誰會(huì)流失、誰會(huì)注冊(cè)等等。這大大降低了運(yùn)營人員的難度，也提高了運(yùn)營的效果。

以前我在Linkedin做出數(shù)十倍的優(yōu)化效果，里面5個(gè)優(yōu)化環(huán)節(jié)里，最核心的就是機(jī)器學(xué)習(xí)的預(yù)測(cè)算法。

在充分了解用戶的群體和個(gè)體特征之后，個(gè)性化推薦是營銷運(yùn)營優(yōu)化的另一個(gè)系列。

個(gè)性化推薦可以通過產(chǎn)品級(jí)實(shí)現(xiàn)，也可以通過內(nèi)部營銷渠道，比如發(fā)push的時(shí)候內(nèi)容個(gè)性化，或者email的時(shí)候內(nèi)容個(gè)性化實(shí)現(xiàn)。

最后是渠道效率ROI優(yōu)化。

大數(shù)據(jù)運(yùn)營產(chǎn)品的分析與比較

接下來，我分享一下針對(duì)上述大數(shù)據(jù)驅(qū)動(dòng)運(yùn)營優(yōu)化方向的市場(chǎng)分析，可以幫助大家選型。

這是美國一些大數(shù)據(jù)公司的分布情況。美國的市場(chǎng)營銷云非常受歡迎，也很成熟，幾乎每家企業(yè)級(jí)應(yīng)用大公司都分布收購了很多小公司組建這個(gè)產(chǎn)品線。

比如Adobe買了Omniture (涵蓋了用戶行為分析，畫像，基于預(yù)測(cè)的目標(biāo)定位等系列), Salesforce買了 Exact Target ( 營銷自動(dòng)化)，Oracle 買了Responsys (郵件營銷公司),Responsys里面的人出來成立了Act-on( marketing automation 將整個(gè)營銷流程自動(dòng)化)。

實(shí)際上，我們公司的業(yè)務(wù)類似于Omniture + Act-on + Exact target，是一站式的營銷云方案，非常適合國內(nèi)缺乏專業(yè)運(yùn)營和大數(shù)據(jù)人才的企業(yè)現(xiàn)狀。

最后分析一下國內(nèi)的大數(shù)據(jù)市場(chǎng)。

大家看到中國從免費(fèi)的APP數(shù)據(jù)分析時(shí)代( Talking Data、友盟、易觀)，逐步發(fā)展到收費(fèi)產(chǎn)品分析時(shí)代(比如GrowingIO、神策數(shù)據(jù)、諸葛IO)。

但是營銷分析這里還是以傳統(tǒng)的外部渠道為主，比如廣告、SEO等的優(yōu)化。其中，國雙最近已經(jīng)海外上市。然而，企業(yè)內(nèi)部的營銷優(yōu)化，精準(zhǔn)目標(biāo)定位等，內(nèi)外結(jié)合的營銷一體化方案等都還沒有成熟的產(chǎn)品。

來源：牛透社

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。