【数据分析】企业如何对自己的用户数据进行深度挖掘与应用？
1.大数据前世今生
今天要跟大家分享的是大数据怎样去推进行业的变革，这儿有两个关键词：第一个是大数据，第二个是行业。对于大数据，我们首先要知道它是什么。市面上公开地对大数据有一些描述，但在我们看来大数据有他自己的一些特性，要从本质去思考。究其源头，在1997年这个概念就已经被提出来了。第二个是行业，它不仅仅特定在某一个行业，我们知道对于整个社会来说，各行业都会提到大数据的概念。所以我们现在提到的行业更多的是在一些有数据落地的行业。
提出大数据这个概念的是NASA的研究员，美国航天局的简称。为什么会提出这个概念？是因为当时他们需要掌握飞行器气流的数据，通过风洞去吹飞行器。911以后，从97年开始到02年这五年里，基本上没有更好的一些概念引起大家的关注。但02年因为911，美国政府把恐怖分子的身份数据全部放到自己的平台上，对恐怖分子进行监测，这变形成了大数据的雏形。在04年，沃尔玛提出了一个非常重要的一个概念，把客户购物和个人习惯去进行匹配计算。它是一个影响久远的关于啤酒与尿不湿的案例。现在我们提到大数据，就会联想到它，拿出来作为一个对大数据运算结果的说明。
而在07年到08年，随着全球社交网络的发展，每一个人的情感和情绪的数据，包括一些状态的数据都会流到网络上。这时做大数据运算的基础已经显现出来。09年，美国政府提出政府开放数据计划，将政府的数据开放出来，与此同时，联合国也开始通过手机和社交网站数据开始进行疾病爆发等的预测，这些都涉及到大数据的使用范畴。
11年，我们普通大众开始真正接触大数据这个概念，它由IBM提出。而从12年到现在，我们可以看到从各个国家政府到社会到企业直到个人，已经开始全面的去看待并使用大数据这个概念。所以从整个数据的使用上可以看出，首先是政府他会用社会和环境的数据计算出结果，然后将数据结果服务于大众，然后企业用一些交易数据把控自己的用户，接下来才是用户行为数据的整个落地和计算。
由此可见，它是伴随着一定的社会基础来进行演变的，当政府去使用社会或环境数据的时候，他其实已经在系统工具的完善和计算机出现的基础之上。而企业交易数据，他的这种分析是基于交易系统的完善，以及他对于客户数据的足够掌握。而用户行为数据的计算，它是伴随着移动互联网的出现而出现。
从我们整个过程可以看到，其实11年大数据概念被大众所接受，也就是在移动互联网真正爆发的时候。那为什么在移动互联网爆发的时候才会有大数据这个概念？
移动互联网的本质是一种连接。互联网的演进是连接方式的演进，是信息内容-流动方式的演进。
对于整个互联网的断代，很多人说我们现在已经进入了web2.0或者web3.0的时代。那web2.0，web3.0是什么呢？我们将整个互联网的断代分为五个阶段。
那第一个阶段，为前web时代，当时并没有网络，我们连接的是“终端”，通过光盘、U盘等固态的电子工具进行信息传递。第二阶段web1.0，连接的是内容，这时资讯门户网站已经出现。整个信息传播是一种点对面的传播方式，其实同广播电视类似，所以当时我们把PC互联网叫做媒体。而在web2.0时代，连接的是人。这时社会化媒体、自媒体兴盛，用户之间的信息传递已经从点对面变成点对点。
这时互联网已更加快速的融入到生活里。后web2.0时代，是我们现在正在走的时代，是内容与关系的连接。以交互为主，线上线下信息逐步打通，信息类型向商务方向发展。当人与物之间的信息流动成为常态，随时随地上传获取信息，所需即所得，我们就进入了web3.0 的时代。
所以从整个发展可见，互联网它是从媒体的特性过渡到沟通工具的特性再过渡到生活工具的特性，整个过程其实就是信息传递的方式和速度发生了变化。
为了更好的说明信息流动和信息方式的这种变化，“易观智库”每个月都会发布整个移动互联网里TOP200的排名，如果大家感兴趣的话可以关注一下“易观智库”的公共账号。上图，排在前二十位APP，更加符合于移动互联网的本质。大多为咨询类的信息流动，包括社交、新闻资讯、浏览器等。在TOP50，就有了更多和生活息息相关的APP，包括生活娱乐的移动音乐、视频等等。而在TOP100，我们发现有更多的触及到生活服务的APP。因为用户接收到的信息越来越多，越来越快，所以“快”已经成为时代主旋律。
在PC时代的时候有一个非常有名的模型“AISAS”。它其实是一种线性模型，涵盖了用户从对一件商品的认知到购买到分享的整个过程。
由此模型可见，在移动互联的时代，所有的环节都发生了一些变化，而且环节与环节之间的关系也发生了变化，主要变化是指从一种线性关系变成了一个网状关系。五个环节的第一个是Attention.因为现在是个碎片化时代，信息量与信息源大幅增加，此时内容愈加重要。
第二个是兴趣。用户从关注到兴趣的整个时间变得越来越短，甚至用户在由兴趣到进一步获取相关信息的时间越来越短。第三话个搜索环节，移动互联时代搜索工具也变得越来越多，可以通过图片、语音、二微码等一系列的工序进行搜索的比例也越来越多。而在ACTION产生行为的时候。因为交易场景的变化，移动端里有了很多新的功能和应用。所以用户的需求更大程度地被挖掘了出来。最后一个环节是SHARE，分享工具增多，给用户的分量带来了更多地不确定性。
所以我们为什么说这是一个网状环节？是因为用户可以分分钟从其中的一个环节不确定性地跳到另外的环节。比如当用户接收到他的朋友分享的一个东西，他可能不会感兴趣，但他又为了卖给朋友面子，很快就会再继续分享出去，而当第三个人接触到这个信息的时候，他可能会马上产生兴趣。
在用户行为越来越快的基础上，用户数据它的作用和价值也就越来越重要。通过对这些数据进行分析计算，分析其行为偏好。其中互联网公司对用户数据的使用是较为娴熟的。
互联网公司有一个数据的基础平台，分为两块，第一块是用户的数据，最关键的是用户唯一ID的确定。第二块说是技术，比如说数据接入系统、数据管理系统等一系列技术对数据进行运行。
在数据技术平台之上，互联网公司会使用用户的数据做什么呢？第一块儿是完善产品运营，提升用户体验（用数据进行运营监控），第二块是对外服务，提升盈利（通过数据对产品改进，进行服务）。对于客户服务，更多的集中第二块上，在精细化为主，辅以数据的服务，数据服务是指对用户数据的深入分析和分析结果的可视化。
互联网公司还会做战略规划分析，比方说BAT，在14年并购了非常多这样领域的一些创业公司。BAT就是要去做一个大的生态系统，各家缺什么数据，尤其是用户生活里的一些数据，那么他就会通过一些订购的渠道去购买用户数据。
在互联网大数据整个基础之上，我们可以看到大数据最本质是数据的不断的自生和新陈代谢的过程。
2.传统企业数据的使用方法和现状以及未来的发展趋势
今年有一个很热的概念叫做互联网+X.互联网+的本质是让传统企业更加有效地去使用包括物流、用户、供应商等的数据。通过这些数据更多地帮助企业去完善运营。
传统企业运营从线性（产品的设计开发-生产制造-流通-交易达成-售后服务）到环形变化（用户数据落地到各种终端，企业打通终端获取用户数据）。
在整个环形流程里面我们可以看到用户的管理平台是非常重要的，里面积累了有很多用户的数据，通过深入的分析和挖掘，企业会进行一些如E-MARKETING和E-CRM的环形管理。
企业为了实现环形管理最本质的是需要搭建内容管理中心和用户管理中心。对于内容管理中心更多的是管理用户自身产生出来的数据，而对用户管理中心需要对用户进行生命周期和忠诚度的划分，通过划分把用户进行切分管理。
企业将用户数据分为四个层次：用户交易数据、用户和品牌内部接触数据、用户和品牌外部接触数据、用户自我行为数据。这些数据将会落到企业的用户数据库里面，通过记录存储、清洗、匹配合并、筛选和建模分析就会帮助企业实现用户细分、用户行为管理与预测、用户生命周期管理和用户的忠诚度管理。最终帮助企业实现个性化的营销、个性化设计、个性化产品、个性化服务和个性化的沟通，只有这样才能真正实现精确的和用户一对一的沟通。
3.如何对用户数据深入挖掘？
企业经常会问5W1H这六大问题（who、where、when、what、why、how）。其实企业过去会有一些终端的触点接触到用户，但是远远不够。在互联网时代，会有更多的工具帮助企业去touch到这些用户。而这些能够采集到用户数据的平台，已经能够非常完善的把5W1H六个基本问题解决掉。
企业如何去解决掉用户的数据呢？首先企业其实有用户的内部数据，但内部数据也有一个很大的问题。问题在于用户并不是一天二十四小时都会和企业的产品、平台保持沟通联系。用户更多的时间会游离在企业的体系之外，而企业如果只是拿到用户在自己平台上这些数据，它们是非常片面的。
而企业外部还有很多的用户数据。由于这个外部和内部数据，企业现在形成了一个一个的数据孤岛。
所以我们需要通过一些方法把数据孤岛打通。打通之后的数据汇聚到同样一个ID上时，我们才说获得了用户真正全方位的数据。所以最基本的是对于用户数据化的一个描述。而用户标签的搭建会成为整个数据库的一个核心。
数据的用户标签化，其实需要用户更多维度的数据，而不是非常深的数据。其实有很多的EMP,ESP公司会说我们有上百万的用户，可以支持把用户画出来，但我们现在看来是不能去做明确判断的。为什么这样说呢？当标签非常非常多，但是我的标签只是打在几个纬度上时，那我们并不能去真正的把整个用户描绘出来。
对于用户的管理，其实是对用户标签体系的一个管理。需要通过很多的模型来去进行计算。所以对于标签库来说，有两点非常重要。第一是用户标签维度是否够多，第二个是模型，计算方法是否够多。
整个移动互联网时代的用户数据，其实是包括了线上和线下的。所以说当看到线上数据形成一个闭环，线下数据也形成一个闭环，2个区间互通的时候，我们说用户的数据才是真正的完全拿到了我们自己手里。
而当我们真正把线上和线下的数据区间完全打通以后。他的界限都会逐步的消失，也就说我跟我的用户群沟通的过程里面，营销管理、销售等项目都会含在一次或者多次的沟通里。
所以在整个环境之下，用户画像对于用户管理、用户的销售和营销而言，用户画像是非常重要的。基于此我们做出了一个用户画像的体系。
此体系分为两部分，一部分是对用户生活形态进行画像，更多地了解用户的偏好，从而进行用户的精准营销。第二部分是对用户的行为画像，此行为更多的是基于移动互联这样一个虚拟的世界进行画像。需要了解的是：竞争对手是谁？如何进行竞争分析以及如何进行用户生命周期的管理。
接下来看一个竞争分析，分为两部分：直接竞争分析和潜在竞争分析。
对于直接竞争分析，我们一般会比较随意的去确定竞争对手，比如会把自己的领域里排头的一些产品和厂商作为我的直接竞争对手。此行为对吗？通过数据可见其实此判定是没有一些依据的。在整个移动互联里，我们需要通过数据来进行判定，通过重合度、重合用户判定到底谁是真正的竞争对手。
上图，对于最小的紫色的那个圈儿来说，如果认为新浪就是直接竞争对手，那判定就会有偏差，因为没有重合用户。而对于紫色厂商，黄色为其直接竞争对手，重合度很大。确定了直接竞争对手后，还要看竞争是否激烈，竞争是如何进行变化的，和对手竞争变得更加激烈还是更加缓和了。那这个激烈程度也需要通过数据进行分析计算。
对于潜在竞争分析的判定，通过用户流失和沉睡判定。比如一个产品的用户流失到了自己同领域的一些厂商的商品上，那么这些吸引用户的这些厂商的商品才是真正的作为我的潜在竞争对手。那另外一块儿来说，用户流失并不一定会流失到同领域的一些商品，有可能是跨领域的这些商品。确定以后，我们需要确定自己潜在的合作伙伴，而这些合作伙伴其实是对于我的用户去进行一个唤醒和换回功能的合作伙伴。
所以我们需要以人为本，对用户加深了解。比如对于一款音乐APP进行分类，把这些人群分成了7类，并进行了一些说明。通过统计分析，了解他们的属性特征和偏好，相关会使用的APP以及喜欢在一天的哪个时段使用这个APP。
而我的产品相对于整个领域里地产品会有哪些差异和不同，不同类别的人群在使用产品时，会有哪些特征。只有对用户有了基本的偏好了解，才能画出用户整个整体的画像，然后根据偏好去进行产品或商品的改进，以便使用户更加的稳定的留在平台上。
所以我们开发出了基于上面这些对于用户画像的开发者的一个后台，我们可以从这个后台看到用户的一些基本指标，帮助我们自己的运营人员去了解整个产品整体健康状况，用户变化情况以及用户移动互联使用深度。比如我们可以通过对用户具体的一些分类，如是车主还是运动爱好者，而去看不同类型用户的移动互联使用的一些行为。
另外我们也可以通过对用户的划分去找到竞争合作的分析。分析重合用户的表现，甚至不同类别的用户的表现。同时通过触点分析用户行为。用户触点分成两类：虚拟空间触点（如不同类型的用户在整个移动互联领域的APP使用行为，以及APP和其他APP间的关联行为，根据关联APP，可以决定营销时的媒介采买计划，如购买什么样的媒介）和物理空间触点（如北京用户到了杭州他的生活行为、移动互联行为发生的变化即为物理空间触点）。
更主要的是我们可以通过用户的使用行为、生活偏好，进行标签管理，一目了然的能够看到用户类型，而且这些用户分布在哪儿。
Q&A
1.用户的交易数据与地理数据是一个概念吗？
不是一个概念。地理数据更多的是用户自己所处的空间。比如LBS的数据，我们更多的是在去做一些本地化的营销或者用户的一些维护等。
对于用户交易数据的使用来说，一般是计算用户的购买偏好。这两类数据其实可以相互补充。
比如说对于旅游，北京用户在北京会买什么，到了昆明后，又会买些什么东西。这样我们可以去计算出这之间的一个关联程度。
2.企业内部数据和外部数据如何打通？需要借助第三方分析平台吗？
这是需要第三方分析平台的。如果企业自己有能力去做，也可以自己去进行一些运营。
比方说，对于一些大型的传统企业，他们自己的微信、微博的平台，其实有很多数据是可以保留到自己的平台上的。
3.相互合作的企业与企业间的数据孤岛打通应该注意哪些问题毕竟原有系统的数据模型建立是不一样的
所以对于打通而言，最关键的环节其实是赋予用户唯一的ID。所以建模的目的很关键，建模建出来的这个模型，他是不是有延展性，能把一些新的维度囊括进来，这个需要注意。
另外来说，企业之间的用户打通，我觉得更多的是需要的标签库打通，并不是计算模型和方法的打通。
4.企业上erp系统有必要嘛？
更多的是看ERP是要实现什么目的。可能更关键的是要有一个整体的规划。如果是对用户数据的运算，需要思考怎么样能够把用户的数据落在平台上啊？ERP更多的是去做企业的内部管理以及供应链和物流链的管理，可能也需要去思考一下怎么样去做好整个运营的流程。
文章来源：知知 顶部图片来源：http://cdn2.business2community.com
1 条回复
[…] 【数据分析】企业如何对自己的用户数据进行深度挖掘与应用？ […]