数字化转型下，如何运用大数据帮助企业创造更高价值？
最近几年数字化一直是互联网讨论的热点话题，连马爸爸也在说数字化是决定企业未来是否能够活下去、活得好的关键，是未来十年二十年巨大的机遇。
一、企业通常面临哪些业务问题？
- 为什么用户不理我的push和短信？
- 好不容易拉来的新用户怎么都走了？
- 用户屠名不注册，注册转化率低怎么办？
- 如何引导新用户在黄金七日内进行转化？
- 如何提升DAU？
- 七日留存如何提升？
- 转化漏斗中流失的用户都去哪里了？
- 我的用户为什么活跃度降低？
- 运营资源有限，我该用在哪些用户身上？
- 用户为什么不付费？
- 用户都是谁? 他们有什么特征？
二、什么是数字化营销？
本质上是利用了信息交换数字化、客户互动数字化、数据存储数字化进行实现营销目标的营销方式，是以数字技术作为核心驱动力，推动企业的营销业务，包括品牌、市场、运营、销售、渠道及交易、消费者及服务的全方位变革，将传统的营销方式线上化、智能化和自动化的创新，最终驱动业务增长。
百度搜索是我们最常用的一种信息检索工具，通过搜索引擎可以快速查找我们需要的目标信息，同时百度通过我们的信息检索精准匹配广告，广告的内容、质量、服务会决定我们的购买意向，我们在百度上所有的行为会构成庞大的数据形成用户画像，从而影响企业更精准的营销。
三、数字化营销具备哪些特征？
当我们在说数字化营销的时候，应该关注它具备哪些特征，可度量、可预测、可分析、可决策、可行动、可反馈，这些都是数字化营销应具备的基本要素。
1. 可度量
数字化首先一点要具备海量数据，用户的业务数据、行为数据、行业数据、三方数据等聚合大数据模型，同时要关注不同的维度、最小颗粒度的数据。
2. 可预测
AI人工智能通过大数据分析，对销售业务趋势、营收趋势、行业发展趋势智能预测。
3. 可分析
单有数据还不行，还需要结合数据可以分析业务情况，深度分析结果背后的深层次原因。
企业一般喜欢通过数据看板关注销售业务、营收情况。这些能够辅助做决策吗？显然不能。涨了还是跌了，是什么原因导致这个结果，有哪些因素影响了结果，这些都需要通过数据分析才能更好地辅助决策。
4. 可决策
针对关键问题，基于大量、全面、多维度、实时分析，进而形成科学的行动决策，整体上分为两大类：BI决策方向的业务流程优化，市场投放提升等，Al 决策方向的机器推荐优化，改变用户触达方式等。
前面提到分析是用来辅助决策的，有了分析结果才能更高效地做出对应决策，制定相应的策略方案。
举个例子，数据分析结论得出春运期间人们的出行需求剧增，平台难以有效消化人们的出行需求，对于企业来说应当做出取消用户打车优惠、适当提高价格、增加司机运力的决策，以应对出行需求的变化。
5. 可行动
营销产品的功能需满足不同场景、不同条件下的个性化营销策略动作，高度灵活运用，以方便营销人员进行实施行动，并且记录在执行过程中产生的数据。
6. 可反馈
对实施的营销活动、运营策略、营销计划要有一个可跟进、可监控的数据反馈通道和工具，便于营销人员判断结果是否成功or失败，需要从哪些方面进行优化改进策略方案、活动，从而更好地感知行动的价值，更快的迭代策略，让行动更有效，每一次的运营反馈，都会变成下一次迭代运营计划的感知来源。
四、企业为什么要做好数字化营销？
企业实施数字化营销的目的是降本增效，是随着技术发展出现的一种数字化营销手段。
1. 企业A未实施数字化营销前
所有营销活动均为全量普惠性活动，品牌广告全栈投放，总体投入几个亿。这样做是否有效果呢？答案是肯定的。效果如何呢？ROI投入产出比很差。
2. 企业A实施数字化营销后
所有营销活动不再执行全国普惠性活动，而是依据大数据分析、目标人群画像，精准营销，品牌广告也是根据渠道数据反馈实施精准投放，总体成本较以前节省一半开支，一样的目标结果，ROI投产比效果显著提升。
五、一般企业在数字化转型下有哪些痛点？
营销分析断层：市场营销成本居高不下，投放拉新的效果追踪出现断层，无法追踪各渠道实际转化率，难以准确分析 ROI 。
产品迭代无法量化：缺少实时的用户行为分析能力，使得产品功能改版的效果无法量化衡量，核心流程优化点更多靠拍脑袋，bug 问题的定位后知后觉造成长时间的损失。
用户运营不精准：“千人一面”的全量用户营销，投入产出难以把控，不精准的粗犷方式难以真正提升存量用户的长期活跃度。
全局运营指标监控不实时：有运营的 BI 系统，但运营指标监控不及时，未形成核心的指标预警机制，决策滞后。
六、怎么做好数字化营销？
数字化营销=（产品+服务+数据平台）×大数据运营×营销战略
数字时代，互联网的产品和服务基本上已全面线上化，从消费者的信息获取、采集、购买决策和消费行为、供应链等环节已经实现数字化，海量的数据存储在数据库。
我们需要获取具体哪些数据？整合数据源，充分管理和应用用户数据，发挥数据价值，在进行数字化营销时，多方整合用户信息，尽可能地掌握用户信息数据成为首要解决的问题，做好数据埋点工作。
我们将如何管理海量数据？将不同业务产品、服务的元数据分类管理与存储，搭建数据管理工具，做好数据接入、数据治理、元数据管理的工作。
这些数据该如何有效的利用呢？利用大数据赋能刻画用户画像，分析用户数据，挖掘有用价值，制定运营决策，通过智能营销触达用户，从而实现企业的营销目标。
七、数字化营销有哪些应用工具？
对于企业来说重要的不是应用工具，而是解决问题的方法，互联网数字化营销的产品都差不多，没有太大的区别，工具产品的应用是解决问题的重要环节，本质上是降低门槛提升效率，然而前提条件是营销人员会用营销工具、产品好用，这样才能保证营销人员持续运营。
数字化转型下互联网企业应具备的营销产品工具有数据分析系统、用户画像系统、智能营销系统、智能推荐系统、广告投放渠道追踪系统、内容管理系统、客情系统、AB测试系统等。
八、这些产品的运用对企业有哪些作用？
数据分析系统，可以帮助企业深度分析的用户行为数据、业务数据、第三方数据，驱动营销渠道效果评估、用户精细化运营改进、产品功能及用户体验优化、老板看板辅助管理决策、产品个性化推荐改造、用户标签体系构建等应用场景。
可支持产品、运营、渠道投放、技术等各角色业务人员的数据分析工作，协助各角色实现自助分析，并对以下问题的分析评估提供解决方案。
1. 支持产品进行功能评估提升转化率
产品角色作为产品规划者，重点关注产品的流程设置和功能设计是否给予用户良好。
的使用体验，并确保用户充分体验产品的核心价值。例如：
- 如何评估功能效果；
- 如何评估内容热度；
- 如何提升核心流程转化；
- 如何优化产品体验；
- 如何评估功能留存情况；
- 如何优化新手引导提升留存。
2. 支持运营进行用户分群实现精准营销
运营角色重点关注用户构成现状及变化，并从用户行为角度剖析用户的活跃程度、流失情况。针对不同用户分群设置策略给予激励，以提升产品的核心关键指标。例如：
- 如何评估用户构成情况；
- 如何提升用户次留；
- 如何评估新/老用户留存表现；
- 如何评估不同坑位对推广效果的影响；
- 如何评估活动运营对用户活跃程度的影响。
3. 支持渠道把控拉新的“量”与“质”
渠道角色重点关注渠道拉新的数量及质量，比较不同渠道投放的 ROI 。例如：
- 如何评估各渠道拉新数量；
- 如何评估渠道推广引入新用户质量；
- 不同渠道引入用户在后续行为表现上是否存在差异。
4. 为数据采集技术人员提供解决方案
技术角色重点关注如何快准细全地完成数据的采集及接入，充分理解业务人员的分析需求，协同完成产品的指标增长任务。例如：
- 如何采集数据；
- 如何全端做数据埋点；
- 如何导入已有的历史数据；
- 如何提升效率、避免重复性开发，减少研发投入。
用户画像系统，提供探索用户特征及画像能力，完成对用户的识别、聚类和细分，并通过历史特征变化查看用户全生命周期的演变过程，主要功能包含特征标签的加工生产、用户特征及画像分析、用户分群管理。
用户标签是通过对用户属性信息、行为信息、业务信息进行加工后所产生的特征标记，它的值具有高度概括、相互独立及可枚举穷尽的特点。
用户群是由多个用户组成的用户集合，可通过分析模型、用户标签筛选、单独创建等方式得到。
用户画像是描述某个用户或用户群的特征组合，通过这个组合完成用户的一个多维度的轮廓描述，用户画像常有多维度特征及属性信息组合形成。
例如：
- 基础的用户信息：年龄、地域、性别等；
- 活跃类信息：用户的生命周期、是否会员等；
- 价值类信息：用户的消费金额、消费频次等。
用户画像系统的目的是提升精细化运营的效果，例如我们有100万日活跃用户，则以下为精细化运营的演化路线：
- 一视同仁：100w*3%；
- 精细化：50w*4%+50w+3%；
- 优化：10w*6%+20w*5%+20w*4%+50w+3%。
找到比通用推送效果更好的精准营销，并逐渐拓展精准营销覆盖的用户比例。每一个洞察用户的细节都让业务变得更好，用户画像即是企业精细化运营的底层能力。它能应用到智能营销、智能推荐、数据分析、消息推送、广告投放等很多的系统中，它的价值也远不如此。
九、智能营销系统
智能营销系统是基于大数据洞察用户的一站式营销系统，集活动创建、执行、管理、反馈、迭代为一体的自动化产品，能够通过用户行为、属性、标签等数据筛选受众,实现最佳人群的精准营销。
打通数据流和业务流，是企业实现精细化运营的前提。如果说数据分析是为企业用数据还原真像，那么智能营销就是帮助企业将数据流和业务流无缝连接，让企业采集到的用户行为，一次采集，多次使用。企业在数据流中分析出的洞察可以直接作用于运营的场景，嵌入业务流中，为企业带来更大的价值。
1. 一览运营全景，以终为始的运营管理与价值评估体系
精细化的运营效果始于实时洞察。智能营销工作台助力企业归类汇总活动、实时统计活动数据、多维评估活动效果，科学管理与评估运营活动，为运营打开“上帝视角”，建立全局观，运营现状一目了然。
智能营销可实现动态、实时、多维效果监测，全景透视运营现状，实现运营活动分类洞察。不仅支持用户规模看板、用户构成看板、用户活跃看板、自定义活动看板等，还支持活动的归类汇总查看。
2. 自动执行运营计划，提升运营效率释放运营想象力
智能营销可助力运营人员实现自主创建活动计划，从受众筛选——触发条件——触达配置——目标设置，均可自由、快速配置，自动执行。
智能营销支持预置计划模板、定时单次计划、定时周期计划、实时触发计划，适配不同的运营模型，全面满足运营活动触达需求，助力运营脱离数据或技术部门，不再需要等排期、要数据，减少不必要的开发。以此一旦挖掘价值较大的用户群，便可采取针对性的运营服务，推动用户的转化效率，保持用户的持续贡献度。
3. 敏捷智能，构建个性化的用户旅程，提升用户体验
智能营销助力企业实时监测每一步转化，及时识别机会和风险，在用户旅程的不同触点，适时传递用户所需，从而提升用户留存、实现精细化运营、促进场景式营销。运营可自主构建用户全生命周期运营画布，围绕用户从陌生到忠诚的状态迁移设定自动化的触达策略，不放过任何一个有效激活的机会，激发更大的客户里程碑。
十、数字化营销应用案例
1. 数据分析实践
1）事件分析模型
① 应用场景
适用统计司机/乘客的行为数据指标。如统计近三月用户注册渠道来源及注册效果、监测注册趋势变化；统计各时段出车司机、接单司机数等。
② 应用案例
上图展示了最近3个月注册的用户都是从哪些渠道注册进来的，进行了渠道数据分布。
上图展示了昨天每分钟操作出车的司机有多少人，这个反应了哪个时间段在线司机的峰值情况。
上图展示了过去7天每个城市活跃的司机数有多少人。
2）漏斗分析
① 应用场景
用于分析某一业务各环节的转化和流失情况，如活跃司机完成订单漏斗，包含从司机出车、抢单直至完成订单的整体转化，以及每一环节的转化率和转化中位时间等。
② 应用案例
上图展示了从app激活到车主注册这一步的转化率和转化人数。
上图展示了从司机出车到司机接单这一步的转化率和转化人数。
上图展示了从司机活跃—准备出发—行程中—发起付款每一步的转化率和转化人数。
3）留存分析
① 应用场景
用于分析用户参与情况/活跃程度的分析模型，监测初始行为用户的后续行为，是衡量产品对用户价值高低的重要指标。如监测新司机在未来某段时间内是否完成如完成订单等期许用户完成的行为可用留存分析。
② 应用案例
上图展示了上个月每天的活跃司机近7日留存率的数据。
上图展示了上个月司机价值人群分层这个标签人群上个月的7日留存率每天数据，并且按每个标签分层展示了用户的7日留存率数据，这体现了当前这个标签人群的留存情况。
上图展示了上个月各个渠道的活跃司机在上个月的7日留存率，并且按各个渠道展示了活跃司机的7日留存率数据，从图表中可以体现出各个渠道留存的好坏。
上图展示了上个月各个城市的活跃司机在上个月的7日留存率，并且按城市展示了的活跃司机的7日留存率数据，从图表中可以体现出各个城市留存的好坏。
4）分布分析
① 应用场景
用于展示用户在特定指标的频次分布，如司机近7天接单次数分布、近30天活跃司机城市分布、昨日司机出车时长分布、今日乘客下单频次分布等。
② 应用案例
上图展示了本月司机的活跃次数分布，并且按城市展示了活跃次数分布及占比，从中可以体现出哪些城市的司机活跃做的好，哪些城市做的不好。
上图展示了本月司机完成订单量的分布，并且按城市展示了司机完成订单量的分布及占比，从中可以体现出哪些城市的司机完成订单多，哪些城市的司机完成订单少。
上图展示了本月司机活跃时长的分布，并且按城市展示了司机活跃时长的分布及占比，从中可以体现出哪些城市的司机粘性更好，哪些城市的司机粘性差。
5）间隔分析
① 应用场景
通过计算用户行为序列某两个事件的时间间隔，得到业务转化环节的时长分布。如司机从注册到入网的间隔时长分布、乘客注册到首次下单的时长分布等。
② 应用案例
上图展示了本月车主从注册到完善信息点击提交的间隔时长，从数据能够体现出车主的入网时间成本、学习成本、产品体验好坏。
上图展示了本月车主从注册到注销账号的间隔时长，这反应了车主在平台的生命周期。
6）指标预警分析
① 应用场景
可有效监测数据指标的波动情况，当触发预警后将自动通过邮件、微信或钉钉提醒运营人员，并输出改善波动数据的运营方案。如可在系统设置：当某分公司市场时段下单量降至警戒线时通过钉钉消息发送至运营经理。
② 应用案例
上图展示了哪些指标出现异常波动，它的价值在于引起市场的注意，需要关注并分析。
上图展示了指标异常的详细数据，包括影响指标的维度有哪些异常。
上图展示了目标指标与其他指标的关联度，它反应出指标与指标之间的影响关系和程度。举个例子，影响订单量比较直接的两个指标分别是乘客下单量和司机的接单量，活跃乘客数、活跃司机数关联度也很高。
上图是指标触发预警阈值的通知，通知的方式可以多种形式，比方微信、钉钉、邮件、短信等等。
2. 用户画像实践
1）用户标签
① 应用场景
用户标签是通过对用户属性信息、行为信息、业务信息进行加工后所产生的特征标记。应用场景：用户生命周期分层、用户RFM价值分层、用户消费行为、用户传播行为、司机接单行为等。
② 应用案例
上图展示了用户的生命周期标签分层数据，每个标签值人群的人数和占比。
上图展示了根据RFM模型的用户价值分层标签数据，及每个标签值人群的人数和占比。
上图展示了司机的生命周期标签分层数据，每个标签值人群的人数和占比。
上图展示了根据RFM模型的司机价值分层标签数据，及每个标签值人群的人数和占比。
2）用户群画像
① 应用场景
如需描述某一用户或用户群的特征组合，可以此完成用户的多维度轮廓描述和分析。如用户注册渠道来源、注册时间、用户生命周期阶段、消费水平等。
② 应用案例
上图展示了2021年6月-12月入微信群领券的乘客的画像分析数据，该人群都有哪些特征一目了然。
3. 智能营销实践
1）运营计划
① 应用场景
用于运营人员以某种触达方式，如短信/push/优惠券/红包/现金奖励/系统消息等，对满足一定条件的目标受众（如某用户/用户群/用户标签人群等）进行触达。如新用户注册推送、未付款订单支付提醒、司机生日推送、司机接单提醒、活跃乘客未下单触达等。
② 应用案例
上图展示的是智能运营计划列表和相关信息。
上图展示了运营计划执行的反馈数据详情，AB实验的数据反馈，图中案例实验结果显著，实验组比对照组的目标完成率高出16%。
2）流程画布
① 应用场景
可通过筛选符合条件的用户，在设置的时间点或满足触发条件后进入流程画布，再基于用户筛选条件或触发事件分流，配置相应的运营策略。
可基于实际运营场景配置多个策略，待上线后将自动执行流程画布内已设置的一系列运营策略，从而实现对不同人群的精细化运营。如设置对新用户注册后首周的第1、3、5天主动给用户发送新人礼包并提醒使用优惠券；对未付款的用户第1、3、5天发送短信提醒付款；对新司机注册后未完成提交资料的第1、3、5天主动给司机发送消息提醒司机填写资料；对入网司机发送消息提醒上线接单等。
② 应用案例
上图展示的是智能运营流程画布的运营计划列表和相关信息。
上图展示的是对用户的用户生命周期各个人群执行的不同运营策略。
在互联网时代，数字化成为企业的核心战略。那么如何实现数字化赋能企业升级、如何应用数字化营销为企业创造价值，成为企业发展的一道难题。企业应认识到数字化、智能化、个性化、自动化对企业整体运营、转化能力提升的价值，希望此文能够帮助大家系统性解决思路和建设方案，助力企业创造无限价值，实现突破增长。
本文作者 @灿烂千阳 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
