【編者按】本文根據TalkingData副總裁高鐸先生在“世界O2O博覽會暨IN+2016創新大會”上的演講整理而成。

 

[[169868]]

 

這是1997年比爾·克林頓總統就職演說，然而其實大選期間民調顯示出沒有一個候選人有明顯能夠勝出的趨勢。對于克林頓的競選顧問而言，他們最重要的目標是幫助克林頓找到最能夠影響競選結果的群體。他們最終發現了什么樣的群體呢?這個群體在美國有一個非常有名的專有名詞叫“足球媽媽”，指的是在足球場邊看著孩子踢足球鼓掌的媽媽群體們，也泛指籃球媽媽、橄欖球媽媽。這個群體非常關心工作，非常愛護孩子，但是他們不關心政治，他們手中的選票是搖擺的選票，誰都可以影響他們，誰也影響不了他們。克林頓的競選團隊發現了這點，這群人雖然占全民選票不到1%，但是他們的選票對未來卻產生了巨大影響。他們發起了“向這些帶孩子的媽媽伸把手”的運動，發起全國各學校禁止抽煙，媒體禁止暴力等系列活動。對這些“足球媽媽”而言，她們不關心政治，但是她們關心孩子，她們自己的生活中可以沒有政府的力量，但是她們孩子的成長需要政府的力量，所以克林頓的這套競選套路贏得了“足球媽媽”群體的支持，她們把選票慷慨的投了過去。這次競選，誰也沒想到，對結果起決定力量的是整個選民不到1%的“足球媽媽“群體。競選顧問洞察出了這次競選的關鍵因素(搖擺選民)，找到了最重要的搖擺選民群體(足球媽媽)，并提出了針對性的競選策略(“向這些帶孩子的媽媽伸把手”)，幫助克林頓最后勝出。

 

[[169869]]

 

這次競選是誰在策劃呢?是馬克•佩恩。他因此提出一個觀點，小趨勢是決定未來大變革的潛藏力量。

為什么我這么強調“小趨勢”這個詞?是因為在TalkingData運營的五年時間，我們也發現每個企業都在講大數據，都在講大數據能夠預測，都在講大趨勢，但實際上真正對一個企業、對一個行業產生決定作用的不是大趨勢，而是小趨;勢，是我們從中找到的那些關鍵的人群。比如說我剛才還在感嘆，去年和前年O2O的大會門庭若市，我們每次分享下面的人擠爆了頭，但是你們可以看今天幾乎是門可羅雀。今天還在這里的O2O企業，一定是在企業運營的某個方面，抓住了核心的群體，才能幸存下來。那些遠去的人們他們可能在運營過程中，過多追求數量，追求市場聲音，追求虛榮的資本估值，而忘記了任何一款成功產品的背后，最需要運營好的是核心用戶群體，最終他們out了。

舉一個例子，這是我們和一家銀行做的一個理財產品的運營結果，數據分析之后我們發現他們在內蒙古有兩個用戶，一年的利息收入是2000萬，而這個理財產品的年利息只有2.73%，大家考慮一下年利息超過2000萬，利率只有2.73%，那么他們在理財產品沉淀的錢是多少?現金超過7億。同時我們發現還有超過100個這樣的用戶，他們的年利息收入都超過500萬，意味著存放現金超過1.8億的還有100多位土豪。

 

 

大家能從這個數據當中得出什么樣的結論呢?

第一，有錢人真多;

第二，有錢人沒有有效的，更高利息的理財手段;

第三，有錢人厭惡風險，相信銀行。

這些人群占用戶數量不超過10%，但是卻占據了整個現金池的90%以上，他們才是銀行最應該去關注的人群，有沒有有效的手段讓銀行掙到這部分人的錢?要怎么樣規劃理財產品?又怎么樣幫助他們控制風險?這是很高的學問，這是我拋的第一個問題，這是我們在現實中遇到的。

第二個案例是游戲行業的。游戲行業有一個標準的規則，當然我指的是全手游行業，90%的人看熱鬧，9%的人付費，1%的人付很高額的費用在里面;玩，對;于很多手游公司來說，他所有的運營手段就是為了圈更多90%的人，其實有很多9%的人是要花更大精力，而抓住1%的人更需要高超的運營技巧。

 

 

有一個公司，他們做了一款很好的手游，在運營了3個月之后發現有一個玩家3個月付費超過50萬買道具。但有一個特點，這位玩家玩這個游戲，無論掏多少錢買道具都會被人打死。所以這個手游公司就在想如何延長這個玩家的生命周期，他們想了一個妙招，我現在都覺得是嘆為觀止的手段。他們專門為這個玩家設計了無敵的道具，只要這個小孩買了之后，這個手游公司就有一個工程師上線，作為一個隱形人跟在玩家的后面，這個玩家跑在哪里工程師跟在哪里，幫助玩家打怪升級，最后總計獲得了100萬的收入。然而最終玩家沒留住還是流失了，他們看到了第一點，忘記了第二點，他們抓住了1%，但是他們忘記了1%的人之所以在這里玩，要的是虛擬世界的成就感，他需要找出更多90%的人群捧場鼓掌吆喝才行，只抓了1%的人只顧著掙錢，把90%的捧場的人忽視了。這個案例告訴我們運營要抓住兩點，既要抓住能起決定作用人群的錢，同時你也要抓住他們的心理作用，他們之所以在這里玩圖得是什么，你得有相匹配的運營手段。

 

 

第三個案例，優步和一個銀行做一個跨界營銷活動，考核的是什么呢?考核的是借記卡或者信用卡綁定，在營銷執行的時候就有兩套方案。

第一套方案：把優步的優惠贈送給使用這個銀行信用卡或者借記卡的那些沒有車的人群;

第二套方案：把優步的優惠贈送給使用這個銀行信用卡或者借記卡的那些有車的人群。

大家憑直覺想一下，優步是一個打車軟件，贈送給哪一類人轉化更高?幾乎清一色的人都認為贈送給無車的人轉化效率會更高。但最終結果不是這樣的：無車的人群綁卡率只有2%，有車的人群超過10%。我們分析的原因是什么呢?有車的人已經習慣了有車的生活，在沒車的情況下出行的第一直覺就是打車，所以他們的轉化率要遠遠高于無車的人，這就是他們的一種心理。也就是說，我們在做業務的時候，既要抓住核心人群，還要抓住這些人群的社會心理特征去做相應的產品設計、運營優化和營銷優化，不是簡單的說我看到數據就行了。

舉完這三個案例之后我們回頭再看大數據業務每個階段都在做什么。

中國很多做大數據的公司，追求的是什么?追求的就是Data，追求的就是數量。有一天有一個哥們把一個朋友介紹到我們公司來了，他說你們不是做大數據的嗎?我們這兒有很多數據你買不買?我說啥數據?這個哥們從包里整出一個硬盤說，“80G，賣給你”。我覺得很好笑，大數據追求的不是數據的數量，追求的是數據的實時性，數據的維度、豐富度和特點。所以我們做大數據的時候，很多企業走了第一個誤區就是像這個圖顯示的一樣，追求的是多，但沒有抓住大數據的內涵，這是第一個誤區。

 

 

第二個，我們做大數據的時候需要對數據做處理和加工，分門別類的找出它每一個屬性，你這個屬性的實體代表什么，后面的屬性是什么，你都要去做一些處理，而不是說數據就放在硬盤里面而已。這些數據的加工和處理意味著什么?意味著你對它背后所代表的數據屬性的理解和洞察，對于數據算法能力的了解，如果沒有的話，這些數據也僅僅是數據，它上升不到Information的階段。

 

 

第三個，要形成知識，在座各位有做O2O的，也有很多我的客戶，使用TD統計的時候，我跟很多人聊他們用什么，他們用我的統計系統變成了KPI系統，每天看的是新增、留存、激活、渠道和數據，其他都不看了。我說各位老大，我的系統不是一個KPI報表，我的系統有自定義事件，有漏斗模型，有AARRR模型，有渠道質量評估，有各種能幫你降低成本的東西，能形成一套知識方法論幫助你，你為什么只看數字這一點?只看表面浮華的，夸張的數字，僅此而已。那你可以想象他對這個產品的運營粗略到什么程度，如果一個企業老板這樣運營和看自己的數據，那你能想象這個運營團隊是怎么樣使用他的數據，不可能做得很深!所以我給在座的各位鼓掌，很多企業經過各種繁華都死掉了，你們至少還在深入到這個數據里面去研究和解決你們的業務問題。

 

 

我用了這個數據統計對我的業務就能好了嗎?不僅如此。有了這個之后你還要做Insight，就像剛才主持人開始說的一樣，很多人都以為有了大數據就可以做預測，其實不是這樣的，那是我們的夢想和理想，事實遠不到這個地步，事實是什么?事實是我們先要用數據的方法解決我們的現有業務問題，幫助我們做產品優化和運營，我們才有可能說通過這些數據的理念和方法去預測我們產品的下一步和市場的下一步，去做一些決策，其實我們要做扎實的是第一步。第二步(預測)只停留在大部分科普作家的書中。當然你想做到最后一步是很艱難的，通過數據的洞察最后能形成某種智慧，對你所在的行業做高屋建瓴的指導和分析，這需要持續的行業積淀和思考。

 

 

拿我們的城市地圖為例，一個城市里面所有的建筑物，這些不同的點之間可能有路的聯網，最后哪兩個點距離最短，哪兩個點距離最長會變成知識，變成現在大家看到的導航系統，其實它的內核就是對大數據的合理運用。

 

 

這是我對大數據五個階段的分析，以及我們發現的目前這些行業對數據使用和理解的誤區。

想完成這些，對一個企業而言，需要有真正愿意為數據做分析做模型的人，真正愿意去挖掘業務場景和分析用戶需求，他們認為數據是好玩有趣的，能夠幫助企業解決問題的，能實現個人價值的。

更需要有對業務理解很深的人，他能夠把產品和數據結合起來，幫助你對產品做一些優化、迭代、升級，甚至顛覆。你還需要一些領域工程師，這個更多的是指對大數據企業而言，你的數據要發揮作用，發揮價值，你不能對客戶說我有10億、8億、20億數據，你買我的數據吧，這些企業不會理你的。所有的企業，無論是金融還是互聯網，無論是房產還是電商，他只會說我有一個風控問題，有一個這樣的業務漏洞問題，有一個營銷的困境，你們是做大數據的，你能幫我解決嗎?問題就來了。數據公司只有數據、有算法，有模型。具體行業的公司它有什么?它有需求，所以你要和它結合，幫助它解決問題才能真正的發揮價值。

 

 

我認為對大部分企業也一樣，為什么企業的老板只把數據統計系統當成KPI系統，是因為它沒有有效銜接的原則，公司沒有把前端業務和后端數據銜接，沒有人去幫助它分析問題、解決問題，所以它也只能去看數據，而不能用數據。

最后說一下TalkingData做什么。應著我們今天的主題，我們做的實際上是發現各種類型帶有小趨勢的人群，先分析大的群體，再從里面找到更關鍵的人群，分析這些關鍵的人能提供什么價值，我們基于此提供解決方案，去幫助相應企業解決業務問題。