一家大數據公司談下2000多家客戶的故事

技術的本質不是為了做得更複雜，而是為了實現業務價值，發揮數據和技術的價值，幫助企業帶來可見的收入和新客戶。

撰文 | 藤子

阿瑪尼牌的服裝，500 多元的鍵盤，京東一位用戶某天打開京東時，收到了這樣的商品推薦。將這兩件商品連接在一起的是「商界精英」這個詞語，因為這是京東對他的用戶畫像和定位。

京東針對性推薦商品，亞馬遜針對性推薦書籍，今日頭條針對性推薦新聞，就連網易雲都會給用戶精準推薦音樂。基於大數據的精準推薦和精準營銷，幾乎已成為互聯網應用的標配。

實際上，不只是線上，在線下應用大數據技術也正在成為趨勢。

成立於 2009 年的百分點，致力於大數據與人工智慧技術和服務在各個行業的落地。目前，擁有系列大數據和人工智慧產品線，並且創建了行業應用模型庫和行業知識圖譜庫，客戶涵蓋金融、公共事務、智能製造、零售快消、媒體出版等多個領域，如光大銀行、新華社、華為、王府井百貨等 2000 家企業。

在百分點集團首席數據科學家杜曉夢看來，在這些行業中，金融和零售對新技術最敏感，接受度最高。「不同的行業，接受點不太一樣，取決於技術對它的衝擊以及整個市場的競爭態勢」。

以傳統零售為例，隨著電商對零售的擠壓，傳統零售開始轉型，尋求線上和線下全渠道打通的解決方案。

大數據技術則是其中的關鍵鑰匙。

大數據技術驅動營銷從粗放到個性化

「之前零售行業的營銷非常粗放，比如店慶大促，零售企業給所有會員都發送同樣的信息，比如買三百返三百等等。大多數人可能都會忽略這樣的信息，因為這個事情跟他們沒有關係。」杜曉夢說。

百分點在其智能營銷系統 DeepCreator 之上，基於大數據分析，搭建精細化營銷系統，零售企業則能據此篩選大量不同的群體，找到對他們更有效的刺激點，改變零售企業與消費者之間的溝通方式。

以百分點合作多年的王府井百貨為例，對優惠券的發放，同是店慶大促，每一個顧客收到的優惠券信息都可以有所不同，簡單來說，如果是對價格敏感的人群，就可以為他們推送打折信息，如果是喜歡嘗鮮的顧客，則可以為他們推送新品的信息。此外，還可以根據他們的喜好，推薦不同的品牌和品類。

發放優惠券只是常規的運營手段，事實上，王府井百貨還可以基於這套營銷系統發揮想像力進行營銷。如果某位顧客是 40 歲以下的女性，喜歡購買高端女裝，那系統就可以把它定位為白富美群體，與一些高端女裝品牌進行合作，聯合推出精品女人節，以此吸引這部分人群。通過這些不同的活動，可以吸引不同的客流以及提高商品的轉化率。

精細化營銷系統的背後是以消費者為中心的大量數據，通過對會員或訪客的行為軌跡分析，比如他們在何時逛了什麼門店，在哪家門店購買了東西，加了哪個門店的公眾號，在網上搜索了什麼，以此建立 360°畫像。

基於畫像，再建立場景化智能營銷的體系，「比如潛客促銷，應該怎麼去做，品類大促應該如何去做，會員價值度挖掘的場景是什麼？會員流失之後，挽回場景應該用哪些數據和模型等等，建立所有場景化的智能營銷。」杜曉夢總結道。

大數據分析的背後是數字化轉型

從以上的分析可以看出，要進行精準的場景化營銷，在於對消費者的全方位畫像，而要進行全方位畫像，背後就基於數據。沒有數據，一切都無從談起。

而數據的建立也並非易事。這個過程，包含三個階段。

對王府井百貨來說，第一階段，幫助他們搭建大數據的技術環境，比如基於開源的架構，為王府井百貨搭建數據的底層和技術的框架，第二階段，進行數據歸攏、歸集、品牌、品類拉通，再建立用戶畫像標籤體系。第三階段，也就是目前百分點與王府井百貨正在進行的階段，搭建智慧營銷系統。

具體來說，王府井百貨有大量數據，這些數據包括傳統的 CRM 數據，ERP 數據、POS 系統中的數據，還包括線上商城、微信公眾號以及微信的有贊商城等數據，這些數據之前全都沒有打通。因此，百分點的第一步就是將這些線上、線下，內部和外部的數據全部接入他們的基礎數據平台進行匯總。

然而，在數據的匯總過程中，會發現很多數據的格式都不相同。比如入駐王府井百貨的品牌皮爾卡丹，在有些店中名為皮爾卡丹，有些店可能就是卡丹皮爾或者皮爾·卡丹，儘管名字類似，但如果要拉通皮爾卡丹這個品牌或體系，統計皮爾卡丹在所有王府井百貨的綜合銷量的話，就需要進行數據的降噪和清理。

在進行數據整理時，百分點發現每家客戶信息系統的能力都不一樣，一些企業的信息系統數據比較歸整，而有一些企業，甚至要幫助他們從紙質的文檔做起，或者從一些 Excel 表格里提取數據。為了提升數據整理的效率，百分點就會應用一些新技術，比如用圖像解析的技術提取紙質文檔里的內容。

然而，對於線上零售商來說，他們除了關心會員與訪客之外，周圍五公里的客群如何，如何去尋找這些範圍內的潛在客戶，他們也很看重這部分群體。因為對於線下零售來說，最重要的因素是選址，而線下零售輻射的都是周邊 5-10 公里的人群。

因此，不能只靠零售企業自身的數據，必須補充外部的數據，比如商業 WIFI、運營商、騰訊或者京東的數據。基於這些應用的 LBS 定位，就可以根據這些第三方數據，補充王府井百貨數據的不足。

在數據進行清洗、降噪之後，再基於人或者場為主題，建立不同的數據（庫表）和數據的結構。杜曉夢介紹，在這個過程中，百分點經歷了王府井百貨從傳統企業到數字化轉型的整個過程。

隨著人工智慧技術的發展，百分點也將相關技術融入到大數據分析，比如在零售體系中，如果要進行潛在客戶的挖掘，那麼就可以通過潛客挖掘模型來進行，以 SK-Ⅱ為例，百分點會找出哪些品牌與 SK-Ⅱ關聯性很強，再結合業務人員的經驗，將業務規則和人工智慧學習的結果進行合併，作為最終模型的基礎。而當模型搭建完畢，人工智慧就可以自動根據消費者每天的購買情況，幫助 SK-Ⅱ選擇他可能的受眾群體。

「我們會幫助 SK-Ⅱ等品牌去利用模型出來的數據，對比隨機篩選的數據，從引來的客戶數或引來客戶相關聯的購買，都是百分之兩三百的提升。」杜曉夢說。

技術的本質不是為了更複雜，而是實現業務價值

百分點成立於 2009 年，那時的大數據技術還處於萌芽期，而作為一個創業公司，百分點集團董事長兼 CEO 蘇萌認為，相當不容易，比如客戶不信任他們。

但是，對於技術提供者來說，可以通過 AB 測試展示自己的技術實力，與其他強大的競爭對手直接 PK。

2016 年，為了贏得新華社這個客戶，百分點要跟阿里，華為這樣的巨頭競爭。那時，他們整個團隊，連續奮鬥三個月，幾乎每天都是凌晨一點之後回家，通過在文本分析和語義挖掘領域的技術積累，最終拿下單子。

然而，作為 TO B 的技術公司，技術並不是最大的挑戰，因為技術可以 PK 的，而如何評估技術實力，也很容易，比如根據一個場景，測試各家產品的效果和效率即可。

更多的挑戰在於取得合作之後的推進。

首先是對業務模式和需求理解的不一致帶來的大量溝通。比如，百分點要將客戶的數據進行拉通，那麼，拉通的結果和拉通的範圍到底如何？

杜曉夢介紹，有的時候，他們的理解與客戶的理解並不相同。一方理解的可能是基於一個單點或者網點進行內部的數據拉通，另一方則可能認為基於全國範圍進行數據拉通。

不同的時間段如何結合客戶業務的優先順序，將數據拉通到何種程度，百分點就需要與客戶不斷溝通，調頻，將認識建立在同一個層面。

很多客戶希望能夠馬上短期見效，但是大數據分析技術本身就是一個長期的過程，「所以我們要給他說清楚，這是一個三期的項目，第一期做什麼，第二期做什麼，第三期做什麼。比如，第一期是搭建完善的底層平台，接入全部數據，雖然第一期不能立即看到應用層的效果，但它對於整個大數據戰略的推進是非常重要的步驟，如果底層地基不夠完善，在上面做應用，未來的效果就不會很好。」

「這也是一個不斷去說服客戶優先順序的過程。」杜曉夢說，「90% 的問題都是溝通問題，如果開始的溝通不是特別深入，完整，對要做的事情，雙方沒有統一的認識，而在執行時，客戶也沒有過多關注，如果等客戶看到結果時，才會發現跟他的預期不一致。」

而為了避免客戶的預期與成果不一致，百分點還會將溝通結果落實到文件中，在進入項目之前，先撰寫 SOW（工作說明書），通過 SOW，表明項目的範圍和程度。

PK 可以解決來自技術上的競爭，對需求的認識不一致，可以進行溝通。然而，接下來的認知壁壘更具有挑戰性。

企業如果要使用數據，就必須將所有數據打通，而很多數據分散在不同的部門，但很多時候他們並沒意識到數據分享的價值。

如何解決這樣的問題？杜曉夢認為，大數據項目一般都是一把手工程，如果從高層往下推動，會更容易。而在跟科技部門或者技術部門共同推動大數據項目時，一定要讓各個業務部門都參與進來，讓他們從一開始就參與這個項目中，對接他們的需求，讓他們有參與感，而做出來的系統和應用也需要反哺業務部門，給他們帶來價值。

「讓他們了解將數據共享給你之後，你能給他帶來什麼東西，從而克服他們不願意共享數據的問題。」杜曉夢說，「技術的本質不是為了做得更複雜，而是為了實現業務價值，發揮數據和技術的價值，幫助帶來可見的收入和新客戶。」

杜曉夢認為，這是在她推動這些項目的過程中，感受最深的地方。

往期文章

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！