圖片來源@視覺中國

文丨顧青

在進入6月份後，大部分我知道的消費類公司都在積極恢複今年的營銷運營，但是大家口袋裡的錢都不夠用，廣告預

算也難以維持去年的水平。

一個永遠重要的問題是：

• 流量在進來，也在流走，用戶需求開始變得複雜怎麼辦？

• 想提升GMV，但是花了錢就上去，不打折就無效，如何解？

• 如何解決用戶留存率始終在下降？

  到底要如何定義核心指标？

• 面對KPI壓力，如何避免做大量無效功能和活動？如何找到可以撬動用戶自發增長的曲線？

實際上：人的基本需求沒有變，但具體行為和渠道會變，能否基于數據洞察給出運營決策結論變得更重要了。

前不久飯統戴老闆有一篇文章，叫“美團憑什麼“，其中談了幾個美團發展曆上比較有深遠意義的決定：

1）在千團大戰的時候，停止盲目擴張，集中精力和資源服務好用戶（比如推出過期退）

2）把從紅杉融來的錢集中優勢兵力開發商戶自動結算系統

3）為了讓用戶可以更高機率入住預定的酒店，讓酒店可以更好地管理庫存、訂單和營銷，投入技術資源建設EBooking系統，并讓地推團隊全力服務傳統酒店老闆和前台，半年内20萬酒店從團購券轉型為預定模式

像這樣的例子還有很多，如果大家有興趣可以去讀這篇文章。

像美團這樣的有強大網絡效應平台的企業，其實有非常多，最近幾年颠覆原有行業格局的企業裡，頭條、拼多多、快手、B站、喜馬拉雅等，無處不在滲透着類似美團一樣的生存增長邏輯。

美團王興提出過“互聯網上半場”和“互聯網下半場”這個概念，那是站在美團的發展曆史階段提出的，如何深入理解背後的流量生态邏輯和移動互聯網發展紅利的基礎是最重要的。

我曾經用文章“一個數據驅動布道者的朋友圈思考“總結了幾年來在推動數據驅動決策、互聯網創業和科學持續增長方面的思考。

在我來看，美團的每一步發展都具備了以下特點：

• 重視商戶用戶的體驗和Engagement

• 科學決策

• 快速疊代

• 試驗

• 不斷探索用戶行為和業務結果之間的相關

重視商戶用戶體驗和Engagement

這個策略目的在于通過撬動商戶的活躍頻率，比如上傳商品、運營營銷活動、完成消費端用戶的交易等，從運營上逐漸形成經典的微笑曲線。

下圖是一個類似的平台型企業通過運營手段讓Cohort模型下的供應端用戶的活躍在幾個月内形成逐步上揚的趨勢，從而帶動終端消費用戶的使用留存。

對于一個具有雙邊網絡效應的企業來說，如果具備了以下的數據特征，就可以非常順利地完成了一個新業務的産品市場驗證，也同時具備了比競争對手高效得多的C端用戶獲取能力。

對于在數字化轉型的企業，比如連鎖零售企業、銀行業、連鎖酒店等，可以用這個對應關系來類比平台企業的C端用戶和商戶用戶：

• 連鎖零售：商戶用戶=門店導購和店長

• 連鎖酒店：商戶用戶=酒店前台和店長

• 銀行業：商戶用戶=分支行行員和經理

• 連鎖娛樂業：商戶用戶=門店銷售和店長

以上4個行業的經營模式雖然不一樣，但是通過數字化工具賦能一線門店和營銷人員的基本邏輯是一樣的。

如果連微信團隊的企業微信産品都希望通過不斷創造使用場景來達到産品活躍的目的，那麼任何希望通過數字化轉型的企業，特别是有大量門店的企業，都應該意識到如何也讓自己的一線營銷運營人員可以積極使用自己企業的數字化工具和數據産品，特别後者是科學決策的基礎。

科學決策

科學決策在營銷運營上的根本目的是通過設計全面的數據觀測模型，通過對其中變化因子的的理解，發現互聯網用戶在使用企業服務、産品和交易過程中的行為變化特征，并通過計算的量化結果直接輸入給業務運營團隊，避免人類偏見和思維模式的局限導緻的決策窘境。

舉個例子：

比如某個企業的老闆要求業務團隊彙報産品裡處于不同生命周期的用戶情況，希望數據團隊給出可解釋能看懂的結論。

内部的做法是業務團隊按照行業經驗和規則将用戶劃分為新進、活躍、流失、回流四個階段，數據團隊給出科學的劃分标準，以保證結論可解釋、可理解，同時也有科學劃分依據，比拍腦袋強。

但是戲劇性的結果是由于一位算法資深同學利用特征工程和聚類處理了4個用戶群體，這個“黑盒子”效應導緻業務部門看不懂用戶群體的定義，無法認同，丢給負責人小夥伴一句話：“我找你們合作不是給自己找不自在的，這麼個花十分鐘可能都給老闆解釋不清楚的東西，你們自己去彙報吧。”

這個事情是一個典型的人類思維在遇到真實數據處理後的更高緯度的科學洞察後，但無法溝通導緻無法決策的典型例子。

問題是我們是想辦法解決通過建設可解釋的數據産品來走通一個創新的流程，還是知難而退地回到更為傳統的以前重複無法科學決策的過去呢？

疊代、試驗和因果

在這次全球遭難的Cov-19疫情期間，我記得攜程的創始人之一梁建章先生曾提出：“我們始終認為，建立在數據分析和科學論證基礎上的分級隔離措施，才是當下更能在疫情防治和恢複秩序之間形成平衡的方案。”

如果把防止疫情當成一項巨大的社會工程來看，在無數變量作用下，任何一個人都無法完全憑以往的經驗作出最科學有效的決策。

那麼對于一個處在變量（政策、用戶、市場環境、競争格局、供應鍊、金融條件）互相作用下的企業，如果要作出有效決策也一樣需要建立在數據分析和科學論證基礎上。

快速疊代是任何一個現在的互聯網團隊或者傳統企業數字化轉型團隊都必須學會的做事方式。無論是一個新的業務流程、一個新的團購功能還是一個新的運營營銷策略，在面向不确定的市場接受程度時，隻有通過快速疊代的方式，才能通過提供完整但不完美的産品服務來逐步驗證市場的接受程度。

在這個功能一邊疊代，一邊測試用戶接受程度的過程中，試驗變得不可或缺。比如我曾經詳細說明多變量試驗（AB測試）的重要性，具體可以讀我寫的文章“數據運營的2個重要武器”（見公衆号dtalks的數據驅動專欄）

AB測試/試驗的作用是巨大的，搜索引擎Bing由于通過試驗發現了廣告産品的改進方式，一個改動就獲得年度幾千萬美元的新增收益。

在疊代、試驗的落地過程中，非常考驗團隊是否理解相關和因果的區别。

舉一個可以幫助聯想的例子。

我們都知道一旦天氣轉為下雨，必然有大量的人開始打起雨傘或者穿起雨具。如果一個從外星來到地球的人第一次看到這樣的景象，但完全不了解下雨的天氣機制，那麼他很有理由可以認為隻要讓人們收起雨傘或者雨具，那麼大雨應該會停止。

如果我們換成另外一個互聯網社交産品的例子，比如到底是因為用戶增加了5個以上的好友，所以他變得更加頻繁地回訪并點贊了呢？還是因為用戶更活躍了，所以他更賣力地拉更多的朋友加入這個社交平台了呢？

這個問題曾經在Facebook早期困擾整個團隊，但是最終找到答案的方式是通過用戶行為數據分析出特征的相關性，并通過試驗疊代的方式，找到改進方案。

利用相關性而不是牽強的因果關聯，反而可以有效找到解決方法，至于原因是什麼其實已經不在重要了。

可悲的是，作為人類，我們永遠想搞清楚每件事情的原因，但往往我們卻倒果為因。

真正有助于找到因果關系的方法是AB測試。

這份Harvard Business School關于AB測試和創業企業關系的報告很值得一讀，大家可以學習人家的研究方法。另外這也是頂尖商學院不多見的圍繞數據驅動和互聯網創業模式的研究報告。

數據驅動是否可以對業務增長起主導作用？

在前不久的一次環球旅訊邀請我主講的線上直播課中，我和一批企業裡負責一線營銷運營的朋友就這個問題展開了對話：數據挖掘會對企業的業務增長能起主導作用嗎？企業是否需要通過對數據的挖掘分析，找出客戶的消費習慣和特點，建立客戶的消費模型，從而可以更加精準的針對不同的客戶群體開展營銷活動？如何能否做到提高客戶的轉化率，實現業務的快速增長？

以下是一些企業的朋友對于數據驅動這件事的一些觀點。

正方：數據驅動可以起到很大作用

1） 網友@Nobody

數據起碼是一定程度上的“事實”比“拍腦子”的沖動更客觀和現實。而且數據化可以提高效率。就像marketing做投放時設置參數，這樣通過參數反饋回來的數據就可以做到監控了。之前沒做這個工作要人力查，渠道一多容易出錯而且浪費時間在這種查的工作上是低級的操作，沒有意義。前期合理的細緻的數據的埋點和後面分析建模以可視化都很可以提高效率。

2）網友@Yaki

數據挖掘在未來會是企業發展起很重要的作用，但是也需要一些前提：

1、企業在産品和運營策略上是否預留了足夠做挖掘的數據基礎；2、企業是否具備有挖掘數據能力的技術和分析專家；3、這些留存和可分析的數據與企業發展的關鍵指标之間的關系

有以上這些基礎才有可能對客戶數據、對營銷運營的關鍵指标以及戰略層面上管理成本這些做到有效反饋，及時調整策略促進企業發展吧～

3）網友@一

我覺得理論上來講，公司業務數據挖掘對增長是有主導作用的：

1.數據挖掘是對業務的改進優化，包括企業用戶體驗的改進方面，和對公司資源的分配。2.數據挖掘可以幫助業務發現機會，主要是利用數據查找發現人們思維上的盲點，進而發現新的業務機會的過程。3.數據挖掘有可能創造新的商業價值，主要是在數據價值的基礎上形成新的商業模式，數據才是真實反映用戶行為的。

反方：數據驅動不起主導作用

4）網友@木木程

如今大數據分析已不再僅限應用于對過去情況進行表述，而是更多地用于來對未來情況進行預測。數據挖掘的價值不言而喻，但也不應過高估計其價值。它就好比企業的一雙眼睛，挖掘而來的數據是對過去的發展現狀的評價，卻也起着預測未來的作用。如果說一雙眼睛能起着主導作用，也許有些誇大了。

5）網友@Chloe

我也來發表下意見。如果這裡的主導作用是指完全參照的話，我覺得就有點過了。數據的價值挖掘可參考性達到90％吧，剩下的還要再根據情況去分析。我舉酒店業的例子，在找出我們酒店裡的對收益貢獻最大的三個國籍，我當時一直以為第一位可能是中國人，然而我們拿到數據時竟然發現，美國這個國籍在去年至少有七八個月穩居第一位，後來去分析下原因可能是我們其中一個當地協議價是跟美國一個單位簽的，所以有很多的美國人過來住，也有可能是這些訂單裡都是直接預訂，價格稍高，所以整體算起來收益高也有關。看對收益貢獻，也還要去看單個國籍總入住的收益，也還去看單個國籍入住的總間夜數。剛剛這裡有位發言者提到數據挖掘也還和數據分析相結合，這也是一個體現。分析了數據後，是否對業務增長有主導作用，還要看之後根據這個數據分析做出的一個決策。

6）網友@吃熊貓de_竹子

個人觀點是數據起輔助作用，數據可以很理性的分析出曾經發生過的事情，從不同的緯度去了解實際上發生的事情，從而為決策給出一個數據支撐。

但涉及到旅遊這個行業來說，光有理論的數據支撐是不夠的，因為旅遊相對比其他的市場更加感性一些，受其他方面影響比較多。所以在針對公司決策的方面可以作為輔助。不能起到主導的作用。

7）網友@一路上有你也好

數據是支撐一個行業或者一個企業的因素之一。但是前提是這個行業或者企業對數據所存在的支撐的範圍和由其産生的重要性，是否有過深度評估和合理性的分析。

比如企業習慣采用的環比和同比。還有統計表格數據分析，都可以用做輔助，甚至支撐分析的依據，但前提是數據必須真實，财務造假或是造勢宣傳另當别論了。

中立方：有用但不完全取決于數據

8）網友@大雙

數據挖掘和數據篩選應該既是營銷策略的前沿，又起到後續營銷行為的一個導向作用，但數據需求一定得明确，如果隻是盲目的做某個市場的營銷，沒有前瞻性的數據做支撐，比如通過一些熱力圖讀出的點擊量，訪客量，搜索量，停留時間，訂單轉化量等作為分析參考，不了解客戶的興趣點，或者年齡結構，時間點需求等等，那有點形同于混水摸魚…

9）網友@ 滕謙

個人感覺，數據挖掘對企業未來業務增長是否起主導作用，這個不能一概而論。首先，大量的小微企業是既無财力，也無專業能力做這個事情的，因此也就談不到對未來業務的增長起主導作用。其次，随着對個人信息保護方面的立法日趨嚴格和完善，相關數據的收集和保護也面臨進一步規範化、合法化的問題。比如歐盟2018年出台的GDPR法規，就是這方面的一大進步。中國在這方面相對還比較落後，但我相信這是個未來的趨勢。

10）網友@Jascha

現在很多企業都在談大數據，但是在運用大數據為決策提供參考時，有多少管理者會注意到數據收集時，能否滿足大部分決策環境或者産出分析的需求？數據收集系統的設置是否合理？是否足夠 user friendly？有沒有足夠的數據分析人才來提供分析和結果？在讨論數據挖掘前，其實關注的應該是為什麼要使用數據和如何使用數據兩個基本問題。

11）網友@傑森

數據有作用是真的，但是能不能起主導作用我覺得需要分情況來看，一方面數據确實能夠反應一些實際情況，無論是營銷還是運營都可以根據數據來進行決策。以酒店為例，分析入住率，revpar等變化情況可以提升酒店運營效率；做用戶畫像可以更加精準投放等等。但數據的核心還是怎麼去整合和利用，把最大價值發揮出來，而對于目前的旅遊企業來說，數據隻能是錦上添花，并不能夠起主導作用，核心還是産品和用戶體驗，數據隻是一個非常重要的手段

,