U-Time巡回完美收官:精细化数据将主导未来运营趋势(数据应用篇)

简介:

5065f32cc25118f6d0c111.JPG

7月12日,2016·【友盟+】U-Time“上海、杭州、深圳、广州”四站巡回活动完美收官。此次活动以“更贴近业务的运营新玩法”为主题,吸引了近2000名开发者和运营人员的关注和报名,场场爆满,到场总人数超过900余人。

四站活动上,13位互联网知名企业领袖、专家为大家分享了最贴合业务的产品运营及大数据应用上的案例与经验,为从业者提供了学习和借鉴的应用典范。

以下是6位嘉宾分享的核心干货总结(数据应用篇):

深耕数据化运营:悦跑圈、阿里旅行、in

5065f32cc25118f6d0cb12.JPG

悦跑圈运营总监龙海涛演讲照片

用数据价值实现商业营销转化

垂直行业APP数据价值基本都集中在以“人”为基础的延伸数据上,悦跑圈作为跑步行业内用户体量数一数二的APP,它的数据价值就体现在人、话题、活动上面。悦跑圈运营总监龙海涛表示,悦跑圈会将全国使用APP的跑友数据进行精准的分析,以性别、年龄、地域、兴趣等标签进行划分。同时对APP社区内的热点话题、热点关键词进行筛选和分析。通过对用户数据、内容数据的精细分析,可以了解到例如,跑步特别快的人适合穿什么鞋、年龄大的人适合穿什么鞋、体重重的人适合穿什么鞋、跑得慢的人适合穿什么鞋等垂直行业数据。通过这些数据可以在APP内进行跑鞋推荐,同时与一些大品牌进行深度的商业合作,包括线上线下活动的策划、项目的策划等,利用数据价值促进APP商业转化。

5065f32cc25118f6d0d513.JPG

阿里旅行酒店事业部高级运营总监徐翔演讲照片

如何在“未来酒店”做数据化运营?

“未来酒店”作为一个概念在大数据应用驱动下正在逐渐向现实转变。阿里旅行酒店事业部高级运营总监徐翔介绍,未来酒店APP是一种高效连接消费者和酒店的模式,阿里旅行在数据化应用上重点做了四方面内容:1、精准锁定用户群,利用整个阿里大数据,对淘系数亿用户标记“人群标签”,从中选出符合酒店用户的“人群标签”,例如“购买偏好”、“购买习惯”、“年龄性别”等,将这些标签用户锁定为精准用户。2、掌握场景数据,服务类或是酒店是强需求的产品,有需求就是刚需,所以场景很重要,场景可以判断产品还需要做些什么。通常有四个维度定义场景:时间,位置,行为,端。3、优化内容运营,内容是非常好的引流措施,同时也可以吸纳用户,阿里旅行通过对多次活动后数据的整理来发现用户诉求,优化活动效果。4、高效触达用户,对于APP来讲,推送是比较直观的触达方式之一,阿里旅行基于阿里集团资源,可以对用户精准定投内容,同时基于场景推送信息,提升触达打开率。

5065f32cc25118f6d0de14.JPG

in大数据中心高级经理羽薇演讲照片

In:深挖“人”的数据 8000万用户的精细化运营

8000万用户的庞大数据对于任何一款APP都是巨大的财富,in大数据中心高级经理羽薇称,in用了两年时间将8000万用户数据梳理并建立了数据仓库和用户画像,数据深掘上主要针对四个层面:

1、生命周期属性:用户在APP内的行为特征是怎样的?喜欢用什么功能?

2、时空属性:地理位置信息、时间属性信息,如住在哪里?现在是不是在外地?

3、社会属性:用户在社会群体中固有的或动态的属性,如性别、年龄、消费水平、社交活跃度等。

4、欲和好:找到用户生活中最关注的那一部分信息,比如对于in上面的年轻女生,对于她们来说最重要的部分莫过于让自己变美、偶像、追星、恋爱、宝宝等。

利用这些庞大的“人”的数据,in打造了一个“数据大脑”,从底层的数据收集、分析、处理再到上层的应用,包括支持和推进精细化运营、广告定向投放等,真正做到将数据转化为资源,推进业务增长。

精细化数据挖掘:【友盟+】、触宝、云图TV

5065f32cc25118f6d0e915.JPG

【友盟+】高级产品专家罗征演讲照片

精细化数据运营工具很重要

现在的互联网行业,人口红利和流量红利窗口正在逐渐关闭,因此越来越多的企业必须通过精细化数据运营精确定位用户,提升业务增长。【友盟+】高级产品专家罗征表示,现在的企业需要的是更能贴近业务的个性化数据,同时要满足在不同场景下的应用。例如一款电商类APP,企业需要知道每一个单品的成交量、收藏点击、每个图片展示位的点击量、外部渠道进入的用户成交情况、每个用户的二跳行为等个性化的数据。这些数据可以帮助企业判断爆款产品、选择优质渠道、改善产品页面转化效果等。

目前,【友盟+】智能分析工具U-Dplus产品可以帮助企业进行数据的采集、计算以及组织重建,包括企业所有自定义的数据采集等。U-Dplus拥有四个强大功能:

1、数据采集、计算查询、可视化的高度自定义空间,实现个性化数据分析需求;

2、开放共建的分析模板中心,提供多行业、多场景的低门槛分析方案;

3、背靠【友盟+】生态的访客画像与分群精细运营通道;

4、实时、超大数据量、稳定、专业的服务平台;

5065f32cc25118f6d0f516.JPG

触宝科技大数据团队技术总监吴琨演讲照片

精准化数据“拉活”

用户量是互联网产品的命脉,当一些APP积累了很多用户后,就会被如何提升用户留存率困扰。触宝科技大数据团队技术总监吴琨认为要想有效提升留存、重新“复活”老用户,首先要从数据层面精准了解已有用户特征,包括终端机型、性别、画像、所在地等。同时将上述数据进行建模,通过推送短信、邮件等形式唤醒沉睡用户,精准找到最可能回来的失活用户进行投放,提升“拉活”率。

5065f32cc25118f6d0ff17.JPG

云图TV运营总监李序演讲照片

如何挖掘用户潜在需求

什么是潜在需求?云图TV运营总监李序介绍,潜在需求包括生活层面、生存层面和生命层次。对于一款免费产品,生存层次就是“实用工具”;生活层次就是“获取信息功能”;生命层次就是“分享快乐”。那么怎么挖掘潜在需求提升业务数据,要从三个方面挖掘:一、产品思考,二、用户分析,三、人性挖掘。

例如一款体育直播APP,产品的核心功能是提供体育赛事直播,那产品的直播设置、点播设置、回放设置以及预约购买设置都需要思考、优化。同时,用户分析要注重两个特性,既有电视直播用户特性,还有体育用户的特性。电视用户特性主要是注重内容时效性,强调直播的快感,具有明显的从众倾向特点。体育用户特性是容易冲动、愤怒。最后人性的挖掘,主要是“数据分析+人性挖掘”,体育直播用户基本男性居多,所以利用美女主播就可以很好的吸引用户,提升在线率。

【友盟+】U-Time:由【友盟+】发起的系列巡回活动,旨在洞察全域数据趋势,分享最贴近行业热度的数据运用及实践干货。【友盟+】产品经理、技术大拿、行业知名企业专家与开发者面对面,解惑数据与运营难题。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
4月前
|
物联网 大数据 BI
助力工业物联网,工业大数据之客户回访事实指标需求分析【二十三】
助力工业物联网,工业大数据之客户回访事实指标需求分析【二十三】
28 0
|
6月前
|
前端开发
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(4)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(4)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(4)
|
6月前
|
供应链
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(6)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(6)
|
6月前
|
数据挖掘
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(3)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(3)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(3)
|
6月前
|
数据挖掘 BI
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(2)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(2)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(2)
|
6月前
|
存储 搜索推荐
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(5)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(5)
|
6月前
|
大数据
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(1)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(1)
|
6月前
|
数据采集 数据可视化 数据挖掘
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(2)
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(2)
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(2)
|
6月前
|
供应链 监控 决策智能
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(4)
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(4)
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(4)
|
6月前
|
数据采集 搜索推荐 数据挖掘
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(3)
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(3)
带你读《中国零售行业数智化成熟度白皮书》2.2深析指标,解惑零售数智差异点(3)