亚洲爆乳中文字幕无码专区网站-黄页网站视频-暖暖 免费 高清 日本 在线-97亚洲熟妇自偷自拍另类图片-国产av久久久久精东av

在企業(yè)服務(wù)用戶的過程中，隨著用戶量和數(shù)據(jù)量增長、數(shù)據(jù)維度愈發(fā)復(fù)雜，傳統(tǒng)規(guī)則和人工操作很難滿足海量的數(shù)據(jù)匹配與挖掘需求。為了在快速變化的市場環(huán)境中維持最優(yōu)的增長效果，同時(shí)建設(shè)好“以用戶為中心”的用戶運(yùn)營體系，每個(gè)企業(yè)都希望能夠在最短的時(shí)間內(nèi)達(dá)成目標(biāo)。這時(shí)候企業(yè)通常會關(guān)注到一種解決辦法：算法模型。不過，算法模型在應(yīng)用的過程中面臨著前期投入高、維護(hù)復(fù)雜、準(zhǔn)確性浮動、性價(jià)比難以衡量等問題，讓很多營銷增長團(tuán)隊(duì)決策是否要“上算法”、“上什么算法”、“上了算法是否有用”等問題上反復(fù)衡量，一直很難下定決心。今天這篇文章，我們帶著7個(gè)關(guān)于算法的問題，采訪了明略科技集團(tuán)資深全域增長與運(yùn)營專家團(tuán)隊(duì)。看了今天的文章，相信“上不上算法”，您一定會有一個(gè)更深入的了解。

問題1 如何判斷一個(gè)企業(yè)是否需要“上算法”？

其實(shí)這個(gè)是在解釋“為什么”需要上算法的問題，最簡單的判斷標(biāo)準(zhǔn)就兩個(gè)字：“瓶頸”。在業(yè)務(wù)增長上遇到了某種“瓶頸”，現(xiàn)有的方式無法突破，企業(yè)里沉淀的用戶數(shù)據(jù)感覺沒有發(fā)揮價(jià)值，這種時(shí)候可以考慮“上算法”了。

1）縱向“瓶頸”在“以用戶為中心”的運(yùn)營場景下，無法更加深入、精準(zhǔn)地對人群進(jìn)行觸達(dá)和精細(xì)化運(yùn)營服務(wù)。比如，公域投放中，媒體標(biāo)簽不足，無法通過現(xiàn)有的標(biāo)簽體系進(jìn)行更精準(zhǔn)地投放；現(xiàn)有的投放ROI一直難以提升等。私域運(yùn)營中，規(guī)則類標(biāo)簽和簡單計(jì)算不足以滿足目前的用戶管理和精細(xì)化運(yùn)營需要。 

2）橫向“瓶頸”橫向的“瓶頸”，主要是出現(xiàn)在企業(yè)既有目標(biāo)用戶群體的滲透率已經(jīng)足夠高，希望在目標(biāo)用戶、人群、品類上進(jìn)行橫向拓展，或者進(jìn)行交叉銷售的場景時(shí)遇到阻礙的情況。比如，一些產(chǎn)品原來的增長目標(biāo)是某類母嬰人群，現(xiàn)在需要橫向拓展到更多女性群體；原來的目標(biāo)受眾是職場女性，現(xiàn)在希望橫向擴(kuò)展到職場男性等。

另外，還有一些內(nèi)部交叉銷售的情況，希望在內(nèi)部復(fù)雜的子品牌體系中橫向拓展，交叉銷售。這些場景其實(shí)每一個(gè)ToC業(yè)務(wù)都會遇到，我們判斷“瓶頸”的標(biāo)準(zhǔn)是，現(xiàn)有的規(guī)則方式、人工方式無法滿足需求、效率過低或者持續(xù)無顯著增長，就可以考慮“上算法”了。但是，如果品牌剛剛起步，數(shù)據(jù)積累不足或是通過人工或簡單程序化的方式可以進(jìn)行維護(hù)，目前也可以不用考慮。

問題2 “上算法”的優(yōu)勢VS局限性是什么？

算法本質(zhì)上是幫助企業(yè)進(jìn)行數(shù)據(jù)能力的構(gòu)建，當(dāng)數(shù)據(jù)多了之后，普通的處理方式效率低、速度慢，沒辦法滿足需求，這個(gè)時(shí)候就需要利用AI算法高效達(dá)成計(jì)算目的，輸出相應(yīng)的業(yè)務(wù)需求。在業(yè)務(wù)增長中，如果使用算法，主要會為增長體系提升以下幾方面的能力：

• 高維數(shù)據(jù)分析挖掘能力，解決數(shù)據(jù)量大、維度多無法快速統(tǒng)計(jì)分析和整合用戶數(shù)據(jù)的問題。
• 個(gè)性化匹配能力，快速尋找合適的人群，進(jìn)行產(chǎn)品、內(nèi)容的個(gè)性化匹配。
• 精細(xì)量化能力，能夠把業(yè)務(wù)優(yōu)化問題（例如提升GMV），層次化地分解成對多個(gè)過程數(shù)據(jù)指標(biāo)的監(jiān)控和優(yōu)化問題，有針對性的對不同環(huán)節(jié)地進(jìn)行預(yù)測診斷和及時(shí)干預(yù)。
• 全局優(yōu)化分配能力，在對業(yè)務(wù)場景問題（例如預(yù)算分配）進(jìn)行合理的抽象后，可用運(yùn)籌學(xué)模型計(jì)算全局最優(yōu)解。

當(dāng)然，使用算法也是有一些局限性的。比如，算法模型的制定需要清晰的建模目標(biāo)、可量化的評價(jià)標(biāo)準(zhǔn)；需要完備的數(shù)據(jù)鏈；需要業(yè)務(wù)場景特點(diǎn)與模型假設(shè)一致，同時(shí)也會存在相較人工經(jīng)驗(yàn)相比業(yè)務(wù)可解釋性較差等一些問題。

問題3 算法模型一般會適用于哪些業(yè)務(wù)場景？

通常，算法會幫助企業(yè)基于現(xiàn)有的多維用戶數(shù)據(jù)進(jìn)行分析挖掘，我們總結(jié)了一下基本的應(yīng)用場景：

• 用戶行為趨勢預(yù)測，包括對人群的轉(zhuǎn)化傾向、復(fù)購傾向、留資傾向做預(yù)測，以幫助業(yè)務(wù)端進(jìn)行營銷的決策。
• 個(gè)性化匹配，通過細(xì)粒度的人群規(guī)劃進(jìn)行觸達(dá)渠道、溝通時(shí)間、產(chǎn)品優(yōu)惠、推薦商品等匹配推薦，幫助多產(chǎn)品線企業(yè)做到搭售與交叉銷售推薦。
• 全局優(yōu)化分配，比如對整體的預(yù)算、流量進(jìn)行分配，或進(jìn)行整體的成本控制。
• 營銷策略自動調(diào)優(yōu)，能夠?qū)崟r(shí)對營銷策略進(jìn)行調(diào)整，并對營銷活動進(jìn)行監(jiān)控預(yù)警。
• 營銷效果測量與持續(xù)優(yōu)化，通過營銷歸因、收益測算、策略對比等，幫助企業(yè)在策略選擇上不斷優(yōu)化，做到最好。

問題4 涉及全域增長方面的有哪些算法？

這里有一張圖，針對增長運(yùn)營中可拆解和量化的問題環(huán)節(jié)，明略科技目前均有相應(yīng)的算法提供可持續(xù)優(yōu)化的決策支撐。算法模型的構(gòu)建從狀態(tài)/意圖識別、個(gè)性化匹配、全局優(yōu)化分配、投放控制、效果評估這幾個(gè)方面看，我們總結(jié)了一下常見的一些算法。

1）狀態(tài)/意圖識別類此類算法通過識別用戶意圖預(yù)判用戶生命周期狀態(tài)變化，衡量個(gè)體對不同渠道/內(nèi)容/時(shí)機(jī)的觸達(dá)敏感性。包括類似轉(zhuǎn)化傾向、復(fù)購傾向、留資傾向、優(yōu)惠敏感度等算法。

2）個(gè)性化匹配類這類算法，主要以狀態(tài)/意圖識別類的預(yù)估結(jié)果為基礎(chǔ)，預(yù)估不同觸達(dá)策略對于個(gè)體用戶的收益，產(chǎn)出基于收益的觸達(dá)動作/內(nèi)容的排序。比如通過算法輸出，對個(gè)性化素材、個(gè)性化渠道、優(yōu)惠策略和商品進(jìn)行精細(xì)化的用戶觸達(dá)。

3）優(yōu)化分配類這一類算法通常以個(gè)體收益的預(yù)估結(jié)果為基礎(chǔ)，對營銷資源做頂層的優(yōu)化分配，實(shí)現(xiàn)給定成本下的全局收益最大化。比如，進(jìn)行媒體投放預(yù)算分配、流量分配和成本控制等算法。

4）投放控制類這一類算法，是基于對外部趨勢的預(yù)估制定活動執(zhí)行節(jié)奏，使用預(yù)測控制等算法對活動執(zhí)行的節(jié)奏進(jìn)行科學(xué)的控制和矯正，應(yīng)對投放中的各類外部規(guī)律變化。比如智能出價(jià)和智能流控。

5）效果評估類這類算法以小流量實(shí)驗(yàn)等為手段沉淀迭代運(yùn)營策略，通過AB實(shí)驗(yàn)等方式評估對比策略效果，通過歸因模型等手段科學(xué)量化增長貢獻(xiàn)，在效果評估和歸因上有很大的提效。比如像是營銷歸因、營銷組合、收益測算、策略對比等算法。

目前市面上大部分的CDP產(chǎn)品都會有一些預(yù)置算法，基本上是一些通用性較高，不受用戶類型和時(shí)間影響的算法，比如lookalike、營銷決策自動優(yōu)化等算法，同時(shí)也會支持A/B test等實(shí)驗(yàn)?zāi)K，方便快速對比算法的實(shí)際效果，在一定程度上，也已經(jīng)滿足了很多企業(yè)的需要。但是如果涉及到一些個(gè)性化的需求，比如個(gè)體消費(fèi)者復(fù)購傾向預(yù)測、差異化定價(jià)/補(bǔ)貼策略、sku交叉銷售等，就需要進(jìn)行算法的定制化了。

問題5 算法很復(fù)雜，真的能用起來嗎？

算法模型確實(shí)是一套比較復(fù)雜的體系，企業(yè)部署的CDP產(chǎn)品，常規(guī)界面是可以讓業(yè)務(wù)人員或者運(yùn)營人員進(jìn)行操作的，但是算法模型目前還不能完整做到去代碼化，很多時(shí)候需要數(shù)據(jù)科學(xué)家的支持。我們在服務(wù)企業(yè)的過程中，看到很多大公司會建設(shè)算法、數(shù)據(jù)團(tuán)隊(duì)。通過對自己內(nèi)部數(shù)據(jù)的理解，結(jié)合CDP、MA等工具，對算法的建設(shè)、使用、迭代和優(yōu)化。不過這樣的方式有時(shí)候因?yàn)樗惴ú粔蛸N近業(yè)務(wù)，在準(zhǔn)確性上會有一定的影響。另外，還有一種模式，就是通過與像明略科技這樣提供全域用戶增長產(chǎn)品及運(yùn)營服務(wù)的團(tuán)隊(duì)合作。明略科技的團(tuán)隊(duì)中包含數(shù)據(jù)科學(xué)家、業(yè)務(wù)專家等多重角色，可以快速根據(jù)企業(yè)的需要設(shè)計(jì)出對應(yīng)的算法，幫助企業(yè)從零到一，將算法跑起來，應(yīng)用并迅速驗(yàn)證效果。

問題6 怎么衡量投入產(chǎn)出比？

這個(gè)確實(shí)是一個(gè)很實(shí)際的問題，也是很多企業(yè)關(guān)注的問題。通常我們衡量投入產(chǎn)出比，要先評估算法的難易程度、投入情況，再去比對效果進(jìn)行評估。如果是剛剛我們說的產(chǎn)品內(nèi)常規(guī)的一些基礎(chǔ)算法，基本上在購買產(chǎn)品中預(yù)置了，這一部分的投入其實(shí)是相對較小的。另外就是定制化的算法模型，這一部分就要看算法模型的復(fù)雜程度和后續(xù)帶來的效果這樣一個(gè)實(shí)際的轉(zhuǎn)化情況了，我們目前會采取一些小范圍驗(yàn)證的模式，先用一個(gè)項(xiàng)目、或者一個(gè)活動去做一次算法模型的實(shí)際驗(yàn)證，看到轉(zhuǎn)化后，再測算轉(zhuǎn)化率，這時(shí)候就能算出來大約的一個(gè)轉(zhuǎn)化情況了。

問題7 可以舉一些實(shí)際應(yīng)用的例子嗎？

之前我們的一期節(jié)目里有講過一個(gè)母嬰品牌的案例，他們主要是構(gòu)建可一個(gè)因果推斷的模型，經(jīng)過驗(yàn)證確實(shí)是在轉(zhuǎn)化率和客單價(jià)上都有明顯的提升，比如轉(zhuǎn)化率提升300%多，客單價(jià)提升42%。

另外，比如我們服務(wù)企業(yè)的項(xiàng)目中，像是這樣一個(gè)優(yōu)化分配類的算法，我們通過對業(yè)務(wù)目標(biāo)的拆解、對數(shù)據(jù)進(jìn)行整理和輸入，最終形成一個(gè)非線性需求規(guī)劃的算法場景，幫助企業(yè)在公域營銷場景下的做到預(yù)算全局最優(yōu)分配。這樣一個(gè)案例大大提升了企業(yè)對公域投放分配的測算效率和準(zhǔn)確性。

另外，再舉一個(gè)效果評估類的算法案例。比如這個(gè)，我們其實(shí)是通過對用戶購買路徑的購買進(jìn)行一個(gè)歸因分析，最終將用戶購買路徑上的潛在重要節(jié)點(diǎn)進(jìn)行梳理，方便后續(xù)進(jìn)行投放資源的優(yōu)化和分配，以便于精準(zhǔn)觸達(dá)。

以上，我們就算法相關(guān)的問題進(jìn)行了一個(gè)拆解，我們認(rèn)為以CDP+MA為核心產(chǎn)品的全域用戶增長體系中，算法模型是復(fù)雜體系中提升數(shù)據(jù)整合和分析能力的關(guān)鍵。明略科技在持續(xù)不斷服務(wù)企業(yè)的過程中進(jìn)行積累，并提出“腦”+“手”結(jié)合的模式來幫助企業(yè)實(shí)現(xiàn)全域精細(xì)化運(yùn)營。以CDP為“腦”提供全域數(shù)據(jù)整合分析能力，實(shí)時(shí)感知企業(yè)當(dāng)前狀態(tài)，以MA為“手”提供用戶敏捷運(yùn)營能力，給企業(yè)提供實(shí)時(shí)最佳體驗(yàn)，結(jié)合企業(yè)的數(shù)據(jù)、業(yè)務(wù)與運(yùn)營情況，為企業(yè)搭建以用戶為中心的全域運(yùn)營與增長體系，幫助企業(yè)持續(xù)增長。