站長資訊網本文作者梳理了最近半年的一些重要企業數據驅動運營項目的經驗，來談談數據驅動和科學增長怎么落地？
一段時間來不少媒體都在講2019-2020年互聯網無戰事，這當然是媒體為了博眼球的標題，我們讀讀娛樂一下罷了。
實際上，隨著頭部流量及平臺企業的戰略格局變化，流量下游的企業也隨之面臨著新的挑戰和機會，所以去年起很多企業都在關注私域流量的建設，都在恢復對自有線上平臺的資源投入和建設。
最近我在梳理最近半年的一些重要企業數據驅動運營項目的經驗，發現只要企業的高管和核心產品運營團隊可以比較客觀和科學地去建立企業數據驅動的文化、流程，并投入研發資源建設數據產品去賦能產品運營工作，是可以獲得健康增長的能力。
什么是真正有效的健康增長？
有效的健康增長是科學的增長。
在財務層面的增長，往往看利潤和收入，但這是結果數據，往往不能指導現實的一線工作，特別是在一個企業面臨互聯網用戶特征多變，業務迭代變化快的背景下，事后統計的方式其實無法幫助直接負責用戶價值和轉化的一線團隊作出有效決策。
比如我曾經和某航司的負責人交流有關如何在頭部OTA獲取流量并掌握大量渠道資源的情況下，讓航司的自有平臺可以持續獲得健康增長的能力，提高直銷比例，不過分依賴OTA。
另外他還提到：如何讓用戶都來自己的官網和APP購票，哪怕是還是需要在OTA渠道繼續開店。
由此，我針對這個航司的情況，權且列出有效健康增長的幾點思考：
- 戰略性的增長渠道
- 流量思維 VS 用戶思維
- 如何通過用戶洞察評估研發資源的投入
第一個問題，戰略性的增長渠道
這是任何一個航空公司市場部門都無法回避的永恒話題。
我們權且把航司的機票預定業務拆分為B2B和B2B兩個入口，這也是旅游行業很多企業的業務模式。
限于篇幅，我先只談B2C業務，但如果細分起來可能就很龐雜了，考慮到我沒有該航司的數據，僅就方法論上我們先一層層來看。
國內航司許多都已經擁有多個自己的線上預定平臺（以下簡航司B2C平臺）：
- 網站（移動+PC）
- 微信小程序（含公眾號/服務號）
- Android App
- iOS App
同時，航司也會在類似攜程和飛豬這樣的平臺上經營旗艦店，通過這些大流量平臺獲得訂單，其本質是銷售渠道。
所以站在航司角度，渠道這件事可以這樣來拆分：訂單總量 = 航司B2C平臺訂單量 + 銷售渠道1訂單量+ 銷售渠道2訂單量 +…銷售渠道N訂單量
如果目標是提高直銷比例，很明顯就是需要大幅提高航司B2C平臺的訂單量。這在連鎖酒店行業里（比如華住、首旅如家等）也是一個長期的企業使命：保持直銷比例。
一個典型的機票預定B2C平臺，無論是在PC端還是移動端，在決定如何發力流量獲取上第一件事不是去找渠道，而是先去觀察自身數據變化的趨勢。
一般需要拿一個完整年度的流量趨勢：
比如移動站：
- 按照桌面/移動Tablet/手機三種類別來看sessions的數量對比
- 按月拆分觀察屏幕分辨率下的sessions和訂單提交轉化率
- 按照航司品牌詞百度日均搜索量來觀測用戶的需求變化
- 觀測在各搜索引擎（百度PC/360/百度移動/神馬/搜狗）的品牌詞排名等
強調移動站的原因是移動網站如果做的體驗好，速度快，仍然內容營銷的重要陣地（凡是有大量內容的APP的流量機會就在是否把這些內容都做好了靜態化，這一點尤其重要）。
我之所以在戰略性渠道上重新把移動站和搜索引擎拿出來講，是由于站在用戶角度思考問題的緣故。
不要說航司了，連攜程和飛豬這樣的超大型平臺都在不停地為了讓自己的頁面可以在搜索引擎里獲得更好的位置而不斷地在做技術性調優和數據挖掘工作，都是因為他們理解互聯網上的用戶。
微信之父張小龍在2020年的微信公開課里有一個重要的觀點（注意搜狗搜索是微信的默認搜索引擎）：
“與web互聯網相比，移動互聯網的各個app更加割裂，信息難以打通、搜索。我們做小程序，就有一個夢想，希望搜索能進入到每一個小程序的內部，這樣海量的小程序可以支撐起各種長尾的搜索需求。當然，小程序仍然是我們一直要改進的領域，只有小程序足夠繁榮，才能支撐起搜索的內容的豐富度。”
這是任何一個企業，包括航司在內都可以視為流量機會的事情，就看企業領導人是否可以深刻理解這句話。
搜索航班，搜索航站樓信息，搜索機票價格，搜索往返航段組合方式，這些行為每天在互聯網上發生的頻率是驚人的，所以單從理解海量用戶行為這點出發，國內成就了去哪兒，國外成就了Skyscanner，以及航班管家這一類航程管理工具也都發展得很好，原因就是機票作為一個天然的數據型交易業務，用戶對其準確性、及時性的需求直接反映在了搜索引擎里。
理解了用戶對航班信息的強烈搜索需求（往往這也是很多旅游產品的流量入口），航司就應該在所有用戶可能發生搜索的渠道把有差異性的價格和內容進行展示和發布，哪怕是含有關鍵詞的網絡社區，把用戶的需求轉化為流量。
攜程收購垂直搜素引擎里的去哪兒和Skysanner，就是直接砸錢把自己的上游渠道給收購了，這是想得非常清楚的戰略性渠道獲取。
除了搜索之外，病毒式營銷（利用社交關系）也是非常重要的手段，下面我列出Google內部創業孵化器Area 120的合伙人Gabor Cselle總結了9種病毒式營銷的類型，具體我們會在3月28-29日的“科學的產品運營及增長實踐課”中講授。
對航司而言，由于不會去售賣其他直接競爭對手的機票，也不是做的流量買賣，所以著眼點是保證通過技術手段去獲取優質客戶，而不是把所有價格放給OTA（等于把優質內容白送給自己的流量上游）。
一個可以考慮的策略就是在任何可以有效承載內容的平臺上制造有價值的內容來回答/提供該平臺用戶的問題和需求（需要理解不同平臺用戶的性質來提供對應的內容/價格）。
一個優質的客戶在第一次獲取的時候成本是最高的，很多企業管理者往往只看第一次獲客的成本是否比平臺高，但忘記了：
- 上游平臺自己的獲客成本也很高 （否則淘寶為什么也開始學習拼多多）？
- 上游平臺的第一次獲客成本可以被多次交叉產品銷售攤薄
其實核心問題不是第一次獲客成本是否比在OTA平臺開店銷售貴（這是拿蘋果和橘子比，是比不出有效結論的）。
關鍵是要自己和同行業比，和自己的歷史數據去比 (即拿蘋果和蘋果比），并通過數據分析找到有效獲取優質客戶的渠道，并做好用戶運營，提升用戶的生命周期時長和利潤貢獻總額。
也就是我一直強調的需要延長對每個有效用戶的收益時間，或者LTV（生命周期價值）。
實際上，航司的每個旅客的生命周期和OTA是不一樣的，要有自己保持用戶粘性的合理做法，即便是補貼，也要知道核心目標是什么，切忌生搬硬套其他企業的做法。
第二個問題：流量思維 VS 用戶思維
流量思維的本質核心粗暴點說就是認為有了流量就有了一切，所以那么多消費品企業擠破腦袋都要在天貓、淘寶上爭奪曝光和訂單，也有無數旅游企業、酒店和航司在攜程、去哪兒、美團上購買廣告獲取銷售。
以流量為中心的企業往往會因為短期利益的驅使，放棄用心經營自身平臺的數據獲取優勢，一方面幫助平臺完善了更豐富的產品數據結構（平臺可以更好地利用這個結構去預測用戶的需求，保持用戶對平臺的粘性），一方面逐步喪失自身的用戶粘性。
但實際上旅游產品不同于天貓和淘寶上售賣的標品，酒店、機票實際上是需要最終通過服務來完成的非標品，無論是酒店的地段、房型、餐飲，還是飛機的退改簽政策、座位安排和航班時間（乃至外部天氣）都會影響用戶的業務行為。
非常關鍵的一個因子是：搜索時間，這與電商業務是很不同的，乃至廣告的點擊時間和最終乘機或者酒店入住的真實時間，都可以做相關性分析來判斷用戶特征。
考慮到即便是同一個真實的用戶，在休閑模式和商旅模式下的行為特征會完全不同：
- 休閑型特征的用戶，往往會提前很多時間開始搜索和查詢，不太會退改簽，價格比較也比較頻繁。
- 商旅特征的用戶正好相反，是迅速搜索查詢，機票退改簽概率高，酒店選擇更重視商圈位置而不是價格。
如果可以重視用戶在自有平臺上的搜索數據挖掘，特別是用戶的反復搜索，在用戶端體現出來的可能是千奇百怪的搜索輸入，但在后臺只要可以不斷提高產品/內容的精確匹配程度，則可以明顯看到自有平臺ROI的提升。
有一種情況可能很多航司和酒店集團都沒有花足夠多的力氣去做好，比如搜不到或者搜索到的結果要排到很多頁面之后，這表明產品和運營團隊需要仔細去審核系統在處理搜索、篩選和排序上的邏輯和流程，對于那些數據異常（比如比大部分詞的搜索詞到展現，展現到點擊預定的轉化率）的詞需要做大量排查工作。
進一步的，可以對用戶群體做更高質量的聚類，反饋搜索結果的更好結果，以及用戶觸達的精準。
這些策略從數據驅動的理論上講都不是問題，只是多年前沒有像今天這樣普及的大數據技術和算力，有趣的是人工智能領域的落地能力也是這幾年隨著云計算資源的更加普及反而可以產生落地的效果（雖然理論幾十年來并沒有本質的突破）。
另外，航司和酒店集團往往需要全流程服務每位付費的旅客，所以優勢在于可以掌握除了用戶行為數據、業務及訂單數據外，還有服務流程中的旅客偏好數據。
理解了這一點，任何航司都應該重新評估與平臺的合作方式，要在價格和產品上對外部銷售渠道和自身渠道做到一定程度的差異化經營，把目標放在通過長期獲取用戶的行為和業務數據，建立起對用戶的真實洞察，并利用對用戶需求的更好理解來進行以下工作：
- 數據整合：流量渠道、行為、業務和服務
- 數據建模
- 內部多主體標簽體系（用戶、產品、內容等）
在建立好完整的多主體標簽體系后，可以用來：
- 渠道評估和全網人群放大；
- 站內搜索、篩選和排序優化；
- 線上營銷/運營計劃效果預測；
- 更細分的用戶及業務數據分析、洞察。
但切忌直接套用淘寶和天貓這種純電商平臺的的做法，會給自己挖坑。
第三個問題：如何通過用戶洞察評估研發資源的投入
任何一個自建類似航司B2C平臺的企業都會問一個問題：我們投入成本自建平臺有意義嗎？這些錢花的值不值？
我這里無意探討企業該投入多少錢來建設自己的技術平臺、大數據項目和業務前后臺。
但是有一點是可以談的，即任何涉及線上運營和營銷類的技術產品項目，只要有一個客觀可評估優先級的量化方法，我們是可以估算其經濟回報，并可以有量化的優先級排序方法來決定先做什么項目，什么需求可以緩一緩。
下面給出一個參考的公式：
如果我們有十幾個業務需求（產品、運營、營銷、業務等），我們需要分步驟來計算每個項目的重要性指標：
- 重要性指標=潛在收益+用戶影響面 (規模)
- 用戶影響面 = log （總用戶數量 x 影響率）
比如：新增機票退改險銷售 潛在收益 = 1. （航司收益15元/份） 用戶影響面 =5.7 ( =log(1000W x 5%)
這個案例屬于新增業務產品，覆蓋所有航司客戶，但是5%左右的客戶會購買）
計算得出重要性= 6.7
研發成本 =1.7 （預估50-60 工作人日）
這樣就可以得出：項目收益 = 6.7 – 1.7 = 5
把每個業務需求的項目收益進行排序，按照高低順序安排優先級就可以解決各業務方的爭議。
當收益一致時，再看重要性指標即可。
如果你仔細去回顧這個公式，會發現用戶影響面（比率）是一個非常關鍵的因子。
所以即便是研發資源的安排，也可以通過對用戶洞察的需求來推斷其重要性，并保證企業可以把資源投入在有長期價值的項目上（技術升級改造類項目需要另一套方法來評估，此處略過）。
如何做好用戶洞察這件事？
大體上，我們經常會因為這些目標，而需要做好用戶洞察：
- 如何知道現有的CRM制定的營銷規則起作用了？是規則設計對了？還是價格和渠道的原因？用戶是因為低價優惠還是本來就需要？
- 我們對所有客戶的分群方式到底應該細到什么程度呢？
- 流量在進來，也在流走，用戶需求開始變得復雜怎么辦？
- 如何通過運營發現產品、業務和流程優化？
- 如何解決用戶留存率始終在下降？到底要如何定義核心指標？
- 董事會要求我們年底KPI要過底線，到底如何帶領公司找到可以撬動用戶自發增長的曲線？
比較好的實踐，像阿里內部的數據產品比如棱鏡，天選，地藏都是類似的，業務運營甚至是天貓賣家都可以在上面做簡單的邏輯組合或者是篩選后，后端通過sql引擎以及算法引擎自動的幫業務運營甚至是天貓賣家找出所需要的用戶，做一些精細化運營，這些都不需要技術參與。
這樣的話能大大提高業務的自主性和執行效率，不需要等待，或者說是由后方的技術人員的限制而拖累他們的進度。再者很多的機器學習的算法或者是標簽的產生，其實使用方都是業務部門，他們應該是要對這這類東西的產生有一定的理解。
如果全是黑盒的話，他們也會懼怕使用。
引用19年在加拿大溫哥華舉辦的人工智能領域的重量級NeurIPS 2019大會上比較深刻的一句話
Our Goal is not be predict， but rather understand
其實標簽體系或者說是標簽產品工具，它本質上是一個工具，工具當然是為了提高工作效率的，而作為使用者的業務運營和產品團隊必須可以對這些有重大的參與感，才能理解和信任這個有著“黑盒”能力的系統：
- 參與規則標簽的制定
- 參與模型標簽的制定
- 可以定義權重
- 可以定義維度
一個好的標簽體系，及所對應的軟件系統和工具應該支持業務運營和產品團隊自動創建產生標簽，并使用，或者標簽平臺 。
這樣，通過一個完善的標簽平臺來實現受眾定向、人群拆分和效果預估，讓產品和運營團隊可以發揮業務經驗和創造性能力去關注營銷策略的設計和量化驗證。
這個標簽平臺就是企業內部的數據資產平臺核心，也可以叫企業的一方DMP平臺，通過API與其他數據和業務系統可以把標簽完全地應用起來：
在擁有了自身一方的DMP能力后，類似航司這樣的企業可以改變以往廣告投放的粗放模式，舉一個Airbnb的例子。
Airbnb的房東增長LTV模型：
Airbnb將轉化歸因給相應的廣告之后，公司需要知道這些轉化的生命周期價值（LTV），即具體每次轉化能帶來的收益。對于房東用戶增長來說，LTV能夠預測哪些用戶能給Airbnb帶來更高的利潤。
在Airbnb的房東提供了多種多樣的空間，包括合租的和整租的。這些多樣的房屋種類給了租客用戶獨特的體驗，同時給LTV估算帶來了挑戰。
Airbnb團隊開發了機器學習模型來預測每個listing的LTV。然而房東用戶的轉化時間一般來說非常長，因為把自己的空間放在網上需要比較大的決心。從第一次點擊廣告到發布listing的時間可能是幾天或者幾周。當團隊收集了更多數據之后，Airbnb可以提高LTV預測的準確性同時解決長轉化時間帶來的問題。
Airbnb競價和預算優化：
當Airbnb擁有了廣告跟蹤，歸因，LTV估算之后，他們就做好了針對每個廣告進行競價優化的準備。Airbnb在10,000多個城市，191個國家有listing。有些城市可能只有幾個成功的轉化，所以基于小的樣本計算廣告的價值可以很有挑戰。團隊開發了一套數學模型來解決這個挑戰。在知道了每個廣告的價值之后，他們可以基于想達到的投資回報率（ROI）來設定競價和預算。
為了能讓Airbnb的系統跟廣告平臺更好的整合，他們還跟廣告平臺的銷售方進行了緊密合作（比如說google的關鍵詞UI）。銷售方可以通過UI很容易的設定高效的目標和預算。最終Airbnb希望競價和預算優化可以適應更微小顆粒度的實時互聯網流量變化。
這是一個利用用戶LTV來反向優化廣告投放的絕佳例子，同樣的道理，在擁有標簽能力后，無論是廣告投放的ROI（本質上是CTR和轉化率），還是站內的針對復雜用戶群體的產品運營和人群擴大營銷，都是可以通過算法的支持進行優化和數據監測。
做好了這些，就自然走上了高效科學的運營之路。
作者：顧青，DTALK.org創始人；公眾號DTalks (dtalks）
