「最难突破的不是技术,而是客户对新技术的认知壁垒」,一家大数据公司谈下2000多家客户的故事

撰文 | 藤子


阿玛尼牌的服装,500 多元的键盘,京东一位用户某天打开京东时,收到了这样的商品推荐。将这两件商品连接在一起的是「商界精英」这个词语,因为这是京东对他的用户画像和定位。


京东针对性推荐商品,亚马逊针对性推荐书籍,今日头条针对性推荐新闻,就连网易云都会给用户精准推荐音乐。基于大数据的精准推荐和精准营销,几乎已成为互联网应用的标配。


实际上,不只是线上,在线下应用大数据技术也正在成为趋势。


成立于 2009 年的百分点,致力于大数据与人工智能技术和服务在各个行业的落地。目前,拥有系列大数据和人工智能产品线,并且创建了行业应用模型库和行业知识图谱库,客户涵盖金融、公共事务、智能制造、零售快消、媒体出版等多个领域,如光大银行、新华社、华为、王府井百货等 2000 家企业。


在百分点集团首席数据科学家杜晓梦看来,在这些行业中,金融和零售对新技术最敏感,接受度最高。「不同的行业,接受点不太一样,取决于技术对它的冲击以及整个市场的竞争态势」。


以传统零售为例,随着电商对零售的挤压,传统零售开始转型,寻求线上和线下全渠道打通的解决方案。


大数据技术则是其中的关键钥匙。


大数据技术驱动营销从粗放到个性化


「之前零售行业的营销非常粗放,比如店庆大促,零售企业给所有会员都发送同样的信息,比如买三百返三百等等。大多数人可能都会忽略这样的信息,因为这个事情跟他们没有关系。」杜晓梦说。


百分点在其智能营销系统 DeepCreator 之上,基于大数据分析,搭建精细化营销系统,零售企业则能据此筛选大量不同的群体,找到对他们更有效的刺激点,改变零售企业与消费者之间的沟通方式。


以百分点合作多年的王府井百货为例,对优惠券的发放,同是店庆大促,每一个顾客收到的优惠券信息都可以有所不同,简单来说,如果是对价格敏感的人群,就可以为他们推送打折信息,如果是喜欢尝鲜的顾客,则可以为他们推送新品的信息。此外,还可以根据他们的喜好,推荐不同的品牌和品类。


发放优惠券只是常规的运营手段,事实上,王府井百货还可以基于这套营销系统发挥想象力进行营销。如果某位顾客是 40 岁以下的女性,喜欢购买高端女装,那系统就可以把它定位为白富美群体,与一些高端女装品牌进行合作,联合推出精品女人节,以此吸引这部分人群。通过这些不同的活动,可以吸引不同的客流以及提高商品的转化率。


精细化营销系统的背后是以消费者为中心的大量数据,通过对会员或访客的行为轨迹分析,比如他们在何时逛了什么门店,在哪家门店购买了东西,加了哪个门店的公众号,在网上搜索了什么,以此建立 360°画像。


基于画像,再建立场景化智能营销的体系,「比如潜客促销,应该怎么去做,品类大促应该如何去做,会员价值度挖掘的场景是什么?会员流失之后,挽回场景应该用哪些数据和模型等等,建立所有场景化的智能营销。」杜晓梦总结道。


大数据分析的背后是数字化转型


从以上的分析可以看出,要进行精准的场景化营销,在于对消费者的全方位画像,而要进行全方位画像,背后就基于数据。没有数据,一切都无从谈起。


而数据的建立也并非易事。这个过程,包含三个阶段。


对王府井百货来说,第一阶段,帮助他们搭建大数据的技术环境,比如基于开源的架构,为王府井百货搭建数据的底层和技术的框架,第二阶段,进行数据归拢、归集、品牌、品类拉通,再建立用户画像标签体系。第三阶段,也就是目前百分点与王府井百货正在进行的阶段,搭建智慧营销系统。


具体来说,王府井百货有大量数据,这些数据包括传统的 CRM 数据,ERP 数据、POS 系统中的数据,还包括线上商城、微信公众号以及微信的有赞商城等数据,这些数据之前全都没有打通。因此,百分点的第一步就是将这些线上、线下,内部和外部的数据全部接入他们的基础数据平台进行汇总。


然而,在数据的汇总过程中,会发现很多数据的格式都不相同。比如入驻王府井百货的品牌皮尔卡丹,在有些店中名为皮尔卡丹,有些店可能就是卡丹皮尔或者皮尔·卡丹,尽管名字类似,但如果要拉通皮尔卡丹这个品牌或体系,统计皮尔卡丹在所有王府井百货的综合销量的话,就需要进行数据的降噪和清理。


在进行数据整理时,百分点发现每家客户信息系统的能力都不一样,一些企业的信息系统数据比较归整,而有一些企业,甚至要帮助他们从纸质的文档做起,或者从一些 Excel 表格里提取数据。为了提升数据整理的效率,百分点就会应用一些新技术,比如用图像解析的技术提取纸质文档里的内容。


然而,对于线上零售商来说,他们除了关心会员与访客之外,周围五公里的客群如何,如何去寻找这些范围内的潜在客户,他们也很看重这部分群体。因为对于线下零售来说,最重要的因素是选址,而线下零售辐射的都是周边 5-10 公里的人群。


因此,不能只靠零售企业自身的数据,必须补充外部的数据,比如商业 WIFI、运营商、腾讯或者京东的数据。基于这些应用的 LBS 定位,就可以根据这些第三方数据,补充王府井百货数据的不足。


在数据进行清洗、降噪之后,再基于人或者场为主题,建立不同的数据(库表)和数据的结构。杜晓梦介绍,在这个过程中,百分点经历了王府井百货从传统企业到数字化转型的整个过程。


随着人工智能技术的发展,百分点也将相关技术融入到大数据分析,比如在零售体系中,如果要进行潜在客户的挖掘,那么就可以通过潜客挖掘模型来进行,以 SK-Ⅱ为例,百分点会找出哪些品牌与 SK-Ⅱ关联性很强,再结合业务人员的经验,将业务规则和人工智能学习的结果进行合并,作为最终模型的基础。而当模型搭建完毕,人工智能就可以自动根据消费者每天的购买情况,帮助 SK-Ⅱ选择他可能的受众群体。


「我们会帮助 SK-Ⅱ等品牌去利用模型出来的数据,对比随机筛选的数据,从引来的客户数或引来客户相关联的购买,都是百分之两三百的提升。」杜晓梦说。


技术的本质不是为了更复杂,而是实现业务价值


百分点成立于 2009 年,那时的大数据技术还处于萌芽期,而作为一个创业公司,百分点集团董事长兼 CEO 苏萌认为,相当不容易,比如客户不信任他们。


但是,对于技术提供者来说,可以通过 AB 测试展示自己的技术实力,与其他强大的竞争对手直接 PK。


2016 年,为了赢得新华社这个客户,百分点要跟阿里,华为这样的巨头竞争。那时,他们整个团队,连续奋斗三个月,几乎每天都是凌晨一点之后回家,通过在文本分析和语义挖掘领域的技术积累,最终拿下单子。


然而,作为 TO B 的技术公司,技术并不是最大的挑战,因为技术可以 PK 的,而如何评估技术实力,也很容易,比如根据一个场景,测试各家产品的效果和效率即可。


更多的挑战在于取得合作之后的推进。


首先是对业务模式和需求理解的不一致带来的大量沟通。比如,百分点要将客户的数据进行拉通,那么,拉通的结果和拉通的范围到底如何?


杜晓梦介绍,有的时候,他们的理解与客户的理解并不相同。一方理解的可能是基于一个单点或者网点进行内部的数据拉通,另一方则可能认为基于全国范围进行数据拉通。


不同的时间段如何结合客户业务的优先级,将数据拉通到何种程度,百分点就需要与客户不断沟通,调频,将认识建立在同一个层面。


很多客户希望能够马上短期见效,但是大数据分析技术本身就是一个长期的过程,「所以我们要给他说清楚,这是一个三期的项目,第一期做什么,第二期做什么,第三期做什么。比如,第一期是搭建完善的底层平台,接入全部数据,虽然第一期不能立即看到应用层的效果,但它对于整个大数据战略的推进是非常重要的步骤,如果底层地基不够完善,在上面做应用,未来的效果就不会很好。」


「这也是一个不断去说服客户优先级的过程。」杜晓梦说,「90% 的问题都是沟通问题,如果开始的沟通不是特别深入,完整,对要做的事情,双方没有统一的认识,而在执行时,客户也没有过多关注,如果等客户看到结果时,才会发现跟他的预期不一致。」


而为了避免客户的预期与成果不一致,百分点还会将沟通结果落实到文件中,在进入项目之前,先撰写 SOW(工作说明书),通过 SOW,表明项目的范围和程度。


PK 可以解决来自技术上的竞争,对需求的认识不一致,可以进行沟通。然而,接下来的认知壁垒更具有挑战性。


企业如果要使用数据,就必须将所有数据打通,而很多数据分散在不同的部门,但很多时候他们并没意识到数据分享的价值。


如何解决这样的问题?杜晓梦认为,大数据项目一般都是一把手工程,如果从高层往下推动,会更容易。而在跟科技部门或者技术部门共同推动大数据项目时,一定要让各个业务部门都参与进来,让他们从一开始就参与这个项目中,对接他们的需求,让他们有参与感,而做出来的系统和应用也需要反哺业务部门,给他们带来价值。


「让他们了解将数据共享给你之后,你能给他带来什么东西,从而克服他们不愿意共享数据的问题。」杜晓梦说,「技术的本质不是为了做得更复杂,而是为了实现业务价值,发挥数据和技术的价值,帮助带来可见的收入和新客户。」


杜晓梦认为,这是在她推动这些项目的过程中,感受最深的地方。


本文由机器之能原创出品,版权归作者所有,转载请查看要求,机器之能对于违规侵权者保有法律追诉权。

入门

登录后评论

暂无评论

来抢沙发呀~