比如，什么是用户运营？用户运营和用户行为分析的区别是什么？数据和AI驱动运营的核心是什么？如何用人工智能、大数据来持续的提高用户活跃度、下单率、复购率、价值度？
简单来讲，我们可以把智能用户运营理解为以用户为中心，实施一整套AI驱动的用户运营优化策略。
一般来说，大型互联网公司内部“从BI到AI”产生智能化用户优化的路径，可以分为几个步骤：第一步，数据的采集与架构搭建；第二步，在此基础上对用户进行有效分析，包括探究深度行为；第三步，对用户进行360度画像分类；第四步，开启运营活动之前建立AI模型、基于用户生命周期进行个性化营销等各种方案，最终找出最佳的决策，智能优化。第五步，输入智能决策，开启运营活动，分析运营效果，通过AB测试等方法进一步优化运营效果。
iCDO：那么，用户运营的目标或者衡量标准是什么？
宋碧莲：用户运营的最终目标肯定是业务，或者说业绩的增长，具体可以体现在用户活跃度、下单率、复购率、价值度等指标上。
iCDO：从18年开始，大家的关注点从增量用户转为存量用户，是否也正是在这一阶段，大家开始关注用户运营，追求精细化，或者说数据驱动的运营？
宋碧莲：是的，实际上这是一个非常明显的趋势，一方面，互联网行业已经成为中国支柱型产业，用户数量基本是欧洲和美国的总和，现在也进入了饱和阶段，大家都是互联网用户了；另一方面，经济大环境发生变化，坦白讲，大家拉新的预算减少了。
在这种情况下，谁愿意多花点细功夫，谁就能赢得用户的心，我们看到许多做的好的品牌，都是在围绕用户，进行细分，然后不断去开发不同的运营策略，非常细致。
用户运营的意识在变得越来越强，但我们也必须看到，大部分企业运营理念和能力还停留在很基础的阶段。
比如，大部分互联网企业知道如何烧钱买流量，但流量来了没有办法进行科学的转化，这也是为什么我们看到90%的互联网平台都属于昙花一现。
这是一个巨大的痛点，也是一个巨大的市场需求。
因为团队主要来自硅谷，比如Linkedin、eBay、Amazon、Google等等，我们在这块相对经验会多一些，也可以比较明显看到中美用户运营方面的差距，比如，美国的用户运营、数据分析能力和AI应用就相对成熟，单从用户运营的工具层面来看，国内市场比国际市场要落后十年左右。
所以，我们希望把相对领先的用户运营的技术和方法论产品化，能够真的帮助中国企业把流量后端的运营抓起来，带来实实在在的业绩回报。
iCDO：美国的代表厂商有哪些？他们的特色或者说国内可以借鉴的地方是什么？
宋碧莲：最前沿主要是两家，一家是Salesforce，起家是做销售端的CRM，2018年，Salesforce开始和谷歌分析合作，把前端的营销数据打通，形成基于CRM的用户运营和预测营销，目前，主要是以2B为主。
另一家是Adobe，是从数据端起家的，比如，Ominiture系列的数据分析工具，但是没有营销云产品，18年收购了Marketo，开始整合数据和运营。
这两家公司就是世界上营销自动化最强的公司，他们都希望未来发展成营销智能化公司，所以Salesforce推出了爱因斯坦，但是场景基于CRM还不够丰富，自己没有基于互联网的整体应用，只能选择和Google分析合作。
Adobe 目前落后一步还没有推出AI产品。他们两家也都是各自都希望做到数据可以驱动运营，但是因为数据和营销自动化是分别收购的不同公司的产品 ，很难真正打通。 他们也分别希望既有2C的营销云，又有2B的销售云。
Datatist 是基于以上的痛点，真正将数据和运营打通，并且创造了AI运营大脑，在营销自动化之外更可以进行营销智能化的产品，并且既有面向2C消费者的又有面向2B采购商渠道商智能运营的系统。
Datatist完成了从BI到AI，从提供工具到追求效果，从营销自动化到智能化，从线上到全渠道的突破，目前完成各行业头部国内外品牌客户的应用落地，无论拉新，活跃，复购，交叉推荐，价值提升等各种营销场景上，都达到了3-10倍的稳定效果提升。
iCDO：那么，Datatist在国内的主要竞争对手是谁？主要是做用户行为分析的厂商吗？
宋碧莲：表面上大家都是做运营，但实际上不太一样。一方面，同行主要是以产品运营为核心，Datatist所有的策略和优化都是基于用户；另外一方面，大家强调的用户行为分析，在我们看来属于一个基础的功能，是必须具备的。
其次，实战经验是需要落地到业务中提升业绩的，这是一个非常大的挑战，Datatist团队在营销和用户运营这个方向做了很多年，大家过往的工作背景，还有包括我们创业以来一直的方向都是围绕用户运营，所以能够琢磨出一套行之有效的方法，并且可以标准化、产品化。
iCDO：能否列举一个具体的案例，或者应用场景？
宋碧莲：好的，我们可以具一个金融行业的例子，我们的这个客户是国内金融界科技实力最强的集团之一，也非常重视大数据、人工智能等领域的开发，希望通过AI技术提高品牌粘性、品牌活跃度，挖掘用户的价值，从而对他们进行精细化运营。
接下来第二步：搭建基于Hadoop spark 等的私有化部署的云平台。这是集团级别的超大型系统，云平台规模相当大，并且要同时支持离线和实时两种模式，支持集团很多部门（主要是业务和数据）不同角色的需求。
第三步进行分析，包括行为路径分析、漏斗转化分析等，这是用户运营分析非常重要的一环。在这里提一点，运营分析是分为运营前分析（pre campaign analysis)和运营后分析（post campaign analysis)的。每次运营之前我们都需要用分析中心进行挖掘 ，找到运营的问题，定位出运营优化的方向。运营做完之后，要复盘用户的转化漏斗、转化路径，并且由于之前做了A/B测试来判定不同人群，所以需要反复对比。
与此同时，不同的活动完成后，我们也要去做渠道归因，评判这个活动是否能带来合适的转化。有时候，平台系统能自行生成事件分析，但数据人员可能还希望能够自己做深入研究。所以，我们还提供一个强大的BI分析工具，可以自定义任何分析，自由挖掘任何想要的分析结果。
为了做好精细化运营，最关键的一环是，对用户进行合理的标签与画像。可能一提到画像，大家的概念就是标签，但很多时候还要做高级分类的画像。
有了这些标签和画像后，我们就要对用户进行有效迁移。可以根据不同的运营目标，应用不同的算法建立预测模型，将可能转化的人群精准定位、转化，这和市面上的“千人千面”不是一回事（Datatist的做法是提高人群精准度，千人千面是提高内容匹配度）。
可以明显看到，新方法用了一半的成本，却达到了1.6倍的转化人数，效率提高了3.2倍。看到效果之后，我们就做全线推广，帮助该大型保险企业月活突破至千万。
不仅是在金融保险行业，我们在新零售、电商、互联网等其他行业也做出了很好的效果。比如将来伊份复购转化率提高12倍、将世纪缘珠宝复购转化率提高9倍以及将伊米妮的投放ROI提高达580等，塑造了很多融合业务场景的经典案例。
iCDO：Datatist已经有不少行业的头部客户，最后，我们想了解您当初为什么会选择回国创业？
宋碧莲：毫无疑问，国内的市场更大；另外，美国在全球数字化运营理念和方法都最先进，而我们团队发明的AI运营非常行之有效，一直希望将AI运营这个新技术可以推广到全世界。
此外，这也和我自身的背景有关，十几年前在国内读书的时候，就很看好数据和营销、运营的结合，商业智能是未来的主流，但是这个方向对人的综合素质要求特别高，既要懂商业，又要懂AI还要会编程，还要懂业务，有实际行业经验。
我花了二十年积累经验，先学计算机，搞明白编程和数据分析，然后又学了商业管理和优化的博士，后面又专攻机器学习博士后，完成了商业智能的各种技能。再在工业和互联网行业实践达到百发百中的效果。现在围绕智能运营的创业 ，就是将这个技术标准化产品化出来，都是当初那条线的延展。因为这样的人才全球太稀缺了 也太难培养了，但是数字化运营企业又等不及人才的供应，所以需要制造机器人AI运营团队来帮助企业快速实现运营目标。
三年前，选择回国，一方面市场时机成熟了，另一方面，在美国组建的团队也都愿意回来跟着干，我们中国人讲究的天时地利人和，都齐了，回来也就是自然而然的事情了。
宋碧莲（Sophia），上海画龙创始人兼CEO，美国最顶级研究机构NSF（美国国家自然基金会）机器学习方向博士后；香港理工管理优化博士；在eBay工作期间最早提出了以用户为中心的个性化市场运营优化策略，为eBay挖掘出价值数亿美元的市场营销机会；将AI和优化结合，创立了AI驱动用户运营优化的新理论，并在LinkedIn最早应用实践，将LinkedIn用户活跃度最高提高28倍，被LinkedIn CEO誉为最好的AI商业分析师，获得LinkedIn改革奖。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：SEO优化专员，转转请注明出处：https://www.chuangxiangniao.com/p/956897.html
