正在播放国产一区_亚洲精品字幕在线观看|HD中文字幕在线播放,少妇莹莹的放荡生活,日韩欧美综合一区,国产欧美一区二区三区96精品

在企業服務用戶的過程中，隨著用戶量和數據量增長、數據維度愈發復雜，傳統規則和人工操作很難滿足海量的數據匹配與挖掘需求。為了在快速變化的市場環境中維持最優的增長效果，同時建設好“以用戶為中心”的用戶運營體系，每個企業都希望能夠在最短的時間內達成目標。這時候企業通常會關注到一種解決辦法：算法模型。不過，算法模型在應用的過程中面臨著前期投入高、維護復雜、準確性浮動、性價比難以衡量等問題，讓很多營銷增長團隊決策是否要“上算法”、“上什么算法”、“上了算法是否有用”等問題上反復衡量，一直很難下定決心。今天這篇文章，我們帶著7個關于算法的問題，采訪了明略科技集團資深全域增長與運營專家團隊。看了今天的文章，相信“上不上算法”，您一定會有一個更深入的了解。

問題1 如何判斷一個企業是否需要“上算法”？

其實這個是在解釋“為什么”需要上算法的問題，最簡單的判斷標準就兩個字：“瓶頸”。在業務增長上遇到了某種“瓶頸”，現有的方式無法突破，企業里沉淀的用戶數據感覺沒有發揮價值，這種時候可以考慮“上算法”了。

1）縱向“瓶頸”在“以用戶為中心”的運營場景下，無法更加深入、精準地對人群進行觸達和精細化運營服務。比如，公域投放中，媒體標簽不足，無法通過現有的標簽體系進行更精準地投放；現有的投放ROI一直難以提升等。私域運營中，規則類標簽和簡單計算不足以滿足目前的用戶管理和精細化運營需要。 

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

另外，還有一些內部交叉銷售的情況，希望在內部復雜的子品牌體系中橫向拓展，交叉銷售。這些場景其實每一個ToC業務都會遇到，我們判斷“瓶頸”的標準是，現有的規則方式、人工方式無法滿足需求、效率過低或者持續無顯著增長，就可以考慮“上算法”了。但是，如果品牌剛剛起步，數據積累不足或是通過人工或簡單程序化的方式可以進行維護，目前也可以不用考慮。

問題2 “上算法”的優勢VS局限性是什么？

算法本質上是幫助企業進行數據能力的構建，當數據多了之后，普通的處理方式效率低、速度慢，沒辦法滿足需求，這個時候就需要利用AI算法高效達成計算目的，輸出相應的業務需求。在業務增長中，如果使用算法，主要會為增長體系提升以下幾方面的能力：

• 高維數據分析挖掘能力，解決數據量大、維度多無法快速統計分析和整合用戶數據的問題。
• 個性化匹配能力，快速尋找合適的人群，進行產品、內容的個性化匹配。
• 精細量化能力，能夠把業務優化問題（例如提升GMV），層次化地分解成對多個過程數據指標的監控和優化問題，有針對性的對不同環節地進行預測診斷和及時干預。
• 全局優化分配能力，在對業務場景問題（例如預算分配）進行合理的抽象后，可用運籌學模型計算全局最優解。

當然，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、可量化的評價標準；需要完備的數據鏈；需要業務場景特點與模型假設一致，同時也會存在相較人工經驗相比業務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務場景？

通常，算法會幫助企業基于現有的多維用戶數據進行分析挖掘，我們總結了一下基本的應用場景：

• 用戶行為趨勢預測，包括對人群的轉化傾向、復購傾向、留資傾向做預測，以幫助業務端進行營銷的決策。
• 個性化匹配，通過細粒度的人群規劃進行觸達渠道、溝通時間、產品優惠、推薦商品等匹配推薦，幫助多產品線企業做到搭售與交叉銷售推薦。
• 全局優化分配，比如對整體的預算、流量進行分配，或進行整體的成本控制。
• 營銷策略自動調優，能夠實時對營銷策略進行調整，并對營銷活動進行監控預警。
• 營銷效果測量與持續優化，通過營銷歸因、收益測算、策略對比等，幫助企業在策略選擇上不斷優化，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，針對增長運營中可拆解和量化的問題環節，明略科技目前均有相應的算法提供可持續優化的決策支撐。算法模型的構建從狀態/意圖識別、個性化匹配、全局優化分配、投放控制、效果評估這幾個方面看，我們總結了一下常見的一些算法。

1）狀態/意圖識別類此類算法通過識別用戶意圖預判用戶生命周期狀態變化，衡量個體對不同渠道/內容/時機的觸達敏感性。包括類似轉化傾向、復購傾向、留資傾向、優惠敏感度等算法。

2）個性化匹配類這類算法，主要以狀態/意圖識別類的預估結果為基礎，預估不同觸達策略對于個體用戶的收益，產出基于收益的觸達動作/內容的排序。比如通過算法輸出，對個性化素材、個性化渠道、優惠策略和商品進行精細化的用戶觸達。

3）優化分配類這一類算法通常以個體收益的預估結果為基礎，對營銷資源做頂層的優化分配，實現給定成本下的全局收益最大化。比如，進行媒體投放預算分配、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估制定活動執行節奏，使用預測控制等算法對活動執行的節奏進行科學的控制和矯正，應對投放中的各類外部規律變化。比如智能出價和智能流控。

5）效果評估類這類算法以小流量實驗等為手段沉淀迭代運營策略，通過AB實驗等方式評估對比策略效果，通過歸因模型等手段科學量化增長貢獻，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產品都會有一些預置算法，基本上是一些通用性較高，不受用戶類型和時間影響的算法，比如lookalike、營銷決策自動優化等算法，同時也會支持A/B test等實驗模塊，方便快速對比算法的實際效果，在一定程度上，也已經滿足了很多企業的需要。但是如果涉及到一些個性化的需求，比如個體消費者復購傾向預測、差異化定價/補貼策略、sku交叉銷售等，就需要進行算法的定制化了。

問題5 算法很復雜，真的能用起來嗎？

算法模型確實是一套比較復雜的體系，企業部署的CDP產品，常規界面是可以讓業務人員或者運營人員進行操作的，但是算法模型目前還不能完整做到去代碼化，很多時候需要數據科學家的支持。我們在服務企業的過程中，看到很多大公司會建設算法、數據團隊。通過對自己內部數據的理解，結合CDP、MA等工具，對算法的建設、使用、迭代和優化。不過這樣的方式有時候因為算法不夠貼近業務，在準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品及運營服務的團隊合作。明略科技的團隊中包含數據科學家、業務專家等多重角色，可以快速根據企業的需要設計出對應的算法，幫助企業從零到一，將算法跑起來，應用并迅速驗證效果。

問題6 怎么衡量投入產出比？

這個確實是一個很實際的問題，也是很多企業關注的問題。通常我們衡量投入產出比，要先評估算法的難易程度、投入情況，再去比對效果進行評估。如果是剛剛我們說的產品內常規的一些基礎算法，基本上在購買產品中預置了，這一部分的投入其實是相對較小的。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雜程度和后續帶來的效果這樣一個實際的轉化情況了，我們目前會采取一些小范圍驗證的模式，先用一個項目、或者一個活動去做一次算法模型的實際驗證，看到轉化后，再測算轉化率，這時候就能算出來大約的一個轉化情況了。

問題7 可以舉一些實際應用的例子嗎？

之前我們的一期節目里有講過一個母嬰品牌的案例，他們主要是構建可一個因果推斷的模型，經過驗證確實是在轉化率和客單價上都有明顯的提升，比如轉化率提升300%多，客單價提升42%。

另外，比如我們服務企業的項目中，像是這樣一個優化分配類的算法，我們通過對業務目標的拆解、對數據進行整理和輸入，最終形成一個非線性需求規劃的算法場景，幫助企業在公域營銷場景下的做到預算全局最優分配。這樣一個案例大大提升了企業對公域投放分配的測算效率和準確性。

另外，再舉一個效果評估類的算法案例。比如這個，我們其實是通過對用戶購買路徑的購買進行一個歸因分析，最終將用戶購買路徑上的潛在重要節點進行梳理，方便后續進行投放資源的優化和分配，以便于精準觸達。

以上，我們就算法相關的問題進行了一個拆解，我們認為以CDP+MA為核心產品的全域用戶增長體系中，算法模型是復雜體系中提升數據整合和分析能力的關鍵。明略科技在持續不斷服務企業的過程中進行積累，并提出“腦”+“手”結合的模式來幫助企業實現全域精細化運營。以CDP為“腦”提供全域數據整合分析能力，實時感知企業當前狀態，以MA為“手”提供用戶敏捷運營能力，給企業提供實時最佳體驗，結合企業的數據、業務與運營情況，為企業搭建以用戶為中心的全域運營與增長體系，幫助企業持續增長。