:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

Posts Categorized / Enterprise

  • Dec 07 / 2017
  • 0
Enterprise, Ideas

锐眼洞察 | Apple AI&AR 战略解读(翻译)

作者:CB-Insights

原文:本文为《Apple Strategy Teardown》报告的部分内容

译者:TalkingData解决方案架构师 Aaron Yue

本译文禁止商用,转载请注明译者与来源!

TL;DR

个人计算机的发展总是特立独行的,目前个人计算机领域正在寻找下一个“爆发点”,诸如医疗、AR、无人驾驶等等,同时个人计算机还保持这个消费类硬件产品的“领头羊”。随着AI战斗的打响,在智能手机增长放缓的情况下,苹果如何 能在这么多的“馅饼”中分得一块,如何重塑自己的第三次“暴涨”呢?

在需要方面,苹果仍然使用史蒂夫·乔布斯的形象塑造着公司:反传统的、精细的产品。但是如今,苹果正处在一个十字路口,在 CEO 蒂姆·库克 的领导下,苹果抓住了很多新兴的技术,但是也引发了很多新的问题。

首先,什么是下一个苹果?

为了寻找下一个浪潮,苹果显然是扩大到了增强现实技术和Apple Watch、 AirPods无线耳机等无线穿戴领域。苹果的HomePod扬声器系统虽然推迟了,但仍准备将Siri的足迹扩展到用户家中,并成为亚马逊巨作Echo设备和随行虚拟助理Alexa的竞争对手。

但接下来的“大单” – 在iPhone上成规模的成功和增长动力 – 尚未确定。是否是增强现实技术,医疗保健,可穿戴?还是其他?尚无定论。苹果公司一向以隐秘著称,企业的一举一动,都会带来各种的传言和流语。

苹果目前被任务正在开发增强现实耳机、车载连接软件、转型医疗设备和应用,以及智能家居技术和新的机器学习应用。

我们通过苹果的专利、收购、收益以及最近的产品发布和组织结构来挖掘, 暗示苹果如何进行下一次自我改造。

鉴于苹果的规模和知名度,我们不会覆盖其业务的每一个方面,也不会重复旧消息。但是我们关注的一些主要领域包括:
苹果公司通过增强现实和电池效率的可穿戴设备(包括增强现实眼镜)大胆打赌了后智能手机世界。

有强有力的证据表明,苹果公司正在再次积极地“蚕食自己”,把大量资源投入到消费技术领域, 这可能会使自己的iPhone过时。增强现实是公司最大的赌注。新的AR应用程序正在开发中,并且有新的证据表明AR眼镜也在开发中。苹果手表等可穿戴设备和AirPods等入耳式设备已经允许苹果的客户在没有iPhone的情况下拨打和接听电话。

库克表示,苹果公司的可穿戴设备业务规模已经足够大,可以列为全球财富400强企业。这意味着苹果手表和AirPods的年收入将达到$ 27B或更多。

同时,iPhone X背后的红外摄像头技术也可以支撑苹果未来的增强现实技术。苹果公司甚至将全息图视为可能的用户界面。

AI是苹果的一个致命弱点。

尽管苹果最近以大约2亿美元的价格收购了一些人工智能(AI)公司,并且在苹果公司2011年推出其虚拟助手Siri的初始领导下,苹果已经在机器学习,自然语言处理等领域割让给谷歌,亚马逊等等。苹果在这一领域的专利组合也相对较弱。 也就是说,苹果在过去的5年里已经完成了11个人工智能相关的收购,并且有能力设计自己的AI优化​​的GPU芯片 – 像谷歌和亚马逊等竞争对手所没有的。

无人驾驶汽车似乎已经消失,并转向了无人驾驶软件和技术,如光和测距探测传感器(LiDAR)。

我们深入了解了苹果汽车项目上的哪些信息,以便猜测苹果希望从一个曾经雇佣过几百人的项目中拯救什么。

苹果公司在媒体和娱乐领域正面临另一场艰苦的战斗。

虽然目前苹果的服务和媒体(包括应用程序商店,iCloud和苹果音乐)成为公司增长最快的业务部分,但是苹果也面临着一个优先领域的竞争:原创内容。与Netfix,亚马逊,甚至Hulu相比,苹果对原创内容游戏的推迟。考虑到苹果公司的1B内容预算,除了大规模收购之外,关键的招聘可能还不够。

也许令人惊讶的是,苹果的工作重点仍然倾向于硬件工程。

这引发了一个理论,即苹果越来越关注硬件服务。 即使有八万人,苹果仍在继续支持其硬件和软件工程。尽管公司越来越重视人工智能,服务和软件,但它仍然在硬件部门不多的情况下,招聘更多的硬件开发人员。

我们也看看苹果公司在网络安全,电池技术和医疗保健等常被忽视的领域的实力。

苹果公司显然希望通过Watch产品成为消费者健康和预防健康的中心。

目录

一、组织与重点

1、组织结构图

2、开放的工作列表分析

3、收益趋势

二、未来的定义举措

1、人工智能

  • AI并购趋势
  • AI专利趋势

2、增强现实

  • AR并购趋势
  • AR专利趋势
  • AR收益发展趋势与未来产品

组织与重点

苹果仍然是一个自上而下的公司,CEO控制了很大一部分

苹果依然是一个严格的自上而下的公司。史蒂夫·乔布斯团队长期信任的成员,现在的CEO 蒂姆•库克最初被聘请出康柏,以改造苹果破碎的供应链。

与乔布斯的风格相反,蒂姆·库克是一个“无情的系统家伙”,他通过管理业务中不起眼的部分而上升到了乔布斯的圈子里。

今天,乔纳森·伊维似乎已经掌控了苹果的设计主管,而乔布斯曾经担任过这个角色,库克则管理着其他所有事情。

根据苹果在其网站上的关键人物网页,蒂姆·库克有17个直接的报告,包括伊夫,首席财务官卢卡·马斯特里,首席运营官杰夫·威廉姆斯,以及各种SVP和副总裁。

苹果公司的领导者结构图:

截止17年11月16日

2.png

苹果的保密程度延伸到了组织内部,每个项目都需要一个可知基础。一个团队往往不知道其他团队正在做什么,并会故意将团队之间分开。前硬件主管乔恩·鲁宾斯坦曾对“商业周刊”说:“我们有单位,就像一个恐怖组织……一切都在需要在可知基础上。”

值得注意的是,苹果是一个“功能性组织”,这意味着它不会按照产品线划分自己。

以iPhone或Mac为例。相反,苹果是由功能组织的,所以菲尔席勒的营销组织负责所有产品和地域的市场营销。鉴于公司在软件和服务,电话和计算机硬件方面的多元化业务,这无疑又是一个笨拙的结构。

但与此同时,这种结构允许苹果保留所谓的创业心态。 (相比之下,在一个更传统的组织结构图的分公司中,产品副总裁可能会为了他们的工作而保留陈旧的产品。)

谈到并购活动,苹果的收购焦点集中在支撑当前的主导产品。在过去的十年中,这就是iPhone和iOS,正如Above Avalon的分析师Neil Cybart指出的那样,Mac曾经是同样的道路:

“从1997年收购NeXT开始的10年时间里,除苹果以外的所有收购都与加强Mac平台有关。虽然这可能不会成为当时苹果产品线的完全冲击,但值得注意的是,并购并没有被用于iPod或扩展到其他产品类别或行业。苹果然后经历了有限的几年 从2003年到2007年没有任何并购活动。虽然当时外界并不知道,但这个“缓冲区”最终成为iPhone发展的关键时期。自从获得P.A.在2008年半年,除了一次收购之外,每一次收购都集中在加强iPhone和更广泛的iOS平台上。这个新的iOS焦点引发了并购速度和购买公司所花费的现金数量的显着增加。”

根据2012年由Dan Lashinsky撰写的“Inside Apple”一书,内部的工业设计师们一直都是“不可撼动的”,但随着iPhone和iPad成长为公司最重要的产品,“公司最酷的团体成为了手机操作系统的软件工程师们。“但是,5年后,硬件工程师比苹果软件公司更受追捧。

苹果仍然在招聘更多的硬件工程师

截至2016年12月31日,苹果的直接员工人数约为8万人。为了了解希望增加人力资本的位置,我们最近从其网站收集了数据,打破了7000多个公开招聘信息

其中,硬件工程占有重要地位,约占34%。

其次是软件工程,约占28%,其次是销售(9%)和运营(8%)。

对于一家宣扬不断增长的服务业务的公司来说,竞争对手都在专注像AI和AR这样的领域工程师,苹果却专注于招聘硬件工程师,这有些令人惊讶。

苹果公司的开放职位列表:

截止17年11月1日

3.png

苹果最近做了几个关键的招聘。该公司说服了前巴宝莉(Burberry)首席执行官安吉拉•阿伦德茨(Angela Ahrendts)领导其零售店(现在它已经更名为“市政厅”,旨在将公司开放到更加现实和前瞻的位置) 。在六月份,该公司从索尼手中挖走了好莱坞的两位老兵,在Eddy Cue的带领下,将其价值达到了1亿5千万美元。

此外,据报道,苹果公司在以色列拥有1000名工程师,专门从事ARKit工作。

财报显示,苹果正专注于扩大市场, 如印度和新产品(Apple Watch & AirPods)

除了工作列表之外,我们还挖掘了苹果的年度财务情况,并突出了相关关键字,并使用不同的颜色表示了其重要性。在过去的5年中,iPhone是主导,以及其他主流产品iPad和Mac等。

报表中显示,多年来,经常提到像中国,巴西,俄罗斯和美国这样的地区,但在2017年,印度似乎成了一个新的焦点。苹果越来越期望像印度这样的新市场取得增长,在中国和美国等更成熟的市场中,增长开始放缓。

财报显示苹果最新的重点在新的市场和产品。

财报中最重要的关键字:

2009-2017年至今(11/17/17)

4.png

AirPods、Apple Watch和增强现实也越来越多地被提及。

苹果一直在强调其在“服务”(即软件数字购买和云服务)方面的强劲表现,其中包括苹果音乐。但是,正如我们在招聘和其他领域所看到的,硬件仍然是一个焦点。

随着手机普及率的提高,苹果应对“升级速度”的策略正在放缓,“高端”边缘市场成为另一个主题。在这里,苹果解释了iPhone的销售放缓以及为了赚取客户更多的收入。

与自称是人工智能第一的公司谷歌相比,Google经常在财报中提到人工智能,而苹果公司高管在财报中并不强调人工智能。

未来的定义举措

人工智能是苹果的致命弱点 – 公司正在转向并购以加强其人工智能能力

当揭开AI大战的帷幕,苹果似乎落后了。

根据第三方数据来源Verto Analytics的统计,去年苹果公司的语音助理Siri的使用率下降了,而亚马逊的Alexa的使用率却在增长。

苹果希望用HomePod扩大Siri的足迹 — Apple的HomePod本来是与亚马逊的Ech和Google Home进行竞争的开始。但本月早些时候,苹果公司宣布推迟HomePod,直到2018年年初(而不是2017年下半年)才会发布。

展开地说,苹果似乎有意地避开关于数据和人工智能的观点。对于如今很多公司,每一次用户交互都被抛入基于云的机器学习模型中,以帮助调整产品,比如在照片应用中标记照片。 Google照片被认为是面向消费者的一个主要的例子。

但是苹果已经采取了可能被称为“云计算”的方法,有利于在其设备上本地完成计算的模型,而不需要用户数据离开设备。

这在一定程度上是因为苹果主要从事销售设备的业务,而不是销售类似的广告空间像其竞争对手Facebook和Google试图尽可能利用云中的用户数据,以增加消费者对其平台的参与度。

2015年,蒂姆·库克(Tim Cook)承认苹果公司在隐私方面汇总用户数据的独特立场,指出:

“一些最突出和成功的公司,通过让顾客对自己的个人信息感到满意而建立自己的业务。他们正在吞噬他们可以了解到的所有信息,并试图通过这些信息进行货币化。我们认为这是错的。这不是苹果想成为的公司。”

不可避免地,苹果为了加强其产品已经向AI进行转变。今年,苹果公司推出了一款名为Core ML的新机器学习框架,该框架将为其iOS开发人员提供创建应用程序的能力,以利用机器学习实现更多的设备上的计算能力。Core ML还具有计算机视觉和自然语言处理能力,使应用程序可以标记照片和物体。

AI并购趋势

新的人工智能焦点已经在其并购活动中得到了回应,苹果公司已经成为人工智能创业公司第二大最活跃的企业收购者,过去五年共有11项与人工智能相关的收购。最近的交易包括苹果9月收购了图像平台REGAIND,并在5月份以2亿美元的价格收购了莱迪思数据。

即使只看最大型的收购,苹果公司最近也在机器学习的创业公司中的支出很大。

像Beats和Anobit这样的硬件公司已经获得了2亿美元以上的大笔收购,但在过去的两年里,Turi和Lattice都开发了水平AI,名列榜首。

苹果其他最大的收购项目包括半导体公司,包括Anobit Technologies,PrimeSense和AuthenTec。

苹果公司也正在为iPhone设计自己的基于GPU的机器学习硬件,在这个领域我们可能看到更多的收购。

苹果公司在设计专用芯片方面的优势,将随着英特尔,高通和谷歌等企业投入数十亿美元,推动数据中心和设备专用芯片的发展。

目前,芯片世界已经进入白热化,老牌企业和初创企业都在依赖知名的GPU制造商Nvidia。 苹果将设计的GPU添加到最新的iPhone上,显然是要在人工智能硬件上更加专注。 但是,这又是一个冒险,因为这需要软件和数据方面的成功。

AI专利趋势

苹果在寻求知识产权专利保护方面相当积极。最著名的是它拥有的专利,比如iPhone的包装和Apple Store购物袋等相对平凡的东西。

当然,个人专利可能只是一个潜在产品的早期草图。许多专利不等于产品。但综合起来,跨越数百项专利的活动可以揭示战略方向和重点。

按类别统计的苹果专利活动:

2009 至 2017年年初至今

5.png

 

有趣的是,苹果最大的专利部分是网络安全,自2009年以来,已经有533项专利。其次是AR / VR(253项专利),其次是无人驾驶车辆(72项)。

相比之下,只有少部分专利(22)专注于人工智能。
五大全球科技公司(市值最大的公司)之间的人工智能相关专利比较突出表明,苹果已经落后于其人工智能专利组合。

AI专利申请活动,苹果与微软、亚马逊、Facebook、谷歌 :

2009 至 2017年年初至今(17年11月10日 )

6.png

苹果的增强现实大赌注

今天,FaceID通过数千万的红外线来识别用户的脸部来解锁iPhone X,这是iPhone X最新的功能。

但是在回顾专利时,其实这个方向是清晰的。苹果在2015年拥有5项专利授权和2项面部识别专利申请。此外,2015年,苹果还收购了面部跟踪软件制造商Faceshift。

同样,今年苹果至少获得了两项专利,这些专利看起来似乎是iPhone X屏幕创新的关键:一个用于缩小设备的边界区域,另一个用于在显示器中嵌入指纹传感器。

以下是苹果公司的“使用面部识别锁定和解锁移动设备”的专利(2016年10月授予)与发布的最终产品对比图:

 

7.png

显然,苹果未来的发展方向并不是脱离专利和并购的赌注。考虑到我们所看到的数据,AR看起来应该是苹果公司的十字准线。

AR并购趋势

AR近年来一直是一个严肃的并购目标:可以说,苹果最近最重要的收购是PrimeSense,其红外(IR)技术首先在Kinect(一种用于微软Xbox的体感附加产品)内部引起轰动。正如科技公司指出的那样,最新iPhone的“刘海”基本上是一个缩小的Kinect,以用来启用FaceID。

虽然现在主要用于映射人脸,但iPhone X中的红外摄像头可以被未来的增强现实应用程序使用,以实现前向AR应用程序。例如,您可以将手机放在空地上,手机会将数千个红外点喷入该地区的轮廓,以呈现该地区的外观并自定义家庭元素。

其他AR / VR收购,如最近Sensomotoric Instruments的交易,一个AR头戴式耳机的计算机视觉公司,这可能是一个严重的饥饿扩大。早期的收购包括苹果收购FlyBy Media和metaio。同时面部识别采集(Emotient,RealFace和Faceshift)当然也可以有适用的技术。

值得注意的是,最近3000万美元收购Vrvana表明苹果正在追求AR头戴式耳机/眼镜。

Vrvana的耳机技术如下图所示,提供了AR和VR功能。到目前为止,它似乎是苹果第一个AR硬件(而不是AR软件)的收购,而且它的位置跟踪可以更快地加强ARKit。

8.png

AR专利趋势

苹果公司也正在寻找超越 iPhone物理屏幕的AR技术,例如在桌面上呈现全息图 。

下面的专利申请被称为“交互式三维显示系统”,该系统详细描述了一种系统,该系统可投影用户在空中操作的全息图像,而不需要特殊的眼镜来看它们。

这个应用程序于2012年10月被引导,并成为较大的AR应用程序的一部分,并提到了教育,医疗诊断和生物医学工程领域会作为可能的应用领域。

全息图形式的AR绝对是增强现实未来可能的方向。通过全息图AR将意味着投影机可以将图像投射到物理环境中(就像“星球大战”中的机器人一样)。

9.png

 

这样做,全息图可以消除消费者采用AR的障碍 — 笨重的头戴式耳机 。旧金山的创业公司Lightform已经筹集了近800万美元来实现这一愿景。

AR财报趋势和未来的产品

蒂姆·库克(Tim Cook)虽然经常对未来的产品感到不安,但他倾向于在采访和季度收益会议上预示苹果的举措。

为了了解将要发生的事情,我们使用CB Insights的收入记录搜索引擎,查看了公司收益财报中提到的技术和地域信息,并对它们进行了长时间绘制。我们发现:

  • 提到人工智能是最近才出现的现象,仅在16年第一季开始。
  • 自动驾驶车辆(AV)在2017年末首次被提及。
  • 到目前为止,AR / VR是我们研究的最受关注的部门,从16年第一季度开始就提到了33个提及。
  • 在最近的Q4’17会议上,AR / VR关键词被提及了15次,这使得它成为一个重大的赌注。

苹果财报分析:

AI / ML,AR / AV、可穿戴设备、医疗和网络安全的提及。

10.png

值得注意的是,苹果的AR耳机可能即将推出。不同的证据表明,苹果公司十多年来一直在研究虚拟和增强现实应用。而新的启示显示,到2020年,苹果将拥有一个独立的AR耳机。被称为“T288”的AR项目据报道由Mike Rockwell领导,这是杜比实验室的重要雇员,负责监督数百人。

该产品将拥有自己的rOS或Reality Operating System,这将是苹果移动平台的精神继承者。

在2017年6月的WWDC上,苹果首次公开发布了第一个主要工作,并推出了适用于iPhone和iPad应用程序开发人员的工具ARKit,并开放了名为CoreML的机器学习库。

在短短的几个月内,ARKit开发者已经发布了应用增强现实应用程序,可以通过iPhone 6S或更高版本到达任何苹果用户。今天,这一数字相当于381万部iPhone和设备,但到2020年,ARKit的足迹预计将达到8.5亿部。

据报道,在AR手机应用软件“Pokemon Go ”, 是AppStore历史上第一周下载量最大的软件。据说苹果还有1000名工程师在以色列进行ARKit相关工作。

现在已经有一个不断增长的AR应用程序生态系统,将iPhone变成可以说是体验增强现实最常用的设备。应用程序的范围从像宜家这样的家具零售商,让用户可以将家中的家具视觉化为儿童的教育游戏,将谜题投射到卧室的墙上,等等。

Cook在2017年初接受采访时表示,他认为AR是苹果的下一件大事:

“我认为这是一个像智能手机一样的大想法….我认为AR是大的,这是巨大的。因为那些是可以改善生活的事情,我感到兴奋和娱乐。我认为AR就像我在iPhone上看到硅片一样,它本身不是产品,它是一项核心技术。但是之前有一些事情要发现,技术对于主流来说已经足够了。”

库克也重申,“AR将会改变一切”。

根据苹果公司第四季度财报,App Store拥有超过1000款使用ARKit的应用程序。

但苹果也面临一些阻力。严重的游戏玩家和视觉开发人员绝大多数都是使用非苹果电脑来制作图形和虚拟现实体验。

一旦发布,苹果耳机肯定会与谷歌和好莱坞工作室支持的创业公司Magic Leap(自2011年以来一直专注于追求AR耳机)展开竞争。(Magic Leap或Apple都没有展示产品)。

此外,与竞争对手相比,苹果在AR / VR领域的专利组合虽然规模可观,但是微软,谷歌和Facebook在这个领域一直很积极,并且已经超过了苹果公司追求专利。

最后,虽然蒂姆·库克经常谈论增强现实,但虚拟现实大多被忽视。 Facebook的Oculus,Google Daydream和微软等公司已经开始为开发者社区开发耳机和手机,用于蓬勃发展的VR领域,而苹果似乎已经把所有的芯片都放在了AR上。

AR / VR专利申请活动,苹果与微软、亚马逊、谷歌、Facebook:

2009~2017年年初至今(17年11月11日)

11.png

  • Dec 07 / 2017
  • 0
Enterprise

锐眼洞察 | 银行创建网络末日系统(翻译)

作者:TELIS DEMOS

原文:华尔街日报12月4日报道

译者:TalkingData解决方案架构师 韩铭扬

本文禁止商用,转载请注明译者及来源!

75d8e9c5f217c53c6ace9db616da57aa169b552006f0891c6fa4e4b50769c7b7

 

 

美国各银行悄然启动了一项世纪末日计划,他们希望当其中某家银行遭受破坏性的网络攻击时,该计划将防止金融体系出现挤兑。

这个项目在今年年初正式启动,并称之为“庇护港”(Sheltered Harbor),其中涵盖了拥有约4亿美国账户的银行及信用社。项目要求成员公司单独备份数据,以便其他公司可以为某个禁用银行的客户提供服务。

当多数人担心自己的钱会被黑客偷走时,银行担心的是更加险恶的事情:攻击者会破坏、甚至锁定数据。

这样的举动可能会使一家银行瘫痪,使其在数小时、数天甚至更长时间内无法运营。如果人们突然无法访问他们在某家银行的账户和资金,其他银行的客户可能会感到恐慌,认为他们自己可能也易受攻击。这可能会促使客户预防性地把资金提取出来,在最坏的情况下,这会引发更广泛的银行体系挤兑。

“到目前为止,多数人认为网络攻击就像是信用卡被盗一样,”来自麻省理工学院斯隆管理学院的信息技术教授Stuart Madnick说道,“你现在谈论的是一场核攻击:如果你不能到一个ATM处并使其工作的话。”

尽管在9月份披露的Equifax公司遭黑客攻击事件中,数据只是被窃取而非损毁,但那起数据泄露事件提醒人们,消费者是多么的易受攻击。Equifax黑客事件泄露了大约1.455亿美国人的重要个人信息。

令银行感到尤其不安的是,政府可能难以平息黑客引发的恐慌。

美国联邦储备委员会(Federal Reserve)和美国联邦存款保险公司(Federal Deposit Insurance Corp.)等机构早就有致力于恢复对银行和金融体系信心的机制。这些机制包括美联储的贴现窗口(discount window),允许银行在困难时期借钱;以及联邦存款保险公司的存款保险担保,确保多数银行客户不会因为银行破产而陷入困境。

然而,这些机制是被设计来应对那些通常由于有关企业偿付能力或资金流动性的问题而引发的银行破产。他们并没有解决人们对于有一天ATM可能会因为网络攻击而无法使用的担忧。

美国官员长期以来一直承认,他们仍然担心金融数据受到攻击可能带来的信心影响,且发现难以为其做好准备。Donald Trump总统任命的下一任美联储主席Jerome Powell最近针对网络风险表示:“永远不会有任何我们已经搞定这个问题的安慰感。”

银行以及监管机构一直在努力制定对策。一种方法是进行“作战演习”,比如美国的量子黎明(Quantum Dawn),或者英国的唤醒鲨鱼行动(Operation Waking Shark)。

美国财政部在2015年进行的一项名为汉密尔顿系列(Hamilton Series)的演习中,银行家们了解到,即便是小银行的数据遭受破坏,也可能动摇人们对整个体系的信心。在非正式的“伙伴银行”(buddy bank)体系中,两家地方分行同意在发生危机时相互帮助对方的客户,但这不足以消除系统性的担忧。

尤其是对大型银行而言,这种经历强化了这样一个现实:尽管一些机构可以在网络安全上投入巨额资金,但如果整体可信度丧失,它们仍可能处于弱势。而且,利用小型银行促进数十亿美元移动支付或数字贷款的技术公司的激增,意味着任何机构都可能成为系统中的关键环节。“2008年时还不存在这种程度的对于网络攻击的脆弱性”,耶鲁大学管理学院教授Paul Bracken表示,他自上世纪90年代就与银行开发了作战演习场景。“问题在于如何处理…进入系统的新端口,”他说道。

“庇护港”是其中一种解决办法。这一项目的成员涵盖了从小型的、地方性机构到像美国银行、花旗集团和摩根大通这样的大型机构。其34人的董事会由各大银行、小型企业集团、行业协会、清算所、以及经纪商的代表组成。

该项目是由高盛的首席运营风险官Phil Venables和摩根士丹利的前首席运营官James Rosenthal策划的。两位现在是庇佑港的联合主席。

这样做的目的是确保每一家美国银行都有一些上世纪90年代以来规模最大的银行所使用的备份功能:在金库中保管,无论是数字化的或是实物,且在记录后不能更改。

为了参与,银行每年要支付基于其规模250到25,000美元不等的费用。成员必须遵循有关格式化数据、创建备份库以及提交审核的指南。目标是为了使备份数据在48小时内就变得可用成为可能。当然,任何防御都不是万无一失的。Madnick先生在MIT斯隆中心的网络安全组织(Cybersecurity at MIT Sloan)研究那些共享安全信息的行业集团。他说,这种努力在过去有成功的也有失败的,有时是因为规模较小的公司发现共享数据的成本太高。同时,备份也有可能遭到盗用。

“你必须确保备份副本不是基于已然混乱的数据的,”Madnick说道。

  • Dec 04 / 2017
  • 0
Enterprise

锐眼洞察 | 遵守这14条规则,做数据驱动而不是数据糊弄的市场营销(翻译)

作者:Scott Brinker

原文:14 rules for data-driven, not data-deluded, marketing

译者:TalkingData解决方案架构师 李堃

本译文禁止商用,转载请注明作者与来源!

Keep Calm and Use Data Wisely

保持冷静,并明智的使用数据。

我们正处于推崇大数据与抵制大数据的交锋中。一位营销人员某天晚上在Twitter上吐槽:“请大数据人滚出我的地盘”。

我承认,我对他的沮丧感同身受。但是我认为,通过恰当方式使用的恰当数据在现代营销中非常强大。正如我在一篇关于务实营销的文章中所写的那样,“在数字时代,仅仅依靠基于直觉的、经验驱动的营销决策是愚蠢的。”

但是我也得出结论:“对于大多数公司来说,明智的答案是平衡数据分析和人为判断。”

我最喜爱的全局营销(big picture marketing)专栏作家戈德·霍奇基斯(Gord Hotchkiss)最近撰写了一篇关于“在中间地带的市场营销”的文章,主张在市场营销中遇到争论与分歧情况时采用这种平衡的方法:

营销中没有绝对;中间地带是模糊不明确的。我们需要刺猬提供实现伟大营销的“大创意”,也需要狐狸引导我们成功的通过中间地带。事实上,我花在营销上的时间越多(为了避免成为“专家”而努力),我越是意识到中间地带才是有所行动之处:在定量与定性之间,在战略与大数据之间,在创意化品牌推广与直接营销之间,在科学与艺术之间。

(可以看这里快速了解关于“刺猬与狐狸”的含义,如果你还不熟悉这个比喻,简而言之:狐狸知道许多事情,但刺猬知道一件大事。)【译者注:可以理解为,狐狸为百科全书型,无所不知但缺乏深度;刺猬则为思想家型,见解深刻有但缺乏灵活】

那么,你需要知道哪些用好数据的基本知识呢?

本着平衡方法的精神,我衷心鼓励大家接受市场营销中的数据 – 但是这里有14条经验法则来保持数据的正确性、支持以数据驱动的营销的实用方法(并避免数据淹没或数据营销):

#1. 客户驱动 > 数据驱动

数据驱动的营销是好的。但是营销的目的是赢得客户(通过让他们拥有很棒的体验),因此,客户驱动的营销是更好的。当然,它们不必相互排斥。但一个是手段,另一个是目的。这提醒我们,在为了追求看上去漂亮的数据而掉进黑洞之前,停下来问问自己:“这对客户有什么好处?”

#2. 所有的数据并不相同

“数据结束争论”,可惜这并不是绝对真理。但是,在数据的包围中,想要找到支持争论中任何一方的数据都是异常容易的。但数据的准确性与相关性是不同的。这就是为什么在大数据的世界中,营销人员其实出乎意料的对我们了解甚少。更好的座右铭可能是:最准确和最相关的数据结束争论。但事实上,结束争论的是决策。

#3. 数据只是历史

数据告诉我们已经发生的,但并没有告诉我们会发生什么,尽管这与所有关于预测分析的夸大宣传恰恰相反。是的,我们应该从历史中学习。是的,我们可以从过去推断出趋势来预测未来,甚至可能是非常准确的预测。但世界在不断变化,历史的情况并不一定是今天或明天的情况。是的,弗吉尼亚有黑天鹅。事情并不总是这样。

#4. 数据总是不完整的

当然,任何一组特定的数据都可以是完整的。给我过去三年的季度销售数字:这是一个完整的数据集。但是真空中没有任何东西存在。当你依靠数据来做决策(这不就是我们的主旨吗?),你拥有数据并不是唯一与你的决策相关的数据。(“我们用我们拥有的数据进入市场,而不是所需的数据。”)总是有更多的数据,而我们无法拥有所有数据。认识到这一点有助于我们意识到,尽管我们所掌握的数据可能会描绘出一幅图画,但它至多是一幅印象派绘画。通常,它更像现代艺术。

#5。数据是客观的,但其收集和解释是主观的。

数据给出了客观性的危险幻觉。客观上,每个人都可以在电子表格中查看相同的数据。如果我告诉你的7净推荐分数,有没有说法,我展示你的号码确实是一个“7”。但是,什么是收集到的数据,当和如何它被收集,并从人几乎都是主观的选择。而另一方面,我们如何选择解释这些数据也是主观的。这篇关于大数据隐藏偏见的文章给出了几个很好的例子。它还引入了“数据原教旨主义”这个精彩的短语。

#6。任何一组数据都支持无数的叙述。

营销人员是讲故事的人,这通常是一件好事。数据可以用来使故事更具吸引力。但是,由于我们可以主观地选择如何解释数据,所以我们可以发明几乎所有我们想要的叙述。当然,有些故事比其他故事更可信。但是,这往往是模糊的线条。这就是所谓的归纳问题,几个世纪以来,科学家和哲学家一直在烦恼。不用说,没有简单的答案。但是保持观点是有帮助的:围绕数据提出的任何故事都不是唯一可以讲述的故事。

#7。策略是选择。良好的数据帮助我们做出这些选择。

我最近阐述了战略数据与数据剧院之间的区别,所以我不会在这里重复一遍。但是一个好的策略是做出选择的框架。反过来,好的数据是帮助我们做出这些选择的信息。不利于我们选择追求策略的数据是一种分心。

#8。实验是因果关系的黄金标准。

相关不是因果关系。每个值得他们用盐的数据科学家都会告诉你这一点。但作为营销者,它通常是因果关系,我们是后-我们想知道我们能做些什么,这将导致更多的客户做更多的生意和我们在一起。那么当数据显示可能揭示这种原因的相关性时,我们该怎么办呢?我们运行一个受控的实验。保持所有其他变量不变(尽可能实际可行)并测试替代方案以证明或否定我们的假设。Google每年运行超过10,000次这样的实验。这是您可以生成的最强大的数据,这就是为什么大的测试会比大数据更大的原因。

#9。观看仪表板,但也看着挡风玻璃。

我最喜欢Gord的一句话是这样一个很好的比喻:“量化是在开车的时候看着仪表盘。定性是看着挡风玻璃。“显然,我们应该做的两个。在实践中,我们在开车的时候自然地平衡了定量的(数据)和定性的(经验) – 至少我们大多数人都是这么做的。我们也应该在营销上争取同样的平衡。不要错过令人鼓舞的风景,或者迎面驶来的卡车,因为你被粘在仪表板上。

#10。数据的准确性和相关性随着时间的推移而衰减(并且通常很快)。

大多数数据的保存期限相对较短,特别是在市场营销方面。无论如何,在我搜索一辆新车的一周里,我将目标汽车广告投放在我身上 – 但六个月后,那些在市场上确定为汽车的数据只是过去的化石。有可能是知道我的一些值是在市场上的汽车,但相信我仍然是不值钱了。更没有价值,因为它可能导致你做出关于我的不好的决定。准确性和相关性使数据具有价值,但这些属性随时间而变化。

#11。数据可以用于探索(“why?”)或确认(“what?”)。

数据在被用于勘探和确认时应该被区别对待。通过探索,你正在寻找模式,见解,想法,发现 – 对新假设的启发。通过确认,你正在验证发生了什么(或不是)以及在多大程度上。然而,除非你确认了一个受控实验的假设,否则确认只会告诉你发生了什么,而不是原因。相同的数据可以在一个环境中用于确认,而在另一个环境中进行探索。知道你在做什么。

#12。有手表的人知道现在是几点钟。一个有两只手表的男人永远不会确定。

这个规则被称为Segal法则,这是每个营销人员应该知道的7项技术法则之一。世界充满了相互冲突的数据。任何曾经试图从两个独立网站分析软件包中获得指标的人都可以证明这一点。不同的工具将以不同的方式测量相同的现象 了解重大差异可能是值得的 – 理解差异的原因可能会产生有价值的见解 – 但是追逐每一分钟差异的回报会减少。在许多情况下,您不需要完全准确的数据,只需要足够准确的数据即可做出正确的决策。

#13。模型不是现实。

数据不是它声称代表的现实。充其量,这是对现实的反映,但是容易被扭曲(见上面的所有规则)。哲学家兼科学家阿尔弗雷德·科尔兹伯斯基(Alfred Korzybski)曾经说过:“ 地图不是领土”。当然,我们想要使用数据和地图。正如伟大的统计学家George EP Box所说:“所有的模型都是错误的,但有些是有用的。”但谨慎的做法是对代表性的正确性保持一点健康的怀疑态度。特别是,我们希望警惕其他迹象 – 数据之外 – 表明现实是不同的。按照瑞士军队格言:如果地图和地形不一致,请相信地形。(“地图显示没有clliiiffff …”)

#14。数据可视化可以照亮,混淆或分散注意力。

数据可视化 – 图形,图表,图表等 – 是一把功能强大但是双刃剑。到目前为止,这是我们人类看到数据模式的最有效的方法。不幸的是,无论是有意还是无意,它都可以向我们展示实际上并不真实的模式。伟大的数据可视化本身就是一门科学和一门艺术。我强烈推荐阅读Stephen Few,Kaiser Fung,Edward Tufte,Nathan Yau,FernandaViégas和Martin Wattenberg来磨练你的视觉读写能力。他们将为您的数据洞察工具箱提供一些最好的工具。

  • Dec 01 / 2017
  • 0
Enterprise

锐眼洞察 | 信息图说:食品在电子商务中占比增大(翻译)

作者:Fareeha Ali

原文:Infographic: Food takes a bigger bite out of e-commerce

译者:TalkingData解决方案架构师 张雪倩

本译文禁止商用,转载请注明来源与译者!

电子商务在美国食品与饮料的零售购买总额中只占了很小比例——2016年约为3.2%。但网络食品市场是电子商务中增长最快的类别之一,去年增长了32%,而且越来越多的消费者愿意网购食品。2016年,网购杂货的美国家庭从2014年的19% 增长到了23% 。下面是美国网络食品业的主要数据与分析。

网络食品行业概览

网络食品市场远未达到其他行业电子商务的渗透水平,如服装行业。但食品行业的规模却比其他行业大的多,因为杂货市场非常庞大——根据美国商务部的报告,有超过7万亿的市场,即使是蛋糕上的一小块也意味着很多钱。2016年,网络食品饮料销量同比增长了31.5%。随着6月份亚马逊收购了Whole Foods(全食),这一零售巨头不仅有可能使更多的顾客接触到线上食品购买,它还撼动了已经在快速增长、变化的市场。

食品市场比_翻译.jpg

行业领导者

圈圈_翻译.jpg

 

*气泡的大小打包线上食品销量,销售商种类分为零售链、仅线上销售以及邮购/电话购物。

迅速增长_翻译.jpg

餐包销售

vfdkxckvjfdk_meitu_6.jpg

餐包(译者注:半成品净菜)公司运送事先搭配好的食材和家庭烹饪说明,是增长最快的线上食品零售商。在过去的几年中,尽管面对来自创业公司越发激烈的竞争,Blue Apron一直引领着餐包市场。但对于Blue Apron和其他行业领导者来说,抵挡住新入者亚马逊仍是一项挑战。

领导者_翻译.jpg

 

文中商家:

  • Blue Apron:2017年上市
  • Amazon:悄悄地上市了餐包服务,仅在西雅图
  • Hello Fresh:宣布了上市计划
  • Plated.com:2017年9月被Albertsons收购
  • Chef’d:从Campell Soup和Smithfield Pork处筹资

将来,购买和准备食材将会十分灵活,甚至会高度自动化

——Campbell首席执行官Denise Morrison评论本公司对餐包公司Chef’d的1000万投资时说

 

*数据来源:2017 Internet Retailer Online Food Report, Cowen & Co., One Click Retail, U.S. Commerce Dep

 

  • Nov 30 / 2017
  • 0
Enterprise

锐眼洞察 | 为何需要数据来优化客户旅程(翻译)

作者:James Ovenden

原文:Why You Need Data To Optimize Customer Journey

译者:TalkingData解决方案架构师 张雪倩

本译文禁止商用,转载请注明来源与译者!

 

译者注:客户旅程( customer journey),是客户与公司或品牌交互体验的集合。客户旅程记录了客户的完整体验,而不仅仅是着眼于一次交易或部分体验。 

随着顾客的选择范围越来越广,客户旅程(Customer Journey)前所未有的重要。确实,在Salesforce最近的一项调查中,88%的顶尖营销团队说他们认为客户旅程对他们整体营销策略的成功至关重要。顾客与组织互动的渠道如今极为多样,追踪全部渠道本身就是一项工作。然而,更重要的是让顾客参与其中,并且每一步都驱使顾客购买并建立持久的关系。

要做这件事,组织就必须深度理解顾客的行为和各个渠道有何不同——例如他们在哪里离开、又通过哪条路径实现购买。他们还需要保持高度个性化来保证顾客一直参与。在最近Econsultancy与IBM联合开展的一项调查中,76%的调查对象说他们希望企业理解他们的需求,80%的说品牌并不把他们当做个体来看,只有35%的人说他们喜爱的品牌推送的信息与自己有关。

为此,多年来企业总是着眼于数据,检查历史数据以寻找相关模式,作为依据来划分受众并针对性使用营销素材来触达他们。通过像Google Analytics这样简单易懂的免费软件来分析和监控跨渠道路径,企业可以洞察行为模式相似的人群,还可以识别出曾经不被察觉就流失的机会。

预测分析再上新台阶。使用预测分析可以帮助预测顾客的下一步、流失的可能性和对特定产品或提议的兴趣。这本质上使得顾客旅程对实时事件的反馈个性化了,这样可以采取针对性措施,无论是通过发送某些促销邮件还是保证它们在实时聊天中被推送到队列前端。

在顾客旅程中成功地使用了预测分析的一家公司就是在线拍卖商eBay。比如,如果有顾客在购买之前放弃了购物车内物品,eBay就会发一封邮件委婉地提醒顾客商品还在那里。他们还用数据来发现有趣事件,既在网站上又在社交媒体上显示顾客可能会关心什么、个性化搜索结果和交易。这甚至根本就不需要产品在他们的搜索记录中出现过就能做到。如果这些人的浏览历史与其他购买过某一产品的人的相似,eBay就会知道这些用户很有可能也对它感兴趣,并依此对他们进行营销。他们还能从这一产品上明白他们想要什么。如果算法判定你是可能在寻找比如说鞋子的那类人,它还会根据家庭收入和购买历史等标准,判断出你可能想要的风格、品牌和愿意花多少钱。

然而,这还是存在隐患的,市场人需要保证不要做的太过分。当从一个渠道到另一个渠道,每次看到的都是同样的鞋品广告,感觉上就像被一双Nike鞋跟踪了。PayPal顾客体验与电子分析师Kuntal Goradia最近和我们说道:“顾客分析行业因丰富的信息而强大,不光是他们的浏览记录,还有他们的习惯,包括去了何地,喜欢在哪吃饭,在哪购物,每天走路、跑步多少,每天睡多少个小时,和谁出去玩……我们中如此多的人都用Yelp、Open table、Uber、Lyft、Amazon、Fitbit、Apple Watch和Facebook,我们难以想象没有智能手机的生活。这些公司大部分都在使用数据来创造和优化已成为我们生活中必不可少一部分的产品。但与权力相伴随的还有义务,十分遗憾的是,有些企业利用其为自己谋利。我们的监管法律跟不上创新的速度。作为一名消费者,我们必须对分享在网上的东西采取预防措施;作为商业领军者,我们需要不断推动保护消费者的法规。”

Capital One的数据科学高级经理Douglas Daly也赞同并表示:“只要数据是用来服务消费者的,深度分析是好事。然而,必须十分小心保证这些深度分析的安全性和与消费者之间的沟通,以防产生尴尬甚至更糟糕的结果。”这都没错,但并不应成为放弃使用数据来优化客户旅程的担忧,而是需要注意的事情。没有数据,客户旅程将会一团糟。

  • Nov 28 / 2017
  • 0
Enterprise

锐眼洞察 | 西班牙电信如何利用IoT和大数据建设智慧城市?(翻译)

作者:Bernard Marr 

原文:How Telefonica Is Using IoT And Big Data To Build Smart Cities

译者:TalkingData副总裁 高铎

本译文禁止商用,转载请注明来源与译者!

译者摘要:

智慧城市实施的关键

  1. 选择城市治理的关键维度(如交通还是环保);
  2. 研究清楚这个行业里面如何收集和共享数据;
  3. 规划相对好的交互平台(分析和可视化)来提供服务(如市政当局可能需要很好的可视化管理平台,而个体需要类似App这样便捷的体验)。

随着社会上各领域IoT的不断推出,我们个人和商业生活中在线设备日益增加,数据互联和共享的能力越来越强,“智慧城市”的概念正在迅速变为现实。

“智慧城市”一词,可以理解为IoT的一部分,涉及公民和市政基础设施,从公路运输到垃圾收集或配电系统。智能化技术和开放数据可以改善公民决策、优化民主选举等。

西班牙电信在这个概念上投入了大量资金,并推出了一些试点项目,许多项目正在西班牙本土城市发挥作用。

他们的智慧城市全球产品经理Sergio Garcia Gomez, 解释了如何在智慧城市中识别六个关键维度:停车位、路灯、垃圾箱、环境、交通和旅游。

这些都是城市管理的领域,通过现有或易于部署的基础设施,结合IoT方案,快速提高效率。

“我们创建了一个基于开源标准的智慧城市平台,汇集了城市众多服务的来源,将个体和公共数据混合在一起。”

“重要的是,这显示了一个城市如何从一个高效的城市,转变为一个真正智慧的城市,这些都是智慧城市在西班牙以及欧洲开始发展的典范。”

“在废物管理中,所有垃圾箱上的传感器都会实时报告垃圾箱被填满的进度,从而更有效地分配资源来清空他们。这也意味着,核心指标(PKI)与时间的影响会更紧密地联系在一起——有多少箱子接近溢出,在接下来多长时间内会被清空。而不是先前可以监控的形式化变量,譬如道路上的垃圾清理车数量。”

Garcia Gomez 认为这“改变了城市服务的方式,服务提供商可能会有若干关键指标要求(KPI),他们必须满足才能拿到相应奖金。”

智慧城市的另一个优势,是“可以创建不同应用程序,让不同的人群使用可用的工具和数据。这种情况下,公民可以使用应用程序标注邻居溢出的垃圾箱,或墙上的涂鸦。可以设定目标,来评估承包商以多快的速度纠正,并以此评估结果付费。”

传感器数据还可以和开源的人口数据结合,“譬如可以评估60岁以上的人因为垃圾箱溢出受到的影响?80岁以上的人是否会多走一公里?这些给了城市管理更好的信息,以便更好的为公民服务。”

如通过使用监控停车位的传感器,来监控智慧城市的停车场。这意味着,可以实时获得城市的停车密度信息,有助于灵活设置停车费,从而实现更均匀的停车分配,减少拥堵和污染。

空气质量和污染水平也可以通过旨在帮助管理环境的平台进行实时监测。来自这些监测站的数据以及天气数据,可以用于决定何时应该实施高速公路限速措施,以阻止某个区域的污染水平恶化。

交通领域的数据也在进入西班牙电信的智慧城市项目。交通运动传感器实时报告车辆通过的速度,并实现灵活的停车费率和智能标识,帮助市民规划一天的行程。这一方案正在通过与英格兰高速公路的合作扩大到英国。

智慧城市基础设施不应该只帮助本地居民,也应该帮助到游客。可以借助西班牙电信在马拉加和巴萨罗那的部署,监测景点的游客数量水平以及人群和个体的移动。这样可以了解哪个国家的人最可能参观哪些景点。有了这个数据,就可以制定计划,为游客游览城市提供更顺畅的旅游体验。

“某些国家的游客会前往城市的不同地方,当Sagrada Familia排起长队的时候,如果你希望让游客有更好的体验,可以知道何时何地推广其它没那么受欢迎的景点。”

西班牙电信使用CARTO平台,根据收集的开放和个体的位置数据,提供分析和可视化服务,成为智慧城市的重大举措。

智慧城市讨论了很久,西班牙电信通过上述方案表明,它们正在迅速变为现实。开发新的数据模型去测量和提升效率的关键,是学习垂直行业之间如何共享数据。正如在行业里发生的那样,一个开放和协作的数据集,以及对应的分析方法,能够帮助组织提升效率,对于依赖基本服务的市政当局来说,情况也是如此。

  • Nov 20 / 2017
  • 0
Data, Enterprise

锐眼洞察 | 移动App行为数据研究的商业价值

作者:TalkingData首席布道师 鲍忠铁

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

 

证券行业的客户金融交易渠道将会转向移动互联网,客户证券投资和财富管理服务将主要发生在移动App,其将成为客户的主要入口和金融产品主要发布场所。证券企业如果想赢得未来市场,赢得客户,取得在金融市场的领先优势,就必须了解客户的金融产品需要,重视客户的交易行为和互动行为数据。利用数据了提升客户体验,提升移动互联网端的数据和业务运营能力,具有同互联网企业一样的技术能力和迭代速度。重视用户的移动端行为数据将成为证券行业未来在市场成败的一个关键。

证券行业过去主要分析交易数据、资产数据、产品数据、人口属性数据。典型数据应用有数据库营销中的关联分析和交叉销售。交易数据对营销具有较大的商业价值,特别是老客户经营。例如某些产品的客户复购率较高,利用交易数据可以进行多次营销,降低营销成本。

行为数据相对于交易数据具有不确定性大的特点,行为数据更关注客户的兴趣偏好,更适合了解客户体验和用户潜在金融需求。利用App行为数据进行营销,具有范围广、预测性强等优点,缺点主要其营销的业务转化率不太稳定。考虑到潜在的目标人群基数较大,即使是较低的转化率,其转化的目标客户也会很多。曾经在一个案例中,利用资讯推送来影响客户进行投资,其过转化率接近40%,大大超出了想象。一般行为数据营销的转化率都低于10%,集中在1% – 5%之间。如果低于1%的转化率,这个基于行为数据建立的营销方案将会被放弃。

行为数据的场景应用建立在场景化标签之上的,基于App内部行为的场景应用来源于具体业务目标,例如证券App中的绑卡入金、购买理财、股票交易、基金买卖、贵金属购买、关注收藏等。

第一节:行为数据分析有助于加速产品迭代和提升客户体验

App行为数据包含浏览、点击、评论、交易等几类,可以通过App的按钮和事件埋点进行提取。经过异常值处理和数据去噪音之后,就可以进行分析和应用。移动互联网企业如BAT等巨头,其产品和用户体验的竞争力就是来源于行为数据的分析和应用。

过去证券行业人员可以通过线下的营业网点来接触客户,利用同客户面对面的交流,了解客户金融产品需求和用户体验。现在客户几乎不再去营业场所,或者去证券营业部的客户年龄都较大。光大银行曾经统计过一个数据,经常到营业网点办理业务的客户,平均年龄为52岁,说明年轻客户基本上很少去网点办理业务。这些年轻客户正是证券行业主要的客群,未来将会成为证券企业的主要收入来源。证券企业如果想了解客户的金融需求和客户体验,其主要的方式就变成了分析App的行为数据,这也说明了研究分析App行为数据的重要性。

在互联网企业中,App运营团队有一个重要的职责就是每天分析App的行为数据,主要是因为行为数据代表了客户对产品的喜好。基于App行为数据的分析,互联网企业的产品经理可以及时调整产品,进行产品迭代,快速满足客户对移动产品的需求。互联网企业产品迭代完全基于App行为数据的分析,基于行为数据的结果。

客户在App的行为点击和浏览数据,辅以时间维度分析和漏斗分析,可以真实反应客户体验情况。互联网企业的运营部门参考这个数据可以分析客户喜欢哪些产品、广告、活动等,同时也可以了解客户不喜欢哪些产品、活动等。利用行为数据分析,运营部门可以实时了解客户体验情况,及时调整运营活动和产品布局,围绕客户需求来提升客户体验。移动互联网时代,客户体验本身比产品更加重要。

证券行业一直想学习和掌握互联网企业的竞争优势,特别是在产品迭代和用户体验提升两个方面。行为数据分析为证券行业产品迭代和体验提升提供了技术支持。证券企业完全可以深度分析App行为数据,利用行为数据分析结果来进行产品迭代和用户体验提升。例如证券行业可以分析App的点击热力图,利用App点击热力图来了解客户喜欢哪些功能,客户很少点击的功能就可以及时下架。参考AB测试的数据来分析客户更加喜欢哪些功能,基于客户点击爱好进行App的功能迭代和用户体验提升。证券行业还可以参考客户DAU、留存时间、打开次数等行为数据进行分析,了解客户对App体验反馈,留存时间增加和打开次数增多代表用户对App的喜爱程度增加。实时反馈的行为数据可以及时让证券行业了解体验情况,及时进行产品迭代。

证券移动App的行为数据具有直观、实时、客观等特点。基于行为数据的分析对于了解客户体验和了解客户对产品喜爱具有重要意义,是证券行产品迭代和用户体验提升的基础数据,证券行业必须重视对其的研究和应用。

第二节 行为数据研究有助于提升券商互联网运营能力

互联网行业有一句经典的话,三分产品、七分运营,好的产品不是设计出来的而是运营出来的。互联网运营的基础就是行为数据的分析,运营团队通过行为数据的分析实现运营能力的提升。

证券企业希望学习互联网企业的数据运营能力,其主要体现在数据的分析和应用能力,包括基于数据的产品运营、渠道运营、用户运营、活动运营等。这些运营能力是建立在数据分析和应用基础之上的,其中行为数据应用能力是其重要组成部分。

产品运营的核心工作就是产品优化,包括UI/UE、产品框架、内容建设、产品维护、用户维护、活动策划等。用户需求不断变化,产品需要通过持续的迭代完善才能满足用户需求,没有运营则无法时刻洞察用户需求变化;运营是让产品持续产生产品价值和商业价值。行为数据是产品进行优化的基础,基于行为数据中的点击数据和浏览数据,运营团队可以了解客户对UI、产品的喜好,对内容的关注,对活动的反应。依据行为数据分析进行产品迭代和优化,行为数据是产品运营的重要参考。

渠道运营是指利用资源和流量为产品带来新增用户,包括免费、付费、换量、人脉积攒、产品的吸引力、圈内人的推荐、策划活动、内容营销、用户口碑等手段。互联网线上渠道发展比较野蛮,鱼龙混杂。特别是移动App推广市场,不但流量贵,而且假量还大。参考TalkingData发布的移动互联网报告,在某些高峰时段,一些渠道的假量超过了50%,也就是说至少有一半的点击和下载是无效的,广告推广费用是浪费的。曾经在某一个特殊时间段TalkingData移动广告监测平台Ad Tracking一天收到了24亿次点击,其中90%的点击是假量、是恶意刷量。券商利用App的行为数据可以有效分析出哪些渠道效果好,真实量比例高;哪些渠道效果差,假量明显。行为数据还可以分析出哪些是真正的客户,哪些是一次性客户,哪些是羊毛党客户,哪些是有效客户。通过App渠道分析数据,券商可以降低广告投放费用,提升线上获客质量,提升广告获客的ROI。行为数据是渠道运营的重要参考指标,通过App渠道数据的分析,可以提升券商在移动互联网渠道运营能力。

用户运营指以用户为中心,遵循用户的生命周期价值点和用户产品需求设置运营活动与规则,制定运营战略与运营目标,严格控制实施过程与结果,以达到预期所设置的运营目标与任务。用户运营最直接价值就是提升用户金融产品的复购率,提升单客价值,激活休眠客户、挽留流失客户、发现潜在客户等。证券行业面临较大的挑战有休眠客户比例过高,客户单客价值不高,流失客户明显。这些问题都可以通过行为数据分析找到解决办法。例如通过客户点击和关注的数据,了解客户资讯需求,主动推送资讯给客户,激活休眠客户。利用点击和浏览行为数据趋势分析,及时了解客户流失倾向,结合客户产品喜好和兴趣爱好,定制激励方案,挽回流失客户。行为数据可以直观反映出客户兴趣和喜好,为用户运营提供方案支持,具有非常大的参考价值。

券商如果希望具备互联网企业的运营能力,在产品运营、渠道运营、用户运营等方具有同互联网企业同样的技术和运营能力,就需要重视行为数据的分析和应用。

第三节 行为数据应用是券商业务智能化发展的基础

证券行业智能化发展是必然趋势,一方面是智能化应用的技术条件具备了,例如数据处理能力、模型算法能力、专业人才储备;一方面是券商所面临的经营成本高、效率低、客户服务覆盖率不高等问题,可以通过智能化应用来解决。

证券行业智能化应用的广义涵义是借助于工具平台和智能应用来解决具体的业务问题,这些业务问题可能是个人投顾无法直接服务全体客户;可能是传统电话客户服务成本高,效率低,客户体验不好;可能是内部流程效率较低,无法满足客户变化的金融需求;也可能是投研和投顾人员缺少可以服务客户资讯平台等。

证券行业智能化应用狭义的应用领域包含智能投顾(机器人理财)、智能客服、智能资讯推荐、智能投研数据平台、智能数据应用平台等。其主要解决还是效率问题,本质还是券商服务的自动化和智能化,可以提升客户体验和降低服务成本。

证券行业智能化应用的一个前提是海量数据,包含交易数据和行为数据。但是这些数据不是原始数据,而是经过业务专家标注的,具有业务价值的数据,可能是标签数据、归类数据和分析结果数据。行为数据对于智能应用具有较大的商业价值,例如在智能客服中,客户的行为数据代表其产品和风险偏好,智能客户可以利用这些处理过的行为数据,为客户打上标签。基于行为数据进行客户分群或分层,智能客户将参考这些行为数据为定制客户服务内容,直接有效地为客户提供金融产品服务。借助于行为数据标签,智能客服将会缩短服务路径,直接切入客户喜好,提升客户体验,提高服务效率。如果行为数据揭示客户倾向于港股交易,智能客服在服务时就可以侧重于港股资讯。如果客户有融资融券倾向,智能客服就会提供相关介绍和激励措施。如果行为数据揭示客户倾向投资能源板块,智能客服就可以提供更多的能源资讯,为客户投资提供支持。

智能投顾原理是参考客户投资风险偏好和投资兴趣,为客户定制投资组合,在一定风险可控的前提下,获得一定的最优收益。行为数据可以支撑智能投顾中客户的投资偏好,通过对客户点击、浏览、关注等行为数据的分析,券商可以了解客户的投资兴趣偏好。例如客户点击股票所属的板块、关注的交易板块、浏览的资讯、这些行为都可以在一定程度上反映客户的投资兴趣,经过一定分析和加工之后,可以作为标签类数据输入到智能投顾平台,作为智能投顾推荐投资组合的参考信息,有助于提升智能投顾的客户体验和客户购买转化率。

券商移动App行为数据具有intention属性,代表了客户内心的需要,也可以认为是客户理性行为和感性行为的综合,其中感性成分更高一些。中国的投资客户,大部分变现为理性投资客户,但是在进行证券交易时往往体现的是感性一面。因此研究行为数据有利于了解客户心理行为,也就是客户感性行为。行为数据经过加工处理之后,可以表现为标签数据,结合业务场景和交易数据,可以帮助券商更加客观了解客户金融需求。券商可以针对客户的兴趣爱好,提供相应的智能资讯和投研报告,协助客户作出更加客观的投资决策。行为数据结合相应的资讯会缩短客户决策周期,提升客户交易积极性,有助于提升客户交易额和交易频度。例如通过行为数据的分析,推送客户关注股票板块的资讯,通过不同组客户测试,发现收到资讯的客户其交易下单率高于不收到资讯客户30%,其中收到相应板块资讯的客户,高于非相关资讯客户的50%。

总之,移动App行为数据的分析和应用可以帮助券商加速产品迭代和提升客户体验,建设同互联网企业同样领先的运营能力,并为券商智能化应用提供具有较高商业价值的数据,推动券商智能化应用的发展。

 

  • Nov 17 / 2017
  • 0
Enterprise

锐眼洞察 | 为什么智能投顾越来越流行?(翻译)

作者:Alexander Volkov

原文:Why Robo-advisors are becoming popular

译者:TalkingData解决方案架构师 韩铭扬

本译文禁止商用,转载请注明来源与译者!

 

智能投顾, 和人工智能以及大数据一样,是当下热门词汇。它就像专业投顾领域内的Uber,没有中间角色也因此为终端用户节省了费用。

智能投顾的目标群体是谁?

传统的顾问服务涉及顾问和投资者之间密切的面对面互动。与传统服务不同的是,随着网络时代的兴起,新的千禧一代更喜欢待在线上,在线上互动并咨询。

这种新的互动方式对传统的投资和财富管理平台提出了要求。他们现在需要为顾问和投资者提供实时分析通道、多源的智能投顾数据、以及一些新的基于社交的功能。相较之前在高尔夫球场进行的传统式交流途径,新的一代人需要在线上、通过他们的苹果手机来轻松实现这些功能。

智能投顾,正是一个顺应新一代需求的便捷服务。与传统经纪人的服务相结合,智能投顾使终端的投资者可以自主地进入该行业,使用那些自动化服务。对于那些提供先进功能(如调整投资者的首选投资策略)的顾问平台来说,他们的潜在用户群体可与老式投资者的规模相媲美。

智能投顾为什么变得这么流行?

智能投顾因其带来了更多的选择而变得越来越受欢迎。

AI可在眨眼间计算出一个复杂的股票期权策略的预期收益,并给出相较于传统的“购买这些ETF以获得更好回报”更好的建议。此外,AI可以轻松找到一个保守投资组合的最佳组合方式,以及可得到的“最佳回报”,用Nassim Taleb的话来说,它给出了最佳回报×概率组合。智能投顾甚至可以帮你发现不可预测的意外事件(Black Swan)。

随着自动化水平的增高,人类顾问的角色转换到掌控并选择哪些是他将要提供给投资者的选择。这正是最需要传统顾问的专业知识的地方,改变他们服务客户的方式。

如何开发可满足每个人需求的最佳智能投顾平台?

开发一个智能投顾平台需要大量的构建基于组件、现在基于微服务系统的经验。

在技术层面,财富管理平台倾向于不仅仅提供针对性能、投资组合风险、投资策略的商业智能(Business Intelligence),同时提供大数据专家建议(Big Data Expert Advice),用于选出要跟进的优先投资策略、了解客户的目标、风险承受力以及其他客户个人数据。

智能投顾自身作为一种服务来说,现在是深度学习、大数据和量化金融的结合体。所以,要想构建一个智能投顾,开发企业必须对所有这些领域有所了解。这种系统的开发不再是一门手艺,而是一门科学。

未来平台的拥有者在编写技术规范时应该牢记终端用户的标准。当客户找寻最佳平台时,他们通常会考虑价格功能比,这对于选择任何IT解决方案来说都是合理的。对于智能投顾平台来说,这些标准就是佣金和产品特性。产品特性包括:最低存款额、所支持的账户类型、以及可供投资(股票、债券、期货、期权)的市场。

同时,一些产品特性,像是自动平衡投资组合以减少风险、准确的损益报告、收割税收批号以减少纳税,对于支持高效智能投顾的平台来说是必需的。

该领域内的战略IT方向是什么?

为了解决新型投资者的问题,我们从软件供应商中看到的行业趋势是提供开放式架构解决方案,使得诸如智能投顾之类的第三方工具能够满足新的需求,这为顾问和投资者提供了更多选择。这正是大量投资所落入的研发之地。

  • Nov 17 / 2017
  • 0
Enterprise

锐眼发现 | 营销世界的 5 大剧变之 ⑤ 人工智能

作者:Scott Brinker

原文:5 Disruptions to Marketing, Part 5: Artificial Intelligence

译者:@文科生 ,宏原科技创始人

转载于:SocialBeta

上篇回顾:锐眼发现 | 营销世界的 5 大剧变之 ④ 万物皆可数字化

 

TalkingData合伙人兼执行副总裁林逸飞点评:

  1. 确保所有营销系统和触点中的数据可被获取,而且要考虑建立一个集中的数据湖
  2. 数据质量进行投资,尤其是核心的客户数据
  3. 学习系统动力学知识
  4. 为算法营销构建一套管理模式:什么需要自动化?什么需要半自动化?什么不需要自动化?
  5. 透过 AI 的视角去评估营销技术服务商的实力

 

译者前言:AlphaGo 让人工智能成为了一个到处都在谈的热词。Scott 说,他在准备这篇文章的时候感觉自己好像也跟进了这个炒作。但是,仔细读下来,我觉得本文是对于 AI 在营销领域应用最为系统而全面的思考。

让我印象最深的是 Scott 对于技术商品化的清醒认知。实际上,任何一个创新技术的热度与其商品化程度是成正比的。让 AI 能够把几十年前就开始讨论的图景变成现实,本质的突破不是算法,而是支持算法的计算力和大数据。在 AI 热潮中,MarTech 领域确实出现了一些创新的工具和应用的机会,但真正有价值的工具和应用,应该和高质量和大规模的数据紧密联系在一起。

Scott 在文章中介绍了很多 AI 的工具和应用,很多应用都已经被 Salesforce 或者 Google 这样的平台以高价收购了。国内也有很多类似的并购,这些都说明 AI 的机会是巨大的。考虑到平台时代的赢家通吃现象,纯粹的技术和工具的未来其实是有限的。对于大部分 MarTech 企业来说,技术层面的集成机会有限,但是商业层面的集成和整合,才刚刚开始。

在翻译的过程中,我不停问自己,为什么 Scott Brinker 能把这个事情说的那么清楚?逐渐的,我找到了答案。

第一, 知识结构。Scott 是计算机专业出身,会编程,他理解机器;同时他又是一个营销人,他理解营销,这二者结合起来,让他对于 Marketing Technology 的认知特别本质。我看到过很多讨论 MarTech 的文章,大部分要不就是偏向技术,要不偏向营销,只有 Scott 能够从营销的框架出发,梳理出各种技术,让人一下子就能得到一个 Big Picture.

第二, 长期的专注。Scott 关注 MarTech 不是这几年的事情,而是在十年前就开始关注这个领域。在过去十年中,不停实践,思考和总结。这让他能够看得更全面,更系统。

第三, 持续的分享。他的博客一直保持很高的更新频率,而且,不仅仅是他自己写,他还不停寻找各个领域的实践者和思考者,分享他们的观点,这其中也包括我这样在中国的爱好者。他的博客成为了这个领域的活跃实践者和思考者的平台,最终他也能够在全球范围内发起 MarTech 的国际会议。

在本文结尾,Scott 说希望《营销世界的 5 大剧变》系列文章对大家有用。整个八月,我所有夜晚和周末的空余时间都用在翻译这一系列的文章上,当然也包括一点工作时间。我的体会是,帮助实在是太大了。翻译的过程,其实是一个深度学习的过程。不仅要看明白,并且试图用中文把自己的理解清楚地表达出来,要求自己花更多时间学习和思考,甚至还需要去了解他提到的技术公司和技术术语。

对于文科生,这有点挑战,但是也是一个特别高效的、系统的概览式学习过程。哪里去找这么好的机会呢?免费的!我跟 @puting 同学说,内容工作,与其是说内容,其实更是系统的思考过程,是一个产品研发的过程。感谢 Scott Brinker 的信任,@SocialBeta 的支持,让我完成了这个近两万字的翻译。我总算在与 Scott 在上海见面之前完成了我的承诺:)

 

以上是 Shivon Zilis 和 James Cham 制作的机器智能 3.0 全景图

这是营销的 5 个剧变系列中的第五部分(如果你没有读过第一、二、三、四部分,可以点击阅读):

这五个剧变分别是:

1.    数字化转型将超越营销部门的职能范畴,重新定义 「营销」。

2.    微服务 & API(以及开源) 构成了营销基础设施的架构。

3.    纵向竞争展现出比横向竞争更大的战略性威胁。

4.    增强现实 (AR)、混合现实 (MR)、虚拟现实(VR)、物联网(IoT)、可穿戴设备、对话式界面等等,给人们带来了数字化的一切。

5.    人工智能 (AI) 让营销和商业运作的复杂性倍增。

由于对热词「过敏」,当我写下这个题目的时候,觉得自己可能会起鸡皮疙瘩。作为今年营销界流行的关键词之一,无论你遇到什么问题,都会有人告诉你解决问题的良方就是「人工智能」(AI)。(或者想把 AI 营销解决方案卖给你)

目前,对于 AI 的炒作势头也远胜于对于大数据的(尽管二者之间的关联非常紧密)。

但 AI 的确对营销产生了深远的影响可以毫不夸张地说,未来几年,AI 会以令人瞩目的方式重塑商业和营销的本质。但是,这种改变可能并不会按照有些人希望的方式来实现。

首先,让我先将有关人工智能(artificial intelligence)、机器学习(machine learning)、认知计算(cognitive computing)和机器智能(machine intelligence)等概念差异的讨论放在一边。虽然这些术语的意义不尽相同,但是,(a) 它们之间有很多的交集;(b) 就算是这些领域最前沿的研究者也在争论他们的界限所在。

考虑到我们的目的是讨论这些技术给营销带来的剧变,就让我们暂时先用「AI」的大框来装下这些概念,将 AI 定义为「过去认为只有人类才能完成的认知任务,现在让机器去承担,而且机器能比人类做得更快、更好。」(AI 效应是研究者的一个有趣的观察。)

我喜欢分析师 Ray Wang 提出的有关 AI 所能交付结果的框架

如果你在思考,AI 已经被讨论了几十年也没有今天的热度,为什么直到现在才好像一下子占领了全世界?一个简单的答案就是廉价、快速、规模化和呈指数增长的计算和云端储存能力,使得能够有效运用 AI 算法的数据和动力对于每个人来说都触手可及。

我在 MarTech 圈里听到的另一个问题是:「在未来的营销技术全景图中会不会出现一个 AI 类别?」 有这种可能性,但也可能不会。

为什么这么说呢?因为 AI 几乎已经被嵌入到营销技术领域所有的产品类别中了。当然,确实有很多纯粹的 AI 平台。但是它们像大数据、云计算平台一样,大多都是仅仅被应用在营销服务中的通用技术。

举例而言,IBM Watson 可能是当今最广为人知的 AI 平台。但营销人可能对 Equals3 这样的产品更有兴趣。Watson 在产品的幕后提供市场研究、客户细分和媒介策划服务,这一切都是根据营销的具体需求量身定制的。

几大主要的营销平台也已经在产品组合中推出了 AI 方面的创新举措,最值得注意的是:

注:Einstein 是 Salesforce 推出的人工智能 CRM 平台,可以运用于销售、服务、营销和分析等领域

注:Sensei 是 Adobe 底层的人工智能工具,利用了 Adobe 长期积累下来的大量数据和内容,从图片到影像,能够帮助人们解决在媒体素材创意过程中面临的一系列问题

注:这是 Oracle 推出的 AI 产品,基于强大的数据云和机器学习算法,支持更好的 BI 分析和决策支持

你也可以从来自 Salesforce 的这张图中,看到他们准备在具体的产品中应用 Einstein 的方式:

但是,这是否意味着较小的 MarTech 服务商会在行业的这波 AI 浪潮中出局呢?AI 会成为最终推动营销技术行业整合的催化剂吗?也许会,但是我持怀疑态度。

实际上,你可以从 MarTech 分析大牛 David Raab 在上次旧金山 MarTech 大会上分享的这张表格中看到,AI(机器智能) 让行业中各种规模的服务商得以蓬勃发展(这张图只是列表中的一部分而已)。

那么,小型 MarTech 供应商如何与「巨头」竞争呢?在很多情况下,巨头们都有自己专门的 AI 技术。但是,今天的软件开发机制使得很多人都能站在巨人的肩膀上,利用不错的开源机器学习项目——例如 TensorFlow、PredictionIO、Caffe、Vowpal Wabbit 和 Scikit-learn——在软件中加入复杂的 AI 功能。(而且还是免费的)

注:TensorFlow 是谷歌开发的第二代人工智能学习系统,可以用于语音识别,图像识别等深度学习领域

Prediction IO 是一个开源的机器学习服务器,开发工程师和数据分析师可以使用它构建智能应用程序、基于已有数据来预测用户行为,个性化推荐、发现内容等。

Caffe 是一个清晰而高效的深度学习框架,其作者是博士毕业于 UC Berkeley 的贾扬清博士

Vowpal_wabbit 是一个机器学习系统,它能推动机器学习前沿技术的学习,例如在线学习、交互学习等

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。

如果你想用更简单的方式在产品中加入机器学习能力,现在也有一大堆的机器学习服务产品 (MLaaS) 可供选用:

很自然,这推动了微服务 & API 的发展。软件能够以按需「服务」的方式被提供。MarTech 服务商当然也可以使用这些软件,来保持自己在 AI 时代的竞争力。

值得注意的是,这些开源的 AI 引擎也可以直接被品牌采用,将其整合到数字化产品和客户触点当中——这又会让我们看到数字化转型的完整闭环。(这里也可以体现出,营销的 5 个剧变是如何成为一个整体的)。

鉴于很多核心 AI 算法已经面向公开市场变得商品化,因此算法本身也不再是竞争优势的来源。相反,「即插即用」的 AI 战略优势主要是通过以下两种方式建立而成的:

  • 数据。差异性来源于用以训练算法的特定数据。赢得 AI 的战略竞争的关键在于数据的规模、质量、相关性和独特性。数据质量、服务和软件会变得至关重要。精确、即时,通过 API 按需提供的第二方和第三方数据市场将会繁荣。在 AI 的加持之下,大数据终于可以被充分利用了。
  • 用户界面 (UI)。AI 可以为你的数字化产品和服务带来更好的用户体验,从「在一个特定场景下预测用户想要什么」的功能,到自然语言界面(以文本和声音为基础的聊天机器人)。这当中存在着很多机会。通过 AI 用户界面,人们可以更快速、便捷地完成复杂的任务。尤其在商业场景中,与学会用那些复杂的软件相比(想想那些要花几个月学习的企业软件认证课程),我们希望这些应用让我们获取答案更容易,做事情更轻松。

这两个关键因素很可能就是 MarTech 服务商带来颠覆的来源。思考以下两个问题:哪些公司可能会在特别有价值的数据(或者数据组合)市场中取得垄断地位?(参阅:纵向竞争万物皆可数字化哪些公司能够让他们的软件灵活地利用新的数据源,适用于备选的 UI 模式?

风险投资人 Mark Suster 在最近的文章《企业软件即将到来的转变》中描述了关于对话式交互界面的机会 / 威胁。

以语音为例,如果你坚持设计一套指令供用户以提问的方式进行交互,那么用户就必须花大量的时间在如何操作上。或者,你也可以让 AI 从过去的查询记录中学习,让智能系统给出相应的搜索结果。你也许想问:「中部地区第三季度的销售预测是多少?」、「谁负责杜邦销售的预算?」,或者「请给出过去 90 天内跟 Verizon 有过沟通的团队成员名单」。

谈到聊天工具,对于企业来说的关键是让团队成员更好地协作。这个聊天工具需要有「机器人」为团队提供智能支持。当你查询「Karthick Shama 的职位是什么?」,或者「我们和 Verizon 去年达成的业务有多少?」 时,在无需人工介入的情况下,就能收到即时、准确的答案——这对于现场的团队很关键。

以上描绘的场景并非假设。在我写这篇文章的时候,营销数据软件公司 Datorama 已经发布了嵌入 Amazon Alexa 的应用程序 「事事问 Datorama」(Ask Datorama Anything)。这一波新的 MarTech AI 界面的兴起,肯定会使现有的营销技术全景图发生动摇。

那么,广义上看,是什么让 AI 为营销带来了剧变?

市面上的流行观点和我的分歧就在于此:我不相信 AI 会让营销简单化。相反,我认为 AI 会以颠覆性的方式,让营销(商业)的复杂性呈指数型增加。

可以确定的是,AI 会大大简化很多 MarTech 工具的使用体验,也会自动化大量跟营销计划相关的 「人工」 工作 。

我们从 AI 的辅助中节省下来的时间将会被重新分配,以追求更多的竞争优势。我们可以从事一些机器还不是很擅长的活动。我们也可以让更多的任务自动化,因为管理新增算法代理的边际努力会很小(但不是零)。我们还是会和现在一样努力工作,但是我们的努力将借助 AI 服务的力量被放大。

例如,考虑一下在不同触发点、服务不同细分客户的营销自动化活动。

直到现在,这项任务的复杂性还是受限于人类的局限性。我们只能跟踪到有限的规则,服务有限的细分市场,局限于有限的触发点。

但是 AI 驱动的营销自动化就不会有这样的局限性。机器会计算上千个微细分市场和微触发点,动态调整内部的 「规则」 以优化整个互动。

再强调一次,这并不是假设。以 AI 驱动的营销优化产品 Amplero 为例,它自称可以通过多臂老虎机实验,持续测试 1000 多个营销排列组合。

这给整体的营销「系统」带来的复杂性呈数量级增长,尽管很多人类营销人员并不能觉察到。

考虑到一个复杂系统的「复杂性」 是一个有关相互独立的智能体互动次数的函数。而这些 AI 代理也并非在真空中工作,他们会对所处环境中的人类或其他 AI 的反馈做出回应。(关于设备对设备(device-to-device)的互动, David Raab 有几篇非常精彩的博文:《自动驾驶汽车会自己挑选加油站吗?》《更多是对物的营销》)。

这不仅仅有关公司内部多个 AI 代理之间的互动。竞争对手也会利用 AI 来与我们对抗。客户会使用 AI 实现他们的利益最大化。其他的行业第三方机构会让 AI 代表他们在市场上运营。这些智能体相互纠缠在一起,将会引爆营销的复杂性。

你也许会问,「如果我们根本看不到那些复杂性 ,我们还需要在意吗?」

就算我们看不到这些复杂性,实际上它依然存在——而且它会对我们的生意产生实质性的影响。我们的组织所依赖的黑盒子越多(彼此用直接和间接的方式相互连接在一起),我们对于整个系统的理解和控制就越少。在客户体验中遇到算法出小差错的风险,对我们来说也是不可见的(但是会影响品牌!),我们也会碰到重大的「黑天鹅」事件,其中,AI 之间并不良性的互动会逐步升级为恶性循环。

事情是怎么出问题的?算法交易遇到的问题让我们对此有了一些认识——与无限广阔的客户体验领域相比,金融市场还是受到了更多的管控。

当然,这不意味着我们应该——或者说能够——回避 AI。AI 是一个巨大的竞争优势来源。但是我们必须承认,跟过去十年靠人工控制的数字营销相比,AI 时代的营销会有非常不同的动力机制。

对于 AI 驱动的营销,营销人应该做好如下准备:

1、 确保所有营销系统和触点中的数据可被获取,而且要考虑建立一个集中的数据湖(来自 Informatica 公司的 Franz Aman 出了一本很棒的书,以及用一系列博客文章来介绍如何构建营销数据湖)。大数据将是驱动 AI 引擎运转的燃料。

2、对数据质量进行投资,尤其是核心的客户数据。其中的一个要点就是在尽可能多的触点上对客户的身份进行匹配,这面临着技术和法规的双重挑战。谈到跨设备的身份匹配,Gartner 公司的 Martin Kihn 对此有了很好的概述(第一部分第二部分)——但是万物数字化的趋势预计会让这件事变得更加复杂。

3、学习系统动力学知识。这是理解和管理新环境中的复杂性的一种方法——尤其考虑到 AI 算法正在加快反馈循环在技术和人文领域的交集中运行和成长的速度。

4、为算法营销构建一套管理模式:什么需要自动化?什么需要半自动化?什么不需要自动化?人类如何检查和制衡 AI?如何进行异常检测(可以了解一下 Anodot)和事件升级流程?如何设计能断开反馈循环的「断路器」,避免事态发展到无法控制的局面?而且,不仅仅只是关于营销,如何在数字化转型的大背景下组织好这一切?为此,企业值得考虑设立一个首席人工智能官的角色。

5、透过 AI 的视角去评估营销技术服务商的实力。他们采用的 AI 功能或者 AI-UI 能力简化了营销人的体验了吗?他们是否集成了一个更庞大的生态系统,可以利用所提供的数据或渠道进行 AI 分析和自动化?面对 AI 领域冒出来的新机会,供应商的敏捷程度和适应性如何?供应商能用清晰直观的例子解释他们的 AI 支持方式吗?——以及所用模型的注意事项(例如:某种类型和质量的数据)?

结语

我希望《营销世界的 5 大剧变》系列文章对你有帮助,而且你也看到这五个剧变是如何彼此产生关联的。不幸的是,我没有能力为你整理出一个简单的清单(「做好这 10 件事就能赢得 2017 年诺贝尔营销奖」)。 这些挑战都很艰难,而且推动这些剧变发生的变化如地震一般,还在我们脚下继续蔓延。

但它们也是前所未有的机会。剧变就是市场的拐点,在这里,现状备受威胁,未来有待争取。问题是,你愿意成为那个抓住机会的人吗?

  • Nov 16 / 2017
  • 0
Enterprise

锐眼洞察 | 腾讯全球合作伙伴大会,外行人看热闹,内行人看什么?

作者:TalkingData解决方案架构师 Aaron Yue

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

本月8日到9日腾讯在成都召开了一年一度的合作伙伴大会,从全球集结了三万人左右参会,另外还有三四千人因为安全问题进不了会场。无疑这是一场盛会,尽管它的锋芒被前两天腾讯的WE大会有所遮掩。这样一个大会究竟讲了什么?为什么腾讯的开放平台越做越大?下面做个简单的梳理并分享一些思考。

这一届的大会上显示,腾讯开放模式将立足于科技与人文两大支点持续演进,未来将会着力推动以AI为核心的新科技开放平台以泛内容为核心的大内容开放平台。下面,我基于两大部分:智慧零售和企鹅号,对腾讯全球合作伙伴大会部分内容进行梳理。

有个大背景和前提先同步一下:2011年,以“3Q大战”为导火索,腾讯正式开始了开放模式。这几年来,腾讯持续投入基础平台建设,开放接口、开放市场,逐渐在线下成为了一艘巨大的“航空母舰”。

一、关于智慧零售:

零售行业线上线下融合目前面对的问题:“数据无法流通、场景无法贯通、交易无法同步”。

腾讯智慧零售解决方案:本质是去中心化的连接,核心是社群、数字化、体验,以支付为原点、“人”为中心、大数据为驱动。帮助实体零售实现“降本提能”,拓展业务能力、耦合行业资源、把线下门店数字化和智能化,让消费者与商品之间实现跨场景的智慧连接。帮助商家打通不同销售场景、自主运营会员体系(本质是对人的运营,通过和商品的连接、场景的打通进行赋能)。

腾讯提供的工具:公众号、小程序、移动支付、腾讯云、企业微信、社交广告、礼品卡、金融服务、优图AI技术和视频、直播等全产品线。

1. 小程序:从线下门店扫码购到线上电商闭环服务,小程序的41个入口其实是分等级的,比如:支付、卡券、立减金和“附近的小程序”等属于消费+玩法的VIP入口,是主要的流量来源;这次开放了广告+小程序入口,公众号中比较常见:文字、图片、卡片形式、文中内嵌小程序、广点通小程序广告。广点通MP广告(公众号广告)增加了小程序的选项并且支持电商推广和品牌活动推广两大类目。关于微信电商,不是微商而是内容+社交+电商结合的小程序,微信目前的电商(无意间的产物)迟早会被小程序替代。目前小程序落地页广告的开放完善了小程序做电商的流量体系,实现了内容(公众号)+社交(分享)+电商的场景连接。为了体现微信内容的价值,一方面广点通在发力把上游广告主做大做强,另一方面微信大力扶持自媒体运营者,小程序落地页广告的全量投放可大大提高他们的收益。此广告目前可进行竞价购买,但只支持CPC的计费模式,更适合工具类、品牌以及电商类的小程序,实现从公众号内容到转化的无缝连接。据悉,小程序和小程序的连接也将提供广告组件,值得思考的是小程序打通线上线下,目前在微信的大力支持下自带流量,以独特的方式存在于公众号和微信群中。如果小程序添加了广告位,那也将会有流量主和广告主的设定。又一位“亲儿子”:“小程序开发助手”小程序,其实并不惊讶微信会这么做,微信生态对于新功能的开放向来是邀请部分开发者进行接口的灰度测试,然后逐步开放。

2. 企业微信:企业微信这次刷新了我的认知。大会上,成都地铁登台分享他们用企业微信做了什么,让我一度恍惚,这说的是企业微信吗?关于企业微信,腾讯提供基础的OA并且开放丰富的API接口,OA实现其高效的沟通管理和信息同步。同时可结合自身业务情况搭建订制化管理平台,完成商品服务管理、订单管理、OA审批管理、会员管理、巡店管理、促销库存管理等。未来,企业微信将从对内与对外全方位开放,对内将继续和微信深度连通,连接小程序、服务号、卡券等微信B端能力;对外,将联合广大SaaS服务商、定制化服务提供商以及渠道服务商等合作伙伴共赢发展,最终形成一个完整的生态链条。大会现场分享的成都地铁运营有限公司案例中,借助企业微信实现了线网统筹、智能监测、全员报修等能力,实现了检修、数字巡视、智能出勤。将企业微信与自身的后台数据库、web端打通,借助API将消息中心、管理后台、用户认证、权限管理等基础平台“搬”到了企业微信上,加入了车辆中心、通号中心、工电中心、维护等模块,全方位管控城市轨道交通体系。同时,交控中心还借助企业微信打通了运营日报、维保工单、安全管理、厂务公开等能力,充分满足轨道交通运营维保需求;借助企业微信的OA能力,实现会议管理、审批、采购等日常办公的线上化、移动化。借助企业微信的移动办公能力及API接口,开发出了企业内部专用的移动办公平台、任务管理、产品变更管理、手机条码管理、设备运行于维护、物流平台管理、重大问题报警等功能,打通办公、生产、财务、人力等环节。

3. “微信支付+”:“支付+小程序”:打通用户线上线下零售环节;“支付+会员”:支付即会员,有效的转化运营会员;“支付+单品”:帮助用户实现从广告投放到复购的营销闭环;“支付+大数据”:商家更加清楚的了解其消费者,包括场景偏好、消费能力、购买喜好等,然后通过腾讯社交平台、内容平台,采用消息推送、优惠券等为载体实现会员精准营销(目前微信支付的大数据正在通过KA客户做变现:方式主要是通过广点通的广告以及报告,处于测试阶段)。

4. 电子发票:通过微信公众号、卡包、扫一扫、企业号、钱包等提供的整体连接能力,形成了“发票-保存-流转-报销”的全流程报销闭环。小程序可填写、保存发票抬头信息,还能通过二维码分享给他人。通过扫描开票二维码,发起开票并授权插入微信卡包,即可保存电子发票,需要报销时,进入【我】-【卡包】-【我的票券】查找即可。企业可以直接通过本企业的“企业微信”或者企业自建移动OA进行报销电子发票;线下可通过专业的打印机进行扫码打印发票。

在微信的开发者生态中,微信在默默的观察所有的开发功能,如果市场反馈的好就官方开发成模版降低初级开发者的使用门槛,这就决定了微信开发者生态是一个“不强则灭亡,不快就死”的环境。头部的开发者会不停的测试新的接口,并对产品和市场有很强的敏感度,进行快速迭代,同时会有大量的“中长尾开发者”利用“落伍”的模版服务着中长尾的商户。

二、关于内容:

腾讯构建了以安全、大数据、LBS、支付等基础技术基础,以社交、资讯、娱乐各大流量平台为连接器的赋能体系。腾讯云和企业微信以“智能+”的模式服务了上百万的开发者 。

腾讯正式推出企鹅号内容开放平台,邀请制内测了至少一年左右;以及“百亿计划”,大抵是一百亿的流量,一百亿的资金,一百亿的资源。百亿流量:“一点接入,全网接通”(2+4+4两个社交平台:微信和手Q;四个资讯平台:天天快报、应用宝、腾讯新闻客户端、腾讯浏览器;四个娱乐平台:QQ空间、全民K歌、NOW直播、腾讯视频)并借助腾讯AI的智能分发能力。

内容以及目前几种变现模式:直播、短视频、图文、问答、KOL;变现模式:广告(直接易操作)、电商(复杂度对商品和人群都有较高的要求)、知识付费(对持续性内容创作要求较高)等。

啰啰嗦嗦,大体写这么多,后续还会继续梳理相关内容或者一些思考。欢迎大家来讨论,如果你感兴趣,可以评论文章。如果你不感兴趣,那可以多看几遍,兴许就会感兴趣呢。

页面:123456
随时欢迎您 联系我们