小程序,智慧零售的新武器

前几年,面对很火的互联网企业、互联网产品、互联网思维,零售企业普遍只能干瞪眼。要不要做APP这个问题反复被讨论,除了几个行业巨头企业有成功的线下转线上的经验之外,更多的企业不得不反复纠结:一方面希望得到互联网那种快速低价获取大量用户的能力,一方面又受到ROI及企业内部复杂的流程限制,无法投入运营APP的巨大成本。

小程序来了,带来的是低成本投入,明确场景引导。原来零售的大体量线下会员在这里有了发挥的空间,线下转线上不再是一句空谈,而是带给了零售行业无限的机遇和希望。

今天,我们抛出几个问题,一起来探寻下小程序在零售的可能性。

  • 零售企业的痛点在哪里?
  • 零售企业应该要自建线上平台么?
  • 小程序为什么适合零售企业?
  • 零售企业应该如何做小程序?

一、零售企业的痛点在哪里?

1、 品牌同质化严重。

品牌无特色?竞争同质化?在信息、技术、服务、品质等不断增强的今天,品牌之间的差异性变得越来越小。80后人群为品质买单,90后人群为个性、好玩、有趣买单。如何让自己的品牌满足90后以甚至00后、10后的需求?除了传统零售大厂的巨额广告预算外,品牌是否可以营造自己的品牌文化,明确自己的品牌定位?

2、 用户流量受开店量限制。

传统零售是“坐商”的概念。导购待在门店里,坐等用户上门,才能跟用户产生互动。门店数量有限,门店的辐射范围是否能扩大?如何让看不到门店的用户认识到我们的品牌?最好再能对品牌有一轮初步的体验,然后再让用户确定是否需要购买。

3、 用户流量的粘性较低。

从进店到出店,导购与用户的互动从开始到结束。做的稍微好点的,会有会员制度,邀请买单的用户注册会员,当场累计积分。做再好点的,会把入会的权益提前告知用户,给犹豫是否要购买的用户一个刺激,提高购买转化率。但是在这个过程中,导购是否引导、权益是否有吸引力、注册体验是否友好,都会直接影响到用户是否会成为你的会员。

4、 坪效与人效的瓶颈。

“坐商”的传统零售门店不仅限制了入店用户流量的多少,也因为门店场地的大小限制了展示商品的数量,从而直接影响了路过门店的人是否进店逛的比例。用户进店是因为对某一种产品或者对某一种风格的认可和需求,是否有方式可以增加商品的曝光几率或者销售平台呢?

人效的问题更为直接。零售行业的一线导购人员流动率非常大,这就导致很难做到经验的积累和沉淀,直接影响人效。是否有方法可以降低员工的准入门槛,并且提高人效呢?

二、零售企业到底要不要自建线上平台?

零售行业一直面临的这些痛点问题,企业也在不断地寻求解决方案。我们看到很多企业都设立了专门的部门,建立了会员体系,创建了企业公众号,开发了自己的APP,并在持续进行各种尝试。

很有意思的一点是,基本上每个企业都非常明确地表明要建立自有线上流量池,不能把用户放在别家平台上。但是基本上很少有企业能下定决心说我要把资源倾斜给自有流量平台上。比如,我们经常可以见到,同一款衣服,在天猫旗舰店的价格会低于品牌APP上的价格。这种情况下,请给我一个理由,用户为什么要放弃现有的淘宝APP而再耗费精力和流量去下载一个新的APP呢?价格上没有优势,服务上有么?服务上没有优势,你们是否有独家爆款商品呢?如果什么都没有,如何吸引用户、如何构建自有流量池呢?

好吧,相信很多企业有这个决心,不仅要创建自有平台,也愿意倾斜资源在自有平台上。那么下一个问题,自有平台的定位是什么?我们过去经常看到服装品牌的官方APP,进入之后只是一个做了移动端适配的与PC端网站基本相同的页面;做再好点的,也是类似淘宝京东一样的电商页面。也就是说,即使投入了更多的用户权益资源,其实也就是把原来的用户,从天猫渠道洗到了品牌自有APP上而已。

自有APP建立的目标不应该是把左兜的用户揣到右兜,而应该是吸引更多的用户进入兜里面来。所以,在讨论要不要做APP的昨天,基本上会建议零售企业考虑几个问题:

  • 门店数量多少?会员体量多少?如果只有几百家店并且在可预计的几年内可累计会员最多几百万,那么还是算了吧~
  • 用户的消费频次是怎样?对于一个月消费还不了一次的场景,还是算了吧~
  • APP的投入预算怎样?如果只是别人家有我也想有,而没有足够的人员进行产品迭代及用户经营,那么还是算了吧~

三、小程序为什么适合零售企业?

零售企业一直受哪痛点问题困恼,也经历了是否要做APP的反复纠结。小程序带着自有的优势和特征的出现,带给零售企业一些新的希望。

1、 开发成本低。

APP对于零售企业的纠结点在于,要研发一个APP,需要组建自己APP团队,就算做外包也需要有专门的懂开发、产品、运营全套体系的人。开发周期至少几个月,版本更新每次也需要大约至少一个月的时间。外包的团队基本上只能做简单的日常运营,对于用户的分群经营、活动设计、产品体验基本上也只是想想而已。

小程序很好地解决了让零售企业纠结的这些问题点。一个小程序的开发周期基本上是以天为单位的,最快可以一晚上就完工。现在已经有很多提供小程序模板的供应商,直接调用模板,将研发和设计门槛基本降到了很低。加上小程序本身会根据微信的体系做自适配,也省去不同机型适配的工作周期。整体一个小程序研发的成本,不论从人员、工期来看,小程序的成本都很低。省下来的这些人力和时间,可以投入在真正值得深入钻研的用户经营上。

2、 获客成本低。

APP的获客成本高,体现在几个方面。第一,一般APP包体都至少几十兆,下载APP不管是流量还是操作,对用户来说都是比较复杂的过程。第二,由于下载门槛高,一般来说只有当APP提供下载的等值权益才能触动用户,导致权益成本高。第三,由于用户是奔着权益去的,拿到权益后,很难保证用户的二次访问以及后续转化行为。除非,APP本身就能满足用户的刚性需求。可是,不得不说,零售行业与用户之间是买卖关系,如果不以买卖为目的,基本上很难找到对使用APP的刚性需求。

同样的问题放在小程序上就不一样了。第一,小程序无需下载,直接使用,不用担心用户嫌烦。第二,小程序的使用,一般是有特定的场景,比如餐厅点餐、扫码验真、参加活动等,不用小程序操作,后面就没法玩,这才是真正的刚需场景。第三,基于场景的设计,因为门槛低,可以更多地跟低频用户进行互动。一个人一年吃一次KFC,绝不肯下载KFC APP。但是还是这个人一年吃一次KFC,当他出在KFC排队点餐的场景下,还是非常愿意使用小程序进行自主点餐免除排队的麻烦的。

3、 操作体验好。

小程序的操作体验跟H5相比自然是好很多。除此之外,小程序借助于微信提供的开放能力,拥有了进一步的能力提升:

  • 小程序支持与其他平台的跳转与打通,包含小程序→小程序,小程序→APP、APP→小程序、H5→小程序、图文消息→小程序、公众号→小程序等;
  • 小程序拥有强社交裂变能力。小程序拥有微信的好友关系,支持分享给好友及群。借助小群体内相互之间的信任关系及PK关系帮助小程序更容易传播,加上分享内容直接跳转到具体落地页面,整体操作直接明了,可带来快速裂变效果;
  • 小程序有微信支付的支持,允许用户在不离开微信的状态下,无需启动其他APP,无需进行登录验证,即可完成支付。

四、零售企业应该如何做小程序?

1、 明确整个零售环节中,各个场景及触点的痛点及用户的需求。

APP要做的是生态,所以APP是很多功能的聚集地。小程序要做的是场景,所以小程序都是要完成单一目标的工具。一个企业或者说一个品牌一般只有一个APP,但是会有几个甚至十几个小程序。挖掘出与用户的所有触点及在每个触点的用户内心需求,就可以帮助我们通过小程序这一工具获取更多用户,并提高用户的满意度。

以快餐为例,快餐和用户的触点主要发生在用户进店点餐和外送人员送餐两个场景上。

用户点餐触点的痛点,集中在高峰时段的长时间排队上。使用小程序点餐可以解放点餐人员工作,让用户通扫码进入小程序完成下单,后厨通过系统拿到订单数据进行配餐。就算后厨需要时间来制作,用户也可以先坐在位置上等待,用户体验相对之前站着排队来说会好很多。

同理,在外送场景,用户比较关心的是下单之后何时送达,以及如果外送体验不好如何反馈两点上。移植现有APP的订单状态功能到小程序上,实时显示外送人员当前地理位置及预计送达时间,可以让用户掌握订单状态。对于外卖订单的反馈收集,建议在外送单上印上用户反馈小程序的二维码,用户扫描后可以进入常见问题分类,并快速一键进行沟通,比如紧急问题直连人工客服电话,比如表扬等不紧急沟通可通过模板格式收集。

2、 小步快跑,单点突破,快速试错,验证后快速推广;

小程序的开发成本低,因此适合在这么多的触点中找出用户痛点,确定优先级别,逐个进行攻破。小程序迭代速度快,只需要微信简单审核即可上线,因此对于单一功能的不同方案也合适进行快速的更新迭代,根据客户喜好调整出最优产品。

继续以送餐反馈小程序为例。是应该让用户先描述反馈的问题更好?还是应该先让用户选择希望的反馈方式更好呢?设计两个不同版本,让用户分组跳转到两组不同的页面方式,查看用户的后续转化及跳出率等数据,判断用户习惯偏好,最终确定较优版本。

3、 数字化记录各环节数据,用数据分析结论调整决策。

不管是APP还是小程序,不管是线上还是线下,对于人、货、场的数据采集及分析,通过数据结论来调整决策,才是让企业真正做到数字化转型。同样,对于小程序,我们需要监测的数据有:

  • 分门店数据:

零售企业最大的资源是线下门店。小程序可以通过具体明确的场景,根据用户当前痛点提供刚性功能需求,快速将线下门店无法定位的顾客,转化到小程序上,并通过微信的UnionID、绑定的会员号以及在小程序上的行为来描述具体这个数字化的会员。分门店查看数据,包含:

  • 扫码新增用户数
  • 扫码用户数
  • 扫码次数
  • 日均扫码次数
  • 人均扫码次数
  • 以及通过单个门店的扫码用户人群的用户行为

  • 分场景数据:

除了扫码这一用户来源外,更多的用户来源场景是基于微信及外部其他曝光位,比如微信群的分享、微信聊天主界面下拉、APP分享消息卡片等。了解不同场景下用户的数据,可以帮我们调整小程序的线上推广策略。

分场景查看数据,包含:

  • 新增用户数
  • 访问用户数
  • 访问次数
  • 日均访问次数
  • 人均访问次数
  • 以及通过单个场景来源的用户人群的用户行为

  • 分页面的分享数据:

不同小程序页面的内容在同样的分享下会产生不同的数据。到底什么样的页面更容易产生列表效果?什么样的页面用户不太喜欢呢?这里我们就应该监测分页面的分享数据,包含:

  • 分享的页面
  • 分享次数
  • 分享用户数
  • 点击分享Link数
  • 分享点击比

通过数据帮助企业去监控用户从哪些门店来,用户从哪些场景资源来,用户喜欢什么样的分享内容,可以帮助我们更好地经营小程序。

  • 小程序用户和其他平台用户的数据打通

可能会有人问,小程序的数据是基于微信的数据,是不是和其他平台的数据彼此独立呢?微信数据是基于UnionID定义用户的,APP是基于设备ID定义用户的,H5是基于cookie定义用户的,CRM数据是基于会员账号定义用户的。所以,只要通过在小程序平台、APP平台甚至H5平台记录用户登录信息提取用户的账户信息,就可以根据账户信息就可以将不同平台之间的用户打通。打通后,用户在不同平台上的标签属性就可以汇集在一起,丰富我们对用户的认识了。

小程序带给零售行业很多可能性。微信平台也在不断地优化和开放更多的接口提升小程序的能力。但是真正能让小程序发挥作用的一定是零售企业自己。因为只有零售企业自己才知道与用户的触点在哪里,知道用户的痛点在哪里,才能通过不断试错及迭代收集足够的用户数据,才能知道用户在哪里、怎么来、需要什么,才能真正地实现门店数字化升级以及用户体验优化,实现真正的智慧零售。

崔晓波出席爱分析中国大数据高峰论坛,总结改造行业的4大步骤

近日,TalkingData创始人兼CEO 崔晓波出席由北京爱分析科技有限公司主办的“2018·爱分析中国大数据高峰论坛”,并在会上做了题为数据智能应用和商业模式发展的演讲。

本次大会吸引了200多位行业精英与投资人共同参与,会议围绕着数据服务、大数据垂直应用、数据分析平台等多个领域进行了深入的探讨。

TalkingData创始人兼CEO 崔晓波

TalkingData创始人兼CEO 崔晓波在演讲中提到:“数据智能”在未来5到10年内是一个非常关键的概念。智能与数据相辅相成,如何运用好数据去创造智能,是企业需要在未来不断探索的方向。

同时,他又从五个方面剖析了 TalkingData 在大数据,特别是数据服务领域里的探索和思考。

一、中美市场的差异与联系

1、技术与基础设施差异

崔晓波认为:数据是链接中美智能应用的桥梁。

近两年来,TalkingData团队与世界最大的数据科学社区——Kaggle共同举办了两场活动。

第一场活动中,由TalkingData提供脱敏后的中国移动互联网行为数据集,邀请全球的数据科学家构建高准确率的人口属性预测模型。约有2600个团队参与了此次活动,共提交了约2万个模型。

通过研究可以知道数据的用法非常丰富,但既依赖于场景,又依赖于领域知识,因此中国真正缺乏的是针对如金融、地产、零售、互联网、工业等各种领域的相关知识,在这些领域里仍需要去长时间的探索。

目前,TalkingData又与Kaggle共同发起了名为:TalkingData 全球广告反欺诈算法大赛的活动。

TalkingData此次提供中国在广告反欺诈中遇到的大量相关问题和数据,而这正是很多国外的数据科学家难以遇到的。可以看出,中国在应用领域已经迈入前沿,但仍缺乏技术和基础设施。

2、数据安全上的差异

此外,中美在数据安全方面也有差异,崔晓波提到:真正拥有数据的企业不愿共享数据,而是选择垄断,因为很多技术问题尚未解决——如何安全的共享数据、以及数据合规等问题。

数据安全与网络安全情况迥异,企业IT系统由云、IDC以及内部网络构成,因此网络外面需要有一层边界,不能让黑客进来,但若该层边界都有问题,或企业出现内鬼,又如何保障数据安全呢?像 Facebook,其在数据安全上投入巨大,也出现了非常新的技术,例如可以通过网关看到企业所有的数据流动,信息如何从一点到另一点,又如何被使用。在这方面中国没有积累,技术上的差距有5到10年。

TalkingData 致力于解决这些问题,推出一套体系,在数据不流动的情况下也可以共享的解决方案。

业务的问题要回归技术,最终仍要用技术本身去解决问题,这是中国企业所欠缺的。因此崔晓波认为,中国下一阶段的数据服务需要突破技术的限制。

二、从实体物质化到虚拟数字化

崔晓波提到:“我们看世界的角度将从实体物质化转向数字虚拟化”。这将是未来的发展趋势。

未来是机器学习、深度学习的时代,Google 在2014年、2015年就将大量资源投入到机器学习研究中,因此在2016年,AlphaGo出现了。

AlphaGo将物理世界数字虚拟化,之后就可以用不断增长的计算机算法去加速学习过程,达到破局的效果。

但是在绝大部分领域还做不到这一点,因为如果一个机器或者一个算法不能帮人做决定,那么对这个行业,第一没有颠覆,第二没有价值。

自动驾驶技术达到L5(完全自动驾驶)就会颠覆了原有行业,但在L3以下就是辅助驾驶。在医疗领域,如果机器给出的结果真的能作为诊断结果,那也是颠覆,但是如果这个结果只能辅助人类诊断,其价值就有限。

要达到产生颠覆的阶段,所需要的时间远比我们想像的要长。

崔晓波认为,大家现在对人工智能过于乐观,未来几年会有所回落,但技术本身是非常具有价值的。

TalkingData创始人兼CEO 崔晓波

三、大数据通过四个步骤改造一个行业

根据TalkingData的经验,不管何种行业都可以从四个步骤去进行改造。

  • 业务数据化
  • 应用场景化
  • 流程自动化
  • 决策智能化

首先是业务数据化

根据以往经验,很多传统行业的业务流程没有真正数据化,业务好或不好都没有一套数据体系、指标体系、方法论体系去进行评估管理,而“业务数据化”就是各种大数据、商业智能等技术搅合在一起的过程。

其次是应用场景化

这里特指数据应用的场景化——在完成数据化后,考虑用何种方法提升业务,用大数据、算法模型、机器学习的方法去做应用场景化。

但目前该过程还是更多基于人工,基于分析师对业务的了解或个人经验,中国90%以上的企业还处于这样的阶段,包括互联网企业。

第三是流程自动化

已经有一些头部企业走到了这一步,比如TalkingData正在合作的某餐饮企业,其拥有50人的数据团队,非常重视数据预测——卖多少汉堡、卖多少咖啡。在TalkingData的帮助下,其预测准确率已经达到95%以上,整个过程需要运用大量的数据,包括天气、路况、客流、历史交易等等。

该餐饮企业可以据此优化第二天的排班、供应链情况,计算下来一年节省上亿元的费用。

第四是决策智能化

TalkingData也为企业选址提供帮助,因为对于下线零售商来说,店铺位置也就决定了这家店是否能成功的百分之七八十。例如TalkingData为某客户提供的选址服务,通过客户提供的三年历史收入数据,经过建模和优化,不仅能够准确预测历史收入,还能够进一步预测新店未来三年的收入,并且实现了自动化预测。之前该企业有200人的选址团队,现在只需要20人,这是TalkingData帮助优化的结果。

以上几步完成后,还有一些头部企业进入到了效益数字化的阶段,当企业完成智能化后,已经有了很强的数据能力,这时企业开始考虑能否将该能力开放给其他企业,将其做成一些指标甚至是智能APP,提供给供应商和下游,甚至将业务切出来,再覆盖产业链中的中小企业。这也是TalkingData正在研究的一个模式。

四、数据智能演进的三个阶段

从TalkingData角度来看,数据智能的演进分为三个阶段:

1)Data到Analysis:拥有大量数据,帮助开发者做分析,但从数据到分析只是浅层次重复,无法形成闭环和带来效益提升。

2)Data到Action:走不通第一阶段,尝试下一步,看数据能做什么,比如是否能优化广告和营销。这在国外可行,但国内很难,因为中国拥有太多的不透明。诺大的网络有很多不透明的算法,将数据的算法逻辑都抵消掉了。

3)Data到Data Science:现在越来越多的企业走到第三个阶段,将数据变成数据模型,证明数据在什么地方对商业有价值。对于企业来说,模型比人工更具有优势,运用之后后以前能做50个产品现在能做500个,这就是提升。

通过Data到Data Science形成闭环,依赖模型持续提升效果,现在是大家的共识。

五、数据服务价值长期才能显现

数据回报定律是指在指数级世界里,数据对商业价值的回报都是加速的,TalkingData服务的所有企业都有这个趋势。

第一年看不到数据对商业有特别明显的回报,而在第二、第三年后就很明显。

TalkingData服务的很多客户都是例证,通过数据真的可以每年节省上亿费用或带来非常可观的回报。

但目前也有很多数据企业急于求成,对客户承诺三个月或半年即可产生帮助,但其实很难做到,结果一定是两三年以后才能显现。

热点观察站丨初探网约车江湖的头号玩家

图片来源于网络

江湖笑,恩怨了,人过招,笑藏刀

红尘笑,笑寂寥,心太高,到不了

江湖笑周华健 – 雨人

在“唠嗑”前,借助这首《江湖笑》来描述当下的网约车市场再适合不过。继美团打车登陆上海、高德推出顺风车、嘀嗒出行再开九城,易到宣布调整公司业务模式,提升优惠力度,各网约车平台摩拳擦掌,如今在线旅游平台携程也将开始自营网约车。沉寂许久的网约车江湖,再次掀起掀起腥风血雨,刀光剑影、江湖从此不再太平。

网约车互联网热度趋势曲线

数据来源:百度指数

数据来源:百度指数

基于百度搜索“网约车”关键词趋势曲线,我们可以很明显的看到从2月节后,各大势力逐渐杀入市场带来的关注增量,在2018年4月4日达到半年以来的最高峰。随着事件的升级和关注度增加,媒体结合网约车的报道相继猛增,同时介于江湖再次掀起波澜,价格战马甲车制度管制等话题愈演愈烈,也让“网约车”媒体指数在近期达到了顶峰。

谁是网约车江湖里的头号玩家?

在此番江湖纷争中,“门众”(司机)的争夺再次成为众矢之的,各门派则需绞尽脑汁,以各种赏金或机制招募“门众”。据悉,美团打车祭出的“促销组合拳”包括:上线前3个月,对快车司机“零抽成”,之后收取8%的佣金(其他平台一般抽成20%);快车乘客也有实惠,前三单每单可减14元;出租车驾驶员推荐一名同行加入并完成两单,可获一次性奖励20元,乘客每单能减免3元。

与此同时,“滴滴出行”则一连几天给乘客发短信送“福利”:先送18元打车券,再送3张10元立减券;双休日叫响“越打越便宜”的口号,乘客前4程依次可减8-11元;从周二起连续三天,直接抛出了“0元打车享不停”。

不过和小说中的江湖门派有所不同的是,此“门众”可在各大门派中游走,随时可寻求高佣金、高福利的门派。从而,“门众”则成为这条利益链中的头号玩家。欢迎来到本期的《热点观察站》,我们今天暂且搁下江湖门派的恩怨情仇,借助TalkingData营销云,初探网约车江湖中的“头号玩家”——司机,看看他们究竟是一个怎样的群体。

网约车“女侠” 为何仅占比17.55%?

图片来源于网络

数据来源:TalkingData

网约车女司机占比仅为17.55%,究其原因可以从三点进行解读,其一,安全性,毕竟“拉活”在外,无法保证顾客的素质与乘车目的,顾虑自身安全是女性成为网约车司机的关键因素;其二,车内整洁,相比男性、女性对车内整洁有着更高的要求,对于“外人”给车内带来的异物或污渍等有一定的排斥性;其三,社会上对女性司机有一定的驾驶偏见。

不过根据某网约车平台的评价体系数据呈现,乘客对女司机评价最多的三个词语为:车内整洁服务态度好驾驶平稳“女性相对来说比较细心,对自己的车容车貌和服务态度都有要求,也懂得控制情绪,这也许是获得高分的原因。”(来源于媒体对女性网约车司机的采访描述)。

数据来源:TalkingData

从年龄层上来看,19-35岁互联网人群为网约车司机的主力军,同时也不乏36-45岁的老司机。

网约车司机为何会偏爱中高端手机?

数据来源:TalkingData

数据来源:TalkingData

影响“抢单”的因素不仅取决与个人的意识和手速,手机的流畅性与移动网速也至关重要,所以手机对于网约车司机有着更深层次的使用价值。在运营商分布与联网方式方面,中国移动占比56.04%、中国联通占比21.86%、中国电信占比20.85%;联网方式75.77%为4G网络,高出2017年移动互联网人群6.47个百分点,这也侧面印证移动网络是网约车司机们的刚需,同时4G的资费的优惠政策,也是4G网络大规模普及的原因之一。

2000-3999元中高端机型是网约车司机们的首选,整体占比47.54%,高出2017年移动互联网人群3.94个百分点(详见TalkingData-2017年移动互联网行业发展报告)。在这个价位的手机中“屏幕尺寸”、“硬件性能”相对更能满足他们的需求。从手机品牌上来看,网约车司机们更青睐OPPO,其次是vivo华为

哪类应用更能触达到网约车司机?

数据来源:TalkingData

通过数据,我们可以看到网约车司机在“出行”、“汽车服务”应用品类上有较强的覆盖率和TGI偏好,汽车服务更多在于”查违章”、“汽车保养”类应用,这与其人群特征有着较强的关联。同时不难发现,他们对于房产医疗餐饮金融理财也有着较强的兴趣偏好。其中,餐饮以O2O外卖为主,房产则更偏向于租房细分品类。

加班热点工作区&夜生活区域热力图

数据来源:TalkingData

与其说是北京网约车司机凌晨(22时-次日6时)热力图,倒不如说是“北京加班热点区域”和“北京夜生活区域热力图”。工作区主要集中在国贸东直门望京上地中关村等区域,夜生活区域主要集中在后海三里屯等地,而在夜间相关交通枢纽及机场、火车站也是热门区域。

我们通过“人群属性”、“设备属性”、“媒介偏好”、“线下热力图”四个维度,进行网约车司机人群画像初步探索,如果你还想了解“同时采用多款打车设备的司机占比”、“网约车司机手机机型TOP榜单”、“不同时间段应用偏好”等更详细的数据维度——

请了解TalkingData营销云产品。

新零售:不是新概念的新趋势 | 博鳌亚洲论坛见闻录②

近日,博鳌亚洲论坛2018年年会在海南博鳌举办。大会以“开放创新的亚洲 · 繁荣发展的世界”为主题,汇聚来自50个国家的2000余名商业领袖,习近平主席也出席10日的大会开幕式并发表重要演讲。

TalkingData高级副总裁支宝才作为代表参加了此次博鳌亚洲论坛,并重点关注互联网、数字经济、新零售、新金融等话题。在上一篇文章(《遇见凯文•凯利 | 博鳌亚洲论坛见闻录①》)中阐述了人工智能(AI)的知识和观点。在本文中,他将再次结合自己的见解,和大家一起分享关于新零售领域的观点。

“创新”是本次博鳌论坛的主题之一(另一个主题是开放,中心思想是利益共同体——Share Future)。大会分论坛的议题安排也是两类,一半是未来的亚洲、全球化后半场、一带一路、宗教文化等宏观话题;一半是技术创新和产业相关的话题,例如未来的技术革命、人工智能、未来的互联网、共享经济等。

新零售(主题是:新概念还是新趋势)与新金融(主题是:改变还是被改变)是为数不多的“传统”行业主题,这也与TalkingData重点关注的行业不谋而合。

新零售论坛安排在会议第三天,邀请网红KOL吴伯凡先生主持,国美董事长何阳青、大龙网创始人冯剑峰、凯德总裁Lim Ming Yan、波士顿咨询全球主席Hans Burkner、花点时间创始人朱月怡、跨国电商平台大龙网CEO易青作为嘉宾。

博鳌亚洲论坛新零售主题圆桌会议   图片来源:博鳌亚洲论坛

虽然这个分论坛时间并不长,但传统零售、新电商和跨境电商、第三方行业专家同场交流,跨界的思维碰撞还是给了我很多启发。本文不赘述具体发言内容,而是会结合TalkingData为零售企业服务过程中的一些经验,针对三个问题分享一下我的思考。

(一)新零售到底“新”在哪里?

新零售其实并不是一个“新”概念,前些年电商崛起的时候,行业也在普遍讨论“新零售”,那时的“新零售”的内涵是从线下到线上,那么现在的“新零售”到底“新”在哪里呢?

我认为“新”在以下三个方面:

  • 新关系传统线下商家与消费者关系的转变,将传统一次性消费的买卖关系转变成持续性客户关系。利用技术手段,实现客户从“无记名”消费到“记名”消费,从关注单次交易的达成到关注客户的交互渠道、消费频次和综合消费体验。
  • 新技术现在新零售的另外一个特点是大量应用新技术,如大数据、人工智能、机器人和自动化、IoT和新支付手段等,在持续为行业升级赋能。
  • 新模式通过线上和线下的融合(OMO)重新定义人、货、场的关系,将带来更多的零售差异化业务模式创新。
亚马逊无人零售店:Amazon Go  图片来源:Amazon

(二)为什么会有新零售?

零售行业是国内发展最快、市场开放程度最高、也是竞争最激烈的行业之一。电子商务对传统零售行业的冲击仍在继续,行业格局初定,那么为什么又会有“新零售”的发生?以及新零售为什么会发生在中国?

我认为有三个方面的原因:

  • 普遍移动互联网化的消费者:跨越年龄、性别和区域的社交平台、电商平台、支付平台的习惯性用户——也就是“新的消费者”,是本次新零售能够发生的基础。
  • 基础设施的成熟与新技术的驱动:前面提到的新技术既是新零售的特点,也是触发新零售升级的驱动要素,同时生产环节、物流配送、支付体系、通讯网络、基础设施等方面的成熟也是新零售发生的前提条件。
  • 进击的“巨人”和传统企业的反抗:本次新零售的发生,国外亚马逊等示范效应,国内阿里、腾讯和京东等电商和互联网巨头的推动是主要动因,同时传统零售行业巨头以及品牌商希望加强线上能力、摆脱不利竞争局面的需求也是驱动因素。
电商和互联网巨头冲击下的“新零售”  图片来源:TalkingData整理

(三)新零售会带来哪些影响?

新零售的本质还是一次行业升级,但是在资本、技术和行业巨头的多重因素推动下,还是会对行业带来非常深远的影响。

主要体现在如下几个方面:

  • 行业洗牌和格局重构:本次新零售将带来产业格局的改变,一方面大量资本涌入,行业并购和重组频繁发生,新零售在一定程度上就是互联网巨头圈地和传统零售商突围的游戏,可以预见也将产生创新型行业新星,零售行业格局在短时间内将被重构。
  • 零售行业边界的拓展:新零售自身的跨界融合和新技术应用的特点,将在一定程度上拓展零售行业的边界,零售行业与互联网行业、零售行业与科技产业、零售行业与其他相关产业如生产和物流等的边界将趋向模糊,出现更多的融合。
  • 零售价值链创新:新零售将在一定程度上重新定义行业价值链,包括行业竞争合作关系,以及与客户的关系。例如在本次论坛上,国美董事长何阳青提出的“从传统家电销售安装,进入到售后服务领域(如帮助客户进行家电的定期保养)并关注售后客户大数据”就是很好的例证。

(四)零售企业应该怎么做?

新零售看似方兴未艾,其实来势汹汹。在服务零售行业上积累了丰富经验后,TalkingData提出了D2D方法论,(具体可参考文章:《TalkingData D2D:从“数字化”到“数字化” –以数据的智能驱动零售行业的数字化转型》)针对性帮助零售企业提升数字化运营能力,更好的把握新零售的产业升级的发展机遇。

【数驱•新融合】探索OMO模式下的增长点

电商巨头裹挟、人员成本增加、租金不断涨价,使传统零售业面临巨大危机。变革,迫在眉睫。在线上数据和线下数据相互融合的新思维碰撞下,数字化转型成为给传统零售企业,带来新销售机遇和业务增长的曙光。

3月28日,TalkingData诚意邀请到了TalkingData咨询部地产及零售行业咨询总经理张赜、众盟数据商业拓展VP王志勇、中国电信云计算分公司大数据事业部首席数据分析师张宇中、TalkingData数据分析高级总监王鹏、TalkingData数据营销方案总监曲政五位专家,参与TalkingData举办的北京站《数驱·新融合 探索OMO模式下的增长点》主题线下沙龙,与到场同学就“OMO模式下的数据变革”和“如何通过线上/线下的融合,赋能OMO模式提升业务增长”等话题进行了深入探讨。

在沙龙中,嘉宾们具体分享了哪些宝贵的经验和知识点呢?现在,我们一起回顾下。

 

一、“D2D”:OMO模式下的数据化变革:

TalkingData咨询部地产及零售行业咨询总经理张赜 

 

D2D,TalkingData数字化转型方法论,从“数字化”到“数字化”,以业务数字化为起点,以效益数字化为节点的数字化运营闭环,迭代上升,全面提升数字化能力。

从三个层面,来看D2D的实现路径:

1.跬步和千里-起节点的设计

起点:以业务的数字化为起点,拆解人货场的数据元素,厘清交互的流转数据,将业务比特化。传统方式下,以ERP、CRM的内控驱动的零售经营,以财务绩效指标为衡量企业产出的唯一因素;物质化的资产作为生产支撑工具,与业务的运营有较为清晰的分割;不管是以产定销还是以需定产,对于消费者的评估和市场的预测,都基于较为粗放和单一的逻辑;前端的设计、生产、供应链,到后端的市场、销售、终端,单向的业务链条难以形成前后端的有效整合和互动。

如今,在互联网和大数据的驱动下,从交易到交互,再到公开市场,企业对于消费者的洞察具有更为全面可获得的数据,将数据视为资产运营,并成为贯穿企业运营的承载主体,其战略意义已经超越传统的资产范畴。因此,全域触点建设尤为重要,将“人货场”的元素拆解,并建立关联;主动采集各交互流转的数据,形成数据资产的流动;通过工程化、标签化、模型化的注入,形成数据资产的价值运营,以实现全触点互动、全链路体验和全渠道的融合。

 

节点:以效益的数字化为节点。追求“效率”和“收益”的平衡和共进,以小的闭环验证,替代以往长周期归因的方式,快速循环、迭代和稳固提高产出价值,是数字化转型策略执行的关键。

 

  • 效率的提升:数字化转型的前期更侧重于夯实基础,效率的提升为主要的目标。数据资产的建设、数字化平台的建设、数字化决策基础能力的建设都是垒以变革的基础。TalkingData在某零售企业的数字化转型变革中,通过前期的数据诊断评估及优化,从无到有的建设线下数据采集触点,实现近1万家门店,800万的线下客户数字化。并建立数字化平台,集成数据、模型和指标体系,形成营运决策的自动化闭环链路。同时,在效率产出阶段,投入营销活动的闭环实践,验证人货场的关联,以产消者为核心的向上向下驱动链路中,“人-货”、“人-场”的组合轮动模式,继而形成人货场的互动整合、元素重构。

 

  • 收益的提升:经营目标的提升可以说是零售企业追求的“终极”目的,这一环节与销售端的价值创造能力息息相关。从消费者经营角度,提升消费者价值转化的漏斗,提高收入,降低成本,是提高收益的三个重要内容。构建潜在目标客户群体,提高从潜在会员到会员,再到高价值会员的漏斗转化,降低休眠和流失会员比例,使会员价值分布上移,构建良性的会员结构。并在交易环节,以更丰富和贴近的营销策略,提高客单价,降低销售成本,提高ROI。

起节点的交互和一致亦很重要。以业务的数字化,实现效益数字化的产出;并根据效益的数字化,反馈和优化业务数字化的执行,以及指导业务数字化的布局,保证两者的协同。

 

2.实现路径的“四化”交互

数据资产化、分析模型化、应用场景化、流程自动化是起点到节点的实现路径,通过“四化”的能力构建,最终实现智能化决策,智能化组织。

 

数据资产化:业务的比特化和重组的过程,将拆解后的业务数字元素,整合为可以支持企业经营,并能够持续化运营的数据资产。这一环节,需要企业在组织变革中进行较为彻底的转变,强调对于数据的采集、回笼和运营,并纳入每次营运策略制定和考核的核心内容,以长期经营资产的心态去经营数据,才能保障数据的资产化和生态化发展。

 

分析模型化:以机器算法与专家知识结合,提升效益的扩展能力。建立以业务场景出发,到业务场景验证的模型化分析闭环,实现数据价值的不断深入挖掘。在这一过程中,大数据的处理能力、OMO下的数据整合建模能力、客群细分和洞察能力、算法模型的验证和迭代能力,以及与专家知识的结合是关键。以大家熟知的RFM模型为例,经典的RFM模型以交易数据和频率为主要建模指标,但TalkingData通过补充线上线下交互数据,将RFM模型升级,增加到访频次和到访停留等指标,来实现更为精准的人群划分,精细化判断营销策略组合中的优化方向。同时,TalkingData数据科学团队构建的潜在客户挖掘模型、关联模型、客户流失预警模型、场景感知模型、销售预测模型、选址模型等,都开创性实现了在一三方数据整合的基础上,以人货场元素的拆解和关联,并借助TalkingData的海外在线平台优化,形成从D2D(从数字化到数字化)到D2AI(从数字化到AI)的提升。

 

流程自动化:业务流程和系统流程的自动化,是“四化”的承载。(1)业务流程,与传统的变革管理中组织变革、流程重组BPR不同,数字化转型的组织优化在于分割、交互、回归与自循环,即更为清晰的分割机器的能力与人的能力,并建立两者的良性交互,将人的作用回归到主观性、创造性与决策性判断上,并建立组织的自我驱动和自我优化能力。(2)系统流程,搭建数字化平台,实现对于大数据处理能力、分析洞察及建模能力、预测能力、智能交互能力和营运闭环能力,以及与传统企业一方系统平台的对接,来实现对于海量快速增长的结构化/非结构化的数据处理需求,以及对于算法模型的优化,和AI等新的零售技术的应用支持。

3.闭环、迭代和持续优化

数字化转型是一个目标和变革的方向,不能一蹴而就。以企业的基线出发,以诊断和评估入手,制定转型的阶段性目标;从起点到节点(而不是结点),实现四化能力的构建,并建立闭环反馈机制,每次迭代形成新的基线,并指导下一次的策略。将传统企业的转型与互联网的经营思路相结合,以基石的稳固和小的闭环迭代快速推演、优化,才是数字化转型的正确实现方式。

实践:运用TalkingData D2D方法论,TalkingData形成数字化转型的整体解决方案,从数据、平台、咨询层面,为零售企业提供一体化解决方案,驱动传统零售企业以数据的智能构建技术的智能、组织的智能和决策的智能,稳步推进数字化转型,并构建可以持续化发展的能力。

更多“D2D”内容请点击查看

 

二、打通线下与线上,数据资产化赋能新零售:

众盟数据商业拓展VP王志勇

 

众盟数据商业拓展VP王志勇认为,线上流量红利消失,实体商业流量价值迎来黄金时代。线下场景流量巨大,并且蕴藏巨大的商业价值。在线上流量逐渐消失的情况下,线下流量至少是线上的50倍。而且线下流量成本更低、稳定性更高。线下实体经营者,应该增强对线下流量运营的概念和意识。

 

三、如何在新零售商浪潮下玩转商业地产:

中国电信云计算分公司大数据事业部首席数据分析师张宇中

 

在新零售浪潮下,中国电信云计算分公司大数据事业部首席数据分析师张宇中把地产行业客户主要分为:商业地产运营企业、渠道代理商、住宅地产运营企业和政府部门,这4类行业客户,并针对此4类行业客户给现场同学带来了以下痛点分析——

1)商业地产运营企业(购物中心、商铺、品牌连锁店)

  • 商业决策凭经验且周期长,与市场需求脱节;
  • 顾客粘性差,高频到访客流占比低;
  • 流量转化率低,线下流量浪费严重;
  • 营销效果差,营销成本高;会员沉默比例高;
  • 竞品间运营和业态服务同质化严重。

2)渠道代理商(含大数据应用服务公司)

  • 有客户资源,但缺乏提供解决方案的能力;
  • 自建解决方案平台成本高,周期长,运营经验不足;
  • 自采购的数据质量差且数据源单一,解决方案无法满足客户需求。

3)住宅地产运营企业

  • 拿地选址阶段,无法量化人口数量、收入等指标;
  • 产品设计阶段,目标客户群偏好和需求把握不准;
  • 营销阶段,线上和线下引流效果差和销售转化率低;
  • 社区物业运营阶段,缺乏对社区居民的生活阶段、画像和偏好的了解。

4)政府部门(含事业单位或行业协会)

  • 城镇化管理与决策理论方法滞后;
  • 城镇化相关决策和管理,缺少量化依据;
  • 城镇化决策静态化,目标单一,缺乏全局视角;
  • 城镇化管理手段不精细,效率低,持续性差。

四、数驱OMO TalkingData营销实战解析:

TalkingData数据分析高级总监 王鹏

随着当前线上、线下销售竞争加剧和流量渠道变革,传统购物中心、商场运营模式业受到了前所未有的挑战和冲击。TalkingData数据分析高级总监王鹏,给现场同学分享了以商场为例的OMO营销实战解析。王鹏表示基于当下行业状况,商场运营者需要精细的了解客户特点,才能更好的优化商场的业态组合,从而提升用户体验吸引更多用户。王鹏根据多年客户经验,总结了在商场营销、运营实践中,可尝试从人群洞察、流量分析、关联分析三个维度进行分析,助力运营者找到合适的解决方案:

1.人群洞察

根据不同的数据源,进行不同维度的洞察分析。不同数据源之间,是否能打通,决定了分析者从哪个角度分析数据与自身业务点结合、与应用场景结合;

2.流量分析

人群分布特征,给线下运营活动推广提供了有效的决策依据和指导;

3.关联分析

通过数据和AI不断优化商场店铺,智能招商,智慧运营;

五、TalkingData核心产品分享:

TalkingData数据营销方案总监 曲政

TalkingData数据营销方案总监 曲政,在本次沙龙中为在座同学介绍助力企业全面线上线下数据融合,带来新发展机遇、用数据赋能营销增长的TalkingData相关数据服务产品。

 

1.SMC-智能营销云

依托于TalkingData强大数据源和TD数据市场的互联数据,从目标客群寻找、客群特征洞察、营销流量连接触达,到营销效果监测并学习提升的一体化数据营销闭环平台。

详细了解,请点击

 

2.BrandGrowth-品牌广告价值分析

一款基于大数据贯穿品牌营销全链路助力品牌价值增长的产品,除了效果转化外,更能看到广告主品牌美誉度的提升。

详细了解,请点击阅读

 

3.SDMK-智能数据交易市场

用数据帮助传统企业转型升级为数据驱动型企业。

详细了解,请点击阅读

4.MI-移动观象台

纵览行业数据,解析移动趋势。

详细了解,请点击阅读

 

推荐阅读:

技术专栏 | Vue 源码分析之 Observer

【奖】热点观察站 l “复盘”直播答题的52天

三大方面、两个案例,解析用行为数据提升证券App用户体验

 

活动 | 组队打击广告欺诈,重金召唤你的加入

“广告无处不在,如果广告点击都是假的,

我们的世界将会怎样?”

如果广告点击都是假的

广告无处不在,它早已是我们生活中不可或缺的一部分,但你是否想过,如果广告点击是假的,我们的世界会怎样?

或许有人会庆幸,广告点击是假的,就无所谓广告主投放的广告需要与目标受众匹配,心急火燎地追剧时不必关心等待数十秒的广告是否会有惊喜,刷朋友圈时也无需再动动手指查看“赞助商提供的广告信息”,点击“我不感兴趣”。

但要知道,广告可是不少科技巨头的重要收入来源,无论国外的 Google、Facebook,还是国内 BAT,广告都是其营收的重要组成部分,且有逐年上涨的趋势。

图片来自:Visual Capitalist

广告也是广大企业触达客户、吸引关注、提升业务的重要方式,如果广告点击不能真实反映广告效果,不仅会让企业无法准确评估营销策略和执行,还会带来运营成本的巨大浪费。

如果这些广告点击都是假的,引发的经济问题和社会问题恐怕难以想象。

广告欺诈现象严重

广告创造如此多的商业利润,却难掩其尴尬之处,美国百货商店之父 John Wanamaker 那句广为流传的名言一语道破天机:

我知道我在广告上的投资有一半浪费了,但问题是我不知道是哪一半。

事实上,在巨额的商业利益驱动下,广告带来的不止尴尬、还有欺诈,浪费的广告费也远不止一半。

图片来自:TalkingData 2017 移动广告行业报告

TalkingData 2017 移动广告行业报告显示,2017 年移动效果广告点击总量相比 2016 年增长超过 17 倍,其中 iOS 平台点击量同比增长 1776.2%,安卓平台点击量同比增长 366.2%。

而与此同时,2017 年移动效果广告推广激活总量同比增长 41.9%,其中 iOS 平台同比增长 17.1%,安卓平台同比增长 123.2%。

点击量增速远超激活量,虚假点击刷量严重。

TalkingData

全球广告反欺诈算法大赛

一方面是广告所带来的重要价值,另一方面广告欺诈触目惊心,广告反欺诈刻不容缓。在这样的背景下,TalkingData 联合 Kaggle 共同发起 TalkingData 全球广告反欺诈算法大赛。

本次大赛将于 UTC 时间 3 月 5 日至 5 月 7 日举行,赛题已正式在 Kaggle 平台上线,5 月 28 日,获奖团队将进行结果展示。

本次大赛前三名共将获得 25,000 美元奖金,其中第一名获得奖金 12,500 美元。除此之外,你还有机会解决真正的商业问题。

  • 万元美金奖励

第一名将获得奖金 12,500 美元

  • 解决真正的商业问题

    让面向 2 万多广告主的数据驱动的广告监测产品更有效

参赛方式:

  1. 点击:https://edu.talkingdata.com/competition#/了解比赛详情
  2. 点击首页“我要参赛”前往 Kaggle 官网
  3. 注册登录 Kaggle,即可参赛

我们为你答疑解惑

如果你之前没有参加过 Kaggle 比赛或对赛题还有疑问,别担心,我们来为你答疑解惑。

3月28日晚 20:00-21:00,我们将举行一场线上微信群文字直播,为大家答疑解惑。

我们邀请了去年入选京东金融数据探索者大赛商业组Top5的 TalkingData Sniper 战队 以及算法组挑战猪脸识别、同时也是本次大赛的出题人 TalkingData 数据科学家殷尧,为大家分享以往的参赛经验,也为大家解答关于本次赛题的疑问。

直播参与方式:

1. 扫描下方二维码入群

2. 如果群成员已达上限,请扫描下方二维码或搜索添加微信号 TDU2018 (需备注:姓名+学校+专业或者姓名+公司+职位),直播开始前会统一拉大家入群。

此外,我们也准备了一些奖品,直播结束后的抽奖环节等你。

有队友携手、有奖金收获,赶快参赛吧!

制衡刷量“四大术”,TalkingData Ad Tracking上线高级版作弊防护功能

在TalkingData发布的《TalkingData-2017移动广告行业报告》中,TalkingData用数据揭示了过去一年移动广告行业井喷式的刷量作弊现象。“基于TalkingData Ad Tracking移动广告监测平台数据,2017年,移动效果广告点击总量相比2016年增长超过17倍;移动效果广告推广激活总量同比增长41.9%,点击量增速远超激活,利用虚假点击刷量情况依然不容忽视。”

另一方面,从2017年的TalkingData Ad Tracking反作弊系统中,发现刷量手段层出不穷,我们归类为以下四大“术”

作弊手段一:隐身术

为了阻止监测平台利用广告追踪ID追溯设备广告行为,某些广告平台带来的新增激活用户中,70%~80%的用户开启了广告追踪限制,利用手机操作系统属性阻止监测平台获取广告追踪ID,开启“隐身模式”为所欲为。

作弊手段二:易容术

通过刷机手段,改变设备属性,每一次数据上报均为“全新身份”,规避监测平台设备唯一标识策略,利用统一设备多次上报“激活”。

作弊手段三:瞬移术

在大量基于设备ID匹配的新增激活中,存在大量点击与激活IP地址不一致的情况,比例超出合理范围,利用设备ID库“精准”刷量。

作弊手段四:分身术

在“洪水”般的点击中,同一设备在同一时间上报多次点击数据,真可谓“分身有术”。

正所谓“魔高一尺道高一丈”,所有“小伎俩”并未躲过TalkingData Ad Tracking反作弊系统的监测。针对愈发“专业”的作弊手段,近日TalkingData Ad Tracking上线了高级版作弊防护功能:

  • 可疑设备分析:基于TalkingData设备库与用户行为分析结果,监测统计“隐身”设备与“易容”设备,分析其带来的点击、激活数据。
  • 转化异常分析:针对“瞬移术”激活,新增IP位置迁移激活占比分析;在基础版转化时差分析基础上,提供秒级转化时差分布分析。
  • IP频次分布:提供不同广告行为频次IP下的行为分布分析,更直观发现高频异常广告行为。
  • 点击碰撞分析:实时监测统计“分身术”设备带来的异常广告行为数据。

福利来了!福利来了!福利来了!

新年伊始,TalkingData为所有用户提供了作弊防护高级版7日免费试用权限,预知更多详情,欢迎登录TalkingData使用高级版作弊防护(地址:http://www.talkingdata.com/product-AdTracking.jsp?languagetype=zh_cn)!

数据那些事儿 | 移动大数据驱动下的地产行业创新与变革

作为TalkingData着力打造的“7月房地产大数据主题月”系列活动之一,7月10日由TalkingData行业客户部地产业务拓展总监-毕英杰在TalkingData University-大数据名人大讲堂做了题为《移动大数据驱动的地产行业创新与变革》的分享,以下为分享的核心内容:

幻灯片1

 

继续阅读数据那些事儿 | 移动大数据驱动下的地产行业创新与变革

数据那些事儿 | 从“大数据故事”到“大数据应用”

近日,由中国旅游协会主办的“旅游新技术发展论坛—新技术开启旅游业全新纪元”在北京国际饭店成功举办。此次论坛以“新技术开启旅游业全新纪元”为主旨,邀请到了阿里旅行、美团云、金棕榈、神州专车等知名的互联网企业,共同展示旅游业最酷最炫的技术应用,分享最新最热的行业话题,量身打造适合企业发展的技术解决方案。

TalkingData作为国内领先的独立第三方移动数据服务平台也受邀参加了本次论坛,并由旅游事业部总经理郭文亮先生发表了题为“大数据故事到大数据应用”的演讲,为旅游行业创新发展提供了全新的视角,获得了现场来宾的一致认可。

23285521742431483

继续阅读数据那些事儿 | 从“大数据故事”到“大数据应用”

TalkingData与O’reilly达成战略合作 共同推动中国大数据市场环境良性发展

2016年6月13日,北京——北京腾云天下科技有限公司(TalkingData)宣布,与O’Reilly Media就该公司旗下Strata+Hadoop World Beijing会议达成战略合作意向,双方将在大数据市场培育,相关人才培养等领域开展全方位战略合作,意在创造更利于大数据知识积累传播的行业环境,促进行业发展。

合作1

继续阅读TalkingData与O’reilly达成战略合作 共同推动中国大数据市场环境良性发展