锐眼洞察 | 从埃隆·马斯克的火星移民计划看任务拆解

作者:TalkingData SDK研发总监 卢健

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!

导语:

如果还有人不知道埃隆·马斯克, 相信也会知道他的特斯拉公司。除了特斯拉外,早年埃隆·马斯克还提出过一个火星移民计划。

0af41909f8430f6c42130dacc83344c2.jpg

埃隆·马斯克曾就商业这个话题表达过:“我不知道什么叫商业。所谓公司,就是一群人聚集起来,创建一个产品或者服务,为一个目标而孜孜奋斗,而已。”这里想讨论的是火星移民的可行性。虽然我是不信的,但是埃隆·马斯克确实开干了。

什么是火星殖民?

这是埃隆·马斯克的一个疯狂计划,他的目标是用宇宙飞船每次携带200位乘客前去火星,旅行的时间将会在80天左右。通过大概20-50次的火星运输,能在火星上建立完全自给自足的城市。预计40-100年后,也许会有100万个人类在火星上生存繁衍。

按照工程拆解的方式,我理解埃隆·马斯克是这么拆解的:

首先,目标转换。火星移民不是科技问题,是钱。科技问题都需要靠钱解决,要花多少钱呢?去一趟火星,一个人100亿美金。埃隆·马斯克希望达到的状态是什么?把去一次火星的成本,从100亿美金,降到和买一栋小房子的价钱差不多,大概是20万美元,约合人民币130万左右,这样就会有很多人愿意去一趟。那如果很多人愿意在临终之前,去一趟火星看看,就会聚集起足够的财力,实现火星移民计划了。

成本从100亿美金,到20万美金,怎么实现这个目标呢?这意味着,要把从火星到地球的运输成本,以吨为单位,降低5万倍。目标转化完成。

接下来进行目标拆分。怎么把成本降低5万倍?埃隆·马斯克指出了四个方向:

第一,火箭得是可以重复使用的。如果发射一次,就烧坏一个火箭,太费钱了。我们如果能把火箭发射出去,再让它飞回来,下次发射继续用,是不是成本就降下来了?

埃隆·马斯克2002年成立了SpaceX公司,2015年底就实现了火箭发射以后的再回收。这个新闻你可能看到了,说明这事是可行的。这种成本降低,就是第一步。

第二,飞船如果直接载满整个太空航行所需要的燃料再发射,火箭就会非常的沉重,成本很高昂。怎么办呢?

埃隆·马斯克说,在太空轨道上,对飞船进行补给。简单解释一下这个原理,先用火箭推进器把飞船送到太空轨道,这时候不用装那么多燃料,只要足够把火箭送上太空就行。然后推进器迅速返回发射台,装上燃料箱,再飞到轨道,把燃料补给飞船。完成这一过程之后,推进器返回地球,而飞船则将前往火星。

采用这种方式,前往火星的成本减少了500倍。这是第二步。

第三,在火星上制造燃料,让飞船能够从火星返回地球,这样一来返程的燃料就不用从地球上带了。这同样还是为了解决燃料负重的问题,又降低了好多倍发射成本。这是第三步。

第四,使用正确的燃料。埃隆·马斯克对比了可能的几个选项,比如煤油、氢氧气等等。但他最后认为甲烷是一个更好的选择,因为甲烷在火星上制造起来相当容易。

经过这轮分析,埃隆·马斯克就把一个天方夜谭般的技术难题和资本难题,拆解成了一系列非常具体的技术问题。

埃隆·马斯克还给自己列了一张时间表,在本世纪20年代的后半段,将人类送上火星。

这里面还有一个变量没有算在内,就是在未来十几年内,人类技术的进步。很多现在看起来无解的问题,到那个时候也许就有解决方案了。

小结:我们做什么和怎么做,分别面向目标和任务。遇到一个大难题,不需要畏难情绪和抱怨情绪,不管这个难题有多大,要分解问题,把大难题变成小难题,或者是马上就可以做的动作。

参考资料:

火星移民计划

2016年 67届国际宇航大会 埃隆·马斯克的移民计划 (视频)

马斯克殖民火星计划:票价20万美元,80天到达,10年后出发 http://36kr.com/p/5053760.html

移民火星 — SpaceX公司的方法和理由 http://36kr.com/p/5041073.html

第67届国际宇航大会到底讲了些什么?http://www.sohu.com/a/115477297_494558

 

锐眼洞察 | 2018年电子商务10大趋势(翻译)

作者:Absolunet

原文:10 eCommerce Trends for 2018

译者:TalkingData架构师 郑晓红

本译文禁止商用,转载请注明来源与译者!

译者注:

该文是Absolunet的一份调研报告,对电子商务在2018年的发展趋势进行了总结,主要有以下几个方面:

  1. 线下实体店将更加注重用户体验,提供各种高科技和交叉业态的体验手段,比如服装店提供咖啡,理发等服务。
  2. AR技术在销售中的利用,使得购物非常方便,提高转换率和用户体验。
  3. 机器学习使电子商务具有更加个性化,更加理想的用户体验。
  4. 语言搜素和图片搜索将改变购物体验,进一步提升转换率。
  5. 从购买渠道上来说,以浏览器为主的购买方式,将被弱化,用户可以通过更多的渠道进行购买,比如:智能设备等。
  6. 通过数据和实体店的归因模型,能够知道数据化的投入和产出比。

今天,电子商务/数字化对到店购买的影响达到56%,而电子商务本身占美国零售总额的10%,而这个数字每年增长近15%。数字商务已经不仅仅是“在网站上购物”,而是为了购买商品,通过技术手段进行的一系列互动。

正如这些数字所暗示的那样,如果不是顾客首选的渠道,商店就无法生存;零售商需要充分整合数字商务才能繁荣起来。同样,B2B接近电子商务的引爆点,2018的变化将更加频繁。

作为北美洲领先的电子商务机构与零售和B2B客户如Fujifilm、Structube、Grimco、Stokes、Garneau、La Vie en Rose、Birks and SAIL,这里仅仅举几个例子,Absolunet对电子商务的发展趋势进行了总结排名。为了让公司能够更好的发展,需要注意2018年的这10个趋势以确保线上和线下的销售增长。

1. 线下实体店的重生

基于数字化的新型零售店和亲身体验,将开始取代传统的零售商店。

店面零售不是在消亡,而是已经开始进行痛苦的转型。

根据以往实体店的经验,现场互动比以往任何时候都更重要。商家必须把线上展示、线下展示、活动、产品演示、店内体验甚至更多因素结合起来。

纯在线商家需要付出更多的线下工作,因为消费者会继续关注线上购物的多样性和深度,以及在线下购买、取货和退货的便利性。

实体店的商家将会对他们的物理设施进行数字化,并为了顾客的体验和便利在实体店中推出一些新的功能,这些都具有很强大的数字化特征。

网上男装品牌Frank And Oak在北美洲开有16家实体店。在这些实体店内,可以品尝到优质咖啡和享受理发服务。

Nordstrom百货开了一家3000平方英尺的商店,该商店没有商品,而是专注于服务和品牌体验,例如:剪裁、试穿、设计等。另外,还提供鲜榨果汁和美甲的服务。该商店也是在线商店的取货和退货点。

Casper是线上床垫的领先品牌,它于2017年在美国开设了15家快闪商店(pop-up shops)。

波特兰的Velo Cult在一个城市拥有80家自行车行,它突出的特点是在商店中融入各种其他文化元素。他们带来了精选的新款、定制和老式自行车,提供至少12种工艺啤酒、现场烘焙品和咖啡,并为当地音乐家提供舞台。

Home Depot在线上赚了50亿美元,但它的首要任务仍然是一流的店内体验,为客户的旅行提供DIY业务和专业承包的服务。

IRL(In Real Life)在芝加哥的水塔广场大厦的快闪店,只是一个用来展示线上商品的陈列室。

Kanuk‘s是加拿大标志性的皮衣品牌,它独特的店内体验包括:一个-25˚C (-13˚F) 冷冻室用来试穿皮衣在真实的寒冷冬天的效果。

2. B2B的消费化

B2B电子商务的困境。

这场完美风暴(注:独立发生时没有危险性但并发时会带来灾难性后果的事件组合)即将席卷近1万亿美元的B2B电子商务部门。

不断变化的B2B买家的期望推动了类似B2C的功能需求,此时,商业能力中对B2B的投资是大多数B2B首席执行官需要优先考虑的。擅长数字化的90后员工的增长、移动设备的无处不在、电子商务技术不断优化,推动着缓慢发展的传统B2B行业。

随着许多B2B买家和用户继续将产品的发现和购买行为转向在线和移动端,他们将在2018年体验到第一次流畅的、类似B2C的购买和订购。从打印目录到电话销售的所有(销售方式),正在被数字化优先的发现和以买方为中心的简化订购流程所取代。

这种易于订购/易于互动的业务将会增加订单量,也会增加把用户作为购买体验核心的供应商的预算。这样的购买体验,是他们从20年的B2C和零售电子商务的经验教训中总结出的。

* 完美风暴的解读

  1. 到2019年,B2B企业比电子零售商在电子商务技术上花费更多。
  2. 在2017年,56%的B2B买家希望将在线上购买的比例占到一半或更多,而在2014年只占到30%。
  3. 美国的B2B电子商务市场可能达到1.1T,占到所有B2B销售额的12.1%,到2020年将达到6万亿美元。
  4. 电子商务平台供应商(Magento,Insite,Sitecore,Oracle,Hybris等)正在推出与复杂的B2B业务规则(部分订单,批量定价等)共存的B2C类功能。
  5. 现在B2B购买者/研究人员的平均年龄小于35岁。
  6. 89%买家在B2B购物过程中使用在线搜索,74%的人购买超过50%的商品。
  7. B2B研究人员中,有71%的人开始使用通用非品牌搜索,在与特定供应商的网站进行交互之前,平均进行12次在线搜索。

在多个B2B市场中,市场巨头Amazon和阿里巴巴已经成为“购物领域的谷歌”,他们模糊了B2B和B2C之间的界限。

  • 2017年10月,Amazon推出了商业级航运,这是面向美国和德国企业的年度付费会员计划。
  • Amazon Business在5年内积累了超过100万个“Amazon Supply”用户。
  • 作为Amzon汇集了包括自身在内的30000多卖家的集市(marketplace),Amazon Business在第一年实现了10亿美元销售额,并每月增长20%。
  • 在中国,阿里巴巴占据了在线销售市场80%的份额(没错,80%),它的核心是一个用于连接西方企业和中国制造商的B2B门户。

3. 在你家里的AR

从“它看起来是什么样子”到“在你家里看起来是什么样子”。

在2018年,AR(Augmented Reality)将会被大量使用于品牌的推广,让消费者能够在购买之前通过移动设备在家里或办公室对所购买的商品进行可视化操作。

从沙发,到搅拌机,再到像家具或浴缸这样的大型商品,消费者将能够在订购之前确切了解该商品在实地中的样子。这将会增加“大商品”以及相关运输和服务的订单数量。AR也有助于减少退货——在电子商务行业中价值2600亿美元的问题。

苹果CEO库克称苹果为“具备AR(能力)的市场领导者,并指出在App Store上已经有1000多个带有AR功能的应用。据此,他说,AR首先引起营销人员兴趣是来源于现已成为‘主流’的类似Snapchat的应用和虚拟游戏口袋妖怪的游戏的成功,并指向那些零售、游戏、娱乐、教育类应用以及无论大型还是小型的企业。”

Houzz’s应用程序可以让你从500000种商品图片中进行挑选,让后将多个商品“放到”你的房屋中。数百万的顾客在没有使用Houzz应用程序之前,需要使用2.7倍的购物时间。

Amazon将AR直接添加到其现有的、聚焦转化的应用程序的搜索功能中。AR视图功能让你能够在购买之前,查看包括电子产品和工具在内的成千上万个产品在你家中和办公室中的效果。

宜家的Place是一个AR应用程序,可以让消费者添加宜家产品到任何空间并体验、试用和分享。产品是3D并成比例的,所以消费者可以看到家具或配件是否合适,以及在实际环境中看起来是什么样子。

4. “ROPO”: 零售商数字化成功的新措施

终于,对数字广告的店内ROI进行统计。

零售商现在能够了解店内销售额中有多少来源于在数字化上的投入,这归功于连接数据和商店的可靠的归因模型——ROPO Ratios (ROPO: “Research Online, Purchase Offline”)

82%的移动用户会搜索本地的商业,而18%的本地搜索会在24小时内带来销售。

衡量一个零售商的ROPO占比——即数字化运营和投资对商店的影响,对零售商来说更加先进并将更加容易获取。

结合移动设备和支付、社交媒体、个性化、定位/移动追踪,使用先进分析工具的实时库存、ERP、CRM和POS系统,零售商将能够找出哪些广告、列表和网站访问为实体店带来了到访和购买。

加拿大自行车零售商Primeau Velo有9:1的ROPO比例,即每在线上投入1美元将会产生9美元的实体店销售额。

英国零售商Matalan发现,在AdWords上每花费1英镑,将能带来46英镑的销售额,其中有31英镑是实体店的销售。

5. 移动支付方式超过桌面支付

移动电子商务的最大挑战将成为其最大的资产。

从购买产品和更新服务到实际支付和在店购买,移动支付将成为一种任何消费者都希望能够使用的便利,所以商家也不可忽视。

包括指纹识别和面部识别在内的移动支付技术的进步,将提高移动支付的交易比例。

随着谷歌、三星和苹果在支付技术方面的进步(他们的用户基数翻了一番),移动支付可能开始成为零售购买的首选支付方式,到2018年底移动支付将达到所有支付手段的70%。

星巴克有10%的订单是通过其移动订单和支付应用程序完成的。支付平台如此受欢迎,以至于2月的手机订单量超过了员工服务能力,导致了史上最长的等待时间。

美国银行Wells Fargo允许客户使用5000多台自动柜员机取款。

中国创纪录的90%,2017年“双十一”的销售额达254亿美元,其中移动和手机购物占总销售额的97%,大部分由阿里巴巴支付处理平台支付宝处理。

电子商务巨头的无货商店原型店Amazon Go可以让顾客轻松购物并离开商店。 购物将被自动扫描并记入他们的账户。

Paypal支持Android Pay、三星Pay、Apple Pay、Visa,万事达卡、Facebook和几家主要银行,使得其成为很多商家和消费者在移动支付方面的首选(和首次体验)。

6. 机器学习×电子商务

机器学习+人工智能将创造理想的客户体验。

人工智能将创造完美的、定制化的客户体验。这意味着千禧一代将有可能成为接受推销的最后一代。这标志着,2018年大多数零售商和品牌的目标市场定位,将从市场营销转向预定义的、相对较大的和多样化的人群,如千禧一代或婴儿潮一代。

随着品牌和零售商更好地利用消费和行为数据,电子商务的计划将更加目标明确、更接近一个不可思议的构想:一对一营销。就像店主知道客户的名字和喜好那样。

“在电子商务的背景下,喜欢‘星球大战’的人不需要被归类为广义的人口统计群体,他们的行为和偏好已经非常丰富。”——Charles Desjardins, Absolunet Associate

在Dynamic Yield进行个性化测试4个月后,斯托克斯的销售额增长了10%,这要归功于实时的、基于用户行为和每个类别中畅销产品的由AI提供的建议。

以其推荐引擎闻名于世的Netflix现在放弃了地理分割,而是将其9300万全球用户划分为1300个具有相似电影和电视节目偏好的“品味社区”,并根据这些社区中的流行趋势进行推荐。

Westfield正在努力说服其自有商场、甚至是竞争对手商场中的33个零售商与品牌来共享消费者行为和购买数据,以便大家都能更好地针对潜在客户进行相关的销售和促销活动。

7.Amazon与集市(marketplace)成熟的一年

作为一个典型的集市,预计Amazon将继续其野蛮发展。与它的中国同行阿里巴巴一样,Amazon将成为2018的电子商务计划中无处不在的组成部分。

55%的美国人开始在Amazon上进行产品搜索,其销售额几乎达到美国电子商务总销售额的一半(44%,而eBay是7%),几乎占美国所有零售销售的4%。 这些数字将在2018年继续增长。

  • Amazon几乎在其涉足的每个垂直市场中都会继续增加市场份额,而这是以牺牲许多零售商为代价的。 尽管Amazon本身并没有导致破产,但他们将已倒下的零售商的消费者。
  • 在线广告是Amazon发展最快的业务之一,Amazon在2018将升至(这一领域的)第三位,仅次于Google和Facebook。
  • 通过收购Whole Foods Markets,Amazon迅速成为一家拥有超过400家商店的实体商店,同时进入7700亿美元的杂货/食品领域。
  • Amazon是加拿大最值得信赖的零售品牌之一,赢得了23个电子商务类别中的15个,同时在另外4个类别中获得第二位。
  • 当Amazon流行的语音服务Alexa在加拿大推出时,它带来了超过10,000个本地技能和国家特色功能,集成了加拿大航空、TD银行、CBC、theScore、黄页等等。

8. 语音技术将彻底改变Google/SEO和电子商务

如果消费者从不访问你的网站,你如何进行在线销售?

在2018年,消费者会以前所未有的方式与他们的设备交谈并使用语音进行互动(会话式AI)。 零售商、商家和品牌将不得不改变他们的传播方式。

对于搜索引擎优化(SEO),期望一个Wild West-like land来抓取语音关键字,因为语音往往提供一个单一的答案,而不是多个结果。不够好就等于太差。

对于广告来说,展示广告的概念必须适应这种变化,因为现有的一对一的交互可能不再允许这种流行了50年的打扰性的广告模式。

对于电子商务,最大的影响将围绕着以下两方面产生:可兼容/优化语音搜索的深度产品信息、商品库存实时化。

Domino的技术允许用户通过语音命令订购比萨,甚至可以检查订单状态。

Lyft用户可以直接通过支持Amazon Alexa的设备叫车。

Staples计划在它的“Easy Button”中推出支持语音激活的订购服务。

沃尔玛在谷歌快递电子商务平台(Google Express eCommerce Platform)上通过语音获取到数十万的订单,并很快添加了通过Google Home订购而店内提货的功能。 Target、Costco、Kohl’s、Bed Bath&Beyond、Staples、Walgreens等公司也有类似的协议。

9. 图片购物

一张图像(搜索)顶千言万语。

许多用户在2018中第一次使用基于图像的搜索,而不是用文字搜索。事实上,以图像和语音为主的搜索在2020年会占到50%。

随着图像分析自动化在移动设备中成为标准,消费者将能够拍摄一个物体的照片,然后搜索该商品或类似的商品。

将这种能力融入其数字战略的商家将获得丰厚的回报。 首先,他们的产品信息管理投资的投资回报率水平(ROI)将达新高。 其次,由于语言、产品名称、错误或未知的属性不再是搜索的障碍,他们将能够基于其产品提供的图像的质量和多样性进入新的市场。

通过Kim Kardashian的ScreenShop,消费者可以将社交媒体、网络和街边看到的喜欢的搭配拍摄或截图下来,然后转换为不同零售商提供的各种价位的可购买商品,轻松地购物。

eBay的可视化搜索工具允许用户使用他们自己的照片或在线搜索的照片(比如一个最喜欢的博客或网站),在eBay中搜索类似产品。

Pinterest已在视觉搜索技术上投入巨资,将智能手机摄像头变成一个搜索引擎产品。

Target将整合Pinterest的视觉搜索技术——镜头,使购物者可以拍摄任何产品的照片,然后找到类似的商品。

Houzz的视觉扫描匹配(Visual Match)能扫描平台上的照片,并且匹配到可在Houzz Shop购买的商品,覆盖超过800万家居装饰品。

10. 接近顶峰的浏览器

“录像带、录音带、旋转拨号电话…互联网浏览器。”

在物联网(IoT)世界中,我们对浏览器的依赖将开始减弱。浏览器与移动应用程序、AR界面和语音交互混合在一起,将成为众多渠道中的一个渠道,而不再是我们以数字方式购买产品或服务的关键手段。

虽然浏览器仍然是一个必不可少的入口,但是寻求便利的消费者和购买者将会使用其他手段来完成交易。 可以通过移动设备、对话式AI、AR和互联设备以及所运用的数据来实现。

从2018年开始,许多平台不再对浏览器流量有绝对的依赖。 移动支付的改进、从非PC设备购买的便利性、Google的本地存储和地图以及社交媒体等的整合,将创造以用户为中心、流畅、无浏览器的购买体验。

B2B供应商可以直接从应用程序提供给终端用户(例如在屋顶上工作的现场技术人员)提供具备诊断工具、技术信息、安装指南、产品信息、本地库存可用性和订购能力的应用程序。

基于应用程序的购物:无论是基于图片(趋势#9)还是语音驱动(趋势#8)的产品发现、(产品)本地库存与购买(趋势#4)、还是包括账户、付款和快递信息的移动支付,都变得更容易和互联,流畅的交易方式将为无浏览器购物体验提供巨大驱动力,取代对浏览器的需要。

已经到了为容易重复购买和补充的大众商品和基本日常消费品提供自动补货功能的时候;牛奶、灯泡、电池、打印纸、咖啡,这样的商品不需要浏览器也很容易补货。这也是沃尔玛和Amazon之间数字化消费者争夺战的核心战场。

锐眼发现 | 城市感知,城市智能化背后隐藏的五个度

作者:张栋

转载于:雷锋网

本文转自雷锋网,如需转载请至雷锋网官网申请授权。

城市感知,城市智能化背后隐藏的五个度

本质上来说,AI自始至终都只是一种手段、一种技术,它被用来帮助人们解决自身难以克服的业务难题。

在安防行业,人们用其去识别人脸、识别车辆,去感知更多图像中的信息,而这也的确为甲方解决很多棘手问题。

在此背景下,智能化摄像头越来越多,视频数据量也越来越大,但老生常谈的问题也随之出现:人们并不能真正去理解、分析这些数据;另外,这些数据被播放或者被人们看过的连万分之一都没有达到。

因此,人们都在利用AI等技术去感知这些信息,并将这些信息加以应用。那么,如果将城市作为一个单位,如何去感知这个城市?在这其中,什么才是最重要的?

在旷视CTO唐文斌看来,五个度可以总结之:维度、精度、密度、关联度、集成度。

维度

维度可以表述为数据的丰富性,有多少数据的类型和对象,就决定应用的实用性。

举例来说,一个视频中,最容易感知的部分是“人脸”,如今很多厂商都在谈人脸识别,具体来说,可以感知某人的年龄、性别、表情等一系列面部信息;针对车辆识别,可以对车上的细分品类进行识别,包括年检标、纸巾盒、遮阳板等标志物。

以上这些,都是在用户不知情的情况下,通过物理的方式,做的被动感知,也可以称之为可见光下的场景识别。

除此之外,还可以通过多光谱的方式,类似于毫米波或者太赫兹的方式,去获取视频中的数据:包括像WIFI的MAC地址,RFID等信息。

以上种种,都是为了增加感知的维度,能够从城市中获得什么样的数据、数据的多少,就决定了应用的丰富性。

精度

精度决定数据的可用性。早在十几年前,就有厂商在人脸识别算法上做出努力,但由于当时技术并不成熟,精度不够,在实战中应用效果不佳;如今随着算法的进一步提升,现在的人脸识别做预警的成功率已经非常高。以前的人脸识别技术,报十次警可能有九次是误报,现在报十次警可能只有一次是误报,这是一个本质的飞越。

但与此同时也会出现一个问题,比如某场所内穿西装、穿西裤的人非常多,做行人的匹配,能否通过对这个人更细化的特征,比如领带的颜色,鞋子的款式做更加精准的识别、分析。

从感知的角度来看,除了有更多的纬度,每个纬度上都要追求更好的精度,精度决定最后的应用效果。

城市感知,城市智能化背后隐藏的五个度

密度

密度是指后期带来的数据应用价值。如今很多城市都已经建设了非常密集的感知型前端摄像机,通过对这些摄像机产生的数据进行分析,能够带来两点价值:

一、通过不断修炼算法能够使得识别率得以提升,但精度的天花板并不高,易受到时空限制,如果通过一些高密度的传感器,其实可以弥补精度上的不足;

二、行人的ReID。在某一位置、时间点发现了一个可疑人员,摄像头只看到了其局部特征,在以往都会通过全局检索去发现线索,其实这是种错误的做法;只需要在对该人员接下来的十分钟内,100米范围内的高密度布置的摄像机视频数据进行检索,通过这种方式便可确定该人的具体位置。

通过视频接力、人机交互的方式,可以帮助警方使用非常低的代价去追查视频中的人的轨迹。高密度的传感器不仅能解决信息精度的不足,也能带来更多的应用价值。

关联度

如果所有的数据能够关联起来,那么其带来的价值更为可观。

如今AI圈谈到的最多的、落地最多的便是人脸识别。但很多时候,摄像机只能看到人脸,不能看到身体;或者看到身体,看不到人脸。如果两者数据关联起来,就可以看到该人员的全部信息。

再比如车辆识别,在很多实际场景中,在场景A可以拍到车牌,还知道它是什么车型;换到另一个场景B中,只能拍到是什么车型;紧接着在场景C中,看到一个行人从车辆中走了出来,但没有拍到车牌。如果数据相关联,车、人的所有信息都可以联系起来,从何做更便捷、高效的追踪。

集成度

如果按照上文所提,去做高密度、强关联度感知时,会需要非常多的传感器。因此,如何做到低成本、高算力是非常重要的一步。

值得注意的是,成本的合理化不应该建立在牺牲效果的前提下。以人脸抓拍为例,一些具备反侦查意识的人,看到摄像头会马上低头,好的抓拍机要满足要非常高的抓拍率、足够的抓拍量,同时具有较高的性价比。

智慧城市的前提就是城市感知,而城市感知需要多维度、高精度、高密度、数据之间的关联度、高集成度。通过这样的感知方式,城市也许会变得更加智能,而相关厂商可以根据这五个方向去做更进一步的探索及数据应用。

锐眼洞察 | 驱动业务AI数字化转型的4大因素(翻译)

作者:Felipe Sanchez

原文:The drivers of AI Business Transformation

译者:TalkingData研发副总裁 阎志涛

本译文禁止商用,转载请注明来源与译者!

译者注: 随着大数据和AI的发展,传统的商业模式都在面临数字化转型的挑战。无论是金融、零售还是传统的制造业,都需要从以产品为中心转变为以客户为中心,这就需要真正的用更丰富的客户数据来了解客户,用更密切的与客户的交互来使得客户参与到产品的实现中,最终实现个性化的客户的服务和产品。在2018年,让我们真正的能够将大数据和AI的价值带给客户。

在这个数字化转型的时代,AI将会为所有类型的组织带来变化,从汽车驾驶(计算机视觉技术)到制造业(吴恩达刚刚宣布他的新的公司将会用AI改变制造业)。这些变化将使得以数据科学为核心战略的现代组织出现创新的业务模式和项目管理方式。 在这篇文章中,我将会列出新的数字化转型的主要驱动因素,以及其对社会商业模式和就业的潜在影响。在数据驱动管理决策为组织带来助力、面对新的敏捷方法而言旧方法论(高度官僚主义、僵化的边界和时间表)已经过时的背景下,组织应在保持个性的前提下尽可能迅速的适应这个浪潮。

1. 以客户为中心的产品计划

数字化转型的核心是将核心商业战略的重心从以产品、能力或者市场为中心转变为以客户为中心。

企业应该以客户为中心,这是Amazon在不同领域取得成功的核心理念。以客户为中心意味着产品按需定制、连接以及共享。

为了实现这一点,客户应该被视为价值创造者。公司应该意识到每个客户是整体客户网络的一部分,而不是孤立的个体。新组织的目标是更贴近客户的期望并且对这些期望进行预测,这些可以通过在社交网络或者应App中保持实时的交互,并且研究客户的行为来实现。 这个客户网络需要与产品保持持续的接触,这意味着全渠道的体验(无缝的在桌面电脑到平板电脑、手机和IoT设备之间移动),这意味着数据存在云端且可以通过每个设备进行访问,并且可以按需来访问服务。客户需要保持与公司的联结,例如公司利用产品演示或者讲故事来使得用户感觉到一直在做正确的选择。

客户应该能够按照自己的需要来定制产品。推荐引擎对于为客户提供所需的建议是非常有用的。个性化的界面、消息以及内容使得新涌现出来的品牌与经典的品牌大不相同。因此,访问、参与和定制是使得客户与公司联系在一起的必须的方法。有几种策略可以与客户建立融洽的关系:社交倾听、社交化客户服务、向网络征集想法和内容或者运营一个社区(例如iOS或者安卓开发者社区)。

让客户助力企业迈向成功的最后一步是,让客户合作参与到其所需产品的开发当中。通过如开放写作平台、众筹或者竞赛,从被动的贡献变为积极的贡献。 例如,很多金融机构通过数字化转型来推动内部生产力,主要聚焦于提高效率和降低成本。然而,这没有考虑到日益复杂化的客户对丰富、直观或者超个性化客户体验的期待。这些机构需要改变前端和后端系统,来为客户提供多样的选择和足够的价值,在几乎实时的环境中提供安全的交付。

2. 平台:赢者通吃

naCuuVhg46Q.jpeg

平台商业模式能够流行是由于采用了通过直接交互创造价值的方式。因为网络上存在给予者和获得者(例如买方和卖方),平台商业模式能够凭借大范围的迭代接触到不同类型的客户。在这种类型的平台上,网络效应会有更大的回声,并且更容易被放大。这也有附带收益,比如按需流程、速度和信任的产生(比如区块链)。 因为能够在一个地方提供所有的服务,因此不需要中介。一个主要的配送中心可以领导所有的竞争甚至可以在不同的竞争者之间合作(合作竞争)。另外随着传统的市场边界的扭曲,非对称竞争对手会产生,例如一个在线书店(Amazon)变成老牌IT公司比如IBM的竞争对手,或者在web服务领域与一个搜索引擎公司例如Google产生竞争。 但是这种新的商业模式的结果就是赢者通吃。由于轻资产、易于升级、经济高效以及梅特卡夫定律,获胜的平台将会变成市场的帕累托的头部:通过降低边际成本,数字化增加了积极的规模经济并且有利于集中生产。集中生产意味着市场落入了少数人手中,导致寡头垄断甚至是由少数玩家占主导的寡头结构。

clipboard8.png

这是一个公司将自己从一个线性供应链钢铁制造商重塑为一个金属分销的数字化平台的例子。 这导致了被称之为“超级巨星”经济的产生。这些经济体的特点是更少的就业、更少的资本资产、不平等现象加剧、大小企业之间的差距拉大以及国内和国家之间的收入的不平等。数字商品和服务的更低的分发成本进一步加深了集中化的程度。当一个新鲜事物产生,只需要生产(编写、书写或者计算)一个数字化拷贝就可以满足全球的需求。通过互联网的拷贝和交付的边际成本接近于零,然后复制、3D打印即可完成。

nQki9kggzouQ.png

Stan Shish微笑曲线

新的公司需要走到Stan Shish曲线的最后才能继续产生价值,否则他们将会分崩离析。

3. 数据是关键资产

充分挖掘新技术潜力的能力始于一家公司能够快速了解和预测客户的需要,这也是数据成为公司重要资产的原因之一。“机构或者行业越依赖于信息作为他们的核心产品,带来的变化就会更彻底”(Clay Shirky)。由于知识工作和认知过程的本质,专家预计数字化和大数据分析会严重打击基于知识的商业模型以及知识工作者,甚至比基于非知识的商业模型和体力劳动者更快。数字化和大数据分析与通常由公司和知识工作者进行的自动化信息处理任务相关,高利润和工资带来的经济刺激加速了替代的发生。 数据是知识的原材料。一些经济学家说:数据是新的石油。今天我们生活在一个非结构化数据爆炸的时代,明天将会有更多的数据产生。用户参与、交换数据、创造数据,而且他们的物品也在创造数据,因此围绕数据的交换协议将会指数级的增长(例如区块链智能合约)。

LI0q5_M9cc_g.png

数据是新的商业价值,它可以带来洞察,帮助更好的定向,在特定场景中提供个性化内容。简而言之,它是以客户为中心的战略的燃料。因此企业需要一个基于以下内容的数据战略:收集不同类型的数据,确保数据质量,利用数据做决策(数据驱动的管理决策将替代在过去被视为法则的等级决策制或者“老大说了算”),企业可以在合适的时间向合适的人提供正确的建议,这归功于云计算的价格和灵活性使得将孤立数据整合起来成为可能。

4.创新和新价值产生

“商业模式描述一个组织创造、交付和获取价值的原理”,它捕捉了任何公司的核心商业逻辑。在实践中,数字化和大数据分析挑战了许多传统行业的商业模式。数字化转型是一个文化转型。服务新的数字化客户需要新的技术。例如,快速进行实验和模拟。这个转型意味着不同部门工作人员的习惯、信仰、激励和经验的持续改变。例如将IT和市场部门混合在一起可以产生能尽快提供新服务的应用。创新生态系统概念的产生是在数字化时代交付价值的关键。正因为如此,公司需要灵活的组织结构,使用云提供的灵活平台整合能力去降低市场交付的时间。

F3-0WiW3VSlA.png

这篇文章的灵感来自于David Rogers的数字化转型手册(MIT发布的关于传统企业数字化转型的报告)、以及Cagemini发布的报告“百亿组织的发展路线图:Klöckner & Co的数字化转型报”。

锐眼洞察 | 学了这么久机器学习,你真的了解它的概念吗?

作者:TalkingData 杨慧

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!

导语:

本文是对 TalkingData腾云大学执行校长杨慧分享的两个专题的总结,分别介绍了国内外知名学者、媒体对 Machine Learning 和 Business Intelligence 的定义,也谈了杨慧个人的理解。

 

什么是机器学习?

导读:

学习一直是生物具有的特性,在人类身上的表现尤为明显。机器学习,顾名思义,就是让机器(计算机、程序)也具备学习的能力。更精简点来说,就是通过经验提高性能的某类程序。

卡内基梅隆大学(Carnegie Mellon University)的 Tom Michael Mitchell 教授在 1997 年出版的书籍 Machine Learning 中对机器学习进行过很专业的定义,这个定义在学术界内被多次引用。

在这本书中对机器学习的定义为:

假设一个程序能够在任务 T 上,随着经验 E 的添加,效果 P 也能够随之添加,则称这个程序能够从经验中学习。

在大部分情况下,在训练数据达到一定数量之前,越多的训练数据能够使逻辑回归算法的推断越精准。但是如果数据的特征值,也就是描述一条数据的维度越少,那么即使有再多的训练数据,逻辑回归算法也无法非常好地利用。

因此,机器学习的效果与数据的维度密不可分。怎样数字化地表达现实世界中的实体,一直是计算机科学中一个很重要问题,维度越多,描述得越清楚,机器学到的经验越多。

因此,工欲善其事必先利其器,机器学习这种手段不是大数据的价值所在,更广泛的数据维度,占有更多有多维度价值的数据集,才是大数据的价值所在。

 

 

机器学习(ML)是探索学习算法的构建和研究(DAMA DMBOK)。

此外,“机器学习建立具有适应性参数的程序,参数可根据程序收到的数据自动调整。通过适应已经看到的数据,程序能够改善他们的行为。另外程序还对数据进行了概括,这意味着这些程序可以在以前不可见的数据集上执行功能。”(Alejandro Correa Bahnsen)

据 Keith D. Foote 介绍:最基本的机器学习就是使用算法来解析数据,从中学习,然后对世界上的事物做出决定或预测的实践。因此,机器学习使用大量的数据和算法对机器进行“训练”,赋予其学习如何执行任务的能力,而不是用一些特定的指令手工编写软件程序来完成特定的任务。

机器学习同以下概念相结合(DMBOK):

  • 监督学习:基于广义规则;例如,将垃圾邮件从非垃圾邮件中分离出来。

  • 无监督学习:基于识别隐藏模式(即数据挖掘)。

  • 强化学习:基于实现目标(例如,在象棋中击败对手)。

  • 机器学习还包括编程机器,来快速从查询中学习,并适应不断变化的数据集。

机器学习的其他定义还包括:

先进的算法“由许多技术组成(如深度学习、神经网络和自然语言处理,以现有信息的经验为指导)”(Gartner IT 术语表)

“基于数据经验的结果而更新知识库的系统。”(Adrian Bowles)

“数据分析的一种方法,可自动建立分析模型。”(SAS)

内置智能的算法,使用可用的数据来回答问题。(Paramita Ghosh)

“通过解读我们周围的世界的数据,分类以及从成功和失败中学习这些方法,教计算机和我们同样的学习方式。”(Forbes)

人工智能的一个子领域,或是机器使用数据和自学的 AI 领域。(TechRepublic)

用于数字化转换的人工智能。(哈佛商业评论)

企业使用机器学习来:

  • “大幅缩短回答时间,指导组织洞见”(DMBOK)

  • 处理计算机系统的威胁或安全问题

  • 预测或执行预测分析(McKinsey)

  • 赶上数据量的增长(ComputerWorld)

  • 开发 AI 算法中复杂问题自动化(MIT Technology Review)

  • 在提高员工敬业度和提高客户满意度的同时扩大一线增长(Harvard Business Review)

  • 提高编程的效率和速度(James Kobielus)

  • 在多个行业中提升和开发众多不同的用例 (Paramita Ghosh)

什么是商业智能?

导读:

BI 有两层含义:一层是工具类含义-做分析的技术集;一层是职能类含义,做分析的过程。这两者缺一不可。

如果只看到了 BI 的工具类含义,就会误入“工具至上”之路。BI 说到底还是为了业务服务,只有解决了业务痛点问题的 BI 才是 Smart BI。从业务角度来说,BI 解决的问题包括了:决策的正确性(effectiveness)和决策的即时性(efficiency)。

 

 

商业智能(BI)包含了分析、报告不同业务操作的技术和工具。商业智能使用存储在不同数据仓库、数据集市、数据湖泊和其他存储平台中的原始数据,将其转换为可操作的知识/信息资产。内容包括仪表盘,电子表格,数据可视化,报告等等。

“在其更为详尽的用法中,BI 是在指定组织内收集、存储、回收和分析数据资产所必需的所有系统、平台、软件、工艺和技术。因此,BI 是用于战略规划、决策制定、市场调研、客户支持、库存分析、统计报告以及企业在整体运营洞察机制等其他方面的程序和流程。”(Kelle O’Neal&Charles Roe)

如 DAMA DMBOK 所述:

“商业智能有两个含义:首先是指一种旨在了解组织活动和机会的数据分析。这类分析结果用来提高组织的成功;其次,商业智能是支持这种数据分析的一系列技术。商业智能工具可以实现查询、数据挖掘、统计分析、报告、场景建模、数据可视化和仪表盘。 ”

商业智能的其他定义包括:

“包含应用程序,基础架构,工具和最佳实践的一个统称,可以访问和分析信息以改进和优化。”(Gartner IT 词汇表)

 

“BI 的重点在于:在正确的时间基于正确的信息快速高效地做出决策。”(Keith Foote)

软件和服务的杠杆作用,将数据转化为可行的运筹情报、以及组织的战略战术业务决策。(Mary Pratt,CIO)

一个“总括术语,涵盖了围绕商业数据收集,处理和分析的一系列活动。”(美国东北大学 Mikal Khoso)

“一套利用信息管理流程输出进行分析、报告、绩效管理和信息交付的方法,流程,架构和技术。”(Forrester)

“这个术语是指将原始数据转化为企业可以用来做出更好的组织决策的信息的想法、实践和技术。”(BusinessIntelligence)

组织/公司使用商业智能来:

  • 支持操作功能

  • 执行监管要求

  • 获得关于公司、客户和产品的洞见

  • 获得竞争优势

  • 实践描述性,预测性,规定性和实时分析

  • 做出决策或监控进度(Kelle O’Neal)

 

锐眼发现 | 2018 年开源技术 10 大发展趋势

作者:

原文:10 open source technology trends for 2018

译者:wangy325

转载于:Linux 中国

技术始终是不断发展着的。OpenStack,Progressive Web Apps,Rust,R,认知云,人工智能(AI),物联网等新的发展正在把我们传统的认知模式抛弃。以下 2018 开源技术 10 大发展趋势。

1、 OpenStack 认可度持续高涨

OpenStack 本质上是一个云操作平台(系统),它为管理员提供直观友好的控制面板,以便对大量的计算、存储和网络资源进行配置和监管。

目前,很多企业运用 OpenStack 平台搭建和管理云计算系统。得益于其灵活的生态系统、透明度和运行速度,OpenStack 越来越流行。相比其他替代方案,OpenStack 只需更少的花费便能轻松支持任务关键型应用程序。 但是,其复杂的结构以及其对虚拟化、服务器和大量网络资源的严重依赖使得不少企业对使用 OpenStack 心存顾虑。另外,想要用好 OpenStack,好的硬件支持和高水平的员工二者缺一不可。

OpenStack 基金会一直在致力于完善他们的产品。一些功能创新,无论是已经发布的还是尚处于打造阶段,都将解决许多 OpenStack 潜在的问题。随着其结构复杂性降低,OpenStack 将获取更大认可。加之众多大型的软件开发及托管公司以及成千上万会员的支持, OpenStack 在云计算时代前途光明。

2、 PWA 或将大热

PWA,即 增强型网页应用Progressive Web App,是对技术、设计和网络应用程序接口Web API的整合,它能够在移动浏览器上提供类似应用的体验。

传统的网站有许多与生俱来的缺点。虽然应用(app)提供了比网站更加个性化、用户参与度更高的体验,但是却要占用大量的系统资源;并且要想使用应用,你还必须提前下载安装。PWA 则扬长避短,它可用浏览器访问、可被引擎搜索检索,并可响应式适应外在环境,为用户提供应用级体验。PWA 也能像应用一样自我更新,总是显示最新的实时信息,并且像网站一样,以极其安全的 HTTPS 模式递交信息。PWA 运行于标准容器中,无须安装,任何人只要输入 URL 即可访问。

现在的移动用户看重便利性和参与度,PWAs 的特性完美契合这一需求,所以 PWA 成为主流是必然趋势。

3、 Rust 成开发者新宠

大多数的编程语言都需在安全和控制二者之间折衷,但 Rust 是一个例外。Rust 使用广泛的编译时检查进行 100% 的控制而不影响程序安全性。上一次 Pwn2Own 竞赛找出了 Firefox C++ 底层实现的许多严重漏洞。如果 Firefox 是用 Rust 编写的,这些漏洞在产品发布之前的编译阶段就会被发现并解决。

Rust 独特的内建单元测试方式使开发者们考虑将其作为首选的开源语言。它是 C 和 Python 等其他编程语言有效的替代方案,Rust 可以在不损失程序可读性的情况下写出安全的代码。总之,Rust 前途光明。

4、 R 用户群在壮大

R 编程语言,是一个与统计计算和图像呈现相关的 GUN 项目。它提供了大量的统计和图形技术,并且可扩展增强。它是 S 语言的延续。S 语言早已成为统计方法学的首选工具,R 为数据操作、计算和图形显示提供了开源选择。R 语言的另一个优势是对细节的把控和对细微差别的关注。

和 Rust 一样,R 语言也处于上升期。

5、 广义的 XaaS

XaaS 是 “一切皆服务anything as a service” 的缩写,是通过网络提供的各种线上服务的总称。XaaS 的外延正在扩大,软件即服务(SaaS)、基础设施即服务(IaaS) 和平台即服务(PaaS)等观念已深入人心,新兴的基于云的服务如网络即服务(NaaS)、存储即服务(SaaS 或 StaaS)、监控即服务(MaaS)以及通信即服务(CaaS)等概念也正在普及。我们正在迈向一个万事万物 “皆为服务” 的世界。

现在,XaaS 的概念已经延伸到实体企业。著名的例子有 Uber 、Lyft 和 Airbnb,前二者利用新科技提供交通服务,后者提供住宿服务。

高速网络和服务器虚拟化使得强大的计算能力成为可能,这加速了 XaaS 的发展,2018 年可能是 “XaaS 年”。XaaS 无与伦比的灵活性、可扩展性将推动 XaaS 进一步发展。

6、 容器技术越来越受欢迎

容器技术,是用标准化方法打包代码的技术,它使得代码能够在任意环境中快速地 “接入并运行”。容器技术让企业可以削减经费、降低实施周期。尽管容器技术在 IT 基础结构改革方面的已经初显潜力,但事实上,运用好容器技术仍然比较复杂。

容器技术仍在发展中,技术复杂性随着各方面的进步在下降。最新的技术让容器使用起来像使用智能手机一样简单、直观,更不用说现在的企业需求:速度和灵活性往往能决定业务成败。

7、 机器学习和人工智能的更广泛应用

机器学习和人工智能指在没有程序员给出明确的编码指令的情况下,机器具备自主学习并且积累经验自我改进的能力。

随着一些开源技术利用机器学习和人工智能实现尖端服务和应用,这两项技术已经深入人心。

Gartner 预测,2018 年机器学习和人工智能的应用会更广。其他一些领域诸如数据准备、集成、算法选择、学习方法选择、模块制造等随着机器学习的加入将会取得很大进步。

全新的智能开源解决方案将改变人们和系统交互的方式,转变由来已久的工作观念。

  • 机器交互,像聊天机器人这样的对话平台,提供“问与答”的体验——用户提出问题,对话平台作出回应,成为人机之间默认的交互界面。
  • 无人驾驶和无人机现在已经家喻户晓了,2018 年将会更司空见惯。
  • 沉浸式体验的应用不再仅仅局限于视频游戏,在真实的生活场景比如设计、培训和可视化过程中都能看到沉浸式体验的身影。

8、 区块链将成为主流

自比特币应用区块链技术以来,其已经取得了重大进展,并且已广泛应用在金融系统、保密选举、学历验证等领域中。未来几年,区块链会在医疗、制造业、供应链物流、政府服务等领域中大展拳脚。

区块链分布式存储数据信息,这些数据信息依赖于数百万个共享数据库的节点。区块链不被任意单一所有者控制,并且单个损坏的节点不影响其正常运行,区块链的这两个特性让它异常健壮、透明、不可破坏。同时也规避了有人从中篡改数据的风险。区块链强大的先天优势足够支撑其成为将来主流技术。

9、 认知云粉墨登场

认识技术,比如前面所述的机器学习和人工智能,用于为多行业提供简单化和个性化服务。一个典型例子是金融行业的游戏化应用,其为投资者提供了严谨的投资建议,降低投资模块的复杂程度。数字信托平台使得金融机构的身份认证过程较以前精简 80%,提升了合规性,降低了诈骗比率。

认知云技术现在正向云端迁移,借助云,它将更加强大。IBM Watson 是认知云应用最知名的例子。IBM 的 UIMA 架构是开源的,由 Apache 基金会负责维护。DARPA(美国国防高级研究计划局)的 DeepDive 项目借鉴了 Watson 的机器学习能力,通过不断学习人类行为来增强决策能力。另一个开源平台 OpenCog,为开发者和数据科学家开发人工智能应用程序提供支撑。

考虑到实现先进的、个性化的用户体验风险较高,这些认知云平台来年时机成熟时才会粉墨登场。

10、 物联网智联万物

物联网(IoT)的核心在于建立小到嵌入式传感器、大至计算机设备的相互连接,让其(“物”)相互之间可以收发数据。毫无疑问,物联网将会是科技界的下一个 “搅局者”,但物联网本身处于一个不断变化的状态。

物联网最广为人知的产品就是 IBM 和三星合力打造的去中心化 P2P 自动遥测系统(ADEPT)。它运用和区块链类似的技术来构建一个去中心化的物联网。没有中央控制设备,“物” 之间通过自主交流来进行升级软件、处理 bug、管理电源等等一系列操作。

开源推动技术创新

数字化颠覆是当今以科技为中心的时代的常态。在技术领域,开放源代码正在逐渐普及,其在 2018 将年成为大多数技术创新的驱动力。

此榜单对开源技术趋势的预测有遗漏?在评论区告诉我们吧!

锐眼洞察 | 大吉大利,预约吃鸡——解析吃鸡游戏推广套路

作者:TalkingData解决方案工程师  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!

由于大学同学在开发腾讯正版的吃鸡游戏,在他不停的安利下,开始接触腾讯的吃鸡游戏,发现这套路还真是深啊,同一款正版拉了两个队伍同时开发(光子工作室的绝地求生:刺激战场和天美工作室的绝地求生:全军出击)。

吃鸡游戏首页.png

今天不说如何吃鸡聊一聊这两款吃鸡游戏推广背后的套路逻辑。

1. 你的好友在这里:

在社交的世界里,两者之间最好的距离是折线距离,如果想影响一个人不要直接去影响他,而是通过影响他身边的2~3个好友来间接影响他。好友口碑所形成的社会压力和“好友都在用”的从众心理可以促成高转化率,这也是你经常会收到一些营销短信告诉你,你的某位好友在某个平台,等待你的加入等等……

“绝地求生:刺激战场”直接标注了已有72位好友进行预约,直接形成了好友的口碑效应,微信的朋友的券也正是这个逻辑,你的好友在线下或者线上消费之后共享了优惠,邀请你也参与。

刺激战场好友.png

“绝地求生:全军出击”这方面表现的更加突出,不但显示了你有多少好友预约,还会显示这些好友的头像,拉近了与潜在用户的关系。

全军出击好友.png

而右上角的微信专属,同时给平台用户有了特殊的荣耀体验。这局全军出击胜出。

2.分享即获取:

还记得当年的“滴滴红包”么,满满朋友圈的红包是不是都拿到了手软,打车比公交车还便宜的日子过去了,“滴滴红包”甚至一举改写了当年“滴滴打车”和快的打车微焦灼的竞争格局,为滴滴在胜利的天平上增加了一个重要的砝码。微信读书,又一现象级产品,这款产品最开始运营了一个小活动——“赠一得一”,当用户不想付费购买一本新书时,可以通过赠予好友的方式来免费获得,正所谓“赠人玫瑰,手留余香”。

朋友圈赠书.png

这无疑解决了新产品“冷启动”的问题。两款游戏在宣传上都标出了邀请好友给予的奖励,并明确了目标,达到什么样的程度给予什么样的奖励。

“绝地求生:刺激战场”的“你苟我苟 天长地久”;

刺激战场好友邀请.jpeg

“绝地求生全军出击”则直接标明了目标和奖励。

全军出击邀请奖励.png

两者都在下方标明了目前完成的进度,也就是集结的好友数。若果直接在任务奖励的下方直接标明进度是不是更好呢?不过本身两者都指向一个逻辑也就是分享即获取,每一次分享,用户都可以获取相应的“利益”。

3.小群效应:

徐志斌老师有个观点“人人都想进大群,人人活跃在小群”。随着社交app的发展,大家可以使用的工具越来越多,群的人数越多,噪声就越大,对用户的骚扰也就越大。进群直接关闭消息提示无疑是这一现象最好的证明,群里都是沉默的大多数。透过历史,咱们去看“滴滴红包”传播的去向会看到一个有意思的变化。最开始朋友圈和微信群中可以看到大量的红包分享,一段时间之后,红包在朋友圈消失,转而更多地出现在了微信群中,慢慢的又开始在一些强关系的群里(闺蜜群,家庭群)出现,现在除了我媳妇儿分享给我之外,群和朋友圈几乎看不到红包的分享了。分享的变化反映了用户在社交网络中的变化。开始大家对新鲜事物好奇,随后觉着可以帮助到朋友开始在微信群中维系,随着红包的普及,再分享到群或者朋友圈反而会对好友造成困扰,影响自己的形象,这时就变成了家人间的强关系分享,这也颇具有汇报的意思:媳妇儿,我回来了!媳妇儿,我又省钱了。回来看这两款游戏利用社交关系进行传播推广的时候采取了一些策略,

“绝地求生:刺激战场”直接标明了:查找最合适跳伞的密友;

刺激战场好友邀请.jpeg

下面罗列了一些最近和你有经常聊天互动的好友,或者你们在某一个特别活跃的小群的好友,甚至我一度怀疑是你们之间有过关于“吃鸡”内容对话的好友。

再看“绝地求生:全军出击”,也是同样的逻辑选择了好友,并且在刺激战场中的“邀请他”换成了“带TA飞”。

全军出击好友邀请.jpeg

更加拉近了关系,不是在做广告传播,而是我发现了好东西,要带你去看看。一键邀请,直接发送链接也是极大方便了用户的操作。

邀请链接.png

并且这两款游戏的一键邀请也并不是可以无限制的邀请你所有的好友,我看了一下基本上只有三页:

邀请页面.jpeg

也就是你只可以邀请一些固定最近有交往的好友,这也是为了对大多数“好友”(不是好友关系的“好友”)不打扰是你最大的温柔。当然,你也可以直接转发链接进行邀请,他们是不会拒绝交际花的你帮助他们做大量宣传的。

4.KOL效应:

想要证明自己下一步做出来的好其实有一个捷径,就是证明我从前做过很多这方面的好东西,于是双方工作室的明星产品开始齐贺首发,疯狂打电话。

明星产品.png

也是想在用户那里找到认同感,通过以后的认知来影响即将发布的产品。

5.圈子建立:

产生了初次的接触之后,为了持续的对用户产生粘性,务必用一定的规则或者方法两款游戏都通过了三种方式,分别是:进入圈子、关注公众号和进入微信群(明星产品1)。圈子更像一个论坛,大家可以在这里交流攻略和交友组队。通过去中心化的方式,让用户彼此愉快的消耗对方的时间,产生粘性。

圈子.png

“绝地求生:全军出击”更加突出了微信群的进入(明星产品),去中心化的弱运营方式被越来越多的采用。

群.png

6.触达落地:

前面所有的工作做完之后一定要考虑最后的触达,这次两款游戏都是通过的微信普通卡券,直接放入了卡包里面,只是我有点儿傻傻分不清楚。

两张卡券.jpeg

邀请链接1.png

你要问什么是微信卡券,那我送你一道传送门吧《一个做社交的搞了个卡包:我们不一样!(文末附传播流程图)》

最后,不得不佩服这两款游戏的推广宣传,游戏未上线,预约早已破千万。

游戏宣传.jpg

吃鸡已预约,老司机开车求带。

明星产品1.png

两张卡券1.png

锐眼洞察 | 2018年度商业智能和分析的发展趋势(翻译)

作者:Paramita Ghosh 

原文:Business Intelligence and Analytics Trends in 2018

译者:TalkingData副总裁 皮山杉

本译文禁止商用,转载请注明来源与译者!

由于近年来机器学习(ML)和深度学习(DL)的快速发展,2018年商业智能和分析趋势也将发生相当大的变化。物联网(IoT)和大数据在全球商业环境中的深入渗透自然引发了对智能商业智能(BI)系统的需求,智能商业智能(BI)系统可以在很大程度上实现决策自动化,从而减少对于数据专业人士的需求。

如果目前用于金融服务,投资银行,市场研究甚至医疗保健行业的商业智能系统都是标准的话,那么基于机器学习支持的智能数据发现(Smart Data Discovery)是推动不同类型和规模的企业游戏规则变革的助推器。

根据Gartner的统计,到2020年,商业智能市场预计将增长到228亿美元。那么,改变游戏规则的商业智能和分析趋势会给企业带来什么呢?当然是 – 更好的可视化以及深度数据钻取功能。虽然商业智能系统在技术上越来越复杂和复杂,但这里有一些已经预测到2018年的变革趋势。

市场规模和技术范围

根据商业智能统计数据显示,商业智能市场预计2018年将增长到208.1亿美元,2018年BI和分析市场的突然增长将包括:传统商业智能,基于托管(云)的商务智能,社交商务智能和移动商务智能。 2018年整个市场将触及208亿美元,这意味着“从2013年到2018年估计年复合增长率为8.3%”。

“福布斯”博客发表了一篇题为“数字化转型十大趋势(Top 10 Trends For Digital Transformation In 2018 )”的博客文章指出,物联网支持的业务分析有能力最大限度地提高每个行业从“零售到城市规划”的运营效率。像IBM或SAP这样的技术火炬手正更多的投资于商业分析功能,现在的物联网和大数据承诺实时提供流处理,运营和交易数据。另一个普遍技术的例子是区块链,它开始于金融服务,但逐渐进入了酒店,医疗保健和其他一些行业。根据Datamation统计,到2020年,只有20%的贸易融资将利用区块链,但一旦趋势确定下来,就不会有回头反复了。

数据分析的兴起和发展

数据分析在全球商业社会中的突然出现是由业务数据的数量和种类引发的,这给商业智能和分析用户带来了独特的挑战。 “数字杂志”杂志的“商业智能分析的大趋势”一文指出,商业智能变革不仅会增加用户的接受度,而且会促进主流商业用户之间商业智能平台的利用率。同时阅读“2018年前10大技术趋势”,了解人工智能,云计算,物联网和商业应用将如何共同为重塑每个企业的IT环境做出贡献。

2018年BI和分析市场的主要技术趋势

业界普遍认为,鉴于即时和准确决策的重要性,每个商业用户都希望能够独立地对数据进行可视化展示和分析,以改善结果。根据2018年发布的名为“顶级商业智能趋势”的博客文章,“现代”商务智能的特点是数据可视化,深度数据挖掘和智能自助服务分析。

这篇Dataviz文章的作者声称在2018年的十大战略技术趋势中,Gartner的智能应用程序和分析技术趋势2将确保在未来几年,每个业务应用程序或服务都包含某种程度的AI。本文进一步指出,市场对“处处AI”的迷恋正在引发所有分析平台和服务提供商的争夺战。

Forrester Wave BI平台上的报告传统上将高级可视化工具与低端报表和常规可视化平台分开。根据“Forrester Wave™:主要私有部署的企业级商业智能平台,2017年第三季度“文章,具有先进商业智能功能的企业商务智能平台需要数据专业人员来开发输出。另一方面,如Tableau,Qlik等主流BI平台满足了普通商业用户的需求。但是,现在Forrester承认,高级可视化对于大多数BI平台都是不可或缺的,特别是因为基于云的BI使中型或小型企业可以访问高级分析。在BI平台上,现在通常会发现许多将可扩展系统与低端系统区分开来的功能。
商业智能和分析趋势总体上的变化导致了两个主要的挑战,各种规模的企业必须缓解这个挑战:使商业智能民主化和从分析活动中提取实际价值。

挑战1:管理大量商业数据

随着2018年全球业务逐渐利用新颖的智能数据发现和增强分析平台,最困难的问题始终是大量的数据。在传统的BI&Analytics系统中,80%的数据没有被使用或利用不足,从而严重限制了分析系统的实用性。现在,托管的BI平台和物联网设备倾倒出不同类型的数据,因此需要使用高级数据编目工具来访问来自许多不同来源的数据。阅读ZDNet的文章“数据决策:利用分析的新趋势”,了解企业如何计划面对数据量挑战。

挑战2:ML驱动预测模型的局限性

根据Forrester Wave™:预测分析和机器学习解决方案,2017年第一季度,2017年的数据科学家需要开发ML驱动的预测模型的工具以及管理模型的平台。虽然这些BI平台在数据专业人士中颇受欢迎,但是从来没有人认为这些工具有潜力取代人类的数据科学家,并为自助式商业智能让路。也就是说,随着企业继续依赖大数据,云计算,物联网和预测分析工具支持的所有类型决策的自助式BI和分析工具,具有卓越数据可视化功能的自助式分析平台将在2018获得坚实的认可。

根据2018年“商业智能看起来如何?”的博客文章,组织将接受“自助服务”商业智能,当然还有更多的治理,以便业务用户对他们分析的数据拥有更多的控制权。

增强数据准备和增强分析

增强型数据准备和增强型分析旨在为公共数据科学家提供超越数据发现的工具,并帮助准备业务数据,以便为未来业务规划提供“战略,运营和战术活动”。通过增强数据准备,普通业务用户将能够在没有IT人员帮助的情况下针对特定假设测试数据。另一方面,Augmented Analytics将通过先进的启用ML的工具提供洞察力。这两项新技术的最终目标是迅速提高用户的接受度并增强数据意识。(在DATAVERSITY®可以了解的什么是增强型分析以及为什么这很重要?)

2018年业务分析的景观:顶级趋势

考虑到刚刚描述的下一代商业智能和分析的两大挑战,以下是可靠的行业文献所证实的2018年商业智能和分析趋势:

  • 增强数据准备将在业务用户中获得普及,因为他们将能够在没有IT人员的帮助下执行数据测试任务。
  • 数据可视化作为2017年趋势的领跑者,将在2018年继续主导BI平台。
  • 智能数据发现将为2018年的预测分析带来巨大的推动力,使其成为最受欢迎的业务分析活动。
  • 随着对“视觉”的热情,公民数据科学家或主流商业用户将在2018年依靠移动分析来进行日常决策。增强型分析将成为主流BI用户的追捧能力。
  • 大型组织将大量投资建立内部BI /分析平台。

这篇名为“商业智能(BI)趋势”的博客文章描述了这些即将到来的趋势。在DATAVERSITY®从数据中获取价值,数据发现必须第一!这篇文章的读者将会体会到现代商务智能系统的高级统计工具和ML功能,它们带来了创新分析解决方案的前景。由于通过卓越的数据可视化和数据理解提高了数据意识,这一直是可能的。

虽然传统商务智能技术缺乏良好的数据存储设备或良好的数据可视化工具,但现代的ML功能分析平台带来了更好的数据可视性和理解能力。新的数据发现方法可以大幅降低成本并提高成果。

 

锐眼发现 | 五个步骤,实现产品MVP

作者:张小璋

转载于:人人都是产品经理

作者注:一直在说 MVP ,但是一直没有认真思考。正好手头有一个自己发起的内部区块链技术储备项目,没有工期和商业上的要求,同时也没有太多的资源支持,正好用来学习 MVP 思想。

 

什么是 MVP

MVP (最小化可实行产品,Minimum Viable Product)是 Eric Ries 在《精益创业》中关于「精益创业」(Lean Startup)的核心思想,意思是用最快、最简明的方式建立一个可用的产品原型,通过这个最简单的原型来测试产品是否符合市场预期,并通过不断的快速迭代来修正产品,最终适应市场需求。

简单来说,就是在做一个新产品的时候,不要一下子做一个「尽善尽美」的产品,而是先花费最小的代价做一个「可用」的产品原型,去验证这个产品是否有价值、是否可行,再通过迭代来完善细节。

这是一张在网上流传很广泛的用来介绍 MVP 的图:

假如你的产品愿景是一种高级出行工具,比如小轿车。传统的产品设计思路是一步一步,从车轮、车轱辘、外壳、动力装置、内部装饰一个流程一个流程做起,最后得到一个完善的产品。而MVP的思路,我们可能会先做一个小滑板车或者自行车,看看用户对出行工具的认可程度。如果用户认可我们的产品概念,我们可以接下去生产更加高级、完善的摩托车、甚至小轿车。

传统产品迭代思路成本高、速度慢、风险大,花高成本做出来的产品用户可能不认可;MVP 策略的优点在于试错成本低、速度快、风险低,能满足产品快速迭代的需求。

为什么要做 MVP

MVP 的作用就是让你用最小的代价,最快的速度,最早的时间将你的产品设想拿出来接触用户,并根据用户的反馈来改进你的产品。这里拿出来的「产品」并不一定是一个App、网页或者其他,可以是视频、PPT(额,但是千万别 PPT 造车啊)、RP文件等等。

我们知道,在产品只是个原型的时候基本上很难来说服用户和VC,因为缺少任何一部分都对体验大打折扣。那么大家可以参考 Dropbox 的 MVP ,看看 Dropbox 的创始人 Drew 是怎么做的:他做了一个视频放在了 YouTube 上,这段视频介绍了 Dropbox 的各项功能,Beta 版的等待用户(Email list)一夜之间从5000暴增到75000,可当时 Dropbox 甚至连实际的产品都还没有。

大家可以去这里观看:Dropbox MVP 视频

这有一个好处,就是避免我们「闭门造车」,空想没人要的产品却自认为会大有市场。

怎么去做 MVP

在做我司那个基于区块链系统的内部福利工具的过程中,我梳理了做 MVP 的思路和几个关键点.

NO.1 找出你要为谁解决什么问题

产品是用来解决问题,而不是来创造问题的。一个成功的 MVP 产品的第一步就是要明确客户/用户为什么需要这个产品?这个产品如何帮助客户/用户解决问题。

明确这些问题,有利于确定产品的主要目标,并为未来受众的实际需求找到最佳的解决方案。

在我的这个项目中,主要是1.我司对于区块链技术的实际转化和落地。2.解决我司福利部门如何在成本不变的情况下更好的通过「发福利」来激励员工。

基于这两个目标,我们制定了一个方向:通过区块链技术发行内部代币(我司内部成为「福励币」),福利部门向用户(优秀员工)发放「福励币」,用户可以通过「福励币」来购买零食、书籍甚至假期。

NO.2 分析市场上的竞品

如果市场上已经有了类似的产品,显然我们需要对竞品进行分析。但是有的时候我们会因为对产品独特性的信任而忽略一些非直接的竞争对手,比如我在做「福励币」项目的时候就险些忽略了市场上已经有的很多企业福利平台,虽然他们并不是基于区块链技术。

除了搜索引擎和一些数据工具(App Annie、酷传之类),还有一个很好的渠道来了解竞品,那就是潜伏到竞品的客户群里,直接分析客户对竞品的反馈,从而了解现有产品的缺陷,择其善者而从之,不善者而改之。

一旦我们确定了需要解决的核心问题,并分析了市场上的产品(竞品)的缺陷,我们就可以继续进行下一步——分析产品的主流程。

NO.3 分析产品主流程

要分析用户主流程,我们应该先梳理用户大的使用阶段。实际上操作起来非常简单,因为只需要把用户如何使用产品达成产品的主要目标所需要的步骤找出来即可。这时候我们需要多考虑一些基础功能,少考虑一些魅力型功能。因为基础功能是你的最终用户实际使用产品时都会(大部分会)遇到的,也是实现产品目标最基础的保证。

NO.4 列出所有必要功能,排出优先级

分析完产品主流程,我们可以对每一个主流程阶段进行细分,对需求进行整理——将不在主流程的需求干掉,并列出每一个主流程阶段所的需求,并排除优先级。这时候涉及到「需求管理」的一些方法——比如 KANO 模型、价值 vs 复杂度矩阵。

另外大家可以通过几个问题来处理需求:

  1. 你最希望用户完成的操作是什么?
  2. 你还想为用户提供什么服务?(这时候,可以把所有你想要的需求列一个 list,然后多问自己几个为什么需要这个需求,自己回答不上来或者不符合第一个问题的就从这个需求 list 里划掉)
  3. 这时候剩下了「必须要有的功能」、「有的话最好的功能」和「有没有都行的功能」,画个矩阵吧,用我之前介绍过的「价值 vs 复杂度矩阵」,来确定一下需求的优先级。
  4. 如果你确定了所有的优先级,则可以根据你的资源、时间来为你的产品第一个版本划定一个范围,并开始基于 MVP 的产品开发。

NO.5 验证和迭代

在完成 MVP 产品开发之后,我们需要尽快将其推向市场,让市场来验证你的项目,同时接收用户的反馈。因为只有从市场上你才能发现你的产品缺少了哪些功能或者多了哪些无关紧要甚至是累赘的功能。收集用户反馈之后,你可以用 MVP 的思想去改进、迭代、收集反馈,再次改进、迭代、收集反馈,形成一个循环,周而复始。

总结一些使用 MVP 思想时的一些感悟:

1. 关于需求

对于需求的把控,我们需要根据产品要解决的核心目标,提炼主要矛盾,善于抓重点,集中力量解决主要需求。同时 MVP 的思想在于「快」,对于需求文档应该尽量快(但不是不要质量)的去完成,传统 word 版的 PRD 很难高效率的去完成,目前我司对于需要较快时间完成的项目一般采取 Axure 标注 + 思维导图、流程图等形式完成。

2. 关于验证

MVP 一定要做验证,UX设计软件UXpin的负责人Christopher Bank发表在TNW的文章为我们提供了测试MVP的15条方法。大家有兴趣的可以去搜索看下:15 ways to test your minimum viable product
我则会使用以下三点:

  1. 用户访谈:通过各种途径去和你的「真实」用户沟通,向他们解释你的产品解决了他的什么需求,然后询问他们对于你产品的不同部分的重要性是如何排序的。根据收集到的信息再对产品进行调整。需要注意的是,用户访谈应该着眼于发现问题和解决问题,而不是向受访者推销产品。
  2. 数据验证:我一直认为数据是最有说服力(虽然大家都会寻找对自己最有利的数据来支持自己的观点),通过数据埋点和数据分析(比如漏斗分析),我们可以很清楚的看到用户在产品使用过程中的流失,并对流失原因进行猜测,将猜测方案在下次迭代中进行体现,并通过数据去验证我们的猜测正确与否,我们的方案是否有效。因此我也一直在推动公司内部数据分析的项目。
  3. 使用马甲包:市场是残酷的,有可能出现你的第一版产品并不适应市场,甚至与市场完全相反。随着口耳相传,你的项目极有可能会被打上「不好用」、「失败产品」的标签,从而增加你获取用户的难度。其实可以采用主产品+马甲包的形式,通过马甲包来测试用户的反馈,将成功的迭代加入到主产品中。马甲不成功就果断丢掉,这有点像 ABtest, 但是比 ABtest 更适合创业公司或者积累用户阶段的产品。

3.关于迭代

迭代一定是还是 MVP ,突出「速度快」和「代价小」,通过控制一个版本的需求量来加速版本迭代速度。同时合理的需求量也有助于开发团队可以高质量的完成工作。目前我的需求迭代排期一般按照「价值 vs 复杂度矩阵」来对进行。

4.适用范围

正如没有一种药可以包治百病, MVP 也并不是完全适用于所有的产品。它的优势在于快速验证未知的市场,帮助公司以较低的产品快速试错,更适合于业务属性和行业门槛不是很强的to c 市场。而to B 市场一般有着成熟的业务体系,并不需要花费时间来试错,因此并不需要 MVP。

锐眼洞察 | 大数据正如何改变数字营销(翻译)

作者:Dhrumit Shukla

原文:How Big Data Is Changing Digital Marketing

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!

如今的数字化时代,有成千上万的工具供人们使用,包括平板电脑、数字电视、移动应用、智能手机、电子商务、社交网络及许多其它工具。几年之前,数字革命尚未发生,市场营销者的工作就是为电视、印刷媒体和广告牌设计引人注目的广告。数字化时代使得市场营销者不得不演进,发挥科技优势来分发信息。如今,市场营销者的工作大不相同,包括处理数字、收集数据、定位受众、推断趋势和在众多渠道中找到合适的来触达目标消费者。数字化时代带来了大量数据,市场营销者可以充分利用,借助更精确的洞察进行营销策略决策。因此,消费者通过广告接收到更有用的内容。

大数据促进营销活动

许多机构正通过不同来源的数据来促进数字营销活动。这些营销活动已经被证明比传统形式的广告更为有效。不再依靠猜测来进行营销,使得市场营销者能够发现变化中的趋势,并用于更有针对性的营销活动。海量的数据与数据来源,使得非常有必要投资更大型的、更复杂的数据库和数据分析工具,来理解所有可获得的信息。这样的深入理解增强了发现机会、正确路径与客户互动关系的能力。

运用大数据分析提升数字营销活动的主要原因

下面是考虑运用大数据分析提升数字营销活动的主要原因。

✓ 数据可视化工具可以帮助提升营销活动的效果。随着竞争愈加激烈,多亏了数字化时代和网络开放的边界,市场营销者正寻找快速理解和解读数据的方法。数据可视化工具用于发现能够指导执行的洞察。对于企业来说,这可能就包括了对一整年中存货流动、购物时间起伏以及其它时间中顾客偏好与行为的洞察。根据对数据点的综合理解来做决策,各种思维方式的集合可以实现突破,以大大提高赢利,比如发现缓慢进货利于更好地控制库存、更大程度的节约和提高货物周转率。实时的消费者洞察可以帮助获取更多的顾客和最小化顾客流失。使用数据分析工具进行顾客分析,意味着营销团队能够更充分准备,以应对顾客的变化和需求。

✓ 数据分析并非必须十分昂贵或复杂。除了提供数据库管理解决方案外,许多远程服务供应商现在可以提供数据即服务(DaaS)或数据分析即服务。这对小型企业来说十分理想,他们具有大数据量但是负担不起购买许可证和分析工具的现金开支。这样就可以通过远程服务应用来实现,使得客户可以利用不同的工具来分析数据,根据处理的数据量来付费。还有交互性仪表板,使得非技术的行业性团队成员也能够从数据商店获取洞察。

✓ 使用历史数据可以帮助规划未来。市场营销者可以通过数据驱动方法分析过去做了哪些是有效的,这样他们就可以为以后做出更好的决策。通过对消费者的洞察和其它数据形式的支持,他们可以更具准确性地规划将来的营销活动。这对于需要时常质疑自己提供的东西、并不断调整以提供良好的顾客体验的公司尤其重要。比如说,餐厅可以利用从顾客点单信息得到的洞察来找出趋势,并在不太受欢迎的菜品上搞特价。他们还能找到改善产品的方法,使得它们在顾客间更受欢迎。

提升营销活动效果的大数据源

有许多企业可以运用的数据分析源,来提升下一次数字营销活动的效果。

1. 网络挖掘。这一数据通过网络挖掘来编译。它使用自动化工具从网络文件、服务器发现并提取信息。此外,它使公司从服务器日志、浏览器活动、网页内容、网站、链接结构和其它来源获取结构化和非结构化的数据。

2. 社交网络。社交媒体在全世界范围内猛增。互联网用户平均每天在社交网络上花费至少两个半小时。社交网络使得市场营销者可以通过追踪发帖、评论、分享、点赞、签到和其它信息,获取从个人偏好到品牌提及再到个人品味的大范围数据。

3. 搜索数据。这是从浏览器活动收集来的信息,通过使用特殊工具,追踪搜索信息,了解消费者意图和行为。同时,可以通过一种叫做“信息载入”的方法将消费者匹配到线上虚拟身份。企业就可以建立线上目标受众群了。

4. 交易追踪。每笔公司经营或经手的交易都能提供有用的用户数据,无论是财务的、物流的还是其它相关流程。组织可以使用购买、保险索赔、存取款、订单与请求、预订预约和信用卡交易等业务信息来获取对目标受众的活动洞察。

5. 众包。这是个集中大众智慧的过程,通过网络可以更容易实现。通过在用户产生内容的媒介上进行调研和投票,对因兴趣爱好而集中的人群进行研究和数据收集。

大数据在数字营销上具有极大的作用。数据分析是目前的大趋势之一,持续受到关注,与此同时,越来越多的互联网公司和用户试图将信息转化为消费者收益。对数据分析进行扩展运用的公司,会在竞争中获取巨大的收益增长。