傳統(tǒng)用戶體驗(yàn)體系過時(shí)？ ——如何建立以數(shù)據(jù)為中心的用戶體驗(yàn)體系
1. 傳統(tǒng)用戶體驗(yàn)體系過時(shí)？
——如何建立以數(shù)據(jù)為中心的用戶體驗(yàn)體系
一． 用戶體驗(yàn)方法體系的變革
1. 1. 用戶體驗(yàn)方法體系的宏觀變遷
今天服務(wù)業(yè)的競(jìng)爭(zhēng)也發(fā)生了翻天覆地的變化——從以服務(wù)內(nèi)容取勝，到服務(wù)渠道取勝，到現(xiàn)階段的用戶體驗(yàn)取勝。從宏觀視角
看，業(yè)務(wù)戰(zhàn)略方向逐漸深入以用戶為中心的思想，從微觀視角看，在用戶為中心的思想驅(qū)動(dòng)下，企業(yè)需要進(jìn)行一整套的機(jī)制流程改變，包括用戶為中心的數(shù)據(jù)挖掘與
分析，用戶為中心的業(yè)務(wù)規(guī)劃，用戶為中心的營(yíng)銷規(guī)劃，用戶為中心的設(shè)計(jì)，用戶為中心的績(jī)效體系構(gòu)建等。
傳統(tǒng)業(yè)務(wù)規(guī)劃我們通常只考慮業(yè)務(wù)之間的邏輯關(guān)系，較小的考慮用戶操作視角中形成的一連串的心理反映、行為特征、價(jià)值取向
等等，而在用戶為中心的業(yè)務(wù)規(guī)劃中，用戶的每個(gè)操作都需要詳細(xì)分析，記錄在案，通過行為軌跡綜合分析用戶心理特征，所以能夠更有效的促進(jìn)用戶完成業(yè)務(wù)。以
下為傳統(tǒng)業(yè)務(wù)規(guī)劃、傳統(tǒng)用戶體驗(yàn)體系和以數(shù)據(jù)為中心的用戶體驗(yàn)體系對(duì)比：
以數(shù)據(jù)為中心的用戶體驗(yàn)體系：
• 以用戶為中心的思維方式構(gòu)建業(yè)務(wù)框架
• 系統(tǒng)需要滿足不同類型的用戶的個(gè)性化需求，其核心為數(shù)據(jù)挖掘和應(yīng)用
• 系統(tǒng)需要協(xié)助用戶達(dá)成實(shí)現(xiàn)用戶期望，并幫助用戶發(fā)現(xiàn)并實(shí)現(xiàn)潛在需求
• 系統(tǒng)需要智能尋找最佳的幫助時(shí)機(jī)，智能的進(jìn)行用戶協(xié)助
• 系統(tǒng)建設(shè)需要考慮未來系統(tǒng)的發(fā)展方向，其核心為用戶需求挖掘
1. 2. 用戶體驗(yàn)方法體系的微觀變遷
在傳統(tǒng)的用戶體驗(yàn)方法中，我們強(qiáng)調(diào)的以用戶為中心的設(shè)計(jì)，但是我們發(fā)現(xiàn)傳統(tǒng)用戶體驗(yàn)體系（用戶研究——概念設(shè)計(jì)——可用性測(cè)試——產(chǎn)品上線）的績(jī)效難以測(cè)量、難以管理、難以支持決策。現(xiàn)今在數(shù)據(jù)分析高度發(fā)展的今天，我們建議企業(yè)應(yīng)該建立以數(shù)據(jù)為中心的用戶體驗(yàn)體系，協(xié)助企業(yè)進(jìn)行全面的用戶體驗(yàn)管理。我們以用戶購買為例，來分析傳統(tǒng)用戶體驗(yàn)方法的和以數(shù)據(jù)為中心的用戶體驗(yàn)體系的差異：
傳統(tǒng)的用戶體驗(yàn)體系：
1. 通過用戶研究掌握用戶需求和用戶特性，建立用戶模型（A，B，C，D）
2. 依據(jù)用戶模型來進(jìn)行概念設(shè)計(jì)，一般會(huì)產(chǎn)生與用戶模型一一對(duì)因的概念設(shè)計(jì)成果。
3. 依據(jù)概念設(shè)計(jì)來進(jìn)行詳細(xì)設(shè)計(jì)，再進(jìn)行可用性測(cè)試來確保產(chǎn)品易用性。
我們發(fā)現(xiàn)從設(shè)計(jì)邏輯上看，傳統(tǒng)的用戶體驗(yàn)體系非常完美，但是從應(yīng)用層面則存在幾個(gè)無法解決的問題：
1. 用戶研究耗時(shí)耗力，所以通過該方法獲得的用戶模型一般不會(huì)超過5種用戶類型。但是用戶是多樣性的，通常在極其細(xì)分的領(lǐng)域上才會(huì)出現(xiàn)用戶行為相似，
尤其在互聯(lián)網(wǎng)和移動(dòng)應(yīng)用中。傳統(tǒng)用戶研究方法無法將用戶鎖定到非常細(xì)的范圍，所以很多企業(yè)應(yīng)用傳統(tǒng)用戶體驗(yàn)方法后并沒有獲得更好的績(jī)效，反而由于對(duì)用戶沒
有透徹的了解引發(fā)了其它問題。
2. 傳統(tǒng)用戶體驗(yàn)只考慮用戶類型，不考慮用戶生命周期，拒絕了大批用戶。
3. 傳統(tǒng)用戶體驗(yàn)方法與用戶使用在時(shí)間上不同步，傳統(tǒng)用戶體驗(yàn)方法只能發(fā)現(xiàn)用戶需要什么，為什么離開，而不能幫助當(dāng)前的用戶找到需要的，不能挽回失去的以及正在失去的用戶。
4. 傳統(tǒng)用戶體驗(yàn)方法忽略了用戶正在使用心理是不斷變化的，而這恰恰是用戶之所以行動(dòng)的真正原因。傳統(tǒng)方法而只能面向心理狀態(tài)一直沒有發(fā)生改變的用戶類型，所以其只能解決人機(jī)工學(xué)的問題，不能促進(jìn)用戶行動(dòng)。
5. 傳統(tǒng)用戶體驗(yàn)方法以較少的交互流程來評(píng)估用戶體驗(yàn)是否好壞的邏輯與用戶真實(shí)行為的邏輯不同，用戶有時(shí)需要較慢決策，而有時(shí)需要較快決策，所以交互的多少不能作為用戶體驗(yàn)好壞的評(píng)估標(biāo)準(zhǔn)，而應(yīng)該以用戶決策后滿意度作為評(píng)測(cè)方法。
6. 傳統(tǒng)用戶體驗(yàn)方法迫使產(chǎn)品團(tuán)隊(duì)與營(yíng)銷團(tuán)隊(duì)開戰(zhàn)，并使其成為孤立單元。
以數(shù)據(jù)為中心的用戶體驗(yàn)體系：
1. 根據(jù)用戶初級(jí)研究（用戶特性，需求）進(jìn)行用戶初級(jí)建模。同時(shí)數(shù)據(jù)庫構(gòu)建時(shí)考慮到用戶的多樣性特征可能，考慮到更為細(xì)分的情形。
2. 概念設(shè)計(jì)考慮初級(jí)建模結(jié)果，為每類用戶設(shè)計(jì)不同業(yè)務(wù)模塊，而規(guī)劃業(yè)務(wù)圖譜進(jìn)行關(guān)聯(lián)。
3. 詳細(xì)設(shè)計(jì)，初級(jí)版本通過可用性測(cè)試后，確保基礎(chǔ)用戶體驗(yàn)良好后上線。
4. 系統(tǒng)上線后，根據(jù)用戶更為細(xì)分的多樣性特征發(fā)現(xiàn)細(xì)分用戶的行為特征，總結(jié)為更為詳細(xì)的細(xì)分用戶偏好圖譜，并將該細(xì)分類型用戶當(dāng)時(shí)行為特征（who，why，what，when，when）與交互行為（how）進(jìn)行一一對(duì)應(yīng)，重新修改業(yè)務(wù)邏輯
5. 不斷調(diào)整每個(gè)節(jié)點(diǎn)上的交互行為，進(jìn)行A/B測(cè)試，進(jìn)行業(yè)績(jī)測(cè)量，總結(jié)經(jīng)驗(yàn)。
6. 將整個(gè)系統(tǒng)數(shù)據(jù)化管理，核心數(shù)據(jù)包括：用戶數(shù)據(jù)、關(guān)鍵節(jié)點(diǎn)交互統(tǒng)計(jì)數(shù)據(jù)、業(yè)務(wù)轉(zhuǎn)化數(shù)據(jù)、用戶軌跡數(shù)據(jù)等。根據(jù)用戶的個(gè)性提取，結(jié)合用戶行為處罰實(shí)現(xiàn)個(gè)性化解決方案，同時(shí)可以通過交互節(jié)點(diǎn)的調(diào)整實(shí)現(xiàn)數(shù)據(jù)提升，全面提升用戶體驗(yàn)。
7. 團(tuán)隊(duì)績(jī)效管理構(gòu)建，從產(chǎn)品到營(yíng)銷進(jìn)行整體績(jī)效管理，從節(jié)點(diǎn)上進(jìn)行控制，從整體上進(jìn)行把握。
用戶行為分析的核心要素通常是由用戶特征以及企業(yè)服務(wù)雙向決定的，通常包括以下兩個(gè)方面：
A：用戶層面：用戶通常具有部分相似性，我們也可以稱之為個(gè)性化。用戶的個(gè)性化在某個(gè)小范圍內(nèi)通常具有一致性，而這也構(gòu)
成了用戶特征劃分的一部分，例如我們通常會(huì)聽到：“您的這個(gè)衣服真好看，我也想購買“，”我覺得挺好的，小黃肯定喜歡“，”這個(gè)真實(shí)用，我們家也需要一個(gè)
“。根據(jù)這個(gè)特征我們可以將用戶進(jìn)行多維度的層層細(xì)分，比如：年齡，性別，喜好，學(xué)歷，收入，職業(yè)，風(fēng)格偏好，朋友圈等等。我們可以將用戶細(xì)分分到一個(gè)顆
粒度極小的維度。而我們?cè)跇I(yè)務(wù)規(guī)劃時(shí)，為了方便我們可以標(biāo)記為: a_b_c_d_e_f_g_User，企業(yè)則需要針對(duì)細(xì)分用戶組織各種業(yè)務(wù)和服務(wù)。
B：企業(yè)層面：企業(yè)需要非常清楚針對(duì)某個(gè)大類和小類用戶提供什么樣的服務(wù)，依此來決定其營(yíng)銷，系統(tǒng)，服務(wù)等。比如我們可以定義
用戶類型
營(yíng)銷策略
產(chǎn)品策略
服務(wù)
a1_b3_c1_d1_e1_f1_g2_User
a1_b3_c1_d1_e1_f1_g2_M
a1_b3_c1_d1_e1_f1_g2_P
套餐b
a1_b2_c1_d1_e1_f1_g2_User
a1_b3_c1_d1_e1_f1_g2_M
a1_b3_c1_d1_e1_f1_g2_P
套餐c
我們可以針對(duì)不同用戶組使用不同的營(yíng)銷策略和產(chǎn)品策略，而服務(wù)套餐則可以進(jìn)行相關(guān)性建議。企業(yè)根據(jù)不斷調(diào)整每個(gè)環(huán)節(jié)的營(yíng)
銷策略和產(chǎn)品策略以觀察數(shù)據(jù)變化，將ROI提升到較高水平。完美系統(tǒng)一定是用戶體驗(yàn)極佳的，系統(tǒng)，營(yíng)銷與服務(wù)能夠結(jié)合非常完美的系統(tǒng)，企業(yè)能夠?qū)φ麄€(gè)系統(tǒng)
的每個(gè)節(jié)點(diǎn)進(jìn)行控制，對(duì)用戶也有很好的引導(dǎo)性，幫助用戶達(dá)成目標(biāo)期望，以下為系統(tǒng)結(jié)構(gòu)示例：
二． 構(gòu)建以數(shù)據(jù)為中心的用戶體驗(yàn)體系
以數(shù)據(jù)為中心的用戶體驗(yàn)組織結(jié)構(gòu)
以數(shù)據(jù)為中心的用戶體驗(yàn)組織結(jié)構(gòu)中主要包括三個(gè)組織，分別為業(yè)務(wù)規(guī)劃組織（產(chǎn)品），營(yíng)銷規(guī)劃組織（營(yíng)銷），數(shù)據(jù)研究中心（研究）。
以數(shù)據(jù)為中心的組織特征：
階段
產(chǎn)品團(tuán)隊(duì)
數(shù)據(jù)團(tuán)隊(duì)
營(yíng)銷團(tuán)隊(duì)
計(jì)劃（Plan）
產(chǎn)品規(guī)劃
數(shù)據(jù)庫規(guī)劃
營(yíng)銷規(guī)劃
上線（Do）
初級(jí)產(chǎn)品上線
數(shù)據(jù)挖掘與分析
初級(jí)營(yíng)銷執(zhí)行
分析（Check）
根據(jù)數(shù)據(jù)進(jìn)行業(yè)務(wù)重規(guī)劃
根據(jù)數(shù)據(jù)提出優(yōu)化方向建議
根據(jù)數(shù)據(jù)進(jìn)行全面營(yíng)銷調(diào)整
調(diào)整（Action）
總結(jié)改進(jìn)成果，進(jìn)行更深入探索
總結(jié)數(shù)據(jù)，整理數(shù)據(jù)關(guān)系，數(shù)據(jù)預(yù)測(cè)
增加營(yíng)銷投放，進(jìn)行營(yíng)銷
充分發(fā)掘數(shù)據(jù)價(jià)值，建立數(shù)據(jù)為中心的用戶體驗(yàn)體系
用戶的忠誠度有多高？用戶是有生命周期的，如果我們?cè)谶m當(dāng)?shù)臋C(jī)會(huì)增加用戶使用價(jià)值，能夠有效的提升客戶價(jià)值。
如何了解您的用戶？他就在您的數(shù)據(jù)庫中，這里有更詳細(xì)的信息，數(shù)據(jù)庫能夠幫助你做決策。
數(shù)據(jù)為中心的用戶體驗(yàn)體系要求以數(shù)據(jù)作為溝通的前提，所有的業(yè)務(wù)都是通過數(shù)據(jù)來進(jìn)行規(guī)劃和管理。基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃
對(duì)象一般是一個(gè)系列產(chǎn)品或服務(wù)鏈條，通常廣泛應(yīng)用于通信業(yè)，銀行業(yè)，保險(xiǎn)業(yè)，零售業(yè)，互聯(lián)網(wǎng)行業(yè)等。基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃必須以用戶為中心，分析用戶出
現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)以數(shù)據(jù)挖掘?yàn)楹诵摹?br /> 不僅僅業(yè)務(wù)規(guī)劃需要考慮用戶體驗(yàn)，能否通過良好用戶體驗(yàn)的營(yíng)銷來最大化產(chǎn)品價(jià)值更是用戶體驗(yàn)的核心。基于數(shù)據(jù)的交互式營(yíng)
銷主要指互動(dòng)營(yíng)銷，核心思想為分析用戶的特定時(shí)機(jī)需求，并根據(jù)該需求推薦相關(guān)產(chǎn)品或服務(wù)滿足用戶需要，廣泛應(yīng)用于各種行業(yè)。
基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃同樣必須以用戶為中心，分析用戶出現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)同樣以數(shù)據(jù)挖掘?yàn)楹诵摹?br /> 如果透過簡(jiǎn)單的調(diào)查，您可以發(fā)現(xiàn)用戶在行為時(shí)刻每個(gè)時(shí)刻的行為意愿是不同的，但某個(gè)時(shí)刻用戶期望動(dòng)力大于行動(dòng)阻力時(shí)，立刻產(chǎn)生行動(dòng)。
用戶總是處在決策的徘徊期，促進(jìn)用戶行為只需要適當(dāng)?shù)陌l(fā)力即可。企業(yè)在執(zhí)行業(yè)務(wù)規(guī)劃時(shí)一定要根據(jù)用戶行為分析從而掌握用戶心理，實(shí)際給以適當(dāng)?shù)耐屏Χ皇窍喾吹牧α浚热缬脩粜枰氖莾r(jià)格低的產(chǎn)品時(shí)，如果營(yíng)銷重點(diǎn)為尊貴則會(huì)產(chǎn)生相反的阻力，反之則形成動(dòng)力。
三． 數(shù)據(jù)分析框架的主要事件
主要事件事件描述分類根據(jù)業(yè)務(wù)的需要進(jìn)行必要的分類，比如對(duì)用戶評(píng)級(jí)的分類，AA等級(jí)或AAA等級(jí)估計(jì)根據(jù)業(yè)務(wù)數(shù)據(jù)判斷的需要定義需要估計(jì)的數(shù)據(jù)和數(shù)據(jù)區(qū)間值，對(duì)業(yè)務(wù)進(jìn)行補(bǔ)充和協(xié)助，例如根據(jù)用戶儲(chǔ)蓄和投資行為估計(jì)用戶投資風(fēng)格預(yù)測(cè)根據(jù)數(shù)據(jù)的變化趨勢(shì)預(yù)測(cè)數(shù)據(jù)的發(fā)展方向，例如根據(jù)歷史投資數(shù)據(jù)幫助用戶預(yù)測(cè)投資行情等數(shù)據(jù)分組根據(jù)業(yè)務(wù)需要對(duì)數(shù)據(jù)進(jìn)行分組，例如購買A類的用戶通常也會(huì)購買B類，購買A的用戶后有一個(gè)B周期會(huì)產(chǎn)生C行為聚類數(shù)據(jù)集合的邏輯關(guān)系，比如同時(shí)擁有A特征和B特征的數(shù)據(jù)，可以推斷出其也擁有C特征描述描述性數(shù)據(jù)有助于提取關(guān)鍵要素進(jìn)行數(shù)據(jù)歸納，例如從數(shù)據(jù)關(guān)鍵詞中進(jìn)行近似業(yè)務(wù)營(yíng)銷，備忘錄等復(fù)雜數(shù)據(jù)挖掘例如Video，Audio，圖形圖像等等
1. 1. 分類（Classification）
• 在業(yè)務(wù)構(gòu)建中，最重要的分類一般是對(duì)用戶數(shù)據(jù)的分類，主要用于精準(zhǔn)營(yíng)銷
• 通常分類數(shù)據(jù)最大的問題在于分類區(qū)間的規(guī)劃，例如分類區(qū)間的顆粒度以及分類區(qū)間的區(qū)間界限等，分類區(qū)間的規(guī)劃需要根據(jù)業(yè)務(wù)流來設(shè)定，而業(yè)務(wù)流的設(shè)計(jì)必須以用戶需要為核心，因此分類的核心思想在于能夠完成滿足用戶需要的業(yè)務(wù)
• 由于市場(chǎng)需求是變化的，分類通常也是變化的，例如銀行業(yè)務(wù)中VIP用戶的儲(chǔ)蓄區(qū)間
1. 2. 估計(jì)（Estimation）
• 通常數(shù)據(jù)估計(jì)是互動(dòng)營(yíng)銷的基礎(chǔ)，基于用戶行為進(jìn)行數(shù)據(jù)估計(jì)為基礎(chǔ)進(jìn)行互動(dòng)營(yíng)銷已經(jīng)被證實(shí)具有較高的業(yè)務(wù)轉(zhuǎn)化率，銀行業(yè)中通常通過用戶數(shù)據(jù)估計(jì)用戶對(duì)金融產(chǎn)品的偏好，電信業(yè)務(wù)和互聯(lián)網(wǎng)業(yè)務(wù)則通常通過用戶數(shù)據(jù)估計(jì)用戶需要的相關(guān)服務(wù)或者估計(jì)用戶的生命周期
• 數(shù)據(jù)估計(jì)必須基于數(shù)據(jù)的細(xì)分和數(shù)據(jù)邏輯關(guān)聯(lián)性，數(shù)據(jù)估計(jì)需要有較高的數(shù)據(jù)挖掘和數(shù)據(jù)分析水平
1. 3. 預(yù)測(cè)（Prediction）
• 根據(jù)數(shù)據(jù)變化趨勢(shì)進(jìn)行未來預(yù)測(cè)通常是非常有力的產(chǎn)品推廣方式，例如證券業(yè)通常會(huì)推薦走勢(shì)良好的股票，銀行會(huì)根據(jù)用戶的資本情況協(xié)助用戶投資理財(cái)以達(dá)到某個(gè)未來預(yù)期，電信行業(yè)通常以服務(wù)使用的增長(zhǎng)來判斷業(yè)務(wù)擴(kuò)張和收縮以及營(yíng)銷等。
• 數(shù)據(jù)預(yù)測(cè)通常是多個(gè)變量的共同結(jié)果，每組變量之間一般會(huì)存在某個(gè)相互聯(lián)系的數(shù)值，我們根據(jù)每個(gè)變量的關(guān)系通常可以計(jì)算出數(shù)據(jù)預(yù)測(cè)值，并以此作為業(yè)務(wù)決策的依據(jù)展開后續(xù)行動(dòng)
1. 4. 數(shù)據(jù)分組（Affinity Grouping）
• 數(shù)據(jù)分組是精準(zhǔn)營(yíng)銷的基礎(chǔ)。當(dāng)數(shù)據(jù)分組以用戶特征為主要維度時(shí)，通常可以用于估計(jì)下一次行為的基礎(chǔ)，例如通過用戶使用的服務(wù)特征的需要來營(yíng)銷配套服務(wù)和工具，購買了A類產(chǎn)品的用戶一般會(huì)有B行為等等。
• 數(shù)據(jù)分組的難點(diǎn)在于分組維度的合理性，通常其精確性取決于分組邏輯是否與用戶行為特征一致。
1. 5. 聚類（Clustering）
• 數(shù)據(jù)聚類是數(shù)據(jù)分析的重點(diǎn)項(xiàng)目之一。例如在健康管理系統(tǒng)中通過癥狀組合可以大致估計(jì)病人的疾病，在電信行業(yè)產(chǎn)品創(chuàng)新中用戶使用的業(yè)務(wù)組合通常是構(gòu)成服務(wù)套餐的重要依據(jù)，在銀行業(yè)產(chǎn)品創(chuàng)新中用戶投資行為聚合也是其金融產(chǎn)品創(chuàng)新的重要依據(jù)。
• 數(shù)據(jù)聚類的要點(diǎn)在于聚類維度選取的正確性，需要不斷的實(shí)踐來驗(yàn)證其可行性
1. 6. 描述（Description）
• 描述性數(shù)據(jù)的最大效用在于可以對(duì)事件進(jìn)行詳細(xì)歸納，通常很多細(xì)微的機(jī)會(huì)發(fā)現(xiàn)和靈感啟迪來自于一些描述性的用戶建議，同時(shí)用戶更愿意通過描述性的方法來查詢搜索等，這時(shí)就需要技術(shù)上通過較好的數(shù)據(jù)關(guān)聯(lián)方法來協(xié)助用戶。
• 描述性數(shù)據(jù)的使用難點(diǎn)在于大數(shù)據(jù)量下數(shù)據(jù)要素提取和歸類，其核心在于要素提取規(guī)則以及歸類方法。要素提取和歸類是其能夠被使用的基礎(chǔ)。
1. 7. 復(fù)雜數(shù)據(jù)挖掘
• 復(fù)雜數(shù)據(jù)挖掘比如Video，Audio等，其要素目前依然難以通過技術(shù)手段提取，但也可以從上下文與語境中提取一些要素幫助聚類。例如重要用戶標(biāo)記了高度重要性的Video一般優(yōu)先權(quán)重也應(yīng)該較高。
• 復(fù)雜數(shù)據(jù)的挖掘目前處理的方式一般通過數(shù)據(jù)錄入的標(biāo)準(zhǔn)化來解決，核心在于數(shù)據(jù)錄入標(biāo)準(zhǔn)體系的規(guī)劃。建議為了整理的方便，初期規(guī)劃是盡可能考慮完善，不僅僅適用現(xiàn)在，而且可以適用于未來。
四． 以數(shù)據(jù)為中心的用戶體驗(yàn)體系構(gòu)建相關(guān)技術(shù)
1. 1. 數(shù)據(jù)挖掘技術(shù)
• Clickstream Data 點(diǎn)擊流數(shù)據(jù)
直接訪問數(shù)量
訪客來源
訪客地理位置
點(diǎn)擊流跟蹤
• Outcomes Data 結(jié)果型數(shù)據(jù)
訪客（初次訪問數(shù)，訪問總數(shù)，平均回訪數(shù)，關(guān)注點(diǎn)）
頁面瀏覽（平均瀏覽數(shù)，總PV ，訪問超過一頁的訪客比）
時(shí)間（全局，人均）
關(guān)鍵行為（如：注冊(cè)，購買）
轉(zhuǎn)化率
相關(guān)（Keyword，趨勢(shì)，網(wǎng)站
點(diǎn)擊型結(jié)果型數(shù)據(jù)示例：
• Research Data 研究性數(shù)據(jù)
用戶研究
啟發(fā)式評(píng)估，用戶體驗(yàn)測(cè)試
用戶屬性（數(shù)據(jù)庫分析）
用戶期望分析（從數(shù)據(jù)到服務(wù)）
研究性數(shù)據(jù)挖掘流程示例：
• Competitive Data 競(jìng)爭(zhēng)性數(shù)據(jù)
“面”數(shù)據(jù)測(cè)量（大眾分析）
網(wǎng)絡(luò)服務(wù)數(shù)據(jù)測(cè)量（行業(yè)分析）
搜索引擎測(cè)量（輿情分析）
競(jìng)爭(zhēng)性數(shù)據(jù)示例：
1. 2. 數(shù)據(jù)分析技術(shù)
• 初級(jí)數(shù)據(jù)分析
Click Density Analysis 點(diǎn)擊密度分析
Visitor Primary Purpose 訪客首要目的
Task Completion Rates 任務(wù)完成率
Segmented Visitor Trends 用戶分層
Multichannel Impact Analysis 渠道分析
初級(jí)數(shù)據(jù)分析示例：
• 高級(jí)數(shù)據(jù)分析
用戶價(jià)值組屬性
用戶特征組屬性
數(shù)據(jù)估計(jì)值組合
數(shù)據(jù)預(yù)期值組合
聚類組合分析
用戶深層次研究
高級(jí)數(shù)據(jù)分析應(yīng)用示例：如何通過數(shù)據(jù)分析對(duì)不同用戶推薦不同產(chǎn)品
理財(cái)規(guī)劃思路：
被推銷商品特性：
用戶特性與商品特性的組合決定了營(yíng)銷策略：
1. 3. 跨渠道的數(shù)據(jù)交互思想
• 跨渠道數(shù)據(jù)交互一般服務(wù)或者營(yíng)銷為目的
• 跨渠道數(shù)據(jù)交互必須用戶為中心
• 跨渠道數(shù)據(jù)交互能夠給用戶立體式體驗(yàn)，有效提升品牌體驗(yàn)
案例：Foursqure跨渠道應(yīng)用
1. 4. 基于數(shù)據(jù)的互動(dòng)式業(yè)務(wù)規(guī)劃
• 基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃對(duì)象一般是一個(gè)系列產(chǎn)品或服務(wù)鏈條，通常廣泛應(yīng)用于通信業(yè)，銀行業(yè)，保險(xiǎn)業(yè)，零售業(yè)等
• 基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃必須以用戶為中心，分析用戶出現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)以數(shù)據(jù)挖掘?yàn)楹诵?
案例：基于數(shù)據(jù)的互動(dòng)式業(yè)務(wù)規(guī)劃迅速提升轉(zhuǎn)化率：
1. 5. 基于數(shù)據(jù)的互動(dòng)式營(yíng)銷規(guī)劃
• 基于數(shù)據(jù)的交互式營(yíng)銷主要指互動(dòng)營(yíng)銷，核心思想為分析用戶的特定時(shí)機(jī)需求，并根據(jù)該需求推薦相關(guān)產(chǎn)品或服務(wù)滿足用戶需要，廣泛應(yīng)用于各種行業(yè)。
• 基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃同樣必須以用戶為中心，分析用戶出現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)同樣以數(shù)據(jù)挖掘?yàn)楹诵摹?
案例：基于數(shù)據(jù)的互動(dòng)式營(yíng)銷迅速提升業(yè)績(jī)：
1. 6. 基于數(shù)據(jù)的交互式業(yè)務(wù)規(guī)劃及營(yíng)銷規(guī)劃應(yīng)用案例
1. 7. 數(shù)據(jù)預(yù)測(cè)
• 數(shù)據(jù)分析：對(duì)照A服務(wù)和B服務(wù)的使用記錄，使用A服務(wù)的用戶在1個(gè)月收益小于B服務(wù)，而3個(gè)月會(huì)產(chǎn)生收益大于B服務(wù)
• 互動(dòng)營(yíng)銷：建議需要1個(gè)月服務(wù)的用戶使用B服務(wù)，建議需要3個(gè)月的用戶使用A服務(wù)
• 業(yè)務(wù)創(chuàng)新：面向需要兩個(gè)月服務(wù)的用戶開發(fā)非A非B的C類型服務(wù)
五． 組織建設(shè)
1. 1. 業(yè)務(wù)流的持續(xù)改進(jìn)實(shí)踐
1. 2. 建設(shè)以數(shù)據(jù)為中心的組織
1. 傳統(tǒng)用戶體驗(yàn)體系過時(shí)？
——如何建立以數(shù)據(jù)為中心的用戶體驗(yàn)體系
一． 用戶體驗(yàn)方法體系的變革
1. 1. 用戶體驗(yàn)方法體系的宏觀變遷
今天服務(wù)業(yè)的競(jìng)爭(zhēng)也發(fā)生了翻天覆地的變化——從以服務(wù)內(nèi)容取勝，到服務(wù)渠道取勝，到現(xiàn)階段的用戶體驗(yàn)取勝。從宏觀視角
看，業(yè)務(wù)戰(zhàn)略方向逐漸深入以用戶為中心的思想，從微觀視角看，在用戶為中心的思想驅(qū)動(dòng)下，企業(yè)需要進(jìn)行一整套的機(jī)制流程改變，包括用戶為中心的數(shù)據(jù)挖掘與
分析，用戶為中心的業(yè)務(wù)規(guī)劃，用戶為中心的營(yíng)銷規(guī)劃，用戶為中心的設(shè)計(jì)，用戶為中心的績(jī)效體系構(gòu)建等。
傳統(tǒng)業(yè)務(wù)規(guī)劃我們通常只考慮業(yè)務(wù)之間的邏輯關(guān)系，較小的考慮用戶操作視角中形成的一連串的心理反映、行為特征、價(jià)值取向
等等，而在用戶為中心的業(yè)務(wù)規(guī)劃中，用戶的每個(gè)操作都需要詳細(xì)分析，記錄在案，通過行為軌跡綜合分析用戶心理特征，所以能夠更有效的促進(jìn)用戶完成業(yè)務(wù)。以
下為傳統(tǒng)業(yè)務(wù)規(guī)劃、傳統(tǒng)用戶體驗(yàn)體系和以數(shù)據(jù)為中心的用戶體驗(yàn)體系對(duì)比：
以數(shù)據(jù)為中心的用戶體驗(yàn)體系：
• 以用戶為中心的思維方式構(gòu)建業(yè)務(wù)框架
• 系統(tǒng)需要滿足不同類型的用戶的個(gè)性化需求，其核心為數(shù)據(jù)挖掘和應(yīng)用
• 系統(tǒng)需要協(xié)助用戶達(dá)成實(shí)現(xiàn)用戶期望，并幫助用戶發(fā)現(xiàn)并實(shí)現(xiàn)潛在需求
• 系統(tǒng)需要智能尋找最佳的幫助時(shí)機(jī)，智能的進(jìn)行用戶協(xié)助
• 系統(tǒng)建設(shè)需要考慮未來系統(tǒng)的發(fā)展方向，其核心為用戶需求挖掘
1. 2. 用戶體驗(yàn)方法體系的微觀變遷
在傳統(tǒng)的用戶體驗(yàn)方法中，我們強(qiáng)調(diào)的以用戶為中心的設(shè)計(jì)，但是我們發(fā)現(xiàn)傳統(tǒng)用戶體驗(yàn)體系（用戶研究——概念設(shè)計(jì)——可用性測(cè)試——產(chǎn)品上線）的績(jī)效難以測(cè)量、難以管理、難以支持決策。現(xiàn)今在數(shù)據(jù)分析高度發(fā)展的今天，我們建議企業(yè)應(yīng)該建立以數(shù)據(jù)為中心的用戶體驗(yàn)體系，協(xié)助企業(yè)進(jìn)行全面的用戶體驗(yàn)管理。我們以用戶購買為例，來分析傳統(tǒng)用戶體驗(yàn)方法的和以數(shù)據(jù)為中心的用戶體驗(yàn)體系的差異：
傳統(tǒng)的用戶體驗(yàn)體系：
1. 通過用戶研究掌握用戶需求和用戶特性，建立用戶模型（A，B，C，D）
2. 依據(jù)用戶模型來進(jìn)行概念設(shè)計(jì)，一般會(huì)產(chǎn)生與用戶模型一一對(duì)因的概念設(shè)計(jì)成果。
3. 依據(jù)概念設(shè)計(jì)來進(jìn)行詳細(xì)設(shè)計(jì)，再進(jìn)行可用性測(cè)試來確保產(chǎn)品易用性。
我們發(fā)現(xiàn)從設(shè)計(jì)邏輯上看，傳統(tǒng)的用戶體驗(yàn)體系非常完美，但是從應(yīng)用層面則存在幾個(gè)無法解決的問題：
1. 用戶研究耗時(shí)耗力，所以通過該方法獲得的用戶模型一般不會(huì)超過5種用戶類型。但是用戶是多樣性的，通常在極其細(xì)分的領(lǐng)域上才會(huì)出現(xiàn)用戶行為相似，
尤其在互聯(lián)網(wǎng)和移動(dòng)應(yīng)用中。傳統(tǒng)用戶研究方法無法將用戶鎖定到非常細(xì)的范圍，所以很多企業(yè)應(yīng)用傳統(tǒng)用戶體驗(yàn)方法后并沒有獲得更好的績(jī)效，反而由于對(duì)用戶沒
有透徹的了解引發(fā)了其它問題。
2. 傳統(tǒng)用戶體驗(yàn)只考慮用戶類型，不考慮用戶生命周期，拒絕了大批用戶。
3. 傳統(tǒng)用戶體驗(yàn)方法與用戶使用在時(shí)間上不同步，傳統(tǒng)用戶體驗(yàn)方法只能發(fā)現(xiàn)用戶需要什么，為什么離開，而不能幫助當(dāng)前的用戶找到需要的，不能挽回失去的以及正在失去的用戶。
4. 傳統(tǒng)用戶體驗(yàn)方法忽略了用戶正在使用心理是不斷變化的，而這恰恰是用戶之所以行動(dòng)的真正原因。傳統(tǒng)方法而只能面向心理狀態(tài)一直沒有發(fā)生改變的用戶類型，所以其只能解決人機(jī)工學(xué)的問題，不能促進(jìn)用戶行動(dòng)。
5. 傳統(tǒng)用戶體驗(yàn)方法以較少的交互流程來評(píng)估用戶體驗(yàn)是否好壞的邏輯與用戶真實(shí)行為的邏輯不同，用戶有時(shí)需要較慢決策，而有時(shí)需要較快決策，所以交互的多少不能作為用戶體驗(yàn)好壞的評(píng)估標(biāo)準(zhǔn)，而應(yīng)該以用戶決策后滿意度作為評(píng)測(cè)方法。
6. 傳統(tǒng)用戶體驗(yàn)方法迫使產(chǎn)品團(tuán)隊(duì)與營(yíng)銷團(tuán)隊(duì)開戰(zhàn)，并使其成為孤立單元。
以數(shù)據(jù)為中心的用戶體驗(yàn)體系：
1. 根據(jù)用戶初級(jí)研究（用戶特性，需求）進(jìn)行用戶初級(jí)建模。同時(shí)數(shù)據(jù)庫構(gòu)建時(shí)考慮到用戶的多樣性特征可能，考慮到更為細(xì)分的情形。
2. 概念設(shè)計(jì)考慮初級(jí)建模結(jié)果，為每類用戶設(shè)計(jì)不同業(yè)務(wù)模塊，而規(guī)劃業(yè)務(wù)圖譜進(jìn)行關(guān)聯(lián)。
3. 詳細(xì)設(shè)計(jì)，初級(jí)版本通過可用性測(cè)試后，確保基礎(chǔ)用戶體驗(yàn)良好后上線。
4. 系統(tǒng)上線后，根據(jù)用戶更為細(xì)分的多樣性特征發(fā)現(xiàn)細(xì)分用戶的行為特征，總結(jié)為更為詳細(xì)的細(xì)分用戶偏好圖譜，并將該細(xì)分類型用戶當(dāng)時(shí)行為特征（who，why，what，when，when）與交互行為（how）進(jìn)行一一對(duì)應(yīng)，重新修改業(yè)務(wù)邏輯
5. 不斷調(diào)整每個(gè)節(jié)點(diǎn)上的交互行為，進(jìn)行A/B測(cè)試，進(jìn)行業(yè)績(jī)測(cè)量，總結(jié)經(jīng)驗(yàn)。
6. 將整個(gè)系統(tǒng)數(shù)據(jù)化管理，核心數(shù)據(jù)包括：用戶數(shù)據(jù)、關(guān)鍵節(jié)點(diǎn)交互統(tǒng)計(jì)數(shù)據(jù)、業(yè)務(wù)轉(zhuǎn)化數(shù)據(jù)、用戶軌跡數(shù)據(jù)等。根據(jù)用戶的個(gè)性提取，結(jié)合用戶行為處罰實(shí)現(xiàn)個(gè)性化解決方案，同時(shí)可以通過交互節(jié)點(diǎn)的調(diào)整實(shí)現(xiàn)數(shù)據(jù)提升，全面提升用戶體驗(yàn)。
7. 團(tuán)隊(duì)績(jī)效管理構(gòu)建，從產(chǎn)品到營(yíng)銷進(jìn)行整體績(jī)效管理，從節(jié)點(diǎn)上進(jìn)行控制，從整體上進(jìn)行把握。
用戶行為分析的核心要素通常是由用戶特征以及企業(yè)服務(wù)雙向決定的，通常包括以下兩個(gè)方面：
A：用戶層面：用戶通常具有部分相似性，我們也可以稱之為個(gè)性化。用戶的個(gè)性化在某個(gè)小范圍內(nèi)通常具有一致性，而這也構(gòu)
成了用戶特征劃分的一部分，例如我們通常會(huì)聽到：“您的這個(gè)衣服真好看，我也想購買“，”我覺得挺好的，小黃肯定喜歡“，”這個(gè)真實(shí)用，我們家也需要一個(gè)
“。根據(jù)這個(gè)特征我們可以將用戶進(jìn)行多維度的層層細(xì)分，比如：年齡，性別，喜好，學(xué)歷，收入，職業(yè)，風(fēng)格偏好，朋友圈等等。我們可以將用戶細(xì)分分到一個(gè)顆
粒度極小的維度。而我們?cè)跇I(yè)務(wù)規(guī)劃時(shí)，為了方便我們可以標(biāo)記為: a_b_c_d_e_f_g_User，企業(yè)則需要針對(duì)細(xì)分用戶組織各種業(yè)務(wù)和服務(wù)。
B：企業(yè)層面：企業(yè)需要非常清楚針對(duì)某個(gè)大類和小類用戶提供什么樣的服務(wù)，依此來決定其營(yíng)銷，系統(tǒng)，服務(wù)等。比如我們可以定義
用戶類型
營(yíng)銷策略
產(chǎn)品策略
服務(wù)
a1_b3_c1_d1_e1_f1_g2_User
a1_b3_c1_d1_e1_f1_g2_M
a1_b3_c1_d1_e1_f1_g2_P
套餐b
a1_b2_c1_d1_e1_f1_g2_User
a1_b3_c1_d1_e1_f1_g2_M
a1_b3_c1_d1_e1_f1_g2_P
套餐c
我們可以針對(duì)不同用戶組使用不同的營(yíng)銷策略和產(chǎn)品策略，而服務(wù)套餐則可以進(jìn)行相關(guān)性建議。企業(yè)根據(jù)不斷調(diào)整每個(gè)環(huán)節(jié)的營(yíng)
銷策略和產(chǎn)品策略以觀察數(shù)據(jù)變化，將ROI提升到較高水平。完美系統(tǒng)一定是用戶體驗(yàn)極佳的，系統(tǒng)，營(yíng)銷與服務(wù)能夠結(jié)合非常完美的系統(tǒng)，企業(yè)能夠?qū)φ麄€(gè)系統(tǒng)
的每個(gè)節(jié)點(diǎn)進(jìn)行控制，對(duì)用戶也有很好的引導(dǎo)性，幫助用戶達(dá)成目標(biāo)期望，以下為系統(tǒng)結(jié)構(gòu)示例：
二． 構(gòu)建以數(shù)據(jù)為中心的用戶體驗(yàn)體系
以數(shù)據(jù)為中心的用戶體驗(yàn)組織結(jié)構(gòu)
以數(shù)據(jù)為中心的用戶體驗(yàn)組織結(jié)構(gòu)中主要包括三個(gè)組織，分別為業(yè)務(wù)規(guī)劃組織（產(chǎn)品），營(yíng)銷規(guī)劃組織（營(yíng)銷），數(shù)據(jù)研究中心（研究）。
以數(shù)據(jù)為中心的組織特征：
階段
產(chǎn)品團(tuán)隊(duì)
數(shù)據(jù)團(tuán)隊(duì)
營(yíng)銷團(tuán)隊(duì)
計(jì)劃（Plan）
產(chǎn)品規(guī)劃
數(shù)據(jù)庫規(guī)劃
營(yíng)銷規(guī)劃
上線（Do）
初級(jí)產(chǎn)品上線
數(shù)據(jù)挖掘與分析
初級(jí)營(yíng)銷執(zhí)行
分析（Check）
根據(jù)數(shù)據(jù)進(jìn)行業(yè)務(wù)重規(guī)劃
根據(jù)數(shù)據(jù)提出優(yōu)化方向建議
根據(jù)數(shù)據(jù)進(jìn)行全面營(yíng)銷調(diào)整
調(diào)整（Action）
總結(jié)改進(jìn)成果，進(jìn)行更深入探索
總結(jié)數(shù)據(jù)，整理數(shù)據(jù)關(guān)系，數(shù)據(jù)預(yù)測(cè)
增加營(yíng)銷投放，進(jìn)行營(yíng)銷
充分發(fā)掘數(shù)據(jù)價(jià)值，建立數(shù)據(jù)為中心的用戶體驗(yàn)體系
用戶的忠誠度有多高？用戶是有生命周期的，如果我們?cè)谶m當(dāng)?shù)臋C(jī)會(huì)增加用戶使用價(jià)值，能夠有效的提升客戶價(jià)值。
如何了解您的用戶？他就在您的數(shù)據(jù)庫中，這里有更詳細(xì)的信息，數(shù)據(jù)庫能夠幫助你做決策。
數(shù)據(jù)為中心的用戶體驗(yàn)體系要求以數(shù)據(jù)作為溝通的前提，所有的業(yè)務(wù)都是通過數(shù)據(jù)來進(jìn)行規(guī)劃和管理。基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃
對(duì)象一般是一個(gè)系列產(chǎn)品或服務(wù)鏈條，通常廣泛應(yīng)用于通信業(yè)，銀行業(yè)，保險(xiǎn)業(yè)，零售業(yè)，互聯(lián)網(wǎng)行業(yè)等。基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃必須以用戶為中心，分析用戶出
現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)以數(shù)據(jù)挖掘?yàn)楹诵摹?br /> 不僅僅業(yè)務(wù)規(guī)劃需要考慮用戶體驗(yàn)，能否通過良好用戶體驗(yàn)的營(yíng)銷來最大化產(chǎn)品價(jià)值更是用戶體驗(yàn)的核心。基于數(shù)據(jù)的交互式營(yíng)
銷主要指互動(dòng)營(yíng)銷，核心思想為分析用戶的特定時(shí)機(jī)需求，并根據(jù)該需求推薦相關(guān)產(chǎn)品或服務(wù)滿足用戶需要，廣泛應(yīng)用于各種行業(yè)。
基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃同樣必須以用戶為中心，分析用戶出現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)同樣以數(shù)據(jù)挖掘?yàn)楹诵摹?br /> 如果透過簡(jiǎn)單的調(diào)查，您可以發(fā)現(xiàn)用戶在行為時(shí)刻每個(gè)時(shí)刻的行為意愿是不同的，但某個(gè)時(shí)刻用戶期望動(dòng)力大于行動(dòng)阻力時(shí)，立刻產(chǎn)生行動(dòng)。
用戶總是處在決策的徘徊期，促進(jìn)用戶行為只需要適當(dāng)?shù)陌l(fā)力即可。企業(yè)在執(zhí)行業(yè)務(wù)規(guī)劃時(shí)一定要根據(jù)用戶行為分析從而掌握用戶心理，實(shí)際給以適當(dāng)?shù)耐屏Χ皇窍喾吹牧α浚热缬脩粜枰氖莾r(jià)格低的產(chǎn)品時(shí)，如果營(yíng)銷重點(diǎn)為尊貴則會(huì)產(chǎn)生相反的阻力，反之則形成動(dòng)力。
三． 數(shù)據(jù)分析框架的主要事件
主要事件事件描述分類根據(jù)業(yè)務(wù)的需要進(jìn)行必要的分類，比如對(duì)用戶評(píng)級(jí)的分類，AA等級(jí)或AAA等級(jí)估計(jì)根據(jù)業(yè)務(wù)數(shù)據(jù)判斷的需要定義需要估計(jì)的數(shù)據(jù)和數(shù)據(jù)區(qū)間值，對(duì)業(yè)務(wù)進(jìn)行補(bǔ)充和協(xié)助，例如根據(jù)用戶儲(chǔ)蓄和投資行為估計(jì)用戶投資風(fēng)格預(yù)測(cè)根據(jù)數(shù)據(jù)的變化趨勢(shì)預(yù)測(cè)數(shù)據(jù)的發(fā)展方向，例如根據(jù)歷史投資數(shù)據(jù)幫助用戶預(yù)測(cè)投資行情等數(shù)據(jù)分組根據(jù)業(yè)務(wù)需要對(duì)數(shù)據(jù)進(jìn)行分組，例如購買A類的用戶通常也會(huì)購買B類，購買A的用戶后有一個(gè)B周期會(huì)產(chǎn)生C行為聚類數(shù)據(jù)集合的邏輯關(guān)系，比如同時(shí)擁有A特征和B特征的數(shù)據(jù)，可以推斷出其也擁有C特征描述描述性數(shù)據(jù)有助于提取關(guān)鍵要素進(jìn)行數(shù)據(jù)歸納，例如從數(shù)據(jù)關(guān)鍵詞中進(jìn)行近似業(yè)務(wù)營(yíng)銷，備忘錄等復(fù)雜數(shù)據(jù)挖掘例如Video，Audio，圖形圖像等等
1. 1. 分類（Classification）
• 在業(yè)務(wù)構(gòu)建中，最重要的分類一般是對(duì)用戶數(shù)據(jù)的分類，主要用于精準(zhǔn)營(yíng)銷
• 通常分類數(shù)據(jù)最大的問題在于分類區(qū)間的規(guī)劃，例如分類區(qū)間的顆粒度以及分類區(qū)間的區(qū)間界限等，分類區(qū)間的規(guī)劃需要根據(jù)業(yè)務(wù)流來設(shè)定，而業(yè)務(wù)流的設(shè)計(jì)必須以用戶需要為核心，因此分類的核心思想在于能夠完成滿足用戶需要的業(yè)務(wù)
• 由于市場(chǎng)需求是變化的，分類通常也是變化的，例如銀行業(yè)務(wù)中VIP用戶的儲(chǔ)蓄區(qū)間
1. 2. 估計(jì)（Estimation）
• 通常數(shù)據(jù)估計(jì)是互動(dòng)營(yíng)銷的基礎(chǔ)，基于用戶行為進(jìn)行數(shù)據(jù)估計(jì)為基礎(chǔ)進(jìn)行互動(dòng)營(yíng)銷已經(jīng)被證實(shí)具有較高的業(yè)務(wù)轉(zhuǎn)化率，銀行業(yè)中通常通過用戶數(shù)據(jù)估計(jì)用戶對(duì)金融產(chǎn)品的偏好，電信業(yè)務(wù)和互聯(lián)網(wǎng)業(yè)務(wù)則通常通過用戶數(shù)據(jù)估計(jì)用戶需要的相關(guān)服務(wù)或者估計(jì)用戶的生命周期
• 數(shù)據(jù)估計(jì)必須基于數(shù)據(jù)的細(xì)分和數(shù)據(jù)邏輯關(guān)聯(lián)性，數(shù)據(jù)估計(jì)需要有較高的數(shù)據(jù)挖掘和數(shù)據(jù)分析水平
1. 3. 預(yù)測(cè)（Prediction）
• 根據(jù)數(shù)據(jù)變化趨勢(shì)進(jìn)行未來預(yù)測(cè)通常是非常有力的產(chǎn)品推廣方式，例如證券業(yè)通常會(huì)推薦走勢(shì)良好的股票，銀行會(huì)根據(jù)用戶的資本情況協(xié)助用戶投資理財(cái)以達(dá)到某個(gè)未來預(yù)期，電信行業(yè)通常以服務(wù)使用的增長(zhǎng)來判斷業(yè)務(wù)擴(kuò)張和收縮以及營(yíng)銷等。
• 數(shù)據(jù)預(yù)測(cè)通常是多個(gè)變量的共同結(jié)果，每組變量之間一般會(huì)存在某個(gè)相互聯(lián)系的數(shù)值，我們根據(jù)每個(gè)變量的關(guān)系通常可以計(jì)算出數(shù)據(jù)預(yù)測(cè)值，并以此作為業(yè)務(wù)決策的依據(jù)展開后續(xù)行動(dòng)
1. 4. 數(shù)據(jù)分組（Affinity Grouping）
• 數(shù)據(jù)分組是精準(zhǔn)營(yíng)銷的基礎(chǔ)。當(dāng)數(shù)據(jù)分組以用戶特征為主要維度時(shí)，通常可以用于估計(jì)下一次行為的基礎(chǔ)，例如通過用戶使用的服務(wù)特征的需要來營(yíng)銷配套服務(wù)和工具，購買了A類產(chǎn)品的用戶一般會(huì)有B行為等等。
• 數(shù)據(jù)分組的難點(diǎn)在于分組維度的合理性，通常其精確性取決于分組邏輯是否與用戶行為特征一致。
1. 5. 聚類（Clustering）
• 數(shù)據(jù)聚類是數(shù)據(jù)分析的重點(diǎn)項(xiàng)目之一。例如在健康管理系統(tǒng)中通過癥狀組合可以大致估計(jì)病人的疾病，在電信行業(yè)產(chǎn)品創(chuàng)新中用戶使用的業(yè)務(wù)組合通常是構(gòu)成服務(wù)套餐的重要依據(jù)，在銀行業(yè)產(chǎn)品創(chuàng)新中用戶投資行為聚合也是其金融產(chǎn)品創(chuàng)新的重要依據(jù)。
• 數(shù)據(jù)聚類的要點(diǎn)在于聚類維度選取的正確性，需要不斷的實(shí)踐來驗(yàn)證其可行性
1. 6. 描述（Description）
• 描述性數(shù)據(jù)的最大效用在于可以對(duì)事件進(jìn)行詳細(xì)歸納，通常很多細(xì)微的機(jī)會(huì)發(fā)現(xiàn)和靈感啟迪來自于一些描述性的用戶建議，同時(shí)用戶更愿意通過描述性的方法來查詢搜索等，這時(shí)就需要技術(shù)上通過較好的數(shù)據(jù)關(guān)聯(lián)方法來協(xié)助用戶。
• 描述性數(shù)據(jù)的使用難點(diǎn)在于大數(shù)據(jù)量下數(shù)據(jù)要素提取和歸類，其核心在于要素提取規(guī)則以及歸類方法。要素提取和歸類是其能夠被使用的基礎(chǔ)。
1. 7. 復(fù)雜數(shù)據(jù)挖掘
• 復(fù)雜數(shù)據(jù)挖掘比如Video，Audio等，其要素目前依然難以通過技術(shù)手段提取，但也可以從上下文與語境中提取一些要素幫助聚類。例如重要用戶標(biāo)記了高度重要性的Video一般優(yōu)先權(quán)重也應(yīng)該較高。
• 復(fù)雜數(shù)據(jù)的挖掘目前處理的方式一般通過數(shù)據(jù)錄入的標(biāo)準(zhǔn)化來解決，核心在于數(shù)據(jù)錄入標(biāo)準(zhǔn)體系的規(guī)劃。建議為了整理的方便，初期規(guī)劃是盡可能考慮完善，不僅僅適用現(xiàn)在，而且可以適用于未來。
四． 以數(shù)據(jù)為中心的用戶體驗(yàn)體系構(gòu)建相關(guān)技術(shù)
1. 1. 數(shù)據(jù)挖掘技術(shù)
• Clickstream Data 點(diǎn)擊流數(shù)據(jù)
直接訪問數(shù)量
訪客來源
訪客地理位置
點(diǎn)擊流跟蹤
• Outcomes Data 結(jié)果型數(shù)據(jù)
訪客（初次訪問數(shù)，訪問總數(shù)，平均回訪數(shù)，關(guān)注點(diǎn)）
頁面瀏覽（平均瀏覽數(shù)，總PV ，訪問超過一頁的訪客比）
時(shí)間（全局，人均）
關(guān)鍵行為（如：注冊(cè)，購買）
轉(zhuǎn)化率
相關(guān)（Keyword，趨勢(shì)，網(wǎng)站
點(diǎn)擊型結(jié)果型數(shù)據(jù)示例：
• Research Data 研究性數(shù)據(jù)
用戶研究
啟發(fā)式評(píng)估，用戶體驗(yàn)測(cè)試
用戶屬性（數(shù)據(jù)庫分析）
用戶期望分析（從數(shù)據(jù)到服務(wù)）
研究性數(shù)據(jù)挖掘流程示例：
• Competitive Data 競(jìng)爭(zhēng)性數(shù)據(jù)
“面”數(shù)據(jù)測(cè)量（大眾分析）
網(wǎng)絡(luò)服務(wù)數(shù)據(jù)測(cè)量（行業(yè)分析）
搜索引擎測(cè)量（輿情分析）
競(jìng)爭(zhēng)性數(shù)據(jù)示例：
1. 2. 數(shù)據(jù)分析技術(shù)
• 初級(jí)數(shù)據(jù)分析
Click Density Analysis 點(diǎn)擊密度分析
Visitor Primary Purpose 訪客首要目的
Task Completion Rates 任務(wù)完成率
Segmented Visitor Trends 用戶分層
Multichannel Impact Analysis 渠道分析
初級(jí)數(shù)據(jù)分析示例：
• 高級(jí)數(shù)據(jù)分析
用戶價(jià)值組屬性
用戶特征組屬性
數(shù)據(jù)估計(jì)值組合
數(shù)據(jù)預(yù)期值組合
聚類組合分析
用戶深層次研究
高級(jí)數(shù)據(jù)分析應(yīng)用示例：如何通過數(shù)據(jù)分析對(duì)不同用戶推薦不同產(chǎn)品
理財(cái)規(guī)劃思路：
被推銷商品特性：
用戶特性與商品特性的組合決定了營(yíng)銷策略：
1. 3. 跨渠道的數(shù)據(jù)交互思想
• 跨渠道數(shù)據(jù)交互一般服務(wù)或者營(yíng)銷為目的
• 跨渠道數(shù)據(jù)交互必須用戶為中心
• 跨渠道數(shù)據(jù)交互能夠給用戶立體式體驗(yàn)，有效提升品牌體驗(yàn)
案例：Foursqure跨渠道應(yīng)用
1. 4. 基于數(shù)據(jù)的互動(dòng)式業(yè)務(wù)規(guī)劃
• 基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃對(duì)象一般是一個(gè)系列產(chǎn)品或服務(wù)鏈條，通常廣泛應(yīng)用于通信業(yè)，銀行業(yè)，保險(xiǎn)業(yè)，零售業(yè)等
• 基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃必須以用戶為中心，分析用戶出現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)以數(shù)據(jù)挖掘?yàn)楹诵?
案例：基于數(shù)據(jù)的互動(dòng)式業(yè)務(wù)規(guī)劃迅速提升轉(zhuǎn)化率：
1. 5. 基于數(shù)據(jù)的互動(dòng)式營(yíng)銷規(guī)劃
• 基于數(shù)據(jù)的交互式營(yíng)銷主要指互動(dòng)營(yíng)銷，核心思想為分析用戶的特定時(shí)機(jī)需求，并根據(jù)該需求推薦相關(guān)產(chǎn)品或服務(wù)滿足用戶需要，廣泛應(yīng)用于各種行業(yè)。
• 基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃同樣必須以用戶為中心，分析用戶出現(xiàn)需求的各種時(shí)機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實(shí)現(xiàn)同樣以數(shù)據(jù)挖掘?yàn)楹诵摹?
案例：基于數(shù)據(jù)的互動(dòng)式營(yíng)銷迅速提升業(yè)績(jī)：
1. 6. 基于數(shù)據(jù)的交互式業(yè)務(wù)規(guī)劃及營(yíng)銷規(guī)劃應(yīng)用案例
1. 7. 數(shù)據(jù)預(yù)測(cè)
• 數(shù)據(jù)分析：對(duì)照A服務(wù)和B服務(wù)的使用記錄，使用A服務(wù)的用戶在1個(gè)月收益小于B服務(wù)，而3個(gè)月會(huì)產(chǎn)生收益大于B服務(wù)
• 互動(dòng)營(yíng)銷：建議需要1個(gè)月服務(wù)的用戶使用B服務(wù)，建議需要3個(gè)月的用戶使用A服務(wù)
• 業(yè)務(wù)創(chuàng)新：面向需要兩個(gè)月服務(wù)的用戶開發(fā)非A非B的C類型服務(wù)
五． 組織建設(shè)
1. 1. 業(yè)務(wù)流的持續(xù)改進(jìn)實(shí)踐
1. 2. 建設(shè)以數(shù)據(jù)為中心的組織
樂發(fā)網(wǎng)超市批發(fā)網(wǎng)提供超市貨源信息,超市采購進(jìn)貨渠道。超市進(jìn)貨網(wǎng)提供成都食品批發(fā),日用百貨批發(fā)信息、微信淘寶網(wǎng)店超市采購信息和超市加盟信息.打造國內(nèi)超市采購商與批發(fā)市場(chǎng)供應(yīng)廠商搭建網(wǎng)上批發(fā)市場(chǎng)平臺(tái),是全國批發(fā)市場(chǎng)行業(yè)中電子商務(wù)權(quán)威性網(wǎng)站。
本文內(nèi)容整合網(wǎng)站：百度百科、知乎、淘寶平臺(tái)規(guī)則
