守著「偽需求」閉門造車,還談什麼大數據價值變現!

文/數據俠 江穎

除了BAT和部分500強企業的內部應用,你幾乎找不到真正帶來規模化經濟效益的大數據產品?面對「偽需求」與「假產品」,應該如何杜絕臆想,建立有效的應用場景,實現真正的大數據價值變現呢?

在本期線上數據俠實驗室中,原力大數據CEO江穎博士為我們揭露了大數據業態繁榮背後的另一面,也分享了自己所進行的探索。

本文轉自公眾號原力大數據(ID:wislife)

我們看似已經進入大數據時代,到處都是各種各樣的大數據產品。但我可以負責任的講:90%的大數據產品,要麼,是閉門造車、臆想出來的「偽需求」,沒有真正解決客戶的需求和痛點,所以才會沒人買單;要麼,是概念導向、佔領客戶大數據認知的「假產品」,已經先入為主,讓真正的大數據產品推廣更加困難。

這就是大數據行業今天真實的業態,也是我們共同面臨的問題。

今天,你幾乎找不到帶來規模化收入的大數據產品。

目前大數據行情是,市場上出現了很多大數據產品——大數據精準廣告系統、智能營銷平台、輿情監測系統……

但如果你是業內人,你會發現,除了BAT和一些寡頭級別公司的大數據內部應用,絕大多數的大數據產品並沒有如同預期的被市場接受。

以至於行業內幾乎沒有靠譜的大數據工具和大數據應用產品,沒有幾個大數據產品真正的帶來規模化收入,也就是說並沒有那麼多客戶有意願為這些大數據的應用產品去買單。

我們可以一起來看今天真實的大數據業態。

精準廣告投放:做的是中介,靠的是概念包裝。

精準廣告投放,最可能是我們今天聽到最多、影響力最強的大數據產品。

其實我們都清楚,除了百度和騰訊的廣點通等少數幾個公司有大數據能力,諸多的DSP公司和廣告投放公司是打著大數據到概念,做到是廣告投放、賺的是廣告位的差價。

可是這些廣告投放公司和分發公司,佔領了客戶對於大數據的認知,讓客戶認為他們做的就是大數據、就是精準營銷。

如果有任何其他公司、其他人再去和這些客戶談大數據、談精準廣告、哪怕其他相關大數據時,他們都會認為都是一樣的。

輿情監控產品:普遍同質化、商業結合度低。

輿情監測類產品可能是目前市面上同質化最嚴重的大數據產品之一。市面上有大量的輿情監測產品,所有的輿情監測工具都會提供類似的功能:曝光量、曝光用戶數、影響力指數、正向/負向情緒指數、傳播趨勢圖。

比如,高考事件,在微博的曝光量是1.2億,曝光用戶量783萬,影響力指數80,公眾對此事的情緒偏向正面、數值為72,但傳播熱度的趨勢如何?

高考這個事情是熱點事件,很多人關注,大家基本是正面情緒的。可是然後呢?沒有用啊。我知道這些,我能做什麼?

如果這是一個負面事件,我希望壓制——

什麼時候來控制才不會產生反效果?

哪一類人是決定這次輿論事件的重點?

要控制和引導輿論,到底怎麼做?

如果高考熱點事件對我來說是一個難得的商業機會,我希望利用這個事件來宣傳我的產品——

如何來利用不同的人對這個事情的不同看法來設計差異化的廣告?

如何利用這個事件讓我的產品擴大銷量?

可是你會發現,市面上大多數大數據輿情產品並不能解決客戶真正的痛點和需求。

拒絕臆想,構建有效的大數據應用場景的三個認知與實踐

1. 從「重」到「輕」,從「平台系統」到「簡單工具」

事實上,今天90%的企業,特別是傳統行業和中小企業,既沒有為大數據付費的意願,也沒有為大數據付費的能力。

而有能力去購買大數據的應用、服務,有能力使用大數據的技術的,更多的是國企、政府和一些巨無霸型的公司。

這些有能力為大數據買單的巨頭級企業必然具備3個特點:

第一,他們內部一定已經有大量的IT系統;

第二,他們必然有非常龐大的組織架構;

第三,他們的流程制度也一定非常複雜 。

我見過太多大型、複雜的大數據系統,最終卻沒有用起來。反思原因,就是因為做的系統平台過「大」、過「重」,要把這個大數據平台用起來,就涉及到了現有組織機構、工作流程的改變,做過這件事的人都知道,這個真的太難了。

所以,要把大數據的應用快速切入,讓企業立刻用起來,就必須非常的「輕」。為了解決這個問題,我們是這樣做的:

我們說的從重到輕的第一個「輕」——輕實施

把我們的大數據營銷工具做的非常的輕量級,只需要做簡單的數據介面對接,就讓我們的大數據營銷工具能夠被使用。把實施難度降低到最小、讓我們的大數據工具與企業現有的平台對接變得最簡單。

從重到輕的第二個「輕」——簡單化,堅決不做複雜系統,只做簡單工具。

堅決只解決客戶在實際工作中的最痛點、最重要的那幾個問題,堅決讓我們的大數據工具不涉及任何流程、不涉及任何組織架構。

從重到輕的第三個「輕」——輕鬆用

任何大數據工具必須自動化,堅決不能給這個崗位的人員增加工作量,相反還得減輕他們的工作量,才能把大數據產品被用起來。

2. 從「無」到「有」,創造新的「藍海」場景

只要提到大數據應用場景的構建,大家都覺得非常困難,推出的很多大數據應用工具或是應用產品客戶並不認可。

我的理解是,有大量的需求和客戶的問題用傳統的方法無法解決,但可以通過大數據來解決。只要找到這些需求,並且用大數據的方法來幫助客戶解決問題,客戶就會買單。

分享一個自己的大數據應用工具——線下廣告效果監測工具。廣告效果的統計分析絕對是世紀性難題,特別是線下渠道的廣告投放效果從來無法衡量。

地鐵廣告牌、公交車站點廣告牌、戶外大型LED廣告牌……每一個廣告牌的投放都是真金白銀的投入,但是到底效果如何從來都是沒有辦法統計的。

我們是怎麼做的呢?藉助運營商的基站數據對某個特定地點的廣告牌覆蓋人群進行拍照,通過分析對比這個人群在某個產品廣告投放前後的行為差異,最終得到一個具體廣告牌的投放效果。

比如,我在廣州的某個地鐵站的LED廣告牌投了某個App產品的廣告,投放時間為10天;這10天中,有20萬人曾經在這個地鐵站出入、搭乘過地鐵。

通過監測這20萬用戶關於這個App產品的使用行為,跟蹤這20萬用戶看到這個廣告之前和看到這支廣告之後行為有沒有發生變化,比如:

廣告投放前,有3萬用戶使用這個App產品,但是在廣告投放之後有3.6萬客戶使用這個產品;

廣告投放前,這20萬客戶中使用這個App產品的活躍客戶比例是2.3%,但是在廣告投放之後這個產品的活躍客戶佔比是3.1%。

也就是說,這個廣告牌帶來了6000個新增客戶、0.9%的活躍客戶佔比提升。藉助運營商大數據和新的大數據應用場景的構建,實現了對每一個廣告牌的價值產出進行清晰的衡量。因為它解決的是真正的行業的痛點和需求,所以這個應用場景必然是客戶會願意買單和願意接受的。

3. 從「增值品」到「 剛需品」,搞定客戶的剛需型痛點

今天有大量的大數據的應用場景是可有可無的,說白了就是你沒有真正解決問題,客戶用與不用是一樣的,所以大數據產品用不起來。

而搞定客戶剛需型的痛點,核心並不在技術,而在於應用、在於通過構建有效的場景的構建幫助客戶解決問題。我們做的每一個場景都必須是讓客戶真正能夠使用起來、是有效果的。

要知道,今天很多的企業根本不懂大數據、更不知道如何來用爬蟲。

有一些企業客戶,他們現在去收集信息,掃樓、掃街、第三方渠道購買數據,很可能還會買到黑市數據,我們告訴他我們可以通過爬蟲幫他搞定,他們特別高興。

因為我們這個工具的核心是解決了從需求到最終實現的全部環節,而不單單是做爬蟲本身,效果也非常顯著——把數據的獲取的比例從43%提升到92%,準確度從61%提升到85%。

我們把增值品做成剛需品的另一個例子是市場調研。市場調研,對於很多大企業來講是絕對剛需,那我們如何用新的手段去幫他解決原有的問題,這個也是把增值品做成剛需品的一條思路。

我們有一個案例,客戶希望通過電話調研和郵件調研的方式來了解某一類App的產品需求和使用現狀。我們告知客戶,可以用運營商的互聯網產品行為數據來做這件事情。這樣只需要原有預算的20%;而且可以把原有的2個月到3個月的一個項目執行周期減少為1周到2周。

結語

今天的大數據產品中,有90%的大數據產品是閉門造車、臆想出來的偽需求,所以客戶很難為此買單;還有一類產品打著大數據的概念,佔領了客戶的認知,做的並不是大數據的產品,是「偽大數據產品「,讓真正的大數據產品的認知和銷售變得更加困難。

我一直認為相對於技術而言,如何才能把大數據技術和應用場景打通,構建有效的大數據應用場景更加困難。

拒絕臆想、拒絕閉門造車,構建有效的大數據應用場景,才是大數據產品可以帶來規模化收入、得到市場認可的根本。

註:以上內容為原力大數據CEO江穎在數據俠實驗室的演講內容節選,點擊「閱讀原文」可聽取完整直播回放。後台回復"數據價值變現",獲取嘉賓完整PPT。本文僅為作者觀點,不代表DT財經立場。

題圖 | 視覺中國

期待更多數據俠乾貨分享、話題討論、福利發放?在公眾號DT數據俠(ID:DTdatahero)後台回復「數據社群」,可申請加入DT數據社群。

數據俠門派

本文數據俠為原力大數據CEO江穎博士,她曾任中國移動高級運營分析主管,對通信運營商、移動互聯網、廣告、金融、教育科研等多個行業都有深厚的理論與實踐經驗,積累了大量大數據行業經驗和研究成果。擁有7項技術發明專利,曾獲信息通信大數據產業聯盟評為2017年度大數據創新應用傑出人物。

加入數據俠

「數據俠計劃」是由第一財經旗下DT財經發起的數據社群,包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟,旨在聚集大數據領域精英,共同挖掘數據價值。了解數據俠計劃詳情請關注DT數據俠回復「數據俠計劃」,投稿、合作請聯繫datahero@dtcj.com。

推薦閱讀:

數據科學家、數據分析師、數據挖掘工程師、數據工程師,你分的清楚嗎?
如何整合複雜技術打造數據分析平台?
我數學不好、不會編程,能成為數據科學家嗎?
人不如新?Uber空窗期終結,黑馬掌門人Expedia CEO被選中

TAG:大数据 | 大数据分析 |