D-Future是一场为数据而办的大会，聚集了业内的数据专家精英。现场很多创业者，传统企业都希望能够就自己企业的数据运营策略与专家进行探讨，得到他们的建议。因此，主办方七牛在晚上安排了一场关于企业数据健康度PK的环节。来自不同创业阶段的四组企业团队登上讲台陈述各自的数据管理与运营策略。
数据领域的大牛评委会根据选手的陈述，直接讲出企业数据策略的问题。当晚这四组选手分别是妈咪驾到创始人邓丽莉、恋爱记CEO付小龙、美哒网络CTO刘宏宇以及来自中通服的技术负责人辛炜博。从他们的讨论中，我们看到了创新企业与传统公司转型过程中都会遇到的数据化运营的问题与难点，因此本文截取了企业数据健康度PK环节的精彩内容，呈献给大家。
妈咪驾到 - 数据能够帮助解决新妈咪购物选择难的痛点吗？
邓丽莉：大家好我叫Lily，是妈咪驾到的创始人，也是一位妈妈，今天我带来了我的另一个宝宝——妈咪驾到。成立妈咪驾到这个平台是非常偶然的机会。一开始我是在新浪分享我作为妈妈的经验，没想到受到了很多妈妈的关注，我们一起分享和吐槽我们购买的产品，后来我们开始一起抱团购买产品。妈咪驾到就这样成长起来了。
到目前为止，妈咪驾到主营母婴用品的团购和GPS的导购，一年流水是五千万，这对于我来说是一个意外。我希望通过数据来回顾妈咪驾到的过去，并思考妈咪驾到的未来。从数据我们看到，现阶段中国妈妈的年龄段集中于85年到89年，90后的妈妈也在迅速崛起中。有了宝宝之后，宝宝产品及孕期产品支出会占家庭总支出30%以上，是最大的支出板块。还有一个数据很有趣，生完宝宝之后，妈妈在家里的发言权和地位会大幅度提高，80%的母婴产品都是由妈妈作购买决定的。同时我们看到，作为后起之秀的90后妈妈更为独立，她们中有76%愿意自己带宝宝，而且她们讲究生活品质，对品牌有忠诚度，也有很强的品牌意识。
这些新妈妈已经不愿意拘泥于传统的渠道去选购商品，消费时她们更相信别的妈妈的评价。数据显示，有62.5%的妈妈对产品的评估是通过别的妈妈的评价。而且她们非常具有分享精神，在购买商品之后非常愿意分享对于商品的评价。这些现象也可以解释妈咪驾到为什么团购转化率能达到20%。20%这个数字是比较高的，天猫聚划算的特卖转化率只有3%-4%。这个跟我们刚刚看到的数据是很吻合的，因为妈咪驾到做的团购是基于妈妈购买的产品，我们鼓励她们晒单，而晒单会提高转化率。
同时，妈妈们是非常抗拒广告的，我们会对商品做测评，这也极大地提高了转化率。我们内部还对数据进行了分析，比如调查用户活跃度，用户对于哪些内容的浏览量和评价数会比较多。我们发现用户最感兴趣的是三个话题：第一个话题是口碑排名投票，第二是吐槽和测评，第三是对商品真假的讨论。这其实就是新妈妈用户的痛点所在。新妈妈很忙，同时母婴用品对于新妈妈而言是一个全新的购物品类。母婴用品有近万种类目、上千个品牌，她们渴望有一个平台推荐口碑产品，让她们快速判断哪些产品可以选购，可以少走一些弯路。现在很多广告是虚假宣传的，新妈妈们无从知道商品的优缺点，所以她们希望看到其他妈妈对商品的讨论、吐槽与测评。对新妈妈而言，她们购买母婴用品的最初阶段是一个非常难的过程。
所以未来的妈咪驾到会根据新妈妈用户的购物习惯，让她们在购买母婴用品时有更好的参考。我们即将推出新的App，以还原新妈妈购物的原貌，让她们可以在最短时间内购买到符合自己心愿的产品。我希望妈咪驾到在未来会解决新妈妈的购物痛点，让她们购物不再难。
评委：这是一个非常好的业务模型，恭喜一下。我想问一下你这些数据是第三方的工具帮你做的还是自己做的？
丽莉：分两个部分，一个是外部数据，一个是内部数据。外部数据来源是2014年母婴消费行为报告，后面数据是我们内部的数据，比如特卖的团购转化率和用户的兴趣点，这些是我们通过数据做的归纳总结。我们现在做内部数据的有一个人，会在后台累积数据，比如页面停留时间，页面阅读数，以及用户的互动数，也就是点评、点赞的数量。
评委：我的问题很简单，作为大数据来说很重要的一点是，你的客户在哪里？都是妈咪吗？比如说我是一个爸爸，我也买尿布和奶粉，你的用户群又怎么定位呢？
丽莉：我们用户群有90%是妈妈，但也会有10%左右的爸爸用户，我们也不介意他们来访问。我们是研究消费者的属性，根据他们的消费属性和行为去解决他们的难点和问题。可能爸爸这个人群有一些不一样的属性。
恋爱记 - 让每对情侣都拥有恋爱数据记录
付小龙：大家好，我是恋爱记的CEO付小龙。我们的产品是恋爱记，这个产品的特点是可以把恋爱中的点滴印成一本书，并且是免费的。我先介绍一下我们的产品，它可以记录两个人的恋爱历程，可以设置各种纪念日和提醒，并且可以向另一半发起约会，约会之后还可以把约会内容添加进来。也就是说从两个人的交流体会到日常行为都可以完整记录到恋爱记上。并且我们也考虑到这些记录的东西如果只是放在手机上，用户可能感觉不到它的价值，所以我们努力把它做成更多有意义的东西，比如做成书。
接下来，可能会为用户定制相册、台历、餐具这些可以融入到他们生活中的用品，从而让两个人恋爱中的数据能够变成看得见摸得着的东西。有了这样一个部分之后，我们发现在用户反馈页面上不仅仅有吐槽产品功能的，还有很多人来倾诉或咨询感情问题。于是，我们就在应用里面加了一个情侣社区的版块，并总结出恋爱中的九大话题，关于这些话题用户可以在情侣社区这个版块展开讨论。比如，你可以分享自己的爱情，也有吵架的，也有恋爱帮帮忙，当然还有一个最活跃的版块，就是XO版块。
我们这个情侣社区原先的排序方式是，有一个最新的回复那么这篇帖子就会被顶到最上面。后来我们发现这种方式会导致一些老帖经常被顶上来，而新的内容无法呈现，这样会严重降低新用户发帖的积极性。因此我们改用了升级版的牛顿降温算法，用户发帖时我们会给他一个初始的分数，随着时间的推进这个帖子的分数会降低，而如果有人回复或者点赞分数就会增加，提升活跃度。这个初始分数是一个值，用户第一次发帖会得到更高的分，使其能更好地展现出来。我们社区的内容展现大概是这样一个排列，鼓励新内容，而不是让旧的内容占满整个屏幕。这也是我们社区用到数据挖掘的地方。
我们产品还有一个模块是约会去哪。很多用户经常反映不知道该跟另一半去哪玩。我们发现出去约会的时候，其实情侣最在乎的不是价格，也不是东西有多好吃，而是希望在一个地方制造两个人的浪漫。在我们约会去哪的模块里，用户可以推荐一些地方，当某个地方被多次推荐之后，我们会给用户报销一部分费用鼓励他们去这个地方玩，然后写一份约会心得告诉其他情侣，这些地方怎么制造浪漫，怎么制造一些小惊喜。
目前恋爱记是App下载前30名，比较稳定，八月份这一个月新增用户100万。用户每天使用我们产品的时长是20分钟，而一般时长能超过20分钟的只有电台类和阅读类产品，其他产品很难超过。而且我们的用户月留存率是40%，这个数值也是非常高的。平均每对情侣每天会发生70-80次这样一个高频率的对话。
接下来，通过具体例子说一下我们对于数据和运营的理解。前面谈到我们有将两个人的恋爱记录印成一本书的想法，因为我们发现有将微博做成书的。我们做了一个一键生成的功能，然后开始考虑我们做的定制的书怎么才能让用户知道它的价值，愿意为它买单？书必须要便宜，用户才会买，后来我们决定干脆做成免费的。
我们做了这样一个活动，只要用户连续签到21天，我们就把书给他/她印出来。但是这样会不会造成吸引来的用户质量低，活动结束就不再继续使用了？对此我们在细节上做了一些工作，比如用户一签到就给他/她的另一半发消息，这个功能把每天的使用率从20%提高到了50%多，而且在社区里面可以增加两个人的互动。这个活动达到的效果怎样呢？7月25日活动上线以来，20天的时间，我们社区用户的互动量翻了10倍，整体流量提高了5倍。这就是之前在小细节上的工作积累起来的具体结果。我就说这么多，谢谢大家。
评委：我觉得产品的思路非常不错，我的问题是，你对于产品改进的依据是什么？比如说想提升用户黏性，那么你需要做一些改进，但是改之前怎么确认我要做这样的修改呢？
付小龙：改之前的话，我们是观察到数据明显偏低了。举一个具体的例子吧，就是加了聊天这个应用之后，我们发现只有20%的人会去用它，这样的水平达不到我们想要的程度。这时候我们对产品的改进会通过增加一些细节来刺激两个人的互动，引导对方在这里面聊天，这个是成功的例子。比较失败的一个例子是，我们觉得用户可能会喜欢给对方买零食，就和国内的某一家电商公司合作，在应用里面加了一个一键下单给对方买零食的模块。但是这个功能上线之后，每天只有几千的下单量，相比于巨大的用户量来说这个数据就有问题了，所以我们现在准备把这个功能砍掉。
评委：我非常欣赏这样一个概念，你做一个新功能的时候，比如刚刚说的做恋爱记录是非常好的功能，因为作为创业公司来说，要做一项功能很显然是要不断试探的。你提到你的KPI当中有一条是用户活跃度翻了10倍，我不知道这个指标是不是唯一的指标，因为你之前提到8月份增长了100万个新用户，有没有可能是因为用户数的迅速增长而造成活跃度增加呢？
付小龙：我们20天的时间里，日活涨了10倍，社区的流量增长了5倍。社区之前每天的发帖率是20%，现在相对于日活它的发帖率是40%多，这个比例是同步增加的。数据统计的话，我们用了第三方服务商来做一个整体的统计，还有一家做单独用户画像的统计，另外我们自己后台也有统计。最后我们把三个结合起来精确定位用户。
主持人：刚刚三位评委都在问用数据衡量用户的习惯。我追问一句，你有没有通过情侣间的需求开发出新的应用，或者是新的消费场景？
付小龙：我们前天在应用里面新加了一个和礼物说合作的功能，因为我们发现了一个普遍的用户行为，每次有人在社区里面展示一件礼物时，底下就会有用户求链接。发现这个需求之后，我们就和礼物说合作。一开始并没有直接谈合作，而是每天给礼物说导20万流量，然后才跟他们谈。我们每天都有做分析，比如社区里面热词的频率、每天有多少次搜索等。
中通服 - 国资背景传统企业，用数据追求更卓越
辛炜博：中通服的业务我定义为互联网的底层世界。我们为全球信息服务运营商提供运营支撑系统整体解决方案，我今天谈谈我们如何用数据来找寻企业级客户。18个月之前，我们这个团队在国资背景下，相当于独资运营了。18个月之后，我们的服务遍及十个省，为两千两百万用户提供服务。移动互联网上，任何内容是通过骨干网，最后通过运营商接入的。这里涉及所有移动运营商的痛点：体验不可控，带宽不可控。正是基于这一点，我们着手帮助客户用我们的运营支撑系统改善这个体验。
举个我们服务用户的数据，比如某个用户24点在上海看了一个视频，这个视频有253兆，53分钟，这个用户看到第三分钟的时候，停顿了一下，用户就放弃了这个视频。在整个中国传输网络当中，并不是距离越远的地方传输时间越长。造成这个问题的原因很多。我们通过对这一点的数据监测，来寻找我们的客户。
我们是如何实现这一点的呢？首先第一点要发现目标，我们会对所有数据库里面目标的访问做一个体验的标签，这个目标可以是一个智能终端，也可以是一个真实用户。在这个标签里，他们有什么共性特征，他们是属于哪个网的客户，我们把这些体验的问题做一些汇总。可能这些IDC的厂商就是我们的客户，包括CDN的客户。然后我们要确认对于这个客户而言，我们能提供的最大价值是什么，是帮他降低成本还是改善内容体验。最后通过我们的分析，做到合适的用户推荐。
对于我们大数据而言，我们整个考核的思路有两个原则，第一个是我们所有的数据跑出来之后，能否给最终用户带来实际的价值;第二个是用户为此付出的代价是否值得。我们80%的数据来自网络层，也就是日志类的数据，10%来自KPI和KPI的一些统计，另外8%-10%是来自CRM produce的用户信息。KPI是指标方向，主要是我们给用户带来的体验方面。我们会对某个ICP的网站做一个健康检查，比如它里面有很多冗余数据，经过我们的处理之后，可以提高用户访问体验，这个概率可能是80%以上。这个是我们的目标用户。
第二点，流量体验和带宽，这个是我们的一些参考值，还有一些非常重要的指标，比如投资回报率。这个投资回报率分为两块，一块是我们自己的，一块是为我们客户所做的测算。其中，我们的数据清洗和处理团队大概有4个人，然后我们会交给第二部分——数据运营团队，他们会对不同的客户做一些数据模型设计，最后交给最终团队支持销售。
最后，其实对于我们这样的传统企业，大数据对于我们的改变是非常大的。因为在用大数据之前，我们是用非常传统的方法去做一些简单的模型测算，有了大数据之后，我们发现我们的客户群变多了。第二，我们希望把分发环节的成本降下来，因为这些成本最终会落到每位用户头上。谢谢。
评委：我终于看到一个企业级的大数据企业了。我所在的公司也正好在做大数据的一些分析。我觉得这个案例的话，本身它的KPI是非常明显的，大家都会想到响应速度、用户体验和回报率。听起来这一套方法不是自动化的过程，虽然你讲到最后一公里，经过调查问卷，还有最后一公里，而解决最后一公里是非常复杂的，因为背后还有路由器、网关、计费系统。这个数据搜集到解决问题可以规模化吗？
辛炜博：正像您所说的我们手上有很多的网络数据，实际上我们现在还没有实现真正意义上大数据的全自动化，还不能马上可以把策略想出来。我们现在做到的只能是第一步，策略做出来，实时地生效，就是用户上下行的时候，我们三秒之内可以做一些数据变更。
