大數據時代油品銷售企業數據化運營體系的構建

劉立茹

〔中國石化北京石油分公司 北京 100022〕

大數據時代各行各業產品的豐富性和服務的多元化已經司空見慣。市場趨于飽和與競爭的白熱化狀態造成用戶的留存難度和成本居高不下，已成為企業不能承受之重。企業通過構建數據化運營，依靠企業自有數據進行分析從而實現智能化決策分析成為驅動企業成長的關鍵所在。

1 數據化運營體系的構建

隨著大數據時代的到來，數據化運營被企業越發的重視，各企業數據化運營正在如火如荼地開展，數據分析和基于數據操作的相關工作變得越來越高大上。對于傳統企業而言，向數字化運營轉變是一個顛覆性的過程，無論是公司戰略、運營組織等都需有所調整，最終企業各個部門都需要具備一定的數據運營能力，那么如何構建基礎的數據化運營體系？筆者將以電子商務的業務為例，根據數據化運營業務流程進行拆解分析。從確認目標和數據指標制定、數據提取清洗、數據建模分析、形成相關建議和驗證優化提升這六個方面構建一個基于數據運營體系。

1.1 明確目標

任何有價值的數據操作行為都是有目的的。它既可以是短期一次性的，也可以是長期周期性的，無論如何，必須有一個目標。

1.1.1 數據化運營的本質

電子商務數據運營的本質是用戶的運營管理，數據是從用戶的屬性和行為中收集計算出來的。為什么電子商務數據運營本質上是用戶運營管理？拿市場上成熟電商的APP分析產品來說，整個產品生命周期是用戶獲取、用戶活躍、用戶留存、支付轉化和口碑傳播的閉環過程。此過程中的每個節點實際上都會刺激用戶行為以完成每個階段的目標，獲得的數據也是用戶使用產品的數據。

1.1.2 數據化運營的目的

(1)基于具體指標的數據運營管理。這種情況經常發生在領導要求在短期內實現數據指標的飛躍。例如100萬新用戶增長和30%活躍率、留存率達到25%、轉化率達到8%等等。這類分析的目的是短期或一次性，通常通過分析數據來尋找用戶所需進行的激勵，例如活動使產品能夠在短期內快速達到指定目標。

(2)掌握商品生態。掌握商品生態系統意味著將數據運營管理應用于日常工作流程，作為日常生產過程的一部分。這樣做的目的主要是通過數據沉淀和數據分析來了解產品的用戶群是什么，用戶分類是什么，以及如何使用該產品來實現用戶的精細化操作。

(3)發現潛在方向。在大數據時代，發現需求通常基于數據分析的結果，從而推導出解決用戶需求的產品。在某些情況下，通過數據分析，可以發現用戶未通過外觀顯示的更多問題和痛點。就數據挖掘中的經典啤酒尿布而言，通過對用戶購買數據的相關分析，發現尿布與啤酒表面上無關的物品之間的潛在聯系。通過一定的經營策略

來提升兩者的購買。因此，通過數據運營管理，還可以找到用戶的潛在需求，從而創建新功能或新產品來解決用戶問題。

(4)通過問題解決問題。一個交友網站最近有大量用戶投訴酒托事件，作為產品負責人需要解決酒托問題并減少用戶投訴。那么，如何通過被舉報女性用戶來識別更多的酒托？

首先，定位數據，找到被舉報酒托的女性用戶的數據和屬性，并發現這類用戶在最近經常添加大量的男性用戶，并且同時與多個男性用戶聊天，而且聊天時間一般比較短。結合這些用戶行為和用戶屬性，從用戶數據庫中找到可疑的酒托用戶，然后使用數據監控來確定它是否是真實的酒托。

上述案例是通過問題來定位數據，并通過數據找到問題的解決方案，從而解決了問題。

1.2 數據指標制定

1.2.1 明確指標

宏觀指標和可操作指標之間的區別：宏觀指標通常是不具備執行性的，一般是領導者的指標。這個指標是從企業整體發展的視角而提出的奮斗目標。可操作指標，大多是可以實施的指標，如通過微信引入5萬新用戶，或者支付的轉化率提高到7%等。用這些指標可以找到具體的實施策略。

1.2.2 指標構成

總結和分析常用的數據指標。根據不同的產品和不同的服務，提供詳細的具體指標分析，不要盲目復制和套用。

(1)基礎指標。①拉新，新用戶注冊數；②活躍，用戶登錄數(日、周、月)；③留存，流失用戶數(日、周、月)；④轉化，付費用戶數；⑤傳播，分享用戶數。

(2)用戶屬性。用戶屬性就是用戶身上的各種標簽。例如：25歲、金融專業、用蘋果手機、愛玩游戲等這些都是標簽。通過精準的用戶屬性分析，能提供更好的偏好服務和滿足其真實需求的產品。

(3)用戶來源。用戶來自哪些渠道。包括線上和線下兩個渠道。具體有微信、線下便利店或者APP。

(4)用戶行為。用戶行為由最簡單的五個元素構成：時間、地點、人物、交互、交互的內容。用戶行為又分為線上行為和線下行為。對于線上行為的采集記錄從技術上講比較成熟，線下行為數據則要通過部署一定的感知設備才能很詳細地采集。

1.3 數據的提取和清洗

在確定目標并確定需要分析的數據指標后，開始進行數據提取及清洗，主要針對殘缺數據、錯誤數據、重復數據進行處理，這是一個反復的過程，不斷的發現問題，解決問題。

1.3.1 數據采集

電商主要的數據來源有兩種，一種是埋點數據，然后提取相應的數據字段。另一種是通過用戶的日志分析用戶行為。

1.3.2 數據預處理

為什么要做數據預處理？由于系統或人為原因，記錄中的某些字段可能會遺漏。所以將收集到的不規則數據，進行填補缺少的數據，或者刪除重復的數據及許多其他超出規范的數據處理。

1.4 數據建模分析

1.4.1 數據分析框

有許多專業的數據挖掘算法，如關聯分析、聚類分析、神經網絡等。在這里只做簡單介紹。

(1)用戶畫像洞察。用戶圖像洞察是通過聚合用戶數據將數據轉換為可視化的虛擬用戶模型。用戶的肖像顯示具有特定類型特征的一組用戶。根據用戶特點定義分類用戶組，為精確的用戶引導提供數據支持。

(2)用戶行為分析。最常用的用戶行為分析是漏斗分析模型(圖1)。這意味著用戶在完成特定任務時必須經歷多個步驟。在每一步，都會有用戶流失，從而通過漏斗分析發現問題。

圖1 用戶行為分析模型

如圖(1)所示，以電商用戶支付和經營收入為例，用戶在成功購買某個產品必須經過多個步驟。這其中每一個環節都會造成用戶的流失。因此，在漏斗分析中，可以觀察用戶哪個部分是最嚴重的流失，然后分析相應的鏈接，找到相應的解決方案，以提高用戶的轉換率。

1.4.2 數據的可視化

實現整屏設計、分屏開發，整屏投放，屏間聯動；支持數據的實時動態更新和顯示。實現交互操控和數據展示的一體化。

(1)可視化方式。可視化方法是具有根據數據類型和呈現形式顯示時間關系的時序圖，展現占比的餅狀圖，展現數據分布的柱狀圖等等。

(2)可視化工具。簡單的數據分析工作可以用Excel完成，復雜的數據需要SPSS、Tableau和其他專門的數據分析工具。

1.4.3 數據報告

數據分析報告一般要求如下：①分析背景、目標；②數據源選取；③數據分析方法、框架；④數據可視化；⑤數據分析結果、建議。

根據具體問題進行具體分析的原則，根據數據分析報告的目的進行個性化設計與完善。

1.5 形成建議

建議的制定取決于目的和數據分析的結果，由目的和結果形成策略。可以根據具體問題和具體的業務場景制定有效的建議。

1.6 驗證優化提升

由數據分析結果產生的建議不一定有效，并且它不一定能夠快速達到預期的結果。通過數據積累沉淀，監測相應的數據指標，優化提升，以達到最終目的。

圖2 數據化運營流程

以上六個方面構成了數據化運營的閉環流程。應該指出的是，任何基于數據化的運營都必須是面向業務的，并且應該根據特定的業務場景來選擇數據分析方法、思路。

2 數據化的構建

為了能夠支撐和落實實際的業務需求，提出了構建一個大數據智能營銷平臺。在平臺中接入了多個業務系統的數據源，對數據進行集成，并且進行數據清洗和轉換，打通業務系統數據，實現表間關聯。同時，利用客戶信息、加油數據和購物記錄，結合業務經驗知識，構建用戶標簽體系，利用大數據技術實現標簽建模，最終為客戶打上一個個的業務標簽。

大數據智能營銷平臺將用戶標簽進行可視化展示，讓業務部門人員在平臺前端進行操作，進行目標客戶群篩選和客戶標簽分析，同時可以自定義不同的目標客戶群以支撐不同的營銷活動。將該系統與營銷平臺打通，形成一個整體性的功能平臺，利用大數據技術支撐業務，并為客戶提供智能化的推送服務，提高客戶體驗，實現銷售公司的精細化管理和運營。

“營銷未動，數據先行”。依托大數據智能營銷平臺的智能分析能力，能夠讓營銷活動真正做到有據可依、有跡可循、人群洞察、精準定位！大數據智能營銷平臺融合了油品及非油品業務系統的全量數據，以數據為基礎，以標簽為標識，分析客戶特征，洞察群體行為，讓大數據服務于智能營銷時代。

整個建設方案核的心包括用戶標簽構建和閉環智能營銷兩部分的建設內容。

2.1 用戶畫像的構建

用戶畫像是整個大數據智能營銷平臺建設的基礎，是真實用戶的虛擬代表，是建立在一系列真實數據之上的目標用戶模型。方案制定主要從人群特征、加油偏好、購物偏好三個層次，進行全面分析與刻畫用戶畫像。

2.1.1 用戶標簽體系

用戶畫像即用戶信息標簽化，需要為用戶打標簽，那么前提是需要建立一套基于業務邏輯的用戶標簽體系，能夠實現對用戶構建一個360°用戶畫像。

標簽體系中每一個標簽都是某一種用戶特征的符號表示。一方面，該標簽要具有一定的群體性，在一定程度上抽象和歸納事物的特征。另一方面，使用符號來表示用戶的一類特征，可以是中文，也可以是數字。其核心就是為用戶打上的標簽，要讓人能夠理解并且方便于計算機處理，從原始數據到最終的業務標簽，從數據清洗到數據挖掘與機器學習，都能夠歸納和總結。

通過對某石油銷售企業業務體系和數據體系的分析，總結了三大類別的標簽。

(1)人群特征標簽。人群特征即用戶基礎屬性，反映了用戶相關的基礎信息，共包含15個一級標簽，112個二級標簽。其中一級標簽為等級名稱、性別、所在區域、年齡、星座、私車數量、婚姻狀況、教育程度、子女狀況、月收入、職業、出生地及有無加油卡、會員卡和用戶編號。

(2)加油偏好標簽。加油偏好，反映了與加油業務相關的用戶屬性，共12個一級標簽，36個二級標簽。其中一級標簽為高頻加油站編號及名稱、高量加油站編號及名稱、高頻和高額加油油品、加油時段和加滿偏好、高標油品和加油頻率偏好、充值和沉淀資金偏好。

(3)購物偏好標簽。購物偏好，反映了與便利店業務相關的用戶屬性，共14個一級標簽，47個二級標簽。其中一級標簽為購物單價、購物頻率、購買力、支付方式偏好、促銷偏好、優惠券偏好、進店率、煙草偏好、酒類偏好、飲料偏好、食品偏好、百貨偏好、汽車用品偏好、服務偏好。

2.1.2 360°用戶畫像

用戶畫像基于某石油銷售企業的多個業務系統數據，將多個業務數據源融合到Hive數據倉庫中，可以打通基于用戶維度的所有數據源，構建一個完整的360°大數據用戶畫像，為精準的個性化營銷提供多維數據支持。實現了對用戶基本信息、會員信息、加油卡信息、加油明細、充值明細、購物明細、車輛信息、資產信息、wifi上網信息、手機終端信息等維度的全方位的畫像。

2.2 閉環智能運營平臺的構建

閉環智能運營是根據用戶畫像的結果，結合促銷活動的類型和內容，通過篩選對應群體，將促銷信息或優惠券推送給目標用戶；結合用戶所標出的屬性，選擇結合用戶興趣愛好的內容，將相關商品推送給目標用戶。

因零售業促銷活動頻繁、情況多變、人群靈活多變的業務特點，運營方案設計了一套靈活可配、簡單易用、一鍵式操作的智能營銷系統。靈活可配，體現在人群篩選的靈活，可以隨意篩選組合所需的標簽，實現精準定位的人群，并保存已完成的篩選條件形成預制群體；簡單易用，體現在每步操作都有完整的幫助文檔，每個輸出都有相應的解釋提示，界面設計清晰簡潔，使業務人員可以輕松地完成整個活動策劃；一鍵式操作，體現在營銷管家做到了閉環管理，從活動策劃、人群篩選、優惠券發放、效果評估實現了全流程閉環操作，一步到位，不需切換其他系統或反復切換頁面。

為了實現對促銷活動的后期評估，使活動好壞有據可依，并幫助業務人員優化未來的促銷活動。在促銷開始后系統會實時統計優惠券的使用情況，使業務人員從活動開始到活動結束都能及時了解促銷活動的動態，并在活動下架的時候對本次活動進行評估、總結當期經驗和未來的促銷提供經驗。

2.2.1 大數據精準推送的應用

基于大數據技術構建的客戶畫像標簽，為銷售企業的精準營銷服務可提供客戶分群支撐，實現營銷產品與目標潛在用戶的精準匹配，讓業務人員完成促銷活動的一鍵式智能營銷，精準推送優惠券、通知消息、廣告鏈接等以至目標客戶群，并及時追蹤營銷活動效果(圖3)。

圖3 大數據精準推送模型

2.2.2 加油站客戶流失預警的應用

基于大數據技術構建客戶畫像標簽，針對客戶的加油時間、加油頻率、加油量等計算出客戶流失類型標簽，同時采用RFM技術建立客戶流失預測模型(圖4)，對流失客戶進行客戶價值細分。針對高價值的即將流失的客戶進行挽留，對沉睡客戶進行激活和已流失客戶的召回。

圖4 客戶流失預警模型

2.2.3 加油站客流分析的應用

加油站客流分析圖5是通過分析線下流量的來源和影響因素，從而改進門店當前的經營現狀，合理安排人員規劃和庫存調度，最終實現降低運營成本，提高營業收入的目標。同時基于客戶wifi路徑軌跡，為客戶提供更好的vip定制服務。

圖5 客流分析模型

2.2.4 促銷商品營銷分析的應用

營銷分析(圖6)基于多個業務系統數據源，對銷量、庫存量、客流量、進店率等指標進行可視化分析，可以按店、按區進行細分。營銷分析以大數據多維分析技術和數據倉庫技術為支撐，支持時間趨勢上的銷量預測分析，讓企業更好地洞察商品的營銷趨勢，進行智能決策，促銷商品營銷分析模型見圖6。

圖6 促銷商品營銷分析模型

2.2.5 風險防控的應用

風險防控(圖7)大數據的應用是通過用戶信息數據、用戶購物數據、辦卡信息。消費紀錄，充值記錄等，基于大數據算法與業務規則，防范經營中面臨的法律風險、信用風險、操作風險等。實時提供異常預警，以輔助運營人員快速發現異常情況，減少違法違紀案件的發生，風險防控模型見圖7所示。

圖7 風險防控模型

3 總結

在新興互聯網企業，數據化運營已然不可或缺，其在企業運營管理等方面起著至關重要的作用，但是對于傳統企業來說，如何構建適合自己的數據化運營體系，仍需要根據企業自身狀況不斷的探索、實踐、總結。目前，國內大量傳統企業已開始相關業務探索、實踐。筆者相信在未來一兩年內，數據化運營將成為眾多傳統企業發展的催化劑。在未來，率先建立起數據化運營的傳統企業，定會成為行業中的領頭羊。