【iCDO数据掌门人】专访Datatist宋碧莲：AI和用户运营如何结合？

图：上海画龙创始人兼CEO  宋碧莲

采访撰稿| Summer侯蘇芸

编辑 | 张依侬

前言

这里面有几个要点，首先，我们的目标是做用户运营优化。

运营一般可以分为两部分：产品运营和用户运营，前者是为了让用户在产品载体，比如APP和小程序上获得最佳体验；后者主要是围绕用户在平台内外的转化。

用户运营又可以细分为市场运营，内容运营和基于用户生命周期的个性化运营等等等。

市场运营主要是为了获取新客，比如花钱买流量，把流量带回平台，这部分主要是依靠AdTech，俗称AdTech拉新。

Dataitst比较关注偏后段的利用AI进行全生命周期用户运营的效果优化，典型场景有：利用AI和优化技术，如何提高用户拉新转化率？如何提高用户活跃度？如何促进活跃用户发生第一次购买？如果找到最可能复购的老客户？如何让低价值用户提升价值？如何找到最可能买某个新产品的用户，比如提高新的理财产品或者保险产品的销售？是通过App的方式进行个性化推荐，还是通过微信的方式进行转化，还是短信的渠道，哪个效果最好？卡券红包金额如何优化才能最大化ROI？甚至是如何利用AI最大化用户拉新的转化率？

一般来说，大型互联网公司内部“从BI到AI”产生智能化用户优化的路径，可以分为几个步骤：第一步，数据的采集与架构搭建；第二步，在此基础上对用户进行有效分析，包括探究深度行为；第三步，对用户进行360度画像分类；第四步，开启运营活动之前建立AI模型、基于用户生命周期进行个性化营销等各种方案，最终找出最佳的决策，智能优化。第五步，输入智能决策，开启运营活动，分析运营效果，通过AB测试等方法进一步优化运营效果。

在这种情况下，谁愿意多花点细功夫，谁就能赢得用户的心，我们看到许多做的好的品牌，都是在围绕用户，进行细分，然后不断去开发不同的运营策略，非常细致。

用户运营的意识在变得越来越强，但我们也必须看到，大部分企业运营理念和能力还停留在很基础的阶段。

比如，大部分互联网企业知道如何烧钱买流量，但流量来了没有办法进行科学的转化，这也是为什么我们看到90%的互联网平台都属于昙花一现。

这是一个巨大的痛点，也是一个巨大的市场需求。

因为团队主要来自硅谷，比如Linkedin、eBay、Amazon、Google等等，我们在这块相对经验会多一些，也可以比较明显看到中美用户运营方面的差距，比如，美国的用户运营、数据分析能力和AI应用就相对成熟，单从用户运营的工具层面来看，国内市场比国际市场要落后十年左右。

所以，我们希望把相对领先的用户运营的技术和方法论产品化，能够真的帮助中国企业把流量后端的运营抓起来，带来实实在在的业绩回报。

另一家是Adobe，是从数据端起家的，比如，Ominiture系列的数据分析工具，但是没有营销云产品，18年收购了Marketo，开始整合数据和运营。

这两家公司就是世界上营销自动化最强的公司，他们都希望未来发展成营销智能化公司，所以Salesforce推出了爱因斯坦，但是场景基于CRM还不够丰富，自己没有基于互联网的整体应用，只能选择和Google分析合作。

Adobe 目前落后一步还没有推出AI产品。他们两家也都是各自都希望做到数据可以驱动运营，但是因为数据和营销自动化是分别收购的不同公司的产品 ，很难真正打通。 他们也分别希望既有2C的营销云，又有2B的销售云。

Datatist 是基于以上的痛点，真正将数据和运营打通，并且创造了AI运营大脑，在营销自动化之外更可以进行营销智能化的产品，并且既有面向2C消费者的又有面向2B采购商渠道商智能运营的系统。

Datatist完成了从BI到AI，从提供工具到追求效果，从营销自动化到智能化，从线上到全渠道的突破，目前完成各行业头部国内外品牌客户的应用落地，无论拉新，活跃，复购，交叉推荐，价值提升等各种营销场景上，都达到了3-10倍的稳定效果提升。

首先，AI不是说做就能做的，是需要很多年的理论积累，Datatist的团队都是主攻AI算法的博士，包括我自己博士主攻优化算法，博士后学的是机器学习算法，我的导师是美国白宫顾问，全球工业AI的领袖，我之前的团队几乎每年获得了全球PHM大赛的冠军。

在我们之前已经通过同行的产品，但是只是完成了数据采集和简单分析功能。并不能驱动运营。运营还是经验为主。以人力为主。不能自动化运营，更不能智能化决策。当时客户选型的时候发现我们是他们迄今为止见过的第一个真正能够将数据和运营结合起来，不仅提供数字化运营的整体流程，还能提供完整的AI驱动智能化决策，提高运营效果。

最好的办法就是进场拿一个系统来验证我们的效果。结果发现不错之后，短短几个月，推广到了集团几十个系统。目前已经演变成了该企业大数据和精细化运营最大的PAAS平台。

具体步骤如下，第一个环节是数据采集+埋点管理，在这边我们采用的是无埋点与核心事件埋点的结合。无埋点技术指的是，对所有页面元素进行自动埋点。但对于交易数据等核心数据，我们需要通过埋点来精准获取。

至于对象的选择，如图所示，都可以通过这里进行标签筛选，然后对它展开活动。活动内容，这边也可以做A/B测试，进行优化。最终，活动的效果要进行实时跟踪。

从前，每次活动的总结，都需要数据团队手动抓取活动数据进行效果分析，耗时费力，还不一定能把成功、失败的因素讲清楚。现在，通过预测营销云，我们不仅可以自动、实时地将活动最终效果分析出来，还极大程度地缩短了分析的过程，降本增效。

这两个活动开出去之后，三天时间就看到了差距。AI促活优化，发了50万条短信，活跃了7万人，转化率为14.6%。传统优化，虽然推送了100万条短信，但仅活跃4万多人，转化率为4.61%。

不仅是在金融保险行业，我们在新零售、电商、互联网等其他行业也做出了很好的效果。比如将来伊份复购转化率提高12倍、将世纪缘珠宝复购转化率提高9倍以及将伊米妮的投放ROI提高达580等，塑造了很多融合业务场景的经典案例。

此外，这也和我自身的背景有关，十几年前在国内读书的时候，就很看好数据和营销、运营的结合，商业智能是未来的主流，但是这个方向对人的综合素质要求特别高，既要懂商业，又要懂AI还要会编程，还要懂业务，有实际行业经验。

我花了二十年积累经验，先学计算机，搞明白编程和数据分析，然后又学了商业管理和优化的博士，后面又专攻机器学习博士后，完成了商业智能的各种技能。再在工业和互联网行业实践达到百发百中的效果。现在围绕智能运营的创业 ，就是将这个技术标准化产品化出来，都是当初那条线的延展。因为这样的人才全球太稀缺了 也太难培养了，但是数字化运营企业又等不及人才的供应，所以需要制造机器人AI运营团队来帮助企业快速实现运营目标。

三年前，选择回国，一方面市场时机成熟了，另一方面，在美国组建的团队也都愿意回来跟着干，我们中国人讲究的天时地利人和，都齐了，回来也就是自然而然的事情了。