专访诸葛io:数据分析,让用户“路人转粉”的奇妙魔术(2)
从现在的应用情况来看,这样的数据分析对于订奶业务的改进效果非常明显。 小编:数据分析系统面临哪些重要的技术问题?孔淼: 总体来说,我们把可预见的问题做了整理,在2.0版本里做了改变。诸葛 io 2.0 是在去年的第三季度开始筹备的。2.0 对整个基础架构做了升级,简单来说有两点: 1、把整个诸葛io 做了 SaaS 和私有化部署两套优化方案; 2、改善了过去客户数量累计之后,我们的系统跑起来越来越慢的问题。 我可以分 SaaS 和私有部署两个方面来解释一下。 1、SaaS1)我们试图建立了更准确的用户模型我们在应用的过程中发现一个问题,那就是用户和设备之间的关联关系存在不准确的情况。比如多个用户拥有一个设备,或者一个用户拥有多个设备;有些用户在成为用户之后还存在匿名行为,这些同一个人的行为之间都需要打通。 这些问题都要靠基础模型的优化才能解决。 2)改变架构,用以实现更快的响应速度同时我们还面对一个用户越来越多,系统响应变慢的问题。这就像一部手机,安装越多应用速度就会越慢。我们的做法是针对每一个应用都进行独立的可调节的资源分配,相当于一个沙箱,目的就是保障性能。 过去某一个系统问题,可能会导致一系列客户的连锁反应;而现在如果出现问题,可能只会影响到一个客户。目前来看,我们的系统可以实现秒级的查询速度。 3)为数据应用开发提供便利根据系统的演进,以前很多人用数据分析系统主要做事件漏斗分析,现在有了越来越多数据分析应用,更精确地挖掘用户流失和用户预测。所以我们抽象了一层大数据处理架构,开发新应用就会变得简单。我们希望提供的不仅是一个基础工具,而是解决方案。 4)帮助企业利用自身数据很多企业拥有自己的分析平台。所以我们试着做出更开放的数据架构,这样厂商就可以把数据导入他们自己的平台。 2、私有化部署在私有化部署方面,我们同样建立了更开放的数据架构,还有不同数据的接入方式。因为不同的企业需求不同,所以我们也可以根据要求进行硬件的减配。 另外,在整个架构之外,我们涉及了一些新的分析场景和模块,针对不同行业和应用场景,有一些独特的效果。 【少量的关键行为细节,隐藏在海量的用户行为数据之中,需要通过独特的方法才能发现】 小编():数据分析的场景模块是怎样的原理?孔淼: 在分析场景模块做了一些扩展之后,分析链条也拉长了。 不止是用户下载,一个用户可能仅仅扫一个二维码,就能被识别出来。通过这种技术,可以把一个用户从真正的初级用户到最后用户的转化和流失,整个系统性地记录和分析。 简单来说,这种技术可以达到一个效果,那就是拉低分析人员的门槛。 【产品分析的一般过程】 国外有一个词叫做:自助式分析。企业做分析,无非就是想对应哪些用户做了哪些行为,后续有没有持续做这类的逻辑。我们根据这样的基本逻辑做成交互式组件。 由于具体的分析工作,都要由客户企业内部的人员来做。所以我不想让产品给人一种很专业的分析工具的感觉,我们想通过技术改进,只要预先的“埋点”设计好,一个普通的市场人员都可以顺利地使用数据分析系统产生一些有价值的结论。 其实有业务导向的人,更容易探索出结果来。一个做市场的人会有很多想法想要验证,如果委托技术同事来写代码做验证,往往并不能准确地表达自己的需求,而且往来的沟通效率会很低。使用他们熟悉的语言来直接尝试不同的数据分析,会大大提高提出结论的效果。 小编:互联网企业和传统企业是否都需要数据分析?他们在数据分析领域最想得到的是什么?赵子琪: 互联网企业对于数据分析的意愿更强烈,因为他们所有的业务都构建在互联网上,和客户接触的唯一渠道就是线上。所以采用数据分析或者提高数据分析能力之后,会对业务有巨大的改变。某种程度上说,数据分析在影响着互联网企业的生死存亡。 但是传统企业自知对数据分析的陌生,所以在不断探索。传统企业由于线下业务的成熟,对互联网数据分析的探索要求“稳健”。 虽然“慢半拍”,但是一旦意识到数据分析的重要性,传统企业会调动足够的资源,制定完整的计划来坚决推进数据分析。 举一个例子,前一段时间我接触了一个比较有名的制药企业。它专门请了一个公司帮忙制定了完整的“零售4.0”业务规划。这个规划已经脱离了传统零售的管理方式,所以需要我们的配合,我看到它执行力度非常强。 大企业的执行体系是很健全的。他们关心的事情很简单:多少价格,能够获得多少价值回报。所以我们也在建立一整套的服务体系,来对接这样的传统企业。 总体来说,我们服务过的10000多家企业,会提供很有价值的经验。这些经验中必然会有一些共性的东西,可以分享给传统企业。 【用户行为统计详情】 小编:越来越多的数据会接入分析平台,数据分析在未来还可以怎么玩?赵子琪: 我之前在微软做微软CRM系统,其实微软也在探索一些新零售的应用,他们叫全渠道的一些数字化营销,从线上线下都要管理数据。 诸葛io 更多偏重行为数据,目前的客户偏向于探究他们的客户在线上做什么。他们希望找到一个行为数据对应的“必然的结果”。 (编辑:ASP站长网) |