1.什么是数据化运营——《数据挖掘与数据化运营实战》

Posted data-science-chinchilla

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了1.什么是数据化运营——《数据挖掘与数据化运营实战》相关的知识,希望对你有一定的参考价值。

1.1 现代营销理论:3P3C理论

数据化运营来源于现代营销管理,所以我们首先从3P3C理论讲起。

在3P3C理论中,数据化运营6要素的内容如下:

  • Probability(概率):营销、运营活动以概率为核心,追求精细化和精准率
  • Product(产品):注重产品功能,强调产品卖点
  • Prospects(消费者):目标用户
  • Creative(创意):包括文案、活动
  • Channel(渠道)
  • Cost/Price(成本/价格)

而在这其中,目标响应概率(Probability)是核心,在此基础上将围绕产品功能优化、目标用户细分、活动创意、渠道优化、成本的调整等环节,共同促使数据化运营完善。

3P3C理论锁定了影响运营效果的主要因素、来源,可以帮助区分实践中的思考维度和着力点。

1.2 数据化运营的主要内容

        “数据化运营”的定义:以企业级海量数据的存储和分析挖掘应用为核心支持的,企业全员参与的,以精准、细分和精细化为特点的企业运营制度和战略。可浅层次地理解为,在企业常规运营的基础上革命性的增添数据分析和数据挖掘的精准支持。

        针对互联网运营部分的数据化运营,具体包括“网站流量监控分析、目标用户行为研究、网站日常更新内容编辑、网络营销策划推广”等。并且,这些内容是在以企业级海量数据的存储、分析、挖掘和应用为核心技术支持的基础上,通过可量化、可细分、可预测等一系列精细化的方式进行的。

1.3 数据化运营的必要条件

  • 海量数据存储的实现:SQL关系数据库、DB2、分布式数据仓库、流计算实时数据仓库。
  • 精细化运营的需求:从web1.0模式(传统媒体的电子化)到web3.0(SNS模式),面对日新月异的竞争格局,互联网企业必须寻找比传统的粗放型运营更加有效的精细化运营。
  • 数据分析和数据挖掘技术的有效应用:拥有一支数据分析和数据挖掘团队和一群出色的数据分析师,也要求业务团队具有相应的数据化运营能力。
  • 企业决策层的支持:缺乏决策层的支持,导致挖掘团队与业务团队分属不同部门,配合不紧密。应加强决策的倡导,如设立首席数据官(CDO)。

1.4 数据化运营的新发展

  • 数据产品作为商业智能的一个单独发展方向和专业领域。淘宝网上的卖家所使用的“量子恒道”就是一个非常不错的数据产品,卖家可以自己随时监控店铺的流量来源、买家逗留的时间、买家区域、浏览时间、各页面的流量大小、各产品的成交转化率,从而帮助卖家制定相应策略方向。
  • 数据PD(Product Designer),是数据分析中一个新的职业方向,需要从业者兼具数据分析师和产品设计师的专业知识。
  • 泛BI的概念越来越深入人心,即逐渐淡化数据分析师团队的唯一专业队伍的印象,让更多的业务部门也逐渐参与数据分析和探索。

 

以上是关于1.什么是数据化运营——《数据挖掘与数据化运营实战》的主要内容,如果未能解决你的问题,请参考以下文章

3.数据化运营中常见的数据分析项目类型——《数据挖掘与数据化运营实战》

2.数据挖掘概述——《数据挖掘与数据化运营实战》

美团 R 语言数据运营实战

金融数据智能峰会 | 数据规模爆炸性增长,企业如何进行精准决策?云原生数据仓库数据化运营实战分享

《美团 R 语言数据运营实战》

理论+实操|一文掌握 RFM 模型在客户数据洞察平台内的落地实战