增強(qiáng)數(shù)據(jù)技術(shù)能力，簡(jiǎn)化服務(wù)環(huán)節(jié)
調(diào)研 | 李喆 陳宵雅 撰寫 | 陳宵雅
流量三分天下的局面催生了私域流量的誕生。作為領(lǐng)先的數(shù)據(jù)服務(wù)商，TalkingData在零售行業(yè)的數(shù)據(jù)應(yīng)用正從銷售端逐步拓展到供應(yīng)鏈生產(chǎn)端。
在巨頭控制流量的局面下，品牌商如何構(gòu)建自身的數(shù)據(jù)基礎(chǔ)？App、公眾號(hào)、小程序、短視頻等新的流量渠道的出現(xiàn)為品牌商獲取用戶畫像開辟了途徑，私域流量在此背景下應(yīng)運(yùn)而生。品牌商需要積極響應(yīng)新的數(shù)據(jù)環(huán)境，多渠道獲得流量數(shù)據(jù)，完善自身數(shù)據(jù)基礎(chǔ)。圍繞私域流量提供數(shù)據(jù)服務(wù)的公司逐漸涌現(xiàn)。
全新的數(shù)據(jù)環(huán)境為品牌商創(chuàng)造機(jī)遇的同時(shí)，也給數(shù)據(jù)服務(wù)商帶來(lái)諸多挑戰(zhàn)。觸點(diǎn)的增加，意味著更加多源的數(shù)據(jù)，線上和線下渠道獲取的數(shù)據(jù)如何統(tǒng)一，數(shù)據(jù)的標(biāo)準(zhǔn)化處理是需要解決的首要問題。同時(shí)，因?yàn)橹苯用嫦蚪K端用戶群體，零售企業(yè)的業(yè)務(wù)需要更加敏捷的對(duì)用戶群體的需求作出響應(yīng)，因此對(duì)數(shù)據(jù)服務(wù)商提出了更高的要求。
TalkingData作為一家數(shù)據(jù)服務(wù)商，核心優(yōu)勢(shì)是數(shù)據(jù)處理分析，針對(duì)客戶在線上、線下合法收集的流量數(shù)據(jù)，在客戶授權(quán)范圍內(nèi)進(jìn)行數(shù)據(jù)清洗、準(zhǔn)備、加工、數(shù)據(jù)分析、數(shù)據(jù)模型構(gòu)建等工作，幫助零售品牌商更全面的構(gòu)建用戶畫像，優(yōu)化調(diào)整產(chǎn)品的生命周期，輔助客戶在銷售預(yù)測(cè)、營(yíng)銷優(yōu)化、供應(yīng)鏈以銷定產(chǎn)等方面完善決策。
為了使數(shù)據(jù)模型更加貼近業(yè)務(wù)場(chǎng)景，TalkingData的服務(wù)模式發(fā)生了以下變化。首先是增強(qiáng)數(shù)據(jù)清洗、加工、數(shù)據(jù)分析、數(shù)據(jù)模型構(gòu)建的技術(shù)能力。另外，通過簡(jiǎn)化服務(wù)環(huán)節(jié)，弱化前期咨詢，建立數(shù)據(jù)科學(xué)家與客戶的聯(lián)系，更好地了解零售企業(yè)訴求，解決應(yīng)用場(chǎng)景問題。
瞄準(zhǔn)零售行業(yè)內(nèi)的頭部企業(yè)，TalkingData服務(wù)的客戶覆蓋美妝、快消品、服飾等國(guó)際大品牌，隨著生產(chǎn)側(cè)數(shù)據(jù)能力的釋放，未來(lái)公司將進(jìn)一步拓展供應(yīng)鏈上游的業(yè)務(wù)。
近期，愛分析專訪TalkingData合伙人兼執(zhí)行副總裁林逸飛，就TalkingData的產(chǎn)品服務(wù)、業(yè)務(wù)應(yīng)用場(chǎng)景、發(fā)展戰(zhàn)略進(jìn)行了深入交流，現(xiàn)摘取部分內(nèi)容如下。
數(shù)據(jù)服務(wù)加速，零售行業(yè)周期調(diào)整
愛分析：在當(dāng)下新的數(shù)據(jù)環(huán)境下，零售品牌商有什么好的應(yīng)對(duì)措施嗎？
林逸飛：從18年開始，我們服務(wù)的客戶主要來(lái)自于美妝和快消品行業(yè)，基本都是國(guó)際大品牌。以前這類企業(yè)主要關(guān)注曝光跟點(diǎn)擊量，現(xiàn)在開始推動(dòng)品效合一的邏輯，因?yàn)樗慕灰祖溌诽焐皇强梢灾边_(dá)C端的，它還有中間的一堆渠道、經(jīng)銷商、賣場(chǎng)等。通過集團(tuán)集約化的回收，對(duì)所有廣告的曝光跟點(diǎn)擊數(shù)據(jù)，做相應(yīng)的模型定義，把客群分成8組到80組到800組到甚至更多組，匹配各類用戶的需求。
第二件事情我跟客戶溝通的是，大流量方尤其是三個(gè)主要的流量方,現(xiàn)在的開放程度跟以前不一樣，所以品牌客戶以前拿不到的通路數(shù)據(jù)不意味著現(xiàn)在也拿不到。品牌商應(yīng)積極回收各渠道的流量數(shù)據(jù)，通過對(duì)各渠道流量數(shù)據(jù)的分析，對(duì)受眾的描摹和用戶對(duì)渠道的選擇形成更清晰的認(rèn)識(shí)。
愛分析：數(shù)據(jù)服務(wù)給營(yíng)銷和銷售側(cè)的業(yè)務(wù)帶來(lái)了怎樣的影響？
林逸飛：傳統(tǒng)的模式是在生產(chǎn)出一款產(chǎn)品后對(duì)其大規(guī)模量產(chǎn)，并在全國(guó)幾千家店面進(jìn)行售賣。通過各種促銷策略，一個(gè)月到三個(gè)月數(shù)據(jù)回籠后對(duì)銷售數(shù)據(jù)進(jìn)行分析。
現(xiàn)在的模式，我們會(huì)定義產(chǎn)品的生命周期，定義退出的標(biāo)志是什么，定義進(jìn)入大規(guī)模量產(chǎn)的標(biāo)志。在把產(chǎn)品成功與失敗的標(biāo)準(zhǔn)給定以后，我們可以把三個(gè)月的調(diào)整周期變成半天，意味著在數(shù)據(jù)加科技的模式下，可以調(diào)整180次，有180次機(jī)會(huì)來(lái)迭代產(chǎn)品的銷售，最終看到底能不能達(dá)到成功或是失敗的標(biāo)準(zhǔn)。
愛分析：如何看待未來(lái)數(shù)據(jù)服務(wù)的商業(yè)模式？
林逸飛：第一，數(shù)據(jù)本身是以一個(gè)非?？焖俚闹芷谠谧兓?，現(xiàn)在的AIoT，未來(lái)的5G，包括之前出現(xiàn)的小程序給市場(chǎng)上的數(shù)據(jù)帶來(lái)非常大的一個(gè)變化等，數(shù)據(jù)一直在不斷的變化。
第二，數(shù)據(jù)本身是為了消除信息不對(duì)稱性，所以當(dāng)數(shù)據(jù)足夠多、樣本足夠大、頻率足夠高的時(shí)候，不對(duì)稱性就會(huì)越來(lái)越小。倒退到兩年前，誰(shuí)會(huì)把小程序作為自己的主營(yíng)運(yùn)營(yíng)基地，今天哪家企業(yè)敢不這么做，只用了兩年時(shí)間，意味著整個(gè)數(shù)據(jù)運(yùn)營(yíng)的生命周期注定很短。因此，未來(lái)數(shù)據(jù)服務(wù)產(chǎn)品不太可能會(huì)出現(xiàn)像ERP、CRM這樣的標(biāo)品。
業(yè)務(wù)應(yīng)用由營(yíng)銷側(cè)，逐步滲透到供應(yīng)鏈端
愛分析：2019年TalkingData零售業(yè)務(wù)的落地情況如何？
林逸飛：從今年開始，包括金融條線零售條線，甚至互聯(lián)網(wǎng)條線都做了一個(gè)調(diào)整，就是不再以數(shù)據(jù)加科技的經(jīng)營(yíng)模式作為公司的核心模式，而是以數(shù)據(jù)加科技整合到具體的業(yè)態(tài)場(chǎng)景中的方式，幫助客戶在具體的金融產(chǎn)品、零售產(chǎn)品上去釋放數(shù)據(jù)加科技的能力，來(lái)證明出現(xiàn)的新品類或者新渠道能夠創(chuàng)造更多的價(jià)值。
愛分析：一般是從哪個(gè)場(chǎng)景切入為客戶提供服務(wù)？
林逸飛：在金融領(lǐng)域，我們會(huì)基于客戶需求設(shè)計(jì)金融產(chǎn)品。
零售我個(gè)人感覺要比金融難一點(diǎn)，比如制造供應(yīng)鏈倉(cāng)儲(chǔ)，你會(huì)發(fā)現(xiàn)對(duì)金融來(lái)講，這一塊幾乎可以完全忽略，但對(duì)于零售卻是非常重的一塊，這一塊數(shù)字化程度又不好，所以目前我們關(guān)注的不是產(chǎn)品創(chuàng)新，而是通過數(shù)據(jù)加科技的模式去制定產(chǎn)品的整體營(yíng)銷策略，或者供應(yīng)鏈的以銷定產(chǎn)的策略。
隨著我們?cè)阡N量和營(yíng)銷側(cè)的影響的建立，我們也被客戶邀請(qǐng)對(duì)供應(yīng)鏈的銷量產(chǎn)量布貨量提出預(yù)測(cè)，利用AI模型結(jié)合在營(yíng)銷側(cè)獲得的數(shù)據(jù)進(jìn)行供應(yīng)鏈規(guī)劃，預(yù)測(cè)布配貨等。
愛分析：銷量預(yù)測(cè)可以承諾給客戶帶來(lái)的收益是什么？
林逸飛：有領(lǐng)先優(yōu)勢(shì)的預(yù)測(cè)準(zhǔn)確率，當(dāng)然無(wú)論是算法還是外部數(shù)據(jù)，客戶反饋的數(shù)據(jù)越多或者算法使用的越多，準(zhǔn)確率還會(huì)繼續(xù)往上提升。
愛分析：長(zhǎng)期來(lái)看，需要從生產(chǎn)側(cè)去理解業(yè)務(wù)嗎？
林逸飛：我個(gè)人覺得是需要的，一直有種說法是我們現(xiàn)在的產(chǎn)能是過剩的，不是效能的問題，我們生產(chǎn)的東西要自己消化掉，從美妝到鞋服到休閑食品，我們的產(chǎn)能跟定制化的能力都非常差。我們現(xiàn)在比較關(guān)注上游的供應(yīng)鏈，我們選擇的是一些比較容易預(yù)測(cè)、相對(duì)標(biāo)準(zhǔn)化或者相對(duì)可以數(shù)學(xué)模型化的品類。
愛分析：除了前期咨詢，TalkingData會(huì)參與到運(yùn)營(yíng)工作嗎？
林逸飛：TalkingData主要做模型的調(diào)校和對(duì)數(shù)據(jù)的處理，不會(huì)真正參與到運(yùn)營(yíng)工作中，比如說廣告的運(yùn)營(yíng)或者營(yíng)銷運(yùn)營(yíng)。
全渠道數(shù)據(jù)收集，構(gòu)建完整用戶畫像
愛分析：數(shù)據(jù)來(lái)源都有哪些？如何實(shí)現(xiàn)敏捷的回傳數(shù)據(jù)？
林逸飛：與零售業(yè)的合作中，客戶通常是第一年把POS后所有交易類的數(shù)據(jù)歸總起來(lái)，第二年把交互POS前數(shù)據(jù)，比如App小程序H5短視頻等渠道的數(shù)據(jù)收集起來(lái)。還有廣告投放回收的數(shù)據(jù)，以前有很多大媒體是不給你回傳數(shù)據(jù)的，但因?yàn)楝F(xiàn)在幾個(gè)巨頭之間博弈，無(wú)論品牌類的還是效果類都開始回傳數(shù)據(jù)，開放程度19年跟17年18年相比有很大的變化。
愛分析：廣告屏回收的數(shù)據(jù)有哪些？
林逸飛：主要是LBS數(shù)據(jù)。
愛分析：在App越來(lái)越集中，越來(lái)越往小程序引流的趨勢(shì)下，TalkingData原有數(shù)據(jù)有受到影響嗎？
林逸飛：有，因?yàn)榱髁勘旧砗蛿?shù)據(jù)本身有很多變化，我們從三、四年前做的準(zhǔn)備是做各種數(shù)據(jù)源的聚合，邏輯上還是加工數(shù)據(jù)后，通過模型產(chǎn)生智能，產(chǎn)生溢價(jià)。有很多廠商具有數(shù)據(jù)聚合跟批發(fā)的能力，但是沒有數(shù)據(jù)深加工的能力。我們?cè)谶^去的積累下數(shù)據(jù)智能的探索能力還是很強(qiáng)的。
愛分析：目前各渠道的數(shù)據(jù)覆蓋率大概是什么水平？
林逸飛：不一而足。比如說從線下的數(shù)據(jù)到線上，大概有50-60%左右的覆蓋率。如果是某企業(yè)的Open ID，就主要考量企業(yè)內(nèi)部自己的小程序開發(fā)跟運(yùn)營(yíng)了，因?yàn)镺penID是一個(gè)不可流通的ID，需要從Account ID跳轉(zhuǎn)一遍，所以A企業(yè)跟B企業(yè)的OpenID打通率可能差到五六倍。
愛分析：數(shù)據(jù)模型構(gòu)建過程中主要面臨的問題有哪些？
林逸飛：從技術(shù)本身實(shí)現(xiàn)上來(lái)講，問題不是那么大，主要有三個(gè)問題。
第一個(gè)問題是各種數(shù)據(jù)的定義不同，團(tuán)隊(duì)大概需要花將近一兩個(gè)月對(duì)數(shù)據(jù)進(jìn)行規(guī)整化。第二個(gè)問題是系統(tǒng)不兼容導(dǎo)致系統(tǒng)崩潰，因?yàn)閭鹘y(tǒng)的系統(tǒng)和數(shù)倉(cāng)CRM用的都是世界上最出名的品牌，我們的系統(tǒng)上去全部都?jí)嚎?，根本跑不起?lái)，因?yàn)樗皇且源髷?shù)據(jù)量的模式來(lái)做的。第三個(gè)問題是在做迭代測(cè)試的時(shí)候，需要客戶調(diào)動(dòng)很多對(duì)數(shù)據(jù)服務(wù)沒什么概念的人參與，這個(gè)過程是比較難的。
戰(zhàn)略重點(diǎn)聚焦，兩高兩多頭部企業(yè)
愛分析：未來(lái)兩三年TalkingData在零售領(lǐng)域的發(fā)展戰(zhàn)略是怎樣的？
林逸飛：我們會(huì)先選擇行業(yè)中的頭部企業(yè)去服務(wù)，即具有兩高兩多特性的大企業(yè)。兩高是指高頻和高價(jià)值，兩多是指多SKU和多場(chǎng)。每個(gè)品類里面選擇1到2個(gè)特別頭部的客戶合作，我們會(huì)推一個(gè)新品類，幫助企業(yè)升級(jí)，定義新的渠道或者新的服務(wù)模式甚至新的產(chǎn)品。但也許不會(huì)選擇特別小的企業(yè)，因?yàn)楹茈y判斷小企業(yè)的生命周期是否能支撐的下來(lái)對(duì)它做數(shù)據(jù)化升級(jí)改造。
愛分析：一般對(duì)企業(yè)進(jìn)行數(shù)據(jù)化升級(jí)改造需要多長(zhǎng)時(shí)間？
林逸飛：大概需要一年到一年半的時(shí)間。
愛分析：對(duì)于非頭部企業(yè)，TalkingData會(huì)找合作伙伴去填補(bǔ)它的底層信息化空白嗎？
林逸飛：這是我們需要考慮的很重要的一點(diǎn)，有很多企業(yè)現(xiàn)在做的不錯(cuò)，營(yíng)業(yè)額GMV都非常好，但因?yàn)榛A(chǔ)實(shí)在是有點(diǎn)粗放，我們覺得要補(bǔ)的課太多，這種不一定是我們的選擇。
另外，我們確實(shí)在對(duì)接非頭部企業(yè)上擁有很多合作伙伴，比如做智能店面、智能pos的。如果客戶要做整體的改進(jìn)，我們跟他談的就不是單項(xiàng)目的合作，我可能談的是2到3年的成效合作（利潤(rùn)分成）模式。
服務(wù)模式拉近，與客戶的距離
愛分析：TalkingData目前對(duì)外服務(wù)的模式是怎樣的？
林逸飛：我們的服務(wù)模式為前期咨詢加數(shù)據(jù)服務(wù)，另外一種是成效合作模式，在金融側(cè)已經(jīng)開始了，零售側(cè)我們也在很謹(jǐn)慎的選擇品類，整體上業(yè)務(wù)模式還是依托數(shù)據(jù)本身，模型軟件咨詢占比較大。
愛分析：成效合作模式一般分的是哪塊的收益？
林逸飛：這個(gè)視情況而定，有可能是分新品類，也可能是分新增價(jià)值，也可能是分成本。
愛分析：現(xiàn)在TalkingData內(nèi)部有多少人？零售線有多少人？
林逸飛：現(xiàn)在整體團(tuán)隊(duì)有400多人，零售部門大概有70-80人，共用團(tuán)隊(duì)的數(shù)據(jù)科學(xué)家，但咨詢顧問是有行業(yè)屬性的。零售部門按職能分包括咨詢、銷售，還有產(chǎn)品經(jīng)理。
愛分析：TalkingData是否在去年對(duì)策略進(jìn)行了調(diào)整，優(yōu)化了一部分前端的人員？
林逸飛：是的，我們希望產(chǎn)品經(jīng)理、算法科學(xué)家與前臺(tái)和客戶之間的距離盡量縮小，前端通路從接觸客戶開始，到建立產(chǎn)品經(jīng)理和數(shù)據(jù)科學(xué)家與客戶的聯(lián)系，這件事情原來(lái)要經(jīng)歷兩三個(gè)環(huán)節(jié)，現(xiàn)在沒有那么多環(huán)節(jié)，我們的中臺(tái)搭完之后，前面垂直的產(chǎn)品每一個(gè)產(chǎn)品都有自己的產(chǎn)品經(jīng)理和算法科學(xué)家，直接建立起產(chǎn)品經(jīng)理、數(shù)據(jù)科學(xué)家與客戶的聯(lián)系。
聯(lián)系客服
