PPT 下载 | 神策数据曹犟：数据驱动从方法到实践
本文根据神策数据联合创始人& CTO 曹犟在神策 2018 数据驱动大会现场，发表题为《数据驱动从方法到实践》演讲整理所得。
温馨提示：完整版 PPT 可点击阅读原文下载。
主要内容包括：
数据驱动价值：驱动决策、驱动产品智能
数据驱动闭环：数据采集—数据建模—数据分析—数据反馈
数据驱动各环节方法与实践
一、数据驱动价值：驱动决策、驱动产品智能
数据驱动能做什么？我们认为主要包含驱动决策、驱动产品智能两方面的价值。
图 1 数据驱动价值
驱动决策包括运营监控、产品迭代、营销分析、商业决策。其中涉及的每一个场景在今年数据驱动大会都会有专门的讲师来介绍。
驱动产品智能，现在基本上已成为所有的电商类、资讯类产品的标配，如“产品推荐”、“猜你喜欢”等，企业要么组建团队实现智能化的应用场景，要么应用外部工具来解决问题，因为在流量红利逐渐消失的今天，千篇一律的内容会让你的“留存”数字非常难看。
我们曾为某一家很知名资讯类企业做 Feed 流的改版，神策来提供具体的推荐策略。通常，个性化推荐的评价指标是 CTR——展现了一千种内容，有多少人点击？在 2018 年，我们认为再评价一个算法的好坏，用 CTR 非常不合适。神策从关注指标 CTR 转为衡量“命中了策略的人”跟“命中热门随机内容”的两大用户群体，观察他们在平均访问深度、7 日留存、停留时长等更深层指标上的差异。
二、数据驱动闭环
数据采集——数据建模——数据分析——数据反馈，这是一个完整的数据驱动闭环。我们在很多场合提到此，这里不再赘述。
图 2 数据驱动闭环
有很多企业来找我做关于数据采集方面的分享，我用这张图描述了典型的数据分析平台，一个为数据驱动而构建的数据分析平台，各位可以参考。
图 3 一图全面展示数据分析平台架构
三、数据采集：一切数据应用的根基
（一）采集内容：数据类型、数据所有者、数据来源
数据采集是一切应用的根基，“大、全、细、时”由桑文锋提出（详情可戳此查看桑文锋谈大数据分析的四个重要环节），是神策一贯坚持数据采集理念，具体到采集内容上，包括数据类型、数据所有者、数据来源。
数据类型包括用户行为数据、用户数据、业务运行数据、内容数据。
用户行为数据，可以描述用户在什么时候、什么地点、以什么方式、用什么样的手机、通过哪种浏览器做了一件什么事情；
用户数据，描述用户本身的属性，比如某顺风车给乘客打上各种各样的标签，这些标签肯定会用于后续产品迭代；
业务运行数据，在线下业务比较重的场景同样很多；
内容数据，包含用户浏览的具体内容，也包括与用户发生交互的对象。
从数据所有者上来讲，神策采集第一方数据——也就是“我们自己的产品，我们自己的用户，自己用户在自己产品上发生了什么。”这是第一方数据。第一方数据采集在完全可控环节下发生，不仅比较便捷。在隐私策略方面，我们完全符合最严格的 GDPR 标准。目前神策采集第一方数据为主；而第三方数据，市面上一些免费的 SaaS 工具可以做采集和统计，并做一些处理、脱敏，用这些数据作为第三方数据，提供给客户。这是有悖神策价值观的，我们绝不涉及。
从数据来源上来讲，新零售的火热，线下数据采集还是非常火的。不管是摄像头、蓝牙探针等，是线下场景很好的补充。不过从目前实践经验来看，摄像头、ID 识别的准确度非常低，基本不太可用。对这一部分，神策保持持续关注，一些神策客户会将通过二维码、店员主动拿 Pad 做展现等方式，将用户从线下行为引到线上，从而保证用户数据的可采集、可衡量。
（二）根据需求采取合适的采集方案
神策一贯的观点，是数据采集没有万能灵药，要根据需求选择合适的采集方案，这一点我在不同场合讲很多次，这里不再展开。
图 4 根据需求采取合适的采集方案
（三）数据采集的接入
这是宏观上对于不同内容，不同来源数据的采集统一架构。
图 5 一个典型的用户行为相关数据采集
这是一种典型的用户行为采集方案。客户端采集轻交互的内容；服务器日志采集 Nginx、UI、Server 浏览、检索、理财产品等内容。而对于一些业务操作，例如客户跟客服之间的交互，或者内部的客户运营，主要是在业务采集上搞定的。
（四）客户端采集
我来介绍下目前被提及最多的客户端采集。客户端是直接跟用户发生交互关系的一端，可以是 APP、小程序、网页、H5、公众号等，客户端采集数据操作，包括点击按钮、浏览页面、下拉框选择、提交表单、上传照片、切换导航条等。这些操作是轻交互的，它的采集在通常意义上被称为埋点，我个人觉得埋点更多指客户端采集。
1、客户端采集的基本原理
客户端采集的基本原理有三点：
第一，提供 SDK 与使用者的应用“编译”到一起。
客户端采集有各种各样的模式，但本质上都是提供 SDK 和使用者的应用编译在一起。抛开埋点方式，完成这样的事情，很多容易被忽视的，基础属性要覆盖我们能想到的所有内容，包括简单的用户行为相关、操作系统版本、物理分辨率等数据的采集。比如说 iphone 手机有没有越狱，浏览的时候是横屏还是竖屏，以及电量等等。（之所以要用 SDK 采集当前的电量，是因为如果用户用模拟器访问，那么它的电量变化跟真正的手机有非常大的不同。）所以基础属性虽然看起来比较简单，但是很多时候可以发挥很大的作用。
第二，SDK 完成匿名 ID 生成、基础属性采集、数据打包压缩加密、本地缓存、网络传输等工作。
数据打包和加密，不仅可以在本地打包，还可以在必要的时候删掉，神策现在服务很多银行证券客户，对加密要求的非常高，比如给某一个字段要用什么加密等，这些都是 SDK 要完成的。本地缓存在 IOS 与安卓中特别重要，因为为避免影响用户体验，当发生一次点击，对应的数据不会立刻传到后端，所以都是缓存到本地等待最佳网络时机。本地缓存、网络缓存这些都是SDK 来做的。
第三，一般使用 HTTP(S) 协议通过公网传输数据。
有人问，所谓的代码埋点、全埋点、可视化埋点有什么不一样？我们可以这样理解：SDK 完成基础数据的采集、数据储存打包、传输等，同时向上埋点应用层提供 API，所谓的代码埋点就是直接利用 API，告诉采集了什么数据。全埋点则是在用户完成某个操作的时候，自动的调用 SDK。所以说 SDK 完成一些基础工作，代码埋点开发者直接调用 API；而全埋点开发者不用直接调用，可以比较自动的完成。
说到这里会打一个广告，我们会马上出版一本书，专门讲安卓 8 种全埋点，到时候有兴趣的话可以看看。（白皮书 |《Android 全埋点技术白皮书》重磅推出！开源所有项目源码！）
2、ID-Mapping 构建多设备用户管理体系
多设备下的用户关联是今年新的进展，新的趋势。ID-Mapping 解决的是不同用户多设备的使用情况。
大家可以看下如图的例子。我们做了一些工作，后台架构有很大改进，可以实现将第二个设备，跟同一个用户绑定，只要用户登录，神策就可以把不同情况下登录的数据完全打通，这是非常典型的 ID-Mapping 的场景。
同样非常典型的场景是用户行为多端关联机制。用户产品本身可以多端使用，可以在网页上使用，例如说发了营销 H5，用户在微信内置浏览器 H5 完成注册，跳到 Appstore 完成激活。如果不能将营销 H5 的用户行为，与登录激活之前的行为贯通，那么也没有办法详细分析 H5 的营销效果。
再如，小程序突然火起来了，客户有需求，为此我们专门做了小程序采集，包括预置采集的事件，以及小程序相关的属性，同时一样带动了代码与自动化采集两种方式，小程序可以充分得到微信里面的社交信息，对小程序分享传播的属性采集是非常重要的。
图 7 小程序的采集
小程序最复杂的事情，它有不同的匿名 ID 或者设备 ID。一个人在设备上，又使用小程序，又使用一个 APP，又换了一个小程序，但是两个小程序之间登录帐号打通，最终我们实现可以把两个 LoginID 与 OpenID 设备贯通起来。
（五）服务器日志采集
我现在画了很简单服务器日志采集架构图，看似技术上没什么问题。从实际经验上来说，想高质量搭建日志采集非常难，设置日志用哪些内容，一次性工作很难。更难的还体现在产品迭代上，比如产品两周发一个版本，程序员会说产品功能都测不完，没法搞日志。
要搭建一个高质量的日志采集，要贯穿在整个开发流程，从最早期一直到运维上线，到复盘整个迭代项的时候，每一步都要有意识。这也是为什么很多SaaS 产品都没有采集日志的能力。
图 9 用户行为数据应用案例
这是我们在中国银联典型的案例，包括设备指纹采集、加密传输等，当然这个图画出来体现对用户行为数据不同的应用，除了做日常行为之外，还有一些其他的应用。最后是业务数据的采集，包括 CRM 系统等。
四、数据建模
数据建模最重要的是数据模型的选择，以及对应的储存。数据模型选择为什么重要？因为数据模型抽象好了，后面的分析模型可以做的更好。如果数据模型抽象的太复杂，整体过程非常复杂。
神策现在的数据模型是 Item 实体、Event 事件、User 用户，我们不会把模型搞得太复杂，现在模型下面，数据采集到建模所要做的工作是比较少的，基本可以通用化、产品化。神策已经有了标准的数据模型，同时通过不同的采集方案采到了很多数据，所要做的工作主要是把采集到的数据映射，这里面非常多的工作不再具体展开。
不同的数据模型选不同的储存方案，储存方案的选择主要根据数据本身的特点，例如是否可追加、可修改、访问是以什么样的访问为主，是否会需要删除等。
五、数据分析
有了标准模型，有非常合适的储存结构，后面是对数据怎么分析。
（一）数据统计与分析的两种方法论
数据统计与分析有两种方法论，通常情况下，是图片左边方法论，PM 给 RD 提，老板要看这些报表，给 RD 提要求，RD 写一些东西并发邮件出来，改程序后又有新的需求。老板可能问你 PV 为什么是这么多？你可能要把整个计算过程完整讲一遍……在这种情况下，RD 为了不想太频繁操作和改变，总是会给 PM 设置各种限制。
图 10 数据统计与分析的两种方法论
右边的方法论，抽象的模型覆盖指标体系以及大部分分析需求，通过友好的交互让需要数据的人自主获取数据。这种方法论是神策产品提供的，我们不需要问你看什么指标，因为你看的指标可能在整个行业都有通用性，我们会把需求抽象下来，接下来就是模型抽象。
如此，你的工作就变成你自己用分析模型，通过拖拖拽拽，把你要的条件选出来，就能完成一次分析。
这两种方法论区别是，是否让需要数据的人直接使用数据，造成的工作效率相差非常大，这就是为什么现在神策产品能够卖出去，并不是我们造了一个这样的需求，而是真正有这样的需求。接下来这个图是神策实现的自助式分析。
图 11 自助式数据分析
（二）针对不同角色的数据分析：决策者、营销、产品、运营
通过不同角色分析四个不同的场景。
1、决策者
老板关心的是第一关键指标是什么。第一关键指标该如何选择？不同阶段关键指标不相同，每个发展阶段都有最关注的数据，集中注意力，提升第一指标。
有了第一关键指标，如何构建指标体系？有了第一关键指标，我们要绘制整个用户旅程。
以电商产品为例，我们关心总营收额，如何得到？先绘制用户旅程：用户首先要访问网站，之后要注册账号，实现首购之后会重复性购买，只有这样的用户旅程最终会带来总销售额的增长。接下来就要根据用户旅程来组建增长模型。
图 12 绘制用户旅程
拆解的好处，不同团队提不同的项目，你可以调整项目的优先级。
图 13 组装增长模型
2、营销
市场营销希望实现流量拉新，渠道投放评估。市场营销团队，他们最关心两个事，一是老板给了多少预算，二是怎样花出去最有用。如何衡量？像电视广告、楼宇广告，一定程度上是不可追踪的，但是像抖音、头条都是可以追踪。同一个用户在媒体上点广告，跟进入到产品之后，只要把这个行为打通起来，整个投放效果就是可追踪的。现在我们可支持二三十种大大小小的渠道。
我们把用户在点击广告前后的行为串通起来，剩下的工作就是分析，比如我们在头条花了10000 块钱买了 1000 个点击，其中 50 个用户使用产品，我们可以设置从哪些角度来衡量这些人的效果，来衡量用户的转化率、留存、复购等；也可以对比不同的渠道，对比不同渠道下不同的投放关键词带来效果等，来对比与衡量用户真正的价值。
这个是很典型的数据驱动市场营销的例子，某家理财产品投放广告，刚开始假设关注 P2P 理财产品都是资质相对较好的白领，因此在核心商圈的写字楼电梯间投放广告，但是经过转化分析后，发现进件转化率很低，因此对借款人画像分析，确定目标人群特征：24-30 岁，工作时间短，收入一般，身处非核心高档区域。得到这种结论后，将投放渠道放到了抖音和快手这类短视频平台，转化率得到明显提升。
3、产品
图 16 数据驱动产品优化
这个是我之前一个产品同事发给我的，他说这些是产品关心的指标。因为我是工程师出身，我根本不懂这些东西，但是我知道怎么改进产品：我们把这些指标全部算出来，进行监控，一旦发现某一个指标异常，立刻分析原因，并解决这些原因；如果指标没有异常，可以和别人家进行对比，你的转化率是多少，我的转化率是多少，看我们有多少提升空间，来提升指标。所以，整个逻辑很简单，先设置关心的问题，实际算出来，并关注是否异常，找到异常原因，分析解决异常，看数据有没有真正得到上升。
场景 1:内容产品的“Aha Moment”
通过用户行为将用户群体划分成四类：路人、打酱油、参与（点赞、转发）、深度参与，如何提升这四类人的用户留存？很简单，首先我观察四类人的留存率，很明显，行为深度越深，用户留存肯定越高。那该怎么操作？扩大“参与行为”使用者面积，门槛太高，落地性较差；扩大“围观行为”使用者面积？这个方法更可行，在产品信息流页露出“热评”，可以提升留存，来验证新增“热评”之后效果如何。
场景 2：电商，收藏按钮位置改版
某电商的首页存在两个“收藏”，一开始设置有点问题，一个点击率极高，一个点击率极低。显而易见，浪费了非常重要的位置。后来将点击率低的收藏按钮位置换成了“服务”的按钮，经过验证，点击进入量没有明显下降，同时“服务”点击量提升。
经过 SA 中的数据对比发现，BEST 分类的点击流量并没有预想中高，甚至跟 MEN 分类的访问量差不多。猜想可能用户不习惯往左滑动页面，习惯往右滑动界面。同时，该电商还进行了首页 BEST 分类按钮位置调整，将 BEST 类目放到 FUN 类目右边。效果：经过调整后，50% 以上的首页用户会进入 BEST 类目，比原来调整之前相对提高了 78% 。
场景 3：小程序的产品迭代案例
这是一个纯女性短视频社区案例，他们一直致力将数据分析融入到运营乃至产品迭代的最细节处。这是他们的工作方式。
图 17 把数据分析融入到运营至产品迭代的最细节处
该企业的小程序更新发版很快。用户分享之后裂变，有一个完整的看板让大家来评估的自己的影响。日裂变作为关键指标，某版本上线后发现裂变指数（uv 数 x 内部调整因子）迅速下跌。
图 18 某版本上线后发现裂变指数迅速下跌
通过回溯过去 7 日的分析看到，“分享”按钮的点击数据出现连续下滑，“下载”按钮的数据在出现大幅度提升。
图 19 回溯 7 日数据快速筛查可能原因
通过用户实际回访，确认“保存按钮”其实弱化了“分享意愿”，造成分享减少。次日晨完成新版本上线后，指标变得正常。
4、运营
除了数据驱动产品迭代，下一个案例是用数据驱动运营，数据驱动运营同样是发现问题，分析原因，来验证效果。
图 20 基于数据的驱动闭环，驱动业务决策
六、反馈
最后给大家介绍几个重要闭环。
（一）用户运营的闭环反馈
神策推出了自动化运营的新产品，我们发现大家对产品运营自动化越来越高。神策自动化运营是基于分群标签的全流程运营闭环分析系统，通过用户精准分群、灵活创建并管理营销活动计划，比如知道用户数据、业务数据，最终精准的刻画了用户画像。基于用户画像采用不同的触达方式，比如优惠券等。做完之后，我可以分析衡量触达效果怎么样，从而评价营销效果。有了第一次营销效果之后，可以针对性的改进，做第二次营销效果。真正形成自动化、精细化的运营闭环。
（二）产品智能闭环反馈
这是个性化推荐的全流程，包括采集各种不同的数据，构建相应的兴趣模型，特定的场景推荐下做推荐，不同纬度、不同指标做测量。
图 22 产品智能闭环反馈
东方明珠是神策数据的客户（东方明珠：融媒时代的大数据转型之路打造），以百视通 IPTV 某驻地为例，日活数百万用户通过 IPTV 机顶盒付费观看授权内容，部分精品内容需额外充值观看;在接入神策推荐之前，主要依赖人工推荐，以热门、付费和内容相关性为主要推荐参考。为提升用户的观影体验、提高用户留存以及充值付费营收，东方明珠利用神策推荐解决方案，完成采集点击日志、展示日志、播放日志等所需用户行为数据，基于行为数据构建深度学习召回算法策略，采用 GBDT+LR 排序模型训练数据。推荐算法上线两周后，神策推荐的效果，对比人工推荐，仅 CTR 一个指标即提升了 6 倍，对推荐内容的人均浏览次数提升了 1.9 倍。
这就是我讲的内容，基本围绕数据驱动闭环。希望对你有所帮助！
温馨提示：完整版 PPT 可点击阅读原文下载。
『点击图片，解锁更多精彩』
▼▼▼