文本共：4341字 預計閱讀時間：14分鐘

上海畫龍創始人兼CEO 宋碧蓮

採訪撰稿| Summer侯蘇芸

編輯 | 張依儂

前言

AI已經成為一眾互聯網公司的核心主攻，但談起具體的應用，大部分時候，我們並沒有聽到太多讓人信服的回答，而核心團隊來自硅谷的Datatist想要從用戶運營的角度，談一談他們的看法與實戰。

比如，什麼是用戶運營？用戶運營和用戶行為分析的區別是什麼？數據和AI驅動運營的核心是什麼？如何用人工智能、大數據來持續的提高用戶活躍度、下單率、復購率、價值度？

iCDO：如何理解AI優化，智啟運營（Datatist的slogan）？

宋碧蓮：互聯網用戶運營的靈魂是數字化的智能運營，人工智能技術AI則是運營優化的關鍵。

這裡面有幾個要點，首先，我們的目標是做用戶運營優化。

運營一般可以分為兩部分：產品運營和用戶運營，前者是為了讓用戶在產品載體，比如APP和小程序上獲得最佳體驗；後者主要是圍繞用戶在平臺內外的轉化。

用戶運營又可以細分為市場運營，內容運營和基於用戶生命週期的個性化運營等等等。

市場運營主要是為了獲取新客，比如花錢買流量，把流量帶回平臺，這部分主要是依靠AdTech，俗稱AdTech拉新。

Dataitst比較關注偏後段的利用AI進行全生命週期用戶運營的效果優化，典型場景有：利用AI和優化技術，如何提高用戶拉新轉化率？如何提高用戶活躍度？如何促進活躍用戶發生第一次購買？如果找到最可能復購的老客戶？如何讓低價值用戶提升價值？如何找到最可能買某個新產品的用戶，比如提高新的理財產品或者保險產品的銷售？是通過App的方式進行個性化推薦，還是通過微信的方式進行轉化，還是短信的渠道，哪個效果最好？卡券紅包金額如何優化才能最大化ROI？甚至是如何利用AI最大化用戶拉新的轉化率？

簡單來講，我們可以把智能用戶運營理解為以用戶為中心，實施一整套AI驅動的用戶運營優化策略。

一般來說，大型互聯網公司內部“從BI到AI”產生智能化用戶優化的路徑，可以分為幾個步驟：第一步，數據的採集與架構搭建；第二步，在此基礎上對用戶進行有效分析，包括探究深度行為；第三步，對用戶進行360度畫像分類；第四步，開啟運營活動之前建立AI模型、基於用戶生命週期進行個性化營銷等各種方案，最終找出最佳的決策，智能優化。第五步，輸入智能決策，開啟運營活動，分析運營效果，通過AB測試等方法進一步優化運營效果。

iCDO：那麼，用戶運營的目標或者衡量標準是什麼？

宋碧蓮：用戶運營的最終目標肯定是業務，或者說業績的增長，具體可以體現在用戶活躍度、下單率、復購率、價值度等指標上。

iCDO：從18年開始，大家的關注點從增量用戶轉為存量用戶，是否也正是在這一階段，大家開始關注用戶運營，追求精細化，或者說數據驅動的運營？

宋碧蓮：是的，實際上這是一個非常明顯的趨勢，一方面，互聯網行業已經成為中國支柱型產業，用戶數量基本是歐洲和美國的總和，現在也進入了飽和階段，大家都是互聯網用戶了；另一方面，經濟大環境發生變化，坦白講，大家拉新的預算減少了。

在這種情況下，誰願意多花點細功夫，誰就能贏得用戶的心，我們看到許多做的好的品牌，都是在圍繞用戶，進行細分，然後不斷去開發不同的運營策略，非常細緻。

用戶運營的意識在變得越來越強，但我們也必須看到，大部分企業運營理念和能力還停留在很基礎的階段。

比如，大部分互聯網企業知道如何燒錢買流量，但流量來了沒有辦法進行科學的轉化，這也是為什麼我們看到90%的互聯網平臺都屬於曇花一現。

這是一個巨大的痛點，也是一個巨大的市場需求。

因為團隊主要來自硅谷，比如Linkedin、eBay、Amazon、Google等等，我們在這塊相對經驗會多一些，也可以比較明顯看到中美用戶運營方面的差距，比如，美國的用戶運營、數據分析能力和AI應用就相對成熟，單從用戶運營的工具層面來看，國內市場比國際市場要落後十年左右。

所以，我們希望把相對領先的用戶運營的技術和方法論產品化，能夠真的幫助中國企業把流量後端的運營抓起來，帶來實實在在的業績回報。

iCDO：美國的代表廠商有哪些？他們的特色或者說國內可以借鑑的地方是什麼？

宋碧蓮：最前沿主要是兩家，一家是Salesforce，起家是做銷售端的CRM，2018年，Salesforce開始和谷歌分析合作，把前端的營銷數據打通，形成基於CRM的用戶運營和預測營銷，目前，主要是以2B為主。

另一家是Adobe，是從數據端起家的，比如，Ominiture系列的數據分析工具，但是沒有營銷雲產品，18年收購了Marketo，開始整合數據和運營。

這兩家公司就是世界上營銷自動化最強的公司，他們都希望未來發展成營銷智能化公司，所以Salesforce推出了愛因斯坦，但是場景基於CRM還不夠豐富，自己沒有基於互聯網的整體應用，只能選擇和Google分析合作。

Adobe 目前落後一步還沒有推出AI產品。他們兩家也都是各自都希望做到數據可以驅動運營，但是因為數據和營銷自動化是分別收購的不同公司的產品 ，很難真正打通。 他們也分別希望既有2C的營銷雲，又有2B的銷售雲。

Datatist 是基於以上的痛點，真正將數據和運營打通，並且創造了AI運營大腦，在營銷自動化之外更可以進行營銷智能化的產品，並且既有面向2C消費者的又有面向2B採購商渠道商智能運營的系統。

Datatist完成了從BI到AI，從提供工具到追求效果，從營銷自動化到智能化，從線上到全渠道的突破，目前完成各行業頭部國內外品牌客戶的應用落地，無論拉新，活躍，復購，交叉推薦，價值提升等各種營銷場景上，都達到了3-10倍的穩定效果提升。

iCDO：那麼，Datatist在國內的主要競爭對手是誰？主要是做用戶行為分析的廠商嗎？

宋碧蓮：表面上大家都是做運營，但實際上不太一樣。一方面，同行主要是以產品運營為核心，Datatist所有的策略和優化都是基於用戶；另外一方面，大家強調的用戶行為分析，在我們看來屬於一個基礎的功能，是必須具備的。

而Datatist的核心競爭力是數據和AI，真正把數據和運營打通，實現了數據驅動運營，並且能夠提供智能化決策，同時能支持傳統行業線下線上全渠道轉化的場景，還既支持2C又支持2B的精細化運營。

一般大家聽到AI會覺得非常理論；但實際上，AI的確是一個抽象的技術，但我們談的是和用戶運營相結合的AI，必須要把理論和實戰結合起來。

首先，AI不是說做就能做的，是需要很多年的理論積累，Datatist的團隊都是主攻AI算法的博士，包括我自己博士主攻優化算法，博士後學的是機器學習算法，我的導師是美國白宮顧問，全球工業AI的領袖，我之前的團隊幾乎每年獲得了全球PHM大賽的冠軍。

其次，實戰經驗是需要落地到業務中提升業績的，這是一個非常大的挑戰，Datatist團隊在營銷和用戶運營這個方向做了很多年，大家過往的工作背景，還有包括我們創業以來一直的方向都是圍繞用戶運營，所以能夠琢磨出一套行之有效的方法，並且可以標準化、產品化。

iCDO：能否列舉一個具體的案例，或者應用場景？

宋碧蓮：好的，我們可以具一個金融行業的例子，我們的這個客戶是國內金融界科技實力最強的集團之一，也非常重視大數據、人工智能等領域的開發，希望通過AI技術提高品牌粘性、品牌活躍度，挖掘用戶的價值，從而對他們進行精細化運營。

首先，我們可以看到，該集團內部已經擁有好車主（2C）、好夥伴（2B）、團E寶（團隊）等幾十個互聯網系統。而這些互聯網系統背後都需要一套有效的方法來進行智能化的用戶運營。

在我們之前已經通過同行的產品，但是隻是完成了數據採集和簡單分析功能。並不能驅動運營。運營還是經驗為主。以人力為主。不能自動化運營，更不能智能化決策。當時客戶選型的時候發現我們是他們迄今為止見過的第一個真正能夠將數據和運營結合起來，不僅提供數字化運營的整體流程，還能提供完整的AI驅動智能化決策，提高運營效果。

最好的辦法就是進場拿一個系統來驗證我們的效果。結果發現不錯之後，短短几個月，推廣到了集團幾十個系統。目前已經演變成了該企業大數據和精細化運營最大的PAAS平臺。

具體步驟如下，第一個環節是數據採集+埋點管理，在這邊我們採用的是無埋點與核心事件埋點的結合。無埋點技術指的是，對所有頁面元素進行自動埋點。但對於交易數據等核心數據，我們需要通過埋點來精準獲取。

接下來第二步：搭建基於Hadoop spark 等的私有化部署的雲平臺。這是集團級別的超大型系統，雲平臺規模相當大，並且要同時支持離線和實時兩種模式，支持集團很多部門（主要是業務和數據）不同角色的需求。

第三步進行分析，包括行為路徑分析、漏斗轉化分析等，這是用戶運營分析非常重要的一環。在這裡提一點，運營分析是分為運營前分析（pre campaign analysis)和運營後分析（post campaign analysis)的。每次運營之前我們都需要用分析中心進行挖掘 ，找到運營的問題，定位出運營優化的方向。運營做完之後，要覆盤用戶的轉化漏斗、轉化路徑，並且由於之前做了A/B測試來判定不同人群，所以需要反覆對比。

與此同時，不同的活動完成後，我們也要去做渠道歸因，評判這個活動是否能帶來合適的轉化。有時候，平臺系統能自行生成事件分析，但數據人員可能還希望能夠自己做深入研究。所以，我們還提供一個強大的BI分析工具，可以自定義任何分析，自由挖掘任何想要的分析結果。

為了做好精細化運營，最關鍵的一環是，對用戶進行合理的標籤與畫像。可能一提到畫像，大家的概念就是標籤，但很多時候還要做高級分類的畫像。

比如，哪些用戶是高價值用戶，哪些是中、低價值用戶；哪些是高活躍用戶，哪些是低活躍用戶；哪些人有潛在價值等等，這些都需要進行合理分類。總地來說，我們需要掌握用戶的過去、現在和未來，包括行為標籤、業務標籤、偏好標籤、產品標籤等等，都需要大量挖掘。

有了這些標籤和畫像後，我們就要對用戶進行有效遷移。可以根據不同的運營目標，應用不同的算法建立預測模型，將可能轉化的人群精準定位、轉化，這和市面上的“千人千面”不是一回事（Datatist的做法是提高人群精準度，千人千面是提高內容匹配度）。

需要明確的是，所有的活動都並非一次就可以成功。每次活動都要循序漸進地追求優化效果，循環往復中，實現量變到質變的飛躍，所以一定要掌握複利原則。也因此，每次活動，我們都要科學的選擇對象，再用AI進行精準預測及觸達，接著對營銷效果進行合理跟蹤，及時進行效果分析，並反覆對結果進行循環優化，形成閉環。

至於對象的選擇，如圖所示，都可以通過這裡進行標籤篩選，然後對它展開活動。活動內容，這邊也可以做A/B測試，進行優化。最終，活動的效果要進行實時跟蹤。

從前，每次活動的總結，都需要數據團隊手動抓取活動數據進行效果分析，耗時費力，還不一定能把成功、失敗的因素講清楚。現在，通過預測營銷雲，我們不僅可以自動、實時地將活動最終效果分析出來，還極大程度地縮短了分析的過程，降本增效。

iCDO：這個例子非常全面，那麼在大家非常關心的運營效果上，會有哪些明顯的提升？

宋碧蓮：還是以該大型保險企業為例，在AI智能運營環節，我們做A/B測試，對比用規則選人的傳統促活和用模型選人的AI促活分別帶來的營銷結果。

這兩個活動開出去之後，三天時間就看到了差距。AI促活優化，發了50萬條短信，活躍了7萬人，轉化率為14.6%。傳統優化，雖然推送了100萬條短信，但僅活躍4萬多人，轉化率為4.61%。

可以明顯看到，新方法用了一半的成本，卻達到了1.6倍的轉化人數，效率提高了3.2倍。看到效果之後，我們就做全線推廣，幫助該大型保險企業月活突破至千萬。

不僅是在金融保險行業，我們在新零售、電商、互聯網等其他行業也做出了很好的效果。比如將來伊份復購轉化率提高12倍、將世紀緣珠寶復購轉化率提高9倍以及將伊米妮的投放ROI提高達580等，塑造了很多融合業務場景的經典案例。

iCDO：Datatist已經有不少行業的頭部客戶，最後，我們想了解您當初為什麼會選擇回國創業？

宋碧蓮：毫無疑問，國內的市場更大；另外，美國在全球數字化運營理念和方法都最先進，而我們團隊發明的AI運營非常行之有效，一直希望將AI運營這個新技術可以推廣到全世界。

此外，這也和我自身的背景有關，十幾年前在國內讀書的時候，就很看好數據和營銷、運營的結合，商業智能是未來的主流，但是這個方向對人的綜合素質要求特別高，既要懂商業，又要懂AI還要會編程，還要懂業務，有實際行業經驗。

我花了二十年積累經驗，先學計算機，搞明白編程和數據分析，然後又學了商業管理和優化的博士，後面又專攻機器學習博士後，完成了商業智能的各種技能。再在工業和互聯網行業實踐達到百發百中的效果。現在圍繞智能運營的創業 ，就是將這個技術標準化產品化出來，都是當初那條線的延展。因為這樣的人才全球太稀缺了 也太難培養了，但是數字化運營企業又等不及人才的供應，所以需要製造機器人AI運營團隊來幫助企業快速實現運營目標。

三年前，選擇回國，一方面市場時機成熟了，另一方面，在美國組建的團隊也都願意回來跟著幹，我們中國人講究的天時地利人和，都齊了，回來也就是自然而然的事情了。

宋碧蓮（Sophia），上海畫龍創始人兼CEO，美國最頂級研究機構NSF（美國國家自然基金會）機器學習方向博士後；香港理工管理優化博士；在eBay工作期間最早提出了以用戶為中心的個性化市場運營優化策略，為eBay挖掘出價值數億美元的市場營銷機會；將AI和優化結合，創立了AI驅動用戶運營優化的新理論，並在LinkedIn最早應用實踐，將LinkedIn用戶活躍度最高提高28倍，被LinkedIn CEO譽為最好的AI商業分析師，獲得LinkedIn改革獎。

關於互聯網數據官（iCDO）

Internet Chief Data Officer（iCDO）是聚焦於互聯網數據分析與應用的行業中立平臺，旨在為互聯網數據從業者、愛好者、服務商和品牌方提供全球最前沿、最新鮮、最有價值的業界動態、行業活動、產品介紹、技術解析以及互聯網數據行業相關招聘資訊。