在讨论到底什么才是新一代的营销数据平台之前,我们先来看看营销业务对数据的需求,比如如何才能构建起一个基于数据驱动的用户旅程。一个企业的用户可以通过线上的网站、APP、公众号、小程序等途径来了解企业的品牌、产品。同时他也可能在线下门店购买商品,成为企业的会员。对企业来说,这个过程中产生的线上线下的行为数据和业务数据就是建立用户认知的基础。通过数据集成、ID 关联、数据建模、数据分析和标签加工,企业可以将这些数据全部打通,构建出完整的用户档案。
关注神策数据公众号,免费观看完整版演讲回放。
举个例子,某零售企业上架了一款新产品,企业根据过往的用户行为偏好,为一部分会员发送了这一消息,并附带了对应商品的优惠券。当用户到达线下的门店后,门店员工也可以通过会员编号在系统中查看被授权的一部分用户资料,比如某些偏好类的标签信息。当然,员工也能看到用户所持的优惠券,并基于这些信息给予用户个性化的服务。
我们可以看到,在这样一个完整的用户消费旅程中,如果企业能够实现数据全面打通,那么便能有效提升用户的消费体验。而对于企业来说,用户跟企业交互过程中的数据沉淀,不仅有助于企业对用户进行深入全面洞察,而且能够促进产品迭代、提升员工服务质量,同时,也为企业的长期数字化经营提供了更加科学的依据,打造了坚实的数据基础。
神策一直强调 SDAF 数据闭环方法论(Sense 感知,Decision 决策,Action 行动,Feedback 反馈),在这个闭环中数据贯穿始终。企业要想构建高效的数据驱动的用户旅程,毫无疑问数据能力是基础,而神策的数界平台正是这样一个针对营销场景设计的通用数据平台,通过增强数据集成、数据建模、数据加工和数据应用 4 大关键环节的能力,为企业打造个性化用户旅程和更多营销场景提供了最有力的支撑。
接下来详细介绍。
1、可靠易扩展的数据接入框架
通过神策营销数据平台,企业可以轻松接入多场景数据源,包括用户行为数据、业务系统数据、第三方数据、数据仓库/数据湖等。在这个过程中,神策为企业提供了一整套的数据接入方案,如实时数据采集 SDK、批量导入工具、数仓表映射等。
目前,很多企业已经建造了或者正在建造数仓/数据湖,投入大量的 IT 成本、存储和计算成本等,神策营销数据平台为企业提供的数仓表映射能力可以更好地复用企业所建造的数仓/数据湖,通过直接访问已经建设好的数仓表的方式,来降低数据导入成本,保证数据的一致性,和建设好的数据基础设施进行更好地融合。
2、数据集成开发和运维能力提升
在整套数据接入框架中,神策重点对数据源对接的开发成本和日常任务的运维成本两方面进行了优化。
针对数据接入中的复杂数据处理场景,数据清洗的工作一向都是不可或缺的,神策希望通过一些更简便的方式帮助企业提高效率。其中,最简单的方式是在界面上直接编写 SQL 完成数据接入和清洗、转换;也可以通过 SeaTunnel 数据集成框架完成稍微复杂一些的数据集成任务。对于更加个性化的场景,神策支持灵活的插件扩展能力。举个例子,针对使用 CRM 和 ERP 系统的企业,神策沉淀了行业级的数据集成插件,可以帮助企业实现和主流业务系统的一键对接。
当数据接入任务开始运行之后,所有任务都会在产品界面上展示,包括任务的启停、故障以及运行日志等,帮助数据工程师高效定位问题;同时,也能够通过数据血缘依赖,通知下游的应用方,降低由于数据接入的延迟等故障造成的业务影响。
3、数据模型再升级
这里我们通过一个具体场景来帮助大家进一步了解神策营销数据平台的价值。我们假设企业的业务部门要开展一个营销活动,希望能根据某些规则来圈选出特定的客群,进行画像分析,最后进行合适的用户分层,来实现个性化的营销策略。在这个场景里,企业的数据工程师很可能需要从数仓的几百张表中,找到需要的表和字段,和需求方对齐数据口径。然后定制开发对应的分析和计算程序,写 SQL,并进行测试、验证,一套流程走下来需要几天甚至一两个月,很可能就已经错过了业务的最佳时机,甚至导致业务不敢再提需求。
因此,神策认为,数据接入不是目的,是企业数字化营销的开端,我们最终的目的是支撑企业营销场景下的便捷使用。这里我们强调「便捷」,希望能够让业务人员自主完成数据驱动营销。
在过去,神策数据提出了经典的 E-U-I 模型为企业的用户行为分析提供价值,但随着我们帮助企业客户落地营销场景的逐渐丰富,E-U-I 模型面临着无法避免的挑战。
(1)以用户数据为核心,难以满足多场景下的营销需求
比如,B2C 企业既关注 B 端企业,也关注 C 端用户;零售企业关注消费者、员工、商品、供应商、门店等。也就是说,若数据模型仅面向单一实体,很难满足企业在不同场景的业务需求,因此神策完成了数据模型再升级,引入多实体模型,将用户、门店导购、商品等定义为实体,分别创造事件标签,构建明晰的数据体系。其中,每一类实体的业务能力是等价的。
举个例子,在一些复杂的营销场景中,通常会涉及多个实体,比如某零售企业旗下有多个门店,总部可以下发营销指令给每个门店,通知每个门店的导购通过企业微信触达他们各自维护的用户,并根据用户过往消费习惯为其推荐最新上架的某个商品。在该场景中,我们可以看到,这个营销活动涉及员工实体、消费者实体、门店实体、商品实体,以及各实体之间的关联,组合起来共同完成复杂的营销活动。
(2)行为数据和业务数据的打通
我们遇到的另一个挑战来自于行为数据与业务数据的打通、融合。
以订单数据为例,订单本身在业务系统中一般都有唯一的订单 ID,并且有“下单待支付、支付待发货、已发货、已完成” 等状态。如果用事件来描述这些状态的变更,一条订单记录会被拆分成多条事件数据,一方面会造成大量的数据冗余,另一方面也不便于业务人员的理解和使用。
为了更好支持这类数据,我们在数据模型中新加入了一种明细数据的类型。比如,在金融场景中,某个用户购买了多个理财产品,每一条持仓记录就是一条明细数据,它记录了用户所购买的理财产品、产品编号、当前净值、盈亏状况等。明细数据和行为数据的区别在于,行为数据通常代表过去发生的,是不可变的,而明细数据是有状态的变更,二者结合才能更好地为完整的营销数据体系提供支撑。明细数据的引入,对丰富用户档案、增强营销人群圈选能力能够起到了非常关键的作用。
关注神策数据公众号,免费观看完整版演讲回放。
4、从不同业务视角管理数据资产
完成数据建模之后,神策数界平台为企业提供了从总体到细节的多种数据视图查看能力。
通过实体资产视图,企业可以获取实体数据总览,一目了然地查看不同实体的数据总量、标签数量、分群数量、ID 数量等信息。通过界面下钻和搜索功能,可以进入用户列表,查看单个用户的 360° 画像。
另外,通过实体信息目录可以查看实体数据的构成方式,同时也可以辅助构建实体的标签体系。这里需要说明,因为我们可以根据业务需要来自定义实体,所以无论是用户实体,还是门店实体、商品实体等,所有实体具备的产品能力都是完全一致的。
5、更强大的数据加工能力
在新的数据模型下,标签和分群作为营销场景里数据的主要加工方式,进行了全面的增强。
(1)标签体系
此前,神策数据的数据体系以行为数据为主,因此标签规则也以行为数据为核心,我们可以基于行为事件进行统计、聚合,或者计算用户的行为偏好。而在引入业务明细数据之后,我们的标签规则会更加灵活,可以将业务数据参与到计算中;同时,引入函数表达式,进一步增强基于业务数据构建业务标签体系的能力。
另外,为了支撑企业复杂、个性化的业务场景,神策标签规则支持插件化。例如当企业使用神策的标签插件能力和内部的算法平台做对接,实现算法标签的可视化配置。对于银行、证券、汽车等行业特征显著的企业来说,神策也可以将具有行业特征的标签做成插件置于产品内,提升业务人员的使用便捷度。
(2)用户分群
本次升级中,神策数界平台对用户分群能力最重要的增强是提供了 EQL(Entity-Query-Language),这是一种面向实体的查询语言,相比于 SQL,EQL 复杂度要低的多,但二者在人群圈选方面能力接近。接下来神策也将持续迭代 EQL 能力,充分发挥其高灵活性,借助聚合函数、过滤函数、时间日期函数等能力进行二次扩展。除此之外,我们所能看到的可视化分群配置,其背后都会翻译成 EQL 来执行。
另外,新的多实体数据模型还可以支持基于多实体之间的关系来进行筛选。举个例子,以某金融企业为例,在我们定义了用户、基金产品这两个实体,并建立了他们之间的关联之后,便可以通过界面来进行复杂的筛选规则配置。比如,筛选出北京地区过去半年股票基金收益为正的用户。虽然过去通过 SQL 也可以实现该场景,但操作更复杂、流程更繁琐,业务人员没有办法自助完成。
6、平台能力开放,数据赋能用户经营生态
作为神策产品的数据底座,数界平台有丰富的 API 体系。神策分析云、神策营销云的全系列产品都可以无缝对接数界平台。同时,平台的所有能力都有对应的 Open API,更容易进行能力扩展。
另外,神策数界平台的数据除了支持流式和批量输出以外,还支持针对单个实体信息的高并发实时查询,支持万级 QPS,更容易支撑各类在线营销业务。
总结来说,神策数界平台重新升级了神策产品体系的数据根基,在数据集成、数据建模、数据加工到数据应用等各个方面,都有创新和突破;它是一个专门为营销场景设计,同时又具有一定通用性的数据平台。
