1703841386
像马化腾一样关注产品的互联网CEO还有不少，如丁磊和史玉柱，他们也是著名的用户体验派。但是，在马化腾用户体验战略的冰山下面，还隐藏着一个不为人知的巨大基座。这一冰山基座就是数据挖掘系统，从大量数据中获取有效的、新颖的、潜在可用的、最终可理解的信息，以辅佐公司战略的数字神经系统。这是一个真正的重武器，即使整个中国互联网，真正拥有这一系统的公司也极少，只有那些具备平台级优势的公司才拥有，如腾讯、百度、阿里巴巴。
1703841387
1703841388
从2008年开始，马化腾开始要求各条业务线的主管每天给他发送一封反映业务指标数字的邮件，内容包括包月用户是多少、增加了多少、减少了多少，跟上个周同日比或者跟上个月同日比分别升跌了多少、有什么异动。“这个是需要每天都去关注的东西，如果说你做管理者不去看这些东西的话，很久才看一下，中间会错掉很多东西，或者说你反应速度会慢很多。”马化腾说。
1703841389
1703841390
不仅自己看数字，马化腾也要求每一个高管、部门负责人，甚至产品经理也要对数字保持密切关注。
1703841391
1703841392
数据是每一家互联网公司安身立命的基础之一，不过像腾讯这样长期坚持以数据为导向的公司并不多。1999年，腾讯刚刚成立不久，当时天使投资人刘晓松决定向腾讯注资的一个主要原因就是因为他发现，当时虽然腾讯还很小，但已经有用户运营的理念，后台对于用户的每一个动作都有记录和分析。
1703841393
1703841394
在成为用户最多的互联网公司后，腾讯所掌握的用户数据量日益丰富，挖掘这些数据成为腾讯后来在扩展多元业务时屡试不爽的重武器。有分析人士甚至说，“数据挖掘”才是腾讯最具门槛性质的技术。在中国，腾讯绝对是数据挖掘的高手。
1703841395
1703841396
数据挖掘的更深层部分是腾讯在IDC（互联网数据中心）上的积累，如高速上传、大容量邮件传输的后台及基础技术支持。“我们每一天用户上传的照片数，可能就是中国某个互联网公司一个月的数据量。”
1703841397
1703841398
2007年，腾讯成立了腾讯研究院，研究院共有六大研究方向，数据挖掘正是其中之一，“以用户为中心，如果你对用户什么都不了解，那是空话”。
1703841399
1703841400
腾讯研究院的院长有一次这么跟我说：“用户一尝试，用一两秒钟就退出来了，这说明这个可能没做好，而不是他不想用。或者他连光顾都不光顾，没这个需求。这是通过我们后台都可以看出来。我们也有对竞争产品相同功能的一些监测，这样的话我们可以有个比较。比如一个功能用户（在竞争产品上）停留了二十分钟，我们这边只有五分钟，那说明我们的性能有问题。”
1703841401
1703841402
数据挖掘还有一个“特种部队”——T4专家组，T4就是专家工程师，在腾讯的技术职业路径里，一共分为6级，从T1（工程师）到T6（首席科学家），T4是一个中流砥柱般的存在，必须做过亿次级的用户量级才能当选，目前不到50人。一旦遇到重大的产品难题，由T4组成的特别小组就会加入，他们亿次级用户量级的经验将发挥作用。
1703841403
1703841404
对用户的数据挖掘后来在腾讯网络游戏的崛起中也发挥了大作用。腾讯从2003年开始运营网络游戏，曾遭遇挫折，直到2008年，腾讯才在多个细分市场中找到了合适的韩国游戏作品。在代理韩国游戏的过程中，腾讯提出来要介入所代理游戏的研发，如对《穿越火线》中子弹射出后的弹道设置。腾讯根据对用户的数据挖掘认为，韩方原本设计的逼真效果对中国用户并不合适，用户对腾讯设计出的节奏又快又鲜明的弹道设计更加兴奋。最后的结果表明，腾讯是对的。
1703841405
1703841406
腾讯强大的数据挖掘和产品能力仅有的几次失效出现在搜索和电子商务。“搜索的技术门槛颇高，搜索的研发需要时间。”马化腾说。
1703841407
1703841408
对数据的挖掘不仅可以用来进行用户研究，还大大提升了腾讯的运营效率。早期，腾讯曾经过度使用群发广告来推广产品，这样大规模地推送广告不仅“大部分是浪费掉的，而且还引起很多人的反感”。
1703841409
1703841410
后来，腾讯开始进行推广资源的控制。比如，公司分配给业务单位的群发数保持恒定，同时公司的战略发展部门派出一个小组来专门管控群发广告的效率。这个小组会先给业务部门做测试。比如业务部门要发几千万条广告，就会被要求先发几万条试一下，一旦发现效果不好，必须进行修改，或者是更换广告发送的用户群。如果广告发送后的点击率和用户满意度下降，下个月分配给这个业务的推广预算就会被扣除；反之，如果效率高，这个产品就会得到更多的营销资源奖励。这一模式逼迫业务部门对用户数据挖掘得更加精细后才会进行广告群发。要靠这个奖惩来控制营销的资源。
1703841411
1703841412
这一制度执行的结果是，起码把四分之三的水分挤掉了，推广量只有以前的四分之一，但是效果其实没有变化太大。
1703841413
1703841414
在很多时候，这种大数据产品离我们比较远，数据量也没那么大。对产品和产品运营而言，最大的痛点其实是分析、运营好身边的小数据，不被数据欺骗，找到提高留存率、转化率等的有效手段。
1703841415
1703841416
数据拷问有三个关键维度。
1703841417
1703841418
第一，关键用户数据。找到能够对产品产生决定作用的数据，如小米的关键用户数据就是发烧友。
1703841419
1703841420
有一个互联网公司叫True&Co.，就是用大数据的方法挖用户痛点。数据越大，效果越强。在True&Co.的在线网店上，超过100万名女性参与了合身测试，为公司提供了将近1500万个可供挖掘的数据点，用于改进产品和服务。女性选文胸的最大痛点，就是尺码。两种度量法皆没有考虑到女性胸部的弧度（空杯还是满杯）或重量分布（集中在胸前的哪个位置）。
1703841421
1703841422
用大数据做产品研发。True&Co.确定了6000种不同的女性体形，归为8种彩色编码的分类，分别对应不同的胸型和重量分布。他们发现，10个女性中有8个对内衣衬垫有着绝对军事级别的严格要求，而有6个更偏爱无衬或薄衬的内衣；而且深色内衣的销量是浅色内衣的3倍。
1703841423
1703841424
推出爆品。True&Co.发布两个内衣系列品牌，如今它们在公司收益中占据了40%。品牌之一“伊人（光彩）倩影”【She Walks in Beauty（+ Light）】于2013年年底面市，为限量内衣系列，包含少量内裤，专为解决常见的合身问题而设计。2014年6月份推出的品牌之二Uniform则完整传达了True&Co.的使命。这是全套的内衣、内裤和家居服系列，汇聚了50多万名女性的观点。
1703841425
1703841426
第二，横比和纵比。横比就是跟同行相比；纵比就是和自己的时间轴比。
1703841427
1703841428
第三，细分和溯源。细分就是按照不同的维度做更深的挖掘，比如按照时间维度挖，可以从周数据挖，再到日数据等。溯源就是查询这个数据的源头、源记录，由此分析和发现用户的行为。
1703841429
1703841430
我很喜欢一部美剧，叫《纸牌屋》（House of Cards），这部美剧很奇葩，它的爆红完全是靠数据挖掘。奈飞公司（Netflix）就是这部电视剧的幕后黑手。在推出《纸牌屋》之前，奈飞公司一度是股市上的过街老鼠，股价曾从298美元跌落至52.81美元。
1703841431
1703841432
奈飞公司在美国有2700万订阅用户，在全世界则有3300万名用户。这导致每天产生3000多万次行为，比如暂停、回放或者快进时都会产生一次行为。奈飞公司的订阅用户每天还会给出400万条评分，以及300万次搜索请求。
1703841433
1703841434
奈飞公司通过分析数据发现，用户很喜欢大卫·芬奇（David Fincher),《社交网络》（The Social Network）、《七宗罪》（Se7en）的导演，知道凯文·史派西（Kevin Spacey)主演的片子表现都不错，还知道1990年BBC的《纸牌屋》很受欢迎，决定花1亿美元赌一把。
1703841435
[
上一页 ]
[ :1.703841386e+09 ]
[
下一页 ]