增长与变现：数据如何驱动产品和用户增长（附ppt）

7月9日下午14：00， BOSS直聘第51次波士汇创业沙龙在中关村清华科技大厦C座B108启迪之星成功举行，此次会议主题为“增长与变现——数据如何驱动产品和用户增长”，参加此次会议的主办方还有GrowingIO，活动的协办方为星图数据以及三节课，场地支持为启迪之星，媒体支持为数邦客、 36大数据和极客公园。有近200位企业代表参加了本次活动，并针对大数据商业应用问题展开了激励的讨论。

活动现场

在活动现场，GrowingIO创始人、全球十大数据科学家张溪梦先生作了《增长与变现：用数据驱动增长》的主题分享，他认为未来，数据产生的价值会是几何倍数，它不但提供产品、支持运营、增加销售，最核心的是帮助用户增加体验、节约时间。

张溪梦先生还指出今天我们中国处于一个非常重要的一个转型时代，这个时代是一个以流量和新增用户为驱动的时代，这就要求今天要做增长的人需要具备三种能力，一种是营销能力或创意；第二种是工程能力、产品的能力能落地；第三种是数据分析能力。这三者之间会形成一个闭环，这个闭环是所有产品经理、所有运营、所有销售甚至分析师必须要具备的一种价值体系。

最后张溪梦先生还针对现场用户的提问进行了精彩的解答。

GrowingIO创始人张溪梦现场分享

期间，星图数据CEO谷熠做了“大数据驱动线上零售业务增长”的主题分享。谷熠先生首先分析了传统品牌企业的现状，提出现在传统品牌企业存在的主要问题是信息不对称，体现在互联网技术与产业链两方面。星图数据作为一家在销售领域专注为企业提供数据分析、产品和服务的供应商，将从产品管理、渠道管理和营销管理三个方向，通过大数据进行品类需求分析、消费者画像和新产品需求预测，帮助企业优化运营和决策。此外，也提供针对电商平台的服务，包括平台的数据监测、分析以及建模等。最后，谷熠先生表示：星图数据通过把商品的数据与消费者的数据做关联，帮助品牌企业提高销售额，营造更多的品牌价值。

谷熠，星图数据CEO、资深产品经理

以下为星图数据CEO谷熠先生的现场演讲稿：

谷熠：大家下午好,在我开始之前我先做一个小调查，今天在座的各位有多少是从事to c行业的？to b的呢？差不多。我还担心怕大部分都是冲着听to c来的，讲这个怕大家觉得没意思，但是如果大家只对to c感兴趣的话，这个时间大家可以去上厕所，喝点水。

刚才鲁克讲了很多东西，也算帮我垫了一个场，首先星图数据我们做很多对于电商平台的数据监测、分析以及建模等等服务，他前面讲了很多，比如说京东的快，包括天猫、苏宁，我们也想讲讲星图数据到底怎么思考通过数据去驱动这些企业，当然我们服务的客户主要是传统的品牌制造企业，我们看看我们到底怎么通过数据的方式去驱动这些企业，帮助他们去增长他们线上业务。

我是天津人，张溪梦也是天津人，他演讲的时候有浓重的天津口音，天津是一个喜欢曲艺各种传统文化的城市。从相声的专业术语来讲，我今天讲的这个位置叫倒二，什么意思？大家知道传统叫压轴。这是倒二的位置。压轴不是最后一个，压轴叫倒二，他是从返场的，今天我就不返场了。

说回来我们到底怎么通过数据驱动解决线上业务。先说说我们为什么选择了传统的品牌制造企业？首先我们做了一些简单的分析，大家知道恐惧的原因是什么？是未知。我们无论是在工作当中，企业运转当中，还是我们自己的生活当中，我们的决策，我们的选择出现困难或者出现分歧的源头就是这个，信息不对称。我们去看信息不对称的这个问题在当前的这个社会，现在这个年代它到底解决的怎么样？所以我分了两类，一类是个人用户C端，一个是B端。这几年我看到to C的服务，各种APP很多。我发现个人消费者的信息不对称的问题，最近在极大的丰富和解决。我们也讲过现在是一个信息爆炸的社会，信息爆炸的时代，我们有太多的信息，我们的时间被微信、微博各种各样的东西切分的特别碎片化，甚至有人讲我都没有完整的失去好好看书，甚至看一部完整的电影。我们现在所用的这些APP它的本质到底在解决什么样的问题。今天有多少人是打车来的？不太多，大部分是开车来的吗？

比如打车，我们用滴滴也好，用优步也好，我们去看这样的打车服务到底帮助我们从本质上解决什么样的问题？从我的角度讲它解决就是信息不对称。比如原来在没有滴滴，没有优步的时代，我想打车怎么办？只能到街边去打车，我不知道我在的路上、这个时间点有多少车可能会经过，而且有多少车是空车。或者一个更简单的办法，比如我打出租车公司的便叫中心的电话我叫一个车，这是传统的解决这个问题的方法。但是现在不管是快车也好，顺风车也好，出租车也好，还是专车也好，我会知道我周边大概有多少车在运营，多少人能来接我，那个车到我要打车的地点大概多长时间，这个时间是不是我能够接受的，这个价格是不是我能够接受的，所有的信息你都知道，所以你有了这些信息之后可以帮助你更好的做选择。这是打车的例子。

比如点餐，中午我不想出去吃饭，太热了，我想叫个外卖，传统时代的方法是什么呢？要不然我知道我经常去的那个馆子他有什么菜，送不送外卖，现在有了美团也好，百度外卖也好，饿了么，我知道周边有多少商家可以送菜，他们的菜都有什么，多少钱，什么时候能买，这还是解决信息不对称，帮助我好的做选择。

再举一个最俗的例子就是电商，电商解决是你买东西时的信息不对称，原来在传统没有电商的时代，我想买东西怎么办？我到线下的实体店去逛，当然女生更享受逛街的状态，我去找到适合我的商品，我看这家店是不是做活动，它的价格怎么样，它的促销怎么样，它的产品是不是我能够接受，还有一句话货比三家，我去三家不同的店找同样的商品哪家更合适，帮助我做购物决策。

但是现在电商的出现也是帮助我们解决信息不对称的问题。不管我是在天猫买，还是京东买，还是苏宁买也好，当然现在还有更方便的，通过易淘，或者会会网站的工具帮助我更好的比价。就算我打开这三个平台去找同样一款产品也并不麻烦，比线下方便多。这些本质都是帮助我们解决信息不对称的问题，帮助我们在生活中更好的做各种各样的选择。这样的用户，我们星图数据暂时不为他们服务，因为我们觉得信息不对称的问题已经不错了。

另外我们看看B端，看看企业端，我们分了两个大的类别，一个是所谓互联网企业，一个是所谓的传统品牌制造企业，互联网企业我认为首先技术基础是互联网相关技术，不管是luck讲的也好，还是我们自己在日常工作中做产品也好，做运营也好，我们发现互联网公司是有这样的技术能力和这样的意识说我要把我的日常运营的数据留存下来，把这些数据用到我自己日常的生产决策或者是运营过程当中，能够帮助我去优化我的决策和运营。当然我们还看到了像GrowinglO这样的公司通过各种各样的方法帮助我们解决数据留存和数据分析的问题。这是我讲互联网公司，所以这样也还好。

那我们就看到一些传统企业，我们也看到很多传统的品牌制造企业，其实他们的问题最严重。为什么？我觉得是几个方面导致的。其实是两个方面的原因。传统的品牌制造型企业为什么信息不对称，是两个方面原因导致。第一个方面刚才讲互联网企业它的技术基础是互联网，所以他有这样的基础能力，但是对于一个传统的制造型企业来讲他也有技术，但是它的技术集中在产品设计、产品制造或者是供应链优化，对于互联网技术来讲，毕竟是弱项，所以他们也迫不及待要去拥抱互联网，或者互联网+，他们希望在这个时代帮助他们增长这样的能力，但是对于他们本身来讲这样的能力是欠缺的。在我之前走访的很多传统企业当中会发现虽然他们号称自己拥有了各种ERP，用了各种CRM系统，但是实际在日常工作当中我们会发现对于这样的系统使用率非常低，而且能够留存的数据散布在各个角落，真正想要用这些数据做运营决策或者生产决策的时候反而拿不到。这是我们看到传统企业自身的一些问题，当然还有心态封闭的问题。

举一个简单的例子，前几年为什么我们看很多对于大型企业的公有云的服务一直推不起来，大家都知道这些企业也担心，如果把我的很多系统接到公有云上，我的信息是不是安全。尤其是我相信中国人都很聪明，中国很多企业大部分都会有一些合理避税的东西，他们也会担心如果你跟工商税务对接了，我是不是安全的。所以我们看到公有云的服务在过去几年，尤其是针对大中型企业的一直推的不好。大概有几下几点，技术的问题，心态的问题，对于系统的利用和使用问题。

但是另外他们还有一个更重要的是产业链的问题，我举一个例子，比如我是美的，我是一个做家电的超大型企业，每年有几千亿的营收，但是我们看产业链上下游的信息对他来讲非常不透明。但是知道对于一个品牌企业来讲，它的下游是什么？它的下游是整个渠道，各种层级的渠道，线下的KA像京东、苏宁这样的，线下的国美、苏宁、沃尔玛这些，他们的数据能不能给到美的呢，其实很难。对于一个品牌制造型的企业来讲，他能够拿到手或者他手里有的只是我出货给下游渠道的数据，就是我出了多少货。但是真正的零售端发生了什么样的事情，这些产品到底卖给谁他们是不知道，就导致一个很重要的问题，举一个最简单的例子，比如我今年生产一百台产品，我出货一百台，但是我不知道其实在零售端只卖出20台。明年我定生产计划，我在今年的基础上浮动20%算是合适的，就生产120台，但是渠道里压了80台没卖出去，你觉得他这120台还能卖出去，对于它的生产计划造成巨大的影响。大家也知道，国家一直讲产能过剩，在产能过剩的情况又增长巨大的资源和浪费，所以这是品牌企业遇到的问题。

另外对于渠道环节来讲，它的立身之本是因为我拥有零售终端的能力，我的零售终端覆盖大量的销售群体，这些消费者会到终端去买东西，我掌握了消费者，如果我把与消费者相关的数据跟我渠道相关的数据直接反馈给品牌企业，那我存在的意义和价值相对来讲就会被削弱。

第三点我们讲点线上的例子，我不讲具体是谁了。在北京的某家电商大型公司，被品牌企业称为KA渠道，是关键客户。我们之前有这么一个案例，大家知道方太和老板，有多少人还在看新闻联播？是的，我是没什么看新闻联播，我到家基本上那个时间点已经过了。大家如果看新闻联播之后，在新闻联播和天气预报之前他们两家是挨着打广告的，都号称自己是高端厨电领导者。这两家企业竞争非常激烈。当时我们同时服务这两家客户，他们俩都号称我能够从这个平台的采销人员彼此两家的数据，而且号称是系统截图数据。而当我们把这两家彼此的数据放到一起对比的时候，会发现说这个平台提供给这两家的数据是截然不同的。大家知道为什么吗？

对于一个电商平台来讲，尤其是有自营的电商平台来讲，它的赢利模式是什么？金字塔的结构。我相信有的小伙伴也看过，底层是差价，低买高卖赚差价。再往上一层是叫营销返点，比如说我同样是50块钱进，我同样卖50块钱，但是我在达到一定的销售或者是销售量的情况下，企业给我返点。比如我卖100万台给我返100万，我去挣这个钱，所以我平价进平价出，挣返点。第三个层次现在大部分的电商平台做营销，赚营销费用，只要收企业费用。比如我今年跟方太讲你今年卖得特别好，比老板卖得好，明年他也许不会再我这里加大营销投入。我们刚才讲了方太和老板这两家的关系，如果我告诉方太说你今年卖的没有老板那么好，比老板差了一点点或者差了很多。那么明年方太相关部门的同事一定会在这个平台加大投入，因为老板给他定的目标是市占率不得低于对方。所以我看到它的赢利模式在发生变化，它已经不仅仅是作为一个渠道只是去赚取差价或者是返点。既然有营销，所以它的数据就会发生变化。我们也知道各个平台有不同口径的数据，有市场口、财务口、采销口，这也是我们从产业链角度看到为什么对于传统的制造型企业来讲，他们的信息不对称问题是最严重的。

所以星图数据我们就选了价值洼地，我们就选了这些受灾最严重的群体作为我们的客户，我们希望通过大数据的方式帮助他们优化他们的运营和决策，帮助他们更合理的，更智慧、更聪明的作出选择。我们有不同的决策，品牌商、渠道商、消费者，传统的是从品牌商单向的流到渠道商，渠道商跟消费者有简单的数据交互，更多的是推送的方式，我把我的营销信息、促销信息给消费者，对于数据回收没有很好的方式。所以我们希望构建一个双向的数据链，就是说我们的渠道商能够更好的拿到消费者的信息，品牌商能够得到消费者的信息，同样品牌商也可以和我们渠道商之间的数据相关联，能够得到渠道的情况，帮助企业更好的去做决策。

从具体的来讲我讲三个角度。其实对于一个品牌企业来讲你永远离不开这三个角度，就是你做零售的话就是做产品管理、渠道管理和营销管理。大家如果学过营销的话，营销讲4P，产品、渠道、价格和促销。产品管理、渠道管理、营销管理，总结出这三个大的方向。

我们看看从数据的角度怎么帮助企业做这四个事情。首先从产品管理的角度来讲，作为一个企业的本质来讲，它的本质应该是什么？我认为作为一个品牌企业的本质就是应该做好它的产品，这个是本质。你的产品不好，活动再得再好也不是可持续。而且我觉得中国的品牌企业之前犯了很多傻，为什么这么讲？从京东开始打价格仗，打了这么多年，把消费者都培养成唯价格马首是瞻，我不是说这个不好，消费者确实得到很多好处，但是对于企业品牌来讲他们犯了很多傻，这种渠道的大型促销活动，618也好，双十一也好，要打价格仗一定是要品牌资源支持，品牌会在这里面投入大量的营销或者是价格降价费用做这个事情。但是我们去想想做成价格仗对于品牌企业又得到什么好处呢？有百害而无一利。第一价格降了，利润肯定降，利润率肯定降低受影响。第二由于我犯傻帮着平台出钱去做促销活动，这些消费者更好的黏到平台上。我帮助这些平台形成了更好的跟我去谈价的壁垒。这是我认为是犯傻。第三点来讲，作为一些品牌，尤其他自己定位中高端的品牌，如果我过渡的去打价格仗，其实对于我的品牌形象是受到很大的影响。所以说他们犯傻。

我从管理角度来讲，如果我们能够帮助这个生态做到所有的环节的数据、信息都是透明的，我们会发现这种打价格仗的犯傻战略已经不再吸引企业，因为我能够很好的了解外部环境和我的竞品策略，甚至我能够帮助他去做预测，这种傻帽策略不管用之后要帮助这些企业更好的回归它的本质，就是做好产品，我的产品很牛，我的产品跟你不是同质化产品，我的产品是领先的，这样消费者才会更多的选择我的产品，才会更好的黏在品牌调性上。所以如果做品牌管理第一步怎么帮助品牌研发适合消费者的产品。

无非做这三件事情，第一类叫品类需求分析，比如我是做奶粉的也好，做化妆品也好，做电器的也好，我要知道我所在的这个品类里面消费者到底有什么样的需求。第二个事叫消费者画像，第三个新产品需求预测，也就是我怎么作出区别化的，不是同质化的产品。

品类需求分析，我们的分析思路是怎样的，首先我们会看到最简单的方法就是我们去看，我们把所有品类里面的SKU拉起来，看看它到底分布在什么样的位置上。比如我们可以按照价值的方式，或者按照它不同的细分参数的方式把它进行相应的排列和划分，我们看看这个市场哪些集中度特别高，那些是市场的空白，这个我们可以通过简单的数据分析得到。

另外还有一个事，我们把所有这个品类的SKU所有用户评论的数据拿出来做一些分析，我们会看到所有买了你的，用了你产品的消费者他们在说你产品的时候到底在说什么，这个方式我认为比传统的舆情方式有一定的精确度，比如我们对于社交媒体的扫描做舆情分析，其实这些人未见得用过，或者是买过你的产品。但是电商平台的规则，能够评论的一定是我买过的，所以我们把对于商品的评论的语义分析划分几个大方向，第一个叫产品本身，第二叫服务问题，第三个是营销问题，分了这三个大的方向。我们去看产品问题里面又包含功能问题，质量问题，外观问题等等不同的点。再根据不同的品类做进一步的细分，拿电饭煲举一个例子，我把他产品的质量问题细分到什么层面呢？比如说它的锅盖，内胆，触摸电板，根据描述词看看到底这些点消费者怎么去评论，把这些的数据拿出来之后会发现很有意思。我们会看到消费者对于你的产品的各个模块或者是功能环节他们的问题到底在哪里，消费者到底有哪些需求是我们目前这个品类，这个行业尚未被满足的东西。通过这些分析我们可以找到说，如果我想去做一款新的电饭煲产品，或者我要改进现有的电饭煲产品，我到底应该在哪些方面。

第二步从消费者人群画像这个角度来讲，人群画像这个词相信大家都非常熟了，但是我想讲的是说我们更需要做的是对于每一个问题，比如锅盖的问题，他讲锅盖容易变形这个问题，讲这个问题的人他的画像到底是什么样，或者讲内胆太薄的问题这群人他的画像是什么样的，这个东西干什么用，一会儿我们再讲。我们希望把人群画像精准定位到问题上，而不仅仅是我的产品，我的品牌跟我之前的预期是不是一致。

第三点叫新产品求预测。如果我仅就电饭煲去讲电饭煲的话，我做出来的永远是电饭煲。就是发明汽车的那个哥们说，如果我按照当时的用户需求去找跑得更快的用户需求，我只能是找到跑得更快的马，我不会去发明出来汽车。我们必须跳出自己所在的品类的产品去想问题。所以我们根据消费者购买习惯和偏好，他跨品类的购买习惯和偏好，去分析未来对于这个品类有什么样的影响。

这是我们之前给某家电企业做的一个电磁炉，我们做这款产品之前，电磁炉绝不长这样，差不多有这么厚，要么就是黑的，要么是白的，要么是方形的，这个产品是我们通过刚才这套流程找到一款当时能够引领整个这个品类行业发展变化的产品。具体的点不讲了，当时我们参考了其他一些品类的数据。我们发现消费者在买电磁炉产品的同时，他还会买什么？这里面我们发现有两个品类消费者的趋向程度是比较高的，一个是3C电子类的平板产品，一个是化妆品类的，所以我们把这两个品类的流行趋势和方向拿到了电磁炉的产品设计上，我们发现PAD这种超薄的，这种圆弧的面板方式非常受消费者的青睐，所以我们把它拿到电磁炉的设计上，而且颜色我们选中了当时流行的唇彩的颜。我们把其他品类的流行趋势和方向要素拿到这个品牌设计里面，这样一个产品会完全颠覆之前所有大家对于电磁炉的印象。当时这个产品它的销量基本是同品类，同价格产品的十倍以上的销售。

前面还讲到了为什么我们要把问题点的消费者画像抓出来，这个我们可以进一步延伸。如果我们把新的产品拿到市面上来看，我们之后能够帮助他更好的推动它的销售，我们要做一些精准的营销，这个事情怎么去做。这个里面牵扯到千人千面的东西，3C的产品复购率很低，不是很合适的例子。讲一个奶粉类的产品。如果之前有人抱怨说这个奶粉小朋友喝完了之后会上火，如果我新研发出来的这款产品，或者我改进出来的这款产品能够有效降低小朋友喝这个奶粉上火的程度，我把这样一个营销卖点反馈给之前说这个喝这个奶粉上火的人，但是认为效果怎么样？所以你要知道之前提出来喝这个奶粉上火的人到底是什么样的人，我们怎么能够触达他，然后我们针对他不同的抱怨的点，去设计不同的营销理念。这个时候我们认为对于一个新的产品来讲，我们分析了消费者的评论数据之后，我们怎么能够更好的去触达他，或者去激活他，或者去增强他购买的欲望。

这里面讲的是产品线的优化，刚才我们讲完了我们怎么对于某一个产品去做优化，实际上更重要的是除了单一产品之外，对于品牌企业来说有很长的产品线，我到底选择什么样的产品放到线上去销售，同时还要兼顾我要避免线上线下的渠道重叠。另外一点，这些产品怎么去定位，到底哪些是利润型，哪些是卡位型，哪些是引流型，这些其实需要一个很好的策略帮助我们去定位这些产品，去优化产品设计。

这里面举了一个例子，实际是我们通过模型的方式，帮助一些做这种全球购或者是海淘的中间商去做这样一个选品，但是同理我们可以延伸到说我们到底怎么去对于我自己自身品牌的产品提供线上策略，优化线上产品线。

大家看到这里是我们一些参数，还是奶粉类的产品，可能有ABCDE5个SKU，不同的包装规格，有不同的段数，不同的产地，我们需要它植入到我们这个模型里面一些基础参数，我要知道这些产品到底是什么样的产品。最终反馈出来的结果是这样，首先我会告诉他，跟SKU类似的线上卖的最好的SKU是哪一款，它的各种规格参数是什么样的，大概价格区间是什么样的，它大概的价格销售额是什么样的情况，他在做什么样的促销活动，他在什么样的平台去销售，同样我会根据这样一个标杆对你植入的SKU进行排序，同样我会提出你的产品建议你采用什么样的价格，大概到什么样的销量和销售额，采取什么样的营销活动，在什么样的品牌去销售，这是一个结果。但是这个过程相对来讲还是比较复杂的。也就是说我需要知道我这个产品投放到市场之后，可能跟我产生竞争的SKU单品到底是哪些。在我投入市场的这个过程当中，这些竞品它会采取一个什么样的价格策略、促销策略和分销供货策略，同时针对他们所采取的策略，我应该怎么去制定我的策略，然后我预期达到什么样的销售结果，是这样一个过程。当然这里面需要长期的数据积累，包括建模分析的能力

讲一个很有意思的角度，之前我团队的科学家做这个事情的时候，我问他你这个数据的有效期是多长时间？他跟我讲目前来讲是一个月，然后我希望不断的迭代这个模型，我希望这个数据更新的频率越来越快，最终做到每天数据不一样。我说你这个东西就没有办法服务客户，因为它服务的是海淘产品，我需要从国外进货的产品。我讲这个故事的原因是说，大家去做产品也好，做模型，做算法也好，一定要考虑实际的客户应用场景和实际情况。为什么我说这个？它这个模型如果每天都变是有问题的。我作为一个全球购或者海淘的买手，这个SKU不错，我进这个SKU，我买这个，但是它需要去谈判，需要有进货周期。如果我们跟客户沟通要三个月的时间，所以你做这个模型的时候，天天变，客户今天把这个SKU拿过来，他知道这个卖第一。等三个月之后，发现这个产品没法卖了，这个对于客户来讲这个工具模型是垃圾。所以你做这个东西的时候，一定要做预测，要预测到三个月之后这个市场到底是一个什么样的情况。如果你没有这个的东西，这个数据对客户来讲没有用。这是我觉得要给大家提醒的地方，一定要结合实际的应用场景来做这个事情。

产品管理讲完了，我们接下来讲渠道管理。

渠道管理，是线下的或者线上的零售环节里面的各个竞销商、代理商或者是最终的零售门店，传统的线下大家很难管控到每一个零售终端，我讲零售终端就是实体店铺，但是线上必须要求这些企业要把你的管理中心沉到店铺级别。为什么？很简单的线上店铺它的影响力度比线下大得多。

对于线下来讲，一个小卖店，一个7—11覆盖的范围是有限，十公里，最多20公里撑死，超过这个覆盖半径的人基本上不会到这个地方买东西。但是线上可不一样，线上的每一个店铺基本上都覆盖全国甚至于全世界的消费者在搜这个产品，所以你这样一个线上的店铺影响力度大得多，这个时候就要求我们要把线上的渠道管理下沉。

这张ppt讲我们对于渠道，对于店铺要做更加立体化的评估和考核。对于传统线下的方式来讲，除非这个店是品牌的直营店，管控力度会高一点。但是最后经销或者代理性质的管控非常弱。我对渠道管控只考核一件事，就是你是不是在规定的时间内用足够的钱提更多的货，就是提货，这是线下对于渠道考核基本上是唯一的方式。但是我们会发现这是因为线下如果想做更细节的管控，我是做不到。线下给我们提供了这样的方式、路径和渠道能够做到。所以对于我们来讲，我们希望对于渠道的综合考评能力要分这四个纬度，除了传统的出货考评之外，这个渠道守不守规矩，我要求这个商品不能低于500块钱销售，你别卖498，因为我有我的品牌策略，我有我的渠道策略，我希望避免线下线上冲突。我本来线上经销商拿货就比线下便宜了，你再卖这么便宜，线下怎么活。所以守不守规矩，是拿价格举一个例子。然后卖的怎么样，除了提货提得好之外，零售也得做得好。

第四售卖什么，你这个店铺，你这个终端到底适合卖什么样的产品。我回到前面去讲，我们很多客户挺逗的，他们做到了我们要去做这个事，但是他们没有技术手段去做，这是一个3C类的企业，它怎么办呢？他有一百个SKU在线上销售，乘以十个平台，每个平台有十个店铺，大概一万个UIR，怎么办？他雇人每天查，雇几个小姑娘小伙伴也好，每天点开这个店铺，点开这个页面去看，价格是不是符合我的规矩，促销是不是符合我的规矩，店面的用词，是不是有货，天天去查这些东西。反正是一个特别耗费人工的，而且花了不少钱的这么一个事。但是他们会发现这个人不可能24小时上班，晚上总得有睡觉吃饭的时候。我们发现经销商也特别鸡贼，知道你不可能24小时查我，就找十点来钟，11点钟去改价格，做一个违规的促销，早上起来再改回来。线上如果想改价格成本非常低，进个系统改个价格再出来。他们会发现传统的这种方式没有办法实时监控，也没有办法第一时间发现问题反馈给我，我去解决。尤其是遇到双十一或者是大型的促销结点的时候。所以这个完全是通过技术的方式去解决，具体的原理相信大家都明白，我只要通过页面监测的方式就能实时得到他现在的价格是什么样的，我可以检查他的促销活动，算过来用户到底把这个东西放到购物车或者最后成交价格是多少，用券没办法核算，满减没办法核算，但是现在可以通过技术去解决，机器可以7×24小时不停的转，这是对于渠道的监控有更好的手段可以实时监控，并且实时发现问题，直接把信息转给相应的负责人解决问题。

刚才讲售卖什么，其实对于每个店铺来讲，他都有不同的售卖品类，因为他真正能够黏住核心消费者的人群特征不一样。其实我们看到说有的店真的适合卖高价格的产品，有的店真的适合卖中等价位的产品，有的商店真的适合卖高价位的，但是价格只是一个纬度，比如冰箱还有一升，还有开门，还有段数，化妆品还有不同的功效等等。这些纬度其实我们都可以去衡量，我们看看到底什么店卖什么东西最擅长。这个其实是优化企业的分销和铺货策略的方式，我并不是一股脑的说你要什么货你就拿什么货，或者你要这个货同时搭配你一个别的货。所以我们应该合理的去看到底应该把什么样的货，铺到什么样的店铺才能实现我的销售结果。

第三个讲讲营销管理，从我的角度来看，价格、促销或者是我做得各种广告投放等等都归到营销管理这个大盘子里去。这里面我只用了几个纬度，大家知道最终影响销售结果的因素是非常多的，一定不只是价格和促销，包括我竞品的情况，包括外部环境，季节等等这些都是影响最终销量的结果。

这里面我只把最终的销售成果和价格、促销放在一起做一个例子，比如说如果我想在10月份达到一百万的销售结果，那我应该怎么去制定我的价格策略和促销策略？这里面需要做几个事情，首先我们要去看在过去的每一个历史时间结点里面，这个时间点我认为至少36个是要的，要去看在过去36个月的时间里面，它的价格、促销和销量之间的关系是什么样的，当然同时我要看到我的竞品在这36个月里面它的价格、促销和销量之间的关系，得到这些数据之后我怎么去分析。我想知道我10月份做到100万，比如ABC三个品牌放在一起做对比，通过线性预测的方式我要知道在10月份我的竞品的两个品牌它的价格策略和促销策略应该是一个什么样的状况，它的销售是什么样的结果，所以我大概会得到六个值。然后我再去算，我通过这样一个方式去计算说如果我通过线性预测的方式，我自己的价格最后应该是什么样的状况，它达到的结果是什么样的结果，然后我再结合自己的情况做调整。

这里面我们用到几个东西，一个是对于历史数据的量价关系的计算，另外一个是通过线性预测的方式，去预测我的和竞品价格促销最终是什么样的表现，最终我通过所有预测值的结果去计算我最终应该采取什么样的价格策略。这是我们到底怎么样制定价格策略和促销策略。

还有一个是广告投放，广告投放这个事是困扰很多客户的问题，其实我们看到很多的广告投放的形式跟最终的销售结果之间是没有关联问题。我不知道我这个广告投完了之后到底我的销量有多少是因为这个投放去增长的，更多的我们看到是有多少人去点击，有多少人关注，有多少人去转发。我们完全可以通过大数据的方式，通过相关关系分析的方式去得到说到底什么样的广告投放的方式会对于我最终的销量产生什么样的影响，这个要跳开传统的因果关系，我需要通过点击、转开一步一步的漏斗去计算，尤其你在投放电视广告，或者户外广告，甚至说你在平台上投放的，比如京东，投放广告之后他不会告诉你人怎么样流向，所以这里面我们通过一个相关关系预测，我积累足够长时间广告投放数据和我最终的消费结果数据，然后我去计算说相关关系。

举一个简单的例子，比如说投了电视、纸媒和网络媒体，100万，我投电视媒体加网络媒体给我带来120万，电视媒体加纸媒得到80万，通过简单的计算可以知道我买一个投放到底带来什么样的收益，这里面需要做的还有更多，需要细化落地的工作，甚至于说我们需要把一些广告创意数据化，比如我做一张广告图，它到底是多大的尺寸，它在页面什么位置，它的背景是什么颜色，是什么字体，字号是什么样的字号，我们希望都能够把它数据化以后帮助我们更好的分析交流。

我最后讲一个思路，我最近总结了一点东西，我不知道大家怎么去理解数据，大家认为数据的本质是什么？

回答：是信息。

回答：效果。

回答：行为。

谷熠：包括我之前在融资的过程当中，很多投资机构让我觉得特别矫情，你这个东西离钱太远。我说什么叫离钱近。你们知道有一家叫pater的公司，帮中情局抓本·拉登，那个东西离钱近在哪呢？数据的本身就是一个决策服务，不管我们管它叫数据也好，还是叫信息也好，它的本质就是服务。我得到更多的信息之后，能够让我的自己的决策更明智，让我的选择更智慧，但是这些数据就是一个资源，就是一个素材。所以我提了这么一个概念，我把大数据对于商业的应用做了三个层次，第一个层次就叫决策层，我提供给你更多的数据，让你更好的做决策。有很多的经验，有很多的现实情况，这是第一个层次。第二个层次叫辅助决策，什么意思呢？把销量、价格促销在一起，我如果想达到这样的结果，我应该这么去做价格，这么去做促销，这里面牵扯到很多预测或者是场景类，如果能够做到我明年想做一百万，或者下个月想做一百万的收入，我给你出ABCDE五个方案，最终你根据你的实际选择去选择我到底选用哪个方案，并且去执行，我认为这是第二个。很有幸，星图数据现在走在第二个层面。第三个决策是替代决策，第二个层面我们给出五个方案，第三个层面我不需要你人再去做选择了，你只需要通过我的计算方法，通过我的工具，通过我的产品，最终我告诉你就选这个就行了，因为我完全了解你的诉求。这里面还要有一些人工智能，这是未来星图数据要走的方向，或者未来发展的趋势。最终我们希望能够通过数据，能够通过系统，能够通过工具替代人做所有的决策，并且把这个决策落地执行下去。这是我认为大数据在商业应用里面演变的三个层面。

我们希望帮助品牌企业提高销售额，营造更加的品牌价值。在这个过程当中我们需要做的是把商品的数据跟消费者的数据去做关联，其实我讲了很多例子，大家能够了解到。这里面我们看到一些商品的数据纬度，我不一一念了。包括评论、零售相关的，产品规格相关的参数，还有一些跟消费者纬度相关的参数。日常用的比较多的数据纬度和方法。

我们目前对于电商平台的监测超过50个平台，超过一千个品类。有多少个网上的零售商，多少个消费者。

最后是星图数据微信公众账号，多说两句，我们不仅仅是帮助企业去品牌，星图服务客户的方式是说我们先通过外部数据的方式来服务客户，也就是说我们自己是有数据源的，但是如果在我们微信公众号里面可以看到我们定期都在发布一些数据，不管是电商行业的各个品类的，大家都可以从中了解到，然后我们会去做逐步的数据的整合，这是我们的特征和区别。破车就不挡好道了，倒二的工作已经顺利做完了，如果大家有什么感兴趣的话题，欢迎下来进一步讨论。

完整版PPT下载: http://pan.baidu.com/s/1skBf6hv  密码: e2ds