Travelport 亚太区OTA及大中华地区执行总监冯克铭认为，中国OTA除了运用价格驱动策略，还需要实现产品服务的差异化，提高个性化营销能力，并利用商业智能推动业务发展。

【环球旅讯】 携程等中国OTA在持续对旅游电商领域进行投资，他们不希望因为短期利益而牺牲客户价值。尽管业界普遍认为OTA 的业务规模将不断提升，但Travelport认为，OTA要在激烈的市场竞争中脱颖而出，仅仅依靠价格驱动的策略是远远不够的。

OTA之间的价格战为更多旅客提供了更多低价出游的机会。但另一方面，OTA所采用的同质化竞争模式也在一定程度上阻碍了行业创新。

Travelport 亚太区OTA及大中华地区执行总监冯克铭认为：“OTA想要创造更多价值，就需要变得更加个性化，提供消费者真正需要的服务，而不应仅注重价格驱动。”

Travelport亚太区OTA及大中华地区执行总监冯克铭

一直以来，携程等企业通过自己的开放平台构建生态系统，不断完善产品策略，成功打造了一站式的全方位旅游服务品牌，但业内专家认为，中国OTA仍有充分的增长空间。2017年，中国旅游业总收入达到5.4万亿元，而携程的市场占有率尚只有10%。

内容定制化

如今，消费者对比和筛选不同网站所提供的产品依然非常耗时。OTA需要优化他们的个性化营销策略，从而推动其数字化驱动的发展计划。此外，由于旅游供应商自身也在尝试提供优质内容，比如视频或VR体验等形式，OTA则更需要提供个性化的产品，提高用户参与度，提高转化率。冯克铭表示：“OTA需要帮助用户更好地比较不同的产品服务，不仅仅是对比价格，还需要展示不同费用所涵盖的服务，以及其他可选的付费服务。”

Travelport认为，其平台的优势不仅仅在于价格和搜索速度，还包括搜索结果的相关度和库存量，其中包括品牌票价（branded fares）和辅助服务。冯克铭举例说，航司现今提供的经济舱机票预订已经突破了传统模式，不再只提供票价和航班时刻，而是增添了行李托运以及选座等自助选项。OTA应该对此予以关注，让消费者在订票前了解到各种可选服务。但目前中国OTA在此方面做得还不够。

“借助品牌票价和升级销售（如提供图片信息、文字描述和包括座位选择、行李托运、Wi-Fi供应和休息室在内的更多产品特色），消费者选择升级服务的几率可以提高到30%。事实证明，这些消费者并非只追求低价。”

Travelport目前可以提供全球260多家航司的品牌票价产品，近期还计划与中国OTA开展合作，为其提供这方面的解决方案。

冯克铭称，内容定制化可以面向不同的用户群体进行，如家庭、情侣，背包客等。“OTA可以针对各类搜索用户制定不同规则。” 据Travelport观察，OTA一直以来只是根据用户预设标准来提供不同的搜索结果；而实际上，特定的旅行路线、旅行时间等都可以成为优化和锁定搜索标准的决定性因素。

此外，OTA往往更加关注交易本身。“OTA对于打造品牌和提高复购率的关注度依然不够。在与旅客建立信任的过程中，服务环节至关重要。但OTA仍然十分关注单次交易和单一产品。” 冯克铭分析道，其中一个原因在于OTA缺乏对客户细分的关注，也缺少对客户价值差异的理解，例如，重复购买的客户和仅购买一次的客户之间所存在的价值差异。

驾驭数据

冯克铭认为，中国OTA对商业智能的关注度还不足。“OTA没有很好地利用现有的海量数据，也尚未充分使用这些数据来提升运营。OTA更依赖于旅客的单维度数据，包括搜索数据和预订数据，但并不依赖于市场数据。而GDS提供的数据是可以被OTA充分利用的，从而更好地评估用户需求。”

“了解旅客意图十分重要，如他们在旅行的不同阶段如何进行产品选择，此类信息有助于支持OTA 制定明智的商业决策，为各种类型的客户提供他们所需要的定制化产品，最终提升OTA平台的转化率。” 冯克铭认为，中国OTA还需对这类数据多加分析。

“中国的在线旅游市场瞬息万变，除了几家较大的OTA，其他在线旅游品牌的认知度和忠诚度普遍很低。这是中国市场的特殊现象。”旅客的在线购买过程十分繁琐，预订甚至涉及多个平台：用户先点击在线广告，再跳转至元搜索平台，最终跳转到OTA才能完成预订。由此，整个过程产生的数据非常分散，很难被整合在一起、帮助OTA更好地了解消费者。

冯克铭补充道，Travelport目前与IBM、微软等公司密切合作，在产品服务中融入了人工智能、增强现实、虚拟现实等创新元素，并利用数据服务，帮助OTA为客户提供相关产品。“OTA一般不太重视直接流量的建立，也缺乏商业智能和企业智能等资源，难以为消费者提供个性化服务。其实，Travelport的合作对象不局限于传统意义上的OTA，我们也服务于进行线上旅游交易（如提供在线预订平台）的数字旅行代理。消费者行为和需求决定了他们所使用的平台和渠道，但渠道也可以在整个购买周期中对消费者发挥牵引作用。旅游代理商需要参与到消费者的整个过程，从消费者产生旅游意向、到衡量产品选择、到确认产品购买、再到旅途当中乃至旅途结束，全程都要满足消费者不断变化的需求。”

Travelport认为，整合云计算、机器学习、移动API、数据和分析能力，可以为OTA的关键决策制定提供新思路。

建立连接

除帮助OTA优化内容，提高营销能力，Travelport还着眼于国际航空运输协会的XML标准——新分销能力（NDC）的产业化应用。

NDC能够为OTA提供更丰富的定制化购买选项。但Travelport认为，现在谈论NDC标准化或大规模应用还为时过早。

飞猪、去哪儿与汉莎航空等航司 签署了NDC API分销协议 ，冯克铭对此表示，分销聚合平台的优势在于整合航司等供应商提供的服务、并作为单一来源输出。Travelport通过单一API连接所提供的服务包括机票、酒店、汽车、高铁、品牌票价以及辅助服务等。就品牌票价等内容而言，Travelport与航司建立了专有连接。冯克铭认为：“Travelport也与一些航司建立了NDC合作，但从聚合平台的角度来看，想要实现规模化仍需时日。”

冯克铭总结道：“我们正在研究如何在NDC框架内与航司及旅游代理商合作。”

9月20日，在 2018环球旅讯峰会&中国数字旅游展 上，Travelport 亚太区OTA及大中华地区执行总监冯克铭将参与“如何从割裂的全球旅游业中寻找商机”的座谈环节。

在2017年9月6日-8日举办的南京国际智慧农业博览会上，南京绿色科技研究院有限公司推出了历时7年打造的农价云---全国农产品价格大数据分析预测平台，该平台可以实现对全国34个省、直辖市、自治区1000多家大型农贸批发市场的蔬菜、水果、水产品、粮油、畜产品等五大类农产品近300多个品种价格信息进行每日自动化采集、统计、分析服务，同时提供多维度价格走势、每日行情、比价搜索、量价分析、短期预测、涨跌预警、价格地图、价格时令、可靠性预测、中长期趋势预测分析等十二大项服务。平台具有7年全国历史数据积累，功能全，数据多，可视化展示强，为农产品交易主体及政府主管部门提供宏观数据，方便决策。

本周市场价格出现两种情况，环渤海价格在上周神华价格发布后掉头回升，涨势迅猛，华东、华南市场表现则相对平稳。目前环渤海报价混乱，同一个煤种报价差距很大，例如5500卡的价格在625元-645元不等，个别高的甚至有650元。由于现在上游价格不断上涨，因此环渤海也有更多的挺价理由，但北方港口、中转港以及电厂库存量较多，终端对高价市场煤采购意愿不强。昨日神华发文继续停售现货动力煤，保障长协客户的合同兑现，这到底是挺煤市还是砸价格，各方观点不一。三峡今日发文水利82台机组全开，对火电肯定会有一定影响。从今日起全国9省市进入高温酷暑天气局部温度达到40度，另一边华南、华中地区又在雨带的覆盖范围内，正是这种利空信息的交织稳定了华南、华中地区的价格。从现在起煤炭价格走势给人的感觉就是看“天”了。

来源：物联之家网（iothome）作者：刘建志

大数据也好，小数据也罢，已经有很多的专家讨论过运用数据到底可以带来什么价值。只是在这么多的数据分析的论述之后，笔者观察到市场上大多数人对于数据收集与分析仍旧是一头雾水。很多读者在给笔者的回馈意见中，笔者最担心的是在物联网应用方案设计之初的系统架构中 (system architecture)，数据分析的角色没有被优先对待，以致于相关方案的设计只是一大堆硬体的集合 ，自动化或者有之，说好的智慧化则往往消失无踪。

首先，笔者要澄清一点，数据的来源很多，联网装置只是收集数据的一种手段，并非只有物联网应用方案才能搜集资料。举例来说，传统的收银机也在累积数据，只是没有电子存储装置，一切都是保留在纸带上，取用非常不方便，基本上很难用来做精细的营业分析。直到收银这个功能与工业电脑结合，数据开始有了进一步被分析的方便性。

然而，为了加快结帐速度，现行电子式收银机能收集的栏位仍有限制，所以如果读者在结帐时特别注意，几乎每一台电子式收银机都外挂了不少其他装置，一开始是几种信用卡刷卡机，插卡式或感应式的不一而足，最近随着第三方支付的普及，额外的条码扫描装置也开始出现。然而这些装置收集的资料都集中在业务成交结帐时，零售业者仍旧无从得知每个时点有多少人经过门口，多少人走进卖场，更不用说个别顾客绕行路径，甚或是在每个柜位或货架前的停留或注视时间。近来随着资通讯科技与相关视觉辨识软体的进步，这些资料搜集都由不可能逐渐变为可能。

此外，数据分析科技的进步随着运算与储存装置性能提升与价格下滑，数据科学家得以将目光由结构化资料 (structured data) 投向非结构化资料 (unstructured data)。简单来说，语音与文字资料的记录得以被分析。首先，传统客服电话的对谈内容已经可以直接语音转文字，再将透过自然语言处理 (natural language processing, NLP) 文字探勘进行客诉分析，让客服人员与顾客抱怨的对话内容与处理过程都变成顾客档案 (customer profile) 的一部分。

甚至，为了节省客服人力，运用相关数据科技开发出来的聊天机器人 (chatbot) 也应运而生。顾客在网站上或在卖场内的输入装置都可以直接询问聊天机器人（通常是文字对话）与卖场或商品相关的资讯。如此一来，不但资料搜集的流程直接进入电脑，聊天机器人甚至可以根据对话过程主动建议顾客适合的商品。

相比之下，传统客服人员虽然可以做到更细致的服务或应付更随机的问题，但人脑记忆容量有限，我们不可能苛责客服人员记得卖场内成千上万种商品的品名特色或所在位置，更无法期待客服人员随时调阅提问顾客的顾客档案，即时掌握顾客的品味，在对话结束前的黄金时间内做最有效的商品推荐。

非结构化资料的来源还可以是网路上的社群讨论或任何内容媒体流传的一篇报导及底下的留言评论。 君不见网路留言的病毒式扩散效果，早已是每一个行销人员必修课程。不理解粉丝团或网路搜寻优化 (searching engine optimization) 威力的行销人员，想来在公司内发言权也将逐渐式微。针对网路时代新的行销宣传趋势，网路舆情分析 (social listening/social media monitoring, SL) 早已经广为企业行销人员采用。

甚至，居于市场领导地位（或有心急起直追）的厂商，还逐渐了解到市场商情调查 (market intelligence, MI) 不再是剪刀糨煳加一大堆的研究人员解读，运用 NLP 开发的 MI 系统让市场商情走向的掌握不再是大公司才能拥有的独门利器。

相对于滥竽充数的类似产品，优秀的数据科学家开发的 SL 与 MI，可以让企业迅速掌握产业趋势、发掘潜力产品或技术，也可以监控网路上意见领袖或重量级媒体报导对于企业自己或竞争同业产品的影响，更快速的采取因应之道。此外，结合 SL 与 MI 的精神，精擅 NLP 的资料科学家还可以开发出竞争同业的监控方案。

行文至此，读者可能已经体会到"资料爆炸"这个名词的严重性。看中这个市场潜力的业者，从传统系统整合商、标榜数据分析的软体开发商、提供高速资料处理的硬体系统，到物联网应用方案提供者，大家无不强调自家开发的产品或方案能够为企业快速处理分析急速增加的资料。在被这些玲琅满目的众多选择中，企业应该先问自己，资料搜集的目的为何 ; 更精确地说， 企业希望解决的问题是什么，哪一种或几种资料可以有效地回答这个待解决问题。

不论是智能制造、智能零售或是智能建筑的方案，这个问题都是最优先要回答的。循着这个逻辑，下一步应该盘点企业内是否已经拥有相关资料。若答案是肯定的，紧接着要思考用传统的统计分析、商业分析 (business intelligence) 或更进一步的机器学习 (machine learning) 来解答。如果资料的复杂度需要用到机器学习，那么企业内有熟悉资料科学的人员可以处理吗？当这些问题都清楚审视过后，哪些软、硬体工具适合企业使用的答案就自然浮现了。

若是企业目前拥有的资料不能回答待解决问题，则在进行上述思考过程前，必须更优先评估如何取得必要的资料。传统上，企业在买电视广告前，通常会买一份收视率调查报告，再针对自家产品的特性与预算规模，选择投放广告的频道及时段。然而当前个性化消费的时代来临，企业已经不能满足于电视广告这种单向且无差别式的沟通方式。

互联网经济下， 顾客在网站内浏览行为是最直接的行为数据。 只是时代往新零售模式迈进，线上结合线下 (online to offline, O2O) 乃至全通路 (omni channel) 已然成为沛不可挡的趋势。因此 顾客在线下的行为，甚至是在不同通路或场景的一举一动能否更大幅度地被记录，已是企业不得不面对的难题 ，这就是笔者一贯提倡用物联网应用方案协助企业的背后缘由。

然而，值得说明的一点， 没有清楚针对企业需求组合的物联网应用方案绝对不是一个好方案，而且没有对接数据分析功能 （不论是内建或有意识地输送数据到其他数据分析软体）的方案，只是一个骗取客户荷包内预算的花架子 。企业在选择诉求智能零售/智能商城方案时，首先应该检视相关方案的系统架构，才不会浪费时间与预算。

零售餐饮是个直接面对顾客的行业，企业每天要处理的都是事关“人”的满意度的议题。在互联网快速迭代演进的中国，小从 POS 的互联网化开始，许多业者将原本笨重的收银机转为手持装置，概念上与手机相似，连里面装载的应用程序也相仿，因此可以大量使用既有的互联网架构与资源，让收银机的成本大幅下降。

最重要的是 透过这个联网装置可以直接与网路社群接触， 实际实现了 O2O 的精神，将顾客从过去的过路客，拓展到惯于使用网路的新世代，还将他们带到店内消费。借助目前已经蔚然茁壮的云产业的支持，一个便宜的手持式装置在某些方面的表现甚至还强于昂贵的电子式收银机。

在这个观念上更往前一步的则是专注于开发云端的 POS 系统，他们不挑选特定轻量型装置（不强调订制化的手持式 POS，即便是一台 iPad 也行），这种理念开发出来的 POS 方案，甚至跳脱服务单店的手持式 POS，进而支持规模数量庞大的连锁体系，此时搭配互联网上各种点餐快送 app，更加将线上向线下导流发挥到极致，这样的方案如果搭配 ERP 及 CRM，再加上各种物联网应用方案，可以为大规模连锁总部提供更快速即时的多种顾客行为及企业内经营效率资料。

锁定资料源并完成数据搜集后，企业紧接着应该向方法论的下一步迈进，有意识地依照顺序交叉使用各种管道收集得来的顾客资料。 举例来说，成交资料代表着前一阶段各部门集体努力的经营成果，这里通常是分析的起点，加上各场合获得的顾客行为资料，是大多数顾客推荐系统处理的范畴。

然而个别顾客推荐系统能够处理的资料栏位、采用的算法、处理资料量与处理速度等等都是企业应该评估的重点。然而，从成交记录出发另一个处理的角度可能是企业进货（或备料）预测，这部分的分析除了更加需要产业知识 (domain knowledge) 外，对于选择适合的一种或数种算法能力的要求更高，因此对于数据科学家的要求更高。

而且，外部的非结构化资料也可以在适当的时点投入被交叉分析的行列中。这一切都要求数据科学家与企业各相关部门人员在导入初期就讨论出适合被解决问题的方法论，才能有效率的回应企业在新零售时代的挑战。

借用 Frost & Sullivan 的 Smart retail journey 图叙述企业对于的演进历程，过去我们处在一个资料片段破碎的零售时代，随着数位化潮流的来临，企业一直朝着运用数据改善营运效率的方向前进， 最终我们将被资料包围，而且在无接缝的环境下善用各种不同性质的资料，完整描绘顾客，清楚结合市场走向与资源运用后，精确的规划企业策略。

但有句老话说：“尽信书不如无书”，企业在没有确认自身的需求，没有厘清回应这个需求必须解决的问题前，不宜贸然投入太多资源扩编相关团队或导入所谓的智慧零售方案。否则，搜集资料的装置要钱、储存与运算快速增生的资料需要的软硬体要钱、分析资料的人员要付薪资，用了不可靠的分析造成企业经营方向偏移或浪费时间的代价更高，经营者与决策主管不可不审慎为之。

延伸阅读：

没有数据的公司才会谈人工智能，马云：我们认为物联网是未来

从物联网到大数据

未来五年，物联网与大数据带来的改变

物联网与大数据

什么是物联网？从大数据谈起

关于我们：网站内容更精彩！

物联之家（iothome）一个有态度的物联网科技新媒体。我们关注物联网领域的价值发现和趋势，关注该领域的大小公司和大小人物，这里有跟物联网相关的深度观点、测评和剖析。物联网改变世界，我们将参与和忠实的记录改变的过程，见证物联网带给人类的丰硕成果。

DNF: 用数据分析远古遗愿的提升率，1亿多的价格究竟值不值得买？

说起远古遗愿，可是万千剑魂心中的痛，从当初70版本并不被看好的一把武器，伴随着版本更迭buff等级换装的重要性也是越来越高。而作为玩家数量仅次于狂战士的剑魂来说现在已经变成天价的远古遗愿，让很多剑魂都是力不从心啊。那么我们今天就从修炼场数据上来看，1亿多的远古遗愿究竟值不值得买呢？

不得不承认，每个剑魂（包括躺枪的剑帝）都想有一把远古遗愿，在完美换装的加持下，

破极兵刃的提升率堪称恐怖。今天我们就来看一下：一个亿的远古遗愿，到底会给我们剑魂带来多大的提升？

这位玩家剑魂的打造并不是完美的，但是作为同一个号来说，有无远古遗愿对比之后得出来的数据可以让我们大家参考的，首先这第一张图，玩家通过召唤105级虚空之弗曼作为沙包。毕竟谁打谁自闭的沙袋如果打出来数据实在是太低，数值太低反而不容易做数据分析。这位剑魂也只是单单用了一次觉醒：极鬼剑术—暴风式，我们可以看到它的数值是25亿多一点。

待这位玩家使用远古遗愿换装，之后同样一次觉醒单技能打出的伤害数据，就变为了26.4亿。伤害提升了大约1.5亿。在其他装备属性都不变的条件下，伤害提升了一个亿，换算成提升率数值大约为4%到5%之间。这个数据可能会因为每个玩家装备打造和属强数值不一样而有所变动，当然即便不是绝对的这个数字差距也不会太大。

其实在当前版本中，不可否认剑魂的地位是比较低。无论是一直充当领头羊地位的红眼，还是在当前版本增强为幻神的老四鬼泣，即便是已经被消弱过的瞎子也是比剑魂的输出能力强一些。不过玩剑魂的勇士大多数都是8年以上的老玩家。无论是一种信仰还是一种坚持，剑魂虽弱却不会轻易的就放弃了剑魂这个职业。这也是明明剑魂不强，人数还这么多的主要原因。

不过这可害惨了貌美如花的剑帝妹妹，曾经剑帝的伤害不高，即便是技能华丽，却没有多少人玩。在当前版本剑帝虽说有所加强。却由于剑魂的玩家过多，受害的她连换装都快换不起了，也算是莫名躺枪吧。不过很多朋友说：，远古遗愿价格虽然比较贵，但是提升率相比起增幅的性价比，远古遗愿要更好一些。所以剑魂玩家们在增幅前，最好还是有一把比较合适，。

大家都知道，材料费在工程造价中的占比是最大的，这一比重可达到了整体造价的60%。在项目较长的建设周期中，价格的市场波动将对工程造价的准确性产生巨大的影响。因此如何把握各种建材的市场行情、特别是主要建材的市场行情波动，就成为了预算、成本控制和采购等从业人员的一项必备的重要技能。现对2017年3月建材价格走势数据分析。

　　建材行业3月份总体呈现冲高回落走势，各产业链仍呈分化。分产业链来说，黑色系价格延续涨势;非金属基材春节假期后购销未大规模展开，行情大稳小动;水泥需求偏弱，价格呈现地区间分化，华东地区稳中走弱;玻璃厂家试图涨价，但下游接受度不高，因此以促销出货为主，行情持稳;装修装饰建材市场寒意阵阵，尚未转暖。

　　3月份，国内钢价急速下跌，市场开始出现回调行情。据生意社了解，随着下游市场需求的不断恢复，水泥将开启上半年的涨价模式。

　　2017年水泥价格上调时点略早于往年，主要得益于一季度全国大范围执行错峰生产，熟料和水泥库存一直保持相对偏低水平，而随着下游需求温和提升，部分企业出现空库现象，为水泥和熟料涨价奠定了基础。同时，2017年是深化供给侧结构性改革的关键之年，要推动“三去一降一补”五大任务取得实质性进展，国家发改委把化解产能过剩作为重中之重。产能严重过剩的水泥行业“去产能”任务艰巨，去产能政策的开展也将推动水泥价格上涨。建材产品分析师认为，短时间内国内水泥价格或将小幅上调。

　　据监测，3月份玻璃价格呈现震荡调整走势，地区间表现差异不大。本应是3月小阳春，但市场表现较为清淡。

　　平淡中震荡的原因主要是多空因素博弈。利多因素在于，厂家在春节后淡季会采取促销手段促进出库和回款，但由于厂家的库存压力不大，加之去年的上涨使得市场普遍对行情有所期待，因此主动降价的可能性不大。另一方面，下游持续利空的状态不利于企业价格上行，加工业开工率不佳，需求跟不上，加上环保限产多地区停工，行情在纠结博弈中平淡运行，未有明显变化。

　　短期内玻璃报价呈现持稳的走势，沙河地区部分企业有小幅提价行为，就目前来看，企业降价可能性不大，或仍有试探性上调的可能。

　　分析师认为，3月份建材行业整体运行平淡，各产业链表现较为均衡，在房地产紧缩调控下，除了房市的迟迟不能回暖，建材产品的行情也未能迎来春季。钢市回落挤出泡沫，玻璃平淡运行，水泥行业由于协同限产运行效果良好，因此表现尚可。

　　分析师预计，短期内玻璃行情仍将以盘整为主，但市场人士预期较为乐观，因产能控制较为理想，后期或有上调动作。但值得注意的是，春季之后南方逐步进入梅雨季节，不利于建材产品的运输，因此南方地区后期的行情或面临压力。就常规而言，北方地区玻璃价格在一段时间的盘整之后，后期或有上调。

在当今互联网时代，随着各平台知识付费、音乐付费、视频付费等模式的开启，“万物付费时代”已经悄然而至。传统的粗犷式运营模式已经不再符合当今的时代潮流，如何在这样一个付费时代做好企业的精准化会员客户策略分析管理，成为当今时代人们尤为关注的话题。

在给大家分享自己的BI会员策略分析管理经验之前，先换位思考跟大家聊一聊我们自己本人作为某些商铺或平台会员群体中的一些痛点。

通常如果我们作为商铺或者平台会员，经常会收到各种特价、新品的促销短信，点开一看就感觉是那种一键撒网式毫无技术含量的群发短信我们在被这样的群发短信和电话轮番轰炸之后，在办理一些会员卡时都不太敢再预留自己的手机号码了，但是往往偶尔又怕错过他们的某些我们确实是感兴趣的会员促销活动，矛盾不言而喻，一旦客户容忍度低，也许就直接将商铺/平台拉黑屏蔽了。

以上类似场景在我们生活中的实际发生频次往往不胜枚举，说明大多数商铺或平台没有把消费者的数据真正用起来，还处于原始的跑马圈地的时代。但实际上对会员的数据分析一方面可以指导销售运营，另一方面还可以提高营销精准度（把对应的促销活动信息推送给最希望和需要收到的客户群体）。会员管理是一个很典型两极化管理，一方面会员的基数需要做大，另一方面会员营销却需要做小，否则很可能事倍功半。

通常我们做会员管理都会有以下几大误区：

1. 只注重开发新顾客，而忽视对老顾客的维护，也不关注顾客的流失情况（而事实上据某大型零售商充分的数据调研分析，一个老顾客的流失往往需要依靠十二个甚至更多的新会员方能弥补）；

2. 不细分客户，对购买特价商品的客户极为关注，反过头来却忽视了对优质客户的照顾；

3. 跟会员国度沟通，沟通形式渠道单一，无特色；

4. 没有客户/会员生命周期管理，没有挖掘客户/会员本身能够产生的附加价值；

5. 把对会员运营管理当成是促销活动来做，而不是经营策略。

本文将从会员数据采集、基础会员数据分析、分析发掘会员价值、会员生命周期管理（下期更新）、会员购买行为（下期更新）研究五个方面，来给大家介绍自己通过BI工具实现会员客户策略分析管理的总结经验和心得，做到比你的会员更加了解会员本身的消费行为，发掘会员潜在价值，让你的会员更加“值钱”。

BI分析工具：FineBI下载地址：finebi

一、会员数据采集

首先，我们的目的是进行会员客户策略分析管理，那么我们需要哪些基础数据呢？

理想状态下，通常需要譬如会员的姓名、性别、出生年月日、手机号码、邮箱、地址、公司、月收入情况等等信息。而实际想准确地收集和获取到这些信息有时候会比较困难，比如月收入、手机号码、地址等等。这时往往需要有一些技巧：比如采集会员收入情况数据时，不要让客户直接进行数据输入，让客户可以选择收入范围；另外对于手机号码，有时经常会遇到一些胡乱填写手机号码的情况，其实在这个WIFI时代，往往我们只需要通过一些商场或是其他登录注册/发送上网验证码的方式来获取到客户的手机号码；对于会员地址，我们可以采用给会员免费寄送试用品、小礼物等方式来进行数据获取；对于客户年龄，采用办理会员卡通过身份证绑定获取相关数据的方式会更加准确。

另外对于一些其他总要的客户数据信息，有时候我们通过一些付费数据获取渠道往往也是有必要的，毕竟通过一定成本获取到的用户其质量往往高于那些免费渠道的用户信息。有一点需要注意的是，作为商铺或者平台运营者，一定要懂得保护好自己的用户数据，因为这既是保护用户隐私，也是在保护自己的企业商誉。

在我们收集到了自己所关注的客户/会员信息之后，往往还需要对其中的一些异常数据进行数据清洗，保证好所分析的数据质量，这样得到的数据分析结果才是有质量和业务战略指导意义的。比如做运动服装零售的数据分析统计，有时候在做会员数据分析时，发现有5%的80岁以上的会员客户，另外居然发现其中还有不少的100岁以上的客户数据，有3%的会员年龄还在10岁以下，还有5%的客户没有性别，3%的没有联系方式。这些数据往往都是大概率有问题需要单独清洗剔除的，对于企业来说，我们可以通过设定基础数据准确性/完整率的kpi指标来提升企业原始的数据质量。

在这样的一个时代，做会员数据分析往往都容易进入一个误区，很多人一谈数据分析则必称数据挖掘，却忽视了对企业原始数据的清洗和分析管理。而实际上企业的数据分析是需要最重要的是基础数据的管理和分析，最后才是挖掘。先保证最基础的东西做好了，这样对企业的价值会更大。

二、基础会员数据分析

做好数据采集工作之后，就可以开始会员基础数据分析了。对于店铺和运营平台等企业，基础的数据可以分为以下三类：

1.日常/每周关注会员指标：会员新增开卡数、新开卡率、贡献率、会员客单价、会员连带率、回头率等等；

2.月度/季度分析会员指标：会员年龄分布、性别分布、会员增长率、流失率、活动转化率等等；

3.年度研究会员指标：会员新增开卡率、流失率、会员消费周期、回头率、激活率、唤醒率等等。

其中日常/每周关注会员指标的数据主要以追踪为主，分析为辅，侧重于当前时段发生了什么，有什么需要解决的问题，应该怎么去解决。月度/季度指标则以分析为主，研究和总结阶段性关键问题，制定能够解决阶段性关键问题的策略。年度指标则主要以研究和分析为主，用来指导和制定明年的销售运营策略。

做会员基础数据分析思路要清晰，大体可分为三种：看趋势、着对比、溯源头。其中看趋势是比较常用的分析手段，通过对不同时间阶段的销售情况进行趋势统计，结合溯源头找出销售额增长或是下跌的主要原因，及时指导和调整营销策略。

接下来，我以四象限图为例，给大家详细介绍对比分析的常用技巧和方法。

我们通过散点图制作出如下所示的20个城市的会员状态情况，其中主要为两个分析指标，会员流失率和会员新增率（当前新增会员占该城市有效会员总比重）。会员新增率和流失率是会员分析最常用的两个指标，也是会员数据量的正反面体现。我们如果把有效会员数看作是企业的资产，那么新增会员就是银行的存款，流失会员就是银行的取款，此时想分析出当前企业的经营状况可以通过对比存进去多还是取出来多得出企业经营结论。我们用企业的平均增长率和流失率绘制成如下图所示的四象限图（X轴为会员流失率，Y轴为会员增长率），将20个城市分为4个象限：

第一象限（右上角）表示会员流失率和增长率都比较高，第二象限表示会员流失率低、增长率高，第三象限表示会员流失率和增长率都比较低，第四象限表示会员流失率高、增长率低。

从图中可以看出，其中第二象限中的长沙、石家庄、成都、济南四座城市的会员状态是最好的，用户将会持续增长（相对较低的流失率，较高的增长率）。相反右下角的第四象限中的北京、天津、哈尔滨、长春、大连五座城市则需要立即进行调理和整顿了，用户流失情况很严重，需要同时提高增长率、降低流失率。第一象限的六座城市则需要降低会员的流失率，第三象限的五座城市需要提高会员的增长率。

从以上的基础会员数据分析可以看出，基础数据分析还是比较简单的，容易发现数据规律和得出调整结论，难的是持续性，是否真正地看到了企业发展趋势、找对比、溯源头。

三、分析发掘会员价值

第二部分介绍的会员基础数据分析情况，侧重于解决当前影响企业销售额的主要问题，这部分主要给大家讲解分的析发掘会员价值则是侧重于制定给企业带来长期地可持续地发展战略。对于零售企业来说往往希望能够从顾客中发展会员，进一步希望会员能够吸引更多的顾客/会员。对于不同的顾客/会员，我们可以对其作用户画像，比如忠诚度比较高的顾客经常会光顾购买，也愿意向其他朋友推荐，同时对企业品牌认可。除了会员忠诚度之外，还需要看会员的实际购买金额，即会员的消费力。

上面提到的指标比如“愿意向朋友推荐”，往往不好直接通过数据采集量化，顾客/会员满意度也需要通过有针对性的问卷调研等方式统计到数据，我们可以参考以下相关性指标来侧面评估我们的顾客/会员的综合价值。

1、最近一次消费时间（忠诚度）

举个例子，某一位已经半年没有消费的顾客近期产生了消费行为，那么他就产生了这个“最近一次消费时间”指标，对于企业来说，我们期望能够通过各种活动来激活顾客消费，所以其实这个指标是动态的。

2、消费频率（忠诚度）

对于提高企业整体销售额来说，提高客户的消费频率无疑是一个非常有效的策略，如果某个企业的产品购买都是单次形式的，没有重复购买客户其实是很危险的，意味着需要不断地拉新，客户的持续产出不足。

3、消费金额（购买力）

我们都知道大名鼎鼎的“二八法则”，对于企业来说，往往80%的利润是有20%的客户产生的，而这20%的客户是企业的核心价值客户，需要得到企业更多的营销资源，具有持续购买力的客户是企业需要重点维护的第一选择。

4、最大单笔消费金额（购买力）

最大单笔消费金额是顾客购买力的一个体现，隐藏的是顾客的购买潜力，是企业需要策划挖掘产生持续消费的客户。

5、特价商品消费占比（价格容忍度）

特价商品消费占比作为评价顾客消费力的指标，往往跟实际占比的大小成负相关性。

6、最高单价商品消费占比（价格容忍度）

最高单价商品消费占比是最大单笔消费金额的拓展指标，从侧面上可以体现会员顾客的价格容忍度，具体值和价格容忍度成正相关。

在得到以上六个关键会员消费指标之后，我们通过建立对应区间打分制可以用雷达图组合统计出用户的最终用户画像。以下图为例，我们可以根据雷达图的形状，了解到每个顾客的特性，制定差异化营销策略。

会员一：

会员对商铺/平台忠诚度比较高，但是购买力很低，这种客户虽然消费金额不高，但是即使不做营销策略，他们也会产生持续消费，这部分客户是企业持续利润的来源基础保证，通常我们可以通过在一些人流稀疏的时段做促销行为，让其产生持续的集中消费。

会员二：

这部分会员消费能力比较强，同时对价格容忍程度也比较高，但是不足是会员忠诚度，针对这一类会员，我们可以分析他们的消费记录，做到会员商品精准推荐，提高该类会员的回购率。

会员三：

这部分群体可以以学生群体作为显著代表，其忠诚度和消费力都比较差，只是价格容忍度还可以。

通过对会员多维度数据的组合统计，构建出每一个用户的精准画像，进一步制定有针对性的营销策略。美国有一名男子闯入他家附近的一家美国零售连锁超市Target店铺(美国第三大零售商塔吉特)进行抗议：“你们竟然给我17岁的女儿发婴儿尿片和童车的优惠券。”店铺经理立刻向来者承认错误，但是其实该经理并不知道这一行为是总公司作用户画像分析的结果。一个月后，这位父亲来道歉，因为这时他才知道他的女儿的确怀孕了。Target比这位父亲知道他女儿怀孕的时间足足早了一个月。Target能够通过分析女性客户购买记录，“猜出”哪些是孕妇。他们从Target的数据仓库中推选出25项与怀孕高度相关的商品，制作“怀孕预测”指数。比如他们发现女性会在怀孕四个月左右，大量购买无香味乳液。以此为依据推算出预产期后，就抢先一步将孕妇装、婴儿床等折扣券寄给客户来吸引客户购买。

如果不是在拥有海量的用户交易数据基础上进行用户画像分析，Target不可能做到如此精准的营销。

本次的BI会员数据分析经验分享先给大家介绍到这里，下期将给大家继续详细剖析后续的会员生命周期管理以及会员购买行为研究，欢迎大家共同学习和交流。

关于FineBIFineBI（finebi）是帆软公司旗下的新一代自助大数据分析的BI工具，为企业提供多数据源采集，自服务数据准备，自助探索式分析，多屏解决方案以及企业级管控等一站式企业商业智能解决方案。

运营分很多类，流量运营、用户运营、内容运营…每一个环节都有特别关注的数据和指标。以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。

电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。

一、运营模块

从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。

引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。

进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。

在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi。

按地区划分，这个很好理解。按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。

转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。

留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。

复购

有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。

复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。

流失

流失是无法避免的，但也有可以挽留的。

流失可以分为

刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用。体验流失：可能是应用体验、服务体验、交易体验、商品体验等等，总之就是在使用产品\服务的过程中，感到了一丝不爽，正所谓一言不合就流失。竞争流失：也就是用户已经转粉了。可能是竞争对手的体验更好，可能竞争对手推出了什么优惠的政策。我们也需要抓住行业的动态，针对竞争对手的抢粉行为做出相应的行动。关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）

关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：

再者，流失率结合存留率也可以评估渠道的价值。

二、销售模块

1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。

2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。

3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。

三、商品模块

1、采购管理：包括供应商数据分析、采购匹配度分析等。

2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。

3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。

4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。

5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。

四、用户模块

1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。

2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。

3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。

End.

作者：李启方

来源：知乎

原文链接：https://zhuanlan.zhihu/p/27427478

观念：

12月15日，全国生猪均价17.03元/公斤，价钱较昨日下跌0.05元/公斤，全国瘦肉型猪出栏均价17.37元/公斤，价钱较昨日下跌0.01元/公斤。

昔日全国生猪出栏价钱微幅下跌，全体处于高位盘整的走势。

西南地域屠宰企业对低价的冲突心思加强，试探性压价，猪价出现出小幅微跌的走势;华北猪源供给量偏紧，但需求亦不旺，猪价小幅盘整，天津、山西波动，北京微涨0.1元/公斤，河北跌0.1元/公斤。

目前华北猪价根本与西南持平;华东猪价窄幅调整，安徽、福建波动，江苏跌0.3元/公斤，山东微涨0.1元/公斤;华南、华中猪价根本波动;东南猪价下跌，陕西涨0.2元/公斤;东北猪价波动。

昔日全国瘦肉型猪出栏均价最高在甘肃，均价18.2元/公斤，最低在广东，均价16.8元/公斤。

近两日，国际猪价涨势放缓，部分地域呈现了回调，对养殖户的出栏心态发生了影响，就春节前的猪价走势来看，养殖户最重要的是要防止集中出栏，要有一个知足常乐、适时出栏、落袋爲安的正确心态和指点理念，分散出栏最佳。

豆粕价钱趋向：

大数据检测显示，近期豆粕的下跌势头分明，养殖户推销豆粕到场价钱从11月下旬的3.5元/公斤左右，下跌至目前的3.72元/公斤，豆粕走势也遭到了市场的普遍关注。受环保督查组反省的影响，广东地域多家油厂曾经停止封闭整改，广东地域豆粕价钱飙升，周边的广西、福建、江西等地域的油厂在此次严厉的环保反省下或也要整改一段工夫才干恢复开机，最终将影响豆粕市场的供给状况，叠加以后豆粕市场需求微弱，豆粕价钱很能够表现坚硬并有下跌的趋向，添加生猪养殖的本钱，提示养殖户计算好压栏的增值收益，合理布置出栏节拍。

“我想要陪你去浪漫的土耳其”…当大街小巷、同事的手机铃声，全都换成了抖音神曲之后，百万哥知道，这玩意儿已经变成全民APP了。

惊人的流量，带来的是惊人的商机，比如，搞电商的，小猪佩奇同款卖断货：

（一只手表一个月卖了七千多个）

打广告的，抖音红人，500万粉丝以上，接一条广告收费几百万：

（抖音一姐吴佳煜，辞去牙医专职拍短视频）

社会化营销的，靠一款单品，开创加盟事业：

（籍籍无名的答案茶，走红后申请加盟的，达到几百家）

你在用抖音打发时间，别人却在大把大把挣钱，这是多么大的差距啊！那么，普通人如何利用这波热点，获得一些额外收入呢？

一、接广告

任何有流量的地方，都可以广告变现。当然，需要你发挥聪明才智，去获得一定量级的粉丝数。下面是抖音广告价位图：

某机构报价

做抖音有两种方向，第一种最简单，价值不是很高的方式，搬砖方式。第二种难度略高，全部原创模式，价值会更高。

有数据大神通过分析，得出抖音11个热门的方向：舞蹈、高效段子、才艺、模仿、励志鸡汤、特色景点、恶搞、撩小姐姐小哥哥、正能量、炫技能、挑战。选个你最拿手的，试着做一做。

二、卖货

如果有自己的网店或微店，然后给自己的商品打广告，引流到微信完成交易，这个是很常用的，效果也比较好。

女性用品为主

而你发的视频，必须要跟自己的产品非常契合。比如美妆、母婴，简单点就直接使用，有技术的可以把产品玩出花样，甚至有反差的以男性身份来尝试。个性化、特殊化更能脱颖而出。

三、相关服务

如果挖不金矿，就去卖水，这是美国拓荒者告诉我们的真理。实际上，淘宝已经有花钱给抖音点赞的服务了：

伴随着抖音的走红，出现的还有各式各样的抖音课程，涵盖抖音账号运营、抖音技术玩法、抖音涨粉攻略等内容。还真有不少人付费“学技术”。

一边是流量主，一边是广告金主，中间对接人就必不可少了。已经有人在收集各种红人资源，赚取广告差价。

作为首个被主流社会人群接受，并喜爱的短视频平台，抖音的未来是不可限量的。有心的你，确定不去挖挖金矿吗？

每一个平台出现都会涌入大批流量，如何利用别人的鱼塘，去钓到自己想要的鱼，一定要学会对症下药，看清楚是什么客群，推什么产品，这是永恒不变的道理。关注V信摩百万，在对话框回复“抖音“，获取抖音用户研究报告，助你成为下一个”红人“！

摩百万：摩尔龙旗下泛财经自媒体。服务不止于金融，希望通过新鲜资讯、有用观点，让您会花、会赚、会借，成为财富的掌握者。