Big Query
数据管理工具
BigQuery是Google 推出的可扩展性强、成本低廉的无服务器企业数据仓库。
[查看更多]
方案概述
Solution Summary
画像解决方案包括用户画像、广告渠道画像、商品画像等多种画像主体。用户画像是各个企业经营的核心，决定了对用户（包括匿名访客、注册登录用户、订单用户、复购用户等）的认知；广告渠道画像是对广告营销渠道的全新认知方式，这是企业做营销管理的重要基石；商品画像是电商和销售类企业的售卖主体，这里的“商品”包含了多种实体商品、虚拟商品和服务器等，凡是能售卖的对象这里都成为“商品”。
业务痛点
Issues & Problems
card_travel
单一角度认知不完整
一直以来，我们通过多种数据分析、挖掘和计算方法，对不同运营对象从各个维度上做剖析，但问题在于，每个维度上只能看到其片面的形象，犹如盲人摸象，对目标对象的认知并不完整。尤其当运营对象及其复杂时，这种问题更加明显。
trending_up
缺乏动态的数据认知
每个运营主体都是在动态变化的，例如用户在昨天、上个周和上个月的需要变化是潜在的，而这些变化需要全面的体现在我们的认知之中。而目前的认知都是基于特定时间点户或时间段做数据加工处理，得到的数据仅仅能体现处理周期内的用户特征，而无法反应其动态变化特性。
lightbulb_outline
缺少全生命周期认知
任何一个对象都是有生命周期的，用户、广告渠道、商品等莫不如此。例如用户生命周期可可分为接触期、培养期、成长期、成熟期、衰退期、沉默期和流失期等，各个阶段的特征差异非常大，对其认知不能只建立在其断面时间点的过往历史周期，还应该将其未来生命周期内的价值都囊括在内。
方案内容
Solution Contents
用户画像解决方案
用户画像是构建对用户完整认知的一种方法，用户画像的结果一般都是以标签和标签值为标准结果。触脉提供的用户画像将用户数据以时间为X轴、以标签及标签值为Y轴，以人物为Z轴的三维立体模型，能够以场景+标签+行为路径的方式，描述每个用户在不同场景下的行为画像。场景化是画像分析和应用的基础，基于场景化得到的衍生路径反应了用户标签（画像特征）的变迁。在这个过程中，除行为变迁，用户的人口属性、会员属性、金融属性、消费属性、工作属性、学习属性、娱乐属性、社交属性等特征在全生命周期下都可以被描述得淋漓尽致。此方案是一个动态分析客户的过程，而非截面式的静态分析方法。
广告渠道画像解决方案
传统咨询行业对于广告渠道质量的认知多通过效果评估、调研问卷、行业报告及自我感知等形式实现，实际上，数据画像也可以应用于广告渠道描述。例如QQ的同学网络、知乎的高知人群、陌陌的陌生社交等都是受众对渠道整体认知的反应。触脉提供的广告渠道画像，基于触脉与知名咨询行业及广告投放平台的合作经验，直接处理众多客户真实需求的实战经验，结合触脉方法论积累及真实大数据环境下的模型校准经验，提炼出适用于描述广告渠道的有效体系；结合企业的具体应用需求，最终交付满足商业场景诉求的广告渠道画像。逻辑描述上，触脉将广告渠道画像分为生命周期、媒体属性、媒体执行、人群属性和媒体效果五个维度，分别涵盖了广告生命周期及各阶段的表现、媒体自身的属性与特征、媒体执行中的关键要素影响描述，广告投放人群定位，及广告最终效果达成绩效评估等。
商品画像解决方案
商品是销售领域最关注的对象和要素。触脉在刻画商品画像的过程中，将商品画像分为前台（商品页在网站，应用端的曝光，点击，销售数据）和后台（商品的库存，物流，及采购数据）两部分，前台画像主要围绕商品类别构成权重、商品类别价值、商品销售渠道、营销促销，将这些要素作为商品价值衡量维度，通过大数据模型设计，训练与调试，形成最适合企业实际情况的用户价值最大化的商品销售模型，这是属于传统的侧重于“销售”领域的课题。除此之外，触脉还开创性地将后台数据库的理念整合到商品画像中，即将对商品销售影响重大的后端支持要素，以成本、利润、库存、物流、退换货、评价为主线，涵盖商品的“流动特征”，形成完整的商品画像。
使用产品
Related Products
主要优势
Main Advantages
business
自动化标签生成过程
根据数据集的数据类型，可自动匹配相关算法和模型，并批量生成标签。
people
个性化标签模型定义
客户有变更标签模式的，可自定义标签生成算法或模型，满足个性化分析和应用需求。
lightbulb_outline
多维画像关系表达
突破传统的实体-值的二维表达方式，采用实体-值-关系的三维形态，更能挖掘复杂关系特征。
headset_mic
可视化管理界面
整个画像的过程及结果，可以通过界面化的形式做批量操作管理和结果交互查看。
应用案例
Case Studies
金融领域
Financial Industry
某企业通过创建画像体系来解决现有业务危机
某企业是国内知名的股份制银行。随着金融体系改革的深入，以及国内多种金融形式的出现和制度的颁布，该银行的盈利压力剧增。为此，该银行需要基于现有业务做两方面的提升。一是对存量数据做深入剖析，并通过画像的方式对用户、理财等不同运营对象做更加深入的认知。二是基于对现有运营对象的认知，与外部更多机构、线下门店等开展更广泛的增量客户挖掘，扩大盈利基本面。通过该画像系统，该银行开发了更精细化运营的多种方式，并用于改造现有业务模式和形态，最终在保证原有安全的基础上提升了利润率。