智能用户運營「拍了拍」流量分析管理
潮水退卻，沙灘上多少裸泳的流量，被曬成虛假的數字，終於被殘酷的現實“拍了拍”！當紅利殆盡，泡沫破裂，市場的自我淨化系統開始啓動。
從一味對流量規模的盲從，到對數字用户運營的精細化管理，是大環境的變化，也是我們真正進入字時代自下而上的新變革。
未來社會，企業一定是以數字企業為主要形態的存在，對數字用户資產的管理和用户運營，就成為企業的核心競爭力。易觀方舟推出的“智能用户運營”解決方案，包含了用户分析、用户運營和用户畫像3大部分。今天，我們主要談 用户分析 和用户運營 兩部分。
用户行為分析
從 WA 到 UBA
數據的應用場景首先是分析。收集大量的數據，首先就是通過數據的分析，發現問題、總結規律。早在 Web 時代，就出現了很多網站分析工具，可以算是第一代的用户分析工具。
01. 第一代用户行為分析工具（User Behavior Analysis）
第一代嚴格意義上並不能真的稱為“用户行為”分析工具，而是面向產品設計的分析工具，一般稱為 WA（Web Analysis）工具，以百度統計為代表。基本是實現統計數據的目的，主要是統計產品的整體狀況。在用户行為數據分析上，WA 支持能力非常有限，無法識別用户而是記錄 Cookie 、設備 ID 等匿名 ID ，也只能算是流量分析。WA 也無法將相同用户在不同端的行為打通，無法數據下鑽到具體的用户，指標只有固定的一些統計指標，無法與分析維度交叉，實時性差，無法和業務數據打通整合分析……
02. 第二代用户行為分析工具
第二代用户行為分析工具在 WA 的基礎上，結合數倉技術進行了較大的改進，可以識別用户，能將相同用户在不同端的行為打通，可以自定義統計指標，但是其指標的計算依然需要 ETL 的方式完成，所以不能實時分析，往往需要 T x 的數據處理週期，指標也無法隨時根據分析的需要靈活地交叉各種維度，無法和業務數據打通進行整合分析。
03. 第三代用户行為分析工具
第三代用户行為工具以易觀方舟為主要代表，和前兩代最主要差異在於：
具備以上幾個特徵的用户行為分析工具，才能稱為第三代的用户分析工具。我們再來總結一下，三代用户行為分析工具的差異分析：
智能用户運營
從 MA 到 EA
實現數據驅動業務最直接的動作就是數據自動化，在不同的應用場景下，通過數據自動化的方式取代人為的干預實現效率的提升。因此在用户獲取、二次營銷、用户運營等主要的場景下，衍生了多種自動化工具。
01. MA (Marketing Automation) 營銷自動化工具
營銷自動化出現多年，旨在通過自動化的解決方案替換重複任務和手動的營銷過程。但是因為營銷概念邊界比較模糊（企業的商業活動從市場到銷售的過程都可以稱之為營銷），造成營銷自動化的邊界也比較模糊，眾多的 MA (Marketing Automation)工具側重點也有不同。也有人比較精確定義 MA 對應企業在市場廣告活動中自動化，而側重銷售的自動化的會稱之為 SA（Sales Automation），這裏的把整個營銷過程的自動化工具都稱之為 MA。
由於國外、中國的用户習慣不同：郵件/短信等國外 MA 最常見的觸達通道，而在中國郵件/短信卻不是好的營銷通道，通過社會化媒體的觸達通道更加被企業重視。因此，MA 在中國的功能有着中國特色，MA 往往將 CRM/SCRM 作為用户數據庫結合使用，主要的功能大概包括：活動管理、內容素材、通道管理、線索管理、數據整合、社會化營銷、效果分析、線索培育以及自動化流程控制等。
02. EA (Engagement Automation) 運營自動化工具
2017 年，Forrester 發佈一篇分析報告《The Forrester Wave™ Mobile Engagement Automation》，定義了一個全新的領域：Engagement Automation 運營自動化工具。
分析一開篇就開篇明義地指出：“ Moments Are the Next Battleground For Consumer Engagement ”。
下一個贏得和留住客户的戰場就在於：無論用户是線上還是線下互動的過程中，企業就必須把握住用户隨時產生需求的時刻，並向他們提供主動、超個性化的內容和服務。如果用户在一次與企業互動的用户旅程中沒有完成消費，企業的絕大多數追加營銷動作對於消費者來説都是負擔，對於用户體驗有傷害。
而目前大多數企業是建立一套數字化的用户觸點，鼓勵用户自助服務完成消費的方式。這意味着，基於用户的行為判斷用户產生需求的時刻，並通過實時的、主動地提供個性化內容和服務，對於企業的用户運營能力提出了更高的挑戰。
過往的 MA 工具，雖然可以基於用户觸發條件，提供自動化的營銷動作，也可以根據用户人羣的提供不同的個性化內容。但是，MA 的觸達用户的方式，屬於“異步”的觸達方式，如短信、郵件、Push 等。這種“異步”觸達方式獨立於用户與產品交互的用户旅程，往往要麼被用户忽略、要麼打斷用户的交互，不能產生良好的效果和用户體驗。而 EA 工具則具備以下更高的能力：
基於單一用户的更全面的數據：全觸點的行為、用户基礎信息、歷史交易、用户偏好、實時情景、當前行為甚至情感。數據整合的速度、廣度、規模，是驅動自動化運營是否能夠取得良好效果的核心。因此，EA 往往基於強大的數據平台才能實現預期的效果。
EA 的解決方案中必須提供基於實時上下文的用户旅程建模，以及即時基於用户事件觸發的運營動作編排。具體上需要：支持基於用户事件觸發、支持多步驟和邏輯控制的運營活動序列編排（如：workflow）。
在支持非實時觸達通道（如：短信、郵件等）的同時，還需要支持實時觸達的通道（如：in-App/Web 彈窗等），在用户交互過程中引導用户，提升運營的效果和用户體驗，而不是打斷用户的交互。
由於 EA 需要基於實時用户行為事件觸發，因此用户行為分析、活動效果的分析必須配合提供相應的實時洞察，以及提供 A/B 測試這樣的優化功能，從而對活動的組合、優化和迭代活動提供支持。
為營銷活動建立目標受眾人羣並不新鮮，但今天的挑戰是，用户的動態性令人難以置信。一次簡單的購買，應用程序下載，或點擊一個網頁，甚至點擊一個功能按鈕，都可能改變用户的所處的分羣。EA 需要能夠創建規則來動態地劃分目標用户人羣，而不是靜態列表。
用户在與企業數字化觸點交互的過程中，用户產生需求的時刻，以及對應的用户行為事件幾乎是一個無限的範圍。而且隨着技術的發展，數字化觸點的不斷豐富，用户需求的產生規律將越來越複雜。雖然目前更多的觸發機制，是依靠人的經驗或者數據分析總結出來的規律而形成的規則。但在不久的將來，基於單一的條件（如位置）觸發用户運營動作將無法覆蓋所有的場景，以人的經驗或者依靠人進行的數據分析完全無法支撐些複雜的場景。
AI 人工智能技術是擴展分析、優化和交互管理能力的關鍵，這些能力能夠適應用户運營過程中要求的處理速度和複雜性。部分 EA 平台現在已經開始使用 AI 技術，或者將 AI 技術作為核心組件包含在產品路線圖中。比如：通過用户行為與用户需求之間的關聯關係，形成營銷活動的觸發規則、營銷效果的預測，以及通過人工智能提出目標人羣的劃分建議等。
從簡單的流量分析管理，到今天形成以行為分析、運營觸達、用户畫像為主要構成的精細化數字用户運營，可以説數字化企業已經進入了全新的階段。易觀方舟智能用户運營數據平台，就包含了智能分析、智能運營、智能畫像三大組件，幫助企業快速搭建起立體化、全流程及渠道的用户運營及營銷體系，助力企業通過數據驅動實現精益成長。
易觀方舟