|
|
数据那些事儿 | TalkingData CTO 肖文峰：深入情景，感知用户
以下为演讲内容分享: 肖文峰：现如今，大量的开源框架和SaaS服务，比如TalkingData的移动统计分析服务，给开发者提供了非常大的方便，可以更高效完成产品迭代，尽早验证商业模式。一天能做完的事情，千万不要一个月、一年的自己亲自去做，辛苦不说，最后也未必会做的更好。
我叫肖文峰，来自于TalkingData，这是一家什么样的公司呢？我们在2011年成立的时候，当时团队都是从传统IT行业出来的，比如甲骨文、IBM等，当时我们觉得企业有很多的数据，但是却不知道怎么用，营销推广的时候还是拍脑袋，所以我们想这些数据能不能利用起来，改变企业做决定的方式，进一步从更大的愿景上讲，帮助人们改善自身和环境。传统IT行业的经验赋予我们严谨的服务，另外我们核心团队也有的来自于腾讯、百度、360等互联网企业，所以我们也能够保持开放的心态。 经过5年的发展，TalkingData现在已成为国内领先的第三方大数据平台和服务提供商，我们的核心能力包括数据——现在我们覆盖超过30亿的移动设备，每天的消息量在200亿条左右。我们提供系统平台，包括SaaS平台，也包括私有云平台。我们也提供咨询服务，帮助客户实施大数据解决方案。我们技术和咨询团队占比超过公司总人数的80%。
我们客户跨越多个领域，包括金融、地产、零售、医疗、政府、航空、酒店、海外、广告等。金融行业，全国TOP100的银行、券商、保险公司我们覆盖了40%。地产行业，Top10的企业我们覆盖50%。
在开发者方面，我们覆盖了中国TOP100应用中的60%，为8万的开发者提供服务，覆盖的应用和游戏总数超过12万款。
我们为企业提供的大数据解决方案中，相当一部分是帮助企业了解他的客户，帮助他们做客户的洞察。为什么做客户的洞察？最主要是做营销，因为如果客户定位不准确，可能会影响营销效果。例如，我们在2014年接触了一个销售平价钻石的客户，他们每年在报纸、机场、车身上花不少钱做广告，一个城市花好几个亿，但是不知道效果怎样，也不知道客户是如何的。于是我们在他们全国8个门店采集了2个月的样本来分析，结果让他们大吃一惊。之前，这家公司认为他的客户群体是25岁到40岁，是高价值客群，偏向投资理财保值等。但是画像的结果却是，他们的客群年龄在20岁到30岁之间，平常活动的场所都是电影院、KTV这类年轻人居多的场所，也去婚纱店。换句话说，更加像是第一次结婚的年轻人，卖钻石更多是图便宜而不是保值。后来我们帮这个客户改变了广告的投放形式，切换到线上推广，取得了很好地效果。 所以通过人群画像，我们帮助企业了解他们的客户是什么样的人，男女比例是多少，年龄分布如何，来自于哪里，有什么喜好等等，这些用户洞察主要是基于历史信息去做的，但是现在越来越多的情况下，客户要求更加实时的用户洞察。比如这个用户昨天去过星巴克，你今天才给他推荐星巴克的优惠券，是不是已经晚了？对于实时性数据分析的要求，就涉及到对情景的理解。 情景是什么？是与用户相关的所有信息，简单说就是三个要素：什么人，在什么时候，做什么？这里的“什么人”不是指名字、电话号码、门牌号、地址等信息，而是以标签的方式体现，比如时尚辣妈、运动狂人、宅男等，是相对静态的用户属性。“什么时候”就是所处环境，也就是场景，包括时间、地点、天气、光感等。我们常说的“场景营销”中的场景，就是指的环境。“做什么”主要是用户的状态，比如是在走路、跑步、休息，或者情绪是什么样的，高兴、开心或者愤怒。最终通过情景三要素判断出用户的意图，缺一不可，比如，同样是在走路，有可能用户的意图完全不同。 上班族，早上8点，在街上走路，步履比较平稳，没有停顿，目标明确，这一般是在上班的路上。外地人，在日常工作时间，位于公园，走路的状态时有停顿，没有规律，有可能是游览途中。运动爱好者，傍晚7、8点，也是在公园，步伐快而且平稳，有可能是在健身。年轻的女性，周末在街上走路，经常停顿，有时候还会绕圈，有可能是在购物中。针对不同的情景、不同的意图，用户需要的是不同的服务内容。
为什么现在越来越多的提到情景营销？是因为我们有了智能手机和这么多的传感器。以前我们只能依靠用户在网上、浏览器里面输入网址、浏览网页的痕迹来做分析，现在有了随身携带的手机，于是我们可以做更实时的分析。随着移动互联网和物联网的发展，传感器呈现爆发式的变化。这是三星Galaxy系列的手机，2010年第一个版本只有环境光感、加速度、地磁传感器，2011年加入陀螺仪和距离传感器，2012年加入压力和RGB光线传感器，2013年加入温度、湿度和霍尔传感器，2014年加入心跳和指纹传感器。每个新版的Galaxy手机，都会加入新的传感器，增加对于用户和环境的感知，iPhone手机也类似。 现在说到物联网的概念，本质就是联网的传感器。预计到2020年，世界上会有1亿个联网的灯泡，几乎所有家电都会联网。智能汽车也会提供更多的传感器，包括胎压、油门、激光测距仪、摄像头等。 可穿戴设备方面，现在VR比较火热，一般VR设备的传感器数量是智能手机的2-3倍。可连接设备和传感器具有更大的量级，甚至包括路灯、垃圾筒、站牌，都会加上智能传感器——未来传感器无处不在，给企业提供更多的数据源、更多维度去描述环境和人，以提供更好的服务体验，真正做到功能和服务的应时应景应人。
然而，传感器提供的只是无意义的数据，是0101的序列，要把它变成有意义的信息还需要有一个过程，现在以苹果和安卓为主的手机系统厂商正在完善这个过程。苹果在2013年推出iBeacon地理围栏方案，手机通过蓝牙4.0就可以触发位置场景。2013年，iOS7中引入CoreMotion框架，能够识别手机用户的行为状态，比如走路、跑步、静止、开车等。同时苹果也在利用情景感知来改进应用体验，2014年苹果申请了省电专利，就是在电量管理应用中加入对人的行为的分析，比如如果发现是在上下班的途中，电量不足，那么用电策略就会比较保守一些，以节省电量；但是如果发现已经回家，周围有可用的电源，那么用电策略就可以激进一些，提升用户体验。苹果地图，在下班的时候会自动提醒回家路上是否拥堵，需要多长时间到家。 谷歌方面，2014年，安卓4.4系统引入DetectedActivity接口，识别行为状态，也是走路、跑步、倾斜、开车等，和苹果差不多。2015年，谷歌发布开源蓝牙信标平台Eddystone，对标苹果的iBeacon。2015年，谷歌新发布的AndroidM，可以通过判断手机是否处于静止状态，来调整省电的策略，毕竟电池续航能力依然是个问题。2016年，谷歌推出Awareness API，提供了统一的情景查询和围栏接口，比如当前在什么地方，天气怎么样等，同时可以提供环境触发能力，比如如果气温高于43度，可以触发应用的回调。Google Now更是下一代基于情景的搜索引擎，或者更贴切的称呼是智能个人助理。 功能都很不错，但是很可惜，安卓所有的感知API都依赖于Google Play，而Google Play在中国无法使用，所以中国的安卓手机还无法享受到这些情景感知的基础能力。对于苹果来说，提供的状态检测接口也不太好用，因为所有的调用系统都会提示用户说有应用想要访问健身数据，并询问“是否同意”，这一步会导致不少的转化失败。所以现在有些公司也在发展自己的情景感知能力。
有了这些传感器数据，同时也有了相应的处理传感器数据的框架，更多的情景感知相关的创新得以出现。 金融领域利用数据比较多，主要在反欺诈。比如说P2P，现在用户正在申请一个P2P的贷款，如果这时发现手机里面装了很多款P2P应用，更进一步发现用户经常使用P2P的软件，是不是可能有欺诈的风险，毕竟单个人不可能有这么多贷款需求。另外在填表的时候，填的地址是北京，但是发现长期住的城市是上海，是不是又是一种欺诈的信号？还有填错了的情景，比如名字经常填了又改，不断出错，电话号码也是不断出错，是不是欺诈的信号，因为用户对填写的内容不熟悉。还有，正常输入一个地址大概是4秒以上，如果一秒之内把地址填上去了，更像是拷贝粘贴甚至直接API调用模拟，这是不是一种欺诈的信号？ 保险领域更多的是UBI，是基于硬件或者软件的方式实现定制化的保险。比如基于手机传感器的数据，判断是不是有急刹车、急拐弯、超速、快速变道等比较危险的驾驶行为，还有的软件可以通过眨眼睛的规律来判断司机是不是疲劳驾驶。通过这些行为，可以对司机的驾驶习惯作出判断，比如是否是一个性格急躁的司机，他是不是需要付出更高的保费？ 出行领域，比如滴滴，他们有一个需要解决的问题。原来他们做车辆调度基于静态信息，当前你在这儿，周围有多少车，这些数据都是静态的，调度算法是基于这样的静态信息进行计算的，如果当前周围没有车，就一点办法都没有。但是如果能够预判用户的用车行为，比如工人体育馆今天晚上有一场演唱会，很多人去，八点结束，七点来钟是不是可以调度更多的车去那周围等候？所以对滴滴来说，如何利用情景这是一个新的挑战。还有就是停车位，国外有一家公司在做停车位分享应用，通过情景感知识别车主是停车还是离开，根据大量共享的这两种情景的数据，就可以判断这个地方能够容纳多少车，当前还剩多少停车位，同时建议在什么地方停车。 O2O领域，就是比较常见的精准推送。比如之前提到的上下班的情景，在上班的时候，是不是可以推荐一杯星巴克的咖啡券，喝了提神？下班的时候，是不是可以推荐一束鲜花券，送给家人？旅游的人，在接近饭点的时候是不是可以推荐周边美食？ 娱乐领域，比如游戏，在运动的时候使用手机玩动作类游戏算是一个挑战，经常误操作，如果发现用户不是在静止的状态，是不是可以把游戏操控的灵敏度调节一下，或者扩大按键的响应区域，以提升操控准确性？又比如音乐播放类应用，跑步的时候、睡觉之前、看书的时候推荐的音乐是不是可以不一样，以匹配不同的心情？ 还有其他的各种应用，都存在对情景的感知需求，很多应用也都在做类似的尝试，尤其是对于工具类的应用，理解情景更是一个迫切的需求。以前我在360负责清理大师，最开始大家都是堆砌功能，谁做的功能多用户就觉得谁更厉害，就用谁。后来用户对手机和应用更加熟悉了，目标更加聚焦，单纯的功能堆砌的玩法就很难了，这时候就要做单点突破，找到核心功能，做的更深一些，就需要数据的支持——以前是一股脑都给清掉，或者都不清让用户自己决定，后来可以基于数据来建立规则帮助用户决定哪些应该清哪些应该保留，用户体验于是提升了一大截。但是依然有问题，这种规则驱动的办法是静态的，不同用户情景不同，清理需求也不同，比如开车的时候导航应用最重要，健身的时候记步应用最重要，但是在工作的情景下这两种应用都应该清理，因为相对来说比较耗电。如果能感知用户的情景，并对应提供匹配的清理方案，无疑会有更好的体验。
最后，我们看看TalkingData的情景感知能力。我们一直在帮助客户采集、加工和分析数据，我们在情景方面做了各种各样的探索，我们有各种传感器的数据输入，然后多方数据汇聚在一起，通过我们的模型来计算结果。我们现在后台有几十个模型，有几百个任务在运行，模型和模型之间会有交叉验证。最后得到什么东西呢？第一个就是人群标签，我们现在有10大类，800多个人群标签，包括手机环境、地理位置等通用标签，也包括领域相关的标签，比如金融、游戏、地产等。人群标签回答的是“什么人”的问题，这是相对静态的一个数据，衰退周期比较长。 下一个是环境属性，解决的是“在什么时候”的问题。我们覆盖全国80个城市4200万POI数据，可以识别手机在什么地方，比如是在星巴克还是在麦当劳。当然，这些数据都是脱敏的，无法对应到个人。另外，也包含天气、温度、光感等信息，描述周围的环境。最后是行为识别，主要是判断静止、走路、跑步、驾驶等状态。这是通过专门的情景感知SDK中实现，通过多种算法投票来判断，包括SVM、决策树等，这里存在一定的门槛，需要大量的样本训练数据是一方面，还需要解决用户把手机放在衣服口袋、拿在手里、放在背包中等不同的场景识别的问题。 感知用户的情景只是开始，你需要基于情景去触发行动，以产生真正的效果。触发方式可以是位置、动作、时间、环境属性等，行动也可以有很多种，比如推送是最常见的一种。行动会产生新的数据，分析这些数据有助于加强对用户情景的识别，于是形成数据的闭环。 情景感知范围很广，TalkingData目前也是在不断探索中，欢迎大家来交流。我们也希望用我们的数据、技术和经验去帮大家去理解场景，去利用情景，实现高效率的运营。 谢谢大家！ |
