Skip to main content

Home/ 互联网之'我的阅读'/ Group items tagged 数据分析

Rss Feed Group items tagged

ocean wu

投资回报率(ROI)分析五步走 - 0 views

  • 如果你打算投资某个项目或采购某种设备,在做决定之前,好好地做一下ROI分析是很有必要的。但是,很少有人真正懂得如何使用这个工具,或者是到哪儿去找“正确”的数据。ROI分析能给我们带来许多好处,可惜其中有不少是无法用钱来衡量的。而且,要达到公司定下的回报率通常很难。
  • 最重要的就是准确计算企业的收益
  • ROI分析的目的就是要把分析出来的投资回报结果作为投资决策过程中的一个主要考虑因素,而不是在已经做出决策后,才用它来为这个“既成事实”做辩护。
  • ...44 more annotations...
  • 需要寻找那些一旦企业能抓住或解决,就可以获得巨额利润的机会和问题;把解决方案放到它们能够在其中获得最佳效益的领域去做评估;找到正确的解决方案之后,尽量简化需要做的调整。
  • ROI分析结果看成是确定投资机会的流程的一部分
  • 必须把真实的成本输入到ROI分析中,并且只考虑那些有可能获得的收益。不要妄想通过降低成本或修改收益数据来让方案变得可行。
  • 输入数据:确保精确可信
  • 通常,你要确保ROI模型的详细程度足以应付某些问题,比如有关成本的数据是怎么拿到的,还有收益是怎么计算的。
  • 先确定最重要的衡量标准,然后再启动试点项目,而在项目实施过程中所搜集的数据则是它的“副产品”。
  • ROI分析的精确度完全取决于用于分析的数据。
  • 这些收益就是方案真正的价值所在,而它们的精确度决定了ROI分析结果的可信度。
  • 在估算成本的时候,尽量从各个方面来考虑可能发生的成本:实施和运作该方案所需要耗费的成本,以及由可能产生的“副作用”所造成的成本
  • 只要有可能,尽量使用实际数据,避免那些估算或假设的数据。例如,在计算一个测试解决方案的价值时,你应该使用本公司的有关软件缺陷率的历史数据,而不要用行业平均缺陷率。不
  • 当有需要为ROI分析做一些假设时,不同的假设基础将会使结果的可信度大不相同。不要“代表”别人做假设。让那些实际负责的人来提供数据。
  • 如果这个分析是其他公司拿出来的,人们总会觉得他们肯定在其中做了手脚,把数据调得让人满意,这样才好卖他们的产品或服务。而如果这个分析是公司内部做的,那它也只不过是用来证明分析者事先已经得出的结论而已。每个人都有一套方法来保证自己不喜欢的项目通不过回报测试,而他们喜欢的项目似乎都能给企业带来巨大的生产力回报。
  • 另一个真实数据的优质来源是试点项目
  • 分析收益:从全局出发
  • 对于ROI分析的应用,最大的不满是寻找和量化收益的难度。
  • 比如提升士气和提高顾客满意度,听起来很不错,但是在绝大多数情况下都很难用财务术语对其进行量化。
  • 举例来说,假设某家企业有10名销售代表,平均每人的薪水、佣金和费用是每年10万美元,那么总共每年在这些人身上就需要花去100万美元。每位销售代表都能带来100万美元的营业收入,那么年总收入就是1,000万美元(企业总收益)。或者说,减去付给销售人员的费用之后,企业的经营收入有900万美元(净利润)。如果我们需要一种“神奇的”销售工具来帮助提高10%的收益,有两条路可以选:通过改进来降低成本(少投入多收益)或在原有的基础上通过提升销售能力来增加销售收入。如果我们把销售代表减少到9个人,那就能每年节省10万美元,而销售收入保持1,000万美元不变,这样,净利润就增加到910万美元。    相反,我们也可以仍旧保留10名销售代表,运用增加的销售能力来有效地创造出一个新的“虚拟的”销售代表。如果选择这种做法,薪水支出保持100万美元不变,但是我们能够把销售收入提升到每年1,100万美元,这样我们企业的净利润就达到了1,000万美元。很明显,对企业来说,第二种做法要比第一种更好。
  • 从总体去分析收益而不是单纯追求降低成本对企业的重要性。
  • 有六大领域可供企业从中找出可量化的收益,它们是:增加销售额(增加收入)、提高生产力(增加收入,降低成本)、降低运营成本(降低成本)、提高顾客满意度(增加收入,有可能降低成本)、提高安全性(降低成本)和增强竞争力(增加收入)。
  • 为了评估哪些收益对你的ROI分析有帮助,你需要考虑它们的下列特点。
  •  ·实质:这种收益是不是有形的,能否量化?例如,收入增加10%就是一种有形的收益。相反,提高员工的满意度虽然可能从长期来讲对企业有利,但它是无形的,因为它难以衡量,更难以和金钱挂钩。    ·潜力:如果能够完全实现这一收益,它能有多大呢?在前面的例子当中,企业有可能节省下来的成本是10万美元,而有可能增加的收入则是100万美元。    ·确定性:企业得到这一收益的可能性有多大呢?如果原有的电话服务的成本是每年20万美元,而另一种同样的服务不但成本只是前者的一半,还保证极有可能赚到10万美元的收入,那当然是选择后者取代前者。通过提高10%的销售能力,应该能使总收入增加10%,但是这个结果是没有任何保障的,因此这类收益的确定性也就被降低了。    ·受益人:谁真正受惠于这些收益?是项目的发起人?还是公司的顾客?不同的受益人对于收益的看法都非常不一样。
  • 运用表格:直观显示信息
  • 不要幻想做出一个无论任何投资机会都能套用的简单的“填数”模板,你要知道每一种情况都不一样,但有很多通用的应用软件能为你节省不少时间。
  • 一般来说成本和收益的计算期都在3到5年左右。
  • 下面所列的内容已经可以满足大部分的需要。
  •  ·损益表:在该表中,收益代表财务收入,成本代表费用,最后得出盈利或亏损的额度。资本支出都是要进行折旧的。    ·现金流量表:格式与利润表相似,在该表中,现金流出(不包括折旧费用)代表费用,以此来说明投资项目对企业现金状况的影响。它还是后面三种计算的基础。    ·投资回收期:计算在收回初始投资之前总共所需要的时间。许多公司都会给投资项目设定初始投资回收的最长期限,并把它当作一个因素来考虑。    ·净现值:用贴现率计算的投资价值。它假定今天的1美元的价值比明天的1美元的价值更高。净现值常用来比较投资的长期影响。    ·ROI:计算投资的回报率。常用来比较某个被提议的项目或购买方案和其他投资选择的优劣。
  • “推销”结果:用幻灯片演示
  • 撰写一份证明报告来介绍该项投资,并展望该方案付诸实施后将会带来的美妙前景,以及保证该方案将使尽可能多的与项目有关的人员获益,无论这些利益是有形的还是无形的。
  •  “推销”一个正面的ROI分析结果的最好方法,就是围绕该项投资及其收益编一个“故事”。
  • 通过视觉效果和演示等来说明方案实施后将会产生的效果,特别是该方案是如何为相关人员带来特定利益的。
  • 如果某方案能够简化销售管理人员的工作,就简短地演示一下它是如何实现这一点的。
  • 通过这种方法,可以把每一种成本或收益分析都与方案中的有形部分联系到一起。
  • 最后,把ROI分析作为你在“故事”中所推荐的那个方案的财务证明提出来。在演示结束时提出推荐方案和接下来的工作步骤。
  • 建议在做ROI分析演示时,把Excel的电子表格也加入到演讲的幻灯片中去。当假设受到质疑或发生变化时,你可以很方便地“顺手”调整一下,就能够向听众演示不同假设对计算结果的影响。
  • 可以考虑把现金流工作表作为展示项目财务内容的第一份电子表格。现金流工作表的长处在于,它能比照预期的收益,反映出真实的现金影响(真正的投资金额)。让听众在看到成本的同时也看到巨大的收益,和单纯地给他们讲成本相比,项目遭到反对的可能性会小一些。
  • 通常,反对的原因与下列因素有关:数据的可信度(“培训成本的数据是谁给你的?”)、对收益的怀疑(“你是怎么算出生产力能提高10%的?”)和对分析的全面性的质疑(“你有没有考虑过把销售人员送去培训,会给销售能力造成什么影响?”)。
  • 验证结果:必不可少的一步
  • 这一步的目的是要证明ROI的成本假设是有效、准确、全面的,同时还要确定预期收益是否能够真正实现。
  • 最理想的ROI分析建立在一系列客观的衡量标准和假设的基础之上,而这些标准和假设必须在项目实施之后,还能够被追溯和评估。
  • 它提供了一个学习和继续改进ROI流程的机会。
  • 它能够发现一些以前没有预见到的成本和收益,这些数据的搜集有助于人们对以后的成本或收益做调整。它还能够帮助人们了解产生误差数据的原因,避免以后再犯同样的错误。
  • 其次,验证ROI结果有助于改进整体的ROI流程,因为它能够帮助确定和纠正问题。
  • 例如,如果没有达到预期收益,是不是在方案的实施上出问题了呢?
  • 最后,它还能提高你的ROI分析方法的可信度。
  •  
    投资回报率应考虑哪些问题,要点是什么,实施的案例。
ocean wu

当大数据遭遇深不可测的人性 - 0 views

  • Target建立了一个非常规范的大数据管理系统,它拥有一个数据分析团队,在查看准妈妈们的消费记录之后,找出了20多种关联物,通过这些关联物对顾客进行“怀孕趋势”预测,并寄送相应的优惠券,为消费推波助澜。只要有可能,Target的大数据系统会给每一个顾客编一个ID号。你刷信用卡、使用优惠券、填写调查问卷、邮寄退货单、打客服电话、开启广告邮件、访问官网,所有这一切行为都会记录进你的ID号。而且这个ID号还会对号入座的记录下你的人口统计信息:年龄、是否已婚、是否有子女、所住市区、住址离Target的车程、薪水情况、最近是否搬过家、钱包里的信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买你的其他信息:种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。
  • 线上实时优化渠道
  • 因此在传统营销时代,品牌经理经常都会质疑他们的代理商的一个问题是:“我知道我的广告费有一半是浪费掉的,问题是我不知道是哪一半”,从Target的故事来看,大数据可以非常精准地锁定甚至预测用户的下一个消费行为,这让在传统营销时代摸不清用户需求的品牌经理拥有了一个利器。
  • ...22 more annotations...
  • 通过什么渠道(in which channel)、对谁(to whom)、取得了什么效果(with what effect ),这三点在传统营销时代无法解决的问题,似乎可以迎刃而解,因为大数据营销的本质是影响目标消费者购物前的心理路径,它主要应用在三个方面:1、大数据渠道优化,2、精准营销信息推送,3、线上与线下营销的连接。在大数据营销应用的影响下,营销环节中最难解决的一个问题——如何精准地预测目标用户的需求并提供解决方案,这也是大数据营销所存在的价值
  • 一、to whom?——大数据能精准锁定目标人群。
  • 借助大数据技术,营销者可以无限的接近、近乎准确的判断每一个人的属性。一些企业通过收集海量的消费者信息,然后利用大数据建模技术,按消费者属性(如所在地区、性别)和兴趣、购买行为等维度,挖掘目标消费者,然后进行标签层的分类,再根据这些对个体消费者进行营销信息推送
  • 1,属性标签层
  • 2,行为标签层
  • 3,目标人群层
  • 二、in which channel?——大数据能实时优化传播渠道。对于公开的媒体资源,为了覆盖尽可能多的受众,创造与受众的接触机会,广告主往往需要跨媒介传播。但是预算如何分配呢?大数据此时是最佳决策参考,基于海量用户数据,在营销渠道的投放比例分配上进行调整,获得最优的投放组合。
  • 大数据可以通过抓取微博、人人网以及各种论坛的数据,获取到消费者对品牌对产品的即时的看法和态度
  • 线下实时获取反馈
  • 线上线下协同实现效果闭环
  • 三、with what effect?——大数据能实时反馈效果,大数据是一种实时分析引擎。根据投放过程中的实际数据、如受众行为、流量构成及其他实时投放数据,找到广告目标受众最集中的时间点,找出受众反应最好的创意版本,确定竞品深度用户,挖掘新进潜在消费者等,对广告进行及时的判断和调整,而以上的过程是动态的、实时的。
  • “大数据”营销者近乎实时的各种传播效果反馈数据,信息详尽,并具有跟踪性
  • “说什么(say what)”,恰恰就是大数据营销不能解决的最后一个难题。因为“说什么(say what)”是取决于对消费者真实需求的洞察,而这种洞察是源自于对消费者人性的探测,这不是机器和程序在现阶段所能取代人力的经验的。
  • 能实现5W传播模式大数据营销闭环的行业是电商行业,因为像电商这类广告主将其大部分数字媒介预算通过程序化购买,是完全合理的。因为这类公司主要投放效果广告,关注消费者看了广告后的转化率,即是否会立刻在线购买。程序化购买可以获得更便宜的广告位,通过优化算法达到更多的目标人群。  然而对于以产品、服务等核心的品牌而言,大数据营销并不能帮助他们解决品牌建立的问题
  • 对于非电商类产品而言
  • 它们最重要的工作除了销售之外,就是持之以恒地建立并保持与消费者之间有意义的关系,这种关系就是我们所熟知的“品牌的建立和维持”,它正是源自于对人性最深层次的洞察,而非其他冷冰冰的数据分析和程序筛选。
  • 拉斯韦尔模式是广告传播模式的最基本模式,它是1948年由美国政治学家、心理学家哈罗德·D·拉斯韦尔提出的一种具有代表性的线性模式,又简称“5W模式”,广告信息传播过程包含的五大要素是:谁(who)、说什么(say what)、通过什么渠道(in which channel)、对谁(to whom)、取得了什么效果(with what effect )。
  • 而潜藏在消费者潜意识里他们说不出来却又驱动他行为的因素,就是消费者洞察,这是品牌跟消费者建立“有意义”关系所不可或缺的一个环节,大数据无法取代人力进行。绝大多数消费者洞察不是来自于量化的研究数据和书面的研究报告,而是来自于与消费者的直接、深度接触中,比如街头暗访、消费行为的观察、与目标人群的谈话等等更接地气、更原始的方法,而非一串串冷冰冰的数码符号、人群标签所能替代的。
  • 大数据营销并不能取代基于人性的消费者洞察,但是可以改变广告公司过往几个星期做一个创意的工作的节奏,大数据基于实时的数据挖掘技术推动广告公司创造与热点相关的内容,传播公司可以根据表现不断更换创意。
  • 根据消费者在社交媒体上的热点话题创作出一个新创意,而确定延展哪个话题的创意,则是由从渺如烟海的社交大数据中挖掘出来最热门的话题。
  • 为了建立忠诚持久的良好消费者关系,广告主必须回归到传播的本质,即旨在创作有价值的、创新的品牌信息,这也是移动互联网传播中被人所津津乐道的“内容营销”,内容的创造也就是5W传播中最重要的say what
  • 大数据营销大潮中,广告公司必须学会如何地合理使用大数据这个非常好用的工具去触达目标人群,并通过智能化的方式把这些信息传递给用户,以深化同消费者的情感关系。
ocean wu

查询网站流量的四个途径 - 0 views

  • 什么时候会用到网站流量查询 1、互联网从业者进行竞争对手分析 比如,要分析一下日本搜索引擎行业的发展情况,我们可以通过流量查询工具看看日本有些搜索引擎流量比较大,然后有重点地对这些搜索引擎展开进一步的比较分析。 2、广告主选择投放广告的目标网站 比如,想挑选一批外贸相关网站做一个外贸管理软件的推广,我们可以通过流量查询工具帮助我们筛选出流量比较客观地目标网站,然后通过一些广告平台进行投放广告或者直接跟这些网站洽谈合作事宜。
  • 查询网站流量有哪些途径 目前来说,主要有以下四个途径的数据可供参考: 1、Alexa   Alexa(http://www.alexa.com)是目前国内使用最广泛的流量查询工具,提供的流量数据主要有: 到达率(Reach) 流量排名 人均PV 流量地区分布 流量子域名分布 因为Alexa在业内的接受程度比较高,所以国内涌现出了许许多多的Alexa作弊现象,因而也导致Alexa的数据可靠性开始受到质疑,但是在缺乏更好的第三方数据的时候,我们有时还真不得不拿Alexa的数据来做论据。 国内直接访问Alexa查询网站流量速度往往比较慢,所以我一般使用Chinaz的Alexa镜像数据(http://alexa.chinaz.com/)查询网站流量,另外,此镜像提供比Alexa官方更为丰富和清晰的数据(可以直接看到日均UV和UV),这也是我偏爱它胜过Alexa官方的原因之一。类似的镜像还有:alexa.webmasterhome.cn,www.123cha.com/alexa/等等。 2、Google Trends for Websites 和 Google Ad Planner Google Trends for Websites(http://trends.google.com/websites)目前的功能比较简单,提供的流量数据主要有: 日均UV 流量地区分布 该网站的访客喜欢访问的其他网站 该网站的访客喜欢搜哪些关键词 另外,Google专门为广告主们推出的媒体计划工具Google Ad Planner(https://www.google.com/adplanner/)在Google Trends for Websites的基础上提供了更为丰富的数据,包括: 各国流量数据,包括UV、Reach、PV等等,详见下图。 访客统计特征,包括性别、年龄、教育程度、家庭收入等等(目前只有美国有数据)。 总的来说,Google Trends for Websites和Google Ad Planner目前提供的数据还是比较有限,但是考虑到Google拥有更为广泛的数据来源和更为强大数据整合能力,我认为Google的流量数据相对饱受作弊干扰的Alexa数据要更加靠谱(参见可能吧对Google和Alexa的流量查询结果的对比分析)。 3、Quantcast Quantcast(http://www.quantcast.com/)提供的数据主要包括: 日均UV 访客频率分布,分为成瘾者、一般访客、匆匆过客三类,给出分别的比重 访客统计特征,包括性别、年龄、地理分布、孩子访客比例、教育程度、家庭收入 总的来说,Quantcast提供的流量数据比较丰富,同时界面也比较美观,但是目前只有美国的数据,对国内用户来说,不具有太大的参考价值。 4、Compete Compete(http://www.compete.com/)提供的数据也比较丰富,基本上之前提到的网站的流量数据该网站也都会提供,但是跟Quantcast一样,Compete目前的数据仅限于美国,所以对国内用户来说,也只是在查询网站流量时多了一个选择而已,不一定有很大的参考价值。
  • 上述这些第三方途径提供的数据类别虽然大同小异,但是具体数值可能会因为这些第三方掌握的数据和技术不同而出入较大,所以无论何时都应该记住这些数据都只是“一家之言”,具体分析时只能仅供参考。
ocean wu

对社会图Brad的思想 - 0 views

  • 人们越来越讨厌现场登记和重新申报的每个朋友。 ,而且: 开展“社会应用”的工作太多了 。
  • 目标: ¶ 最终使社会图一个社会的资产 ,利用不同地点的数据,从所有的,但不依赖于任何公司或业主组织“这个”中央图。 ¶ 建立一个非盈利性和开放源码软件 (与利润版权持有的非),收集,合并,并重新分配图的图表汇总成一个由全球所有其他社会网络网站。 background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-width: 0px; border-left-width: 0px; border-style: initial; border-color: initial; font-size: 1
  • 非目标: ¶ 我们的目标是 不 更换注册。 事实上,大多数注册Facebook!人,我已经谈过恋爱,只是想多一点资料他们已经公开更方便,并希望减轻对任何单一的数据网站所有者的恐惧/平台锁定。 与Facebook的早期谈判有关项目参与对此一直非常看好。 ¶ background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px; border-right-width: 0px; border-bottom-wi
  • ...2 more annotations...
  • 假设: ¶ 社会图包含一个边缘节点结合公共,私人节点,公共边和私人的。 重点是只对公共数据现在,因为这是你可以在网上自由地喷到其他各方。 虽然数据集中在公共不能解决100%的问题,它解决,也就是说,10%的复杂性在90%的问题。 私人数据可以补充后,也许在一个更高的层次。 现在,唯一的公共数据。 ¶ 此外,重点主要放在朋友的数据,看不到数据,如照片( <font
  • 发展现状: ¶ 截至2007年8月16日,一对上述地段已原型: 得到的数据,5大社会网络,他们在图形建模 上述工作原型的API实现(很多性能优化,缓存和并行的余地,但要得到正确的第一次) 能够找到我所有的失踪LiveJournal和Vox的朋友,根据我在其他地方的关系。 启动一个Firefox插件工作与MySpace background-image: initial; background-attachment: initial; background-origin: initial; background-clip: initial; background-color: transparent; border-top-width: 0px;
ocean wu

旅游信息化从业者职场笔记 » 国际机票产品设计需要关注哪些方面? - 0 views

  • 数据来源 通过GDS还是航空公司开放API获取航空公司数据? 可选的GDS有哪些? 通过GDS获取单程、往返程数据需要几步?处理的细节是怎样的? 使用什么规则匹配航班?怎样获取票价、税费等信息? 100,000个用户通过GDS查询平均需要花费多长时间? 除API外,可否通过爬虫从OTA处获取数据? 定义统一的API还是使用OTA自定义的API? 航空公司提供的API与OTA提供的API有哪些区别? 数据存储 使用文件、数据库还是其他方式存储数据? 是否需要独立存储起飞、到达时间、机场、飞行时间等固定数据? 数据存储的结构和格式是怎样的? 数据获取 由用户驱动还是设定高级的数据获取计划? 数据获取计划是如何设计的? 如果是用户驱动,如何保证获取到实时的数据? 如何使用缓冲?使用文件、数据库还是内存?失效策略怎么设置?是否需要为不同的航空公司或OTA设定单独的缓冲时间?按照航线还是销售季节设置缓冲? 数据搜索 处理用户搜索的后台程序是什么? 搜索引擎的结构和层级如何设置? 搜索引擎是否对数据存储的方法有特殊的设计? 竞争情况 竞争对手有哪些? 他们的专长是什么?区别于他们的核心竞争力又是什么? 用户需求 处理国外用户机票搜索最核心的需求是什么? 如何通过产品流程的设计来满足此类需求? 怎样的展现方式最能获得用户的青睐? 效果评估 产品设计评估的标准是什么? 怎样的产品才算是成功的产品?
  •  
    数据来源、数据存储、数据获取、数据搜索、竞争情况、用户需求、以及效果评估等基础信息是奠定国际机票产品设计的重中之重!
ocean wu

一些重要的算法 - 0 views

  • 下面是一些比较重要的算法,原文罗列了32个,但我觉得有很多是数论里的,和计算机的不相干,所以没有选取。下面的这些,有的我们经常在用,有的基本不用。有的很常见,有的很偏。不过了解一下也是好事。也欢迎你留下你觉得有意义的算法。(注:本篇文章并非翻译,其中的算法描述大部份摘自Wikipedia,因为维基百科描述的很专业了)
  • A*搜寻算法俗称A星算法。这是一种在图形平面上,有多个节点的路径,求出最低通过成本的算法。常用于游戏中的NPC的移动计算,或线上游戏的BOT的移动计算上。该算法像Dijkstra算法一样,可以找到一条最短路径;也像BFS一样,进行启发式的搜索。 Beam Search束搜索(beam search)方法是解决优化问题的一种启发式方法,它是在分枝定界方法基础上发展起来的,它使用启发式方法估计k个最好的路径,仅从这k个路径出发向下搜索,即每一层只有满意的结点会被保留,其它的结点则被永久抛弃,从而比分枝定界法能大大节省运行时间。束搜索于20 世纪70年代中期首先被应用于人工智能领域,1976 年Lowerre在其称为HARPY的语音识别系统中第一次使用了束搜索方法,他的目标是并行地搜索几个潜在的最优决策路径以减少回溯,并快速地获得一个解。 二分取中查找算法一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始,如果中间元素正好是要查找的元素,则搜素过程结束;如果某一特定元素大于或者小于中间元素,则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较。这种搜索算法每一次比较都使搜索范围缩小一半。 Branch and bound分支定界(branch and bound)算法是一种在问题的解空间树上搜索问题的解的方法。但与回溯算法不同,分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树,并且,在分支定界算法中,每一个活结点只有一次机会成为扩展结点。 数据压缩数据压缩是通过减少计算机中所存储数据或者通信传播中数据的冗余度,达到增大数据密度,最终使数据的存储空间减少的技术。数据压缩在文件存储和分布式系统领域有着十分广泛的应用。数据压缩也代表着尺寸媒介容量的增大和网络带宽的扩展。 Diffie–Hellman密钥协商Diffie–Hellman key exchange,简称“D–H”,是一种安全协议。它可以让双方在完全没有对方任何预先信息的条件下通过不安全信道建立起一个密钥。这个密钥可以在后续的通讯中作为对称密钥来加密通讯内容。 Dijkstra’s 算法迪科斯彻算法(Dijkstra)是由荷兰计算机科学家艾兹格·迪科斯彻(Edsger Wybe Dijkstra)发明的。算法解决的是有向图中单个源点到其他顶点的最短路径问题。举例来说,如果图中的顶点表示城市,而边上的权重表示著城市间开车行经的距离,迪科斯彻算法可以用来找到两个城市之间的最短路径。 动态规划动态规划是一种在数学和计算机科学中使用的,用于求解包含重叠子问题的最优化问题的方法。其基本思想是,将原问题分解为相似的子问题,在求解的过程中通过子问题的解求出原问题的解。动态规划的思想是多种算法的基础,被广泛应用于计算机科学和工程领域。比较著名的应用实例有:求解最短路径问题,背包问题,项目管理,网络流优化等。这里也有一篇文章说得比较详细。 欧几里得算法在数学中,辗转相除法,又称欧几里得算法,是求最大公约数的算法。辗转相除法首次出现于欧几里得的《几何原本》(第VII卷,命题i和ii)中,而在中国则可以追溯至东汉出现的《九章算术》。 最大期望(EM)算法在统计计算中,最大期望(EM)算法是在概率(probabilistic)模型中寻找参数最大似然估计的算法,其中概率模型依赖于无法观测的隐藏变量(Latent Variable)。最大期望经常用在机器学习和计算机视觉的数据聚类(Data Clustering)领域。最大期望算法经过两个步骤交替进行计算,第一步是计算期望(E),利用对隐藏变量的现有估计值,计算其最大似然估计值;第二步是最大化(M),最大化在 E 步上求得的最大似然值来计算参数的值。M 步上找到的参数估计值被用于下一个 E 步计算中,这个过程不断交替进行。
  • 快速傅里叶变换(FFT)快速傅里叶变换(Fast Fourier Transform,FFT),是离散傅里叶变换的快速算法,也可用于计算离散傅里叶变换的逆变换。快速傅里叶变换有广泛的应用,如数字信号处理、计算大整数乘法、求解偏微分方程等等。本条目只描述各种快速算法,对于离散傅里叶变换的性质和应用,请参见离散傅里叶变换。 哈希函数HashFunction是一种从任何一种数据中创建小的数字“指纹”的方法。该函数将数据打乱混合,重新创建一个叫做散列值的指纹。散列值通常用来代表一个短的随机字母和数字组成的字符串。好的散列函数在输入域中很少出现散列冲突。在散列表和数据处理中,不抑制冲突来区别数据,会使得数据库记录更难找到。 堆排序Heapsort是指利用堆积树(堆)这种数据结构所设计的一种排序算法。堆积树是一个近似完全二叉树的结构,并同时满足堆积属性:即子结点的键值或索引总是小于(或者大于)它的父结点。 归并排序Merge sort是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。 RANSAC 算法RANSAC 是”RANdom SAmpleConsensus”的缩写。该算法是用于从一组观测数据中估计数学模型参数的迭代方法,由Fischler and Bolles在1981提出,它是一种非确定性算法,因为它只能以一定的概率得到合理的结果,随着迭代次数的增加,这种概率是增加的。该算法的基本假设是观测数据集中存在”inliers”(那些对模型参数估计起到支持作用的点)和”outliers”(不符合模型的点),并且这组观测数据受到噪声影响。RANSAC 假设给定一组”inliers”数据就能够得到最优的符合这组点的模型。 RSA加密演算法这是一个公钥加密算法,也是世界上第一个适合用来做签名的算法。今天的RSA已经专利失效,其被广泛地用于电子商务加密,大家都相信,只要密钥足够长,这个算法就会是安全的 并查集Union-find并查集是一种树型的数据结构,用于处理一些不相交集合(Disjoint Sets)的合并及查询问题。常常在使用中以森林来表示。 Viterbi algorithm寻找最可能的隐藏状态序列(Finding most probable sequence of hidden states)   附录 关于这个世界上的算法,你可以看看Wikipedia的这个网页:http://en.wikipedia.org/wiki/List_of_algorithms 关于排序算法,你可以看看本站的这几篇文章《一个显示排序过程的Python脚本》、《一个排序算法比较的网站》
ocean wu

常用的几种大数据架构剖析 - 0 views

  • BI系统来说,大概的架构图如下:
  • 大部分BI系统都基于关系型数据库,关系型数据库使用SQL语句进行操作,但是SQL在多维操作和分析的表示能力上相对较弱,所以Cube有自己独有的查询语言MDX,MDX表达式具有更强的多维表现能力,所以以Cube为核心的分析系统基本占据着数据统计分析的半壁江山,大多数的数据库服务厂商直接提供了BI套装软件服务,轻易便可搭建出一套Olap分析系统。
  • 从数据仓库升级到大数据架构,是不具备平滑演进的,基本等于推翻重做。大数据下的分布式存储强调数据的只读性质,所以类似于Hive,HDFS这些存储方式都不支持update,HDFS的write操作也不支持并行,这些特性导致其具有一定的局限性。
  • ...1 more annotation...
  • 基于大数据架构的数据分析平台侧重于从以下几个维度去解决传统数据仓库做数据分析面临的瓶颈:
ocean wu

国务院关于印发新一代人工智能发展规划的通知(国发〔2017〕35号)_政府信息公开专栏 - 0 views

  • 人工智能加速发展,呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点,
  • 芯片化硬件化平台化趋势更加明显,人工智能发展进入新阶段。
  • 正在引发链式突破,推动经济社会各领域从数字化、网络化向智能化加速跃升。
  • ...92 more annotations...
  • 工智能技术可准确感知、预测、预警基础设施和社会安全运行的重大态势,及时把握群体认知及心理变化,主动决策反应,将显著提高社会治理的能力和水平,对有效维护社会稳定具有不可替代的作用。
  • 在大力发展人工智能的同时,必须高度重视可能带来的安全风险挑战,加强前瞻预防与约束引导,最大限度降低风险,确保人工智能安全、可靠、可控发展。
  • 国家部署了智能制造等国家重点研发计划重点专项,印发实施了“互联网+”人工智能三年行动实施方案
  • 语音识别、视觉识别技术世界领先
  • 按照“五位一体”总体布局和“四个全面”战略布局
  • 加快人工智能与经济、社会、国防深度融合为主线
  • 突出企业在技术路线选择和行业产品标准制定中的主体作用
  • 跨媒体感知计算理论重点突破低成本低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知、多媒体自主学习等理论方法
  • 大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论和核心技术实现重要进展,人工智能模型方法、核心器件、高端设备和基础软件等方面取得标志性成果。
  • 初步建成人工智能技术标准、服务体系和产业生态链
  • 第二步,到2025年人工智能基础理论实现重大突破
  • 第三步,到2030年人工智能理论、技术与应用总体达到世界领先水平
  • 形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群
  • 坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进。
  • 1.建立新一代人工智能基础理论体系。
  • 加强大数据智能、跨媒体感知计算、人机混合智能、群体智能、自主协同与决策等基础理论研究。大数据智能理论重点突破无监督学习、综合深度推理等难点问题,建立数据驱动、以自然语言理解为核心的认知计算模型
  • 第一步,到2020年人工智能总体技术和应用与世界先进水平同步,人工智能产业成为新的重要经济增长点
  • 混合增强智能理论重点突破人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论
  • 群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法,建立可表达、可计算的群智激励算法和模型
  • 自主协同控制与优化决策理论重点突破面向自主无人系统的协同感知与交互、自主协同控制与优化决策、知识驱动的人机物三元协同与互操作等理论
  • 高级机器学习理论重点突破自适应学习、自主学习等理论方法
  • 类脑智能计算理论重点突破类脑的信息编码、处理、记忆、学习与推理理论,形成类脑复杂系统及类脑控制等理论与方法
  • 量子智能计算理论重点突破量子加速的机器学习方法,建立高性能计算与量子算法混合模型
  • 新一代人工智能关键共性技术的研发部署要以算法为核心,以数据和硬件为基础,以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点,
  • 知识计算引擎与知识服务技术。重点突破知识加工、深度搜索和可视交互核心技术,实现对知识持续增量的自动获取,具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力
  • 跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术,实现跨媒体知识表征、分析、挖掘、推理、演化和利用,构建分析推理引擎。
  • 群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术,建立群智知识表示框架,实现基于群智感知的知识获取和开放动态环境下的群智融合与增强
  • 混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术
  • 数据和知识成为经济增长的第一要素,人机协同成为主流生产和服务方式,跨界融合成为重要经济模式,共创分享成为经济生态基本特征,个性化需求与定制成为消费新潮流
  • 虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术,提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性
  • 智能计算芯片与系统。重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术,研发具有自主学习能力的高效能类脑神经网络架构和硬件系统
  • 自然语言处理技术。重点突破自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术,推进人类与机器的有效沟通和自由交互,实现多风格多语言多领域的自然语言智能理解和自动生成。
  • 建设布局人工智能创新平台,强化对人工智能研发应用的基础支撑。
  • 人工智能范式的统一计算框架平台,形成促进人工智能软件、硬件和智能云之间相互协同的生态链。
  • 设立人工智能专业,推动人工智能领域一级学科建设,尽快在试点院校建立人工智能学院,增加人工智能相关学科方向的博士、硕士招生名额
  • 自主无人系统的智能技术。重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术,无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能技术,服务机器人、特种机器人等核心技术
  • 突破图形处理器等核心硬件,
  • 完善智能机器人硬件接口标准、软件接口协议标准以及安全使用标准
  • 加强车载感知、自动驾驶、车联网、物联网等技术集成和配套
  • 建立试验鉴定、测试、竞技等专业化服务体系,完善空域、水域管理措施。
  • 突破高性能软件建模、内容拍摄生成、增强现实与人机交互、集成环境与工具等关键技术,研制虚拟显示器件、光学器件、高性能真三维显示器、开发引擎等产品,建立虚拟现实与增强现实的技术、产品、服务标准和评价体系
  • 发展支撑新一代物联网的高灵敏度、高可靠性智能传感器件和芯片,攻克射频识别、近距离机器通信等物联网核心技术和低功耗处理器等关键器件。
  • 研发智能产品及智能互联产品、智能制造使能工具与系统、智能制造云服务平台,推广流程智能制造、离散智能制造、网络化协同制造、远程诊断与运维服务等新型制造模式,建立智能制造标准体系,推进制造全生命周期活动智能化。
  • 开展智能农场、智能化植物工厂、智能牧场、智能渔场、智能果园、农产品加工智能车间、农产品绿色智能供应链等集成应用示范。
  • 完善智能物流公共信息平台和指挥系统、产品质量认证及追溯系统、智能配货调度体系等。
  • 建立金融风险智能预警与防控系统。
  • 推动人工智能在教学、管理、资源建设等全流程应用。开发立体综合教学场、基于大数据智能的在线学习教育平台。开发智能教育助理,建立智能、快速、全面的教育分析系统。建立以学习者为中心的教育环境,提供精准推送的教育服务
  • 研发适应不同应用场景的家庭互联互通协议、接口标准,提升家电、耐用品等家居产品感知和联通能力。
  • 鼓励大型互联网企业建设云制造平台和服务平台,面向制造企业在线提供关键工业软件和模型库,开展制造能力外包服务,推动中小企业智能化发展。
  • 重点推广生产线重构与动态智能调度、生产装备智能物联与云化数据采集、多维人机物协同与互操作等技术
  • 支持人工智能企业加强专利布局,牵头或参与国际标准制定。
  • 推动国内优势企业、行业组织、科研机构、高校等联合组建中国人工智能产业技术创新联盟。
  • 鼓励地方围绕人工智能产业链和创新链,集聚高端要素、高端企业、高端人才,打造人工智能产业集群和创新高地。
  • 建设国家人工智能产业园。
  • 建设国家人工智能众创基地。
  • 推广基于人工智能的新型商务服务与决策系统。
  • 开发人机协同的手术机器人、智能诊疗助手,研发柔性可穿戴、生物兼容的生理监测系统,研发人机协同临床智能诊疗方案,实现智能影像识别、病理分型和智能多学科会诊
  • 开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发,推进医药监管智能化。加强流行病智能监测和防控。
  • 智能健康和养老。加强群体智能健康管理,突破健康大数据分析、物联网等关键技术,研发健康管理可穿戴设备和家庭智能健康检测监测设备,推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变。建设智能养老社区和机构,构建安全便捷的智能化养老基础设施体系。加强老年人产品智能化和智能产品适老化,开发视听辅助设备、物理辅助设备等智能家居养老设备,拓展老年人活动空间。开发面向老年人的移动社交和服务平台、情感陪护助手,提升老年人生活质量。
  • 研制面向开放环境的决策引擎,在复杂社会问题研判、政策评估、风险预警、应急处置等重大战略决策方面推广应用。加强政务信息资源整合和公共需求精准预测
  • 促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用
  • 实现对城市基础设施和城市绿地、湿地等重要生态要素的全面感知以及对城市复杂系统运行的深度认知
  • 促进社区服务系统与居民智能家庭系统协同
  • 实现智能化交通疏导和综合运行协调指挥,建成覆盖地面、轨道、低空和海上的智能交通监控、管理和服务系统
  • 建立涵盖大气、水、土壤等环境领域的智能监控大数据平台体系
  • 研发资源能源消耗、环境污染物排放智能预测模型方法和预警方案
  • 国家重大战略区域环境保护和突发环境事件智能防控体系建设
  • 研发集成多种探测传感技术、视频图像信息分析识别技术、生物特征识别技术的智能安防与警用产品
  • 支持有条件的社区或城市开展基于人工智能的公共安防区域示范
  • 促进区块链技术与人工智能的融合,建立新型社会信用体系,最大限度降低人际交往成本和风险。
  • 促进人工智能技术军民双向转化
  • 研发布局第五代移动通信(5G)系统,完善物联网基础设施
  • 加强与国家科技重大专项的衔接,在“核高基”(核心电子器件、高端通用芯片、基础软件)、集成电路装备等国家科技重大专项中支持人工智能软硬件发展。加强与其他“科技创新2030—重大项目”的相互支撑
  • 深海空间站、健康保障等重大项目,以及智慧城市、智能农机装备等国家重点研发计划重点专项部署
  • 按照国家级科技创新基地布局和框架,统筹推进人工智能领域建设若干国际领先的创新基地。
  • 按规定程序,以企业为主体、产学研合作组建人工智能领域的相关技术和产业创新基地
  • 为有实力的人工智能企业开展海外并购、股权投资、创业投资和建立海外研发中心等提供便利和服务。鼓励国外人工智能企业、科研机构在华设立研发中心。
  • 加强人工智能相关法律、伦理和社会问题研究
  • 建立追溯和问责制度
  • 建立伦理道德多层次判断结构及人机协作的伦理框架
  • 落实对人工智能中小企业和初创企业的财税优惠政策,通过高新技术企业税收优惠和研发费用加计扣除等政策支持人工智能企业发展。
  • 建立人工智能公共专利池,促进人工智能新技术的利用与扩散。
  • 构建动态的人工智能研发应用评估评价机制
  • 开发系统性的测试方法和指标体系,建设跨领域的人工智能测试平台,推动人工智能安全认证
  • 建立适应智能经济和智能社会需要的终身学习和就业培训体系
  • 鼓励广大科技工作者投身人工智能的科普与推广
  • 鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广。
  • 面向公众开放人工智能研发平台、生产设施或展馆
  • 支持开展人工智能竞赛,鼓励进行形式多样的人工智能科普创作
  • 依托国家科技计划(专项、基金等)管理部际联席会议
  • 成立人工智能规划推进办公室,办公室设在科技部
  • 成立人工智能战略咨询委员会
ocean wu

2017,你不可不知的视频监控新趋势 - 电子工程专辑 - 0 views

  • IHS的数据显示,2016年全球专业安防摄像头的出货量超过一亿台,比2015年增长约14%。但相比2015年30%的增长率,增速放缓了不少。王玉君对此分析称,一方面,面对国内外市场的长期增速预期下行,各大视频监控厂家都在寻求多元化和差异化发展;另一方面,随着视频监控行业不断的技术革新和数据积累,从视频监控的上游芯片厂商,到视频智能分析算法的软件开发公司,再到视频监控设备厂商和下游的系统集成商都在围绕智能分析、物联网和大数据技术来布局安防行业,以求在产品日趋同质化的竞争中占领未来视频监控技术发展的高地:  从产品来看,虽然视频监控行业整体增速不如预期,但某些产品线会远高于市场的平均增速。2017年消费类视频监控产品、移动视频监控产品和视频监控企业级存储产品的销售额在全球范围都会保持15%以上的增长。  从服务来看,2017年全球视频云服务(VSaaS)的销售额会突破9亿美元(不包括安保远程监控服务),未来5年VSaaS销售额的平均年复合增长率将超过18%。  从技术来看,支持H.265技术的网络摄像机在2017年会有爆发式增长。视频智能分析会因为深度学习技术的应用又一次成为行业发展的热点。
  • 通过几年的市场培育,用户意识到视频智能分析确实可以为城市交通治理、公安刑侦和商业管理带来很大价值,因此市场对具备高性能的优秀的视频智能分析产品是充满期待的,深度学习技术在视频监控领域的应用也正是在这样的背景下开始蓄势待发。
  • 深度学习技术从长期来看会降低智能分析应用的成本,也会拓展带有智能分析功能的视频监控设备的应用外延。除了价格因素外,从短期来看深度学习技术在视频监控领域应用的最大挑战就是如何将那些优秀的算法根据实际的应用情景进行二次开发,实现真正的技术落地。
  • ...16 more annotations...
  • 使用视频分析实现目标和事件检测,无论是实时的还是后期的,将持续位于视频监控技术创新的前沿。
  • 视频监控产品一般使用运动检测来触发视频捕捉,这很容易出错。“从好几个小时的视频中寻找出某一个事件非常耗时。因为视频包含了大量的信息,如何分辨哪些是有价值的,哪些应该删掉,这给用户带来了挑战。
  • 把人工智能引入传统的视频监控领域,将取决于在摄像机、网络存储和后期处理之间分配的视频分析功能。
  • 视频分析作为一种服务,是一个微型的垂直市场,可以利用第三方专利分析功能获得增长。
  • 安防无人机往往用于紧急事件后的快速侦察,可以在区域入侵或自然灾害等事件发生后,快速飞入现场进行侦察。但由于其续航时间有限(一般在30分钟左右),无法进行长时间的巡逻监测。安防机器人的优势除了有更长的续航能力外(可以长达8小时),还可以安装多个摄像头和传感器,提供360度全景图像和各种环境数据,往往用于电力、能源、化工等厂区的巡逻作业。
  • 机器学习的应用正快速扩展到越来越多的终端市场,在边缘、在云端或者以混合的形态,将基于边缘的处理与基于云的数据分析结合在一起。
  • 众多的传统嵌入式视觉应用通过采用机器视觉和传感器融合技术后都在发生巨变,下一代应用包括协作机器人、具有感应和躲避功能的无人机、增强现实、自动驾驶汽车、自动化监视和医疗诊断等。
  • 系统通常具有三大使命: 系统不仅要会思考,而且还能对情境立即做出“响应”。这就要求一个从感应到处理、分析、决策、通信和控制整个流程中更一致的视图。同时还要高效实施、部署最新机器学习技术,满足8位及更深层面的精确性要求。 鉴于神经网络和相关算法的快速变化以及传感器的快速发展,必须实现灵活性,能通过软硬件的可重配置性升级系统。 由于许多新系统都连接到了一起(物联网),因此需要与传统的已有设备通信,要与未来推出的新设备通信,还要能够进行云端通信。
  • 根据IHS Markit 2016年发布的预测显示,2016年全球专业服务机器人(相对于工业制造机器人)和专业服务无人机的销售额分别为26亿美元和3亿美元,未来5年平均复合年增长率分别达到了38%和70%。
  • 相比传统的安防产品,安防无人机和安防机器人进入门槛更高
  • 深度学习和人工智能技术通过运用模式辨识软件,
  • 无人机已经在边境控制、区域跨度较大或高危区域执法中得到了应用。安防机器人也许在与人互动创造价值的场景中比较有用,例如公园、大学、医院和机场等。
  • HD CCTV在中国普及率不高的原因主要来自三方面: 中国的视频监控项目大多来自新建楼宇和设施,不需要考虑原有模拟视频监控的布线系统; 网络摄像机在中国的平均售价远低于全球其他地区的售价; 3.HD CCTV对于小型的项目可能更理想,但对于中国的很多中大型项目来说,网络视频监控会有更好的扩展性。
  • IP摄像机更容易安装,在很多情况下依靠一粒电池就可运行很长时间,网络连接也变得易于部署。当然,云存储也进一步推动了IP摄像机的增长。但考虑到IP摄像机容易受网络稳定性、黑客、掉帧和一些其他问题的影响,Raman Sargis认为专业的安防视频市场还将依赖高质量的有线高清摄像机。
  • 任何连网设备都会面临黑客和恶意攻击的风险。IP摄像机本质上是物联网的一个节点,可以获得物联网架构中实施的同等级别的安全保护。我认为IP摄像机的安全性应该归类为广义物联网安全的一部分,长远来看它将无缝地融合到物联网结构中。
  • 其实不仅仅是视频监控产品,所有接入网络的物联网设备都面临着网络安全问题。加强视频监控设备的安全加密和认证是最直接的避免网络病毒袭击的方法。此外,也可以安装嵌有网络安全监测的视频监控交换机,信息通信技术(ICT)提供商或系统集成商也可以利用已安装的ICT网络安全产品对视频监控产品进行保护。当然,视频监控网络安全问题也带来了一些新的商业机会,例如第三方网络安全测试和认证的服务、提供给系统集成商的ICT网络安全咨询服务等。
ocean wu

用户数据分析模型_Yum.cn Design Studio - 0 views

  • 一、抽样分析模型 建模方法 首先确定统计的时间段,暂定为15天;从数据库中随机抽取若干名用户作为分析样本建立分析模型,模型图中假定抽样人数为100人,15天内最高使用量为200最少为15,在横坐标轴依次画出每人的使用量立柱图; 然后向右侧画出最高点和最低点的水平引线;然后垂直划线连接水平线,得到上下交点之间的线段,分别在线段的中点和三分点处水平画出“中分线”“上分线”“下分线”; 分析方法 根据立柱图的分布比率确定哪条线为“多”“少”的分割线; 1、高柱和低柱比较均衡,则以中分线为分割线; 2、普遍偏高,少量低柱,则以上分线为分割线; 3、普遍偏低,少量高柱,则以下分线为分割线; 优点:统计建模方便快捷; 缺点:不能获得准确的宏观数据,仅获得近似的参考数据。
  • 二、数量区间对比分析模型 建模方法 假定统计时间段为15天,抽取10000人,分别统计他们的使用量,假定最多使用量为200,最少使用量为0; 模型的横坐标为使用量,纵坐标为发送人数; 在横坐标上,以10条为量级,从少到多依次画出不同数量区间的发送人数立柱图,连接主图顶部重点,得到人数波动曲线。 分析方法 1、波动曲线的顶点和与顶点最近的最低点,即为使用量“多”和“少”的分水岭,连接两点,取中点画垂直线,即得到二分法的临界线,左侧为非活跃用户,右侧为活跃用户。如图示 2、根据柱状图在不同量级的分布状况,也可以采用多分法细分用户类型,如图示
  • 三、对比分析模型曲线类型分析 利用“数量区间对比模型”分析,不仅能得到分类用户量级标准、人数、和使用量数据,通过分析使用量曲线类型,可以得到产品和运营的宏观印象。以下对四种典型的曲线类型进行分析。 常见状态(产品研发和市场发展的初期) l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 有基本稳定的用户群 l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 缺少优质用户,拔高乏力 l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 缺少高粘度产品(功能) l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 基本功能还行,除了基本功能,别的不爱用 维持状态(市场发展中后期) l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 通过若干时间的经营,产品有一定影响,同时拥有少量fans l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 对初级用户的引导不够,致使中间用户空虚 l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 产品本身或有某种缺陷,不为多数人接受,只有少数人突破瓶颈,习惯产品才成长成高级用户 理想状态(初、中、后期) l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 市场发展势头良好,用户上手快,越用越熟练,越用越喜欢 l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 证明产品功能,用户教育俱佳 l&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 需加大对潜在用户的宣传力度,扩大用户数 3
ocean wu

因果树通过人工智能技术和创新金融产品,提升一级股权市场投融资效率 - 0 views

  • 依托平台大数据、通过人工智能技术和创新金融产品,提升一级股权市场投融资效率。
  • 平台整合并披露全网数十万项目信息,对项目进行精准赛道划分,通过行业分析和项目信息披露、优质项目预测、精准信息定制及精品投行服务,为投资人和创业者提供投融资服务。
  • 科技金融的核心包括三个部分:数据源、人工智能(机器学习)、使用场景,三者缺一不可。因此,因果树将从数据源获取、人工智能技术预测行业走势以及科技金融的应用场景三个方面来具体操作。
  • ...7 more annotations...
  • 多渠道获取数据源
  • 未公开企业的信息,包括合作企业和一些运营商的信息,以及国外关于国内企业的信息,通过不同的方式进行合作。
  • 数据源主要分两大块:一块是搜索引擎去搜,是公开的信息,因果树通过技术,可以获取到更多深入的信息;另一块是来自于各家合作伙伴,比如运营商。就在8月18日,与中国联通大数据合作,推出《互联网投资指数》等。
  • 因果树通过大数据抓取超过15万家在互联网上有信息披露的项目,并将项目信息结构化展示,涵盖了公司工商注册信息、股东信息、投融资状况、竞品分析、用户表现(包括APP下载量、DAU、MAU)、团队状况、品牌及媒体影响力等各方面的信息。
  • 60%左右的数据来源于全网公开数据源,另外的40%左右的数据来源于定点有偿数据源。
  • 因果树的大数据分析主要从两个方面:第一,是不是风口,或者说有没有前景;第二,竞品有哪些,和竞品相比有什么优势。
  • 因果树在行业分类、竞品归类上做得很深,找准竞品,并绘制行业的成长轨迹图谱,帮助投资人找准有潜力的行业、有投资价值的项目。
  •  
    平台整合并披露全网数十万项目信息,对项目进行精准赛道划分,通过行业分析和项目信息 披露、优质项目预测、精准信息定制及精品投行服务,为投资人和创业者提供投融资服务。
ocean wu

2018年中国企业数据化应用分析报告 - 0 views

  • 上线BI商业智能系统的企业,占据受访企业的22.47%。
    • ocean wu
       
      BI(Business Intelligence)即商务智能,它是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确地提供报表并提出决策依据,帮助企业做出明智的业务经营决策。 更倾向于决策,对事实描述更多是基于群体共性,帮助决策者掌握宏观统计趋势,适合经营运营指标支撑类问题
  • 企业应用BI产品,最期待获得的数据价值,一是数据整合方面,二是数据展示效率,三是辅助管理决策。
  • 运营管理、营销、财务是企业应用BI最广泛,也是最为成功的三个领域。
  • ...7 more annotations...
  • 企业对数据大屏有兴趣,希望通过炫酷的数据大屏效果,来满足参观、会议、生产现场的数据展示等场景需求。
  • 企业已愈加重视数据资产管理。
  • 企业对外部购买的数据和政府免费开放的数据需求越来越多
  • 越来越多的企业认识到服务和学习资源,对自己信息部门日后承担其BI项目运维与开发,有着至关重要的影响。
  • 对于机器学习、自然语言识别、人工智能这些未来BI的功能,企业并不感冒
  • 一半的受访企业认为,数据人才的培养和数据分析工具的选择,也是主要难点。
  • 超过六成的企业已经成立数据分析相关部门
ocean wu

数据驱动内容营销6要点 - 0 views

  • “软件定义世界,数据驱动未来”,
  • 技术、数据在传统营销中很稀缺,与如今的技术、数据爆炸形成巨大反差,让人既兴奋又害怕,难以适应,要想自然使用数据和技术,必然要熟悉对应的心法套路。
  • 高明的销售员精通扯淡,不罗列产品功能,几句家常闲聊,解除顾客心理戒备、洞察需求,销售水到渠成,往往能争取到很多回头客。虽然销售的范畴比营销小,但道理相通,营销也在追求用聊家常、讲故事的方式接触顾客,和顾客建立长期稳定的关系,获得长久利润。传统营销如此,数字化营销亦然。
  • ...21 more annotations...
  • 注意,app推送的内容不是以促销为导向的广告,而是除折扣优惠外的有价值信息
  • Kohl’s百货采用一种室内定位系统(类似苹果的iBeacon),监测顾客在购物通道之间的移动情况,通过软件分析确定促销产品的摆放位置、优化货物管理。同时为顾客定制个性化内容,预测顾客的需求。
  • 如何运用新技术收集数据、分析数据,利用数据设计出更好的产品,让用户更热衷分享品牌信息?如何让冰冷的数据在营销中产生有温度的体验?这是数字化营销面临的最大问题。
  • 顾客在商场内的动向、购买行为、付款信息都会产生大量数据。通过分析这些数据,Kohl’s建立起顾客模型,实现推送内容的定制化,服务体系的完善大大提升了顾客忠诚度。同时,将这些数据提供给营销乙方机构,乙方能制作出更优秀的宣传内容,形成良性循环。
  • 要与顾客建立连接,有时候内容并不重要,关键在于接触顾客的时机。
  • 1、使用合适的工具了解顾客
  • 内容分析-Google Analytics
  • 可以了解顾客如何找到品牌,顾客浏览网站时的点击习惯,偏好厌恶等。
  • 社会聆听- Sysomos:关于品牌,顾客都在说什么
  • 以关键词为线索寻找人们关于品牌的讨论,从而发现一些观点
  • 还能发现一些行业通病
  • 针对行业问题率先表态,给消费者提供解决方案,就能很轻易获得好口碑。
  • 营销自动化-Marketo
  • 长期跟踪不同邮件点击率情况,监测顾客对话题的敏感度
  • 内容营销平台:
    • ocean wu
       
      跟踪用户对更新内容的反应与满意度。
  • 帮助企业建立更清晰的顾客形象,比如依照采购模式、渠道选择、甚至是LBS
  • 2、用数据创造内容
  • 讲故事而不是在背诵数学公式,故事套路灵活,表述方式、渠道多种多样。
  • 用什么方式传播什么类别内容最好,但不能
  • 4、让用户发声
  • 5、建立机会意识,及时抓住内容
ocean wu

公关与传播的演变--赢媒体管理 - 0 views

  • 通过调研消费者情绪来了解消费者对该企业的认知,并利用相关数据点和研究,最终将AT&amp;T重新定位成一家公共事业型企业。Arthur Page这一利用数据,成功驱动品牌营销的创举,更是开启了公关业的黄金时代,同时也将传播专业人士的职业定位提升至企业战略领导层的高度。
  • 但时值今日,支持决策制定的那些重要传播数据反而缺失严重。
  • 曾深受尊重的公关专业人士,为何现今却被董事会和高管会议拒之门外?传播专家的预算又为何会被付费媒体、自有媒体夺走?
  • ...16 more annotations...
  • 付费和自有媒体渠道的运营者们借着数字化和数据分析技术的崛起,来充分彰显他们的传播工作对企业业务目标的积极影响。
  • 但在传播领域,同样的技术变革还未出现。由于缺乏可衡量、能解读的数据以及相关处理技术,公关专业人士只能专注于成本付出较大的内容创制。
  • 传播专业人无力获悉他们的工作对业务层面的精准影响力,只能倚赖于赢媒体(Earned Media)数据和社交媒体分享、点赞数与粉丝数等常规的数据指标。这些维度看似抓人眼球,但深究其中,有多少能够与经营业绩有明确的关联呢?这也是没有人再向公关人咨询重要商业决策的原因之一。
  • 公关人士无法数据量明其工作价值,所以他们的预算被重新分配给付费和赢媒体。
  • 如若想重拾昔日的预算和决策权,公关人专业人士需采取系统化的方式来证明自身对业务层面的价值。
  • 智能化互动是一种内容与互动信息有效分发的方法,可评估每个受众个体,有机组合评估结果与内容互动相关性。智能化互动意味着传播人员需在以往常规的新闻稿发布战略上,更进一步采用可持续、更具针对性的策略,实现一对一传播。 智能化互动还意味着品牌所传递的信息需更专注于用户的沉浸感和娱乐体验。公关人士必须根据目标记者和影响者的具体情况,在媒体接洽或新闻稿发布过程中,综合考虑以何种方式植入图片、播客、互动和视频内容可取的最好的效果。
  • 若一个行业不能证明其价值,那么它最终将沦为不具备真正商业影响力的边缘性行业。
  • 一个全新的工作方式:即系统化地、利用数据来驱动传播工作,成为一名现代传播人。
  • 定义:赢媒体管理 1、履行公关与传播工作职能的一种全新的系统性方法 例如:现代公关传播人员使用赢媒体管理来证明其公关计划的价值。 2、技术、数据、数据处理和分析的战略性组合,旨在使传播职能实现从支出部门到业务驱动者的转变。 3、证明传播与公关人的工作在业务层面的影响力
  • 赢媒体管理(Earned Media Management)的优势恰在于,他们不仅不排斥“讲故事”,还会有更大的发挥空间。公关人士越了解影响力人群及其触达的目标受众,就越可能创作出更富吸引力的故事。
  • 赢媒体管理可将碎片化、难以衡量的公关传播过程系统化、组织化。赢媒体管理涵盖四大宗旨:影响者全图谱(Influencer Graph)、智能化互动(Smart Engagement)、精准化监测衡量(True Measurement)以及变革性传播转型(Comms Transformation)。
  • 现代公关人必须先分析目标受众的喜好,再定位重要影响者及其创作的内容,从而了解和分析二者的异同。 通过将关注重点聚焦于目标受众喜好的识别,而非影响者和记者,这改变了传统意义上的传播沟通和接洽的模式。
  • 正如付费媒体和自有媒体渠道近年来的经历,技术破局正逢其时。
  • 最重要的——赢媒体(Earned Media)带来的具体业务成果,帮助品牌真正实现传播绩效的有效衡量。 其基本理论依据是:基于内容质量,衡量内容如何带来具体业务成果。并且,这些成果需能归因于某些营销活动,归因分析使公关传播团队能够充分展示其营销活动的效果。
  • 同一支传播团队,在同一套工作流程下,使用同一个工作平台进行统一的媒体管理,包括将赢媒体与付费和自有媒体等更广泛的媒体渠道进行整合。
  • 帮助公关专业人士有效结合精准受众与人工智能技术,实现了传播职能的革命性转型,即不再闭门造车,而是使赢媒体与付费媒体和自有媒体渠道互为补充,和谐共处。
ocean wu

【8090在职场】技术型营销人必知的8个领域!你的知识足够吗? | SocialBeta(解读社会化商业的价值) - 0 views

  • “技术型营销人”有时会被泛泛地解释为“在营销领域使用各种科技的人”。然而,在这个时代,所有营销人员都要或多或少的在营销活动中使用现代科技(尤其是信息技术),如何区分技术型营销人就变得很重要了——他们在技术领域到底走得比普通的营销人远多少呢?
  • 邮件自动化&amp;营销自动化——半自动化的“客户培养基”平台的配置及操控,请见Email Insider,MarketingAutomationSoftware.com,Propelling Brands以及Eloqua 客户关系管理——客户关系管理系统,如Salesforce,以及现代化营销的中流砥柱——全新的社会化客户关系管理方法,详见CustomerThink以及Destination CRM 内容管理系统&amp;数字资产管理——(网络)内容管理系统和数字资产管理,组织元数据,请看CMS Wire,&nbsp;Digital Asset Management,&nbsp;Drupal以及Nimble report 付费点击广告管理&amp;竞价管理——针对谷歌,必应和Facebook的点击付费广告管理策略及工具,请看PPC Hero,Clix Marketing,WordStream,&nbsp;Click Equations&nbsp;以及&nbsp;this post 行为定向——受众定位/市场细分以及广告网络内部的数据交换,再营销或者兴趣导向广告,请看Behavioral Insider,BlueKai及Quantcast
  • 他们应当了解这八个领域中的专业化知识,并且精通其中至少两或三个领域。 数据收集与分析——数字化营销驱动力的管理、测量和处理 营销应用——营销软件的配置、操作和整合 广告网络——整个数字化广告系统的管理和优化 社交&amp;移动平台——Facebook, Twitter, LinkedIn等等,以及这些网站使用的工具和应用程序界面 内容营销——管理内容营销过程的整个生命周期,尤其是搜索引擎优化方面。 网络机制——对于网络和浏览器平台的完整详尽而又清晰的理解 软件设计——如何陈述、阅读、编写技术领域的通用语言 IT运营——利用云计算和IT强大的联络关系网
  • ...6 more annotations...
  • 数据挖掘与解析——数据专家是那些“能够捕获、过滤、探索数据并进行建模、总结说明等工作的人,他们是骇客,统计学家和机器学习专家的融合体”,详见“数据科学韦恩图” &nbsp;网络&amp;社会化媒体解析——对于工具——从Google Analytics(网站)到Radian6(社交媒体)——技术性和解释性的理解、掌握,详见Avinash Kaushik和Web Analytics Association A/B测试&amp;多元化测试——数据分析和内容营销(最重要的是包含测试导向型营销)的混合体,详见Conversion Science,Which Test Won?以及ion’s post-click marketing blog
  • 据此,我们可以清楚地分辨普通的营销人和技术型营销人:
  • 移动&amp;社交应用程序界面——超越那些长得几乎一模一样、使用同一UI的山寨应用,直接开发平台提要,实现功能和设计上的融合,请看Facebook APIs,Twitter APIs,Google APIs,Mashery还有Programmable Web 社会化媒体优化——社会化媒体优化是为了最大化内容分享数和影响力,加强分享键、徽章标志和工具条的作用,详见Open Graph protocol,OAuth,Rohit’s 16 SMO rules以及5 new rules 视频网络&amp;传输网络——视频制作、格式转换、编码和传播的过程,内容传播网络的技术性和经济性,详见Akamai,CloudFront,Ooyala和Brightcove
  • 搜索引擎优化——搜索引擎优化的目的是使公司在谷歌/必应上的排名不断上升并尽可能排到高位,请看SEOmoz,100% Organic,Google Rich Snippets,GinzaMetrics还有Conductor HTML, XML &amp; CSS——提高对于网络标记,浏览器功能和全新的HTML5的功能的熟悉程度,请看QuirksMode,CSS Zen Garden,XML.com和Visibone’s HTML cheatsheet HTTP, REST &amp; Cookies——网络协议,IP和DNS,URLs和可以使用表属性状态转移(REST)的接口,SSL是如何发挥作用的,高速缓存,cookies以及第三方cookie约束,请看Fielding/Taylor paper Javascript——网络应用程序的客户端语言,Web 2.0时代的行为,Ajax,参见jQuery,Mozilla Developer Network,Visibone’s Javascript card以及regular expression cheatsheet 应用程序框架——服务器端网络软件的开发,iPhone和Android的APP,你自己的实用程序和自定义设置,参见PHP,Rails,Django,Stripes和ASP.NET MVC 敏捷开发过程——对于进行软件的敏捷开发的经验(比如Scrum的开发经验),改编后应用至敏捷营销之中。详情参见Agile Manifesto和Agile Marketing blog “云”计算——评估,安装,操纵和监控基于“云”技术的设施、平台和应用,松散耦合结构的集成,参见Amazon Web Services,Heroku和Azure
  • 隐私与安全——如何强化隐私策略,网络与云端的安全问题,请看Google Privacy Principles,Network Security Blog以及CERT 数据库与大数据——相关数据库以及SQL,NoSQL数据存储站点,第三方数据设置,大规模数据处理Factual,InfoChimps,Hadoop以及Google’s MapReduce paper
  • 你或许需要平衡技术深度和电子商务平台,事务处理,行业技术标准,产品技术整合(比如射频识别等等)之间的关系。
ocean wu

数据挖掘解决的典型商业问题 - 0 views

  •  
    数据挖掘 ( Data Mining Forum )都是一个很时髦的词,尤其是在如银行、电信、保险、交通、零售(如超级市场)等商业领域。数据挖掘所能解决的典型商业问题包括:数据库营销 (Database Marketing)、客户群体划分(Customer Segmentation & Classification)、背景分析(ProfileAnalysis)、交叉销售(Cross-selling)等市场分析行为,以及客户流失性分析(ChurnAnalysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等。
ocean wu

左驭研究 :国内亲子游发展全解析 - 0 views

  • 85%的家长主要通过网络查询获得亲子游产品信息,并会通过旅游网站预订机票、酒店、门票等旅游产品,仅有10%的家长依然通过旅行社报名参加跟团游,此外,仅有5%的用户自行前往酒店、景点进行实时购买。
  • 6-12岁的孩子成为亲子游的主角,占比接近60%。
  • 60%的用户选择周边亲子游,出行时间多以双休日和小长假为主。
  • ...20 more annotations...
  • 越来越多的用户选择了自驾亲子游。
  • 高铁出游的亲子游用户增长迅速。
  • 海岛和“休闲”标签的邮轮产品日渐成为亲子游市场的黑马。
  • 游客没有长途跋涉的辛苦,同时孩子们可以在海岛或邮轮上尽情玩耍,还可以在邮轮上找到很多玩伴,家长也相对比较省心。
  • 旅游消费的决策以孩子的特点和需求为出发点
  • 孩子的年龄、性别、喜好、身体状况、性格特征等都是父母在进行消费决策前重点考虑的因素。当然,随着年龄的增长和知识阅历的积累,孩子们也会主动参与到决策过程中,父母往往比较乐于接受或鼓励孩子的决策行为。从2013年开始亲子类电视节目的涌现和热推,也让用户在选择亲子游目的地及产品时受到影响。
  • 母出行前通常会对此次行程的安全因素进行全方面考虑,特别是在交通工具的选择、旅游服务设施的配套、旅游活动项目的安排及线路的设计等方面
  • 结构简单的核心家庭渐成主流
  • 核心家庭尤其重视旅游对孩子的教育价值。
  • 目前推出亲子游产品的传统旅行社并不多,亲子游产品可选择数量很少
  • 近几年还诞生了一批以亲子游为主营业务的垂直亲子游网站,如童游网、偶们亲子游、麦淘亲子游等。具体可分为以下几种模式:
  • (1)B端管理和服务平台模式:以技术和工具从B端切入,搭建基于微信应用的“童游达人”平台,专为旅游达人提供亲子活动在线运营工具,包括产品发布、客户管理、订单管理、渠道管理、数据统计推送等功能。 (2)C2B反向定制模式:通过亲子游产品网上导流和销售平台,促进流水业务量的提升,同时对用户需求进行深度挖掘,实现对C端用户需求痛点全方位的掌握,并进而通过独特产品设计,来实现B端服务提供者产品的改进以及服务的优化,推出各种满足特定细分人群的特色线路和个性化的定制产品,诸如校友团、企业团等。 (3)B2C聚合平台模式:该类模式聚合了游学、冬夏令营、国内外亲子游、周边亲子游、精品亲子活动、亲子场所、演出展览等亲子出行内容。 (4)P2P平台模式:该类平台具有突出的P2P轻社交、去中心化特色,在平台上,可以看到其他用户发布的求约消息,点击报名或评论都可以参与到对方的亲子活动中去。用户也可以发布亲子活动信息,吸引其他用户参加,典型代表如亲子约。
  • 各种基于本地社交活动的移动APP应用不断涌现,家长或者一些亲子达人可以利用这些平台发布亲子活动信息,自发组织亲子活动,此类平台的代表是周末去哪儿、周末去哪玩、一块去旅行、荡客等各种移动应用。
  • 部分儿童用品生产制造企业结合企业经营项目开展了和其企业产品相关的亲子游活动,此种形式的亲子游活动多和体验或宣传该类企业产品有关,参加者也多为该类企业的会员。
  • 一些早教中心也会组织花样繁多的亲子活动、家庭派对。
  • 亲子旅游产品缺乏鲜明的特色,无法真正满足旅游者的消费需求。目前,不少所谓亲子旅游产品是将原有的传统观光线路稍加改动甚至照搬照抄过来。由于大众化的观光产品是为普通成年游客设计的,因此行程安排大多比较紧凑,违背了孩子的作息规律,体验较差。
  • 韩国爱宝乐园亲子游等,国内亲子游专项产品开发明显不足,境外亲子旅游价格较高、出游时间长、办理手续复杂且家长对其安全性的顾虑等等都成为了消费者进行旅游决策时最为担忧的问题,因此市场推广难度较大。
  • 我国现有的亲子旅游产品,从旅游线路规划到活动项目开发几乎全部围绕着孩子的游乐需要,忽略了家长的旅游需求,缺乏针对家长的旅游活动,家长在亲子游活动中大多起到的只是陪同看护作用,这种情况导致部分父母参与亲子旅游的积极性不高,因为对于他们而言,亲子旅游并没有达到放松身心缓解压力的目的。
  • 旅游配套设施相对滞后
  • 在住宿安排方面,接待传统旅游团队的标准间大床间往往很难满足亲子旅游者的住宿需要;就餐时,团队用餐的餐厅里儿童餐椅数量较少,不提供专用的儿童餐具,菜肴口味不符合孩子用餐习惯等。此外,旅游车上缺乏基本的母婴设施,不配备车上卫生间等情况,也为亲子游客的出行带来了许多不便。诸如此类的问题,严重影响了游客的旅游体验。
  •  
    一、亲子游市场需求、消费特点及决策特点分析 1、亲子游市场需求特点分析 (1)主题功能丰富 (2)需求多元化,价格非第一要素 (3)跟团游更受欢迎 (4)在线获取信息、预定产品成为主要途径 (5)6-12岁孩子是亲子游主角 2、亲子游消费特点分析 (1)国内游周边产品更受青睐 (2)自驾及高铁亲子游渐渐流行 (3)出境游青睐海岛游、邮轮产品 3、亲子游决策特点分析 (1)父母决策,以孩子为中心 (2)安全性要求高 (3)出游时间受假期限制大 二、我国亲子游发展的市场背景分析 1、相关政策出台改革现有休假制度 2、结构简单的核心家庭渐成主流 3、经济条件的改善为亲子游的发展提供有利基础 4、亲子游的寓教于游价值显现 三、亲子游市场主要参与者分析 1、传统旅行社 2、OTA/第三方平台 3、新型O2O模式垂直亲子游模式 (1)B端管理和服务平台模式 (2)C2B反向定制模式 (3)B2C聚合平台模式 (4)P2P平台模式 4、旅游目的地主导 5、利用移动社交媒体网络和本地活动平台自发组织 6、非旅游企业组织机构(儿童用品生产制造商及早教中心) 四、国内亲子游市场目前面临的挑战 1、亲子游产品缺乏鲜明特色,同质化严重 2、产品层次结构划分不合理 3、产品时间分配不合理 4、产品内容设计不平衡 5、旅游配套设施相对滞后 五、国内亲子游市场趋势判断 1、亲子游庞大的旅游消费阶层逐渐形成 2、用户需求多元发展,市场细分程度加深 3、运营模式多样呈现,线上倒逼产业链升级 4、市场向产品两端发力,呈现两极多样化发展趋势 5、O2O多维互动模式将成为未来在线亲子游发展趋势 6、异业融合,亲子消费生态圈渐成
ocean wu

全流程营销SaaS平台。悟空数据 - 0 views

  • 悟空数据由此推出了一套全流程营销SaaS平台。悟空数据的功能包括内容制作和文档管理、一键多平台内容分发、内容集客工具、潜客营销自动化工具、全流程数据分析,并将客户内容偏好与公开数据对接,帮助企业进行潜客购买可能性预测。
  • 当企业使用悟空数据的产品时,悟空数据会提供获客,营销自动化的工具。企业可以使用二维码、表单、落地页等传播方式,对企业原有的crm,进行重新抓取,同时获取新的客户,再对这部分客户进行行为轨迹的检测,并对其打分,用户行为对应的分数可以由企业自己设置,例如:客户收到企业活动的H5,填写了个人信息,可以设置这个行为得1分,客户由H5页面链接访问到企业官网,可以设置这个行为得5分等等,最后得出一个综合得分,得分高即活跃度高,由此抓取这部分客户,进行营销自动化。其中方式除了可以定时批量地向客户发送edm邮件和短信,还可以进行跨屏追踪,悟空数据CEO宗瑞兴表示,跨屏追踪的逻辑会运用在未来的广告投放上,具体来说,客户在PC端打开企业发送过来的H5时,后台将其IP贴上gs标签,同时在企业官网上贴上一段标签识别代码,当这个客户在某一天访问到官网,甚至是点击到相关产品时,后台可以实时捕捉这一信息,识别出他是以前触达过的客户。进而进行二次触达。此外,悟空数据还会提供给企业筛选客户的工具。举个例子来说,假设某个理财产品要求客户流动资产有600万以上,悟空数据则会对客户信息进行评价,销售根据评价对客户进行筛选,去除不符合要求的客户。另外,对一些面相企业的客户,悟空数据还会跟第三方数据打通。
ocean wu

彩铃精细化营销的秘密 - 0 views

  • 音乐的精细化营销在理论上依据主要有两点: &nbsp;&nbsp;&nbsp; 1.音乐和音乐之间是有关联的,就是超市里的货品一样,超市里的货品摆放,看似随意,其实是经过精心设计的。音乐也一样,喜欢A歌曲的人,往往也喜欢B歌曲,就说明A和B之间的关联度比较高。 &nbsp;&nbsp;&nbsp; 2.用户应该按不同的维度进行细分,如:订制渠道、订制时间、内容喜好等等用户分得越细,推荐歌曲就越准确,推荐越准确,推荐短信就越不容易引起用户投放。
  • 精细化营销的三大主要方式
  • 2、商业智能
    • ocean wu
       
      用户行为分析:根据用户的下载途径,分为网站、短信、人工、IVR四个用户库,对不同的用户库以不同的方式提醒。 用户偏好分析:根据用户的已有铃音库,分为时尚、怀旧、搞笑、经典音乐、外语、军旅六大主题铃音库,还将根据更多的数据进行聚类分析和相关分析,出现更多的主题铃音库。 用户预测分析:预测以商业智能为核心,生成歌曲关联度的数据库,形成预测性的销售数据。
  • ...4 more annotations...
  • 1、模糊匹配
    • ocean wu
       
      "您要开通彩铃功能吗?"。用户首先会疑问"什么是彩铃啊?",系统回答:"彩铃铃就是……";而精细化营销的方法就很直接:"您想把手机铃声换成以下内容吗:1、上海滩;2、吉祥三宝;直接回复数字就可以"。
  • 运营彩铃的三大指标分别是渗透率、活跃度、忠诚度。活跃度低,忠诚度差是彩铃的一大特点。
  • 彩精细化营销。 &nbsp;&nbsp;&nbsp; 其实自03年面世的彩铃业务自推出以来,运营推广一直比较粗放:主动PUSH下行群发没有对用户进行细分和甄别;TOP10推荐曲目让用户选择面缩小,满足不了用户对长尾内容的需求。所以建立起精细化营销体系至关重要。
  • 3、用户报告
    • ocean wu
       
      对用户定制记录的数据分析,来把握和区隔用户需求。统计用户的消户原因,分析各载渠道的比重,以及歌曲类型等数据。可以在一定程度上进行增值业务产品的预测性推广,进一步实现相关增值业务的并联销售。还有就是宣传时间的优化模型。
ocean wu

网易定位:大小数据融合洞察 助力企业领跑"体验经济时代" - 0 views

  • 通过“调研”的方式去了解客户,改善客户体验,采用的调研方式主要有两种:一种是在马路上向行人发放回收问卷,一种是借助在线调研软件进行。
  • “小数据主要就是通过用户调研的方式去了解用户脑子里心里想的事情,捕捉他们的感受、需求、期待。这里面有非常关键的一点,就是调研触达的用户精准性,如果某个品牌想要了解用户的品牌满意度,但是这些填写问卷的用户都没用过这个品牌的东西,那结果还有参考意义吗?”
  • “洞察真实态度 成就美好体验 驱动商业增长”
  • ...6 more annotations...
  • 凭借数据能力,网易定位可以通过这些大数据描绘出一个用户方方面面的特征,除了常规的年龄、性别、地域外,还包括消费体验、内容体验、生活行为、社交行为等各个维度的足迹,这个真实、庞大的数据池
  • 市场调研并不是大众认知里“随便找个人填个问卷”那么简单的事情,它对数据的量级、维度、真实性,样本的设计、分析等等,都有着非常高的要求。如果拿着错误的调研结果去做错误的决策和执行,对企业的伤害是非常巨大的。
  • 赋能用户洞察是阶段性目标,帮助企业解决问题,驱动企业经营增长,才是最终的方向。
  • “我们通过在线精准调研+专业的定量定性研究分析+数据科技的组合拳,收集来自客户、员工、合作伙伴各个维度的信息、态度、见解,评估分析企业的行为,提供原因和趋势的洞察,并识别出其中的业务关联度”
  • 体验管理主要分为“品牌体验管理、产品体验管理、用户体验管理、营销体验管理”四大应用场景,打造调研-反馈-分析-行动的闭环
  • 网易与深耕中国市场25年的专业研究机构——央视市场研究(CTR)正式宣布达成战略合作,联合成立“互联网创新研究中心”,作为“中心”首个联合发布成果,网易定位与CTR MUI移动用户指数事业部强强携手,共同推出了EZ-Tracking用户洞察及数字营销平台。
1 - 20 of 113 Next › Last »
Showing 20 items per page