|
浅谈运营商大数据价值变现之路
数字化，数据化的时代正在到来。大数据已经被提到了国家战略的层面。各个企业，以互联网企业为主，纷纷投入到这场新掘金大潮中，各种应用不断涌现。作为拥有最多数据潜在资源的电信运营商，至今可以听到的声音却不多。大概是被数年前的垃圾电话短信泛滥而担责的阴影所困扰，运营商除了预定的商业广告之外，甚至连自身的一些服务，比如漫游问候通知服务，多少年来都一律关停，尽管今天的数字化新时代和单纯靠语音短信沟通的时代相比已经完全改观。几家运营商至今在大数据的浪潮下还没有明确的战略定位出台。好在还是有省级运营商开始了一些谨慎的尝试。如同我们文中所指出，只要遵守基本规矩，大多数的大数据业务不涉及到个体层面的数据的商业应用和交易，而对社会对企业却有着越来越多维度的价值和意义。我们期待看到运营商在大数据领域的大战略，新突破。
大多司机都有过这样的境遇，在路口等红绿灯的时候，就会被某些地产人员塞上个某楼盘小广告，不胜其烦，大多数时候，司机们连看都不会看，随手扔掉。这样的营销方式，既浪费物料，又浪费人工，效果还不显著。就此状况，某新开楼盘找到某省移动，依靠省移动的大数据洞察分析结果布点营销人力，仅在周末上午10点到下午6点，平时晚上5-8点用餐时间，在这些人群常常光顾的商业街等定点地方派销售人员进行投放和宣传，短期内这个楼盘的销售量提升了一个亿人民币。
众所周知，准确找到潜在人群，并在他们亟需的时候提供信息，是营销成功率提升的关键。对于售房地产商来说，这其中最重要的环节，是“预知购房冲动”和“精准定位潜在客户”两项。平时，售楼人员都是“后知后觉”，在购房者来到售楼处之后才能了解到购房者的部分个人信息和购房欲望，没有办法做到“预知购房冲动”；这同时导致了无法“精准定位潜在客户”，只能漫天撒网。在某省运营商的帮助下，该企业通过三步准确定位购楼人群：
1）描绘用户特征：将平时售楼人员作为谈资的购房者信息提炼出来，归纳最有购房冲动的用户画像，以及他们的习惯。最终明确的洞察到，那些已经有住房超过N年的人群，最有换房冲动，同时原房产在XX平米左右的人群，最符合公司现有户型的销售目标；
2）预知购买冲动：明确目标之后，运营商通过符合条件的小区人群位置定位，帮助售楼企业实现了“预知售楼冲动”，同时根据对用户行为分析（用户的轨迹信息定位两个月内去过相似楼盘的售楼处的人群，通话信息发现近两月打过相似楼盘售楼处电话的人），精准地把有潜在购房冲动，同时着手选房的人群精准的定位出来；
3）出击目标人群：通过对有购买冲动的人群轨迹信息、行为类型信息、以及消费信息的交叉分析，确定目标人群频繁出没的地点和时间，让楼盘销售人员的营销规划实施更有针对性。
针对经过运营商大数据三步走的逐层收敛筛选的目标人群进行宣传，效果可想而知，大大超过了平时的漫天撒网式的做法。最终，此楼盘在短时间内实现了远超预期的销售业绩。
从这个案例可以看出，拥有海量用户的运营商自身的网络数据源已经是个很大宝藏，包括轨迹、时间、通话等信息，已经可以为企业提供很有价值的洞察分析，提升企业的运营效率。
相比与互联网企业，运营商还有着另外一个大数据优势，即除自身网络通信行为数据外，可横向比较和整合用户上网浏览、APP应用的行为数据，给出综合对比分析，进而提出精准营销方案。最近发生的另外一个成功案例可以帮我们进行生动地理解这个优势。
七夕之前，某交友网站与某省运营商合作，对适龄单身用户群体特点进行识别，并通过运营商的互联网渠道引导目标用户报名七夕线下活动并注册此网站。本次活动的效果十分显著，通过互联网渠道发送18,500位潜在目标用户，点击率达到6%，点击后对此次活动感兴趣，并且在此交友网站注册比率高达21.8%。
运营商通过对用户行为大数据初步分析发现，在此地的“外乡人”比本地人更需要交友服务，适龄人群主要集中在16-28岁。因此，本次活动就定位为具有以上特征人群，经过对大网全体用户的筛选，除以上必备特征之外，增加筛选条件包括近期在各个网站搜索过交友类热词、通话行为没有固定长期联系对象等，最终精确地定位到最有交友需求的目标群体。
大数据与隐私保护
自从大数据应用蓬勃发展之后，个人隐私安全被反复提及。有些观点认为，大数据的发展一定是和个人隐私披露联系在一起，似乎使用大数据就一定是要暴露传递客户单体信息。事实上，真正的大数据应用的大多数案例，和个人信息的披露完全无关。我们可以看到，以上两个案例，都是从从海量数据中获取洞察力，是从海量多维度数据中通过大数据聚合分析建模应用获取“群体特征”来寻找数字社会的规律，获得对客户和社会特征的认知和洞察。
进行大数据价值变现过程中，运营商的信息源不会转移，不可能暴露，无法进行关联，更不进行交易。保护和尊重消费者隐私数据，是运营商大数据商业化的基本准则。而在一个日益数字化，数据化的社会，只要遵守基本规范，大量的应用不应当涉及到隐私问题。
“开放、分享”是大数据商业价值最大化的特点。大数据变现不是简单粗暴的数据交易，而是通过对于用户行为数据的建模与分析，获得群体用户特征的认知和理解，帮助企业满足客户真实需求，改善和提升客户体验。
大数据Smart 5应用方向
企业和商家越来越依赖快速依据数据洞察采取行动，对于运营商来讲，从原始数据转化为洞察驱动的行为，成为通过分析技术创造价值的关键。基于先天的垄断性和后天的规模效益，具备先天数据和计算优势的企业都开始加快布局，谋求日后的规模效益和更多的产业话语权。爱立信和某运营商一起，经过梳理全球运营商、IT厂商、互联网企业、数据分析专业机构等近90个大数据变现应用案例，最终确定大数据价值变现SMART 5大数据应用产品体系，分别是：Smart Index（司马指数），Smart Target（司马精众），Smart Insight（司马洞察），Smart Tag（司马标签），Smart Customs（司马定制）。
Smart Index（司马指数）：以移动海量用户行为数据为基础，进行不同时间、不同场景群体性行为分析和洞察，为公众提供各种指数，比如热点旅游区域拥挤指数、上下班高峰地铁拥挤指数、某写字楼加班指数、刻苦指数等等。这些指数很强的社会效应，可以指导公众生活安排，为政府决策提供协助。
Smart Target（司马精众）：通过对人群通信和互联网行为、人群位置、轨迹、发生时间的交叉勾勒和分析，帮助企业发现目标人群，进行精准化营销。文章开头的两个案例就是典型的Smart Target服务。
Smart Insight（司马洞察）：通过直接或者间接的数据探知用户行为、态度以及变化趋势，帮助企业更精准了解用户的行为以及相应反馈。某运营商“掌上问”是一个典型的针对广告和市场调研行业的司马洞察服务，可以针对移动大数据人群库，利用网信平台帮助客户精准推送问卷，收集消费者反馈数据，除此之外，还可以基于用户的轨迹，帮助广告公司进行受众统计。这对市场调研行业街头拦访、电话调研等传统调研手段将具有颠覆性影响。
Smart Tag（司马标签）：将移动自身掌握的数据资源信息，结合外部数据信息源，对用户隐私数据进行脱敏处理，或者通过对现有数据源的组合，通过相应的算法和置信度设置，拓展全新标签，对外进行开放。例如普惠金融政策下，众多企业正在探索的个人征信标签，就是典型的标签服务。运营商在此领域也在进行积极的尝试。
Smart Customs（司马定制）：顾名思义，针对企业的特定需求，依托移动大数据资源，帮助企业进行深度分析并提供服务，如会员管理等等。
爱立信商业咨询认为，海量多样的大数据可以分为四类，即交易数据、交互数据、传感（机器）数据 、环境数据。交易数据指用户的交易行为所发生，来源于银行、购物网站、手机支付、社区O2O售货终端、出租车/公交卡等信息源；交互数据是用户在日常通信、浏览、游戏、评论等行为发生时产生的数据，主要来源于社交媒体、运营商日志、APP使用、各网站日志等；传感数据，指物联网、可穿戴设备中的传感器自动传递的数据，主要来源于各种行业的物联网应用，如动物溯源、农业监控、运动手环等等；环境数据，特指与环境相关的各种数据，如大气相关的温度、湿度、环流、污染物等，还比如地理经纬等等，环境数据是人类社会环境中的客观数据，构成了人类存在的周边条件（如图1所示）。
目前，运营商、互联网公司、商家、企业、数据源机构（政府、监测部门等）都在为这四大品类的数据的利用和融合进行积累和探索。相比于其他数据源机构和企业，运营商对于以上四类所有的数据品类都有触及，只是深度有所不同。对于数据的规模、多样性、以及采集方式也具有无可比拟的优势（详见图2）。
大数据能力构建任重道远
工欲善其事，必先利其器。目前可以看到，运营商在探索大数据应用的时候，同时在构建大数据底层能力，但是仍有一些壁垒需要克服。
第一，运营商的数据分散在各个业务系统各个部门，缺乏数据之间的联系，前端市场和后端网络、业务之间存在数据壁垒。运营商需要打通网络、流量、应用、终端、用户的数据壁垒，建设统一的大数据分析平台和多样化的呈现平台。
其次，各个部门均具有数据分析服务的能力和职能，但服务过程缺乏标准化、专业化、产品化，停留在简单统计的阶段。清晰定位职能，构建专业化的大数据职能部门以及培养相关专业人才，也是亟需解决的问题。
第三，运营商的大数据战略亟需厘定。比如中国移动，各省在进行大数据价值变现的探索的时候，目前针对的是省内用户。 对于中移动全国8亿多体量的用户数来讲，仍有很大数据空间可以联合协同挖掘和利用。但是这对于运营商的各种支撑系统打通和改造将是个巨大的挑战。
结语
不积跬步，无以至千里；不积小流，无以成江海。我们相信，运营商在大数据变现的探索之路上，随着企业认知的增加，以及运营商自身数据运营能力的提升，将会大有所为。
| 
