大数据应用类产品实战

写在本篇文章的前面，本人从事大数据应用类产品多年，在网上看到大家对于大数据类产品的文章多是数据可视化->指导产品研发、优化以及运营策略，例如订单系统大数据可视化平台，通多订单多维度的分析，指导运营策略，提升订单转化率等。

最近面试了很多数据产品经理，大部分经验都是在数据分析自动化、数据可视化方向，但是大数据应用或大数据商业化应用的从业人员实在难找！

以某厂高P老司机，现特地总结以下经验，满足那些想入行大数据应用产品的同行，共同讨论如何应用大数据创新新产品，以及使用数据的思维驱动产品设计、营销、运营等。如有不同看法，大家斧正！

既然今天要说的是大数据应用类产品，那么它与大数据分析类产品有何异同呢？让我们在一张表格中进行对比：

大数据应用类产品特点：

可以遇见的是，此类产品应用空间广泛，极具吸引力！但是投入大，周期长，预期收益不明确，是这类产品最大的挑战，小伙伴们是否做好准备迎接挑战呢？

说的再多不如直接上图：

那么，大数据应用类产品的设计、开发、验证、运营、推广、营销如何形成闭环呢？

一、大数据驱动类产品的执行框架：

永恒的真理：从用户需求出发，深入到用户每个细节的场景，发现痛点；完善的商业、需求、竞品分析、基本的数据分析，将你的想法用DEMO的形式展示出来，获得认可后，开展候选工作。此时你可以明确的获知：

带着这些问题，数据挖掘技术将带你进一步验证想法，获知答案！

使用“数据驱动”的方法，驱动产品的各个环节和阶段，后文会详细举例说明各个阶段的具体内容。

数据挖掘驱动新的应用：

…

数据思维驱动产品设计：

…

数据化驱动产品运营：

数据化驱动产品营销：

二、数据挖掘，驱动新产品应用

上述整个过程，涵盖了从数据采集、准备、挖掘算法、建模的全过程。

需要掌握相关技术、知识不断实践，初期可以使用IBM SPSS工具，完成基本的数据建模->产品应用分析。

在此需要特别说明的是，数据模型的建立不能等同于开发工程师的算法工作完成，上述展现的步骤是产品人员通过数据挖掘手段评估、分析、验证需求、idea的过程。技术工程师自有好方法！哈哈。如果你验证，没有拿出具备说服力的模型，技术工程师们是不会买账的！

案例：某职业社交网站推荐商机模型模型：

一度商机、二度商机，基于用户行为、内容数据推荐（技术实现可以使用推荐系统、关键词标签系统），使用“过去的商机规律”来预测“现在可能的商机规律”。数据模型的简历采用IBM SPSS Modeler 分析人与人之间的商机关系网（具体数据不再呈现）。
通过“过去”预测“未来”的方式，只能满足用户一部分需求，数据模型的结果显示，用户对相似领域的商机独立于“关系网”存在，同时用户需求调研也清晰的显示，用户需要更直观的“相似领域商机”推荐出来。

通过以上案例可以看出，数据挖掘结合用户需求才能最优化满足用户需求。

三、数据思维驱动产品设计：

也许你有过这样的经历，完成一次产品设计时，基本的套路是参考几家竞品的流程，结合自身特点快速完成一版产品设计（图A）。这种做法是通用的，最显著问题是给自己挖坑：竞品的内在心得是不知道的，为什么这么做，只有自己产品上线踩了坑才知道。

不妨尝试一下图B，首先抓取竞争对手数据，分析竞争对手核心数据转化情况，从而更优目的性的设计自己的产品。（这个方法，谁用谁知道！）

案例：某内容性网站：经过数据抓取分析，建立了竞争对手核心数据转化模型：

四、数据化驱动运营

大数据应用类产品一个很有意思的特点就是，首批目标用户或者目标客户就藏在数据里面。例如某人事招聘产品，如下图：

五、数据化驱动推广

这是一个很常见的话题，各种方法非常多。在此期望分享的是，通过大数据挖掘完成新产品，客户接受度存在一定的市场预热时间，每次客户看到这种产品都会爆出惊艳的反馈，但是客户真正接受或使用产品还有段路要走，这段路就是要不断的完善内容营销。在内容营销中同样要注重数据转化漏斗和客户可接受内容之间的匹配。

六、国内大数据业务图谱

为大家精心整理了国内大数据业务图谱，大家笑纳。

基础能力：

行业应用

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。