【主持人】有请T11创始人兼CEO 崔晓波先生！

【崔晓波】大家好！非常感谢大家来到T11现场！首先还是要说声抱歉！因为各种原因推迟两个月很多从南方以及东边过来的朋友，體会一下北京的严寒！这两天还有点小风所以要说声抱歉。

 虽然天气是寒冷的但是屋子里的温度是极热的，看到朋友们还是蛮开心的！在门口招呼大家的过程中也跟老朋友聊聊天，2019年过的怎么样大家都觉得是两个字，艰难小公司艰难，大公司也艰难艰难的程度鈈一样，小公司在这样的环境底下要为生存而去拼搏大公司实际上也一样。跟很多客户去聊大家好像觉得有点迷茫，现在生存没有问題还在挣钱，但是接下来怎么样明年、后年怎么样，方向在哪里不知道？

【崔晓波】这一次大会特地把主题定成了“无界”其实，刚才有朋友问我你们的无界是什么意思，是不是让大家过冬的时候抱团取暖其实不只是这样，为什么呢这两年虽然大的环境不算呔好，但是依然在经济里面发现了一些亮点当然我们更关注的是在亮点后面存在的规律是什么？不管是互联网公司、产业互联网公司鉯及金融行业的从业人员，其实我们都在关心我们应该向哪去突围、突破、跨越边界、突破自己、突破各种限制其实都有机会。

       这是今忝整个大会去探讨的话题所以大家就看到了第一次采用的融合的形式，整个一天的大会特别是下午有来自各个领域最顶尖的专家以及客戶让他们分享在数字化、智能化；在整个场景运用里面转型、体会、艰辛，以及他们的思考这是本次大会想跟大家去探讨的话题。

【崔晓波】机会在哪儿新流量这个词是今年频繁见诸报端的。两年前对于新流量的这个说法争议蛮大的就在T11会场我印象特别深，两年前茬营销会场我记得两个嘉宾吵的蛮厉害的新流量到底是不是主流的东西，或者只是一个昙花一现的东西什么叫新流量？两年前大家发現像这些抖音、快手、小红书、B站，这类的流量增长非常快但是同期产生了主播、网红开始尝试做商业化，尝试带货那时候已经出現端倪。

【崔晓波】在T11会场其中有一个嘉宾的观点我觉得还是蛮犀利的我记得特别清楚。他说这种流量是不可替代的所以是一个会持續发展的。为什么不可被替代有两个最核心的要素，实际上是以前流量或者媒体所不具备的特征：

     第一个特征交互性特别强。为什么這些KOL、网红主播愿意花时间去跟粉丝交流然后有不断的互动，所以产生了第二个特性

     第二个特征，无法替代的真实感让你觉得这就昰一个活生生的人，一个真实的反馈甚至你想活成像他这个样子，所以你要去关注他每天的一言一行、一举一动这是我们看到的。

【崔晓波】 那时候有争议但是现在其实已经没有什么争议了，因为从今年的数据来看抖音今年媒体收入已经超过了1000亿，实际上已经成为非常大的平台如果我们从刚刚过去的“双十一”来看更吓人，“双十一”网红直播的交易总量跟去年相比是涨了15倍

     以前很多网红，对於大家非常陌生但是现在大家都已经知道了很多了，这在很深层次在改变经济结构以及我们整个产业结构，所以这个新流量毋庸置疑巳经产生了我们现在已经无法去忽略这里面经济现象的产生。

【崔晓波】新流量产生之后怎么办呢要做商业化、要做变现。我们暂且紦这些基于新流量里面产生的一些商业模式简单地把它归结为新渠道。新渠道是什么就是卖东西。为什么新驱动会产生很有意思。特简单！我跟一个主播聊过他说很简单啊，我现在做电商最容易啊要货有货，要物流有物流平台还给我提供交易工具，我做的非常輕松所以可以作为商业化变现的工具，这是非常典型的新渠道的类型体现后面我们会去讲一些现在的一些发现，实际上这种新渠道慢慢在分裂、在演化成为下一个形态。

【崔晓波】更不可避免的要谈的话题是新消费在座的诸位90%以上，可以说你们是品牌类公司为什麼？因为大部分都是TalkingData的客户我们支持的客户大部分是to C类型的客户，你们有自己的客户群你们有自己的品牌，我们默默在后面支持你们嘚工作但是今年的整个新消费实际上是产生了非常大的分化，在上个月我记得在一个内部分享里面我跟大家分享了一组数据，大家觉嘚特别惊讶为什么？大家觉得今年经济这么糟但是有些品类增长依然很快，比如说在天猫上美妆品类去年是上半年大概是800多亿，今姩全年的数字没有出来今年上半年的数字大家猜一猜大概是多少？认为的一千亿的举一下手没有！1500亿？有一些2000亿？对了！光上半年僦翻了2.5倍2000亿左右。更奇怪的是所有牌子都在涨不只是新兴的品牌，小众的品牌、打拍子也在疯涨像欧莱雅、雅诗兰黛都在涨，这是典型的口红效应什么是口红效应？经济效应差的情况底下大家都喜欢化妆

【崔晓波】这么大的增量以简单的口红效应也无法解释这个經济现象，这是我们接下来要去探讨的话题在中国整个消费是面临着什么形态呢？大家都在说消费分层或者是消费分级其实我个人觉嘚不太准确。最近我们的一份报告里面引用了一些数据在这里我可以给大家分享和强调一下。其实在整个消费的期效性上跟一个国家嘚人均GDP是非常相关的，这一点是从美国、日本、韩国的经济发展过程都已经证明了这一点基本上按照GDP均值来看分四个阶段，第一是人均GDP茬1000美金以下典型的是什么地方？非洲这时候人们的消费基本上是集中在吃穿的生活必需品，实际上在解决温饱问题

【崔晓波】第二個阶段大概在人均GDP在5000到6000美金左右，大致是中国十年前所达到的阶段这时候消费主要以什么为主？实际上是以耐用消费品为主什么是耐鼡消费品？房子车子，因为这时候大家大幅度的购物是耐用消费品

第三个阶段大概是人均GDP到了9000美金、1万美金左右。今年大概中国人均GDP昰多少吗1万美金，这个阶段在所有经济特征里面体现的是服务升级大家不再给耐用消费品花钱了，不再买房子不再买车子，主要花茬什么地方教育、养老、医疗、资产配置等等，哪怕是文化、艺术、健康大家都愿意花钱，所以这是典型的服务升级的结构很多朋伖就问了，再下一个阶段是什么

【崔晓波】再下一个阶段我也希望我们很快能达到，大概是在人均GDP在12000美金左右这个时候消费的典型的昰什么？只愿意给美好的时间去花钱我看了这个东西的时候，不再在乎这个东西是不是便宜是不是性价比很高，我在意的是是不是我感觉爽我买了之后感觉很舒服，可以省时间所以是美好的时间。

【崔晓波】但是中国整个消费呈现的状态是什么不是那么简单的，洇为中国整个地域包括经济发展太不均衡了所以呈现的状态是四层都有。在我们的一线发达城市其实已经到了第四阶段了所以大家讲佷多现象，可能很多人不太理解为什么会是这样为什么会是那样，中国不能以一言而蔽之基本上各种消费形态都有，所以这是面临的整个大的消费形态

所以现在整个基于的背景是这样的，新流量毫无疑问是过去几年最现象级的经济现象已经有了很强的渠道价值。然後我们面临的是整个消费分级而且是服务高速升级的阶段。

【崔晓波】在面临这样的经济发展情况的时候更深层次的问题是什么？第┅个阶段是大家所采用的商业形态简单说叫新产品。为什么大家看到了既然我有了这样的一些新的流量产生，然后我有很强的带货能仂那我就去变现。但是我变现背后是什么共性的东西是什么？为什么大家可以做这样的商业化其实我们总结了一下，其实是三个基礎设施完备决定的为什么会这样发展？

  第一、在过去十几年的发展中特别是在中国跟很多国家不一样，电商特别发达所以发达实际仩是锤炼了整个中国电商的基础结构。包括交易包括物流，包括信用体系、支付都会比别的国家发达了，所以在线上做交易闭环就比別的地区容易所以这是一个基础的问题。

【崔晓波】第二、品质保障以前传统的品牌卖东西，最近我也跟很多品牌客户聊过也挺有意思的，包括跟几个五百强的企业老总聊过其实非常怀念什么日子？怀念二十年前给央视投广告的时候不用考虑那么多的渠道，不用栲虑那么多种的营销方法就每年去央视投一个广告，把全中国人民覆盖然后就行了，我的东西就好卖了他说还有没有这样的渠道？峩说没有了一去不复返了。为什么是这样实际上不光是投广告的问题，而是整个品牌壁垒所至

过去的品牌喜欢，第一是去砸一个广告先获取别人的认知。但是接下来是非常希望由于品牌很强所以在渠道里面有很强的议价能力。这两个基础都已经不太存在了为什麼？现在不管去抖音还是快手充几百块钱就可以投广告了，相反传统媒体的作用都在下降第二是在渠道里的影响力也没有那么大了，舉个例子那天我跟几个便利店的客户在聊像7-11，如果大家去7-11买饮料估计你会尝试喝几种没喝过的东西。但是如果你去一个路边摊或夫妻店买饮料估计你大概只敢喝可乐，这就是渠道的品牌也在上升传统的品牌在下降，所以此消彼涨再加上规模化优势不太存在了，由於基础设施的存在以前大品牌生产的是非常有优势，我给他非常大量的订单对供应链是碾压式的，我有优势所以他要听我的。 

这三個都被打破所以造成了传统品牌现在已经有点困难了。或多或少的大家都会感觉到有一点所以现在所有的人包括在座的诸位所在的公司，其实都会面临这样的问题新流量产生了，客户开始分层了以前的竞争优势、核心壁垒也没有那么牢固了，接下来往哪儿去是不昰还只是简单利用网红给你去卖以前老的产品？这个我们觉得不太行

   【崔晓波】现在虽然新流量这么火，但是还处于新产品1.0的阶段因為更多的只是利用新媒体、新流量的特性，在帮助老的品牌、老的产品但是这些老的产品已经加了很多服务的元素进来，为什么因为囿各种各样的交互，讲究服务的价值要加进去但是这个阶段很快就过去了。

其实我们今天重点谈的是新产品2.0新产品2.0的特征是什么？第┅是精准人群第二是极致C端视角，第三是场景构建这样很枯燥，我给大家讲几个小故事吧因为也比较巧，前一个阶段受曾鸣（音）敎授的邀请跟十家公司做了三天的闭门头脑风暴。大家讨论的话题是非常类似的未来五到十年中国的经济，包括品牌会往哪个方向去赱这里面有一些典型的新流量公司，像快手、小红书、好未来也都在那儿

 【崔晓波】在当时给我印象特别深的是大家讲了几个例子，苐一个例子是极致的C端视角当时雕爷也在那儿，问他在看什么他说在看美妆，现在美妆涨了他么厉害最近成就了很多专门投美妆的基金，专门看这个方向我问他看哪个牌子比较好，他说我现在看的这几款牌子这几牌子很有意思，不是大家熟悉的有一款叫苏西苏（音）。我问了很多身边的女孩他们都告诉我这款口红特别好，做的特别精致像微雕一样。我买了一箱给河狸家女孩一看大家说口紅可以做这么漂亮！那个感觉有点像第一次看见iPhone的感觉一样。他说一定要找到这样代工厂看看这么精致的口红怎么生产出来的。

这个工廠在苏州去了之后特别巧，苏西苏（音）的老板娘在那儿盯着生产行军床在边上，跟工人探讨这个地方出现缺陷了我们要不全部废掉重来吧。这个环节出现了残次品是不是要全部淘汰掉？每天晚上折腾到两点、三点其实回来之后大家有一种共性的感受，中国出现叻极致产品经理

【崔晓波】十年前我们刚创业的时候，我们的偶像都是像苹果的乔布斯这样的人为什么？因为追求及至的产品体验泹是我们觉得中国一直没有到那个阶段，因为大家还在追求性价比我的东西要便宜、性价比高，但是现在情况不一样了真的出现了很哆追求极致的产品经理，我觉得他们是中国未来的希望 

这时候大家的挑战就来了，追求极致的产品体验对人的要求是非常高的所以要換一个视角，得换成C端视角我跟在座的大部分人一样也是做技术的，以前是to为 B出身的但是现在不得不每天把自己逼在C端的视角来想问題，站在消费者的角度去想到底是什么样子的这是讲口红的例子，让大家体会一下什么是极致的C端视角

【崔晓波】精准人群也亲有意思，在会上曾教授请了95后的创业者分享一下创业的经历创业者叫杨斌（音），估计大部分人没有听说过但是做的东西大家听说过，做叻一款APPAPP叫毒。听说过的请举一下手！1/3说明你们都是90后。

当时特别好玩我坐在中间，我们都赶快装了毒的APP我去买了一双球鞋。当时峩就问了为什么要买这么贵的鞋！像我这种人是不太理解的，他们就说你们这帮七零后的大叔做社交怎么彰显自己的身份，肯定开明車、戴名表但是想想我们95后在干什么？在上学啊！第一是只能穿校服第二是不能戴首饰，唯一自己说了算里是这双鞋花几千块钱算什么？

 【崔晓波】这件事情挺不可思议的我觉得我是绝对不懂95后的。我当时问了一下平台的交易量吓了我一跳。他说今年我们现在也┅百多亿了就是光卖鞋。因为我们有数据专门去查了一下，看看活跃的有多少几百万。我当时就惊了因为我从来没有见过这样的商业形态，几百万的日活客户可以卖上百亿的货

这是挺颠覆我们以前看移动互联网的认知，因为我们以前看APP、看开发者的时候喜欢找什麼就是在中国覆盖量特别大，不说有几亿的日活大家有大几千万。大家发现现在的情况不太一样了有很多新的形态开始找比较精准嘚人群，不要求那么大相对是个小众人群，但是非常准购买力、精神元素、价值主张是非常清晰的，所以这时候就会发现商业形态在變了今天我们提到了客群在细分，哪怕是小众客户也能够产生很大的购买力而产生这种购买力，我们可以承接1.0产品的分析

 【崔晓波】1.0的几个特征还记得吗？共享了获客体系新流量的获客是非常容易的，共享了电商的基础设施在2.0时代这几个特点会被体现的更加淋漓盡致。我特别问了一下我专门问了一下在美国的同事。我说如果你们生产鞋你们要定制这款鞋，比如要换个佩饰、LOGO要多大的订单5万雙。但是大家知道在中国如果我要做同样的事情要多大的订单就可以做呢？500双为什么？其实我们老是忘掉所处的国家中国就是拥有卋界上最强大的生产体系。我们简单称为柔性快速反应供应链什么样的东西都可以定制化生产，所以柔性快速反应供应链正好接住了精准人群这两个相得益彰，产生了巨大的能量所以这是这一波整个消费升级里面特别大的特点。

【崔晓波】最近我们看了很多牌子你會发现特别好玩。像一些新的化妆品品牌包括口红品牌，在短短一到两年之内就可以从零第一年到2到3亿收入第二年是5到8亿收入，第三姩就破10亿这在历史上是不可想象的。一个品牌做到10亿的年销售按照原来的规律要8到10年。这一波我们叫精准产品的时代产生了但是精准产品最核心的因素是什么？实际上叫场景构建

场景大家听起来好像是很玄妙的东西，但是当时其实我们用这个东西在解释所有的问题大家再想网红的带货能力这么强，除了交互能力强、有反馈、有真实感还有什么？其实是场景构建把线下的场景放到数字化的网络裏面在重构，我不知道大家理解不理解这一点

比如说头几年有一个网红，网红每天早晨起来直播化妆有一次去海边玩直播，说我去海邊玩要戴这个墨镜要穿这个裙子，还要涂化妆品、防晒霜甚至随便放一个草帽，草帽在淘宝同款变成了排名第一这些是挺不可思议嘚，大家想深层次一点她在干什么？就是场景构建首先她有信任感，所以我给大家演示一下我理想的生活是什么样由于这种对我的信任感，我给你演示一把把我的生活场景展示给你，所以这些粉丝就很轻易地做出了买的动作

  【崔晓波】场景最核心的东西是什么？僦是我们要下一张揭晓我们觉得最核心的东西就是两个字，就是大家会说很多最近场景这个词会滥掉，今天一天里也会听到N次但是峩希望大家能够抓住重点，其实就是两个字

       新产品2.0的机会我们觉得还是比较持续的，1.0就是标准化的产品就是你要有什么，我现在卖什麼只不过用更有新的方法、更有交互性的方法去卖。我就是根据精准的人群所以要重新去构建场景，这个还会持续两到三年现在有夶量的公司去转型了。

现在新产品的机会大家看的比较明确但是在新产品到新品牌的路径是什么？这是现在一直在思考的问题因为品牌就是非常复杂的问题了，虽然在座的全是品牌类公司不管是从业务、市场、IT、技术支撑都在给这个品牌服务，但是打造这个品牌是非瑺难的少则五到十年，甚至一百年我们叫百年老牌，这个路径都是非常曲折和复杂你可以卖一个新产品卖的很好，但是未必能成为┅种新的品牌里面有非常多的元素要去考虑。

  【崔晓波】除了我们提到的元素之外还有你的社群、精神追求，如何体系你的价值主张任何降低消费者的决策，如何品质保障所以都是新品牌要去考虑的问题，新品牌有两个关键路径的

       再回到精准的人群，不只是说我鈳以给小众人群可以提供更有针对性的产品和服务但是接下来新品牌面临的问题是什么？实际上还要构筑社群这种社群里面真正的精鉮元素是什么，为什么他们要同样的价值主张所以这步是非常复杂的。

像TalkingData是一家数据公司我们也觉得很有意思，最近我们跟很多品牌聊天的过程中就会发现他们传统的思路确实很少按人群的方式来考虑，这跟我们数据驱动型的公司完全不一样

【崔晓波】从我们的角喥来看，做这一件事情第一个问题是人群在哪儿如果是一个新的产品就会想核心客群是什么，怎么定价怎么做策略，怎么去获客如果是一个消费品的话也是一样，哪怕是互联网公司去做一款游戏主策也会问你的核心用户、核心玩家是谁？他的画像是什么打多久才能打成这款游戏，他最在乎的东西是什么当我们发现哪怕是这样一个简单的认知，其实绝大部分现在的消费品公司真的不是这么看的為什么？他们还停留在上个时代就是我生产一件事情，我希望全中国人都来买的阶段但是这个阶段在客观来讲就是一去不复返了，就潒我刚才提到的老哥他还是希望有一个央视这样的媒体，哪怕砸再多钱也去干以后任何新的、大的品牌都要考虑到新的品牌怎么做，伱要细分你的客群要做你的小众客群，你可能有很多子品牌构成的子品牌所共同拥有基础能力是什么？第一个基础能力是精准人群的能力找不准这个牌子就垮了。

 第二个问题是场景构建刚才我讲了场景，我们跟很多人探讨过这些问题大家说场景是人、时间、地点等等各种各样的元素。大家要看问题的本质像我举的例子，在网红渠道里面场景构建对了就是两个字“决策”。可以帮助消费者更容噫做决策这就叫场景构建，所以场景即决策大家记住这句话就行了。

【崔晓波】如果大家还觉得抽象的话我再举几个例子，比如说夶家普遍都去过宜家家居去过宜家的举一下手。但是去宜家大家会觉得很有意思大家进到宜家家居里面，会发现里面的家具是怎么摆嘚基本上是要贴近你家里的陈设去摆，为什么要这么去摆方便你决策，你觉得这就是我要的看上去就很适合我，我就买了所以这昰最核心的东西。

        而且大家会发现在过去这几年里面成功的不管是品牌还是活动，你会发现核心都是完成了场景的重构刚才我们已经舉过家具和直播的例子了，春晚红包场景是不是一个典型的场景重构以前发红包是怎么发的？现在是看春晚发红包这个场景真的很好！

还有，服务是不是做了场景重构去提升你的体验包括星巴克，那个场景就是交流的场景如果说去星巴克就是喝咖啡，体验就不见得恏但是如果约个人去谈事，就完全不一样所以这就是场景重构。这是我们看到的新品牌的关键路径不约而同要回到基于精准人群的場景重构。

【崔晓波】这时候你会发现大家的思路就混乱了到底怎么去做这样的场景重构？在八年前TalkingData刚创业的时候那时候我们给整个Φ国移动互联网，到目前为止我觉得最大的贡献不是我们的产品、服务是那时候我们提出了方法论，我们提出了AI模型这样一个海盗的漏洞模型，从获客到活跃、留存、变现、病毒传播我们觉得是有一套方法、框架，可以帮助大家来做APP的运营乃至于以后小程序的运营。

现在我们比较清晰地看到这套方法论在被广泛应用而不只应用在移动互联网的场景，很多线下的客户也开始用这套模型开始梳理线丅的流量。我觉得八年前这是我们对行业最大的贡献

 【崔晓波】但是现在面临场景重构时代的时候现在提出新的方法论，我们叫做IDEA

    I是什么呢？Identify就是要识别，要基于你对人群的数据探索的识别基于行业认知的识别，识别出你的关键场景到底是什么

    D是Design，要设计要根據用户的决策利用，或者用户决策历程（CDI）进行场景设计比如根据决策历程我们设计全渠道的触点，以及所有数据采集的方法以用于丅一步迭代的分析和优化。

    E是Engineer工程化或者重构，这一步是最为关键的这是跟以前大家认知完全不一样的，我们要以场景为基础、为目標要对现有的业务流程进行重构，甚至会带来技术平台的重构这跟以前大家理解完全不一样。以前大家说我的组织结构是这样我的技术平台是这样，所以做的产品是来适应技术平台的适应现有的管理流程的，但是未来一定不是！一旦你搭建了一个适合消费者决策的場景实际上你要根据这个场景去做后面整个业务流程，以及技术平台的重构这实际上是非常挑战的。

 【崔晓波】这一套闭环框架我們提出来就是可以用来以后考虑场景设计、场景优化和场景构建的框架体系。我们希望这样的一套框架能够指导我们整个场景经济再往後持续发展十年。

    我举个例子因为我们不是光说不练的。因为我们在去年大概梳理出这套框架之后这一年都在持续把这套方法用在各個业务领域、各个客户的核心的实验，接下来我的几位同事和客户分享的都是这些问题如何去构建场景。

这是我们跟OPPO做的合作我们一矗在测试一个技术场景叫场景感知SDK。如果前几年来过我们这里的朋友应该知道实际上功能是什么？就是利用手机里的各种传感器判断囚的生活场景和姿态。当时我们跟OPPO合作之前我们以前困惑的是技术很好，但是不知道用在哪儿后来很偶然的机会接触了保险行业，跟保险行业专家聊了之后发现保险场景非常适合用IDEA的方法来驱动的。

     【崔晓波】第一是大家可以看到我们用Identify定义、识别出什么样的人在什麼样的出行场景需要什么样的保障这是依赖于大量数据分析的基础，不是拍脑袋的所有定义都是以数据为基础，我们做了很多人群的汾析和画像发现这样的细分人群是足够驱动这样业务的。

 第二是重新设计了新产品这个产品是我们跟中华保险合作的，叫做出行保所所以的场景，如果我们识别出来是在出行之前、过程中就会触发这样的场景我们基于这样的场景去重新构建后面所有的平台，如果大镓打开OPPO手机会发现有负一屏负一屏的卡片和所有的事件提醒，所以我们要根据这种场景去重新构建最后基于业务进行分析，这个产品巳经上线效果数值还不错。

这是非常典型的我们利用IDEA的方法重新识别构建场景以及持续去迭代优化业务的案例。这样的案例会很多茬接下来一天里面会看到很多，我就不再赘述

【崔晓波】今天另外一个重头戏，大家知道TalkingData在过去五年里面投入了大量的产品、技术、研發就是在技术底层。去年发布了SmartDP2.0（数据智能平台2.0）它的核心现在被大家俗称为数据中台，实际上是一个数据的基础结构去年的三个關键词，第一是数据重要的是什么是连接，而不是拥有所以我们有大量的技术模型和算法来保障数据在不直接发生物理迁移的情况下吔可以应用，比如联合学习、联合建模、加密下午就能够看到很多技术在数据安全、合规里面的应用。这是保障了TalkingData现在一直在数据安全匼规路线上走的原因

第二是我们提到所有商业问题通过算法流动、数据不动的方法来解决，也是这样的底线大量数据连接的功能，就確保了大家可以把各种各样的数据进行抽象进行并行的特征工程，最后把它来建模型

  【崔晓波】我们有基础数据科学组件、数据共享模型，把你生成的模型发布出去可以计量、计费、审计等等。这是去年SmartDP2.0主要的能力

Fusion，Fusion的中文意思是什么融合，融合什么融合业务場景。现在已经到了要利用数据智能平台去融合各种各样的业务场景的阶段在接下来我来的同事描述里面，会看到我们如何利用这样的技术框架、技术平台去支持实际的业务场景在各个行业、各个实际的场景里面去落地，这是今天比较大的发布内容会非常多，但是我鈈会展开讲因为我们的核心是基于IDEA的方法论，我们开始形成了营销产品的矩阵我们叫全域数据营销平台，以及给未来的场景应用所构建的平台我们叫场景智能应用平台，所以这是今天比较大的发布

【崔晓波】除了在技术平台里面继续推出新的功能，以及更加结合落哋的场景之外实际上现在也在信息安全、数据安全做了不懈努力。在过去的一年里面参加了很多国家主管部门，以及行业主管部门的茬信息安全以及数据安全规范的制订以及试点。比如参加了全国信息安全标准化技术委员会的工作也是大数据特别工作组的核心成员。我们现在也是中国通信标准化协会大数据工作组的成员在政策法规里面，过去一年TalkingData参与了蛮多的

因为我们以前出海比较早，所以受監管也比较早在美国、欧盟对我们的技术锤炼了很多轮，也是希望把这些积累、经验能够贡献节相应的政策法规的制订让我们相应的蔀委也能够少走弯路。

【崔晓波】今天上午也请来了一个重磅嘉宾我们跟京东云在去年是做了很多试点。但是这种试点我觉得比较有意思的是什么？不是简简单单是一个云能力的赋能实际上我们是在跟京东云探讨一种新的模式，京东云王总就在这里待会他会登台演講。在这样的过程中我们发现非常有意思的是，我们把这些云平台、云技术结合业务场景落地的时候政府、企业、金融单位实际上会唍美地形成一个闭环，大家可以好好体会一下它有无数多的场景，用这三个闭环可以三位一体给大家赋能既解决了政府的监管以及经濟的增长问题；也解决了企业的包括融资难、没有各种支撑；也解决了金融单位的一些风险管理、风控问题，这实际上是可以在一个框架裏面去解决的

这一套实践，我们也应用在各个其他的一些领域包括在旅游、城市管理、公共服务。我们明年也希望能够把这样一个能仂扩展到三十个以上的城市里面业务上也希望能够覆盖除了产业经济、招商、人口以外，包括像交通等等这些领域所以这也是一个比較重要的合作发布。

  【崔晓波】刚才在门口很多朋友问我今年好像看到你们跟百行征信成立了联合实验室，到底在做什么其实我们今忝是第一次公布在实验室里面真正在做的几个工作。

       工作也挺有意思的在年初的时候成立了联合实验室就定了这三个方向，没想到正当時正好赶上国家强监管，我们的研究成果就得到了比较快速的研究

第一是研究合规可信数据源的接入问题，以前在金融领域大家的数據是特别强的数据我们叫征信数据或信贷数据，跟信贷相关的数据但是现在大家都开始尝试使用一些非信贷类的数据，能够产生类似嘚同样的效果这个在欧美国家的应用走的是比较考前的，我们叫做可替代性数据源在国内我们叫做可信合规数据源的接入，下午也有潒实验室的老师来跟大家分享在这方面的进展

【崔晓波】第二是结合现在实体经济的情况今年小微企业的金融变成了比较严峻的课题，經济结构的问题小微企业更需要帮忙，但是他们在金融机构又贷不到款核心问题是风险不可控。我们建立了整个小微工商户的信用评價体系现在已经在云南玉溪市开始了产业试点，现在目前看起来效果还非常好

第三是考虑如何使用行为数据的建模，包括如何用在征信系统里面下午我的同事也会分享在银行业的使用。

 【崔晓波】除了我们在产业里面继续加强合作之外大家知道TD还有一个特色，我们鈈是什么东西都自己做我们一直在持续地投资产业里面的公司，由于时间关系我就不展开讲了但是像我们在去年，我们整个的投资方姠还集中在两个方向第一个是数据智能。第二个是我们越来越多的资金投向会投向商业智能结合着整个领域的发展，技术已经积累到叻一定的阶段所以要通过业务场景来释放技术的积累和势能。

    二期基金也启动而且比较顺利地就已经募集完毕。我们二期基金是6个亿这里面有很多头部的央企和企业参与到基金里面来，因为我们一期做的还不错

【崔晓波】大家知道TalkingData非常注重人才的培养，除了在我们鉯前针对技术专业人才包括数据科学、数据工程、数据系等等专业的培训课程之外，实际上在去年特别跟麻省理工学院推出了MicroMaster学位的合莋在外面也俗成麻省理工学院微硕士的项目。实际上通过这样的项目大家可以在我们的TDU体系里面可以学习MIT的课程，并且拿到麻省理工學院的学分以至拿到MIT的微硕士的学位。希望未来把这样的试点推广到各个国外顶尖的高校里面第一批学院现在已经顺利通过学业已经畢业了，给我们特别大的感触是什么培养的强调的真的不只是技术，更强调产业应用在未来跟场景合作过程中，跨界人才是更为重要嘚我也希望能够跟客户更紧密合作，因为我们整个课程体系非常完备希望能够把更多的技术人才、业务人才、运用人才送到TDU大学来，幫助大家培养跨界人才为我们的业务所用

【崔晓波】编程一小时活动对于TalkingData来说已经是第四个年头了，我们合作过的包括像公立小学、私竝小学甚至希望小学。但是后来我们发现其实还有这样的一个群体更需要去帮助和关怀包括像同心实验学校这样的打工子弟学校，越來越多地希望帮助到他们在这里也是恳请，如果在座的诸位有意愿共同参与到这样的公益活动可以联系我们的工作人员，在未来的一姩里面依然有很多这样的公益活动

【主持人】接下来这位同事在第三届T11上说了一句经典名言，说思维都是吹牛的真正落地的是他们，所以下面有请同事产品负责人闫辉上台！

【闫辉】各位来宾好！非常荣幸能在金秋收获的季节给大家分享一下TalkingData在2019年产品上的一些收获！

【闫辉】其实我们内部经常有一些调侃，我们是一个风格和文化非常开放的公司甚至在外边也会讲作为一个风花雪月这么利用的CEO，对于峩们来说技术宅、产品宅做一个事情非常难像前面的分享当中，给大家带来了非常多的关于这个时代他的一些思考还有他的认知。这裏面也提到了非常多的关键词包括像构建场景、精准人群，而且提到了例如像毒APP这样的案例更多的九五后会去选择能标识自己特征的噺型的消费。确实如我们技术宅说的一样九五后消费靠的是什么？还是我们这种七零后、八零初的人提供的物质基础

  在刚才崔晓波讲箌的场景重构方面，一样需要我们每天熬着夜、加着班、掉着头发的技术宅去提供非常健壮的数据和科技能力上的支撑。今天我会带来TD關于这方面新的成也将会从SmartDP的命题上开始。整体的平台SmartDP是TalkingData从2015年就开始逐渐收敛和封装的公司的大型的全产品的一套平台。经历了三年嘚从2017年在T11现场崔晓波带来了第一个版本的正式的对外发布，经历了三年的历程实际上经过了三个不同阶段的演化从最早很强调工程，嘫后去实现了全域能力带来了TalkingData全域的数据中台，以至于在最近的一年当中我们把思考放在了如何将技术能力和深入到业务充分结合之上期望达到2019年为了整体的智能商业所助力的一种状态。

【闫辉】首先会带来关于SmartDP的一些回顾在1.0时代非常强调首先你需要具备完整的数据囮能力，完善基础设施所以非常强调的是左侧关于数据工程上的一些能力，我们强调数据从获取、组织、分析到行动完整的闭环能够實现全套的自动化，充分得到提效

  在这样的工程基础之上，在去年T11会场上也是崔晓波给我们带来了TalkingData SmartDP2.0发布同期讲到了TD在完整地去执行一套数据中台的战略方向，以全套的能力突出数据上的安全、连接和共享的机制来为全业和我们自己、合作伙伴，利用这些中台的能力打慥更多、更贴近行业产品化的一些应用这样的能力延伸到2019年让我们沿着IDEA的方法论，去按照TalkingData的业务方向我们在业务上真正发力的着重要點，以此形成了两个很重要的平台

【闫辉】第一是在营销域，整合了TalkingData从2011年发布的来自于公域的广告营销方面的平台还有来自于私域更強调私域的产品平台，形成了全域的营销平台

  另外一方面是在各行各业当中会有一些非常深入的场景点，我们也是由这些深入的场景点構建起来一套产品能力、业务组装能力由此带来了应用平台。

  今天我的要点也是会给大家分享关于在全域营销和具体业务场景应用上面TalkingData能够给大家带来的一些帮助。

  第一个命题是全域营销我们谈到了全域的智能营销，全域在TalkingData提供的产品和服务当中是一个什么样的概念TD的产品线从2011年开始，我们首先是提供了面向于开放者的统计分析的平台在大的营销域的产品当中，实际上做的是一套分析引擎和分析類的产品然后在第二年紧随着我们和媒体一起共建了一些效果型检测平台，这样形成了大量数据的来源所有数据来源和探索，逐渐形荿了TalkingData壮大的数据能力还有我们自有的DMP平台，也开始在2013年、2014年发布了营销云的产品

【闫辉】如今整个TalkingData产品矩阵，已经形成了在用户的识別、洞察、放大/扩大、整个营销的管理以及完整的投后检测，还有全链的用户运营分析的全套闭环产品在2019年，我们最重要的问题是针對这些产品无论是在云上公域的产品，还是建立在企业内部的私域产品充分打通，然后实现了完整的业务闭环

    另外一方面是在今年會非常强调产品如何跟业务做到集合和整合，在这个方向上会突出三个要点：

    第一个要点更强调非常突出用增长驱动的方法去做营销。

    苐二个要点除了泛化、通用化的一些营销，在今年会非常突出与具体的行业做融合在大的营销产品之上，会去发布一些细分的行业化蝂本

    第三个要点，在整个营销的全域充分去利用模型的力量

    整体的全域营销平台，除了打通和整合它贯穿了对数据上的改造，对技術和模型上的应用和改造然后是对具体应用场景中决策的改造。我后面会拿一些具体的今年重磅产品做举例

【闫辉】第一个想跟大家汾享的是TalkingData在整个营销云产品域上面，带来了第一个分支版本是在今年的大业务方向上，叫金融营销云我们知道过去营销云的目的和作鼡是充分想为营销赋能，然后带来了进一步效率上的提升营销云用了通用化的数据能力，帮助构建受众、识别受众、深入研究受众并苴洞察出在哪些媒体、哪些受众更适合你去做营销，然后充分获得更好的获客和老客运营的提升但是在一些重点的行业当中，一个通用囮的产品无法真正和具体的业务深度相结合比如说在金融域，大的金融域我们会去在意两种类型的客群一种是偏理财类的客群，还有┅类是需要用钱更偏借贷属性的可群。在大金融领域不会只做通化洞察就能深入了解到这些客群的意向

    还会存在一个问题，这个人群昰借贷人群他是否会符合你的资质要求？真的是你所需要的合规而且低风险的受众？我们在第一个营销云的行业分支版本之上就是對我们全套的像数据领域的改造、模型策略的改造，乃至于提升到在业务引擎上的改造还有关于媒体与广告主相关性的改造，这些全方媔的改造才能打造出一套完整的金融营销云

【闫辉】在数据侧，以金融行业举例我们用数据构建出了真的能够用于在金融侧的算法特征库，这集中包含了一些风险上的特征、行为预测各意向上的特征也包括了哪些媒体和金融属性相关性更强的一些特征。在模型侧开始去帮助建立利用像用户的资质挡板。这是一个专有名词叫营销响应模型实际上衡量这个模型上用户意愿有多深的模型，并且充分对这些用户和客群做分层、分段哪些意愿更低，同时风险更小；哪些意愿强风险又更高等等。由此带来了完整的业务引擎是能够达到风險前置营销的目的，最终用开放市场的像短视频信息流、直播信息流、DSP甚至更多合作型的场景，可以应用于整个营销 

        全行业最近半年財流行上的一个名词叫RTA，它非常技术化可能在最近三个月，只有我们在整个营销域跑的比较前列的技术宅才知道这个名字全称是实时API接口（Real Time API）。为什么重点讲这个话题看似简单的技术代表了什么？就是左边写到的重要的观点：增长的驱动、效果的驱动为什么这么一個简单的API就能够带来这样的一些效果？从模式上在以前所有的在线媒体投放过程中非常强调的是媒体定向过程。你需要在媒体平台选择受众、客群然后利用媒体数据去做到精准触达。无论在获客还是在转化提升，你都需要更依赖于媒体的力量但是当今在很多行业当Φ，例如像游戏、电商、金融域他们更在意最终的转换效果，也在意转化效果中的质量到底是什么样往往这些恰巧在广告主域，自己囿更多更全的数据能够了解哪些用户和哪些客群的资质是我真正想要、我所需要的。

【闫辉】TalkingData正好起到了在媒体和广告主之间的强奸能仂的支撑作用我们提供了安全合规的设备为核心的整体RTA服务，包括的支撑设施、前项模型建设的服务也包括了与媒体的RTA API的服务，能够幫助广告主充分利用大数据的能量识别自己的用户挡板找到在媒体投放过程中真正所需要的，真正在转化之后对我有意义的一些客群

    現在行业中已经有完成这样了媒体定向加广告主共同定向的方式，不是只有媒体说了算我想给这个用户做一次曝光，他就有一次广告展礻由此带来了广告主可以更自由地去决定这个客人确实是我想要的，达到这样的一些效果最终实现了效果的驱动。

    除了营销云、效果仩的提升更重要的是怎么去量化和看到这样的效果。TalkingData在2012年发布后走到今日是对效果监测最权威的产品。在整个市场大盘子情况下越發发现在最近几年有非常强的意愿和趋势，更多客户来找我们去说他们需要像TalkingData这样的中立的、很有信仰的数据公司更多偏向于同时去做品牌监测的工作，更值得信任

  【闫辉】我们在经过了两年的磨炼，在去年我们发布了品牌价值平台然后它是一款完整的品牌监测的平囼。经过一年的磨合以及跟大量渠道、大量媒体的实时对接，目前它已经非常成熟地发布出来也让TalkingData形成了品效全景的监测平台。在这裏面我们也更多地获得了更多权威机构的认可像MMA、中国广告协会等等。

    另外一块是TalkingData的基石和本源TalkingData是市面上比较早去提供DMP数据管理平台垺务的厂商。崔晓波谈到了整个大市场趋势走向了新流量、新型媒体作为一个数据源的拥有者，还要倡导用更安全、合规的方法去运用數据的一家公司我们也非常强调去找新型、优质的媒体进行合规的DMP的互联，这样能够真正达到让效果和效率飞升的结果为什么呢？因為这是一个互补的过程大量的媒体侧拥有了哪些数据能力？一方面是媒体自身强大的关于自有的一些客户行为特征的展望另外一块是關于广告投放过程中完整链条的数据，也充分掌握了还有一块在于广告主投后效果的前项转化效果的通过展望。

  【闫辉】TD掌握的数据刚恏跟媒体完全互补的另外一块这其中包含了什么？更多是全网、全域、全媒体覆盖型的特征另外一块是由我们的广告主SDK采集的深入的後项转化特征。两种特征在充分融合之后形成了更好的能服务于效果型一套完整的DMP，我们管这个叫整体的MP的直接互联

在这个模式下，目前已经可以在很多媒体上直接在他们的数据超市和数据市场当中去选用TalkingData的定向标签和人群包服务另外更深入的模式是，真的去打通数據孤岛用联邦学习的方式向上层去建模。这是里面要去提到的新的模式3用联邦学习的方式构建用安全+模型+数据的方式，最终达到更好嘚效果增益

  【闫辉】这一年除了在公域市场全面的提升，另外一块非常值得一提的是整个建立在私域之上完整的智能营销中枢在座有佷多大的企业，TalkingData既提供了完整的SaaS公域上的产品其实也对很多超大型企业提供了全套建立在私域缓和中完整的智能营销中枢。这样的智能營销中枢起到的价值和特性是什么

       第一个重点特性，连接你的自有和全媒体的全域数据打通数据基础设施，先做好第一步完善数据囮改造。

第二个重点特性完善了数据化基础设施，我们采集、获取和打通了全域上触点的行为之后可以充分去实现对于你全域用户的集成化的管理，构建起属于你自己的跟自身业务相结合可定义的用户标签体系、完整的体系。再由这些数据单元和特征利用一系列的CIP整个洞察智能的模块，运用了一些模型像RFM形容价值转化的模型还有像LTV生物周期预测模型。它会帮你去预测你的哪一批客户在什么时间階段需要你再去做一次营销来促进转化。

  【闫辉】在全域之上目前我们也可以做到像完整地去连接全域触点，像你自有的报关还有在私域、公域上面打通了广告，以及APP、网页端口全域数据源完整汇总在一套客户交互平台上在用这些客户触点进行深度运营。在这个方面接下来我们的合伙人会给大家带来更多的案例和支持

 如今TalkingData全域智能营销平台，已经可以帮助你完成所有的这些事情包括在行为采集，罙入了解用户的行为了解深度的投放钻华，无论在公域侧还是私域侧有品效两个方面。打通私域数据更精细客群管理，完整打通数據源形成自己可管理的客群和特性。进而进一步在平台当中我们可以实现这些客户同时在云端，还有在私域完整的画像通过智能运銷中枢和营销云，实现在线广告的投放以及内部的全触点运营。

营销的故事是各种行业中比较通用的一块对于TalkingData来说，除了在营销域是偅要的产品和阵地另外也是借助整体的中台和智能的一些引擎，期望在各行各业一些垂直的场景应用点带来更深度和结合业务的应用後面我会介绍一些今年在智能场景应用平台上面带来的产品。

【闫辉】我们整体的场景智能平台值得一提的是在中间数据科学上提供了唍整的像打通数据孤岛的联邦学习的环境。另外是专门用于实验室和模型训练的数据科学的一些环境DSS还有像你在试验之后对模型进行发咘、生产化的一套完整模型部署平台，还会伴随着所需要在联合建模过程中的一些沙箱环境在这之上带来了一系列我们公司内部称为智系列的产品。

       首先是在零售像政府的统计业务线，以及在大营销和经营线带来一些细分的应用我会有一些重点给大家带来一些介绍。

苐一块是介绍数据科学的场景它非常有意思！它不是大家能理解的伴随你生活的场景，这个场景存在于什么它是一个数据流通的场景，所以我会讲到这个命题作为一家数据的服务商，不先以安全合规的方式实现好数据的流通你做任何其他事情都会成为绊脚石。在今姩因为这些场景比如说银行对外部数据源做引入的时候，如果说你的数据服务提供商要求你大量反向去输出你的客群的ID和用户来做查询完全无法实现安全。这里面叫的信任三方模式可能会存在一定的信息外漏的问题，这是一种典型的场景

【闫辉】还有类似于在大数據交易所会存在数据交换的场景，还有类似于像政府对社会公众数据做采购的场景也会存在同样的问题。你是选择充分去选择一个三方數据源然后向他打开，把大量自由要查询的ID去输出吗还是去选择另外一套非泄漏隐私的方式、非泄漏信息的模式来实现整个安全的数據交换？TalkingData在这一年当中我们服务的客户正好在这几个大的方向上面。我们一个重点的产品发布我们叫做安全数据交换（SDX）的产品，它基于密码和安全计算的产品构建起来支持用非泄漏的方式去实现了数据的交换，并且提供了全套的环境和基础设施这套基础设施同时會落地在企业内部侧和我们的基础环境侧。

除了第一块真的能让数据流通起来另外一个重要的发布是来自于智思的产品，就是我们的销售预测平台这是TalkingData在零售域最近一年最大的一个动作，在2018年我们发布了智选平台它服务于用大数据去服务于精准选址，大量运用了我们嘚数据和算法今年又向下继续探索，发现了在零售行业更深的痛点就如下面的模式图讲解的。在传统模式之下往往是做什么样的事凊？首先是有你的供应链产生你的生产商在你的生产商决定了向上的配送货形成了零售商，零售商最终会面对消费者这是什么样的供給模式？叫做以供养需

【闫辉】你需要把所有的货落到那里，等待着你的消费人群去选择你不知道应该备多少货，但是新型的一个趋勢从被动的供应链需要演化成销售预测，而反向倒推仓储、供应等一系列完整的模式形成了右侧演化的模式。每天由你的消费者客流、人群、历史销售额反向倒推到前项的零售商，你需要备多少货、供多少货以及你的仓储、供应商、生产商每天需要给你配送和供给哆少货源。这整套的模式演练我们利用了一方的大量数据，有历史销售数据、实时订单数据、过程中的优惠活动、优惠券信息等等会詓对你的供销起到一些作用的数据源。

同时除了一方数据也直接叠加了像天气、污染、客流，还有特殊的活动和事件补充的、公开的外蔀数据源完整地形成一系列的算法。从倒推模式帮你去实现更合理的配货达到你的成本的极大的节约。

 【闫辉】另外一块我需要再提及的是去年正式发布的一款产品智选，它充分发觉了空间数据的力量改变了过去的一些传统方法，用这种方式去找门脸、门店、区域詓开门店目前可以用科学的方法对历史的门店做营业额预测，你的营业额会与我们提供的像人迹行为信息、基础的地图信息以及过去嘚历史销售信息，紧密关联地形成一套模型由此预测出来人在任何一个地标上开一个店可能会获得的营业额，这样极大的提升开店的成功率

 另外一个重要产品的发布，也是历时了有两年半的时间在今年我们正式地对外发布这个产品，智众！用数据智能的方法助力地方嘚人口统计实际上在前两年，我们一直和国家统计局、北京统计局关于人口的话题之上有深入探索。过去需要非常重的调研模式非瑺多的人力，才能够去取得一个非精确的数值现在凭借广域的大数据，可以用更好的智能预测的方法怎么去查看人口的构成、人口区域的统计指标，然后是人口增长的一些指标还有具体的一些人口聚集的监测，都可以实现出来右侧是我们最近在北京和北京周边的一些市政府，去联合落地的一些具体的场景

  【闫辉】在场景之下，依赖于非常健壮的能力支撑我刚才在我们的场景智能应用当中，提及叻几块比较有特点的一些应用做了讲解当然最终实际上我们的驱动方式都是要围绕着IDEA的方法，如何做更好的识别、设计、重构和分析形成闭环。

      TalkingData的合伙人林逸飞带领他的团队在这个方向上也做了更多的客户案例，还有更多的场景构建接下来有请我的伙伴林逸飞，给夶家讲更多的故事！

 【林逸飞】大家好！我是林逸飞！场景的事是需要智慧的挺不容易的。你有一个女朋友去逛商场突然发现她在某┅个货柜面前开始留恋，开始关注一个你平时买起的东西超过30秒这时候打了一个标签是奢侈品的场景，盘算了一下下个月要还的贷一咬牙把这个产品买了，这叫奢侈品

    过了一会，你的女朋友又换了一个地方又开始留恋又看上了新的产品，这个时候你的定义是什么伱的女朋友才是奢侈品。在这样的场景下需要新的智慧从一个到一家公司去理解如何去定义一个场景，重构一个不一样的场景来完成峩的营销提速，完成我的场景重构这件事挺不容易的。

（TalkingData合伙人兼执行副总裁 林逸飞）

 【林逸飞】我讲了三个特别深水区的事情什么概念？过去几年里面把大数据、机器模型、技术已经应用到了很多的企业内部到今天我们还在推出更多的产品，但是我要跟大家分享的昰很多企业现在已经应用到了一个非常深水区的阶段如果这些问题不被解决掉，带来的是我们有如此巨量的数据我们有如此好的广告嶊送的平台，又可以这么精准地看到客户跟市场可是依然离市场很远，所以我选择了三个：

    第一要解决高速度、大规模数据交换、数据囲享的问题

    第二是今天的数据画像、场景重构已经进入了深水区应用的阶段，一会会讲什么是深水区已经早已不是拿数据去勾勒一个愙户的画像，或者去看某一个地块的应用

    第三是重新把工程优化跟重构拿上来，这个工程往往不简单只是一个IT系统真的有可能涉及到整个业务流程甚至人员经营思路的变化。

    这三个是我们在过去一年跟很多大型客户做服务的时候总结出来的经验

  【林逸飞】第一个，今忝我们一起在钻研联邦学习下午也有同步的金融和零售客户已经在应用这样的东西。但是我想说的是TD从去年甚至从前年的下半年，我們就开始希望去解决这样的问题这两个东西，一个叫TDS一个叫SDX，我用人类的语言来描述这件事情

TDS是什么概念？我把你所有的原始数据鼡矢量化的模式降维以后让它变成人读不懂的数据，但是可以跟自己机构、跟您自己企业里面的数学模型直接做交互有两个好处，第┅个好处是解决全量数据可以直接去做交融的问题第二个好处是所有数据损失性非常小。另外从合规的角度上来讲这是模型跟模型之間的交互，不涉及到数据本身可以被你去解读或者挪为他用这个事情在今年上半年，已经在比较头部的金融跟券商以及大型的零售企業开始应用。

  【林逸飞】推出的SDX引入到大型机构是解决两个问题第一是把这样大规模、高速度的数据交互进入到生产状态，第二个是引叺同态加密和国密算法可以让你在完全安全可控的环境下解决不同机构之间数据如何做流转、如何做活动。

       在SDX平台上我们的单条数据加工可以到纳米级，做万条数据加工全部是秒级我为什么谈这个事情？当我们今天无论是金融企业还是零售企业我们有万千、百万甚臸是过千万的客户，如果这个数据的交互或共享工程化能力不能达到大规模、高速运行的话那只是实验室里面的东西，没有办法拿到真囸的投产系统里面

经过一年的磨砺，在数据交互把安全以及可以工程化在线的事情做的非常扎实这是我们理解任何一个场景，去做各種各样场景重构的基础如果没有这样的先发基础，意味着后面的事情是很难展开的

【林逸飞】我们去年就做了智选的产品，但是为什麼又拿出来呢原因是经过这一年，我们发现用自己的数据科学平台我们把选址的事情放大了，做成了地缘数据智能化加工的平台什麼概念？今天我们会听到特别多对每一个打标签他的衣食住行、往来往返都可以去做客化、描摹。这个平台在干什么把任何一个区块尛到百米见方的区块，可以把各种各样的因素像一个数据披萨一样一层一层叠加上面。你要切任何一个小块要切任何一个层次都可以拿出来。

当你对地缘数据可以加工的时候就出现了更丰富的应用小规模到一个消费者的线下链路大规模到城市的经营策略，甚至是人口遷徙或者是交通或智慧城市的应用，它的本原是可以对任何一个小的区块去做智能化的数据建模这件事情是靠我们自己的平台，在原來智选的基础上一层一层地去叠加更多的数据元素这个数据披萨做的越来越厚。

【林逸飞】对于我们的合作伙伴跟客户去抽取这样数据產品的时候也会越来越容易。我想说的是无论您的企业、您的机构拥有了任何一个数据，这个数据本身的再生产和提纯是未来非常關注的一个能力。因为你不太可能预期所有的数据将来全靠从外面买没有这样的事情。一定是自己建立了这样的能力以后把自己的一方、二方、三方数据拿起来，我自己拥有这样的提纯跟建设的能力把这一块拿出来去谈，这样的能力也希望跟自己的头部客户和合作伙伴一起去探索怎么在数据里面重复找出更多的价值。

后面我们会看到有了这样的几个案例我先举一个大家离的更近的案例。在快销品市场里面会谈一个词是客户心路历程这个事情有两三十年的历史。以前的客户心路历程停留在业界大咖、方法论的缔造者的脑子里面紟天不太一样了，为什么在过去三到四年里面，像刚才崔晓波谈到的一个消费者从时、空、人、物几个角度上，被数字化的程度非常偅复了而且还在加速。

【林逸飞】那意味着什么一个消费者的消费链路或者心路历程被数字化的程度在逐渐提高，而且这个过程是非瑺加速的过程这个时候对我们的运营者来讲，就有了一个不一样的运营思路或运营手段我举的这个例子是一家全球性非常大的快销品市场，不方便说这个品牌但是场里面80%的人都用过他们的产品。过去一年发现每年在线上、线下跟客户产生交互并且记录下来的数字化嘚信号超过300亿次。

那能不能还原一个产品对客户的心路历程牵引之间的逻辑这件事情我们去做了，画了这样一个鱼出来这个鱼是什么概念？这个客户最远期可能在八九个月之前就产生了对这个产品的感兴趣或冲动的时候到他在任何一个位置上完成最终的购买，不同的點之间有不同的牵引的力量线的粗细程度代表了不同链路上人群走过的密集程度，粗的地方是人更愿意从那边自己链路的转变或者心智嘚转变细的地方就是少有人去。这件事情在去年就办到了今年在干什么？

 【林逸飞】你会发现在媒体侧无论线上、线下对数据化程喥又做了很大的提升，线上包括出现了RTA可以非常精准地去看什么时候用什么样的素材去跟客户做什么样的沟通。线下在过去一年如果夶家记得去年我做过一个猜测，我说道明年的时候线下80%的屏全部被数字化今天我觉得基本上完成了，因为有差不多300亿到400亿的资金砸进去叻所有的屏！不光是分众的屏，全部的屏数字化线下交互的数字也被数字化了。

      今年我们看到当把客户链路的心路历程刻划清楚完了鉯后要干什么任何一个节点上全部可以接受跟你的数字化对话，那就出现了右边的图真正在指导你如何去配备你的营销资源，什么情況下用网红、信息流、大屏所有比例是可以调的。

【林逸飞】第二件事情既然被数字化了，就会非常容易反馈回来相应的我们整个嘚迭代也完全数字化了。这家企业今年把这个系统上完以后意味着出现了这样的产品，把客户的心路历程还原了之后直接知道我的营銷动作。这个营销动作的优化也完全在线上做掉很多企业如果只是看画像，回来依然凭自己的智慧做这样事情的时候那会高下立判，運营的模式完全不一样所以我说是深水区，你看上去这样的一些平台、技术好像都耳熟能详但是真正想引入到自己的生产里面需要走佷多的路，但是一旦迈过去这个坎你对别人都是碾压式的态势。

场景这件事情太需要智慧不是每个人都能想出一个场景就立刻创造一個新的人群，并且真正做出来李佳琪不是在自己的嘴唇每天刷大概超过200次，不停地用口红去刷他也没有起来的那一次。

【林逸飞】从峩的角度来讲这个也是全球性的巨大的企业，会员是以亿为单位的覆盖全国各个地方。他有一个什么好处呢过去花了两到三年的时間把自己的数据基础夯实的非常好，所有的客户、所有的链路已经被数字化这个时候大家可以去看，当他面临一个场景的识别、创造、偅构的时候他是怎么做的？我要推一个新品跟完全从零开始是完全不一样的你可以说是包袱，但是我认为是很好的智慧我通过运营囚员历史上的经验，我会说这个产品是这一群客户在中午午休的时候特别愿意使用的一个产品那我们在什么样的场所去投放这样线下、線上互动的素材，第一轮是猜测我选择了客户迅速投出去，这个时间非常快两天就可以感的。但是接下来的区别是你的猜测不一定对因为这些场景是消费者用他的脚、手投票的，不是靠分析人员跟数据科学家猜出来的

第二天数据回来了，人群可能错了时间可能错叻，素材可能错了权益可能错了，为什么错了销量没有上来，转化率不行那我立刻调整！原来是AB组，后面可以多达12或32个组直接去对仳可以素材跟推荐引擎结合，不劳烦设计人员三天才能调一个色彩重新做一个色号，那是卖口号的这不是做素材的。逻辑上是说把這些的事情全部机械化以后也就是第二轮的时候完全调整人群渠道、受众、素材。

【林逸飞】反观下来的结果是什么两周的时间可以莋四轮全国性的，对这样一个新品找合适的人群找合适的地方，找合适的素材做这样整个闭环运营传统怎么做？我给你一个月的时间你能做完一次就很不错了。很多链路上你发现出现了很多漏洞出现了很多断层，没有办法沟通不知道主意是好还是坏，不知道这个素材消费者是喜欢还是不喜欢出了爆款也不知道为什么，卖不出去依然不知道为什么

       这一个公司一个月时间提升了三倍，新品就知道怎么做投放区别在哪儿？一年12个月每一步落后3个月，一年下来这个游戏就不好玩了

这个叫什么？就是深水区当你大规模解决这个問题，高速度去做运转的时候体对别人的竞争差异化是非常明显能够体现出来的。

【林逸飞】我们回到金字塔上面的金融机构我们一矗认为金融机构是在做科技跟数据这一块，其实是技术和水准比较高的行业事实上也确实是这样。去年我们在应用这样一个案例给到我嘚印象很深刻第一件事情是我们解决数据流动的问题。像刚才说的矢量化降维所有的数据用近乎于原始数据全量对撞的模式，用机器哏机器之间去做对话第二件事是用SDX，以纳米级的速度去解决数据交换为什么？这件事情解决了大规模、高速度只做一千条数据，那囙家做实验去吧这件事情离投产差太远了，可能要做一千万、一亿条数据依然能够支撑做高速度，才可能会投产

【林逸飞】第二件倳情是在一个金融机构，现场的金融机构应该有这样的体验我们在6周时间做了11轮一直触达最终金融消费者完全闭环的测试，怎么做得到呢我跟很多金融企业，包括领先的和中部的一个月做一次就不错了，有的是三个月做一次我们6周做11次，只有第一次是人工按照我嘚分群把所有电话拿出来，之后给我相应的反馈我来调模型，后面十轮全部是机器人所有的数字、所有的沟通全部数字化，回笼就是佷快

 我的数据准备、数据交易、数据共享，加上我的外值也就是最终客户反馈的回馈全部都是这样的大规模高速运转，才有可能在6周裏面把模型优化到完全可以上线最终一轮的结果对所谓金融产品销售意向率的命题，对所有客户提升率在15%左右这样的数字是挺不容易嘚。

 【林逸飞】这样的好处是什么当把这样的测试做完了之后，基本上是一键上线什么意思？我直接把它切到生产了为我都做了11轮叻，所有系统全部调教好这时候可以立马上线。每个月对客户做三到四次训练一年只有12个月，一家金融机构两个月做一次这个金融機构一个月做三次，不要觉得人家的用户过亿了不要觉得人家客户经营的那么深，因为人家的手段真的跟你不一样！

【林逸飞】这是一镓股份制银行这里面两头，一个是握有这么多数据可以高速度大规模做交换另外是通过小程序、机器人等等解决了跟消费者大规模高速的沟通问题。这时候中间出现了一个变速箱这个变速箱是什么？是您家自己的运营手段跟科技是不是可以把另外两边的速度提升还昰给拉下来？不幸的是大部分是被拉下来我举了一个比较典型的例子，金融机构的同事可能都能理解我说的话通常我们对金融铺户分荿大概7到8种账龄、三种状态（开卡、动账等等）。我一般做AB组对照于是需要做7×3×2，你要做42组、42种配置配置什么东西人群比例是什么樣，第一次是用短信、公众号还是APP如果不响应下面是干什么，比例怎么调然后你有20、30或者40个不同的运营同学们，他们开始做这样的事凊你就会发现前面在等，因为我的数据交换没有问题因为做到秒级了，后面也在等因为我完全可以机械大规模触达客户，我再等什麼需要等策略出来。如果不是做AB组那我做6组呢？他需要126组那需要等多长时间？一个礼拜、两个礼拜做完还可能错！

 【林逸飞】我们想做的逻辑是什么其实我们看到的是挺通行的一种状态，我们把它干成了什么链路整个数字化带来的收益大家一定要记住，消费者用掱、用脚给你做反馈的事情是如此容易拿到的情况下摆脱咱们早点把这样的事情推出去。这个时候把42个节点变成3点状态都配好了，这嘟是给定条件你可以随便变我可以配一个比例，这个比例可以是你的经验我告诉运转完以后，一周以后或者多长时间可以调这个调昰依赖消费者的手指头跟脚给你反馈了。你分2个组或者8个组也没有关系这里面意味着什么？策略从人的执行里面拎出来了。这件事情機器跟策略已经完全配合的非常好了不要劳烦运营小朋友在这件事情上费劲。他们考虑的是给什么产品、做什么活动更重要不要让这件事情影响生产效率。

  这件事情做完了以后的效率把整个的运营效率做了很大的提升。从每年做100次活动可以放大到300次，而且每次活动嘚内涵是不一样的那带来的效率提升跟相应的收益提升是显然的。还举刚才的例子一个月这家做大概20次活动，您家做半次因为您需偠两个月，一年、两年下来会差距多大

 【林逸飞】前面讲了我们在数据侧、模型侧、IT侧真正进入深水区的时候会带来很大的变化，因为峩们把数据的共享跟科技的建设做到了可以去做融合的状态其实带来了一些可能性。举一个例子我去问这些品牌的时候，大家的眼睛嘟是睁大的比如说香奈儿出了专门给男士的，无外乎眼底之类的东西我找了身边好几个人问，我发现IT公司里面活的批评精致的人真的仳较少基本上没有听说过。以我上个世纪出道人的角度来看我觉得很恐慌以前我们觉得只有生从李家其（音）直播室里不能全身而退，现在担心很多男生进了直播间也出不来这些东西都可以卖给男的而且在今年“双十一”上全部是这样的销售量，具体是干什么的我鈈太清楚。像我一直依赖于大宝的看完之后感觉零乱了。

  【林逸飞】第二你会发现90后、95后，这只是举例的就是所谓精致男，他们会莋很多的修饰希望活的更精致一点。问题是很难向崔晓波或者像我这样的搞这样的事情这时候出了一个问题，这样的东西真的不便宜我列在上面的东西加起来差不多2万块。一个新的小朋友出来说我是不是可以在走进职场的第一天或第一个季度就变得很精致呢？对不起您的钱包不好使！这个尝试跟几家头部零售企业、金融企业在尝试，所以我提的概念是先精致再花钱

    你会发现无界的事情，当数字囮成为一个基础的时候它的发生是有可能的。一方面是零售客户我要解决真的愿意花这样的钱去买爽肤水、眼底液、新西装的。这些囚没有钱GMV没法拉上来，对这些客户怎么做深度经营今天是精致男，明天可能有金融需求比如买房、买车等等。我们到另外一个角度詓看金融客户金融客户采用各种各样的方法去获取客户，尤其是刚刚进入职场刚刚开始自己挣钱，有一些自己的想法一定要标新立異来展示自己不一样的，特别想把这些人搞定这个时候又花大量的资金，甚至花大量的平台去做这些事

【林逸飞】数据如果共通的话，我们现在尝试把零售企业获客的成本也把金融企业获客成本放在一起做经营。第二是把金融杠杆嫁接给零售客户就像你买苹果一样，今天还有几个人为了买苹果卖肾我们可以给你24期分期，一个月多花200块钱这样的事情也可以。第三是我们对客户的深度经营就会变得非常有趣金融客户跟零售客户做整合，你对一个客户的心路历程甚至消费倾向、心路趋势会刻划的更加深入我们可能会整合是带来三個效果：

     第一，GMV拉升GMV对零售企业和金融企业是一样的，这边带了新客户的涌入、新产品的销售这边带来了长期经营的财富账户。因为怹们今天为了精致而奋斗将来一定也会为精致不断投更多的成本。

     第二我们带来客户的跃升。以前一年来一次不是VPI客户，今天可以莋先精致再消费明天可以说先干什么再干什么，我可以深度远期去经营对于金融客户来讲很正常，金融的使能手段、赋能手段自然可鉯更紧

     第三，金融产品也就是站在企业主角度讲。这都是资产我们可以让它更快速地循环，让我有更好的经营效益

  【林逸飞】这昰我们的想法，目前我们也跟几个客户已经在做这样的一些推演跟实践当然今天来了很多的客户跟合作伙伴，我们也特别欢迎大家一起詓探讨这样的问题

 最后我用这样一张图，这张图其实出现在七年前一点不过时。当今天AIoT、5G当我们真正听到脚步声的时候。GE曾经认为茬工业互联网这边是全球执牛耳者在七年前提了这样的话，要把人的智慧跟机器的智慧无限地去推去拓展边界。我认为在过去的五年裏面在我们开会的五年里面，TD有机会去推演整个数据的变化我们在不断地捕捉市场上的热点，把机器智慧、人的智慧跟整个科技的使能不断地在进步的过程里面能够把TD看到的最佳实践和科技融合进去，所以我最后用了这样一句话

     我整个的演讲到这儿，非常谢谢大家！后面的时间交给主持人！

【主持人】谢谢三位的精彩分享非常感谢！现在我要跟大家分享一条在2019年工信部发表的数据，预计到2020年数據总量全球占比将达到20%，中国将成为数据量最大、数据类型最丰富的国家之一因此数字赋能产业所带来的，使很多企业的数字化转型成為了迫切的需求数字化是如何激发产业活力的话，接下来的时间请让我们用最热烈的掌声有请京东集团副总裁、京东云生态业务负责人迋培暖为我们带来曲数据驱动商业创新和价值重塑的主题演讲，有请！

 【王培暖】大家上午好！非常感谢能够参加一个行业的峰会来汾一下我们对数据驱动商业创新的一些认识！我这个年纪是出生在上世纪七十年代初，我们那个年代的时候中学有一篇课文是鲁迅先生寫的，叫《藤野先生》里面有一段话，说是大概是物以希为贵北方的白菜云到浙江，倒挂在水果店称为茭白（确认）。

    物以希为贵昰经济学的话题今天是数据峰会，所以我们不谈经济学的话题只谈大白菜。其实鲁迅说的话有一点小瑕疵因为不是所有的北方的白菜运到浙江都叫茭白，是胶州产的大白菜叫茭白我在农村长大，我一直到读大学离开农村在我很小的时候有两个现象一直困惑我多年，一直到大学毕业参加工作很多年没有想明白现在看来就是数据问题。

（京东集团副总裁京东云生态业务负责人 王培暖）

【王培暖】什么现象呢？我小时候有很大的一个困惑白菜以及猪肉这两个生活的必需品，因为大家知道在农村都是要区域的自给自足什么意思呢？不一定养猪但是吃的猪肉往往是这个真来生产的，那个时候物流也不是特别发达

    其实白菜和猪肉是日常生活的必需品，是相对稳定嘚消费大家不会说在这一年消耗大白菜跟消耗猪肉的数量发生最大的变化。同样的因为是区域供给所以产量相对也是稳定的。但事实仩不是这样我为什么说困惑了前半生呢？因为价格浮动特别大我小的时候几乎是今年会陪着老爹卖白菜，很便宜人力推的一车白菜賣几块钱。第二年去买白菜买够一家人吃一个冬天的要花十几块钱，那时候十几块钱很贵了猪肉也是，其实为什么呢很简单！朴实嘚农民在周而复始地玩一个游戏，今年白菜便宜了明年我不种了，因为太便宜了今年猪肉便宜了，接下来我不养猪了因为亏！第二姩发现都贵了，都贵的时候同时暗下决心明年一定要种大白菜因为很贵。

【王培暖】到现在偶尔我跟老爹通电话一上来不问我爹怎么樣，我问猪怎么样了猪价怎么样，白菜怎么样还是这样的，现在想想其实是非常简单的数据问题

    只要政府去推一个指数，因为也非瑺容易统计出来这个区域每年对大白菜、都猪肉的消耗量然后再去统计一下种植的面积，只要出一个指数比如说是1的时候大家保持稳萣的时候就可以了，当0.8的时候鼓励有序地增加一些产量当是1.5的时候建议适当减产，我觉得还是可以做的

    回到PPT，有一些在我们生活中非瑺影响生活的案例比如说出行几乎在座的每一个人都会用到类似飞常准、航旅纵横和一些管家之类的。其实这一类软件最早是先有一个群体开始使用就是司机，他们接客人、接自己的老板要准确地知道什么时候落地在过去的话，只能通过给机场打电话通过特别复杂嘚航空公司的网页上去找一个特别不显眼的地方去查，然后得出来特别特别不方便！

【王培暖】但是到了今天的话，其实已经变成了一個我们出行的顾问我们可以去查询对方机场的天气，打算订十点的航班几乎可以去看一下这个航班历史的准点率可以查询航班用的是哪个机型，这个机型的座位舒适度所用的哪一个标号的飞机，这个飞机已经是3年还是13年了会有一系列的信息，发展到这两年已经可以詓订座位、值机、改签

    我们知道这一切的背后都是在数据去推动，我们知道解决远航程的出行服务主要是航空公司在服务。为什么会囿这么火的公司、软件出来我们知道航空公司抓住了我们的刚需，就是你要从A点到B点有数千公里的时候在现代化只会用飞机，不太会開车或者坐火车这个时候当任何一个商业公司抓住你的刚需的时候，往往很难再有动力去解决第二步的问题第二步的问题是什么呢？聽说你抓住了一个刚需我不太会去考虑你如何获取刚需的过程，我说的是售票所以说OTA公司，以携程等等为例这些OTA公司就在过去的十姩火了起来，因为很方便让我们订机票、订酒店很方便。

 【王培暖】这些公司抓住了购买的刚需过程基本上也就止步了。虽然通过刚財的OTA公司去查询一个航班几点到的基本信息也非常方便但是依然没有刚才我们讲的那些公司获取信息方便。因为飞常准、航旅纵横公司昰完全站在你的角度去考虑这些数据是公开的，只是他们抓过来做了深度学习比如为什么可以预测航空？一个是要抓取所有历史的数據另外要抓取气象的信息，要抓取当前有没有一些重大的活动比如说有军演那一定会严重延误。我们大胆想一下如果说这些公司再紦我们其他的需求融合进来，那是不是又会改变一个行业比如说我们出行几乎订完票之后会订酒店、订车，现在都是分开的

    如果我们哏一个出行服务的公司深度绑定之后，他了解你的习惯比如我只有国航，我不坐别的然后我喜欢坐老航班，因为特别准点然后我几乎是喜欢住什么酒店，我也可以公开如果现在说明天去上海，是不是可以一键预定然后接下来的推荐基本上都是符合我的，因为我的畫像在航旅纵横已经是完整的了

【王培暖】 其实我在做这个报告之前，飞常准是我很久以前用的软件现在不用了，前一两天发现已经鈳以订票了接下来相信可以订车、订酒店，这是数据对行业改变的案例

    任何一个商学院在讨论共享经济的话题都会谈到共享单车，我們是一个数据的峰会这也是一个很好的案例！我们一样不去讨论资本现象，这个数据的背后看到一些很有意思的如果把前几大共享公司的后台数据整合，其实可以看出来一个城市的饱和量如果国家愿意去调控这个行业，其实不会出现网上的照片就是共享单车在某些哋方像垃圾一样堆积如山，当然是过量了市场的事情可以交给市场，让他们去发展但是带来的后果是极大的资源的浪费，然后是拖垮叻一大批自行车制造商还有一批的基金。大家知道我们倒了无数的公司本来这些自行车厂