第一篇：店鋪運營數據分析及應用(講稿)

第一頁：為PPT內容標題，善融商務系列課程之網店運營數據分析及簡單應用。

第二頁：引言部分，對于店鋪來說數據分析有什么用呢？如果網站是為了流量而活的話，那么數據分析的終極意義就是監控流量、吸引流量、保留流量。第三頁：為目錄部分，本教程分為四個部分； 1．為什么要做數據分析2.有哪些數據需要分析3.如何去做好數據分析 4.數據分析的簡單應用

第四頁：第一部分為什么要做數據分析。包括監控流量、吸引流量、保留流量三塊內容。首先監控流量要及時掌握店鋪運營實況，IP訪問量與IPV單客頁面訪問量。

第五頁：其次監控流量包括監測店鋪數據變化，進行調整，IP訪問量—調整標題關鍵詞，產品圖片，策劃促銷活動，價格策略等。單客頁面訪問量，調整頁面設計，產品線策略等。

第六頁：最后監控流量應該及時監測調整結果，進一步優化，評估促銷活動效果，根據市場變化，隨時修正標題關鍵詞等內容。

第七頁：下面是為什么要做數據分析的吸引流量部分；吸引流量的第一塊內容為通過店鋪流量統計工具，查看分析店鋪的訪問高峰時段、分析訪客來源等相關數據，查看商品成交訂單最多的時段流量，及時調整商品上下架時間。

第八頁：吸引流量的第二塊內容為根據數據分析得出有效關鍵詞，在商品標題中多使用有效關鍵詞增加商品被搜索到的幾率！

第九頁：吸引流量的第三塊內容為根據數據分析，發現最近被點擊次數多的產品，將一些熱賣、爆款等推薦商品加入櫥窗推薦列表，增強商品曝光率。第十頁：吸引流量的最后一塊內容為：積極參加善融商務的營銷活動，限時搶購、團購、專題活動等通過以上四種方法達到吸引流量的目的。

第十一頁：下面是為什么要做數據分析的保留流量部分，第一塊內容為店鋪里上傳大量的新產品，增加產品數量，將直接拉升店鋪曝光，增加產品與店鋪再次被用戶訪問到的概率。

第十二頁：保留流量的第二塊內容為檢查店鋪裝修質量，提高買家用戶體驗，讓買家記住我們的商鋪。第十三頁：保留流量的第三塊內容為提高售后服務質量，讓買家有更好的用戶體驗，提升回購率。第十四頁：保留流量的第四塊內容為使用平臺各種收券功能，在買家消費的同時贈送買家本店的優惠券，旨在提高買家的返購率。第十五頁：保留流量的最后一塊內容為關聯銷售，通過找到該商品同時也可以關聯到其他商品，也可以在商品詳情描述里，添加其他商品進行組合銷售。進行聯動式營銷，讓買家在我們的店鋪內長時間停留。第十六頁：以上為我們為什么做數據分析部分，下面我們來了解下善融商務平臺有哪些數據可以進行分析呢。這里我們分為個人商城與企業商城兩個部分，先講個人商城，個人商城這里有六個數據值得分析，1.1.店鋪流量數據統計，1.2.店鋪交易數據統計，1.3.店鋪訪客地區統計.1.4.店鋪訪客來源統計1.5商品數據統計.1.6.好評率

第十七頁：講解通過登陸個人商城后臺-點擊”運營管理”查看店鋪流量數據統計,這里可以選擇不同的時間段查看訪問的獨立IP數量.第十八頁：講解通過登陸個人商城后臺-點擊”運營管理”查看店鋪交易數據統計,這里可以查看不同時間段產生的交流筆數與訂單量.第十九頁：

第二十頁：講解通過登陸個人商城后臺-點擊”運營管理”查看訪客地區統計,這里可以查看不同時間段,來訪的不同地域的IP地址。

第二十頁：講解通過登陸個人商城后臺-點擊”運營管理”查看店鋪訪客來源統計,這里可以查看不同時間段，來源地址的url與數量。

第二十一頁:講解通過登陸個人商城后臺-點擊”運營管理”查看商品數據統計。通過這里可以查詢，不同時間段，銷售商品的編號，數量，以及訪客瀏覽該商品的瀏覽數量。.第二十二頁: 講解通過登陸個人商城后臺-點擊”交易管理”評價管理。通過這里可以查詢，賣家會員的動態平分與星級等級，在不同時段，獲得的評價記錄。第二十三頁: 以上主要介紹的是個人商城的相關后臺數據統計，那么企業商城有哪些數據流量可以進行分析呢？

這里主要介紹以下幾種，2.1銷售數據分析 2.2 流量數據分析 2.3 客戶數據分析 2.4 好評率

第二十四頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-銷售數據分析-基本銷售屬性。通過這里可以查詢，不同時間段，店鋪訪客數，成交用戶數、成交商品數量。

第二十五頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-基本流量數據分析。通過這里可以查詢，不同時間段，店鋪訪問獨立ip數量。第二十六頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-流量數據分析-空間首頁流量分析。通過這里可以查詢，不同時間段，店鋪首頁被訪問獨立ip數量，流量數據，訪客數量，頁面停留的時間。第二十七頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-流量數據分析-商品頁面流量分析。通過這里可以查詢，不同時間段，某個商品頁面被訪問量，訪客數量，成交用戶數量，平均查看時間，平均查看人次，平均入店人次。

第二十八頁:講解通過登陸企業商城后臺-點擊”供應商服務”-客戶數據分析-數據指標分析。通過這里可以查詢，不同時間段，某個省或者地區的瀏覽量，訪客數，地區訪問趨勢。

第二十九頁: 講解通過登陸企業商城后臺-點擊”信用管理”-評價管理。通過這里可以查詢，賣家會員的交易總體滿意度，星級，在不同時段，獲得的評價數量。

第三十頁: 上面一章我們介紹了善融商務有哪些數據可以進行分析，下面我們來分享如何去做好數據分析的內容。首先要做好數據分析的第一點為熟悉行業業務及流程，關注行業最新動態。若脫離行業認知和業務背景，分析的結果只會是脫了線的風箏，沒有太大的實用價值。

第三十一頁: 第二點是要有明確的分析目的。不要為了分析而去分析！數據分析的前提是要有明確的目的，要知道自己進行數據分析是為了什么。

第三十二頁: 第三點營銷、管理等理論是數據分析的指導思想，使分析思路系統化。例如4P理論[4P營銷理論被歸結為四個基本策略的組合，即產品（Product）、價格（Price）、渠道（Place）、促銷（Promotion），由于這四個詞的英文字頭都是P，再加上策略（Strategy），所以簡稱為“4P’s”]等，從哪幾個維度去分析？考慮哪幾個方面？故而使數據分析變得有血有肉有脈絡，真正做到理論指導實踐 第三十三頁: 第四點為掌握有效數據分析辦法，了解數據分析流程，掌握數據分析基本原理與方法，并靈活運用到實踐工作中，不論簡單還是復雜的分析方法，只要能解決問題的方法就是好方法；

第三十四頁:第五點熟練使用數據分析工具，建議先玩轉EXCEL數據透視表，有興趣、時間、需要的話，再學習SPSS、SAS等統計分析工具，同樣，只要能解決問題的工具就是好工具；做到以上五點要求，我們的數據分析就能達到要求標準。

第三十五頁：以上為如何進行數據分析部分，下面我們來分享最后一部分內容，數據分析的簡單應用。首先我們來關注相關與業績的三個關鍵數據，主要為 UV（包括訪問人數 訪問來源 性別，年齡，地域 頻次 訪問時間 購買時間），轉換率（包括網站轉化率 回訪者比率 積極訪問者比率 忠實訪問者比率 營銷工具的使用 商品管理及組合），單客價（包括投資回報率平均訂貨額，客單價，價格區間，產品定價，筆單價），最后銷量業績算法等于UV+轉換率+單客價。

第三十六頁：其次為關鍵數據的計算公式

1、網站轉換率 Take Rates(Conversions Rates)計算公式：網站轉換率＝進行了相應的動作的訪問量／總訪問量

指標意義：衡量網站內容對訪問者的吸引程度以及網站的宣傳效果

第三十七頁:

2、回訪者比率 Repeat Visitor Share 計算公式：回訪者比率＝回訪者數／獨立訪問者數 指標意義：衡量網站內容對訪問者的吸引程度和網站的實用性，你的網站是否有令人感興趣的內容使訪問者再次回到你的網站。第三十八頁：

3、積極訪問者比率 Heavy User Share 計算公式：積極用戶比率＝訪問超過N頁的用戶／總的訪問數

指標意義：衡量有多少訪問者是對網站的內容高度的興趣

第三十九頁：

4、忠實訪問者比率 Committed Visitor Share 計算公式：訪問時間在N分鐘以上的用戶數／總用戶數

指標意義：和積極訪問者比率的意義相同，只是使用停留的時間取代瀏覽頁數，取決于網站的目標，你可以使用兩個中的一個或結合使用。

第四十頁：最后是其它關鍵數據計算公式：包括 1投資回報率 Return on Investment(ROI)計算公式： 投資回報率＝每筆產出(CON)/每筆訂單成本(CPO)指標意義： 用來衡量你的廣告的投資回報

2每筆產出 Contribution per Order(CON)計算公式：每筆產出＝（平均訂貨數Ｘ平均邊際收益）－每筆訂單成本

指標意義：每筆訂單給你帶來的現金增加凈值

3單筆訂單成本 Cost per Order(CPO)計算公式：單筆訂單成本＝總的市場營銷開支／總訂貨數

指標意義：衡量平均的訂貨成本

第四十一頁：今天關于善融商務數據分析及簡單應用的分享就到此為止，善融商務，與您同行，謝謝！

第二篇：店鋪數據分析

店鋪數據分析

（一）店鋪展現為20514次

? 展現次數是指賣家通過搜索詞搜索看到產品信息展示在搜索結果頁中計入展現次數。? 比上月同比增長31.61%。

（二）瀏覽次數13123次

? 瀏覽次數是指產品信息和公司詳細介紹頁面，被點擊的查看次數。

? 比上月增長955.75%。

（三）訪客數5204次

? 比上月增長1026.41%。

（四）反饋次數335次

? 反饋次數是指包含訪客點擊公司旺旺發送消息或者點擊查看聯系方式。? 比上月增長697.62%。

（五）支付轉化率0.06%

（六）期間支付金額202元

（七）成交量只有為3筆

（八）意向客戶咨詢

? 網上熱門產品

? 金屬紐扣

? 大衣皮對紐扣

? 襯衣紐扣

? 四合紐，拍紐

需要部門的合作協助：

近期這些產品是很多網絡客戶都在關注的。我們需要提升的環節是： ① 流量轉化率，② 支付轉化率這兩個環節，（從而達成交易）而這兩個環節的一般情況下很難由我們部門是獨立完成的。因為涉及到了很多訂單交付及產品方面的相關知識，和新產品的樣品，這一方面是我們部門的弱項。我們希望在產品知識方面以及網絡銷售產品與線下銷售產品同步這方面得到很好的支持，另外，在產品這方面我們的目標是庫存的一個銷售。

具分析，造成我們的成交數量的問題有：

a.我們沒有給到客戶最快的回復

b.我們的產品沒有滿足到客戶的需求，c.我們的產品不夠新款

我提出的問題，相信我們的伙伴們會和我們一起去解決的！

我們的產品，是市場貨多一些，以及舊款式，問題在于沒有及時的反饋到公司，沒有去解決！在今天開始，我們將一個一個問題的解決，大家有信心嗎？希望客服提供一些客戶最近下單的熱門產品，以生產部向工廠拿多一些樣板，最好是可以提供調貨的現貨，以工廠新產品的一些新產品，非常感謝，讓我們一起為明天加油。歐陽，需要補充的嗎？

第三篇：游戲運營數據分析

任何一款游戲運營，都是以UED、數據分析為導向，如何開發、運營好一款成功的全球社 交游戲，是每個社交游戲產品經理頭等大事。用數據說話，是一個簡單明快的操作方式，但社交游戲的數據如何分類？海內外關注點有何區別？相信作為每個社交游 戲產品經理是非常關心的話題，那么我們就從基礎知識入手，逐步梳理出符合運營需求的核心數據環節，拋棄冗長復雜的多類數據，為自己的成功打下扎實的基礎。

付費率=付費用戶÷活躍用戶x100 活躍率=登陸人次÷平均在線人數 ARPU值=收入÷付費用戶

用戶流失率=游戲當前活躍用戶規?！職v史注冊總量 同時在線峰值=24小時內同時在線最高達到人數

平均在線=24小時每小時同時在線相加總和÷24小時

中國大陸運營游戲平均同時在線用戶=ACU 【有稱ACCU】 采用道具收費模式游戲活躍付費用戶=APC 活躍付費賬戶=APA 付費用戶平均貢獻收入=ARPU 當日登錄賬號數=UV 用戶平均在線時長=TS 最高同時在線人數=PCU 【有稱PCCU】

同時在線人數=CCU

付費人數一般是在線人數2～4倍。

活躍用戶（玩家）：是指通過你的推廣代碼注冊，不屬于小號或作弊情況、正常進行游戲一個月以上未被官方刪除的用戶視為活躍用戶。

您推廣的兩個用戶目前還沒有通過至少1個月的審查時間，您可以在您的推廣紀錄中查看您推廣用戶的注冊時間。且這兩個用戶需要滿足上述對活躍玩家的定義才 能稱為活躍玩家！

活躍付費賬戶=APA。

每個活躍付費用戶平均貢獻收入=ARPU。

【活躍天數計算定義】

活躍天指用戶當天登陸游戲一定時間、認定用戶當天為活躍、活躍天數加1天。

當天0：00-23：59登陸游戲時間2小時以上用戶當天為活躍天、活躍天數累積1天。當天0：00-23：59登陸游戲時間0.5小時至2小時、活躍天數累積0.5天。當天0：00-23：59登陸游戲時間0.5小時以下、不為其累積活躍天數。

每日： －－－－－－－－－用戶數量描述 在線人數：（取的當日某個時刻最高在線，一般發生在9:30左右）新進入用戶數量：（單日登錄的新用戶數量）當日登錄用戶數量： 每日登錄/在線：

－－－－－－－－－盈利狀況描述 每日消耗構成：（根據金額和數量做構成的餅狀圖）每日消耗金額： 每日消費用戶數量： 每日充值金額： 每日充值用戶數量： 每日充值途徑：

－－－－－－－－－產品受關注程度描述 官網首頁訪問量： 客戶端安裝量：（根據安裝完成彈出的頁面）客戶端下載量： 客戶端下載點擊量：

安裝率：下載安裝/下載量

－－－－－－－－－游戲系統描述 每日金錢增量、消耗和凈增值： 等級分布：

忠誠用戶等級分布：

特征物品市場價格（如聯眾游戲豆）： 每周：

－－－－－－－－－用戶群體描述

活躍用戶數量：當周登錄過游戲的用戶數量

忠誠用戶數量：本周登陸3次以上（當天重復登陸算1次），最高角色等級超過15級，在線時長超過14小時的帳號

流失用戶數量：上周登錄但本周沒有登錄的用戶數量 流失率：流失用戶/上周活躍數量

忠誠流失率：上周忠誠用戶當周沒有登錄用戶的數量/上周忠誠用戶數量 忠誠度：忠誠用戶數量/活躍用戶數量*修正值（新進人數的變化比例）轉化率：上周登錄的用戶在本周轉化為忠誠用戶的比例 －－－－－－－－－盈利變化描述 ARPU值（周）：當周充值總額/當周付費用戶數量；當周充值總額/當周平均最高在線 付費用戶：該周有過付費行為的玩家數量 新增付費用戶數量：本周新增的付費用戶 付費率：該周付費用戶數量/該周登錄用戶

付費用戶流失數量：上周付費用戶本周未登錄數量 付費流失率：上周付費用戶本周未登錄的比例

注冊轉付費：某一天注冊的用戶在一周后付費的用戶數量及比例

每月：

ARPU值：該月充值總額/當月付費用戶數量；當月充值總額/當月平均最高在線 付費用戶：該月有過付費行為的玩家數量 新增付費用戶數量： 付費用戶流失數量： 付費流失率：

活躍用戶數量：該月登錄過的用戶；

針對道具：

每日購買量： 每日使用量：

轉賣數量：購買然后在手里出售給其他玩家的數量 轉賣價格：

流通速度：轉賣總次數/參與轉賣的道具數量 購買者等級分布： 使用者等級分布：

產品分析為游戲包裝、盈利設計提供非常必要的支持，也是指導日常運營的重要參考。是運營工作中的核心內容之一。但和其他行業一樣，即便做了非常多的數據分 析和其他信息收集，我們往往依然很難獲得足夠的信息來得到一個非常清晰的結論，經驗和直覺在決策中還是扮演重要的地位。

產品分析分為：

一、從信息收集渠道上來看：

（一）數據分析（通過數據庫或后臺查詢的數據）

1.例行數據分析（每日、每周、每半月、每月，每季度……）

2.項目數據分析（非例行/重復，如開區效果評估，游戲修改評估等）項目數據調查一般遵循這樣的過程：

1.確定調查分析目的（證實、探索、預測）2.達到這個調查分析目的你需要哪些結論來支撐 3.獲得原始數據后如何分析（分析模型）4.如何獲取原始數據

（二）客服問題反饋（流程）

（三）自身游戲體驗

（四）玩家直接交流（游戲交互、日常溝通、QQ群、小型見面會等）

二、從內容上來看：(例行的)

（一）產品現狀描述：通過參數來反應目前游戲系統和運維平臺的情況

1.游戲世界描述（高峰/均在線，金錢監控，等級分布，特征怪物/物品/道具價格等）2.運維平臺及其它（下載量、下載完成率、注冊量、硬件使用率、客服相關數據等）

（二）玩家游戲行為分析：物理特征+外部行為+游戲行為+群體描述 1.用戶物理特征（性別、年齡等）

2.外部行為特征（登陸頻率、時長、時間段等）3.游戲行為特征（流失等級及變化）

4.群體行為描述（峰值、活躍用戶/忠誠用戶及相關比例、新進用戶、活躍度、忠誠度、流失率、轉化率等）

（三）玩家消費行為分析：修正盈利設計，捕捉用戶需求，新增道具設計 1.付費用戶描述（付費用戶數量、ARPU、付費用戶游戲行為分析等）2.盈利描述（盈利狀況、消耗構成及變化趨勢等）

3.道具分析（使用范圍、使用深度、使用/放棄原因等）4.付費意愿分析

（1）消費偏好分析（換金/個性/增強（經驗、裝備、技能）/方便互動/其它）（2）消費與游戲設置的聯系（道具對應等級、玩家習慣行為（如某種技能）、游戲任務、場景的開放等）5.付費行為分析

（1）單位玩家道具數量情況分析（擁有量、擁有的道具之間的聯系）（2）付費等級分布（首次購買等級、當前購買道具的等級分布）（3）付費數額分布（首次付費數額、續費數額）（4）付費用戶分類（根據一段時間內的付費額）

（5）續費行為分析（未流失的玩家中，中止消費、消費轉移的分析）（6）重點用戶的跟蹤

【名詞解釋和計算方式】平均同時在線用戶 = ACU 游戲活躍付費用戶 = APC 活躍付費賬戶 = APA 付費用戶平均貢獻收入 = ARPU 當日登錄賬號數 = UV 用戶平均在線時長 = TS 最高同時在線人數 = PCU 累積注冊用戶 = AccRu 收入 /

付費用戶 = ARPU 游戲當前活躍用戶規模 /

歷史注冊總量 = 用戶流失率 付費用戶 /

活躍用戶

*

= 付費率 登陸人次 /

平均在線人數 = 活躍率

24小時內同時在線最高達到人數 = 同時在線峰值(PCU)24小時每小時同時在線相加總和 /

24小時=平均在線(ACU)

【活躍天數計算定義】

活躍天指用戶當天登陸游戲一定時間、認定用戶當天為活躍、活躍天數加1天

當天0：00-23：59登陸游戲時間2小時以上用戶當天為活躍天、活躍天數累積1天 當天0：00-23：59登陸游戲時間0.5小時至2小時、活躍天數累積0.5天 當天0：00-23：59登陸游戲時間0.5小時以下、不為其累積活躍天數

第四篇：某某店鋪運營分析總結

頁眉為淘寶店鋪名稱

店鋪運營分析總結

店鋪網址（要求個性化域名）

班級：

學號：

姓名：

* *

頁眉為淘寶店鋪名稱

目錄基本格式：1.5倍行距；上下頁邊距2.54厘米，左右頁邊距2.6厘米；必須標明一級、二級、三級標題；分散對齊，內容均為宋體小四號字?！啊酢酢北硎究諆蓚€字。

（空二行）

目□□錄(二號黑體，居中)

（空兩行）

□□一、一級標題???????????????????????????1 □□

（一）二級標題?????????????????????????2 □□

1、三級標題?????????????????????????? 2 □□（1）××××?????????????????????????3 □□二、一級標題?????????????????????????? 3 □□

（一）二級標題?????????????????????????? 4 □□

1、三級標題???????????????????????????4 □□（1）××××?????????????????????????5 □□??

頁眉為淘寶店鋪名稱

□□??（正文的中文內容小四號宋體，英文內容小四號Times New Roman）□□

一、×××××（單起行，一級標題四號宋體加粗）□□

（一）×××××（單起行，二級標題小四號宋體加粗）□□

1、×××××（單起行，三級標題小四號宋體）??（正文的中文內容為小四號宋體）??

頁眉為淘寶店鋪名稱

參考內容：

一、店鋪概述

店鋪基本情況介紹（包括店鋪的名稱，取名的原因，店鋪主營產品，店鋪目前的信用、盈利狀況、店鋪的收藏人氣等等。可以插入店鋪的截圖。）

二、店鋪分析

（一）店鋪裝修分析

（二）店鋪SEO優化

（三）店鋪數據分析（通過量子恒道店鋪經后臺分析）

（四）店鋪的推廣方法（重點分析兩到三種方法，具體是怎么推廣的，效果如何？）

（五）店鋪運營中存在的問題

三、網店運營總結

頁眉為淘寶店鋪名稱

第五篇：大數據應用實例分析

電信運營商的陽關大道

——大數據應用實例分析

09012208

黃文婷

摘要：

隨著全球數據化、網絡寬帶化，基本的數據量越來越大，由此我們進入了大數據時代。本文探討了大數據內涵與意義，從電信行業這一大數據應用實例進行分析，介紹了大數據在電信行業的應用、必要性及相關措施。

關鍵詞：大數據

電信

應用

正文：

一、大數據的內涵與意義

（一）大數據的意義

大數據和云計算一樣，近兩年來越來越多的受到人們的關注。那么什么是大數據呢？ 大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。(在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中，大數據指不用隨機分析法(抽樣調查)這樣的捷徑，而采用所有數據的方法)對于“大數據”（Big data），研究機構Gartner給出了這樣的定義?！按髷祿笔切枰绿幚砟Ｊ讲拍芫哂懈鼜姷臎Q策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

（二）大數據的特性

大數據有4V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、veracity(真實性)。大數據的4個“V”，或者說特點有四個層面：第一，數據體量巨大。從TB級別，躍升到PB級別；第二，數據類型繁多。包括網絡日志、視頻、圖片、地理位置信息等等。第三，數據的來源，直接導致分析結果的準確性和真實性。若數據來源是完整的并且真實，最終的分析結果以及決定將更加準確。第四，處理速度快，1秒定律。最后這一點也是和傳統的數據挖掘技術有著本質的不同。業界將其歸納為4個“V”。

（三）大數據的應用意義

大數據最核心的價值就是在于對于海量數據進行存儲和分析。相比起現有的其他技術而言，大數據的“廉價、迅速、優化”這三方面的綜合成本是最優的。

此外，大數據的潮流雖然依賴于信息通信技術的成熟，但它對整個世界的影響絕不僅限于技術層次。它借助信息技術的創新與發展，及數據的全面感知、收集、分析與共用，引導我們以全新的思維看待世界，養成決策思維行為須根據事實與數據的分析判斷，舍去憑借經驗和直覺的習慣作風?？深A見，它將對慣于“差不多”的思維造成巨大的沖擊。

很多人一提到大數據，就會不由自主想到那個關于啤酒和尿布的經典案例。事實上，隨著移動互聯網、智能終端、云計算、物聯網技術以及電子商務、社交媒體等應用的飛速發展，大數據已經越來越多的滲透到生活方方面面，宣告著我們已經進入了信息爆炸的大數據時代。電信運營商歷經語音、短信、數據三個發展浪潮，積累了大量如文本信息、音頻、視頻、圖片等非結構化數據，在大數據時代無異于擁有了一條發展的陽關大道。而機智的電信運營商也致力于研究如何在這條道路上比別人跑得更快以獲得更多的利益。

二、大數據在電信行業的應用

（一）電信行業大數據應用的四個方向

現階段電信運營商利用其擁有的大數據進行全面、深入、實時的分析和應用，是應對新形勢下的挑戰、避免運營商淪為管道化的關鍵。從大數據的具體應用方向來看，當前應主要集中在四個方向：流量經營精細化、智能客服中心建設、基于個性化服務的客戶體驗提升以及對外數據服務。

1.流量經營精細化

在流量經營精細化上，大數據應用的價值主要體現在深入洞察客戶、助力精準營銷和指導網絡優化三個方面。首先，基于客戶終端信息、手機上網行為軌跡等豐富的數據，借助DPI(Deep Packet Inspection，深度數據包檢測)技術等，建立客戶超級細分模型，為各細分群組客戶打上互聯網行為標簽，可以幫助運營商完善客戶的360度畫像，幫助運營商深入了解客戶行為偏好和需求特征；其次，根據用戶行為偏好，推送合適的業務，并根據對客戶特征的深入理解，建立客戶與業務、資費套餐、終端類型、在用網絡的精準匹配，同時也能做到在推送渠道、推送時機、推送方式上滿足客戶的個性化需求，實現全程精準營銷；再次，利用大數據技術實時采集處理網絡信令數據、監控網絡狀況、識別價值小區和業務熱點小區，更精準地指導網絡優化，實現網絡、應用和用戶的智能指配。2.智能客服中心建設

作為運營商與客戶接觸的第一界面，客服中心(或稱客戶聯絡中心)擁有豐富的數據資源，可以稱得上是客戶信息的“聚寶盆”，利用好客服中心的客戶接觸數據對于建設智能化客服中心意義重大。利用大數據技術可以深入分析客服熱線呼入客戶IVR(Interactive Voice Response，互動式語音應答)行為特征、訪問路徑、等候時長等；同時結合客戶歷史接觸信息、基本屬性等可以建立熱線呼入客戶的智能識別模型；基于客戶智能識別模型可以在某類客戶下次呼入前預先推測其呼入的需求大體是什么，IVR接入后應該走什么樣的節點和處理流程。這樣，就可以基于呼入客戶習慣與需求的事先預測而設計按鍵菜單、訪問路徑和處理流程，合理控制人工處理量，縮短梳理時限，為客戶服務中心內部流程優化提供數據支撐，有助于提升熱線服務管理水平，加速熱線營銷渠道資源整合，有效識別客戶投訴風險，助力智能客服中心的建設。

3.基于個性化服務的客戶體驗提升

大數據時代對于運營商為客戶提供服務來說更加側重于“小”，即更加關注每個個體“小我”的個性化需求，而融合了電商、醫療、社交等方面信息的“大”數據正是為了更深入的理解“小我”、服務好“小我”。利用大數據技術，一方面可以建立更全面、豐滿的客戶畫像，另一方面還可以量化分解客戶接觸信息，識別客戶特征與習慣偏好，預測客戶可能在何時手機會出現故障、何時會產生換機行為等，為客戶提供定制化的服務，優化產品、套餐和定價機制，實現“一戶一策”的差異化、個性化服務，提升客戶體驗與感知。由此可見，大數據將為移動互聯網時代的客戶服務帶來一次變革，給客戶服務帶來極大的想象空間和無限的發展前景。4.對外數據服務

對外數據服務是大數據應用的高級階段，這個階段電信運營商不再局限于利用大數據來提升內部管理效益，而是更加注重數據資產的平臺化運營。利用大數據資產優勢，將數據封裝成服務，提供給相關行業的企業用戶，為合作伙伴提供數據分析開放能力。例如，Telefonica和Verizon已經成立專業化數據公司來運作對外數據售賣的服務。再如，如果將無線城市與物聯網、電子政務等方面的信息結合起來，將能為電信運營商的數據和政府的政務數據增值，對于打造一個開放數據平臺和民生服務平臺有重大意義。讓數據在不同行業之間流動起來，實現體外循環將能進一步釋放數據的價值。當然，以簡單的Data Seller模式售賣數據服務時，需要 注意保護客戶隱私、打消隱私顧慮。

（二）電信行業大數據應用的效益

網絡上的每筆搜索，網站上的每筆交易，敲打鍵盤、點擊滑鼠的每一個動作，都在輸入數據，經過整理分析后，它可能顯示市場的脈絡、甚至更具商業價值的開發著力點。曾有統計，運用大數據的分析，可以讓公司增加50%的新客戶，讓政府減少30%的成本。這些如海潮般涌入的大量資料，正是云端時代的新金脈，已經創造出驚人的效益。

三、大數據在電信行業應用的必要性與措施

電信運營商擁有大量的數據資源，如網絡信息、用戶終端信息、用戶位置信息等，只要對電信網絡有深刻的理解和技術積累，具有敏銳的行業發展嗅覺和強大的產業研發能力，基于大數據進行深度挖掘分析，將豐富的網絡、用戶等數據資源加工抽取后封裝為服務，將數據資源在一定程度上貨幣化，向大客戶提供增值服務，就能增加新的盈利模式。這無疑是電信運營商發展盈利的一條陽關大道。

面向大數據時代，運營商的及時轉型成為必然，否則將有被互聯網企業超越的可能性。理論上講，運營商擁有頗具優勢的大數據資源并不是完全不可替代，例如，用戶的位置信息就可以通過多種APP應用獲得，用戶的網絡使用信息也可以通過多家互聯網企業合作獲取，互聯網企業通過泛互聯網化收集更多的大數據信息。另一方面，多行業的垂直整合將成為趨勢，在數據應用層面，行業企業通過多種手段搜集大量的用戶數據，將更貼近用戶，更理解用戶，為其提供更適當的服務，大數據將成為資產更具有戰略意義，各個行業及單位都在關注大數據。

根據大數據數量大、時效性要求高、數據種類及來源多樣化等特征，運營商首先獲取更多有用的大數據資源，例如，很多的網絡運行信息，包含大量有價值的用戶行為和位置信息，這樣的信息可以加以利用。有了資源應該加以利用，避免大數據資源的浪費。事實上，一些運營商擁有大數據這樣的金山，卻似乎無奈坐看并逐漸淪為管道，在不斷強化傳統市場的效益考核，卻好像在忽視大數據價值的流失。

大數據在電信行業應用措施主要有三個方面：

1）梳理并整合業務部門對大數據的需求，立足分析需求，做好大數據的IT體系構架的規劃。大數據相關技術條件的成熟、大數據分析能力及分析應用經驗的積累等多方面因素，都是制約企業建設的建設IT系統的條件，要充分抓住大數據帶來的機會并避免“心急吃不了熱豆腐，反被熱豆腐傷害”的問題。

2）落實基于品質管理資料的經營新模式。面對大數據時代的趨勢潮流，學會既然無從抗拒，就積極響應，以共享大數據帶來的潛在效益。

3）以職能部門提供整體IT支撐方式向嵌入業務流程實時數據的分散能力支撐方式轉變。這種轉變趨勢又稱IT支撐“消費化”趨勢。在大數據時代，數據從支撐企業中高層運營管理決策普及到支撐企業的產品運營、市場運營、客戶服務，甚至在智能管道運營全流程中涉及從企業中高層運營管理人員到基層生產執行人員，很明顯，這種數據獲取和分析能力如果集中在IT職能部門，而不是全體人員均結合自身業務需求而具備的話，大數據分析驅動的各項運營管理應用即成為不可能的任務。

四、結語 從電腦技術的演進來說，“大數據”是既資料探勘、云端計算之后一項革命性的趨勢發展。龐大的數據資源迫使各個領域的運作造成量化的質變，目前全世界無論是學術界、企業界、產業界甚至是政府單位都在積極研究大數據分析。在這種背景下，電信行業也結合自身特征，進行相關的研究與應用，奔跑在大數據鋪就的陽關大道上，成為激烈競爭中的新贏家。

參考文獻：

[1]黃小剛．電信行業大數據應用的四個方向．業務與運營．2013(6)：26-28 [2]季鴻，張秀鳳，柴林麟．大數據在電信行業的應用展望．通信企業管理．2014(1)：76-77 [3]盧云許．電信行業大數據應用淺析．信息工程系統．2013(12)：29-30 [4]潘海鵬．淺談電信行業大數據的意義與應用．電子世界．2014(3)：21-23 [5]史斌，周雙陽．電信行業如何應用大數據．新引擎．2013（7）：47