大数据运营（一）



数据化运营的定义与剖析

目前并未有人对数据化运营给出一个明确的定义：遇到这样的情况，我一般会做说文解字的工作，即弄清楚什么是运营、什么是数据化，然后两者是如何结合起来的。

讲到运营，必然讲到营销，现代营销理论最早可以追溯到罗姆·麦卡锡的《基础营销》谈到的4P（product\price\place\promotion）理论，从4P的顺序和定义可以看出，该理论核心是产品，但随着商业社会的发展，竞争日趋激烈，商品数量及品类逐渐丰富，商业的重心逐步由产品转移到了消费者，因此应运而生4C（consumer\cost\convenience\communication）理论，具体来讲，即

1、customer’s needsand wants;

2、cost and value tosatisfy consumer’s needs and wands;

3、convenience tobuy;

4、communicationwith consumer;

   进入二十一世纪后，随着计算机行业的发展，科技的进步，大数据时代的来临，市场营销面临越来越苛刻的营销预算、海量的运营数据堆积和存储，4C理论在商业部分发达国家已经不再适用，于是nPnC的理论随之出现。在此，以3P3C为例说明：

1、Probability:营销、运营以概率为核心，追求精细化、精准率；——这儿的概率有两层意思，从宏观上来讲，可以定义为特定消费群体整体的概率，从微观上讲，可以定义为具体某个消费者的响应概率；前者如目标市场定位、寻找相似特征的潜在用户，后者如关联算法、预测响应模型等

2、Product:注重产品功能，强调产品卖点

3、Prospects:目标用户定位（市场细分）

4、Creative:创意——包括产品、文案、活动、合作等（营销大师科特勒非常重视现代化营销上的创新，为此著有《水平营销》一书，下次可与读者一起分享）

5、Channel:渠道定位与投资回报核算

6、Cost/price:成本/价格

在这其中，数据分析挖掘所支撑的目标响应概率是核心，以此基础上围绕产品功能优化（产品A\B测试）、目标用户细分（用户聚类）、活动（文案）创意（活动成效对比）、渠道优化（渠道收益对比）、成本调整（投入产出比）等环节，共同促成数据