在之前,我们曾经在不同的场合,都强调,Sensors Analytics 与市面上其它一些分析工具有一个很大的不同,就是不论是私有部署版本,还是 Cloud 版本,客户对于自己上传的数据,都拥有完全的所有权,并且我们也尽可能地提供了各种方便的接口,来帮助客户更好更方便地使用或者获取这些数据。一方面,这是对我们商业模式的一个很好的体现,即我们不通过客户上传的数据获取经济利益,而是通过为客户提供数据服务来赚钱。另一方面,这也是对我们一个愿景的体现,即帮助客户搭建数据仓库,更好地发挥数据的价值。

正因为如此,所以我们在这篇博客里面,会针对使用 Sensors Analytics 积累客户资产,来进行一个更加深入和详细的探讨。

1. 积累数据资产的价值和应用

对于一个互联网公司,积累数据资产,主要的价值体现在用户和产品两个大的方面:

  1. 积累用户的行为,从而更加深刻、准确地理解用户,构建用户画像,包括用户的属性和兴趣;
  2. 积累用户使用产品的记录,从而分析这些使用是否符合产品的设计意图,从而改善产品设计。

从这两个大的方面引申开来,又会有一些常见的基于数据资产的应用:

  1. 基于用户的属性和兴趣,为用户推荐更加合适的商品和服务;
  2. 基于用户以往的访问行为,判断用户是否存在流失的风险;
  3. 基于用户以往的访问行为,判断用户是否具有较高的消费潜力,从而给予更多的关注;
  4. 基于用户的使用情况,改善页面布局和设计;
  5. 基于用户的使用情况,改善搜索等策略的参数。

针对数据资产的应用,目前 Sensors Analytics 主要提供的是架构、数据方面的支持,后续也会逐步提供策略和算法层面的支持,并且将一些通用的需求产品化。

2. 如何更好地积累数据资产

为了更好地积累数据资产,最应该保证的,就是传入的数据质量。数据质量的好坏,直接决定了后续基于数据的一系列应用的效果。

Sensors Analytics 已经提供了基于 Event 和 Profile 的实体模型以及相应的数据接口,在一定程度上帮助客户完成了数据模型的设计工作,在这个基础上,为了保证数据质量,从而保证积累的数据资产的质量,使用者应该注意如下一些问题:

  1. 导入的数据尽可能的丰富,特别是产品的一些核心功能,以及一些能够直接体现用户意图的行为(例如搜索、下单、浏览特定商品)等,应该尽量入库;
  2. 导入的字段应该尽可能的全面,能够描述用户此次行为的字段,应该尽量作为属性导入,例如一个电商产品,类似于商品名、商品类型、店铺名等核心字段,都应该入库。

Sensors Analytics 针对不同的行业,提供了不同的行业模板,我们的数据分析师也会结合客户的实际情况,来协助客户完成数据的导入工作,希望能够帮助客户完成数据资产的积累。