用户|数据化运营：算法模型可以取代业务经验吗？

编辑导语：精细化运营是每个企业目前都在做的事情，希望通过数据价值的挖掘和利用，实现降本增效。最近CDP平台增加了很多算法挖掘的标签，基于算法圈选的目标人群转化效果要比运营基于经验并且人工圈选效果好。这是不是意味着：基于算法的智能运营可以取代基于经验的业务规则运营呢？本文针对这一点进行了一些思考与总结，一起来看下。

文章插图
精细化运营几乎是当下每个企业都在做的事情，希望利用数据价值的挖掘和利用，提升运营的ROI，降本提效。
用户分层运营的方式一是基于运营的业务经验，将运营场景抽象成标签规则进行人群圈选和触达营销，另一个就是利用算法模型进行人货场的智能匹配。这两种运营方式各有什么优劣势呢?
最近CDP平台新增了很多算法挖掘的标签，扩展了基于算法模型直接输出目标人群的场景，通过AB对比，算法圈选的目标人群的转化效果要好于运营基于经验、规则人工圈选的效果。
有同学不禁问道，既然基于算法的运营过程不需要运营介入，省去人工圈选的动作，可以输出更精准的人群，转化效果更好，那是不是基于算法的智能运营可以取代基于经验的业务规则运营呢？
针对这个问题，个人的思考总结分享给大家。
一、基于业务经验的规则运营规则运营是指将业务精细化运营的场景需求，抽象成目标用户筛选的标签条件，利用CDP(或DMP)等精准营销平台或者数据开发数据加工进行用户圈选、营销触达。
举一个例子，我们都知道付费会员相比较一般用户复购概率、消费频次、平台忠诚度要相对较高(游戏人民币玩家和免费玩家的区别)，各家电商平台都在建设自己的付费会员体系，如京东的Plus会员、携程的超级会员等。
会员运营的同学希望找到潜在的付费会员用户，进行开卡优惠的促销活动。所有用户都进行营销触达的粗放式运营的时代已经过去了，广撒网的弊端一是促销成本的投入，二是对用户过度打扰影响用户体验。
精准营销思想下，按照业务经验，认为目前下单频次较高、消费能力强，并且对品牌有一定认可程度的近期活跃用户更有可能转化付费会员。于是，该场景拆分成多个用户筛选的条件，例如品牌认可度可以利用有过分享行为来量化。

文章插图
从上述案例可以看出，规则运营，需要具备良好的业务经验和一定的数据思维才能将目标用户识别条件标签化，主要特点如下：
优点：

行动敏捷，明确运营场景以及人群圈选条件后，可以快速进行人群输出，是CDP平台运营可以自助圈选，单个场景1小时以内搞定，即使依赖于数据开发，周期也基本上可以控制在1周以内。
可解释性高，人群都是基于经验按既定条件筛选出来，过程策略的动态调整、后期运营效果的分析，运营规则的都比较容易理解，可解释性强。
实现成本低，按照规则的圈选或数据清洗，运营+平台工具或运营+数据开发需要人力成本以及计算成本都比算法模型要低很多。

缺点：

规则固定，一旦圈选条件确定后，用户群体就固定了，无法再根据用户实际的反馈进行规则的动态调整，例如给进站用户进行优惠红包的弹窗，但有些用户非常反感这种阻碍他更快下单的内容，但是规则运营也没法针对此类用户进行过滤。
人群条件相对有限，基于经验抽象出来的规则一般不会太多，3~10个特征居多，分层的精细化程度一般。

二、基于算法模型的智能化运营基于算法模型的精细化运营，主要是指利用各种机器学习的算法，对用户进行聚类或行为预测，进行人货场的精准匹配。最典型的例子是产品的千人千面的个性化推荐。