接受调查的零售、消费品和金融服务公司的大多数全渠道测量和战略决策者表示，他们只追踪实体店（28%）或电子商务（37%）的消费者行为。虽然11%的公司同时跟踪这两种情况，但他们是分开进行的。只有24%的公司在电子商务和实体店之间跟踪消费者行为，以获得完整的客户体验视图。
虽然没有直接联系，但当涉及到用于获得全渠道测量的数据源数量时，这些企业可能处于高端。当被问及他们使用了多少数据源时，64%的受访者报告说他们利用了10多个数据源来获得测量结果。其中27%的人使用16个或更多的数据源。
有了这么多需要的数据，企业开始求助于各种解决方案来帮助他们汇总和/或分析全渠道数据。最常用的平台是客户洞察平台（59%）和营销情报平台（59%），其中约一半还使用数字智能（50%）和电子商务（49%）平台。
报告强调，38%的受访者正在使用全渠道情报平台。这些受访者似乎比其他人更有可能跟踪电子商务和实体店的消费者行为，并且认为他们的企业在跟踪消费者行为数据以更好地了解全渠道客户体验方面的努力非常有效。他们对自己应对消费者行为和趋势变化的能力也更有信心。他们已经制定了全渠道洞察战略和路线图，并投资于工具和解决方案，这些工具和解决方案可以汇总他们的全渠道数据，从而更全面地了解销售和消费者行为。
总体而言，几乎所有受访者都认为，在未来12个月内，他们的企业很有可能（59%）或有可能（40%）投资或增加对全渠道情报平台的投资。
文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！
更多阅读：
数据是成功克服这些挑战、改进现有运营模式和实现新价值的关键。72%的制造业高管认为高级分析比三年前更加重要，但只有17%的受访者从数据和分析中获得了令人满意的价值。这种差距仍然存在，主要是因为许多公司尚未具备必要的技术和组织基础。
为了利用数据的力量，“通过数据共享释放制造价值”倡议的成员共同开发了实现数据卓越框架，该工具可识别数据驱动应用程序的价值机会以及构建所需的技术和组织推动力。2021年，几家领先的制造商通过对其设施进行自我评估来应用该框架，以便更好地了解他们的数据成熟度以及可以采取哪些步骤来达到新的水平。
展望未来，世界经济论坛将继续支持创建帮助公司迈向全球互联的数据生态系统，与全球制造业密切合作，确定最重要的实践，并表彰那些在数据卓越之路上处于领先地位的企业。世界经济论坛还邀请更多组织通过多方合作来加速这一过程，这些合作使用数据来提高生产力、改善客户体验并对社会和环境产生更好的影响。
PDF版本将分享到199IT知识星球，扫描下面二维码即可！
更多阅读：
为了提高业务绩效，Designit调查的1000多名来自年收入至少为1亿美元的公司的营销和客户体验（CX）高管，他们试图打破内部孤立（74%），成功改变产品或服务（73%）并简化流程和协议（72%）。
64%的受访者还试图通过调整消息传递方式，使其更加真实、富有同情心或透明，从而提高业务绩效。受访者认为这些特征对品牌成功也至关重要。39%的受访者认为透明度至关重要，其次是真实性（23%）和同理心（17%）。
CX的要素
为了保持领先地位，76%的高管也在优先考虑改善CX。在他们看来，用户体验是CX最重要的元素之一，85%的受访者同意这一点。
根据那些对品牌成功至关重要的特征，高管们将客户对品牌的感知（75%）和与品牌的联系（73%）列为CX的首要要素。
58%的受访者认为跨渠道个性化是CX的一个重要因素，其中一个渠道是公司网站。
CX的未来
22%的高管认为参与内容是CX的顶级元素。也就是说，展望未来两三年，大多数受访者（82%）计划创造一种新的内容或体验，以获得可持续的长期竞争优势。
除此之外，高管们还认为在每个数字触点为客户提供个性化和便利性将至关重要（81%）。62%的受访者预计需要360度数据驱动的客户视图，人工智能（63%）、机器学习（55%）、无头电商（42%）和数字营销软件（32%）等技术预计将改变企业的运营和业绩。
PDF版本将分享到199IT知识星球，扫描下面二维码即可！
更多阅读：
传统电视
尽管过去几年传统电视支出一直在下降，2020年同比下降12.8%。2020年，传统电视的561亿美元投资轻松占据线下媒体支出总额的最大份额。
体验/赞助
在线下渠道中，美国的体验/赞助广告支出在2020年经历了最大的降幅，同比下降49.4%，降至242亿美元。预计该渠道今年将温和复苏6.1%，达到256亿美元。
购物者营销
2020年，购物者营销支出198亿美元。在所分析的渠道中，消费者营销支出下降幅度位居第二（-33.2%）。但是，它将成为今年支出增长的第二大渠道，预计增长20.1%，达到238亿美元。
广播
尼尔森10月份的数据显示，广播听众的数量几乎恢复到新冠肺炎大流行前的水平。广播支出总额101亿美元。
报告预计，2021年广播广告和营销支出将达到104亿美元，同比增长3.7%。
报纸杂志
营销人员去年在平面报纸媒体上投资92亿美元，比2019年减少28.9%。
平面杂志的媒体支出再2020年同比下降18.5%，降至88亿美元。今年，印刷杂志的投资预计将下降9.6%，降至80亿美元。
传统户外广告
2020年，该渠道的媒体支出同比下降了21.9%（68亿美元）。2021年对OOH来说是更好的一年，预计支出将增长14.5%，达到77亿美元。
可寻址电视
作为唯一一个在2020年实现增长（+4%）的渠道，广告主去年在可寻址电视广告上花费了21亿美元。预计2021年该渠道的支出将增长38.9%，达到29亿美元。
PDF版本将分享到199IT知识星球，扫描下面二维码即可！
更多阅读：
部分营销人员的战略决策只在某些时候（26%）或从不使用（5%）使用数据，这表明数据驱动的方法并不通用。
数据驱动的个性化（47%）和改善客户之旅（46%）是营销人员做决策过程最关键的趋势。其他受访者还提到预测性分析（38%）和线上线下数据对齐（33%），少数受访者指出全渠道营销（21%）、人工智能/机器学习（21%）和广告程序化购买（20%）是关键趋势。
优化客户之旅是一个关键目标
约45%的受访者已经制定了统一营销数据战略，约1/3的受访者（32%）正在制定战略。只有1/4的受访者（23%）没有战略，也不打算制定。
2/5的受访者（42%）希望通过数据驱动的决策策略优化客户之旅。
其他亮点
- 营销人员认为参与度（47%）、客户保留率（46%）、转化率（45%）和客户终身价值（40%）是做出更好营销决策的最有用的数据；
- 另外，多点触控属性（17%）和漏斗/管道数据（16%）对营销人员的决策的帮助小得多。
- 尽管大多数营销人员预计，由于COVID-19的爆发，他们的预算将会减少，但在这项最近的调查（4月初进行的调查）中，近一半的受访者表示，他们的数据管理预算正在适度增长（34%受访者）或大幅增长（13%受访者）。
PDF版本将分享到199IT知识星球，扫描下面二维码即可！
更多阅读：
事实上，销售团队和营销团队都建立了数据驱动的方法，大多数销售受访者还使用联系数据技术（82%）和账户数据（78%）。另外7/10的受访者（73%）使用销售参与平台。
不太常用的技术包括聊天和消息（61%）、预测和渠道管理（52%），以及销售活动自动化（50%），尽管这些仍被归类为广泛采用的领先技术。1/5的受访者（19%）使用销售规划技术，而使用激励管理的受访者最少（18%）。
在这些领域中，使用频率较低的工具往往是最成功的工具之一。受访者对会话智能最满意（83%），认为它的影响力很大（73%），但只有4/10的受访者（43%）使用过它。
另一方面，尽管账户数据在受访者中排名第三，但其影响力（54%）和满意度（63%）得分相对较低。
但是，可以发现一些相关性。例如，就影响（47%）和满意度（47%）而言，激励管理是表现最差的，也是最不常用的工具。
预计未来12个月内，约有70%的销售团队将在一定程度上增加其销售技术支出。一半的受访者（49%）预计这一支出将大幅增长（11%-21%之间），还有1/5的受访者（21%）预计这一支出将增长1%-10%。只有1/4的受访者（24%）预计他们的销售技术支出将保持不变，6%的受访者预计会减少。
PDF版本将分享到199IT知识星球，扫描下面二维码即可！
更多阅读：
随着营销重点转向投资回报（ROI）而不是形象工程，印度各地的营销人员看好营销科技的未来。80%的受访者预计未来五年将增加技术支出，客户参与度和个性化体验被认为是增加投资的关键驱动因素。
研究还强调了品牌和营销人员对新技术的成熟度，以及对新技术仍需最终交付业务成果的理解。84%的受访者认为数据驱动、以个性化为重点的营销提供了最有趣的机会；70%的受访者热衷于优化客户体验。
与此形成对比的是，只有不到30%的受访者热衷于采用新技术。营销人员不太可能采用这种工具，除非他们看到了具体的用例或好处。
解决方案提供商
虽然面向消费者的公司更看好新的技术机会，但B2B企业也紧随其后。
报告的其他发现包括：
- 投资遵循成熟曲线，87%的营销人员认为至少需要三年时间才能证明营销科技的ROI。
- 64%的营销人员认为缺乏内部技能，59%的营销人员认为跨组织采用是营销科技增长的障碍。
- B2C和B2B企业同样致力于采用营销科技。
- 数据和分析技能将成为营销人员的主要招聘标准。
- 70%的营销人员表示，创意和技术的融合将是五年后成功开展数字活动的关键。
PDF版本将分享到199IT知识星球，扫描下面二维码即可！
更多阅读：
数字化革命提高了各行业的客户期望，保险行业也不例外。
市场环境在不断变化，大数据、人工智能、物联网等新兴技术地涌现，新的保险产品和服务被不断地催生，中国消费者决策流程和思维方式也愈发智慧，让保险行业面临着前所未有的颠覆。
为应对挑战，寻求机遇，保险公司必须更快速、更高效、更智能地开展工作。在这一过程中，大数据作为各种保险科技的基础，被视为具有行业颠覆性的力量，正在驱动行业全面创新。
大数据重塑保险行业五环节
大数据技术有望在保险业得到广泛应用。大数据围绕渠道营销、交叉销售与增值销售、产品设计与创新、动态风控、理赔服务等环节来重塑保险行业。
数字化重塑保险行业五大环节
渠道营销
在保险行业，传统营销的销售方式投入大、效率低。精准个性化营销是保险业市场拓展的必由之路。
保险行业借助大数据分析，可根据客户的消费习惯和行为特征，及时、准确地把握市场营销行情；根据年龄、行为、财务状况和保险需求等各种维度对潜在客户进行用户分群，为不同客户群制定个性化的精准定向的市场营销策略。
交叉销售与增值销售
传统保险行业主要通过保险代理人连接保险客户，对客户的基本信息和需求掌握很少。
例如保险业通常会通过呼叫中心(Call Center)来辅助电销业务。以电销为例，盲目式电话保险推销极易引起客户反感，成功率极低。
精准营销在了解客户兴趣与爱好、购买能力，并做出预测和综合判断后，向客户推荐保险服务及产品，以保障推荐产品符合其财力、兴趣、理财偏好。
同时电销人员可以在掌握客户交易行为、理财情况等信息前提下进行产品与服务的针对性推荐，能够最大限度提高客户尊崇感和满意度，保证电销成功率，最终优化智能客服服务和人工坐席服务。
根据营销效果反馈，可设定多频次、不同渠道的营销流程，提升营销成功率，实现交叉销售和增值销售，提升销售及客户数据的洞察与分析。
产品设计、定价与创新
根据用户画像，快速了解多变的客户需求，可以让保险产品设计场景化、定制化、规模化、个性化。“一刀切”的不合理定价模式会导致用户价值流失，而海量的数据分析将持续优化价值链，优化定价体系。
大数据分析能够通过分析产品的绩效，帮助险企更新定价、及时发现问题，减少依赖代理变数进行产品定价。
动态风控
大数据技术客户帮助保险企业进行风险量化，避免承担过高的财务风险，或因超过预期的索赔支出而遭受重大损失。
通过数据分析，搭建用户分层分级体系，准确预测风险并确定个人定价水平和保险资格，降低骗保率，提升自身的承保、识别、防止欺诈的能力。
同时通过客户信用历史、持有保单信息、风险位置因素、市场信息等数据，为客户准确地评估风险，并完善风险评分流程和客户流失预测。
共享服务中心之理赔 & 服务优化
为提升客户体验，保险公司的投保条件愈发宽松，核保核赔速度快，甚至免核保、免体检、快速赔付已经成为保险公司吸引客户的“标配”。
在理赔各业务环节，基于大数据 + 人工智能的图像识别，优化定损流程，缩短理赔周期，提高用户从投保到理赔的效率，辅助降低赔付成本，提升客户体验。
当意外事故等发生时，根据客户报警记录、就诊信息等，保险公司可快速对客户做出理赔决定，实现自动理赔，甚至优先于保险人提出理赔申请，在降低成本的同时为客户提供便利。
保险行业构建指标体系的构建
戴夫•麦克卢尔(Dave McClure)针对创业公司应该关注的指标，提出了一套模型——Pirate Metrics，即海盗指标法。
他将创业公司需要关注的指标归结为 5 个方面，分别是Acquisition(获取)、Activation(激活)、Retention(留存)、Revenue(营收)和 Referral(引荐)，简称 AARRR。围绕用户生命周期中的 5 个重要环节，每一环节都有需要衡量的指标。
以上内容来自于《聚焦客户体验，数据驱动重塑保险行业》白皮书，现由神策数据用户行为洞察研究院重磅推出，主要内容包括：
- 数字化时代，保险行业的颠覆性力量
- 聚焦客户体验，构建保险业数据驱动力
- 大数据重塑保险行业五环节
- 保险行业指标体系如何构建
- 基于用户行为数据，保险行业的四大应用、十大场景
关于用户行为洞察研究院
User Behavior Insights Research
神策数据用户行为洞察研究院，由神策数据核心业务与技术骨干组成、并与各行业领先企业的业务与技术专家精诚合作，聚焦于大数据与用户行为分析的技术与实践前沿研究；旨在提供更具行业深度的洞察、领先的行业最佳实践、创新的技术解决方案等，为广大企业客户、大数据产业链从业者及神策数据自身未来的发展提供指导。未来，研究院将会进一步联合行业优秀创新典范、各类型合作伙伴、学术界与行业专家一起，汇聚大数据与用户行为分析领域的最佳创新实践和行业深度洞察，每年定期发布“数据驱动系列”研究。
更多阅读：
对于增长黑客（Growth Hacker），行业里有一个很清晰的定义就是数据驱动营销，以市场指导产品，通过技术化手段贯彻增长目标的人。所以这里有一个很核心的理念就是数据驱动营销和增长，这个也是数据团队的核心价值所在。经过多年的实战经验积累，我们沉淀了一套适用于自身业务的数据驱动方法，希望能够拿出来跟大家做个分享，欢迎大家关注。
1. 背景
近两年来，随着“增长黑客”的概念从大洋彼岸的硅谷传入国内，相关的理念和方法开始在互联网技术圈流行起来。2015年，《增长黑客》一书的出版和流行更是把“增长黑客”这个名词正式带入了大众的视野。“增长黑客”近年来兴起于美国互联网创业圈，指的是一种新型的职业或团队角色，主要是依靠技术和数据的力量来达成营销目标，而非传统意义上靠砸钱来获取用户的市场推广角色。因此，增长黑客有一个很重要的理念就是“数据驱动”，也就是通过对数据的分析挖掘来发现有价值的数据洞察，并推动线上的落地应用，再通过A/B test来不断的迭代优化，最后找到最有效的策略方案，帮助业务实现持续增长。
作为公司历史最悠久的数据团队之一，SNG数据中心早在2008年就开始建设专门的数据团队，9年来一直致力于大数据的分析和挖掘，通过数据来支持SNG业务的发展。在这个过程中，我们也积累了不少的理论方法和实战经验，希望能够拿出来跟大家做个分享。我们的分享计划分批展开，涉及的内容包括数据基础能力建设、大盘指标预测、用户增长分析、营收增长分析、产品优化分析等。后面我们会有相关系列文章陆续发出，这篇文章算是一篇开篇的综述，旨在让大家能够对我们的经验方法有个整体的了解。当然，数据涉及到的知识体系和领域太过庞大，我们的分享也只是冰山一角，希望能够给大家带来一些启发，欢迎大家关注。
2. 基础能力建设
问渠那得清如许，为有源头活水来。数据行当里面有一句老话叫做“Garbage in，garbage out（垃圾进，垃圾出）”，指的就是要从源头上确保数据的及时和准确，以保证上层的分析和挖掘能够得出正确的、有价值的结论。SNG的数据异构现象突出，业务上包含了即时通讯（QQ）、社交平台（QQ空间）、增值产品（QQ会员、黄钻等）、游戏（手Q游戏、空间页游）等庞杂的业务体系，而且个个都是海量的数据，不仅如此，随着公司组织架构的调整我们还经历过大范围的PC数据和移动端数据的整合，有大量的历史遗留问题要解决，复杂程度可想而知。这一节将为大家介绍我们为了管理和维护这么多纷繁复杂的业务数据是如何建设基础的数据能力的。
2.1 数据上报通道建设
对于大部分的数据挖掘工程师来说，对数据的理解和应用都是从数据仓库开始的，殊不知，用户在产品上的每一次操作行为要上报到数据仓库成为某个库表中的一行记录都要经过Agent部署、埋点、上报、转发、清洗、调度入库等多个步骤，每一个步骤都需要严格保证数据的一致和稳定。在数据量小、数据结构简单的情况下，这或许不是一件太难的事情，但是面对SNG海量异构的复杂数据环境，要保证好数据的一致、稳定、实时，绝不是一项容易的工作。为了更好的应对海量复杂的数据上报问题，早在2012年，我们就开始了新一代数据上报通道DataCollector（简称DC）的建设。经过4年多的持续迭代优化，DC现在每天要支持1P+大小，1万亿+记录条数的数据的稳定上报，为SNG的底层数据建设立下了汗马功劳。DC通道的架构可以参考图1：
图1：DC数据上报通道架构图
按照DC数据上报通道的架构，我们只需要六步即可完成一次新的数据上报：
第一步：安装及检查DCAgent版本
第二步：按照API文档进行数据上报埋点
第三步：创建新的数据接口
第四步：检查上报通道
第五步：查询流水数据
第六步：查看入库情况
2.2 数据体系建设
完善的数据上报通道的建设解决了数据来源的问题，但是海量的数据在上报到数据仓库的过程中以及上报之后如果没有科学有效的治理，后果将是灾难性的，就像洪水来袭时没有防洪工程，任由洪水泛滥一样恐怖。比如在日常的数据工作中，我们经常遇到这样的情况：数据库表没有说明文档，字段定义和统计逻辑不清晰，业务核心指标口径不统一，库表搜索难度大，等等。这些问题都是由于缺乏科学合理的元数据管理和数据体系导致的。SNG在多年的数据工作中也是深受这些问题的困扰。痛定思痛，我们通过规范数据上报、建立标准化接口、规范数据字典等一系列优化措施的执行，针对即时通讯、社交平台、包月增值等业务，沉淀了一套适合SNG业务特点的数据体系建设的方法。
以社交平台为例，我们总结了一套适用于社交产品用户写操作行为的数据体系如表1以及写操作维表如表2：
| 写操作时间 | QQ号码 | 写操作来源 | 一级操作ID | 二级操作ID | 写操作次数 |
| 20170313 | 123456 | 1(PC) | 5 | 822 | 5 |
| 20170313 | 123456 | 2(iOS) | 5 | 823 | 10 |
| 20170313 | 123456 | 3(Android) | 5 | 36 | 15 |
表1：社交平台写操作行为数据体系示例
| 一级操作ID | 一级操作名 | 二级操作ID | 二级操作名 |
| 5 | UGC操作 | 822 | 原创 |
| 5 | UGC操作 | 823 | 转发 |
| 5 | UGC操作 | 36 | 评论回复 |
表2：社交平台写操作维表示例
该数据体系及维表体系建设起来之后，纵使业务变幻，万变不离其宗，有新的写操作功能特性发布之后，只需要按照约定好的数据体系进行埋点上报，同时在维表里添加新的写操作ID的映射关系，报表即可自动生成，不需要数据分析师再额外开发，可见一个科学的数据体系的重要性，可以大大减少人力成本，提升开发效率。
2.3 指标体系建设
曾经听一个从鹅厂出去创业的同事讲过他自己亲身经历的一个创业故事。在他们的产品上线初期，公司最大的目标就是获取更多的安装用户。为了达成这个目标，他组建了一个庞大的线下团队在各个网点做地推，同时线上也在购买各种渠道和广告，进行品牌宣传。一段时间的运营下来，成效显著，安装用户数每天都在成倍甚至十几倍的增长。就在整个公司上下都在为安装用户数的大涨而欢呼雀跃的时候，他自己却陷入了极大的恐慌之中。因为他发现，在庞大的安装用户里，日均活跃用户数（DAU）非常少，也就是说公司花费了巨大的精力和成本获取来的用户，最终却没有在产品中留存下来。在接下来的时间里，他迅速调整了公司目标，开始以提升DAU为导向指导运营思路，最终成功的提高了用户的留存，DAU也随之改变了之前的颓势，开始稳步上涨。
同样的故事在硅谷也发生过。早在 Facebook 成立之前，美国社交网络的老大是MySpace。MySpace 历史久，用户多，还有东家加大金主新闻集团撑腰，从任何一个角度看都应该可以轻易碾压由几个大学辍学生创办的 Facebook，最终却输得一败涂地。其中的原因当然不只一个，但是有一个有趣的区别是：MySpace 公司运营的主要指标是注册“用户数”，而 Facebook 在 Mark 的指引下，在成立的早期就把“月活跃用户数”作为对外汇报和内部运营的主要指标。
相比之下，从“用户数”到“月活跃用户数”，看起来只是多了三个字，却确保了 Facebook 内部的任何决策都是指向真实持续的活跃用户增长。
这样的故事背后，其实考验的是一家公司或者一个产品的指标体系规划和建设能力。在“增长黑客”的理念当中，有一个“北极星指标（North Star Metric）”的概念，指的就是有一个唯一重要的的指标，像北极星一样挂在天空中，指引着全公司上上下下，向着同一个方向迈进。当然，不同的产品形态会有不同的北极星指标，平台产品关注的是活跃用户数、活跃留存率这类指标，营收产品关注的是付费用户数、付费渗透率等等。在不同的产品发展阶段，指标体系的规划也会有所不同。我们对不同的产品形态及产品发展阶段的指标体系进行多年的研究之后，针对产品从灰度上线到稳定期的各个阶段总结了一套适用于大多数产品的不同发展阶段的指标体系，如图3：
图3：产品各发展阶段的指标体系规划
3. 用户增长分析
前面介绍了我们在数据上报、数据体系、指标体系等方面做的基础建设工作。面对每天上报的1P+大小，1万亿+记录条数的海量数据，我们当然不会止步于报表开发层面，更加不会让这些有巨大价值的数据躺在仓库里面睡大觉。特别是在人口红利衰减，业务增长乏力的大环境下，如何从海量的数据中挖掘出对用户、对产品有价值的信息助力业务增长，成了我们数据团队每天都在思考的问题，这也是“增长黑客”的核心使命。在本节中，我将通过用户生命周期管理（CLM）和用户分群两个在数据精细化运营中经常用到的方法来介绍我们是如何通过数据来驱动业务增长的。
3.1 用户生命周期管理（CLM）
任何一名产品运营人员，每天思考的无非是这三个哲学上的终极问题：用户是谁，用户从哪里来，用户要到哪里去。为了解决好这三个问题，用户生命周期管理（Customer Life-Cycle Management）方法应运而生。传统的用户生命周期管理基本上包含五个阶段：获取、提升、成熟、衰退、离网，用户在不同的生命周期阶段会有不同的诉求，产品运营上也会有不同的方案和侧重点：
图4：用户生命周期
这里有很多数据可以发挥巨大价值的地方，以新用户获取为例，通过对历史新进用户的特征进行分析和数据建模，我们能够建立一个预测用户转化概率的精准拉新模型，在推广资源有限的情况下，锁定高转化概率的潜在用户进行资源投放，大大提升投放效率。从我们实际应用的情况来看，通过模型筛选出来的潜在用户，在转化率上往往比通过人工经验判断筛选出来的用户有20%-60%的提升，比随机筛选出来的用户更是有成倍甚至几倍的提升。
我们对CLM方法的研究和应用，最早始于2012年，当时跟麦肯锡的驻场团队一起封闭开发，以新用户获取为切入点，整理了8亿用户的近千个特征字段，进行了详细的数据分析，近十轮的模型迭代，在多个渠道进行了200多次的活动投放试点，试验用户群+渠道+文案+活动形式的各种组合，期间还陆陆续续邀请了近百个QQ用户参加深度访谈调研，验证我们的数据结论，最终使得实验组的点击率比对照组的提升稳定在40%-110%以上。随后，我们又把在新用户获取项目中沉淀下来的经验和方法复用到了活跃用户流失预警以及流失用户拉回的运营活动中，效果都有了显著的提升，数据在增长分析中的价值得到了有利的验证。自此，整套的用户生命周期管理方法就此打磨成型。接下来，我们把这套方法先后在QQ会员游戏联运项目、空间页游项目、手Q游戏运营项目中进行了推广和复用，进一步放大了数据的价值。到今天，CLM的方法和理念已经渗透到了SNG的多个重要业务中，并且还在持续的探索和优化。以手Q游戏运营为例，我们每天都会通过QQ手游公众号投放数以亿计的精准拉新、拉付费、关怀等类型的CLM消息，并且能够自动采集数据进行效果监控，彻底改变了以前“产品经理提号码包需求->数据团队提包（排期）->产品经理上传号码包->投放->产品经理提效果统计监控需求->数据团队开发报表（排期）”的传统而又痛苦的模式，不仅大大提高了资源使用效率，也帮助业务大大减少了运营成本。
在推广CLM方法，拓展业务场景的同时，为了更好的服务业务，我们自身的能力建设也没有停下脚步，特征库、算法库、AB test工具等已经日趋完善和成熟，另外值得一提的是，我们近期上线的lookalike功能使得需求的响应速度又有了进一步的提升。以前业务有一个拉新的需求，需要先跟我们沟通需求，我们了解需求之后要经过数据准备、采样、模型训练/验证/部署等过程，这么一个过程下来，快则一两个星期，慢则一个月，模型才能上线使用，这个对于需求紧急、心情急迫的运营同学来说显然是不能忍的。现在，运营同学只需要上传一个种子用户号码包就可以通过lookalike功能进行人群扩散，返回跟种子用户相似的其他用户进行运营活动的投放，前后只需要一个小时左右，速度有了质的飞跃，当然这也得益于我们投入了很多精力进行基础特征库的建设。
3.2 用户分群
CLM模型建立之后，我们可以通过模型找到更加精准的目标用户，但是为了把运营活动做的更加精细，我们还需要考虑这些问题：我们的目标用户的人群属性怎样？有什么行为特点和兴趣爱好？根据这些应该怎样设计运营活动。这就要用到用户分群了。用户分群从语义上理解就是对用户群进行细分，不同的用户群有不同的特征，好的分群能够帮助业务充分认识群体用户的差异化特征，从而找到正确的营销机会、运营方向。所以在数据分析行业里，有一句老话叫做“不细分，毋宁死”，讲的就是这个道理。既然用户分群这么重要，那我们要怎么做呢？用户分群常见的维度包括以下几个：
1. 统计指标：年龄，性别，地域
2. 付费状态：免费，试用，付费用户
3. 购买历史：未付费用户，一次付费用户，多次付费用户
4. 访问位置：用户使用产品的区域位置
5. 使用频率：用户使用产品的频率
6. 使用深度：轻度，中度，重度用户
7. 广告点击：用户点击了广告 vs 未点击广告
在维度少的情况下，用户分群是很好做的，比如年龄维度，我们经常会按照人生不同的生命阶段进行划分，再比如活跃维度，我们可以划分成低活跃、中活跃、高活跃用户群体。但是当维度增加到几十个甚至几百个维度时，人脑就完全处理不过来了，这个时候无监督聚类的方法就派上用场啦。举个例子，我们采集了以下10几个维度的数据，需要对用户进行分群。
图5：用户特征维度
就算经验再丰富的运营同学，面对这十几个复杂的数据维度，相信也很难对用户群进行准确的划分。而我们借助无监督聚类分析的方法，可以很快的把用户分成以下几类：
图6：用户无监督聚类结果
当然这里的结果都是数值信息，还不能直接指导运营方向和思路。但是结合业务理解对数据进行提炼和解读，我们很容易将数据转化成人可以理解的用户分群：
聚类1特征：年龄未知或低龄，好友少，活跃度和使用粘性都极低【低端低龄群体】
聚类2特征：年龄偏小，前台在线和消息活跃均比较高【学生活跃群体】
聚类3特征：平均27岁左右，PC端和手机端活跃度均非常高 【职场高粘性群体】
聚类4特征：平均28岁左右，前台在线和消息活跃都极低【职场低粘性群体】
聚类5特征：年龄较高，手机在线时长高，但消息沟通极少 【高龄低活跃群体】
当运营同学拿到这样一个科学、可理解的用户分群结果时，就可以针对不同用户群体的特征设计符合该群体特点和需求的文案、道具和活动形式。运营活动也必将取得事半功倍的效果。
4. 总结
正如文章开头所说，数据涉及到的知识体系和领域太过庞大，这里的介绍只是冰山一角，海量的数据中蕴含着丰富的金矿还等着我们去开采。回顾这些年的数据工作，我们在数据类型上，从结构化的用户行为数据挖到LBS轨迹数据，从关系链的图数据挖到文本数据，在系统架构上，我们也在不断完善和优化我们的数据系统及架构，为业务提供更好的数据服务。我们一直相信，通过数据驱动来帮助业务增长是数据团队最大的使命和价值，我们会在这条道路上持续探索，不忘初心，砥砺前行。
更多阅读：
译者按：这是一篇入门级的关于如何呈现数据界面的文章，比较偏重于视觉层面、项目层面以及用户使用场景的经验。希望大家看完会有一些更深层的思考点：视觉仅仅是图表好不好看吗？交互仅仅是最短路径与操作顺利吗？视觉和交互会对<用户情感>产生哪些正相关的影响？ 2. 设计是什么：图形界面，界面，交互？还是更应该着眼于给用户的整体体验？
用你的数据讲故事
“仪表盘”，“大数据”，“数据可视化”，“分析”—这些是人们以及众多公司对他们拥有的数据很感兴趣的爆发点事件。我曾有幸在我的职业生涯中从事几十个重数据的界面工作。我想要分享一些想法: 关于如何设计出与众不同而又富有意义的产品。
或许许多人都已经解决了这个问题，但是我坚持尝试我们在下面这个过程中阐述最有影响的部分。
1. 不同的用户，不同的数据
无论何时你在设计复杂的系统时，不可避免的要为多样化的用户或人群去设计。企业的高管、经理、分析师和普通人群分别有各自的工作流和数据需要。
定义良好的用户模型和产生洞察 这本身就是一种艺术，但他不是我将要在这里讲的细节，如果你好奇如何可以做到，点击这里 helpful post from Cooper ，最重要的事情是记住在早期定义用户模型，并且组织你的信息的体系结构的任务，并且围绕它构建线框图。
下面是我们去年工作中的<健康报告应用>项目。系统中按照不同用户的需求给与他们自己所需要的数据工作流。一旦我们创建了关键用户模型，我们会纳入他们之前每次评审会议后交付回来的成果。
注意每个用户模型的顶部布局，我们的客户已经习惯了这种方式。
呈现作品给一屋子的客户可以说是一项艰巨的任务。无论你在解释线框图、流程图还是视觉的不同处理，很难保证每个人都可以与你的视野保持一致。
组织用户模型的画板布局将帮助你（和你的客户）在讨论这些议题是保持在同一“频道”
2. 页面结构
这些年我们提炼的一项技能就是页面构造的概念，核心的理念非常简单：
“ 首先给用户展示他们（自身角色）需要看到的，然后页面其余的信息构建 基于用户场景以及用户自身的阶层。”
页面构造概念的核心原理就像写散文（或很多其他沟通的形式），一些时候当写完一本书时我似乎和它更亲密了。这些年来，我花费了大量的时间在这本书上 “风格：清晰而优雅的基础”。写作除了很好的被参考，它还描述了意味深长的概念：
“当你开始分心，你的受众很难看到整个页面，它不仅仅是由每个元件组成的，而是要把焦点放到整个信息流。”
这是在用户体验设计时需要牢记的非常有用的原理。下面是我们常用的两个普通的方法。
给你的仪表盘（dashboard）创建结构布局，问你自己-我想将这些信息讲成什么样的故事？
我看到很多在Bechance和Dribbble上的仪表盘（Dashboard）和数据可视化项目都在视觉方面设计的非常漂亮，而且往往以视觉的压倒性给人留下深刻印象。它们或者是 A：无数的小工具面板（widgets）以Pinterest的风格无序排列（译者注：瀑布流式布局），或者是B）在数据上过渡设计可视化效果。
左边图像展示了压倒性的数据可视化，右边的例子是对数据有损的过度装饰
在上面的图像（左图），仪表盘（Dashboard）报告需要一个任务控制的方法来呈现信息…他确实过于具有很强的形式感。为了避免这种情况，我们通过策划信息而试图接近这些类型的界面，更像你在杂志上读文章。
不能说这不是没有时间和地点坐标控制的中心界面…..但我个人更偏爱另一种设计。但是大多数情况总是看到所有的信息是不必要的。
关键事件的思考–避免创建一知半解的可视化效果。在页面上组织信息的布局，用户应该首先看到关键信息，然后根据关键信息展示所关联的支撑内容。
3. 选择“正确的”可视化类型
有很多（简直太多）误用的有利于美学的图表。
最糟糕的是–这些坏习惯看起来非常的丰富多样，我看到的每个地方，每个有图表的区域，应该是饼图、折线图或者柱状图。因此我们试图阻止这些…这里有几个小技巧帮助你的数据做正确的判断：
- 从数据开始
这并不性感—原始数据的表格。然而，这是最好的起点。它将帮助你思考在数据中那些变量是可用的，以及各种数据形态是如何相关的。
平整的原始数据，将帮助你思考系统中数据实体之间的关系
除了盯着数据发呆，然后希望最终的想法悄悄地溜进你的潜意识里，你还可以主动的使用下面这些很棒的资源帮助你揭示数据中有趣的相关性：
a. Charted—Medium开发的数据自动可视化工具。
b. 用Google表格、Illustrator和sketch设计更好的图表
c. Tableau–这个工具是这里面最好的，但也是最贵的。
这部分的过程并没有良方。不用害怕潜入数据中，尝试用混合和匹配不同的变量制作出最基础的图表。这需要花时间，但是很值得。我想出的一些最好的想法就是从摆弄原始数据文件开始的。
- 离散数据与连续数据的工作
它让我意识到这些，对于你的数据来说一些图标的艺术表现要优于另一些，它制作组成图表看起来很棒，希望你的数据像作品一样呈现出来。
你工作时用哪些类型的数据可视化效果比另一些要好，这取决于你的数据类型，选择恰当图表的一种方式是评估你有哪些类型的数据。有两种主要类型的数据：
离散数据 你可以计算不同的数值。比如，若干个目标的得分或Facebook赞的总数。
连续的数据 一定范围内的数值。例如，一个季节的降雨量或人们的不断变化的身高或体重。
简而言之，曲线图形最适合连续数据，柱状图最适合离散数据。
4. 基本可视化 VS. 自定义可视化
最后，作为数据系统经验丰富的设计师，你需要经常问自己：“我应该为用户设置最短路径还是让用户自定义？还是应该使用经过检验的可靠地图表传达信息？”。
最近，我在37 Signals上遇到了这篇文章—我全部的需要的三张图表就可以搞定。作者对于<如何可视化>有一个很强有力的观点:“解决问题”。特点取代视觉质量。我完全同意他的情绪立场，然而，我认为他的观点代表了一种特别功利的角度。我相信自定义可视化通常可以提高数据的可用性并且看起来独特又富有吸引力。
对于我来说，图表分为两种：“以不变应万变-适合所有”的图表和“最佳适配”的图表。表单，曲线图和柱状图在多种数据类型的包容性上表现优异，但是它们却如此的整齐划一（以不变应万变）、作为一个专业的设计者，我希望我的工作感觉是与众不同并且有效的。
比如，纽约时代做了一件了不起的事情，在他们的文章中增加了自定义的交互可视化。你可以在这里看到他们更多的作品。
我们一起来探讨一些无可挑剔的自定义可视化的例子：
http://www.nytimes.com/interactive/2013/03/29/sports/baseball/Strikeouts-Are-Still-Soaring.html?_r=0
在这个3D的图表中，改变透视角度的视觉令人兴奋，并且帮助用户洞察数据的相关性。
http://www.nytimes.com/interactive/2015/03/19/upshot/3d-yield-curve-economic-growth.html?_r=0
这个例子来自 Selfiecity.net 的一个很棒的作品，运用实际的内容去创建可视化。
http://selfiecity.net/
最后, 来自我们过去在CNN的一个项目，我们使用颜色编码显示政党偏好，用3D高度效果同时形象话人口统计的信息。
http://truthlabs.com/work/cnn
根据经验，我们根据数据和技术的实际需要来自定义数据可视化方案，但我们永远需要另一套保守的PlanB，如果项目并不那么的顺利，或者客户偏好更加保守的做法。
5.所以咧？
所以，我们为什么把所有的数据放在一个页面上呢？答案：这样人们可以在上面-作出决策，研究，预测未来，以及任何事。 重点在于，你的用户不会惊叹你所选择的漂亮的颜色，他们正在聚焦做自己的工作。
所以这是我的建议–在你已经搞定了你的页面布局，一切都恰到好处，问自己：“那又怎样咧？”。看着每一个图形、仪表盘、图表，表单，思考什么样的人回从中收集信息。
我发生过几次这样的事情—我用数千个数据点生成了趋势图、饼图和地图，然后创建了很棒的复合式仪表盘。客户仅仅问了一句：“我想知道产品如何工作”或“我只想知道三件事X，Y，Z轴，我可以在哪里找到它们？”
遗憾的是，在这一刻，你意识到你像一株草一样迷失在草丛中并且错过了更广阔的格局视野。
有一种我经常使用的策略，使用文字去和想获取信息的用户进行视觉传达。
16从更高的层面讲，有时文字描述比图表更有效
这个图片是从我们最近的两个项目中拿出来的，同样简洁的用文字告诉用户他们需要知道哪些信息，而不是图表或者需要被解释的图形。
这种做法与我们的客户产生共鸣，尤其是高阶的信息。但正如我前面提到的总是有多个角色来决策，所以需要适当的应用。
- 爱任何形式的设计，它其实是一种现实的平衡。
- 为你的数据做出独特的呈现，但要避免过度设计和不必要的干扰。
- 为你的数据选择正确的图形，但不要忘记使用层级来构建你的页面。
- 无论是多么令人沮丧或繁琐，也要担心每一个小细节。
- 然后不要忘记问问自己，“那又怎么样？”
译者：狐狸的糖果罐（微信号：Foxcandycan）
原文作者： Erik K，Truth Lab创意总监@华盛顿
更多阅读：
内容营销、营销自动化、原生广告以及程序化购买等过去被认为是营销趋势的东西慢慢地降格为营销工具。Chiefmartech.com 统计的主流营销工具已经超过了42 个大类（诸如内容营销和程序化购买这样的大类）2000 种了，而且还不包括虚拟现实营销这类新玩意。
相比营销手段和工具，速度（speed，创新的速度和对用户需求的响应速度）、适应性(Adaptability，对变化的适应能力)、相邻性(Adjacency，抵御相邻行业非竞争对手的颠覆性创新和降维打击的能力)、规模化（Scale，整合资源的能力）和精准（Precision，基于数据的决策）才是营销创新和数字化转型的主导力量。在营销峰会和行业报告集中的季节里，总归有那么一两个是具有类似的眼界和格局的。
从媒体公司到数据公司的转型
IDC 的 2016 年全球IT行业报告展望了未来三到五年数字化转型技术和平台的创新。IDC 认为颠覆将是未来商业世界的主导力量，每一个行业的排名前20 的公司将有三分之一被数字化颠覆（Digital Disrupt）。在中国，阿里巴巴和腾讯是最有可能活下来的两家公司。IDC 预测在未来三年内，互联网设备的数量将翻倍，产生20 万种新的应用。连接一切的互联网将赋予创新新的含义：算法和数据。这也是传统行业的觉醒者如GE、John Deere、江森自控等公司的转型的方向——从设备和解决方案提供商转型为数据公司。
这个报告和Forrester 以及Gartner 最近发布的未来趋势预测，都在预言新的一年里最重要的营销主题：数字创新正在加速到剧变的临界点。
Gartner 的报告指出，三年后，20% 的新闻、博客甚至法律文件的撰写和发布都将由机器代替人类完成；五年后，虚拟个人助手（Virtual Personal Assistants, VPAs）将借助行为分析帮助人们完成40% 的智能手机操作。在未来，品牌不仅需要与用户交互，更重要的是具备和用户的设备交流的能力。这要不依赖于创意，而依赖于洞察和数据。
每一个公司都将从现在的媒体公司变成数据公司
Forrester 的《2016：决定客户时代成败的十大关键成功因素》的预测则更加直白和严峻：在新的一年，数字营销领域的贫富差距就进一步拉大，在数字化转型和组织数字化变革上观望和保守的公司获得和留存用户的成本将进一步增加，品牌核心竞争力将进一步下滑。这正如IDC 的首席分析师Frank Gens 所说，无论你处在哪个行业和领域，如果不想被颠覆，那就马上行动。
流动起来的内容
在内容为王的时代，你很难准确地定义什么是内容。但是有一点是确定的，那就是内容在实时化和视觉化的道路上一去不复返。根据eMarketer 最近的调查数据，Periscope 、Snapchat 和Instagram 三大流媒体和实时图片平台已经成为最有效的营销渠道，在数字营销的效果和效率上远远超过了传统营销三件套——Facebook、Twitter 和YouTube。
无论是流行文化还是消费趋势，身为网络原住民的90 后和00 后正在取代身为网络移民的70 和80 后成为趋势的引领者和定义者。Periscope 和Snapchat 为代表的实时和即时社交媒体在慢慢地在年轻群体用户的引领下从小众走向主流。
来自Salesforce.com 网站的数据显示，截止2015 年8 月，Periscope 的用户量已经超过了1 千万。这个提供实时视频直播的应用已经成为品牌内容分发的重要渠道。阿迪达斯会选择Periscope 直播与J 罗（James Rodriguez）的签约，日产汽车用Periscope 发布新车型，就连B2B 公司GE 也用Periscope 来提前预热天体物理学家奈尔•德葛拉司•泰森(Neil deGrasse Tyson) 的采访花絮。
内容的实时化和视觉化趋势，不仅是流媒体技术进步的结果，还是互联网的去中心化发展的必然结果。
在传统广告和公关时代被赋予重要意义，主要信息和核心话术在数字营销时代已经被边缘化。 内容的实时化减少了品牌对内容的控制和垄断，让内容的制作和传播更加透明和平等。品牌将不再拥有和控制内容，而是将和用户一起创造和共享内容。这是红牛和GoPro 等公司营销创新的方向。
而增强现实应用Magic leap 和虚拟现实应用Oculus Rift 引领的虚拟现实革命将预示着未来的品牌内容将从文字过渡到图像，从2D 过渡到3D 的。
告别跪舔的时候到了
消费者是上帝的商业信条也是指导绝大数品牌处理与消费者关系的指南。但往往顺从会变成了跪舔，模仿会变成效颦。从对网络流行语的生硬套用，到对社会热点的变态关注和嫁接，很多品牌都迷失在对用户和网络流行文化的跪舔中。
和借势营销不同，跪舔是对社交网络文化的盲目崇拜和对品牌价值探索的懒惰。正如人与人之间的交流，任何一方的刻意献媚和伪饰矫情都是要被嫌弃和鄙视的。
在消费文化盛行的新时代，个性化的品牌体验正在被推向新的高度。消费趋势研究机构TrendWatching 在《2016 年5 大消费趋势》报告中大胆预测了消费者跪舔品牌的未来趋势。用户希望并将习惯于品牌不断发掘用户的潜在新需求，定义用户是什么样的人， 同时，消费者必须在证明了自己的能力和品味之后才能得到品牌的服务。
如果你很难想象这样的变态关系，看一下两个案例。米兰的地下酒吧1930 只接待那些在私密社交Tinder 上表现的像绅士的人，如果你不具备1930 年绅士的知识和仪表，就会被拒之门外。
第二个例子是Netflix 推出了智能设备The Switch。这款设备可以让你的家一键切换到观影模式，你只需要按下按钮就可以切换到Netflix 频道，并同时自动调暗灯光静音手机。但是Netflix 不提供这款产品，只提供这款设备的相关部件和安装说明，只有具备一定软件和硬件基础的用户才能装配并使用The Switch。
为什么用户愿意花费时间，像一个30 年代的绅士一样折叠复古口袋巾？为什么用户情愿从一堆零件开始花费14 个不同的装配和调试步骤来制作一个智能开关？
这并不能简单地用得不到的才是最好的或者投入越多，就越爱的宜家效应来解释。公关专家认为这是品牌与用户的共享利益和共同价值在起作用，而信仰庄闲游戏app官网 和创客运动的新派营销人认为这是因为参与感才是品牌体验最重要的部分。
领先者与跟随者的差距将拉大
2016 年是全球范围内数字化转型的第二年。Forrester 在《2016：决定客户时代成败的十大关键成功因素》报告中指出，2016 年数字化转型的领先者和跟随者之间的差距会进一步拉大。领先者会逐渐完成以用户为中心的商业运作模式的转型，而落后的公司和品牌将继续忙于营销平台的维护和互相割裂的营销活动。
根据Forrester 的报告，个性化体验是决定企业成败的最关键因素之一。个性化体验的程度和质量将决定着企业的核心竞争力。个性化体验，不仅包括营销自动化、精准营销和大数据分析在内的营销技术方法。它的核心基于用户体验设计。用户购买流程的简化和用户体验的增值是用户体验的核心设计两个关键点。实现这两点需要企业在人才、流程、技术和文化上的转型。Forrester 十大成功因素中的六个因素都是与企业内部变革相关的。
这就意味着，数字营销的核心竞争力已经从现在比拼创意的外功逐渐深入到数据管理和内部转型的内功。
无论是戛纳国际创意节还是国内外的各类营销峰会，以效果为导向的营销技术和数据营销都已经成为最热门的话题。
而在2016 年，这一趋势将更加明显。品牌的预算会继续向数据类营销工具而非创意营销活动倾斜。 数字营销部门将更多地开始和市场和销售部门的跨部门合作，实现数字营销与企业内部的销售和客户管理管理系统的流程优化和数据的对接。
但是企业内部的数字化转型面临着巨大的内部阻力：互不统属的各类部门以及互不相连的各种软件和平台。
为了解决这一问题，一部分企业架构扁平化的企业，如星巴克和NBC，设立了首席数字官、首席客户官或者首席体验官这类的高级管理职位，来协调各部门的协作。
另一部分公司组织架构复杂的企业，如耐克和宝洁，则通过设立独立的数字部门甚至更庞大的数字商业部门把所有的数字化工作都整合在一起，由独立的部门进行战略规划和统一支持。
从创意驱动的外部扩张转向数据驱动的内部转型，是2016 年数字营销最不能忽视的趋势。
via：SocialBeta
更多阅读：
更多阅读：
仪表板”、“大数据”、“数据可视化”、“数据分析”——越来越多人和企业，开始运用他们的数据来做一些有趣的事情。在我的职业生涯中，有幸参与一大批数据为重的界面设计，我要在此分享一些观点，讲讲如何造就这种特殊且有意义的产品。
很多人已经讨论过这个议题，我会围绕创作过程中最具影响力的部分。
1. 用户不同，数据不同
任何时候设计一套复杂的系统，都不可避免要为很多用户和角色进行设计。总裁、经理和分析师是几个常见角色，每个都有自己的工作流程和对数据的需求。
定义好角色，产生不同视角，这本身就是一种艺术。我就不在此详细解释了。如果你对此有兴趣，请看Cooper的这篇有用的文章。
关于角色，重要的一点是预先确定好，围绕它们来组织信息结构与线框图。
下面是我们去年做的一款健康报告应用的最终成品。这套系统有着不同的用户群，他们各自都需要不同的数据管理。创建了关键角色后，我们每次评审会将它们放在旁边。
注意画板上的那些角色。我们的客户都接受这种方式。
在满屋子客户面前展示作品是件难事。无论是在解释线框图、流程图，还是就视觉设计进行讨论，都很难让每个人跟上你的观点。
通过角色来组织作品，会防止你（和客户）在这些讨论中跑题。
2. 制作页面模型
我多年所用的一个技巧，是制作页面模型。核心点很简单：
首先为用户呈现他们需要的，再将页面余下的信息根据用户故事或信息层级，进行结构化处理。
制作页面模型的概念，正是写散文（和其他很多种沟通形式）的核心原则，我在写过一本书之后就对它了如指掌了。多年来，我花费大量时间在这本书《样式：清晰与优雅的基本要素》上。它除了作为绝佳的写作参考之外，还清晰阐明这项观点：
如果一开始就使人分心，那么用户不仅难以分辨每个元素是什么，也难以集中精力于整个流程。
这是进行用户体验设计时需要牢记的一项准则。下面是制作页面模型的两个常用方式。
给画板创建某种结构。问问自己——通过这些信息要讲述怎样的故事？
我在behance和dribbble上看到很多仪表板和数据画报项目，（视觉上）设计得很漂亮，但通常都使人眼花缭乱、过目即忘。它们要么是各种图表组件以缺乏层级的瀑布流形式排列，要么视觉上过度设计，并不适合这项数据。
左图展示的就是眼花缭乱的数据画报。右图例子则是装饰物分散注意力，注意不到数据。
在上面的图中（左图），这个数据面板用了控制台的方式来呈现信息……相当有压迫感。为避免如此，我们试着以组织信息的方式处理这类界面，让人们感觉像是在阅读杂志文章。
并不是说控制台式的界面就没有用武之地……我个人愿意设计成那样。但多数情况下，没有必要时刻看见所有信息。
最关键的一点——避免创造出令人一知半解的图形。为页面信息建立模型，首先给用户呈现关键信息，然后才是支撑内容。
3. 选择正确的图形
在美学方面，有很多（太多了）设计都在误用图表。
最糟的是——这些“坏习惯”似乎在成倍增加。随处可见本应是饼形图的面积图，还有本应该是柱状图的曲线图。让我们一起来制止这些设计……下面这些建议有助于你正确对待数据：
始于数据
未经处理的原始数据表格一点也没有吸引力。但它是最佳的起点。它帮你开始思考数据中有哪些变量可用，这些变量数据如何关联。
原始数据的单调特性，会帮你思考系统中各种变量间的关联。
除了从空白数据行列入手，等待灵感忽然进入你意识。你还可以更积极一些，通过下面这些很棒的资源，帮你揭示出有趣的关联：
- Charted——Medium开发的一款自动数据可视化工具。
- 通过Google Sheets、Illustrator和Sketch设计更好的图表。
- Tableau——这个工具是最好的，不过相当昂贵。
在整个过程中，这部分并没有灵丹妙药。别对深入研究数据心存恐惧，试着混合搭配不同变量，创建基本图表。这需要时间，但它是值得的。我想到的一些绝妙点子，都来自这些原始数据文件的拼拼凑凑。
处理离散数据和连续数据
我花了很长时间才意识到这点，有些图表比其他更能表达你的数据。在创作中很容易陷入这样的境地，选择一种好看的图表，然后指望它能发挥作用。我经常这么做（我挺喜欢散点图），并为此感到内疚。
有些图形比其他更好，这取决于你所处理的数据类型。选择合适图表的方法之一，是评估你手中的数据。有两种主要数据：
离散数据——数值可清晰计数。比如进球数或Facebook点赞。
柱状图最适合表现离散数据
连续数据——任何范围值。比如一季的降雨量，或一个人的身高体重。
曲线图最适合表现连续数据
简单说，曲线图最适合表现连续数据，柱状图最适合表现离散数据。
Dona Wong的一项资源《华尔街日报：信息图指南》帮我凝练了其中精髓。真希望几年前我就有这本书。这是本无价的参考书，帮你选用合适的图表，阐明信息展现的行为准则。
http://www.amazon.com/Street-Journal-Guide-Information-Graphics/dp/0393347281
4. 基本的或定制化的图形
最后，作为这些海量数据系统的设计师，你得反复问自己“我应该选择非常规方式来定制化设计？还是使用久经考验的图表来展现信息？”
最近无意中读到这篇来自37 Signals的文章——只要3种图表就够了。作者强烈表达一个观点，图形的“有效性”胜过它的视觉特征。我非常赞同文中这一观点。不过，我觉得他的观点代表着一种极端实用主义的视角。我相信定制化的图形通常也能提升数据的易用性，同时独具一格引人入胜。
基本柱状图的例子
对我来说，有“一种尺寸通行”的图表，还有“适用于最佳尺寸”的图表。表格、曲线图和柱状图就很好，可以容纳各种类型的数据，但它们也非常普通（一种尺寸通行）。作为专业的设计师，我希望我的作品看起来和感觉上是独特且有用的。
比如，纽约时报做得很好，通过定制化的交互式图形，来为他们的文章添彩。可以在这里看到更多他们的作品。我们来看一些完美的定制化图表案例：
这个案例对曲线图做了调整，让人“一睹”那些支撑图表的基本数据。
http://www.nytimes.com/interactive/2013/03/29/sports/baseball/Strikeouts-Are-Still-Soaring.html?_r=0
在这个3D图表中，透视角度的改变在视觉上非常有冲击力，也让用户更好理解数据间的关联。
http://www.nytimes.com/interactive/2015/03/19/upshot/3d-yield-curve-economic-growth.html?_r=0
Selfiecity.net的这个例子做得很好，用了真实内容来创建图表。
http://selfiecity.net/
最后，来自我们为CNN做的一个项目。我们用了颜色编码来展表现政党偏好，同时立体突起在视觉上表现人口统计信息。
http://truthlabs.com/work/cnn
作为首要准则——数据与技术所需，我们需要尝试各种定制化图形。但我们还是要有备选计划，以防设计并不奏效，或者客户喜欢相对保守的方式。
5. 那又如何？
我们为什么要把所有这些数据放在页面上？答案是：这样人们才能使用——做决策、调研、预测未来，什么都行。关键是，用户不会沉浸于你所选的漂亮色彩，他们是来工作的。
我的建议是——在你排布好页面一切就绪后，问问自己“那又如何？”。看看每个图表、组件、表格，仔细考虑人们从中能获取到什么。通常你会得出这样的结论，“这些都不重要”，这就意味着要减少或是重新思考。
这在我身上发生过好几次——我创作了复杂漂亮的仪表板，包含了一系列时尚的图表、饼形图，还有成千上万数据点构成的地图。但总是被客户质疑“我只想知道这样有效吗……我要的东西在哪？”还有“我只要3样东西……X、Y和Z。哪里可以看到它们？”
哎，这时候你才会意识到自己迷失在杂草丛中，遗失了重点。
我会有个办法，尝试使用文字来精确表达人们所要的东西。
在重要信息上，文字总结可能比图表更有效。
上面的图来自我们最近的两个项目。两者都通过文字展现用户所需的信息，并没有依赖需要解释说明的图表。
这个方法使我们的客户产生共鸣，尤其在重要信息上。但我之前提过，总要考虑各种角色，所以要用在适当的地方。
就像其他所有形式的设计一样，它也需要一种平衡。
力求使你的数据与众不同，但是要避免过度设计和无谓的分心。
为数据选择正确的图形，但别忘了有层次地构建页面。
无论多么单调、令人沮丧，还要打磨每个小细节……还有别忘了问自己，“那又如何？”
作者信息：Erik K
更多阅读：
近日，iworld数据星球引发了一场有关数据营销的智慧风暴，透过大会可以看到，DSP/RTB、DMP、SSP、电商推荐引擎、数据托管与挖掘……这些数据技术正在如火如荼的发展。目前，各个主要互联网企业均已不同程度搭建了自己的数据营销技术产品。可见，数据技术产品成为广告营销市场的颠覆性力量，不再只是一个悬念，而是已经开始成为事实。
据知情人士透露，腾讯正在研发DMP（Data Management Platform 数据管理平台），承载方为腾讯效果广告平台广点通，拟在电商、生活、O2O等各个领域建立多维度大数据库，通过建立泛腾讯系数据联盟提升广告表现和效果转化。
深耕大数据 DMP承载精准营销未来
早在2009年BlueKai初创DMP数据管理平台之初，大数据的重要性便持续引发行业热议。近两年来，国内核心广告及互联网平台也纷纷意识到数据管理的重要性，积极投身DMP建设大军，达摩盘、百度受众管理等数据管理服务相继推出。
再来看一组数据，美国互联网广告署（IAB）和Winterberry集团有调查结果显示，超过3/4的广告商、营销人员、出版商、技术开发人员和营销服务供应商认为，集大数据收集、整合、管理和激活枢纽于一体的DMP，将会为市场营销和广告投放提供重要帮助。受访者认为，DMP将会驱动多方面的市场营销需求：实现媒体“受众购买”的转变（83%）；聚合连接消费者需求（81%）；便于自动化数字媒体的并购（74%）；优化媒体购买效率（73%）。超过半数的受访者认为， DMP将用一种兼容的方式，来衔接传统和数字数据，而这一兼容方式将意义深远。
由此可见，DMP在完善市场营销和广告投放方面，将扮演关键角色，或起着重要的支柱作用。都说数据是“无形资产”，数据有大价值，但大数据的价值并不在于有多大体量的数据，而在于数据的高效分析、管理和应用。DMP把基础数据内容组成高智能的分析源，并通过分析、筛选及过滤匹配，为广告定向投放提供底层的数据接口及应用匹配，实现在营销精准度上的实质性提高。
盘活数据资产 泛腾讯系DMP或成领航者
谈及互联网营销，在BAT中腾讯历来以海量的优质数据资源和高水准的大数据分析能力见长，尤其是在DMP的创建中，也将其固有优势进行了良好的传承。
就数据资源挖掘的广度和深度而言，海量的数据资源基础是必不可少的。业内人士表示，腾讯的效果广告平台广点通实际上是泛腾讯系数据联盟的发起者，那么广点通汇聚的腾讯内部数据资源将在腾讯DMP上予以体现。当然除了腾讯自有的数据外，为了使DMP的数据更丰富，更具客观性，据透露，腾讯DMP还将涵盖电商、O2O、旅游、教育等外部合作伙伴的数据资源，建立起广泛的数据资源大联盟，将数据的价值发挥到极致。
此外，得益于数据挖掘与分析优势，技术驱动下的腾讯广点通DMP将更加注重智能算法的应用，以多维的用户分析作为依据，来帮助合作伙伴和广告主判断什么样的受众才是高质量的，什么样的媒体资源拥有更多这样高质量的受众群体，从而使营销推广的结果更加高效和更加出色，这也是DMP对于大数据应用的核心价值所在。
正如 “硅谷精神教父”的Kevin Kell所说：“数据可以通过网络流转，从一个格式变成另一个格式。数据不应该以它的存储而定义，应该由它的流转来定义。”落至营销领域，腾讯DMP的创建，可以更好地开发数据的价值流转。更重要的是，基于腾讯海量的数据储备与跨屏能力双向结合，腾讯DMP能够从数据源头上促成高效的营销形态，这或许能为广告界的创新营销奠定强大的数据驱动力量。
更多阅读：
IBM近期的调研发现，在全球的营销专家中，仅有32%表示可以卓有成效的应对个人消费领域，25%有信心识别并捕捉新市场机遇，23%有信心通过新的商业洞察为企业赢得附加利润。IBM认为这是因为市场营销人员在数据分析方面存在局限性——他们只是利用过往经验来进行判断，缺少能够提高营销效果的预测性分析手段。
IBM将受访者分为3类：
- 大多数受访者（40%）属于“传统型”营销人员。他们仅拥有局部信息，往往在企业内没有深远的影响力，在缺乏对大环境变化洞察的情况下，以“冒险”的方式开展预测工作。
- 还有一部分受访者（37%），属于“有限分析型”营销人员。这部分人在努力尝试预测，但是其参考的样本仅限于企业销售数据和营销数据。
- 最终只有23%的人是“科学家型”营销人员。他们在更广阔的领域内进行数据分析，因此能够对所属企业的商业行为产生更深远的影响。
显而易见，“传统型”分析人员与“科学家型”分析人员相比，在一些数据分析领域要落后很多。例如，前者与后者相比，很少使用多种类型的数据源（25% vs. 48%）；更少使用科学的研究方法（16% vs. 45%）；更少重视数据在决策中的重要性（18% vs.49%）。而“有限分析型”营销人员介于两者之间，但是更接近“传统型”：只有27%的人认为数据在决策中很重要。
认为数据分析在营销决策中很重要的人大约占受访者总数的28.5%，更粗略的说，有近3/4的营销人员更多的依赖直觉和经验进行营销决策。