
运营商大数据变现为何步履蹒跚_数据分析师培训
一、第三条曲线日渐迫切
最近总理的宽带降价提速论,又掀起了一阵针对运营商的批判。近几年来围绕运营商的负面话题此起彼伏,火爆程度远超其他国企。为什么运营商不能像水电煤一样,既关系国计民生,又在日常生活中隐形,悄悄地过好自己的日子呢?对于这个问题,有人归结为人傻,过度宣传过度承诺;有人归结为钱多,让人眼红的净利润、数千亿的采购与相关产业链拉动,导致利益相关者太多。
最近微信上有篇文章,从产业的角度指出了问题所在,那就是三家电信运营商承载了一个“过重”的移动互联网产业,该产业对就业以及经济转型的拉动是其它任何行业所无法比拟的,这也是总理关注的最终目的,总理基本不会主动关注水电煤,除非它们出了大问题。
材料力学告诉我们,物体承载过重,导致应力变强,结构变形,不稳定。一个行业也是如此,如果承载过重,压力与指责一定增多,产业链也会进一步裂变,不停地动态调整,直至与之相符的稳定结构出现。
什么是未来通信行业的稳定结构?无法简单下结论,有可能引入更多的竞争者,从供给方面提升服务能力,让渡服务利润;有可能通信业务继续下沉,成为国家管控发改委定价的纯管道。不管是哪一点,对运营商而言,依靠流量的收益/盈利模式越发不可持续,第三条曲线变得前所未有的紧迫。
近几年来,运营商一直探索并向第三条曲线转型,除了政企应用、数字内容外,大数据越来越受到广泛关注,很有可能成为与数字内容同等重要的第三条曲线。
二、运营商数据价值逐渐明晰
对于所有号称涉足大数据的互联网公司而言,可以从两方面判断其前景与价值,其一是否有稳定的数据源,其二是否有持续的变现能力,其中包含数据理解运用的经验积累。就数据获取而言,大的互联网企业由于自身用户规模庞大,把自身用户的电商交易、社交、搜索等数据充分挖掘,已经拥有稳定安全的数据资源。那么对于其它大数据公司而言,目前大概有四类数据获取方法:
第一、利用广告联盟的竞价交易平台。比如你从广告联盟上购买某搜索公司广告位1万次展示,那么基本上搜索公司会给你10万次机会让你选取,每次机会实际上包含对客户的画像描述。如果你购买的量比较大,积累下来也能有一定的互联网用户数据资料,可能不是实时更新的资料。这也是为什么用户的搜索关键词通常与其它网站广告位的推荐内容紧密相关,实质上是搜索公司通过广告联盟方式,间接把用户搜索画像数据公开了。
第二、利用用户Cookie数据。Cookie就是服务器暂时存放在用户的电脑里的资料(.txt格式的文本文件),好让服务器用来辨认计算机。互联网网站可以利用cookie跟踪统计用户访问该网站的习惯,比如什么时间访问,访问了哪些页面,在每个网页的停留时间等。也就是说合法的方式某网站只能查看与该网站相关的Cookie信息,只有非法方式或者浏览器厂家有可能获取客户所有的Cookie数据。真正的大型网站有自己的数据处理方式,并不依赖Cookie,Cookie的真正价值应该是在没有登录的情况下,也能识别客户身份,是什么时候曾经访问过什么内容的老用户,而不是简单的游客。
第三、利用APP联盟。APP是获取用户移动端数据的一种有效手段,在APP中预埋SDK插件,用户使用APP内容时就能及时将信息汇总给指定服务器,实际上用户没有访问时,APP也能获知用户终端的相关信息,包括安装了多少个应用,什么样的应用。单个APP用户规模有限,数据量有限,但如某数据公司将自身SDK内置到数万数十万APP中,获取的用户终端数据和部分行为数据也会达到数亿的量级。
第四、与拥有稳定数据源公司进行战略合作。上述三种方式获取的数据均存在完整性、连续性的缺陷,数据价值有限。BAT巨头自身价值链较为健全,数据变现通道较为完备,不会轻易输出数据与第三方合作(获取除外)。政府机构的数据要么全部免费,要么属于机密,所以不会有商业性质的合作。拥有完整的互联网(含移动互联网)的通道数据资源,同时变现手段及能力欠缺的运营商,自然成为大数据合作的首选目标。
通信网络作为互联网、移动互联网的应用承载,其通道数据涵盖所有的互联网与移动互联网行为,这些行为数据的解读,为全面解读“消费者黑箱”提供最为完备、准确的数据依据。
传统的消费行为理论认为,用户(消费者)对产品和服务的选择是一个复杂的多种类的竞争过程。用户的购买决策过程是未知的,就像黑箱一样。用户先受到外部刺激,一方面是经济的、政治、技术、文化方面的不可控的宏观外部刺激,另一方面是产品、价格、渠道、促销的可控的企业营销组合手段的刺激,然后就是一个黑箱的购买决策过程,之所以说是黑箱是因为真正的购买决策特征、心理是未知的,难以完整、全面的把握,传统经济环境下所看到的实际上是用户选择后的结果或反应,多少人购买了,多少人使用了,以及口碑或满意情况。
互联网环境下,一切行为都将成为呈堂证供,用户的购买决策构成由未知逐渐变为已知。比如电商消费中,我们能从用户的浏览记录、购物车记录、商品比价记录与最后的购买决策关联,能够勾勒出用户消费决策的过程。甚至链接的来源是搜索广告渠道还是自传播渠道,都能客观的进行评价。
由此可见,作为互联网尤其是移动互联网通道的载体,运营商的数据对电商(甚至所有商家)用户活跃与销量提升具有重要的作用。比如某排名靠后的电商网站,其会员用户过亿,但真正活跃的不足2成,如果能知晓剩余的8成用户在其它电商网站的行为,其价值不言而喻。同时运营商的位置与行为轨迹信息、实名制导致的真实身份信息,对征信、精准广告、区域人流量统计、区域商业价值评估都有重要的参考价值,也是目前不少运营商省公司积极探索的方向。
虽然方向已经明确,但以下三个方面的问题让运营商的大数据变现步履蹒跚。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03