登录

你在大数据的海里游泳摸鱼,硬核的人已经开船捕鲸

科技资讯 置顶
0 24790


浅友们大家好~我是史中,我的日常生活是开撩五湖四海的科技大牛,我会尝试各种姿势,把他们的无边脑洞和温情故事讲给你听。如果你特别想听到谁的故事,不妨加微信(微信号:shizhongmini)告诉我。

你在大数据的海里游泳摸鱼,硬核的人已经开船捕鲸

文 | 史中

在一个名叫白虎山的风景区,荒无人烟,你偶遇一个妹子,生得那是:冰肌藏玉骨,衫领露酥胸,柳眉积翠黛,杏眼闪银星。她冲着你直勾勾地走来,你会肿么办?

A 凑上去:“女菩萨,你府上在何处住?是甚人家?”

B 拿根铁棒子,抡圆了照着脸拍下去。。。

没错,上面这个情节选自《西游记》,A就是唐僧,B就是孙悟空。是大家再熟悉不过的“三打白骨精”桥段。

吴承恩老师看似在写神话故事,其实是在科普。他告诉我们一个真理——“数据”能救命。

没看懂?听中哥解释:

正常人面对陌生人,只能通过一套数据源——肉眼视觉——来判断好坏;而孙悟空却有两套数据源,除了肉眼看到表面的“颜值”,还能通过火眼金睛看到对方头顶的“妖气值”。

唐僧,作为西天取经项目组的领导,屡屡判断失误,观众都跟着着急。其实他不是真的傻,他只是缺少数据。(注意,唐僧可以通过紧箍咒控制着孙悟空的数据通路。这是另一门屌炸天的技术。)

来,我们回到现实。

身边的世界虽然不像《西游记》那么极端险恶——稍微判断失误就成了妖怪的点心,但人们确确实实每天都要做好多数据计算。

举个例子:

鲁迅就曾经纠结到底是要“从医”还是“从文”。他的计算是这样的:治人肉体,只能点杀;治人灵魂,一次一梭子。后者更划算。

历史最终证明他算对了。

结论就是:人的大脑就是个计算机,谁的脑袋能处理更多的数据,谁的脑袋能更快地处理数据,谁就能获得竞争优势,一不小心还能名扬后世。

在过去的一万年里,这都是个颠扑不破的真理。

然而,从2012年开始,游戏规则发生了变化。这一年是“世界末日”;这一年 Facebook 上市;这一年今日头条诞生;这一年乔布斯的遗作 iPhone4S 带着人工智能助手 Siri 成为最畅销的手机,在手机的海洋里,人类每天生产的数据超过2.5EB,也就是25000000000000000000000000000个字节。

我要回老家考公务员还是留在北京深圳创业?我的有个创业想法应该先做成 App 还是小程序?为了留住宝贵的用户爸爸我应该给他们打折券还是代金券?

以2012为界,数据开始爆炸。再聪明的人,也没办法纯靠大脑做出准确判断了。数据彻底摆脱了人脑的物理计算极限,成为了计算机的专属——大数据。

不妨想象一个场景:

2012年以前,数据世界是一条平静的河流。狗刨也能勉强横渡到河对岸;

2012年以后,数据汇成汹涌的海洋。哪怕菲尔普斯也会被沸腾的海水淹没。大人,时代变了。你需要的根本不是肌肉,而是船。

于是,世界开始裂开。

手握大数据的人做出淘宝、拼多多、今日头条、抖音、快手、特斯拉、瑞幸咖啡,开启了属于他们的大航海时代;遗落在码头上的人们看着对手越行越远,星辰大海,傻傻分不清,羡慕嫉妒恨。

分裂没什么不对,难道狮子要开个补习班,把捕猎的技巧告诉羚羊吗?难道候鸟要组织个讲座,把南方的温暖描绘给秋虫吗?

但世间总有例外。

有一群人,他们恰好懂得如何造船。他们决定留下来,为那些仍然在水里摸鱼的创业者制造一艘大数据世界的“捕鲸船”。

(一)如果王者永远是王者,那青铜肿么办?

先介绍一下故事的主人公于揚吧。

虽然这么说有点显老,但于揚堪称中国互联网的“活化石”,杠杠的。(就像他的名字一样,必须写成繁体的“揚”,特别古老的感觉。)

于揚

他的故事得从1993年讲起。那年他辞职下海创立了一家营销公司。这波操作过于超前,要知道那时候马云的翻译社也才在杭州开张,李彦宏还在美国读书。

如果站在卫星上俯瞰,当时的中国正发生一次“外来物种大迁徙”——IBM、惠普、intel 这些外企排着队进入中国。于揚所服务的公司正是这些科技企业,所以他以一种近距离旁观的姿态见证了中国互联网巨头们的创生。甚至早在2001年,他就认识了到处为腾讯找融资的马化腾。

踩对节奏,于揚毫无悬念地成为北京城最早的一批“壕”,有钱到切糕随便买,摔倒的老太太随便扶。他当即就准备退休了。

不过,1999年,陪家人在加拿大钓鱼钓到手抽筋的于揚突然觉得不能这样度过余生,还是得回国重新搞事情。

由此,我们的故事进入了主线。

2000年,于揚开了一家名为“易观”的公司。易观的业务很特别,它专门为互联网创新企业提供“作战地图”。这里需要解释一下,具体的做法是这样的:

1)易观麾下召集了很多“分析师”,他们就像达尔文研究各个物种一样,对很多企业进行研究、访谈,然后绘制一张全景生态图谱。2)一家互联网企业想要开设新业务,拿不准靠不靠谱的时候,就会从易观那里买来“研究报告”,看看自己要做的事情在整个生态里出于什么位置,成功率有几成。避免因为信息不全而踩坑。

这个营生,用一个词概括就是“咨询”。

过去,易观会做大量的数据研究,然后形成这样的报告,给你截个图感受下。

当然,咨询背后最值钱的东西其实还是数据——分析师实地探访得到的数据,以及从这些数据中得出的结论。

只不过,彼时的数据都靠人肉收集,人脑运算,并不是什么“大数据”。

这里,我提醒你注意一个真相——能用得起“咨询”的公司必定是大公司。

只有大公司买得起咨询报告,越买报告,他们的决策准确度就越高,他们成长得就越快,反过来就能用更多的钱买更多的咨询和数据。这是个死循环。

这么一来,数据成为了一种贵族特权。王者永远是王者,青铜永远是青铜,差距还越拉越大,废号重练也不行。

这是个大问题,于揚也直嘬牙花子。

说实话,当时易观在整个中国互联网行业,已经是教父级别的咨询公司了,钱是一点都不缺。但只服务于“贵族”(巨头公司),并不是于揚的追求。然而,毕竟这么多金牌分析师个个都拿着金领的工资,做调研做访谈人吃马喂,“报告”就像私人飞机一样,天生就不是普通公司和普通人能买得起的东西。

又想让人人都买得起,又被成本卡着,平民化不下来,这可怎么办?

既然数据收集主要靠“分析师”,那么,有没有一种数据收集方式,既能摆脱对分析师的依赖,又能给中小企业提供有用的数据参考呢?

机会终于来了,因为时间走到了我们的重大节点——2012。

(二)从摸鱼到捕鲸

这一年,手机成了“标配”。

“标”这个字很神奇,无论什么东西,一旦能够标准化,就能够大幅降低成本。当年福特汽车正是用流水线的方式,让汽车生产变得标准化,才造就了如今人人都能开得起车的世界。

人手一部手机,除了 iOS 就是 Android,于是只要在 App 中写入一段代码,它就可以自动帮你统计全世界到底有多少人在用你的 App,俗称“日活”和“月活”。(日活跃用户和月活跃用户)

“日活”“月活”这两个数据太重要了,因为它直接说明了你的 App 有多受欢迎,也可以那这个数字和同行比较。

这有点像小学教室墙上贴的小红花。你得了三朵小红花,同学得了一万朵小红花,一目了然。那么,接下来要不要积极举手回答问题,要不要课后主动留下来扫地,要不要扶老奶奶过马路,你心里还没个数么?

于是,有的电商、新闻客户端企业就拿着自家 App 的月活数据来找易观:“你们能不能帮我看看,我这个月活跟竞争对手比到底谁多啊?我好决定下一步是进攻还是防守,是剑走偏锋还是守正出奇,还是干脆不干了啊!”

你可能会问,易观又不是神仙,怎么知道你的竞争对手月活是多少嘞??

这里有个小常识,可以偷偷科普下。(有点绕,但是很有意思)

在当时的 Android 系统中,一个 App 是有权利调用本机应用列表的。通俗来讲,它能知道在这个手机上自己和哪些 App 是“邻居”。所以,App A 能够知道在它安装的手机上,有多少比例安装了 App B。这个数据很有价值,但显然还不够,因为没有安装 App A 的手机也有可能安装了 App B。这个数据没地方获得,就得靠分析师多年积累的行业经验来补全了。

好,重点来了。

如果能把分析师的经验变成算法,那么就能造出一个系统,自动算出同行业所有 App 的日活和月活,从而为这个行业的所有 App 提供竞争对手的数据参考。

于揚一拍桌子,说干就干。

拍完桌子想起来,满公司都是分析师,既没人懂产品,也没人懂技术。。。。

大旗立起来,天下聚义。

那时候互联网研究双雄,一个是艾瑞,一个是易观。所以老于(于揚)找我,我基本没有犹豫,就加入了。

朱江坐在我对面,很坦诚地说。

2015年,朱江放弃了自己已经到达C轮的数据创业公司,成为易观大数据的 CPO(首席产品官),他的任务很清晰:造出那个“日活”“月活”的竞品分析产品——易观千帆。

朱江

站在今天回望,“易观千帆”是很多创业者的标配,名震江湖。但是在当时,易观的分析师们都冷眼看着朱江,心里想:“我们每天做调研,出报告,客户不断,公司招财进宝,我们也日进斗金,为什么这个人天天来烦我们,要让我们配合,把经验做成产品?”

朱江只能软磨硬泡,一边天天拉着分析师们喝酒聊天谈心,一边还得招兵买马“忽悠”算法工程师加盟。

就这样一年多下来,易观千帆总算是丑媳妇见公婆了。

这里多说一下,千帆拿到用户数据,是需要得到用户授权的,所以当时他们和合作伙伴一起推动了“APP用户体验计划”。

回头再说千帆。这玩意儿很好玩,因为人们可以自己动手操作。比如我可以设定条件:在过去一个月,晚上10:00-12:00,最活跃的电商 App 是哪些。点击按钮,系统就会自动帮你运算出符合要求的排序。

这是2020年1月某天,千帆上的App月活总排行榜,你感受一下。

这就让互联网公司的运营团队有事儿干了。过去只能每隔三个月等一份易观的行业研究报告,现在每天都能自己变着花样鼓捣数据,什么时间段App活跃度差,就专门在这个时间做一些促销。

怎么样,看上去很简单吧。

最开始我也觉得很简单,但是朱江告诉我,每一次查询运算,背后都是数以十亿计的大数据,那些全国大排名的指标,后台的服务器集群预处理就得大半天。所以在当时,千帆用户查询到的排名分析,只能使用三天以前的数据。

即使是这样,千帆的后台系统也经常“卡壳”,动不动就出错。于揚和朱江都很着急,他们需要一位真正的技术大牛,给这个年轻的大数据系统保驾护航。

郭炜就是这个时候走进了他们的视野。

(三)捕鲸的“硬核引擎”

数据是有灵魂的,我将用我的一生追寻它。”这是我的座右铭。

郭炜对我说。

以我的经验看,这种把自己一辈子说豁出去就豁出去的技术人,必然是个狠角色。

事实证明确实如此。郭炜毕业于北大计算机系,根红苗正。当时他正任联想大数据部门总监。我估计很多浅友都接到过中国移动的客服电话,根据你过往的消费记录来推荐更合适的套餐。这就是郭炜当时主导的大数据项目之一。

郭炜

不过,联想终归是一家硬件公司,郭炜难以施展拳脚,正在这时,于揚找到了他。于揚三顾茅庐邀请郭炜加盟,不是为了给易观大数据装点门面的,而是真的要解决一大堆棘手的技术问题。

果然,刚刚加盟没几天,郭炜就遇到了一个重大事故。

有一个用户 App 的日活增长太快,直接冲破了1亿。这本来是好事,但是这么大的数据量回传却把易观千帆的数据库接口给冲垮了。

同学们都傻眼了,如果数据传不回来,那么千帆就“没米下锅”,没办法进行计算了啊!所有人冲上去紧急修复,然而,一天、两天、三天过去了,愣是没能建起一阻挡数据洪流的堤坝。

一直指挥大家“抗洪”的郭炜看到情况不对,只能咬咬牙:“待我亲自出马!”

那天晚上他一夜没睡,摸清了技术架构,自学了 Lua 语言。太阳升起来的时候,他开始一行行敲出代码,太阳西沉时,补丁上线,眼看着带宽占用像退潮一样一浪比一浪低。

一个小时后,一切终于恢复正常,数据重新回到河道,支脉纵横,流向数据库。

“巧了,那天正好是我的生日。”郭炜笑。

也正是从这一刻开始,郭炜招兵买马,吸引来一众技术极强的工程师们,易观从一个咨询公司,渐渐变成了技术公司。

万丈高楼需要稳固的地基,对于大数据系统来说,这个地基就是“数据调度引擎”。

听起来好专业,举个例子你就明白了:

如果把大数据运算比作厨师炒菜的过程,那么数据调度就是新鲜食材的供应。炒鱼香肉丝,大厨一伸手,帮厨就得递过来萝卜丝、猪肉丝。如果大厨伸手,递过来的都是什么羊肉片、牛腱子,再好的大厨也炒不出鱼香肉丝。

2016年,郭炜面临的就是“基础不牢,地动山摇”的局面。

首先是机器硬件,当时预算有限,整个千帆底层的十几台服务器,都是一万块钱一台的二手服务器;其次是软件代码,由于使用了开源的框架,整体比较粗糙,所以里面有很多细节的“坑”,一旦触发就会卡死。

易观千帆当时的节奏是:每天的数据收回来,从午夜12点开始运算,到早晨8点才能出结果。凌晨2-4点是运算最集中的时候。

然而,由于数据调度引擎过于酥软,动不动就卡死,几乎每天都要有同学值班“守夜”,郭炜,作为技术最高负责人,每周都妥妥的会被从睡梦里叫醒一次,紧急解决技术问题。

郭炜下定决心,不就是写代码么,这么多年老子写代码还没怕过谁!咱们从头开发一整套数据调度系统!

半年多过去了,一套独创的底层数据调度引擎终于调通了。

这套引擎厉害在什么地方呢?不论底层的机器出什么错,上层的软件都能超强纠错,从哪里跌倒就从哪里爬起来,数据上传错误就自动找到那个节点重新上传。用专业术语来说,这套大数据调度系统的“鲁棒性”特别强。

这有点像当年的超强纠错 VCD,一张光盘哪怕被小孩当飞碟扔了一天,纠错技术仍然能给你读出来。。。

这群技术宅给这个大数据调度引擎起名为“DolphinScheduler”(海豚调度器)。

从此,守夜值班、午夜凶铃什么的,统统成为了历史,都付笑谈。易观千帆变得非常皮实,这才渐渐成为了今天家喻户晓的竞品分析平台。

说到这,还有个有趣的往事。

在 OfO 和摩拜拼杀最激烈的2017年,千帆成为了两家公司的“必备武器”。如果 OfO App 在A城的日活突然翻了一倍,那不用说,肯定是在A城大量投放了自行车,这时摩拜就可以根据自己的战略选择跟进还是按兵不动。

就这样,依靠千帆的数据,双方几乎在下明棋,谁也骗不了谁,“明修栈道暗度陈仓”这些三十六计统统用不上,拼到最后就看谁成本控制能力强,就看谁对用户的需求把握得准,就看谁的策略选择最优。

从这个角度上讲,大数据从来都是让商业世界更加公平。

郭炜作为一个技术人,深知 Dolphin 的价值,他和技术团队提议把 Dolphin 的源代码开源,并且贡献给阿帕奇基金会,让全世界更多的技术大牛在此之上继续完善。阿帕奇基金会在审计过代码之后,也确认这个引擎非常有价值,郑重接受了易观的捐赠。

虽然开源意味着没办法从 Dolphin 上赚钱了,但无论是郭炜还是于揚,都觉得这件事意义非凡。

很多技术人一生的梦想,就是得到那个“Apache.org”后缀的邮箱,这代表了全世界技术社区对你贡献的认可。这是钱永远买不来的。

于揚说。

Dolphin 在 Github 上的页面

从2012年到2016年,千帆用了五年时间,终于成为了一个完整的技术产品。这帮技术人拼了老命,到底想要得到什么?

这就又回到了我们最初的比喻。

大人,时代变了。数据已经汇成汹涌的海洋,这时再磨练肉身分析的“泳技”已经意义不大。想在大数据时代里活到下一集,你需要两样东西:“一条船”和“开船的技巧”。

数据引擎,恰恰就是大数据时代的船。

事实证明,有了易观千帆,大多数公司都上了“船”。就拿手机 App 来说。易观定义了三百多个细分领域,每个领域的前十名,几乎都在用千帆做竞品对标分析。

于揚把自己做的这件事称为:数据能力平民化。

然而于揚觉得,每个细分行业的前十名采用数据分析,这依然不够。既然是“平民化”,就要让更多创业团队都能有一艘小船,在大数据时代起码不要被大公司拉开技术代差。

他们需要什么样的数据能力呢?

(四)“方舟”

并不是人人都关心邻居午饭吃什么,但人人都关心自己午饭吃什么。

同样的道理,并不是所有 App 都关心竞争对手的用户活跃数据,但他们肯定关心自己的用户活跃情况。

用术语来说,别人的数据叫“第三方数据”,自己的数据叫“第一方数据”。

举两个例子:一家银行 App 可能会关心,为什么一个用户在理财界面转悠了半天,甚至都选定了一款理财产品,就在最终输入密码确认前选择了退出;一个新闻客户端 App 可能会关心,用户打开一篇文章之后,是仔细看完还是一扫而过。

这些一方数据都能帮助 App 改善自己的产品体验。

事实已经证明,最近几年大火的互联网服务几乎都是靠数据驱动的。淘宝上的明星店铺,每天都在根据用户购买的行为调整页面布局和图片搭配;瑞幸咖啡根据用户在 App 上下单的密度,调整线下门店的位置;特斯拉收集用户开车时的行为习惯,从而让它的自动驾驶变得更聪明。这样的例子一天一夜都举不完。

实际上,不断有朋友和客户找到易观,问他为什么不推出一个靠采集数据来进行精细化运营的系统。

看到这里,估计有人会跳出来:什么,App 回传用户行为数据?这合法吗?

这里正好可以解释一下:

从理论上来说,每个 App 都要向自家的服务器回传信息,比如你在淘宝下单买了一个杜蕾斯大颗粒,淘宝当然要回传信息——它要知道你在什么时间点击了下单按钮,才能为你发货;它要知道你之前有过一段时间的人类浏览行为,才能判断你不是机器羊毛党。

这有点像海底捞,服务员必须一直盯着你吃饭,才能在合适的时候递过来餐巾、酒杯和菜肴。我知道有人不喜欢这样的服务,但毕竟这种玩法被多数人认可,而且并不违规。

不过,法律明确规定的“用户隐私数据”,例如你在聊天界面的一对一谈话内容,App 是不能收集的。就像海底捞的服务员虽然殷勤,但是却不能偷听顾客谈话一样。

实际上,你每次安装一个 App,劈头盖脸跳出来的《用户协议》,主要就是在明确哪些数据 App 是要回传的。

从2017年开始,易观的产品和技术团队就开始基于欧盟《计算机数据保护法》(也就是后来的 GDPR)制造这么一个智能用户运营套件——易观方舟。

如果千帆的难度是1,那么方舟的难度就是100。

于揚吐槽。

易观方舟究竟难在哪呢?

首先,难度在数据的采集上。

这里简单科普一下,用户在一个 App 里的行为,需要“埋点”才能采集。什么叫埋点呢?它有点像大厦里的监控摄像头。你在三楼走廊前装一个摄像头,那么有人从这里走过时他的身影就会被捕捉到。如果这里没有摄像头,那么有一万个人从这里过,你也不知道。

摄像头放置得越多,能采集到的信息也就越多,当然成本也更高。在 App 里埋点越多,能采集到的用户行为也越多,当然这些代码对 App 的影响也越大。

所以,如何科学埋点,其实是一门手艺。

即使过了埋点这一关,也不能保证传回来的数据绝对完整。用户使用 App 的场景是千差万别的,有时候网络抖动,一小段信息就丢了,前后行为对不上;有时候用户突然从4G网络切换到 Wi-Fi,前后的数据又对不上。

用“绳命”追寻数据灵魂的郭炜带着团队一个坑一个坑地趟,终于把数据收集的准确率维持在95%以上。

数据采集好了,就万事大吉了吗?不可能。

其次,难度在数据的计算效率上。

刚才说了,千帆判断的是你和其他 App 的实力对比,用三天前的数据进行计算也勉强可以。但是 App 运营者要根据用户的行为实时做出反应,方舟必须用实时(大概几秒钟以前)的数据进行计算,而且计算的时间不能太长,就像海底捞的服务员,必须眼疾手快,客户筷子掉地下,必须一秒钟冲过去给他一双新的。

这就要求计算引擎必须像 F1 赛车引擎那样顶尖。

本来在2017年,易观方舟就研发成功了,但是引擎效果的表现总是差强人意,为了达到效果,只能增加硬件成本,结果导致产品很贵,愿意使用的客户寥寥无几。。。

这个问题,又要交给郭炜来解决。

为了找到合适的引擎,郭炜可是死去活来。市面上所有的引擎全部试了个遍,结论是:没有一个够快的。

2018年,大家在会议室苦思冥想,一位同学突然举手:“我们能不能把一个引擎拆成几个引擎,不同的子任务用不同的引擎完成,最终把它们的结果组合在一起?”

郭炜一拍手,这个主意妙啊!

于是,他们花了好几个月的时间,写出了一套可以组合各个计算引擎的框架,起名为IOTA(这个名字是第九个希腊字母:“ι”),在 IOTA 里,一共有三部引擎,每一个引擎都像U盘一样可以热插拔,如果技术界出现了更好的引擎,只要拔下来换上新的就好。

这个位置就是三个引擎的组合

2019年秋天,最新版的易观方舟实现了“可插拔”,速度提高了两三倍。现在,像程序员都熟悉的 CSDN,还有做健康设备的欧姆龙,连锁商场上品折扣,还有很多证券、银行、地产,都开始用易观方舟做分析和运营。

上面就是易观方舟的截图,可以分析网站、App,或者小程序上面的用户情况,用来智能分析和用户运营。

然而,那个困扰了于揚无数年的大问题,还是萦绕在他身边。

易观方舟好用是好用,但是别忘了,好用的前提是 App 里的埋点要做好,使用的技巧要得当。

但是,很多企业的脑子里并没有给大数据运营留出一块地方,什么“埋点”、“转化漏洞”听上去都好陌生,也没有懂得精细化运营的人才。直接把易观方舟给他们,他们反倒觉得没有那么神奇。。。

这有点像你给女票分析了半天CPU、GPU、OLED屏幕的手机配置,最后她说:这个粉色背壳好漂亮,我要买这款。

茫茫海洋上,仍然有95%的企业不懂得数据驱动,仍然在“肉身游泳”。易观只好组建了一支强大的服务团队,帮助客户掌握埋点技巧,掌握计算模型、掌握运营技巧,教他们“开船”。

然而,这就使得成本急剧提高,小企业又买不起了。。。

眼看创新企业在数据能力上被越甩越远,而这些巨头越来越强,普通人的手机屏幕已经快被巨头家的 App 填满了,于揚心里五味杂陈。数据能力平民化的梦想,难道就真的这么难实现吗?

(五)人手一条船

2018年底,易观的会客厅里,于揚、朱江、郭炜还有一众老板围成一个圈,大家表情严肃。

“来投票吧。”于揚说。

他们在讨论一个产品团队提出来的意见,这个意见听上去有点凶狠,那就是把辛辛苦苦研发出来的易观方舟对外发布一个免费版本,谁都可以下载来用。

这意味着,小团队可以不花一分钱,就能得到一个基础的数据能力,这相当于给在数据海洋里游泳的人,每人免费发了一个小船。

没想到,在座的所有人都投了赞成票。

这个免费版叫做 Argo,2019年3月上线,由产品、技术人自发组建的队伍运营。

这就是 Argo 的界面

朱江带着同学们为 Argo 写了十几万字的使用文档。理论上说,小团队在使用 Argo 过程中的绝大多数问题都能在这十几万字里找到答案。只要下决心学习“驾船”的团队,看着“说明书”练习足够长的时间,就一定能学会数据驱动的基本知识。

然而这个举动,却引起了轩然大波。

首当其冲就是易观内部的销售团队不理解。我这卖易观方舟卖得得这么努力,很多公司马上就要掏钱了,结果有了 Argo,人家直接选择免费版了,我的业绩马上就泡汤了。。。

于揚智能苦口婆心地给大家开会:现在中国还有95%的人在“游泳”,让他们学会“开船”是比赚钱更紧迫的事情。

内部的冲突还算好解决,Argo 突然推出,其实让友商们感觉到了冒犯。

在中国市场上,数据驱动智能用户运营这个赛道上还有两个重磅玩家——Google 和 Adobe。他们有着非常丰富的数据经验,每一单动辄就是30w到100w。突然易观把最核心的数据运营产品免费了出来,自己可怎么和掏了大价钱的客户解释呢?是不是要退钱给他们呢?

事实上,一年过去了,为了运营 Argo,易观投入的资金已经有好几亿元。这个数字大大超过了于揚当时的预判。

好在这样的投入还是得到了回报。

2019年底,Argo 的日活是200,这意味着每天有超过200个团队在使用 Argo 做智能运营。有的团队甚至用 Argo 打通了自己的客户信息系统,可以对每一个客户精准地服务。

然而这个数字,仍然太少了。

“如果成本巨大,Argo 还要一直免费下去吗?”我问。

说实话,如果我知道会投入这么大的成本,当初也许真的不敢让 Argo 免费。但是既然已经做了,我们就没有停下来的理由。总有人要背负苦难,以救世人。

于揚说。

技术的浪潮从来没有为谁停留。移动互联网的数据运营尚未真正普及,IoT 的世界又来了。

现在非常火爆的“新零售”就是其中一例。

人们走进一家线下超市,无数摄像头开始捕捉顾客的表情,动作。顾客拿起了某个商品,他是在微笑还是在摇头。拿起某个商品后,是放在购物车里,还是放回货架上。这些数据都成为了精细化运营的依据,可以指导超市的货品摆放,也可以为每个顾客量身定做优惠券。

这一切,都需要大数据的基础设施作为底座。

数据海洋的风浪只会越来越急,为了活下去,人们需要制造小舟、舰艇和航空母舰。诺亚方舟正在停靠,每一位乘客都将做出选择,是否相信洪水将至。

再自我介绍一下吧。我叫史中,是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友,可以搜索微信:shizhongmini

QQ截图20200224102615


发表评论

0 个回复