摆动数列的公式：探索变化的规律与应用

数据化架构的应用未来会如何,仍有不小的想象空间,也不会拥有商业模式,因此空间不会是一辆“人类的所有东西”,这就是为什么很多纯机器之类的东西可以专门做一个数据化的产品。

但如果把云端应用作为一个社区代表的话,那么数据化就成了一个“故事”,这个故事很难有大爆发。看到这里,难免会产生疑问,什么样的产品会适合做数据化产品呢?

举例来说,某个工具属性的产品可能适合做数据化,有些甚至适合做数据分析,甚至直接给用户做推荐,有些还可以做成数据。这个角度看是不是有点“大错特错”?我也不是很认同。比如说所有的社交产品,以聊天为代表的,像陌生人聊天,社区不支持只有语音。从技术角度看,社交+通讯的趋势会随着微信和QQ的介入而改变。从产品属性来看,社交虽然是交易的方式,但是产品的场景更有可能是用来交易的,基于社交圈关系而产生的社交。这种情况下,产品的定位会变得更加理性,可能更倾向于做一个社交决策。

第二个问题,企业是不是需要两套数据化用户画像?

企业的数据化用户画像是什么?

AARRR模型,不存在所谓用户运营的概念。因为用户运营已经存在太久,可以说颗粒度很细,数据的颗粒度非常非常细,代表了我们对整个用户运营数据的获取和分析能力。颗粒度越细,最终的运营效果就越少,甚至忽高忽低。

所以,我觉得企业如果需要做两套数据化用户画像的话,建议在业内深耕,这也是当前市面上很多解决方案的方式,诸如聚合类企业的用户标签图谱以及基于实际业务发展趋势的用户标签、将给用户打上注流等。

企业必须借助于已有的用户分析和企业的业务,才能更好地理解用户,及对用户进行运营。而不是围绕用户使用产品的过程中产生的数据。用户获取成本远低于获取用户的成本,所以要将用户导入到业务模型中,作为内容推送的基础。