​导读： 本文将分享如何建设商业化的数据产品，包括从底层的基建到上层的数据产品赋能业务。

今天的分享会围绕下面四点展开：

1. 广告与数据

2. 数据底层搭建

3. 数据内容建设

4. 数据赋能业务

分享嘉宾｜凌芝 快手 高级数据产品经理

编辑整理｜黄飞 宇信科技

出品社区｜DataFun

01/广告与数据

首先介绍一下数据在广告业务里的应用场景，商业化业务的发展阶段，如何进行数据建设，以及不同阶段的数据侧重点。

1. 广告业务简单介绍

广告业务流程：

首先是媒体在自然流量当中挖掘商业流量，引入广告主到广告投放平台进行广告的投放；

投放系统用算法的能力通过竞价还有排序，将广告主和用户进行匹配，实现流量的最大价值化；

运营去看客户的实施数据，发现问题，诊断问题，告诉广告主怎么去进行调优和解决；

广告主根据投放广告的效果数据，及时的去进行调优。

2. 商业化业务发展历程

商业化业务的发展包括基础建设、快速拓展和精细化运营三大阶段。

基础建设阶段：在业务的初期都会比较侧重于业务系统的建设，数据建设会落后于业务，所以会出现业务系统各自产生数据，导致数据孤岛，无法发挥数据的价值，同时大家用数难，数据内容也会很单一，数据整体的应用场景也难以拓展，因此最首要的任务就是要打破数据的孤岛，将数据统一起来，打通全链路，当数据基建统一了之后，就可以开始整个指标体系的搭建，统一指标口径。

快速拓展阶段：在这个阶段业务对于数据的诉求越来越复杂，对于时效性要求也会越来越高；数据建设方面会开始自建平台，开始强化实时数据和应用的建设。

精细化运营阶段：在这个阶段，运营以及内部人员需要通过数据去进行决策，数据方面就会开始建设运营数据分析平台，然后基于业务数据的沉淀，进行自动化和智能化方向的探索。

整体来说，数据的建设分为三个阶段：

第一个阶段是底层建设，把地基打好；

第二个阶段是内容至上，把内容丰富起来；

第三个阶段是产品赋能，把前面的数据内容进行产品化，赋能业务。

--

02/数据底层建设

数据底层搭建首先是数据的生产和上报，数据生产主要涉及打点的规范，让上游按照数据侧定义的规范进行采集上报，方便后续数据的清洗和加工。这里涉及到广告引擎生产的请求日志、媒体端生产的端内效果日志 、广告主回传的后链路日志。接下来，实时处理广告所有的上报事件，进行日志拼接和事件归因计算，最终输出统一的数据流。基于统一数据流，进行数据处理，搭建起实时、离线数仓，以及对外的数据服务。

最后，基建完成以后就要面向应用场景，面向最后的消费者，这中间的应用，比如说有内部数据看板，数据分析、运营平台，还有一些挖掘预测，就是做算法，做模型，还有一些数据决策，把数据展现给 B 端广告主，让广告主能在线决策，这就是整个数据底层搭建。

--

03/数据内容建设

1. 业务抽象

数据内容需要结合对业务的理解来建设，将业务抽象成数据。业务角色和诉求决定了数据的看数视角和这个视角下的内容体系，内容体系主题确认后，再从单个视角出发，进行内容建模。

以广告业务为例，广告就是用户、客户与媒体三方之间的一场博弈，一方面，用户对媒体会有内容诉求，媒体会挖掘用户的商业诉求来实现流量最大价值化；另一方面，广告主期望在成本可控的基础上拿到尽可能多的媒体流量、转化，最大化 ROI。广告平台就是连接三方，平衡各方利益，实现共赢。

因此整个广告的数据内容体系也是围绕着这四个角色以及他们的诉求建模。

2. 主题划分

广告的数据内容体系分为四个主要的主题，对应业务四个角色，分别为用户、流量、客户、平台四大主题。每个主题下面的子主题都是在主题的视角下，针对这个主题下面业务过程、业务链条进行的数据抽象。比如在流量的视角下，把广告检索的业务链条抽象成数据；客户的视角下，把他的整个生命周期用数据来体现。

3. 内容建模

明确了主题内容之后，可以基于单个主题，单一的视角展开，进行内容的建模。首先确认这个视角下的核心指标，再结合业务链路，拆分过程性指标，最后基于业务现阶段目标，将指标进行分级。

以流量为例：在流量这个视角下，核心指标是 CPM 和消耗。CPM 体现了流量的变现效率，消耗体现了流量的变现规模。根据这两个指标展开整个核心链条的拆解。

如上图所示，用户最先会在媒体产生自然流量，然后在自然流量里去挖掘广告的库存，接着是广告的填充以及广告的曝光，再到端内的一些广告的行为，端外的一些转化，最终就形成了整个的广告的花费。广告库存到广告的填充曝光这个阶段，内部还会有一个复杂的检索和竞价的流程。这整个链路的拆解就形成了流量这一块的过程性的指标，这一过程形成的数据都会用到内容主题的建设当中。

--

04/数据赋能业务

1. 用户分层及不同层次需求

数据产品的建设和迭代，是一个结合用户数据诉求不断挖掘数据价值的进阶过程。因此首先要知道数据产品用户是谁，这里将数据产品用户分成了三大类别，分别为高层、管理层及分析人员和一般人员。在明确了用户后，再去分析用户的数据诉求，如何满足他们的数据诉求，数据产品需要怎样的能力。

以管理层及分析人员为例，管理层及分析人员需要及时获知业务的发展趋势，以及业务达成情况，同时还要去追踪一些业务的细节，去发现业务的一些增长点，识别一些潜在的风险，对应到数据产品，就需要分析可视化的能力，辅助决策，同时也需要一些自主高效的分析能力，能够让分析人员快速、自主、高效地去用数分析，同时还需要实时和离线的监控能力，能够让业务方清晰地看到整个数据的走势。

2. 数据价值的三个层次

清楚了数据产品用户后，就要开始做数据价值的挖掘，在数据挖掘前，要先明确什么是数据价值。这里把数据价值分成了三个层次，分别为业务透明化 、决策透明化 、全局优化与创新。每一个数据产品在它的每一个建设阶段都需要有一个明确的价值导向，这样才能够让数据产品明确它在这个阶段需要具备的主要能力是什么。

比如说要做一个决策透明化的数据产品，就需要去搭建具备诊断分析以及预测分析能力的产品。这样才能够去实现这个价值导向下的能力，去回答这个价值层面下的问题，去发掘现在业务的问题及原因，是否有一些规律可以沉淀下来，并以数据产品的方式展现出来，同时按照这个规律和趋势进行预测，用数据去告诉大家未来的样子。

3. 用户需求和价值

明确了数据产品的用户、用户的诉求和数据产品的价值之后，结合着整个投放场景，业务特色，以及宏观到中观还有微观的拆解分析思路，搭建了整个商业化内部的数据产品矩阵。

主要包含两个平台：BI 平台和运营数据分析平台。

（1）BI 平台偏宏观和中观，包含了一些核心指标的趋势监控，分级拆解，以及业务场景的分析监控，对应业务的战略层和执行层。并提供 OLAP 多维分析工具，满足业务侧自主高效分析的诉求。还有 APP 移动端，方便业务侧随时随地查看数据。

（2）运营数据分析平台偏微观，主要覆盖了客户盯盘以及分析的场景，同时在此基础上，把整个投放场景中影响投放效果的因素抽象出来，搭建了包含基础性分析、诊断性分析的分析体系，不断迭代升级的同时将数据建议输出给业务方，赋能业务。

4. 产品应用实践-商业化 BI 平台

BI 平台是基于我们整个业务分析体系和指标维度体系搭建而成的，主要包括两个模块，管理驾驶仓和业务分析。

（1）管理驾驶舱主要覆盖了业务的离线和实时的大盘监控，以及消耗的波动归因。

（2）业务分析分成三个大主题，流量、客户和平台。每个模块的内容都是基于日常业务数据需求整合提炼而成。

以流量主题为例，当业务聊到流量的时候，一般都是要去知道现在平台有多少流量，这些流量已经利用到了一个什么程度，流量的利用效率，以及是不是有更多的流量可以去挖掘变现，同时当流量出现波动的时候，可以去进行一些波动的问题拆解，根据这些问题搭建流量的大盘概览，流量的效率分析，以及请求漏斗分析。

同时对于运营和广告主来说，他们希望在一些节假日还有大促的节点，能够提前的预知媒体流量的情况，从而来进行物料和预算的准备，所以我们就提供了流量预估的能力，让运营输出给广告主。这就是整个流量主题的结构层次。

5. 产品应用实践-商业化运营数据分析平台

商业化运营数据分析平台是一个帮助运营解决问题的平台，而运营的问题其实就是广告主的问题，运营的工作是围绕广告主来开展，比如投放前的投放建议，投中的实时盯盘、问题诊断，以及投后的效果复盘。

整个运营流程都离不开数据，需要数据来牵引动作，平台通过场景化整合建设来给运营提效。整体结构是围绕着客户运营、场景化诊断、行业360三大主题来建设的。

客户运营模块 先以客户作为大盘分析，再逐层下钻深入分析，全面掌控客户情况，快速发现潜在问题，同时客户的整体投放情况也可对标整个行业，认清所处的位置。场景化诊断 整合常见投放问题，场景化归类，结合客户意愿、投放效果、竞争分析、系统白盒，分场景提供全方位的诊断分析。行业 360则是从行业的视角进行专题专项的分析，给客户一些行业标准的输入。

--

05/问答环节

Q1：内容建模是有信息化系统可视化建模吗？还是分析师做的一个任务调度？

A1：内容建模其实相当于我们针对整个业务链条去进行一个指标体系，以及它维度体系的一个界定，这块并不是指分析师的一个任务调度，可能更偏向于整个信息化系统的一个可视化建模。

Q2：商业化埋点是自己团队做的还是公司的数据中台做的？数据质量怎么样？

A2：商业化这块的埋点其实是商业化这边来做的，数据质量的话，是有了一个极大的提升，因为埋点的话本身就是会存在着一些比较脏的情况，商业化埋点也是经过了好几次迭代治理才达到现有的质量。总结下来，要做好埋点质量有两个关键点：1）数据团队要发挥承上启下的作用，明确埋点的规范及数据结构，推动上游严格按照规范进行上报，并对上报数据进行清洗和处理，供各下游使用；2）引入数据测试，针对整个链路的数据质量提供一套测试标准，并针对链路上的关键节点建立起质量监控体系。

Q3：用户画像在业务部门中有哪些应用场景呢？

A3：我的理解，以及我在工作中遇到的诉求主要分三块：

（1）广告主需要用户画像制定精细化投放策略；

（2）内部运营需要画像数据进行人群挖掘，协助广告主进行广告投放破圈；

（3）算法策略需要画像数据做一些相似人群拓展建模。

今天的分享就到这里，谢谢大家。

分享嘉宾

**