Datatist的底层是一个DMP(数据管理平台)，以机器学习和推荐算法为核心，分别为ToC和ToB公司提供了不同的功能---潜在用户预测和销售线索推荐。

　　面向ToC公司提供的产品是一个预测性的营销平台。产品的思路是采集用户行为数据，完成用户画像分群，进而预测用户行为，并提供有针对性的营销手段和建议，刺激用户活跃、转化直至付费。

　　第一步是搭建处理数据的底层平台。结合Hadoop和Spark等开源稳定的大数据平台框架，为客户建立了能够处理大量数据的底层架构。接着Datatist从运营环节切入，进行优化：

　　先建立用户画像和模型，例如CLV模型（客户生命周期价值）。通过在APP和网站内加入SDK埋点，实时收集、整合市场信息，还有用户在多个平台上的行为、业务数据，比如注册信息、页面浏览的行为和交易信息等。然后平台会对已有客户合理分类，并构建用户画像，按照合适的模型将用户的活跃度分为高、中、低三类。借助画像和标签，Datatist就能预测下一步可能发生交易行为的用户。

　　之后，平台一方面会向活跃度比较低以及有购买意愿的用户推送定制化的内容，例如APP消息、短信和邮件。当消息投放出去后，用户是不是点击，还有哪些后续行为都会被记录和分析，做到持续跟踪优化。发送的频率也是可以控制的。另一方面，Datatist也提供了直接在平台上设计并投放A／B testing的功能。根据用户的反馈，进而自动地批量发送效果好的版本。

　　此外，Datatist还能根据转化率等数据结果提供建议，比如对广告投放渠道的有效性做出量化对比后，开奖，自动建议客户关闭一些低效渠道，而保留高转化率的渠道，并加大投入。还有如果页面的跳转率太高，就适当优化一些页面元素，高亮一些优惠信息；如果发现不同购买时段的交易转化率不同，大量用户的都在10点购买，那么适当考虑采用秒杀策略。

　　Datatist的COO董飞表示，以电商平台的客户FreshFresh两鲜直购为例，在使用Datatist的几个月内，两鲜的员工人均GMV（拍下订单金额）提升了3倍，半年留存用户率达到20%。

　　面向ToB公司提供的产品是一个销售线索推荐平台。第一步是建立企业信息库，包括地址、联系人等。目前数据库里已有几千万条企业信息。平台会根据企业提供的历史客户名单进行学习，atv，进而推荐符合偏好的销售线索，帮助企业卖出销售的第一步。这个功能除了帮助2B公司寻找新客户，还帮助了政府产业园区招商入驻。

　　去年6月，Datatist正式在美国硅谷成立。现在团队成员有30多人，大多来自eBay、LinkedIn和Amazon。目前主要客户是电商平台，也涉及了政府、产业园区、互联网金融、游戏和自媒体多个行业。产品方面，Datatist既提供了标准化平台，也能按需定制付费。