目前，大多数数据公司的产品都在解决1和2的问题，还不能直接驱动企业的运营。3到6都依赖专业的数据人才手动提供解决方案。其实国内的企业大数据都普遍缺乏专业的大数据人才，所以实现3到6非常困难。未来的目标是要能提供专业的大数据软件产品，提供1到6的一站式解决方案。

　　可惜现在大数据公司的产品都停留在Data阶段，最多到insight。没有一个可行的Action提供给企业，让企业没有数据人才的情况下也能驱动运营。

　　这里，我讲一讲一下几乎所有互联网公司都要解决的用户运营优化问题和方法。

　　所有的互联网企业都面临同样的痛点——如何从茫茫人海中获取新客户？花大价钱拉新后，如何留存客户，活跃客户，最终转化客户为付费客户价值客户？

　　在外部拉新阶段，有很多传统渠道，比如打广告，买关键词等。 但是现在都面临改革的需要，因为不够精准。 举例，我们崔牛会很多2B的企业。如果百度打广告，受众其实很多是C。意味着一半的广告费用，都要浪费在非目标客户身上。如何利用机器学习技术，开奖，精准定位目标客户是一个很多的难题。

　　在完成拉新之后，活跃和价值转化用户，属于内部大数据优化的范畴。

　　这里列举了国际上最常见的内部大数据优化的核心技术：

　　首先是要采集行为数据（tracking）；

　　然后，积累数据之后，我们需要对用户进行画像分组，以便提供个性化的策略；

　　接着产品分析和优化是一个常见的应用。

　　目前市场上很多数据产品就是在做这三个步骤。我们统称为“产品分析”数据产品。

　　后面开始的各种应用目前市场上的产品并不多见，j2直播，我们可以叫“市场营销云”范畴（Marketing Cloud）。包括：目标用户优化（俗称精准营销）Targeting optimization；推荐优化 （个性化推荐）；市场营销的运营实验设计 A/B test （ 其实产品分析也需要这个）；ROI优化（比如有1千万营销预算，投5个渠道，哪个渠道效果最好？怎么组合渠道投放，达到最佳的回报？）

　　Marketing Cloud在国内重视程度并不太高，而且客户处于“无策略”投放阶段，所以非常需要专业的大数据产品来帮助指导。

　　针对这几个步骤，我分别展示一下更具体的内容：

　　上图为第一个步骤的demo，采集客户行为数据，建立“大数据”系统，然后提供KPI报告。包括客户，产品，市场和销售的统计数据。这其实也就是之前那个1到2的步骤。

　　目前，这个过程我们已经产品化了，让大家看来又方便又简单。几分钟部署，大数据系统就自动搭建了，实时报告就出来了。实际上在ebay 有几百人在做这件事，是个巨大的工程。

　　产品分析和优化是非常常见的应用，国内好几家大数据公司都在专门做这个产品。

　　市场营销云的系列之一就是通过用户画像精准推荐内部营销的目标客户。 比如我们每个月盘点用户，打上活跃度标签，谁在这个月是最活跃的客户、次活跃的客户，不活跃的客户。另外，最活跃的客户，却不购买的有哪些？ 我们是否通过一些营销策划转化他们？