画像的做法有很多模型，我们最擅长的是机器学习模型。可以精准预测谁会购买谁会流失、谁会注册等等。这大大降低了运营人员的难度，也提高了运营的效果。

　　以前我在Linkedin做出数十倍的优化效果，里面5个优化环节里，最核心的就是机器学习的预测算法。

　　在充分了解用户的群体和个体特征之后，个性化推荐是营销运营优化的另一个系列。

　　个性化推荐可以通过产品级实现，也可以通过内部营销渠道，比如发push的时候内容个性化，或者email的时候内容个性化实现。

　　最后是渠道效率ROI优化。

　　大数据运营产品的分析与比较

　　接下来，我分享一下针对上述大数据驱动运营优化方向的市场分析，可以帮助大家选型。

　　这是美国一些大数据公司的分布情况。美国的市场营销云非常受欢迎，也很成熟，几乎每家企业级应用大公司都分布收购了很多小公司组建这个产品线。

　　比如Adobe买了Omniture (涵盖了用户行为分析，画像，基于预测的目标定位等系列）, Salesforce买了 Exact Target （ 营销自动化），Oracle 买了Responsys (邮件营销公司）,Responsys里面的人出来成立了Act-on（ marketing automation 将整个营销流程自动化）。

　　实际上，我们公司的业务类似于Omniture + Act-on + Exact target，是一站式的营销云方案，非常适合国内缺乏专业运营和大数据人才的企业现状。

　　最后分析一下国内的大数据市场。

　　大家看到中国从免费的APP数据分析时代（ Talking Data、友盟、易观），逐步发展到收费产品分析时代（比如GrowingIO、神策数据、诸葛IO）。

　　但是营销分析这里还是以传统的外部渠道为主，比如广告、SEO等的优化。 其中，国双最近已经海外上市。然而，企业内部的营销优化，精准目标定位等，内外结合的营销一体化方案等都还没有成熟的产品。

　　今天时间短暂，还没有机会好好介绍一下我们Datatist做什么，如何帮助到大家。这个是我们公司的介绍。希望对大家有所帮助。

　　本期嘉宾：Datatist创始人 宋碧莲（Sophia）

　　Datatist的目标是利用机器学习大数据技术，提供一站式解决方案，自动驱动运营，助力企业优化。

　　其大数据驱动业务的终极目标是从数据(Data)中看到有价值的信息（insight），然后制定可行的方案（Action), 解决问题，实现优化。

　　定位：提供市场营销云的解决方案，让运营的同事在没有大数据人才到位的情况下，也可以科学地投放和优化。