TalkingData副總裁 高鐸

　　6月10日，北京國(guó)家會(huì)議中心，以“構(gòu)筑地理信息新生態(tài)”為主題的2015年全球地理信息開發(fā)者大會(huì) (WGDC)在此拉開帷幕。WGDC自2012年起開始舉辦，四年時(shí)間里，伴隨著中國(guó)地理信息產(chǎn)業(yè)的快速發(fā)展，WGDC已經(jīng)成為位置與空間領(lǐng)域最具影響力的技術(shù)創(chuàng)新盛會(huì)。6月11日下午，創(chuàng)業(yè)與投資分論壇成功舉辦。

　　在創(chuàng)投論壇上，TalkingData副總裁高鐸基于收集的移動(dòng)大數(shù)據(jù)，介紹了基于地理空間的三種智能應(yīng)用服務(wù)。以下是高鐸的演講實(shí)錄。

　　高鐸：大家下午好，我的主題是當(dāng)LBS遇上移動(dòng)大數(shù)據(jù)，LBS這個(gè)事情這幾年下來，在我看來是沒有一個(gè)完整的商業(yè)模式，但是LBS會(huì)在各個(gè)行業(yè)遍地開花，成為一個(gè)基礎(chǔ)的設(shè)施，所以我今天分享的硅谷的數(shù)據(jù)和其他的移動(dòng)端的數(shù)據(jù)結(jié)合到一起，形成一個(gè)大數(shù)據(jù)平臺(tái)，在這個(gè)平臺(tái)之上，他能夠與各行各業(yè)帶來什么樣的一些項(xiàng)目的改變和決策方式的改變?這是我今天要分享的內(nèi)容。

　　主要來看是三個(gè)部分，第一個(gè)部分是大數(shù)據(jù)品牌，主要是移動(dòng)端的，如何改變傳統(tǒng)的門店選址的模式，第二個(gè)如何創(chuàng)造一種新興的與他的品牌廣告形態(tài)。第三個(gè)我們也做一些案例，如何完善一些銀行或者是證券的一些風(fēng)控的模型，就是這三個(gè)內(nèi)容。

　　首先是DMP呢?我不知道大家接觸的怎么樣?DMP實(shí)際上是三個(gè)過程，第一個(gè)是我需要收集數(shù)據(jù)，通過在座的大家的手機(jī)、IPAD或者是各種傳感器、智能設(shè)備等等。第二個(gè)建立一個(gè)平臺(tái)，數(shù)據(jù)加工，把數(shù)據(jù)并合起來，我會(huì)去做一些數(shù)據(jù)的產(chǎn)品的輸出和服務(wù)，輸出和服務(wù)對(duì)輸出的的行業(yè)，比如說銀行、證券、云商、保險(xiǎn)公司，也會(huì)輸出一些五花八門的行業(yè)，比如說互聯(lián)網(wǎng)，也會(huì)輸出一些很奇特的行業(yè)，比如說零售、汽車、奢侈品或者是房地產(chǎn)等等，這是我們價(jià)格輸出的三個(gè)領(lǐng)域。

　　具體來看基于這些手機(jī)、PI或者是第三方的數(shù)據(jù)等等。接下來來看所有的核心，所有的移動(dòng)端數(shù)據(jù)的核心，其實(shí)只有一點(diǎn)，就像我們?cè)谧拇蠹?，我們每天去出差，去坐飛機(jī)到任何一個(gè)地方，我們很多機(jī)構(gòu)會(huì)讓你證明一個(gè)事情，請(qǐng)證明你是你，你媽是你媽，很多時(shí)候你拿了一些證件或者拿了一些東西，大家不一定認(rèn)你這個(gè)人，只認(rèn)你一個(gè)身份證號(hào)，我們每個(gè)人在中國(guó)各個(gè)政府機(jī)構(gòu)里面唯一的標(biāo)識(shí)是身份證號(hào)，其他的是不認(rèn)的，同樣的道理，做大數(shù)據(jù)建立一個(gè)唯一的標(biāo)識(shí)，這樣你的數(shù)據(jù)才有價(jià)值，才能夠發(fā)揮出去。所以所有的大數(shù)據(jù)的核心是基于一個(gè)Idea來做的，我們都是圍繞著Idea來做的。

　　大家能看到的，能描述出來的就是text，你喜歡買車，你喜歡哪一些品牌的車，你喜歡看電影，這些標(biāo)簽是決定于你的數(shù)據(jù)應(yīng)用不同行業(yè)的基礎(chǔ)，這是我大約的講述一下DMP是什么。

　　我們看一下DMP如何改變傳統(tǒng)的門店選址模式，我們知道傳統(tǒng)的選址模式很復(fù)雜，復(fù)雜到什么程度呢?你要有很多的指標(biāo)，比如說要去考慮選址，比如說剛才看到有嘉賓分享像賣燒餅的，也有一些開銀行的分店，也有京東開店的，都是我所說的傳統(tǒng)的選址方式，一般會(huì)選擇居民的消費(fèi)水平、你的商圈、十字入口等等的，其實(shí)還有更多的，會(huì)建立一個(gè)選址的模型，會(huì)派很多的地調(diào)人員去采集、分析、挖掘，可能這個(gè)周期開一個(gè)店很長(zhǎng)，同時(shí)關(guān)一個(gè)店也很長(zhǎng)，這種傳統(tǒng)的選店的模式，很大的問題是什么呢?第一個(gè)耗時(shí)非常長(zhǎng)，短則兩三個(gè)月，長(zhǎng)則一年、半年。第二個(gè)成本非常的高，因?yàn)槟闶且粋€(gè)人力密集型的活，很難快速的實(shí)現(xiàn)。我們用大數(shù)據(jù)的方式，怎么實(shí)現(xiàn)快速便捷的選址方案呢?

　　舉兩個(gè)例子，比如說大家叫的比較響的是黃太吉，假定放兩三個(gè)月，挖掘出成熟的用戶到這個(gè)店面吃黃太吉，通過移動(dòng)大數(shù)據(jù)能夠挖掘出來這三十萬人的特征，他們都居住在天通苑，他們都是20歲到35歲之間，他們男女性格比例，他們的上班，他們的喜歡視頻還是喜歡什么等等這些標(biāo)簽，可能有40多個(gè)標(biāo)簽變成了用戶對(duì)黃太吉的用戶模型，這個(gè)模型可以放大整個(gè)的移動(dòng)大數(shù)據(jù)里面去篩選，篩選出來之后，可能有300萬只適合模型的人群，我們就可以把它放在一個(gè)地圖的平面上去。

　　比如說是這個(gè)圖，比如說我們想中午的11點(diǎn)到13點(diǎn)，我們篩選出符合這個(gè)用戶模型群體的分布，我們選擇一些密集度，選擇一下投入產(chǎn)出的比，就可以很快的確定，也許這些密集度泛黃的地方就是他可能潛在的選址的區(qū)域。第二個(gè)如果我們重要的時(shí)間是選擇在了晚上，是18到21點(diǎn)，這個(gè)時(shí)間段去選擇的分布，你找到密度高的區(qū)域去選址，就能看到是否適合你開店。這個(gè)方式改變了傳統(tǒng)意義上的人工模型，實(shí)際上是用大數(shù)據(jù)的方式，結(jié)合地理位置，結(jié)合店內(nèi)的wifi的信息結(jié)合在一起的選址方案，這是我分享的第一個(gè)案例。

　　第二個(gè)案例DMP創(chuàng)造一種新型的Retargeting廣告，我們?cè)诎俣人魉骼锩嫠阉鲊?guó)家會(huì)議中心或者搜索一個(gè)酒店，你在另外一個(gè)網(wǎng)站登錄的時(shí)候，會(huì)在左側(cè)和右側(cè)會(huì)出現(xiàn)跟會(huì)議相關(guān)的信息，根據(jù)你的搜索興趣出發(fā)的，這是一個(gè)Retargeting廣告。

　　比如說大家到國(guó)家會(huì)議中心或者到商場(chǎng)，我舉一個(gè)例子，你去一家商場(chǎng)，我們每個(gè)人都有在商場(chǎng)的運(yùn)行軌跡，遇到一些珠寶店如果感興趣就會(huì)停下來，如果不感興趣就走到二樓、三樓，如果想買的話就會(huì)咨詢問價(jià)。如果是走過，沒有市場(chǎng)，如果體停留一下或者咨詢一下，可能就會(huì)在一個(gè)店面里面停留一到三分鐘，這個(gè)軌跡實(shí)際上就是你線下對(duì)于一些品牌的興趣，這個(gè)軌跡應(yīng)該是這個(gè)圖，這個(gè)是國(guó)內(nèi)一家著名的商場(chǎng)平面路面的信息流，用了一個(gè)時(shí)段的結(jié)面，這是所有的用戶，所有的人群在商場(chǎng)里面的軌跡，我們看到一旦有用戶的停留，就代表了他對(duì)某一個(gè)線下品牌的興趣，這個(gè)興趣是可以通過我們的手機(jī)和wifi記錄下來的，記錄下來之后，我們就可以加工出來，加工出來之后用其他的APP，其他的游戲做映射，這樣我們就可以在我們的平臺(tái)在這里面推送一些你剛才有興趣廣告。

　　這是我們跟珠寶店做的一個(gè)廣告的案例，我?guī)退Y選出來全國(guó)4300萬對(duì)他產(chǎn)品感興趣的人群，實(shí)際上是過去六個(gè)月內(nèi)在他全國(guó)有一千多家門店走過瀏覽過的人群，這些人群是他的線下的興趣人群，線下興趣人群，我通過線說廣告的方式抵達(dá)，我做了大約一千多萬的量，最終轉(zhuǎn)化效果是非常好的，比如說在未來的一個(gè)月之內(nèi)，看過這些廣告的人，我通過線下的wifi，可以檢測(cè)到在現(xiàn)場(chǎng)看的廣告，在未來一個(gè)月以內(nèi)是否到我們的線下的廣場(chǎng)或者店面，所以他的到達(dá)量是兩千多，轉(zhuǎn)化率是七點(diǎn)多。比傳統(tǒng)的盲目的廣告投放轉(zhuǎn)化效率要高出很多倍，這是一種新興的業(yè)態(tài)，在目前看來，也是我們唯一一家把線下的數(shù)據(jù)線上打通，再到線下檢測(cè)的方案。

　　第三種想分享的案例是一個(gè)金融的風(fēng)控模型，如何去完善傳統(tǒng)意義上的風(fēng)控模型。這個(gè)大家知道我們無論是做貸款還是做一些各種金融相關(guān)的理財(cái)?shù)臇|西，我們都會(huì)在銀行或者證券公司提供各種我們自己的個(gè)人信息去證明，我們是靠譜的，我們還得起錢，我們也能夠未來怎么樣保證一個(gè)收益，但是銀行證券來說，他要去評(píng)估我們所提供的信息是否準(zhǔn)確，比如說就一個(gè)簡(jiǎn)單的例子，我們填的家庭住址等信息是真是假，怎么驗(yàn)證?你就可以在未來的一個(gè)月之內(nèi)監(jiān)測(cè)他的手機(jī)、智能終端設(shè)備是否在這個(gè)位置附近兩公里之內(nèi)出現(xiàn)過，如果出現(xiàn)過了，就代表他的地址準(zhǔn)確率很高，如果沒有出現(xiàn)那就不很低的。

　　如果能夠通過移動(dòng)段的數(shù)據(jù)發(fā)現(xiàn)，他用了一個(gè)紅米的手機(jī)，他的消費(fèi)的行為，他的一些應(yīng)用的興趣都是比較低檔次的，你也能夠幫助他的修正的傳統(tǒng)金融模型，告訴這個(gè)模型修正的私心度下降，幫助銀行的人正確的更好的評(píng)估一個(gè)他的客戶，這是第三個(gè)。

　　整體來看這個(gè)模型既幫助銀行降低借貸風(fēng)險(xiǎn)，同時(shí)又能夠把這些金融大數(shù)據(jù)輸出到一些更傳統(tǒng)的，更讓我們意想不到的行業(yè)當(dāng)中的價(jià)值，這是我分享的三個(gè)案例，為什么分享這三個(gè)案例呢?基于這些數(shù)據(jù)，我們是2010年成立，我們已經(jīng)累計(jì)了全球14億的終端設(shè)備，我們覆蓋了6.5萬的派發(fā)者，8萬多的移動(dòng)應(yīng)用，開發(fā)者里面可能大家?guī)缀趺總€(gè)人使用的都會(huì)安裝我們的APP，比如說跟我們合作的滴滴打車、唯品會(huì)等等以及大家玩的游戲里面，主要手游里面大概70%的手游，分析平臺(tái)全部是用我們的，中國(guó)每年做校園廣告的廣告主大約300到400家之間，60%廣告監(jiān)測(cè)平臺(tái)也是由我們的，我們的數(shù)據(jù)來源于這些。

　　對(duì)接廣告平臺(tái)，對(duì)接了全球190多家，其中包括像谷歌、阿里巴巴、百度的等等的，這些是我們的數(shù)字，整體來看，TalkingData介紹是這樣的，2011年成立，這是我們的一個(gè)介紹，我們?cè)诿绹?guó)的硅谷還有日本的東京、上海都設(shè)了分公司，實(shí)際上檢測(cè)運(yùn)營(yíng)和方案，我們對(duì)傳統(tǒng)行業(yè)提供了差異化的方案，類似于大家知道的IBM等等提供的方案，整個(gè)的所有的這種服務(wù)都基于我們的數(shù)據(jù)商業(yè)化的一個(gè)平臺(tái)，實(shí)際上既是基于DMP挖掘的，我就不一一說了。這是我今天要分享的內(nèi)容。非常感謝。