近(jin)年(nian)來，“大數(shu)據”日益成為國家基礎(chu)性(xing)戰略資源，其所蘊藏(zang)的(de)(de)(de)巨(ju)大潛力和(he)能量在各(ge)行(xing)各(ge)業(ye)不斷積(ji)蓄(xu)的(de)(de)(de)同時，整(zheng)個數(shu)據行(xing)業(ye)的(de)(de)(de)技術(shu)基礎(chu)和(he)實踐(jian)能力也獲(huo)得(de)了長足的(de)(de)(de)提升，對于(yu)數(shu)據的(de)(de)(de)分析(xi)和(he)應用能力在不少行(xing)業(ye)案例中都得(de)到(dao)了良好的(de)(de)(de)展現。

 

單就運(yun)營(ying)而(er)論，數據作為一(yi)種(zhong)度量(liang)方式，能夠真實(shi)地反映運(yun)營(ying)狀況，幫助(zhu)我們進一(yi)步了解(jie)產品(pin)、了解(jie)用(yong)戶、了解(jie)渠道進而(er)優化(hua)運(yun)營(ying)策略是其快速發展(zhan)的根本動因。

 

下面我們就(jiu)從何為(wei)數據運(yun)營的(de)三重門開始說(shuo)起。

 

 

數據運營的三重門

數據的第一重門“交易門”

客戶與企(qi)業的交(jiao)易數(shu)據(ju)(ju)。這重門以(yi)交(jiao)易數(shu)據(ju)(ju)、日志數(shu)據(ju)(ju)為(wei)主(zhu)，即客戶的交(jiao)易行為(wei)（買賣、刷卡、查(cha)詢、投(tou)訴等）通過企(qi)業內部的生產作業系統記錄留存，基本以(yi)“事后”數(shu)據(ju)(ju)為(wei)主(zhu)，數(shu)據(ju)(ju)存在(zai)形式以(yi)結構化(hua)數(shu)據(ju)(ju)為(wei)主(zhu)體。

數據的第二重門“交互門”

客戶(hu)與企(qi)業(ye)的(de)(de)(de)(de)(de)交(jiao)互數(shu)(shu)據(ju)，我(wo)們形容為(wei)花園里面的(de)(de)(de)(de)(de)數(shu)(shu)據(ju)。其特點是以(yi)用戶(hu)與企(qi)業(ye)的(de)(de)(de)(de)(de)各種交(jiao)互數(shu)(shu)據(ju)為(wei)主，數(shu)(shu)據(ju)本身代(dai)表了客戶(hu)的(de)(de)(de)(de)(de)行為(wei)，如位置、點擊、瀏覽、企(qi)業(ye)App內的(de)(de)(de)(de)(de)操作行為(wei)、企(qi)業(ye)線下實體內的(de)(de)(de)(de)(de)行為(wei)(購物中心內的(de)(de)(de)(de)(de)到店足跡)等(deng)。此(ci)類數(shu)(shu)據(ju)開始出(chu)現(xian)大量非結構化(hua)，流式數(shu)(shu)據(ju)等(deng)多種形態。

 

交互門與交易門的(de)數(shu)據有(you)什么不同，如何利用?

 

例(li)子一：沉(chen)睡、瞌(ke)睡客戶的分(fen)析(xi)

 

通過交易門內(nei)的(de)數據發現的(de)沉(chen)睡(shui)、瞌睡(shui)客(ke)戶，在交互門里面表現如何呢？們(men)是(shi)真(zhen)的(de)沉(chen)睡(shui)了還是(shi)離開你的(de)服務？

 

交(jiao)易(yi)門(men)內的(de)數(shu)據告訴企業這些客戶在(zai)你(ni)的(de)企業交(jiao)易(yi)門(men)里面沒有留下(xia)任何交(jiao)易(yi)的(de)線索(suo)，不買你(ni)的(de)理財產品，不買你(ni)的(de)商(shang)品？這個(ge)時候要看(kan)看(kan)交(jiao)互門(men)的(de)數(shu)據了。

 

先看這樣圖(tu)：

 

 

 

可以發現在(zai)一定時(shi)間(jian)段里，雖然交易(yi)門的(de)數(shu)據類似，但是在(zai)交互門里面這些客(ke)戶表現大不相同。 停(ting)留在(zai)企(qi)業(ye)APP時(shi)間(jian)的(de)時(shi)長(chang)不一樣(yang)，點擊的(de)次數(shu)不一樣(yang)。

 

所(suo)謂(wei)“投資型“客戶是(shi)數(shu)據猜測(ce)的，因為這些客戶不斷(duan)上(shang)來(lai)而且頻繁(fan)地在你手機里面做(zuo)各種操作，他們在比對你的商品或者你的理財產品。可是(shi)，為什么交(jiao)易門里面沒有收益(yi)呢(ni)？

 

這(zhe)個時候要看看“交互門“外的(de)數據了。即這(zhe)些客戶在企業(ye)的(de)App外在類似競品企業(ye)的(de)App上是什(shen)么行(xing)為呢？如下(xia)圖：

 

 

 

結論很(hen)明(ming)顯，這(zhe)些投資類(lei)型的客戶在(zai)競(jing)品App里(li)面同(tong)樣活躍，是目(mu)標(biao)客戶，這(zhe)個時候要考慮(lv)如何(he)進行客戶的轉化了，如何(he)進行客戶的轉化同(tong)樣離不開(kai)數據，屬于(yu)客戶運(yun)營范疇了。

 

這個例子是一(yi)個典(dian)型的穿(chuan)越(yue)數據三重門的分析。

 

例(li)子二(er)：線下交互門的數據能干什么(me)？

 

我們(men)會(hui)(hui)(hui)認為24小時營業的(de)(de)火鍋店會(hui)(hui)(hui)給很多商業綜合(he)體(ti)帶來巨大的(de)(de)客(ke)流(liu)量(liang)，會(hui)(hui)(hui)有良好的(de)(de)預(yu)期，覺得這些(xie)人(ren)來了(le)會(hui)(hui)(hui)在我的(de)(de)商場里邊(bian)再會(hui)(hui)(hui)順(shun)便買一些(xie)東(dong)西，提高我的(de)(de)提袋率。事實情(qing)況是不是這樣呢?

 

我(wo)們做(zuo)了(le)這樣一個(ge)(ge)數據探索，跟我(wo)們的(de)客戶一起去了(le)解，把(ba)兩百(bai)多個(ge)(ge)商(shang)(shang)家(jia)做(zuo)了(le)一次分類，分類組織成(cheng)為(wei)各種商(shang)(shang)家(jia)標簽，如下圖表格的(de)縱向欄目。在(zai)通(tong)過數據運營施工，在(zai)商(shang)(shang)場內的(de)各個(ge)(ge)商(shang)(shang)家(jia)門口(kou)(nearby)和進店(inside)的(de)Wifi數據獲(huo)取整理(li)。

 

通過大(da)數據管理平臺，將商家標簽，人群軌跡做機器聚(ju)類(lei)分析(xi)，看看品牌與人流之間的關系到底是什(shen)么?

 

下(xia)圖中(zhong)標(biao)紅的就(jiu)是火(huo)鍋，其相關性(xing)為1.0。但是，這(zhe)一(yi)欄中(zhong)的人群除了跟火(huo)鍋類(lei)標(biao)簽相關度高之外，與(yu)其他(ta)商家標(biao)簽相關性(xing)都極低。如果(guo)是簡單描述(shu)這(zhe)個分析(xi)結果(guo)就(jiu)是，吃(chi)火(huo)鍋的人會直來直往，吃(chi)完了就(jiu)走，對其他(ta)的入駐(zhu)的商家和品牌帶動力(li)非(fei)常有限(xian)。

 

 

 

據(ju)此我們(men)可(ke)以進行進一(yi)步(bu)的分析，下圖為商(shang)業綜合體中所(suo)有的品(pin)牌與(yu)品(pin)牌之間的帶動(dong)力的分析，來看看數據(ju)會告(gao)送你哪些品(pin)牌是帶客源泉，哪些不是。

 

 

 

結論如下(xia)：

 

如果(guo)只看(kan)交易墻內的(de)數據，如銷售量(liang)，租(zu)金等，上面(mian)的(de)分析結果(guo)是(shi)不得而知的(de)；

 

看交(jiao)互墻內的數據需要進行數據運營和數據工程實現才(cai)能獲取；

 

如果(guo)在結(jie)合“公開市場門“的數據，還可以進行外(wai)部商圈分(fen)析、競(jing)品分(fen)析等，數據分(fen)析緯度繼續深入，但(dan)是這(zhe)部分(fen)數據就需要外(wai)部合作獲取(qu)了。

 

數據的第三重門“公開市場門”

 

即客戶(hu)在(zai)一個開(kai)放市(shi)場(chang)中的各種(zhong)行為數(shu)據(ju)，其本身往(wang)往(wang)并(bing)不直接與企業(ye)的業(ye)務相(xiang)關，但是對這些數(shu)據(ju)的獲取和(he)分析可以很大程(cheng)度上輔助企業(ye)業(ye)務的開(kai)展，如移動App的數(shu)據(ju)、社(she)交數(shu)據(ju)、微信(xin)微博的輿情(qing)數(shu)據(ju)、品牌偏好數(shu)據(ju)、職(zhi)住娛位置聚(ju)集和(he)遷徙數(shu)據(ju)、區塊內人群消費能力(li)數(shu)據(ju)和(he)觀影(ying)偏好數(shu)據(ju)等(deng)等(deng)。

 

這類數(shu)據(ju)的(de)獲(huo)取不是盲目的(de)，通常需(xu)要帶(dai)有一定的(de)問(wen)題域觸發(fa)，即(ji)從解決某類業務問(wen)題觸發(fa)來考慮，否則會陷入“數(shu)據(ju)的(de)汪洋大海”，不知道收什么數(shu)據(ju)。

 

在問題域明確的前(qian)提下，通過分析加(jia)工“公(gong)開市場(chang)門”的數據可以幫助企業的具體業務問題（獲(huo)客(ke)、喚(huan)醒沉睡客(ke)戶、風險控制、宏觀選址、區塊消費偏好分析等等）。

 

這部(bu)分數據的(de)獲取(qu)企業往(wang)(wang)往(wang)(wang)需要依靠內部(bu)的(de)有目的(de)性的(de)運營活(huo)動加以(yi)外部(bu)合(he)作來達到，這也是眾多傳統企業往(wang)(wang)往(wang)(wang)面臨的(de)難題(ti)。

 

 

三重門的數據(ju)收(shou)集和獲取形(xing)式不同

 

數據從“收(shou)”到“獲(huo)”的變遷是什么意思?

 

交(jiao)(jiao)易(yi)門(men)內的(de)數據(ju)，基本以生產(chan)、交(jiao)(jiao)易(yi)、管理(li)系(xi)統(tong)(tong)(tong)(tong)的(de)自然(ran)(ran)數據(ju)的(de)留存(cun)為主要(yao)模式，有(you)時也被(bei)稱為交(jiao)(jiao)易(yi)系(xi)統(tong)(tong)(tong)(tong)的(de)副產(chan)品，所以主要(yao)是“采集”而(er)不(bu)是“獲取”。而(er)是自然(ran)(ran)數據(ju)的(de)日志自然(ran)(ran)積累，過去幾十年有(you)很多技術(shu)處(chu)理(li)這樣的(de)資產(chan)，比如企(qi)業內部(bu)的(de)數據(ju)倉庫系(xi)統(tong)(tong)(tong)(tong)，商(shang)業智能系(xi)統(tong)(tong)(tong)(tong)，管理(li)駕(jia)駛艙等經營分(fen)析系(xi)統(tong)(tong)(tong)(tong)將(jiang)ERP，CRM，核(he)心交(jiao)(jiao)易(yi)系(xi)統(tong)(tong)(tong)(tong)的(de)數據(ju)進行聚合分(fen)析和展現。

 

交(jiao)(jiao)互門(men)里面的數(shu)(shu)(shu)據，以用戶(hu)與企業的各種(zhong)交(jiao)(jiao)互數(shu)(shu)(shu)據為主(zhu)，這部分(fen)的數(shu)(shu)(shu)據需要企業通過(guo)TPU運營(ying)和數(shu)(shu)(shu)據運營(ying)才能獲取(qu)。

 

TPU運(yun)營(ying)的(de)(de)意思(si)是通(tong)過圍繞著流量(Traffic)、產品(Product)、用(yong)戶(hu)(User)為核心的(de)(de)一系列的(de)(de)運(yun)營(ying)活(huo)動，來幫助企(qi)業將用(yong)戶(hu)從公開市場門(men)(men)中發(fa)現，并引導他們穿越交互(hu)門(men)(men)、交易門(men)(men)成為企(qi)業的(de)(de)客戶(hu);同時對已有客戶(hu)通(tong)過三重(zhong)門(men)(men)數據(ju)的(de)(de)運(yun)營(ying)來提(ti)升(sheng)粘(zhan)性，提(ti)升(sheng)客戶(hu)滿意度。

 

數據運營(ying)在此(ci)環節中(zhong)十

分重要(yao)，在上述的各種(zhong)運營中(zhong)，始終要(yao)將數據獲取(qu)作為與(yu)業務開展幾乎同(tong)等重要(yao)的事情來看(kan)待，在各種(zhong)運營活動(dong)中(zhong)對于數據獲取(qu)進行(xing)必要(yao)的設(she)計(ji)和必要(yao)的IT建(jian)設(she)。

 

談談這(zhe)里所謂的IT建(jian)設，我們暫且以“埋點”來統稱這(zhe)一(yi)環節的工(gong)作。所謂“埋點”即(ji)在過程中預先設計的一(yi)個(ge)事(shi)件觸發和(he)記錄的環節，用以獲取、記錄該(gai)事(shi)件的數據。

 

埋點可以分為以下(xia)幾類：

 

• IT系統內的埋點：比如網頁的JS代碼，App內的埋點事件，H5內的埋點等；

   

• 運營(ying)活(huo)動(dong)的埋(mai)點：在(zai)線下運營(ying)活(huo)動(dong)中，設計的“搖(yao)一搖(yao)”“掃二維碼”“免費Wifi提供”“H5鏈接“等等；

   

• 業務人(ren)員的(de)所(suo)謂(wei)“人(ren)肉埋點“：即地推人(ren)員在活(huo)動(dong)區塊設(she)定(ding)、話術設(she)定(ding)等方面的(de)設(she)計和數據回籠措施的(de)設(she)計。

 

只有通(tong)過專(zhuan)業、體系(xi)化(hua)的埋點措施并配(pei)合必要的業務管理要求和(he)IT系(xi)統建設(she)，才能解決(jue)“交(jiao)互門“甚(shen)至(zhi)“公開市場(chang)門”里面(mian)的數(shu)據持續(xu)獲取(qu)。

 

通過對埋點數(shu)(shu)據的分(fen)析(xi)可以幫助企業去優化流(liu)量運營方面的各種措施，這(zhe)是(shi)一個迭代過程。即(ji)通過TPU運營帶入客戶(hu)，通過對客戶(hu)的各種交互、交易數(shu)(shu)據的分(fen)析(xi)優化TPU運營的舉措，從(cong)而帶入更多的流(liu)量，采集更多的數(shu)(shu)據，如(ru)此循環往復。

 

舉(ju)個例子，如今跑(pao)步(bu)成為一種(zhong)時(shi)尚，很多企業(ye)客戶希望通過贊助這樣的馬拉(la)松(song)比(bi)賽來增加知名度和獲客。

 

某(mou)銀(yin)行(xing)(xing)(xing)客戶(hu)舉辦(ban)了一次這(zhe)樣(yang)的馬拉松比賽(sai)，報名人(ren)(ren)數三萬(wan)(wan)，影響的人(ren)(ren)大概(gai)十萬(wan)(wan)左右(you)，目的很(hen)明顯，拉升銀(yin)行(xing)(xing)(xing)產品的知名度，拉動(dong)銀(yin)行(xing)(xing)(xing)客戶(hu)的開卡(ka)開戶(hu)。結果(guo)是什么(me)，錢(qian)花了，人(ren)(ren)來(lai)了。但是，人(ren)(ren)都是穿著短(duan)褲來(lai)的，沒帶筆(bi)，怎么(me)開戶(hu)；周邊觀眾好幾(ji)萬(wan)(wan)，都是拿著手(shou)機(ji)來(lai)的，確(que)實被這(zhe)次活動(dong)吸引(yin)了。但是此次活動(dong)，銀(yin)行(xing)(xing)(xing)只從承辦(ban)公司拿了1900個手(shou)機(ji)號(hao)(hao)而已(yi)，其(qi)(qi)他(ta)的10萬(wan)(wan)人(ren)(ren)的線索活動(dong)后(hou)就斷(duan)了，1000多萬(wan)(wan)的預算，收(shou)獲(huo)了什么(me)？產品露出(Awareness)，但是貌似很(hen)難衡量，后(hou)續(xu)這(zhe)些人(ren)(ren)如何(he)做跟(gen)蹤和轉(zhuan)化(hua)呢？貌似沒有跟(gen)進(jin)手(shou)段?數據(ju)收(shou)獲(huo)了沒有？除了1900個手(shou)機(ji)號(hao)(hao)，沒有其(qi)(qi)他(ta)了。

 

這個(ge)活(huo)動就是典型的(de)沒(mei)有從數(shu)據運營(ying)和流量運營(ying)結合(he)來考(kao)慮(lv)。從舉辦活(huo)動前夕的(de)預(yu)熱(re)，官網、官微、移(yi)動APP、大流量端的(de)預(yu)先活(huo)動設(she)計和配合(he)的(de)線(xian)上埋點(dian)設(she)計，比(bi)賽沿途（報名處，休息處，半馬(ma)全馬(ma)完成(cheng)處，照(zhao)相合(he)影處）稍(shao)作設(she)計都(dou)可(ke)以(yi)成(cheng)為線(xian)下(xia)埋點(dian)的(de)地方(fang)，點(dian)埋了，數(shu)據回(hui)籠(long)了，有幾件(jian)收益：

 

• 產品露(lu)出效果可以衡量，在(zai)官網、官微、手機App上獲客(ke)情況，轉化如何(he)?在(zai)線下(xia)埋點收集的(de)數據上來，運動敏感性的(de)潛(qian)客(ke)是不是收集了?

   

• 后續轉化可以做了，潛客標簽為“運(yun)動狂“的(de)(de)人群(qun)做針對性運(yun)營，老客也(ye)可以做相應(ying)的(de)(de)牽引(yin)和含片推薦；

   

• 數(shu)據(ju)資產收(shou)獲。此次(ci)活動作為一次(ci)實(shi)戰的數(shu)據(ju)獲取和(he)訓(xun)練(lian)過程，充實(shi)了用戶的數(shu)據(ju)資產（交互門外的數(shu)據(ju)，交易門的數(shu)據(ju)都有）。

 

 

 

所(suo)謂數據運(yun)營(ying)，即所(suo)有的運(yun)營(ying)活(huo)動都基于數據，“不能量化就不能優(you)化，不能量化就不能衡量”源自于此(ci)。移(yi)動(dong)互(hu)聯(lian)網(wang)迫使企業的運營(ying)點前移(yi)出交易墻，到交互(hu)墻內，甚至是公開市(shi)場。

 

運營點前移造(zao)成既有的(de)(de)運營指(zhi)標(biao)體(ti)系出現了不滿足的(de)(de)情(qing)況，因為原有的(de)(de)指(zhi)標(biao)體(ti)系是依據交(jiao)易墻內的(de)(de)數據建設的(de)(de)，所以出現了新的(de)(de)移動互聯網業(ye)態(tai)下的(de)(de)運營指(zhi)標(biao)。

 

如下圖所(suo)示的例(li)子：

 

 

 

結合(he)各個行(xing)業(ye)(ye)的(de)特點(dian)，從(cong)3A3R（Awareness，Acquire，Activation，Retain，Revenue，Refer） 幾個角度(du)從(cong)公開數據(ju)(ju)、交(jiao)互門數據(ju)(ju)和(he)交(jiao)易門數據(ju)(ju)來(lai)統一考慮運營指(zhi)標體系(xi)(xi)的(de)建設。在此角度(du)上(shang)Talking Data已經與多個行(xing)業(ye)(ye)客戶(hu)聯合(he)推(tui)出了券商、直銷銀行(xing)、互聯網(wang)金融和(he)商業(ye)(ye)房地產等行(xing)業(ye)(ye)垂(chui)直運營體系(xi)(xi)，后續不斷有行(xing)業(ye)(ye)運營指(zhi)標體系(xi)(xi)推(tui)出。

 

運營的(de)前移(yi)的(de)另外(wai)一個(ge)收效(xiao)在于，業務(wu)的(de)運營可在業務(wu)的(de)發生過程中(zhong)，甚至之前就有所動作，而不是等到(dao)數據(ju)進入了(le)“交易門(men)“做事后的(de)處理。

 

“羊毛黨“運營的例子

 

舉一個(ge)(ge)新形態下(xia)反欺詐(zha)的(de)例子，大(da)家知道有一個(ge)(ge)人群叫“羊(yang)毛黨”，做互聯網金(jin)融、電商的(de)企業客戶，以及(ji)那些愛領取卡(ka)券優(you)惠的(de)人們可(ke)能比較熟悉。

 

專業(ye)的(de)羊毛(mao)黨的(de)影(ying)響(xiang)越來越大(da)(da)。2015年(nian)的(de)時(shi)候，在(zai)(zai)華南有一家不大(da)(da)的(de)企業(ye)興致勃(bo)勃(bo)地做(zuo)(zuo)了(le)(le)(le)他自己互聯網(wang)金(jin)(jin)融(rong)產(chan)(chan)品(pin)發布會，投(tou)了(le)(le)(le)兩(liang)個(ge)億(yi)，做(zuo)(zuo)互聯網(wang)金(jin)(jin)融(rong)產(chan)(chan)品(pin)，配屬了(le)(le)(le)將近(jin)數千萬(wan)的(de)卡券優惠。結果是開(kai)售首日產(chan)(chan)品(pin)幾乎(hu)直接(jie)(jie)被搶光。到(dao)了(le)(le)(le)半(ban)年(nian)后(hou)，這些互聯網(wang)金(jin)(jin)融(rong)產(chan)(chan)品(pin)到(dao)期贖(shu)回時(shi)，出現了(le)(le)(le)大(da)(da)規模的(de)集中贖(shu)回，類似銀行擠兌(dui)的(de)情況。要求贖(shu)回的(de)理財(cai)產(chan)(chan)品(pin)和配屬的(de)卡券優惠金(jin)(jin)額加起來在(zai)(zai)一億(yi)兩(liang)千萬(wan)左右(you)，這個(ge)公司直接(jie)(jie)資(zi)金(jin)(jin)鏈斷裂、關門(men)大(da)(da)吉。

 

事后才知道(dao)，這(zhe)些(xie)產(chan)品(pin)貌似是(shi)眾多(duo)客(ke)戶分開購(gou)買的(de)(de)，實(shi)際上是(shi)羊毛(mao)黨的(de)(de)杰作，通(tong)過(guo)技術手段(duan)操縱移(yi)動App，通(tong)過(guo)近萬個帳戶搶購(gou)產(chan)品(pin)和(he)擼羊毛(mao)(卡券優(you)惠)，這(zhe)是(shi)很極(ji)端的(de)(de)例子(zi)。單純依靠交易(yi)門內的(de)(de)數(shu)據來坐分析，顯然于事無(wu)補。在互聯網金融、電商等企業都會面(mian)對(dui)這(zhe)個情況(kuang)可以說這(zhe)是(shi)新的(de)(de)對(dui)反(fan)欺詐(zha)的(de)(de)訴求。

 

通過結合三重門的數據運(yun)營，運(yun)營點前移后(hou)是否可以解決這個(ge)問(wen)題(ti)呢？Talking Data推出(chu)的基于新(xin)的RFM模型，從運(yun)營的角度上去展(zhan)開跟羊毛黨的攻防戰。

從“交(jiao)互(hu)門”，甚(shen)至公開市場門就開始識別羊毛黨，具(ju)體分析羊毛黨出沒的痕(hen)跡如下：

 

• 網(wang)(wang)絡(luo)行(xing)(xing)為(wei)，通道，接(jie)入(ru)IP地址，Hostname, 路由(you)設備日志(zhi)，運營商(shang)接(jie)入(ru)基站都(dou)可(ke)以留存大量的(de)網(wang)(wang)絡(luo)行(xing)(xing)為(wei)日志(zhi)，完整的(de)網(wang)(wang)絡(luo)日志(zhi)可(ke)以形成一條(tiao)羊毛用(yong)戶網(wang)(wang)絡(luo)路徑，客觀反映(ying)羊毛黨(dang)的(de)網(wang)(wang)絡(luo)行(xing)(xing)為(wei)軌跡；

   

• 設(she)備(bei)動(dong)(dong)態行為(wei)，智能手機(ji)及手持設(she)備(bei)往往會內置眾(zhong)多的運(yun)動(dong)(dong)傳感器， 傳感器會手機(ji)手機(ji)設(she)備(bei)的動(dong)(dong)態行為(wei)包括位(wei)置變化(hua)幅度，變化(hua)頻次， 變化(hua)規律等信息， 從而通過數據計(ji)算判斷設(she)備(bei)的動(dong)(dong)態行為(wei)；

   

• 平(ping)臺(tai)行(xing)(xing)為(wei)，被擼平(ping)臺(tai)往(wang)往(wang)有(you)很多(duo)的平(ping)臺(tai)行(xing)(xing)為(wei)及過程(cheng)，包(bao)括注(zhu)冊，綁卡，瀏覽，交(jiao)易和(he)提現。每個(ge)過程(cheng)都會留下很多(duo)行(xing)(xing)為(wei)軌跡(ji)，而羊毛黨特別是(shi)其(qi)中的機器羊毛黨的行(xing)(xing)為(wei)軌跡(ji)更是(shi)有(you)其(qi)特殊(shu)性；

   

• 交易行為(wei)，羊毛黨(dang)會對平臺的產品做詳(xiang)細的對比分(fen)析(xi)，找出其中ROI最(zui)大化的薅方案。其交易的產品，交易金額和交易時間都是最(zui)佳化設計(ji)；

   

• 手(shou)(shou)機(ji)(ji)的(de)整體行為，羊(yang)毛黨的(de)主要工具都是手(shou)(shou)機(ji)(ji)， 每臺手(shou)(shou)機(ji)(ji)上安(an)裝的(de)互聯網金融平臺數，活躍時間，甚至于羊(yang)毛黨對(dui)手(shou)(shou)機(ji)(ji)終端的(de)偏好都可(ke)以留下(xia)一(yi)定的(de)行為軌跡。

 

通(tong)過對(dui)這(zhe)些來自羊(yang)毛(mao)黨的(de)“公開市場門(men)(men)”、“交互(hu)門(men)(men)”和“交易門(men)(men)”的(de)數(shu)據(ju)整體獲(huo)取和分析，可(ke)以建立一張羊(yang)毛(mao)黨個人行為的(de)數(shu)據(ju)圖(tu)譜(pu)。如下圖(tu)展示了一張匯(hui)集了多個數(shu)據(ju)源的(de)羊(yang)毛(mao)黨數(shu)據(ju)圖(tu)譜(pu)，從(cong)圖(tu)譜(pu)中可(ke)以直觀(guan)的(de)多看到一臺安(an)卓設備通(tong)過多次(ci)刷機形成了19臺虛(xu)擬設備，這(zhe)19臺設備注冊了19個賬(zhang)號(hao)完成了19次(ci)薅羊(yang)毛(mao)行動(dong)的(de)數(shu)據(ju)軌(gui)跡(ji)。

 

 

 

在(zai)可(ke)以(yi)識(shi)別以(yi)后(hou)，進入(ru)了(le)羊(yang)(yang)毛(mao)(mao)黨(dang)(dang)的運營(ying)階段，因為依企業不(bu)(bu)同(tong)(tong)發展要求，需(xu)(xu)要甄(zhen)別羊(yang)(yang)毛(mao)(mao)黨(dang)(dang)和卡(ka)券敏(min)感(gan)性客戶以(yi)及死忠粉，需(xu)(xu)要采用(yong)運營(ying)手段對不(bu)(bu)同(tong)(tong)的客戶用(yong)不(bu)(bu)同(tong)(tong)的策略來(lai)對待，而(er)不(bu)(bu)是(shi)全(quan)部(bu)拒之門外。有(you)關這個部(bu)分的描述(shu)，可(ke)以(yi)詳(xiang)見Talking Data的陳雷的文(wen)章《羊(yang)(yang)毛(mao)(mao)黨(dang)(dang)大(da)數據攻防(fang)戰》中的詳(xiang)細(xi)描述(shu)。