iCDO數(shù)據(jù)掌門人 專訪Datatist宋碧蓮：AI和用戶運(yùn)營(yíng)如何結(jié)合？

AI已經(jīng)成為一眾互聯(lián)網(wǎng)公司的核心主攻，但談起具體的應(yīng)用，大部分時(shí)候，我們并沒(méi)有聽(tīng)到太多讓人信服的回答，而核心團(tuán)隊(duì)來(lái)自硅谷的Datatist想要從用戶運(yùn)營(yíng)的角度，談一談他們的看法與實(shí)戰(zhàn)。

比如，什么是用戶運(yùn)營(yíng)?用戶運(yùn)營(yíng)和用戶行為分析的區(qū)別是什么?數(shù)據(jù)和AI驅(qū)動(dòng)運(yùn)營(yíng)的核心是什么?如何用人工智能、大數(shù)據(jù)來(lái)持續(xù)的提高用戶活躍度、下單率、復(fù)購(gòu)率、價(jià)值度?　　

　　iCDO：如何理解AI優(yōu)化，智啟運(yùn)營(yíng)(Datatist的slogan)?

宋碧蓮：互聯(lián)網(wǎng)用戶運(yùn)營(yíng)的靈魂是數(shù)字化的智能運(yùn)營(yíng)，人工智能技術(shù)AI則是運(yùn)營(yíng)優(yōu)化的關(guān)鍵。

這里面有幾個(gè)要點(diǎn)，首先，我們的目標(biāo)是做用戶運(yùn)營(yíng)優(yōu)化。

運(yùn)營(yíng)一般可以分為兩部分：產(chǎn)品運(yùn)營(yíng)和用戶運(yùn)營(yíng)，前者是為了讓用戶在產(chǎn)品載體，比如APP和小程序上獲得最佳體驗(yàn);后者主要是圍繞用戶在平臺(tái)內(nèi)外的轉(zhuǎn)化。

用戶運(yùn)營(yíng)又可以細(xì)分為市場(chǎng)運(yùn)營(yíng)，內(nèi)容運(yùn)營(yíng)和基于用戶生命周期的個(gè)性化運(yùn)營(yíng)等等等。

市場(chǎng)運(yùn)營(yíng)主要是為了獲取新客，比如花錢買流量，把流量帶回平臺(tái)，這部分主要是依靠AdTech，俗稱AdTech拉新。

Dataitst比較關(guān)注偏后段的利用AI進(jìn)行全生命周期用戶運(yùn)營(yíng)的效果優(yōu)化，典型場(chǎng)景有：利用AI和優(yōu)化技術(shù)，如何提高用戶拉新轉(zhuǎn)化率?如何提高用戶活躍度?如何促進(jìn)活躍用戶發(fā)生第一次購(gòu)買?如果找到最可能復(fù)購(gòu)的老客戶?如何讓低價(jià)值用戶提升價(jià)值?如何找到最可能買某個(gè)新產(chǎn)品的用戶，比如提高新的理財(cái)產(chǎn)品或者保險(xiǎn)產(chǎn)品的銷售?是通過(guò)App的方式進(jìn)行個(gè)性化推薦，還是通過(guò)微信的方式進(jìn)行轉(zhuǎn)化，還是短信的渠道，哪個(gè)效果最好?卡券紅包金額如何優(yōu)化才能最大化ROI?甚至是如何利用AI最大化用戶拉新的轉(zhuǎn)化率?　　

簡(jiǎn)單來(lái)講，我們可以把智能用戶運(yùn)營(yíng)理解為以用戶為中心，實(shí)施一整套AI驅(qū)動(dòng)的用戶運(yùn)營(yíng)優(yōu)化策略。

一般來(lái)說(shuō)，大型互聯(lián)網(wǎng)公司內(nèi)部“從BI到AI”產(chǎn)生智能化用戶優(yōu)化的路徑，可以分為幾個(gè)步驟：第一步，數(shù)據(jù)的采集與架構(gòu)搭建;第二步，在此基礎(chǔ)上對(duì)用戶進(jìn)行有效分析，包括探究深度行為;第三步，對(duì)用戶進(jìn)行360度畫像分類;第四步，開(kāi)啟運(yùn)營(yíng)活動(dòng)之前建立AI模型、基于用戶生命周期進(jìn)行個(gè)性化營(yíng)銷等各種方案，最終找出最佳的決策，智能優(yōu)化。第五步，輸入智能決策，開(kāi)啟運(yùn)營(yíng)活動(dòng)，分析運(yùn)營(yíng)效果，通過(guò)AB測(cè)試等方法進(jìn)一步優(yōu)化運(yùn)營(yíng)效果。

　　iCDO：那么，用戶運(yùn)營(yíng)的目標(biāo)或者衡量標(biāo)準(zhǔn)是什么?

宋碧蓮：用戶運(yùn)營(yíng)的最終目標(biāo)肯定是業(yè)務(wù)，或者說(shuō)業(yè)績(jī)的增長(zhǎng)，具體可以體現(xiàn)在用戶活躍度、下單率、復(fù)購(gòu)率、價(jià)值度等指標(biāo)上。

iCDO：從18年開(kāi)始，大家的關(guān)注點(diǎn)從增量用戶轉(zhuǎn)為存量用戶，是否也正是在這一階段，大家開(kāi)始關(guān)注用戶運(yùn)營(yíng)，追求精細(xì)化，或者說(shuō)數(shù)據(jù)驅(qū)動(dòng)的運(yùn)營(yíng)?

宋碧蓮：是的，實(shí)際上這是一個(gè)非常明顯的趨勢(shì)，一方面，互聯(lián)網(wǎng)行業(yè)已經(jīng)成為中國(guó)支柱型產(chǎn)業(yè)，用戶數(shù)量基本是歐洲和美國(guó)的總和，現(xiàn)在也進(jìn)入了飽和階段，大家都是互聯(lián)網(wǎng)用戶了;另一方面，經(jīng)濟(jì)大環(huán)境發(fā)生變化，坦白講，大家拉新的預(yù)算減少了。

在這種情況下，誰(shuí)愿意多花點(diǎn)細(xì)功夫，誰(shuí)就能贏得用戶的心，我們看到許多做的好的品牌，都是在圍繞用戶，進(jìn)行細(xì)分，然后不斷去開(kāi)發(fā)不同的運(yùn)營(yíng)策略，非常細(xì)致。

用戶運(yùn)營(yíng)的意識(shí)在變得越來(lái)越強(qiáng)，但我們也必須看到，大部分企業(yè)運(yùn)營(yíng)理念和能力還停留在很基礎(chǔ)的階段。

比如，大部分互聯(lián)網(wǎng)企業(yè)知道如何燒錢買流量，但流量來(lái)了沒(méi)有辦法進(jìn)行科學(xué)的轉(zhuǎn)化，這也是為什么我們看到90%的互聯(lián)網(wǎng)平臺(tái)都屬于曇花一現(xiàn)。

這是一個(gè)巨大的痛點(diǎn)，也是一個(gè)巨大的市場(chǎng)需求。

因?yàn)閳F(tuán)隊(duì)主要來(lái)自硅谷，比如Linkedin、eBay、Amazon、Google等等，我們?cè)谶@塊相對(duì)經(jīng)驗(yàn)會(huì)多一些，也可以比較明顯看到中美用戶運(yùn)營(yíng)方面的差距，比如，美國(guó)的用戶運(yùn)營(yíng)、數(shù)據(jù)分析能力和AI應(yīng)用就相對(duì)成熟，單從用戶運(yùn)營(yíng)的工具層面來(lái)看，國(guó)內(nèi)市場(chǎng)比國(guó)際市場(chǎng)要落后十年左右。

所以，我們希望把相對(duì)領(lǐng)先的用戶運(yùn)營(yíng)的技術(shù)和方法論產(chǎn)品化，能夠真的幫助中國(guó)企業(yè)把流量后端的運(yùn)營(yíng)抓起來(lái)，帶來(lái)實(shí)實(shí)在在的業(yè)績(jī)回報(bào)。

　　iCDO：美國(guó)的代表廠商有哪些?他們的特色或者說(shuō)國(guó)內(nèi)可以借鑒的地方是什么?

宋碧蓮：最前沿主要是兩家，一家是Salesforce，起家是做銷售端的CRM，2018年，Salesforce開(kāi)始和谷歌分析合作，把前端的營(yíng)銷數(shù)據(jù)打通，形成基于CRM的用戶運(yùn)營(yíng)和預(yù)測(cè)營(yíng)銷，目前，主要是以2B為主。

另一家是Adobe，是從數(shù)據(jù)端起家的，比如，Ominiture系列的數(shù)據(jù)分析工具，但是沒(méi)有營(yíng)銷云產(chǎn)品，18年收購(gòu)了Marketo，開(kāi)始整合數(shù)據(jù)和運(yùn)營(yíng)。

這兩家公司就是世界上營(yíng)銷自動(dòng)化最強(qiáng)的公司，他們都希望未來(lái)發(fā)展成營(yíng)銷智能化公司，所以Salesforce推出了愛(ài)因斯坦，但是場(chǎng)景基于CRM還不夠豐富，自己沒(méi)有基于互聯(lián)網(wǎng)的整體應(yīng)用，只能選擇和Google分析合作。

Adobe 目前落后一步還沒(méi)有推出AI產(chǎn)品。他們兩家也都是各自都希望做到數(shù)據(jù)可以驅(qū)動(dòng)運(yùn)營(yíng)，但是因?yàn)閿?shù)據(jù)和營(yíng)銷自動(dòng)化是分別收購(gòu)的不同公司的產(chǎn)品 ，很難真正打通。 他們也分別希望既有2C的營(yíng)銷云，又有2B的銷售云。

Datatist 是基于以上的痛點(diǎn)，真正將數(shù)據(jù)和運(yùn)營(yíng)打通，并且創(chuàng)造了AI運(yùn)營(yíng)大腦，在營(yíng)銷自動(dòng)化之外更可以進(jìn)行營(yíng)銷智能化的產(chǎn)品，并且既有面向2C消費(fèi)者的又有面向2B采購(gòu)商渠道商智能運(yùn)營(yíng)的系統(tǒng)。

Datatist完成了從BI到AI，從提供工具到追求效果，從營(yíng)銷自動(dòng)化到智能化，從線上到全渠道的突破，目前完成各行業(yè)頭部國(guó)內(nèi)外品牌客戶的應(yīng)用落地，無(wú)論拉新，活躍，復(fù)購(gòu)，交叉推薦，價(jià)值提升等各種營(yíng)銷場(chǎng)景上，都達(dá)到了3-10倍的穩(wěn)定效果提升。

　　iCDO：那么，Datatist在國(guó)內(nèi)的主要競(jìng)爭(zhēng)對(duì)手是誰(shuí)?主要是做用戶行為分析的廠商嗎?

宋碧蓮：表面上大家都是做運(yùn)營(yíng)，但實(shí)際上不太一樣。一方面，同行主要是以產(chǎn)品運(yùn)營(yíng)為核心，Datatist所有的策略和優(yōu)化都是基于用戶;另外一方面，大家強(qiáng)調(diào)的用戶行為分析，在我們看來(lái)屬于一個(gè)基礎(chǔ)的功能，是必須具備的。　　

而Datatist的核心競(jìng)爭(zhēng)力是數(shù)據(jù)和AI，真正把數(shù)據(jù)和運(yùn)營(yíng)打通，實(shí)現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)，并且能夠提供智能化決策，同時(shí)能支持傳統(tǒng)行業(yè)線下線上全渠道轉(zhuǎn)化的場(chǎng)景，還既支持2C又支持2B的精細(xì)化運(yùn)營(yíng)。

一般大家聽(tīng)到AI會(huì)覺(jué)得非常理論;但實(shí)際上，AI的確是一個(gè)抽象的技術(shù)，但我們談的是和用戶運(yùn)營(yíng)相結(jié)合的AI，必須要把理論和實(shí)戰(zhàn)結(jié)合起來(lái)。

首先，AI不是說(shuō)做就能做的，是需要很多年的理論積累，Datatist的團(tuán)隊(duì)都是主攻AI算法的博士，包括我自己博士主攻優(yōu)化算法，博士后學(xué)的是機(jī)器學(xué)習(xí)算法，我的導(dǎo)師是美國(guó)白宮顧問(wèn)，全球工業(yè)AI的領(lǐng)袖，我之前的團(tuán)隊(duì)幾乎每年獲得了全球PHM大賽的冠軍?！　?/p>

其次，實(shí)戰(zhàn)經(jīng)驗(yàn)是需要落地到業(yè)務(wù)中提升業(yè)績(jī)的，這是一個(gè)非常大的挑戰(zhàn)，Datatist團(tuán)隊(duì)在營(yíng)銷和用戶運(yùn)營(yíng)這個(gè)方向做了很多年，大家過(guò)往的工作背景，還有包括我們創(chuàng)業(yè)以來(lái)一直的方向都是圍繞用戶運(yùn)營(yíng)，所以能夠琢磨出一套行之有效的方法，并且可以標(biāo)準(zhǔn)化、產(chǎn)品化。

　　iCDO：能否列舉一個(gè)具體的案例，或者應(yīng)用場(chǎng)景?

宋碧蓮：好的，我們可以具一個(gè)金融行業(yè)的例子，我們的這個(gè)客戶是國(guó)內(nèi)金融界科技實(shí)力最強(qiáng)的集團(tuán)之一，也非常重視大數(shù)據(jù)、人工智能等領(lǐng)域的開(kāi)發(fā)，希望通過(guò)AI技術(shù)提高品牌粘性、品牌活躍度，挖掘用戶的價(jià)值，從而對(duì)他們進(jìn)行精細(xì)化運(yùn)營(yíng)?！　?/p>

首先，我們可以看到，該集團(tuán)內(nèi)部已經(jīng)擁有好車主(2C)、好伙伴(2B)、團(tuán)E寶(團(tuán)隊(duì))等幾十個(gè)互聯(lián)網(wǎng)系統(tǒng)。而這些互聯(lián)網(wǎng)系統(tǒng)背后都需要一套有效的方法來(lái)進(jìn)行智能化的用戶運(yùn)營(yíng)。

在我們之前已經(jīng)通過(guò)同行的產(chǎn)品，但是只是完成了數(shù)據(jù)采集和簡(jiǎn)單分析功能。并不能驅(qū)動(dòng)運(yùn)營(yíng)。運(yùn)營(yíng)還是經(jīng)驗(yàn)為主。以人力為主。不能自動(dòng)化運(yùn)營(yíng)，更不能智能化決策。當(dāng)時(shí)客戶選型的時(shí)候發(fā)現(xiàn)我們是他們迄今為止見(jiàn)過(guò)的第一個(gè)真正能夠?qū)?shù)據(jù)和運(yùn)營(yíng)結(jié)合起來(lái)，不僅提供數(shù)字化運(yùn)營(yíng)的整體流程，還能提供完整的AI驅(qū)動(dòng)智能化決策，提高運(yùn)營(yíng)效果。

最好的辦法就是進(jìn)場(chǎng)拿一個(gè)系統(tǒng)來(lái)驗(yàn)證我們的效果。結(jié)果發(fā)現(xiàn)不錯(cuò)之后，短短幾個(gè)月，推廣到了集團(tuán)幾十個(gè)系統(tǒng)。目前已經(jīng)演變成了該企業(yè)大數(shù)據(jù)和精細(xì)化運(yùn)營(yíng)最大的PAAS平臺(tái)。

具體步驟如下，第一個(gè)環(huán)節(jié)是數(shù)據(jù)采集+埋點(diǎn)管理，在這邊我們采用的是無(wú)埋點(diǎn)與核心事件埋點(diǎn)的結(jié)合。無(wú)埋點(diǎn)技術(shù)指的是，對(duì)所有頁(yè)面元素進(jìn)行自動(dòng)埋點(diǎn)。但對(duì)于交易數(shù)據(jù)等核心數(shù)據(jù)，我們需要通過(guò)埋點(diǎn)來(lái)精準(zhǔn)獲取?！　?/p>

接下來(lái)第二步：搭建基于Hadoop spark 等的私有化部署的云平臺(tái)。這是集團(tuán)級(jí)別的超大型系統(tǒng)，云平臺(tái)規(guī)模相當(dāng)大，并且要同時(shí)支持離線和實(shí)時(shí)兩種模式，支持集團(tuán)很多部門(主要是業(yè)務(wù)和數(shù)據(jù))不同角色的需求。

第三步進(jìn)行分析，包括行為路徑分析、漏斗轉(zhuǎn)化分析等，這是用戶運(yùn)營(yíng)分析非常重要的一環(huán)。在這里提一點(diǎn)，運(yùn)營(yíng)分析是分為運(yùn)營(yíng)前分析(pre campaign analysis)和運(yùn)營(yíng)后分析(post campaign analysis)的。每次運(yùn)營(yíng)之前我們都需要用分析中心進(jìn)行挖掘 ，找到運(yùn)營(yíng)的問(wèn)題，定位出運(yùn)營(yíng)優(yōu)化的方向。運(yùn)營(yíng)做完之后，要復(fù)盤用戶的轉(zhuǎn)化漏斗、轉(zhuǎn)化路徑，并且由于之前做了A/B測(cè)試來(lái)判定不同人群，所以需要反復(fù)對(duì)比?！　?/p>

與此同時(shí)，不同的活動(dòng)完成后，我們也要去做渠道歸因，評(píng)判這個(gè)活動(dòng)是否能帶來(lái)合適的轉(zhuǎn)化。有時(shí)候，平臺(tái)系統(tǒng)能自行生成事件分析，但數(shù)據(jù)人員可能還希望能夠自己做深入研究。所以，我們還提供一個(gè)強(qiáng)大的BI分析工具，可以自定義任何分析，自由挖掘任何想要的分析結(jié)果。

為了做好精細(xì)化運(yùn)營(yíng)，最關(guān)鍵的一環(huán)是，對(duì)用戶進(jìn)行合理的標(biāo)簽與畫像?？赡芤惶岬疆嬒?，大家的概念就是標(biāo)簽，但很多時(shí)候還要做高級(jí)分類的畫像?！　?/p>

比如，哪些用戶是高價(jià)值用戶，哪些是中、低價(jià)值用戶;哪些是高活躍用戶，哪些是低活躍用戶;哪些人有潛在價(jià)值等等，這些都需要進(jìn)行合理分類?？偟貋?lái)說(shuō)，我們需要掌握用戶的過(guò)去、現(xiàn)在和未來(lái)，包括行為標(biāo)簽、業(yè)務(wù)標(biāo)簽、偏好標(biāo)簽、產(chǎn)品標(biāo)簽等等，都需要大量挖掘?！　?/p>

有了這些標(biāo)簽和畫像后，我們就要對(duì)用戶進(jìn)行有效遷移?？梢愿鶕?jù)不同的運(yùn)營(yíng)目標(biāo)，應(yīng)用不同的算法建立預(yù)測(cè)模型，將可能轉(zhuǎn)化的人群精準(zhǔn)定位、轉(zhuǎn)化，這和市面上的“千人千面”不是一回事(Datatist的做法是提高人群精準(zhǔn)度，千人千面是提高內(nèi)容匹配度)?！　?/p>

需要明確的是，所有的活動(dòng)都并非一次就可以成功。每次活動(dòng)都要循序漸進(jìn)地追求優(yōu)化效果，循環(huán)往復(fù)中，實(shí)現(xiàn)量變到質(zhì)變的飛躍，所以一定要掌握復(fù)利原則。也因此，每次活動(dòng)，我們都要科學(xué)的選擇對(duì)象，再用AI進(jìn)行精準(zhǔn)預(yù)測(cè)及觸達(dá)，接著對(duì)營(yíng)銷效果進(jìn)行合理跟蹤，及時(shí)進(jìn)行效果分析，并反復(fù)對(duì)結(jié)果進(jìn)行循環(huán)優(yōu)化，形成閉環(huán)。

至于對(duì)象的選擇，如圖所示，都可以通過(guò)這里進(jìn)行標(biāo)簽篩選，然后對(duì)它展開(kāi)活動(dòng)?；顒?dòng)內(nèi)容，這邊也可以做A/B測(cè)試，進(jìn)行優(yōu)化。最終，活動(dòng)的效果要進(jìn)行實(shí)時(shí)跟蹤。

從前，每次活動(dòng)的總結(jié)，都需要數(shù)據(jù)團(tuán)隊(duì)手動(dòng)抓取活動(dòng)數(shù)據(jù)進(jìn)行效果分析，耗時(shí)費(fèi)力，還不一定能把成功、失敗的因素講清楚?，F(xiàn)在，通過(guò)預(yù)測(cè)營(yíng)銷云，我們不僅可以自動(dòng)、實(shí)時(shí)地將活動(dòng)最終效果分析出來(lái)，還極大程度地縮短了分析的過(guò)程，降本增效。

　　iCDO：這個(gè)例子非常全面，那么在大家非常關(guān)心的運(yùn)營(yíng)效果上，會(huì)有哪些明顯的提升?

宋碧蓮：還是以該大型保險(xiǎn)企業(yè)為例，在AI智能運(yùn)營(yíng)環(huán)節(jié)，我們做A/B測(cè)試，對(duì)比用規(guī)則選人的傳統(tǒng)促活和用模型選人的AI促活分別帶來(lái)的營(yíng)銷結(jié)果。

這兩個(gè)活動(dòng)開(kāi)出去之后，三天時(shí)間就看到了差距。AI促活優(yōu)化，發(fā)了50萬(wàn)條短信，活躍了7萬(wàn)人，轉(zhuǎn)化率為14.6%。傳統(tǒng)優(yōu)化，雖然推送了100萬(wàn)條短信，但僅活躍4萬(wàn)多人，轉(zhuǎn)化率為4.61%?！　?/p>

可以明顯看到，新方法用了一半的成本，卻達(dá)到了1.6倍的轉(zhuǎn)化人數(shù)，效率提高了3.2倍?？吹叫Ч?，我們就做全線推廣，幫助該大型保險(xiǎn)企業(yè)月活突破至千萬(wàn)。

不僅是在金融保險(xiǎn)行業(yè)，我們?cè)谛铝闶?、電商、互?lián)網(wǎng)等其他行業(yè)也做出了很好的效果。比如將來(lái)伊份復(fù)購(gòu)轉(zhuǎn)化率提高12倍、將世紀(jì)緣珠寶復(fù)購(gòu)轉(zhuǎn)化率提高9倍以及將伊米妮的投放ROI提高達(dá)580等，塑造了很多融合業(yè)務(wù)場(chǎng)景的經(jīng)典案例。

　　iCDO：Datatist已經(jīng)有不少行業(yè)的頭部客戶，最后，我們想了解您當(dāng)初為什么會(huì)選擇回國(guó)創(chuàng)業(yè)?

宋碧蓮：毫無(wú)疑問(wèn)，國(guó)內(nèi)的市場(chǎng)更大;另外，美國(guó)在全球數(shù)字化運(yùn)營(yíng)理念和方法都最先進(jìn)，而我們團(tuán)隊(duì)發(fā)明的AI運(yùn)營(yíng)非常行之有效，一直希望將AI運(yùn)營(yíng)這個(gè)新技術(shù)可以推廣到全世界。

此外，這也和我自身的背景有關(guān)，十幾年前在國(guó)內(nèi)讀書的時(shí)候，就很看好數(shù)據(jù)和營(yíng)銷、運(yùn)營(yíng)的結(jié)合，商業(yè)智能是未來(lái)的主流，但是這個(gè)方向?qū)θ说木C合素質(zhì)要求特別高，既要懂商業(yè)，又要懂AI還要會(huì)編程，還要懂業(yè)務(wù)，有實(shí)際行業(yè)經(jīng)驗(yàn)。

我花了二十年積累經(jīng)驗(yàn)，先學(xué)計(jì)算機(jī)，搞明白編程和數(shù)據(jù)分析，然后又學(xué)了商業(yè)管理和優(yōu)化的博士，后面又專攻機(jī)器學(xué)習(xí)博士后，完成了商業(yè)智能的各種技能。再在工業(yè)和互聯(lián)網(wǎng)行業(yè)實(shí)踐達(dá)到百發(fā)百中的效果?，F(xiàn)在圍繞智能運(yùn)營(yíng)的創(chuàng)業(yè) ，就是將這個(gè)技術(shù)標(biāo)準(zhǔn)化產(chǎn)品化出來(lái)，都是當(dāng)初那條線的延展。因?yàn)檫@樣的人才全球太稀缺了 也太難培養(yǎng)了，但是數(shù)字化運(yùn)營(yíng)企業(yè)又等不及人才的供應(yīng)，所以需要制造機(jī)器人AI運(yùn)營(yíng)團(tuán)隊(duì)來(lái)幫助企業(yè)快速實(shí)現(xiàn)運(yùn)營(yíng)目標(biāo)。

三年前，選擇回國(guó)，一方面市場(chǎng)時(shí)機(jī)成熟了，另一方面，在美國(guó)組建的團(tuán)隊(duì)也都愿意回來(lái)跟著干，我們中國(guó)人講究的天時(shí)地利人和，都齊了，回來(lái)也就是自然而然的事情了。

宋碧蓮(Sophia)，上海畫龍創(chuàng)始人兼CEO，美國(guó)最頂級(jí)研究機(jī)構(gòu)NSF(美國(guó)國(guó)家自然基金會(huì))機(jī)器學(xué)習(xí)方向博士后;香港理工管理優(yōu)化博士;在eBay工作期間最早提出了以用戶為中心的個(gè)性化市場(chǎng)運(yùn)營(yíng)優(yōu)化策略，為eBay挖掘出價(jià)值數(shù)億美元的市場(chǎng)營(yíng)銷機(jī)會(huì);將AI和優(yōu)化結(jié)合，創(chuàng)立了AI驅(qū)動(dòng)用戶運(yùn)營(yíng)優(yōu)化的新理論，并在LinkedIn最早應(yīng)用實(shí)踐，將LinkedIn用戶活躍度最高提高28倍，被LinkedIn CEO譽(yù)為最好的AI商業(yè)分析師，獲得LinkedIn改革獎(jiǎng)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。