Datatist的底層是一個DMP(數據管理平臺)，以機器學習和推薦算法為核心，分別為ToC和ToB公司提供了不同的功能---潛在用戶預測和銷售線索推薦。

面向ToC公司提供的產品是一個預測性的營銷平臺。產品的思路是采集用戶行為數據，完成用戶畫像分群，進而預測用戶行為，并提供有針對性的營銷手段和建議，刺激用戶活躍、轉化直至付費。 

第一步是搭建處理數據的底層平臺。結合Hadoop和Spark等開源穩定的大數據平臺框架，為客戶建立了能夠處理大量數據的底層架構。接著Datatist從運營環節切入，進行優化：

先建立用戶畫像和模型，例如CLV模型（客戶生命周期價值）。通過在APP和網站內加入SDK埋點，實時收集、整合市場信息，還有用戶在多個平臺上的行為、業務數據，比如注冊信息、頁面瀏覽的行為和交易信息等。然后平臺會對已有客戶合理分類，并構建用戶畫像，按照合適的模型將用戶的活躍度分為高、中、低三類。借助畫像和標簽，Datatist就能預測下一步可能發生交易行為的用戶。

之后，平臺一方面會向活躍度比較低以及有購買意愿的用戶推送定制化的內容，例如APP消息、短信和郵件。當消息投放出去后，用戶是不是點擊，還有哪些后續行為都會被記錄和分析，做到持續跟蹤優化。發送的頻率也是可以控制的。另一方面，Datatist也提供了直接在平臺上設計并投放A／B testing的功能。根據用戶的反饋，進而自動地批量發送效果好的版本。

此外，Datatist還能根據轉化率等數據結果提供建議，比如對廣告投放渠道的有效性做出量化對比后，自動建議客戶關閉一些低效渠道，而保留高轉化率的渠道，并加大投入。還有如果頁面的跳轉率太高，就適當優化一些頁面元素，高亮一些優惠信息；如果發現不同購買時段的交易轉化率不同，大量用戶的都在10點購買，那么適當考慮采用秒殺策略。

Datatist的COO董飛告知36氪，以電商平臺的客戶FreshFresh兩鮮直購為例，在使用Datatist的幾個月內，兩鮮的員工人均GMV（拍下訂單金額）提升了3倍，半年留存用戶率達到20%。

面向ToB公司提供的產品是一個銷售線索推薦平臺。第一步是建立企業信息庫，包括地址、聯系人等。目前數據庫里已有幾千萬條企業信息。平臺會根據企業提供的歷史客戶名單進行學習，進而推薦符合偏好的銷售線索，幫助企業賣出銷售的第一步。這個功能除了幫助2B公司尋找新客戶，還幫助了政府產業園區招商入駐。

去年6月，Datatist正式在美國硅谷成立。現在團隊成員有30多人，大多來自eBay、LinkedIn和Amazon。目前主要客戶是電商平臺，也涉及了政府、產業園區、互聯網金融、游戲和自媒體多個行業。產品方面，Datatist既提供了標準化平臺，也能按需定制付費。