互聯網思維UFO模型中的U代表User experience，即極致用戶體驗，其對應的方向是產品設計;F代表Freemium，即免費商業模式，其對應的方向是商業模式研究和設計;O代表精細化運營，其對應的方向是產品運營，而大數據在這三個方向的應用起到不同程度的作用。其中，大數據與F(免費商業模式)及U(極致用戶體驗)關聯度或者驅動度中等，與O(精細化運營)關聯度或驅動度最高。

　　大數據如何支撐更好的商業模式?

好的免費商業模式要求：

(1)通過免費或者“利潤超薄”的產品或服務發展大規模的用戶，形成用戶大盤;

(2)產品可以做到通過互聯網方式每天有機會與用戶發生接觸或聯系。即前文提到的例子，如果你把手機賣給一個人，就不跟他“聯系”了，這個人并不是你的用戶，但你通過某種方式每天跟他“聯系”，如你在手機上提供軟件服務，讓這個人跟你發生“聯系”，他就是你的用戶;

(3)產品或服務是否可以做到版本迭代升級。

很多人認為傳統領域的產品或者服務比較難提供“版本”升級，但其實這只是受傳統思維方式所阻。

以汽車為例，我們常常認為已經賣給客戶的車不存在版本升級的概念，而特斯拉做到了：特斯拉在2014年12月底宣布了計劃把 Tesla Roadster 升級，Roadster 將會被換上一組新的電池，對比原本那組電池來說，新電池可以在同樣的體積下提供額外 31% 的能量，另外，Roadster 還會換上新的空氣動力學套件，令到車身的風阻系數由 0.36 減至 0.31，還有就是會換上滾動摩擦系數更低的輪胎。

我們在設計好的免費商業模式的時候，要充分考慮以上三點。

但大數據目前在商業模式設計、商業模式研究、創新商業模式研究這方面的能力還比較弱，目前在中國還沒看到成功的利用大數據的智慧來輔助設計商業模式的案例，也許是因為計算機目前的智慧還沒達到設計商業模式的能力高度。

但是我們可以通過大數據的方法進行行業監測以及進行創新監測，從而可以輔助戰略規劃人員來進行商業模式的設計。

比如我們可以通過爬蟲技術的手段采集互聯網上的國內外行業發展動態、行業發展趨勢、分析師文章、最新專利申請情況、相關最新產品上市情況等來輔助戰略規劃人員進行相關的行業分析和創新分析，以輔助設計商業模式。總的來說，大數據在免費商業模式設計方面的能力還比較弱。

但如果大數據作為商業模式中的一個引擎，即大數據作為產品的一個引擎，就有可能促進商業模式的升級。

打個比方，把一個傳統的商業模式比作一輛汽車，這輛汽車的引擎是2.0的排量，如果你在設計商業模式的時候把大數據很好的融入商業模式中，那么這輛2.0排量的汽車就有可能升級為2.0T，即變成帶渦輪增壓的發動機，動力將更猛。

如健康領域，如果是一個銷售傳統血壓計的商業模式，投資人對這種商業模式并不會很關注，但在血壓計加上大數據的能力，即做智能血壓計，可以遠程監控父母的血壓情況，及時進行病情預警，這種加入的大數據的商業模式就會比較有投資價值。

總的來說，如果把大數據作為一種研究能力來支撐商業模式研究，那么其作用相對較低，只能在行業監測和創新監測起一些作用;但如果把大數據作為一個引擎嵌入到商業模式中，嵌入到產品中，其價值則非常大。

大數據如何更好的驅動用戶體驗?

在互聯網思維UFO模型中，我們提到做極致用戶體驗一個很重要的SIM原則：

S指Simple(簡單)，少即是多的“極少主義”;

I指iteration(迭代)，即小步快跑，快速迭代。

M指micro-innovation，微創新。以上三方面均可以通過大數據來支撐。

通過大數據我們可以監測一個產品是否做到足夠的簡單(simple)，我們可以基于大數據構建很多的用戶體驗監測模型。

如用戶行為的漏斗模型，我們可以把用戶使用產品的關鍵觸點(touchpoint)定義出來，監測每個觸點之間的轉化率。

如電商購物，用戶進入首頁、查看商品產品詳情、把產品放到購物車、購買以及支付等是關鍵用戶關鍵觸點，通過監控各環節之間轉化率來以及從最開始的接觸點到最終的接觸點的轉化率來衡量產品的體驗是否做的足夠好，足夠簡單。我們相信，如果用戶完成一個產品操作任務，用的步驟越少，轉化率相對就越高。

通過大數據的手段，我們可以幫助更好的快速迭代，以提升效果。尤其是利用A/B測試方法以及灰度發布實時監測手段。

A/B 測試簡單來說，就是為同一個目標制定兩個方案或版本(比如兩個頁面)，讓一部分用戶使用 A 方案，另一部分用戶使用 B 方案，通過及時的統計使用效果數據如點擊率等，看哪個方案更符合設計目標。

當然，在實際操作過程之中還有許多需要注意的細節，在此就不贅述。Google很多新的產品上線或者功能優化上線前都要進行A/B測試。

對于常規的A/B測試，同一個目標一般要做兩種方案，很多互聯網公司為了簡化，一般只做一種方案，進行灰度上線(即只抽取一小部分用戶進行產品發布)以后，再通過大數據實時監測看這個效果和之前版本的效果對比，如果效果不如之前的版本，新版本就放棄正式發布。

通過大數據的手段也可以幫助產品實時產品微創新的效果。

360公司的周鴻祎先生說過，口碑是衡量創新的標準，因為給用戶帶來強烈體驗的東西一定能形成口碑。

通過大數據可以很好的及時監測產品口碑的情況。

通過大數據爬蟲的手段，我們可以抓取產品在互聯網上的評價，如抓取微博、論壇、電商評論等，通過自然語言處理的手段和語義分析，對評論等非結構數據進行處理和挖掘，計算產品的推薦度，實時掌握產品口碑情況;另一方面，我們也可以通過大數據的手段，實時發現產品問題點，這樣會對產品的改進非常有幫助。

在很多產品導向型的大型互聯網企業，都會要求若1小時內有3人同時反映一個問題，就定義為BUG，需要在24小時內必須立即解決。基于大數據的手段可以在產品問題的及時發現和定位上非常有幫助。

大數據如何更好的驅動精細化運營?

好產品是運營出來的，互聯網產品需要不斷運營、持續打磨。

產品運營的目的是為了擴大用戶群、提高用戶活躍度、尋找合適商業模式并增加收入。

成功的互聯網運營要做到精細化運營，成功的精細化運營需要大數據支撐。

大數據和互聯網思維在此方面關聯度最高。

所以，企業在大數據的應用場景上，一定是要優先考慮如何通過大數據進行精細化運營，以驅動更好的運營效率和效果的提升。

但值得注意的是，企業在這方面的建設一定要考慮如何讓數據分析人員、算法人員與產品運營人員更好的融合在一起工作，否則大數據將在產品運營環節比較難起到理想的作用。因為很多公司的運營人員并不是非常了解大數據在哪些運營的環節可以用到大數據;同時，數據分析和算法人員不能很好的理解業務，也不知道有哪些運營策略和場景，也較難為產品運營人員提供好的支持。我們的建議是如果數據分析人員和算法人員能夠定期參與產品運營的一些例會，甚至如果有可能，可以讓數據分析和算法人員與產品運營人員坐在一個相鄰的辦公區域一起工作。

基于大數據可以更好的做精細化運營監控、更準確的做用戶細分、更準確的進行個性化推薦、更合理的進行營銷推廣效果的評估、更有效的進行用戶生命周期管理以及基于用戶生命周期進行相關的營銷和運營策略。具體方面如下：

1，在精細化運營監控方面，我們需要進行關鍵數據體系梳理和構建，在此基礎上通過智能化模型開發出來的數據產品，監控關鍵數據的異動，并可以快速定位數據異動的原因，輔助運營決策;

2，通過基于大數據的方法進行用戶細分，基于大數據可以找出更好的細分維度，并對用戶做更好區隔，以輔助產品運營人員做更加準確的用戶細分，并洞察每個細分人群的興趣愛好和消費傾向，對每類用戶分別進行有針對性的策劃和運營活動。

3，通過數據挖掘的手段進行用戶生命周期管理，我們可以可做到實時對不同生命周期的用戶進行實時標記和預警，并把有效的活動當成商品一樣及時的推送給不同生命周期階段的客戶。

4，通過大數據的方法，我們可以實現對不同通過渠道的效果評估。

如果只看一些表面的數據，如廣告的點擊率，是非常難衡量不同推廣渠道的真正效果。

如果把用戶的渠道行為和后續產品行為(即通過渠道獲取的用戶在產品上的各種使用行為)進行打通跟蹤，在此數據基礎上構建渠道質量評估模型，將能夠更好的發現渠道的真正質量，或者更直接的，可以發現推廣渠道的究竟有多少是虛假的流量。

5，通過利用基于大數據進行有針對性的用戶畫像，并通過用戶畫像數據、用戶行為和偏好數據，結合個性化推薦算法實現根據用戶不同的興趣和需求推薦不同的商品或者產品，通過算法真正的實現“投其所好”，以實現推廣資源效率和效果最大化。

總之，互聯網思維和大數據有著緊密的關系。

互聯網思維背后代表的是商業模式、產品設計、產品運營，而大數據在不同程度的支撐或者驅動這三方面。

如果大數據能夠作為商業模式的一部分或者更準確的說是作為企業產品的一個引擎，那么企業的能量和想象空間將會更大。

而大數據在產品設計和運營環節都能起到不同程度的左右，作用最為明顯的是在驅動產品的精細化運營。

我們希望企業相關決策層在運用大數據的時候更好的了解大數據應用的優先級和應用場景，更好的發揮大數據的價值。