大数据+浅关系在运营商中的深度应用

随着互联网社交的渗透，我们的QQ、微信好友越来越多，但叫得出名字的少，真正见面的更少，虽然人们的虚拟伙伴增加了，但是却日益孤独寂寞。我们把这种虚拟的关系叫做浅关系。这种关系的特征有三个：

1、碎裂人格场景。交际圈子不断变大，交往却越来越浅，这种浅体现在人的不同场合的浅关系，也有专家称其为碎裂人格场景，如工作圈子只聊工作，爱好圈子只聊爱好等。

2、开放的刺猬。陌生交流越来越多，防范意识越来越重，人们不断渴望与外界交流，但对陌生人的恐惧和防备倍增，这种防御甚至延伸到原来的好友身上，每个人都变成了开放的刺猬。

3、死循环。日益孤独寂寞，又渴望交流，由于渴望交流，使得浅关系的恶性循环不断。

社交专家指出，任何网上的沟通交流，都必须转化为点对点的线下沟通，才能有助于关系的深化，利用运营商的大数据，沿着这个方向的促进，成为运营商关系营销的发展新趋势。

一、发现浅关系，运营商大数据发力

由于互联网厂商缺乏对通信通道的大数据攫取能力，因此不管是微信，QQ还是陌陌，都要求用户导入本机主的通信录，并且同意其读取好友动态，这种发现关系圈的方式一方面引来用户本身对隐私的抵触，二来，仅仅凭借通信录来确认的关系，并不能区分用户的关系场景，举个简单例子，我们经常与某工作伙伴电话沟通，当这个号码出现在通信录的时候，社交软件并不能区分得出这个号码与我们是处于哪个碎片场景的，更不能识别出过去交往的频率。

随着大数据+在运营商中的火热兴起，代表着用户语音通话、短信使用的MC口大数据，代表着用户互联网使用行为的GN、GB口数据，代表着用户过往使用营销方案的CRM数据，这些数据的组合，便成为了运营商嗅探客户浅关系圈子的关键平台，笔者在实际工作中，将这种嗅探分为3个步骤：

1、数的处理。从采集到传输，将复杂繁多的数据抽丝剥茧，选择需要的，并使用动态技术对各口数据进行映射式采集入库，动态处理。通过这种方式能获得每个号码的实时数据，且更新存储便捷。

2、数的识别。什么样的交往频率对应什么层次的关系？这种关系应用在哪些碎片场景？什么样的行为与什么样的碎片场景匹配？通过建模和数据标本建立，使得我们采集的数据能立即生成对应的关系层和场景。

3、数的使用。大数据价值的变现决定了所有的大数据都需要具有价值，因此，通过浅关系模型生成的数据具有对接任何营销渠道的基础，能便捷地接入使用。

运营商大数据浅关系模型的优势在于，这些大数据来源于客户通信的核心通道，并且经过科学的样本对标、模型运算而来，其关系的准确度、快速响应能力远非互联网厂家可比。

二、运用浅关系，运营商大数据变现

上述第一步实现了给出一个号码，便能得到该号码的实时关系圈和圈子的业务倾向属性等。与传统营销不同，浅关系的运用，侧重协助客户深化想要的关系，在深化过程中，收获业务利润：

1、帮助客户找到归属。

很多客户有着很多的关系圈，但是他们却很孤独寂寞，这从他们的识别模型网络行为关键字中可以嗅探到。通过浅关系模型的运营，我们一方面不断为该用户提供周围用户的对应动态，另外一方面，为该用户与其他用户将浅关系的场景属性强化。举例，A用户为典型的没有组织归属感的用户，但在实际嗅探中，我们发现A用户十分喜欢武侠小说，因此，通过浅关系模型，我们抓出与A用户有关系有同样爱好的用户组成圈子，并不断赋予内容业务的优惠，为其搭建沟通桥梁，使得内容业务场景圈子逐渐成为A生活中的归属圈子。

2、帮助用户深化沟通。

许多浅关系用户无法记住自己的大量好友，也无法知道自己的好友特定时候的需求，通过关系嗅探，我们为这些用户提供目标用户的动态和营销优惠，促使用户与用户之间建立点对点的沟通，从而促进关系。举个例子，A用户喜欢一面之缘的B用户，现在运营商为其提供流量共享、转赠等方式，以二次确认的方式为A联系B提供初始条件，这样A便有理由去联系B，并日后与B加强联系了。

3、帮助线上关系转为线下关系

许多浅关系在互联网上本身就有了一定的积累，如这个时候运营商结合商家优惠，为其推送个电影票优惠、美食优惠等，有一定几率能促使这种关系线下化。

除却上述的SNS、O2O、P2P等运营方式，浅关系也应为传统营销提供号码标签，如家庭业务、集团业务等具有关系属性类业务。

 三、可视化浅关系，运营商大数据进阶

从对内业务运营到对外客户服务，即使大数据可视化的进阶。营销的标签化，到客户服务的便利性，这是大数据必须跨越的一大步。当浅关系运营成熟，客户逐渐可以从被动，甚至完全不知情地接受浅关系营销的情况，变为关系的可视化，通过客户的申请，付费即可查阅自身的浅关系各种维度，一键购买与之相关的产品服务，这样，大数据变现即不在是难题。

综上，浅关系是笔者在从事运营商大数据市场营销工作中的一点感悟，这种由点到面，由面成圈的营销方式或许是大数据发展的一个重要方向。