構建敏捷數據中臺，探索數據-決策-運營良性循環

諸葛智能于2018年前后與安利展開合作，成為安利數字化轉型的核心服務商之一，通過聚焦客戶業務場景、專注用戶行為分析、“采集-洞察-觸達-BI”的一體化智能營銷閉環服務，搭建了安利的Databank敏捷數據中臺，幫助安利從0到1實現了體系化、自動化的用戶行為數據采集與打通，完善了One ID體系和標簽體系，定制化開發了追蹤用戶分享的跨終端分析功能模塊，實現了集團內部多業務線的數據共用、共享，打破數據孤島，讓數據在同一個平臺進行統一管理，有效支撐集團精準高效地進行經營分析與決策，形成了數據驅動決策，決策指導運營、運營反饋數據的良性循環。

結合業務場景，全渠道植入多埋點采集方案

針對用戶行為數據采集缺失問題，安利與諸葛智能一道對自身業務場景及業務指標進行詳細拆解，最終采納諸葛智能提出的多埋點數據采集方案，為保證數據安全，私有化部署了諸葛智能大數據處理系統，建立起了自動化、全渠道采集和處理用戶行為數據的體系化能力。

首先，安利邀請諸葛智能與市場、運營、IT等多個部門一起梳理自身典型業務場景與對應的核心業務指標，結合無埋點、可視化埋點、代碼埋點、后端埋點等業內常用數據采集技術的優劣勢，最終采用諸葛智能建議的多埋點方式，即安利云購等主APP采用SDK的代碼埋點+無埋點（也稱“全埋點”）方式，對數據進行分層、精準采集；同時制定統一數據規范，對包括安利官網、H5、微信小程序、三方營銷工具（安利搜狗輸入法、微吼視頻）等端口的數據采用API接入，確保安利所有獲客渠道用戶屬性、用戶行為數據的全方位、自動化地數據采集與整合，讓數據可在同一個平臺進行統一管理。

其次，安利的IT部門在諸葛智能的培訓與陪跑下，快速掌握了如何集成諸葛智能的SDK產品，并與諸葛智能共同檢驗埋點方案與結果的一致性、過濾掉無效埋點、對敏感數據進行加密管理，確保了安利多埋點數據采集方案所采集數據的可用、可信。

最后，考慮到數據安全問題，安利經過對性能、安全、成本的綜合考量，最終選擇在自身服務器上私有化部署載有Kafka、ETL等核心組件的諸葛智能大數據處理系統，以便實時規模化地對所采集的海量、復雜的用戶行為數據進行洞察、挖掘、合并等清洗工作，以支持后端的用戶統一ID體系、推薦系統及BI系統，為數據的進一步應用提供有效依據。這個過程中，安利將絕大部分SaaS應用進行了私有化遷移，諸葛智能幫助安利在不影響服務的情況下，以最短的時間完成了對安利歷史的200億數據的遷移，幫助安利順利完成了私有化部署。后續增量的實時數據、歷史數據則分別通過諸葛智能大數據處理系統的Kudu、HDFS存儲引擎將數據落入安利的數據倉庫。

完善全域統一的ID體系和覆蓋全旅程的用戶標簽體系

針對用戶ID體系和標簽體系不完善的問題，安利引入諸葛智能的UTSE模型、采用多層用戶ID映射技術方案，建立起了統一的用戶ID和標簽體系。

首先，考量到用戶群體廣泛，用戶從訪客到首購的客戶旅程對安利也十分重要，為建立覆蓋全生命周期的數據標簽體系，安利引入了諸葛智能的UTSE模型，以獲取用戶登陸前、多設備、多角色等場景下用戶的靜態和與安利多維度互動的動態數據。如用戶在注冊登陸前的匿名ID及對應的行為數據、同一用戶在不同設備上的行為數據等。

其次，為建立統一的用戶ID體系，安利通過諸葛智能運用行業領先的多層用戶ID映射等ID-Mapping方案，將不同渠道來源、業務系統中的身份標識進行串聯，生成安利全渠道統一的用戶ID標識。和其他電商平臺類似，安利用戶來源多種多樣，在安利云購APP、安利皇后廚房APP、安利云購小程序、安利PC官網等渠道會有用不同ID進行登錄的情況，想要進行全域統一，有一定難度。諸葛智能通過唯一用戶主ID（即共用的關聯ID）形式，將手機號、登錄名、設備ID、微信端的Union ID、Open ID等各個用戶終端的輔助ID串聯起來，同時利用匿名ID（如Union ID）記錄用戶登錄/注冊前的行為動態的特征，并與實名后的數據自動打通串聯，幫助安利高效覆蓋了用戶購買前、中、后的行為鏈路，確保用戶數據采集無遺漏，這對用戶量龐大且情況多樣、多產品、多渠道且注重用戶推薦的安利尤為重要。

最后，基于統一ID體系，結合所采集的靜態特征數據、動態全生命周期行為數據，在諸葛智能的協助下，安利建立起動態實時更新的用戶標簽體系，對之前相對單薄的用戶畫像進行了進一步精細化，從而為安利的公域投放、私域運營提供堅實支撐，促進安利各產品線的用戶活躍、留存、復購、湊單與分享。

深度賦能業務場景，打破數據孤島效應

針對數據應用價值不突出且內部使用成本高的問題，安利通過諸葛智能向其他服務商提供高效數據對接，并結合諸葛智能的營銷自動化系統以及向ABO賦能，持續提高用戶的付費與轉化；定制打造多維度可視、多渠道匯總的跨屏分析平臺，安利實現了數據“一鍵點擊 ，一屏全覽”。

首先，考慮到諸葛智能擁有百億級數據對接經驗，安利決定借助諸葛智能大數據處理系統向其他服務商提供毫秒級API接口，以實現用戶及行為數據的實時訂閱，賦能安利多個實時數據利用及整合場景。以安利智能云購的智能推薦功能為例，該模塊主要由達觀智能負責，諸葛智能作為該推薦系統的底層數據提供商，通過大數據處理系統的Kafka組件將用戶行為數據、ID、標簽數據向達觀智能做高效對接，支撐安利云購電商平臺-首頁推薦位（猜你喜歡、熱門推薦、用戶相關推薦）、商品詳情頁推薦位（商品相關推薦）、購物車推薦位（商品相關推薦）等重點板塊，助力安利進行精準用戶偏好識別、用戶購買意愿提升。此外，安利還可利用諸葛智能的大數據處理系統導出不同格式數據，二次利用于自身的電商場景。

其次，為提升用戶在加購行為的付費轉化，安利引入諸葛智能自主研發的營銷自動化（MA）系統。通過結合業務部門的意見與經驗并進行產品輕定制，安利對于用戶加購、湊單提示、訂單支付等場景增加了互動提醒功能，如對于客戶加入購物車超過24小時、48小時而未下單支付的客戶進行公眾號或短信推送提醒、優惠券派發等，以便幫助安利促進付費轉化。

第三，安利瞄準自身商業模式中的關鍵角色ABO，進行店面賦能、跨終端分享分析，進一步激活ABO。數字化轉型后，安利的ABO人人都是店主，用戶通過店主提供的小程序碼產生消費就會給店主相應的傭金。安利的ABO可通過諸葛智能的跨屏分析平臺終端應用獲取更詳盡的到店用戶行為數據，如隨時查看到店用戶畫像、實時瀏覽記錄、加購商品分布、下單商品匯總等數據，以數據幫助ABO優化自身銷售策略、提升銷售業績；同時，通過跨終端分享的精準分析，打破單一微信生態，支持PC、移動、App（卡片消息、URL、二維碼等）等方式的分享追蹤，保證了ABO及分享人員的利益，同時核心ABO通過分享數據分析，還可將分享數據優秀的人員發展為公司的正式ABO，壯大團隊力量，如數據顯示，安利40%的新人來自于第一年安利新人推薦。

最后，為打破數據“孤島”，便于集團統一進行業務和經營決策，在諸葛智能的協助下，安利構建了可定制化的跨屏分析平臺，可聚合不同端的用戶數據，從全局去分析所有應用業務線。安利打破之前各業務線分別接入一個應用（項目）中、數據獨立采集和分析的現狀，構建可定制化的跨屏分析平臺，既有行業常用且標準化的BI分析工具，又可讓安利的業務人員、經營分析人員根據自身需要設計相應的分析功能模塊，實現“一鍵點擊 ，一屏全覽”，極大降低了數據使用成本，也提高了數據使用的效率效果。如安利的市場部門通過分析平臺的效果歸因分析，可清晰了解各渠道廣告投放的觸達和轉化效果，從而優化下一波營銷動作并沉淀新的渠道和人群數據用于效果歸因，形成業務閉環，從而實現以數據驅動活動迭代，即活動前提供數據分析支持，活動中監測活動數據，活動后輸出分析報告。安利各產品線的產品經理也可以拿到詳盡的用戶行為數據，對后續的產品迭代起到關鍵支撐作用。