桑文鋒：1500+ 客戶經驗沉淀，基于數據流的企業運營框架——SDAF

疫情期間，我開始反思數據驅動在不同的客戶場景下的落地問題，到底是什么導致有些客戶的數據驅動玩轉不了？我讓自己忘掉數據本行，去思考認可企業的運作邏輯。

基于數據流的企業運營框架——SDAF

我認為任何一家企業最終都歸為基于數據流的企業運營框架 SDAF ，包含四個環節——感知（Sense）、決策（Decision）、行動（Action）和反饋（Feedback），它們形成一個閉環，而數據可以讓這四個環節具象化，并且量化地銜接到一起。

簡單地說，我們在做任何決策之前，都需要有所依據，這就是建立 Sense 的過程。毛澤東曾說“沒有調查，就沒有發言權”，指的就是需要有 Sense。《孫子兵法》里講“多算勝，少算不勝，而況于無算乎？”指的就是在打仗之前，要花大量的精力去調查和計算分析，如果沒有這個過程，只是頭腦一熱就開打，那失敗可能就在眼前。決策之后是行動，而行動的結果如何，這就需要有反饋。我們平時講的復盤總結，就是在主動獲取反饋并形成新 Sense 的過程。當然，新 Sense 的來源可能還有外部新的 Input。SDAF 框架具有很強的普適性，它可以應用到工作的各個方面。

在傳統的數據流向里，數據驅動往往是從最后的反饋環節，反向驅動整個流程，因為直到最后一步才有數據，該部分的相關人員往往是關注數據的產品經理或者數據分析師，這將引發一個問題——整個數據驅動從尾部到頭部不斷減弱，比如數據團隊提出的一些建議也很難說服產品進行調整。

因此，“光看不做”的數據驅動，沒有任何意義。即便尾部不斷輸出各種數據報告和洞察，但改變不了前面的決策環節，那么將毫無作用。而 SDAF 框架顛覆了傳統模式，從頭流到尾，數據作為中心，從 SDAF 四個環節完成了一個閉環，讓整個公司及業務的所有角色都能夠在閉環中發生作用。

基于此，我們可以更進一步解釋 SDAF 閉環：

• Sense 感知，從抽象的數據中形成對業務和用戶的洞察；

• Decision 決策，感性與理性的平衡，人與機器共同決策；

• Action 行動，基于數據的全方位智能觸達手段；

• Feedback 反饋，實現全端數據全面、實時的反饋。

SDAF 閉環的四環節缺一不可，我們要做的是幫著客戶把整個閉環建立起來。

比如我們的早期客戶如小米、Keep 等，客戶掌握閉環能力，需要的是一個工具，那么我們就提供工具。深入到各行各業后，發現客戶需要的是全套解決方案——業務場景上真正發揮價值的方案。因此我們更改了客戶的合作流程，忽略我們在做的事情，關注客戶的 KPI。

下面通過兩個案例來增強對 SDAF 的認識。

在銀行業數字化運營成為主流的當下，眾多銀行面臨取數周期長、客戶體驗指標難以量化、埋點數據雜亂、業務和技術取數口徑不一致等難題，如何在繁雜的數據中找到對業務增長、客戶體驗提升有價值的指標成為關鍵。

浙商銀行針對不同業務場景（包括登錄、轉賬、理財、外匯等），系統性地梳理客戶體驗流程，通過數據采集、整合、分析，最終搭建了一套完整的指標體系。同時，浙商銀行通過將客戶觸點主觀數據與運營客觀數據相結合，全面構建 SDAF 客戶體驗監測體系，賦能其客戶體驗的數字化管理。

首先，通過多維分析模型，對業務部門全渠道、全角色、全場景的自助式分析；多維下鉆，對客戶需求實時、全面洞察，并根據場景做出專項診斷，改善產品計劃及精細化運營策略。

然后，在功能使用場景中，借助數據分析發現不同交易路徑在成功率、轉化時長之間的差異，并據此進行產品優化升級，進一步提升客戶體驗。

在營銷宣傳場景中，通過實時的流量分析定位客戶感興趣的功能和產品模塊，重點優化流量大、用戶使用頻率高的模塊；對于使用人數較少的功能模塊，調整布局或隱藏菜單。

其次，在精細化運營場景中，清晰勾勒特定群體的行為全貌，定位目標人群，根據客戶特征及行為偏好，實時判斷客戶需求，為客戶提供差異化的產品和服務策略，讓客戶切實享受到“你懂我”的貼心服務。

立足于大數據及用戶行為分析的技術與前沿實踐，結合流利說實際業務場景，我們為其搭建了基于數據流的企業運營框架——SDAF 數字化閉環。

在合作過程中，我們通過漏斗分析、事件分析、留存分析、歸因分析等模型，較好地滿足流利說在不同業務場景中的分析需求。具體如下：

1、深度分析試驗結果，持續迭代資源位投放策略

假設用戶小明，為了提高六級成績在流利說 App 點擊四六級聽力必備句型課程開始學習，基于用戶行為模型，即 User-Event 模型，其在流利說 App 內的用戶行為關鍵路徑如下：

在此過程中，影響小明學習口語課的因素包括資源位、課程信息如名稱、分類、難度等。通常情況下，課程信息不會發生大的變動，也就是說資源位將成為用戶轉化的重要觸點。為了進一步提升 App 內資源位轉化效率，流利說對「發現」頁面資源位進行了 A/B 測試。

在試驗進行一周后，流利說產品人員通過漏斗分析和歸因分析，對試驗結果進行深度分析，再一次驗證了不同資源位與用戶轉化之間的關系。基于對試驗結果的精確感知，流利說不斷迭代 App 內資源位的投放策略，深入洞察用戶使用習慣，驗證產品功能，優化用戶體驗，顯著提升了數據驗證效率。

同時，流利說結合用戶畫像的用戶分群功能，高效匹配用戶特征，優化學習路徑，提升產品與用戶的適配性，增強用戶學習體驗，進一步推動了資源位的整體轉化效率提升。不僅如此，流利說還基于用戶標簽體系在后臺輕松實現精準配置，通過精細化流量分配機制，將更多流量分配給銷售能力更強的團隊，進而實現高效引流。

2、衡量留存指標，優化功能模塊使用與迭代

自成立之初，流利說便明確了“以用戶為中心”“效果為導向”的產品觀，通過對產品不斷打磨、迭代，在產品研發和課程設計方面持續投入，已逐漸發展成為國內成人英語學習路上的優先選擇。如何通過產品與服務提升用戶留存是流利說目前及接下來的重要關注點。

在流利說的產品場景中，產品功能留存率是衡量產品效果好壞的重要指標。通過留存分析，流利說得以快速觀測各功能模塊的用戶使用及留存情況，根據分析結果及時決策并進行產品功能迭代，以提升用戶體驗及留存率。

在服務了 1500+ 企業之后，我認為，未來所有公司都可以稱為互聯網公司，而所有的互聯網公司又都可以稱為數據驅動公司。

專家介紹：