GrowingIO—UEI 模型：万物皆可“事件化”

企业在业务发展的各个阶段都离不开用户增长。业务发展初期,企业会从公域渠道投放广告以获得快速的用户增长。当用户沉淀到私域形成一定规模后,企业开始注重私域流量运营,以促进用户的复购和裂变。

但不管在哪个阶段,企业都需要对从产品中采集下来的用户行为数据进行有效的存储管理,这是进行数据分析和营销运营的前提。

此前,对于用户行为数据的采集、存储和计算,企业一直采用传统的数据仓库的解决方案,会为不同的行为数据创建不同的表进行存储。

这种方式存在诸多弊端,比如在分析应用中构建的每条查询语句都要编写表和表之间的 Join(连接)关系,这会极大增加数开人员的工作量,导致分析效率低下。

在落地实践中,采用传统解决方案的企业长期面临以下痛点:

01IT 能力薄弱,维护成本高

企业的数字化需求非常高频,需要有一支强大的数据团队支撑,但很多传统企业缺乏数据方向的 IT 人员,或者人员的能力较为初级,因此企业不得不在将业务数据抓取或实时采集进入数仓建模的过程中加大投入。

02 传统解决方案效率低、应用不具备普适性

面对上层不同的分析应用,企业要创建不同的中间模型表,且不同表之间复用性差。随着企业数据分析需求增多,模型表也越来越多,维护难度增大,如果缺乏持续的投入,数据仓库极容易变成数据垃圾场。

03 不能满足统一管理、各自统计的需求

集团型企业有多业态多品牌的特点,传统的数仓解决方案不支持集团对不同业态和不同品牌进行数据行列级权限管理,无法让各品牌分别统计隔离数据的分析报表。而且各业态和各品牌的统计逻辑不一而足,无法共享模型表,不利于集团统一管理。

带着多年客户服务经验,为更好管理客户数据,GrowingIO 分析云在数据底座上逐渐构建了由用户(User)、事件(Event)和实体表(Item)三个数据对象构成的 UEI 数据模型。

其中用户指的是用户 ID、性别、年龄等长期属性;事件指的是用户的行为,和用户表相关联,比如浏览商品详情页、提交订单;实体表是用户事件中相关的实体信息,与事件表相关联,比如商品、门店、文章、卡券等。

UEI 模型数据展示示例

客户可以按照不同的分析需求借助 UEI 模型获得不同的数据报告。

比如从上图 UEI 宽视图中我们可以看到:某位 ID 为 user001 的 23 岁男性用户,在某日进入 APP 后,浏览了商品 ID 为 prod001 的详情页,然后提交订单购买了颜色为红色的该商品。

UEI 模型能够将所有的用户行为和商品、门店等不同维度的数据整合在一张表里,以一个事件的不同属性的形式展现到 UEI 宽视图上,即将万物“事件化”,从而对上层应用进行分析支持。

除了能够满足企业在数据集成、分析应用、权限管理等不同团队人员协作使用的需求外,借助 UEI 模型企业还更方便进行安全合规检查。因其强大的数据管理能力,UEI 模型被广泛应用于 GrowingIO 的增长分析(UBA)和客户数据平台(CDP)等产品上。

UEI 模型优势

01 降低维护成本

过去,业务数据源的哪个表、哪个字段抓取后应该进入到哪个对应的表里,占用了数开人员大量精力。借助 UEI 模型,他们不必在这类繁琐工作上消耗过多时间。

所有符合事件模型的用户行为数据都可以写进 UEI 模型的事件表里;用户的多个属性、生产的多个标签、创建的人群包等用户变量,都可以存储到 UEI 模型的用户表里;所有的实体数据,比如商品、门店、文章等都可以放到 UEI 模型的实体表里。

这大大降低了数开人员的维护成本,在 UEI 模型上一次构建可多次使用,有效提升了工作效率。

02 降低操作门槛,提升分析效率

通过 UEI 模型,企业在三张基础数据表(用户表、事件表、实体表)之上,可以动态表达出一张宽视图,该宽视图支持 80%以上的分析模型如事件分析、留存分析、漏斗分析、归因分析等的运行。

数开人员不需要为每个分析工具构建不同的中间模型表,分析师在编写 SQL(Structured Query Language 结构化查询语言,一种特殊的编程语言)时也只需在这一张表上编写即可,不用再去寻找关联的表以及如何关联不同的表,大大降低了编写 SQL 的门槛,提升了分析效率。

比如将该模型应用于 GrowingIO 增长分析(UBA)上,客户在进行 LTV 分析时可基于订单事件,评估特定时期内特定用户群体的生命周期价值;在进行留存分析时,可基于任意事件统计某段时间新用户的次日留存率,来评估拉新效果。

将该模型应用于客户数据平台(CDP)上后,企业可以在界面上进行低代码的标签操作,即将用户行为标签化,比如统计“过去 30 天购买商品颜色为红色的订单量”,从而分析用户对商品的购买偏好;企业还可进行低代码分群操作,即进行人群圈选,比如圈出“购买商品颜色为红色且订单为 3 次以上的用户”的特定人群,从而分析用户对于商品的忠诚度。

03 统一灵活的数据管理权限,便于精细化运营

在 UEI 模型上,集团型企业可以对每个品牌灵活设置权限范围,动态构建数据隔离后的统一视图,各品牌可以基于该视图统计各自的分析报表,有效进行数据管控。同时各品牌间的报表统计逻辑几乎一致,也可进行共享,便于不同品牌之间互相理解,也有利于集团总部对数据进行汇总分析,进行精细化运营。

04 形成统一的数据定义,产品应用普适化

基于宽视图,企业在分析工具、标签生产和人群包的制作上都能将用户在界面的操作快速转化为统一的数据语言,逐渐让产品形成标准结构,从而提高产品的广泛应用能力,更具普适性。

05 数据安全合规检查更高效

由于用户行为数据都在 UEI 宽视图中体现,因此数据合规的检查过程也变得非常容易。比如设置好一条校验手机号的规则,让这条规则在每个字段上运行一遍,即可获得合规报告的执行结果。

UEI 模型如今已成为 GrowingIO 分析云产品不可或缺的支撑部分,符合可靠性、可用性、可服务性的企业级标准。

迈入企业级元年后,GrowingIO 将不断加深 UEI 模型能力,拓宽数据管理维度,更好支持客户多样性的分析需求。