字节跳动罗旋：用数据驱动科学决策

第五期
工作决策如何科学化?
字节跳动内部如何使用数据？怎样理解人人都能数据消费？数据飞轮在不同行业怎么落地？AI+数据飞轮，在未来能创造什么价值？
《人均老师·云上增长季》第5期，字节跳动数据平台负责人罗旋，为大家分享字节跳动是如何“数据驱动”的。

字节跳动如何挖掘用户真实需求？
给大家举一些新业务的例子：
轻颜相机：它是一款有美颜功能的拍照APP，曾经在2022年左右的时候，针对头部用户做过一轮调研，发现用户有一个痛点的问题，就是在拍照的时候，不知道怎样去摆pose。
基于这个调研，轻颜相机的团队上线了「灵感」这个功能，它可以给用户提供关于不同场景的拍照姿势的指导，比如：你在旅行中可以怎么自拍？美食又该怎么拍？但是上线之后，「灵感」的使用率其实是不尽如人意的，比其他功能要差了一大截。
这个时候团队并没有拍脑袋去决策，而是做了一些归因的分析，来挖掘用户为什么不喜欢使用这个功能。

后来他们有了一些发现。一是用户并不了解这个功能的价值，二是功能入口非常深，在UI设计上有遮挡，影响了这个功能的使用。
发现这两个原因后，他们就能够制定对应的解决方案，再用A/B测试去验证这个想法是否正确。
改版之后，这个功能的数据得到了非常大的提升，更多的用户也从这个功能上学到了一些拍照的姿势，获取了更多拍照灵感。

懂车帝：它是一款垂类的、汽车领域的资讯APP，在早期，它的登录率比较低，而登录率又是一个比较重要的指标，我们希望在不降低用户体验的基础上，能够提升登录率。
所以我们进行了多组A/B实验，制定了用户圈选的规则和频控的设置，来最大程度地去平衡用户体验和登录率的提升。
比如我们会给出不同频次的提示框来提示用户登录，同时我们会尝试不同页面的UI设计方案，这样就可以找到哪种频次是用户比较能接受的，哪种UI方案是用户比较喜欢的，最后选出一套最优的。
最终懂车帝的登录率已经追平了字节跳动里比较成熟的资讯APP，同时它的互动率和人均活跃天数的数据也有所上涨。
字节跳动有很强的数据驱动的文化基因，这是大家比较认可的一个理念。
在工具的层面，我们会提供很多的数据产品，这些数据产品能够帮助大家降低数据的使用门槛，让数据使用效率变高，然后做到敏捷易用。
组织层面，我们会提供一些通用的中台支持，也就说一套工具可以支持多个不同的业务线。另一部分是偏BP的模式，有专门的团队、专门的定制化工具或者业务的数仓来支持到重要的业务。

如何理解并实现人人都能数据消费？
人人都是数据消费者，其实指的是大家都有能力来使用这个数据。要实现这个目标，其实需要满足几个前置条件：

首先是需要数据流和业务流充分的融合，因为只有数据流融入到了业务流的各个环节，处于业务流各个环节的不同角色，才能够有机会去使用到数据。
另一个是需要产品的普惠，早期数据使用的门槛其实是比较高的，如果大家都能够用起来，其实需要数据产品做得足够简单易用，需要尽量少的专业知识，让这个门槛大大的降低，才能够做到每个人都使用。
同时我们也需要做一些资产运营的工作，也就是说我们已经创建出的这些数据能否被很好地管理起来，做到比较高的质量、比较低的成本、比较容易地被检索等等。

大家经常说的数据飞轮是什么？
数据飞轮是字节跳动十余年数据驱动实践经验的提炼，它是一个企业数字化升级的新的范式。核心的切入点是我们要先把数据消费做好。
消费繁荣可以促进数据资产的建设，消费繁荣能促进业务的发展。这样企业的数据流就逐渐地跟业务能够进一步的融合，数据资产、业务应用就相当于形成了双飞轮的效应。

一个实际的例子，在618的时候，运营发现一个头部主播的直播间流量出现了断崖式的下跌，经过分析我们会发现进入直播间的人数并没有减少，问题出在离开的人越来越多。
通过数据的采集反馈和诊断，实时诊断能力迅速定位到了问题所在：前期引入的大量用户与当时直播间正在播的那批商品定位不匹配（正在播的是奢侈品牌，而吸引的人更关注性价比）。
发现问题之后，团队赶紧调整策略，让这批用户更感兴趣的高性价比化妆品提前上架，短短几分钟的调整，迅速就帮直播间撑住了人气和购买量。
而在这个case中，数据产品提供了整个活动所需的各项数据服务，帮助运营实时预警、实时洞察和智能诊断，帮助各方做好实时决策，甚至还打通了投放系统，如果是流量不够的话，还能快速做一些投放引流动作。

不同行业如何落地数据飞轮？
不同的企业业务的侧重点不一样，比如有一个3C行业的客户，最开始先用A/B测试，因为他核心的诉求是做文案优化，当做出比较显著的提升之后，又结合行为分析的数据产品来做小程序的页面优化，让整个点击率有百分之几十的提升，进而再结合人群特征去做潜在用户的圈选和推送，最终购买转化率得到大幅提升。
还有一个汽车行业的客户，一开始只用了我们的BI工具，让他们从之前只有十几个人用数据，到2500多人每天使用，并且还用出各种花样来。到后面数据消费繁荣之后，他们会发现下面的数据资产层也需要更好的建设，之后他就又买了我们的 DataLeap 之类的产品，去帮助他们做数据资产的建设和治理。

数据飞轮还将创造哪些价值？
有两个方面，一个方面是需要不断地去深入业务，探索更多业务场景，创造价值。
另一方面需要更低门槛、更普惠的数据产品，这样才能够释放出大家的创造力。我们现在也在探索大模型AI和数据飞轮的结合，刚刚发布了一些AI助手，也算是我们初步的探索成果。

比如：
找数助手，它可以用自然语言问答的方式来检索多种数据源，比如说像数据集、数据指标维度、业务知识库等等，它可以做出拟人化的总结响应。
在这种交互过程中，大语言模型其实可以更好地理解用户的真实意图，也提供了非常接近于人工响应的体验，这就让“找数”本身的成本变得非常的低，整个过程更有可能自助化完成。
开发助手，帮助我们降低编程语言带来的障碍和门槛，数据开发的难度其实就降低了。
一方面不精通SQL语法的人也可以做一些简单的数据开发的工作。
另一个方面，特别专业的数据研发人员，可以从大量繁杂而又基础的需求中解放出来，更聚焦在复杂场景的需求中，来提高研发生产的效率。
分析助手，在这个助手的帮助下，用户只需要输入自然语言，就可以完成SQL查询、可视化查询与分析、仪表盘绘制等等的操作。
同时我们还会连通飞书等办公协同的系统，用户就可以通过IM消息订阅和自然语言对话结合的方式做更多的延展分析。通过这些方式我们就可以让数据分析变得更加灵活，更随时随地的发生。