桑文锋：1500+ 客户经验沉淀，基于数据流的企业运营框架——SDAF

疫情期间，我开始反思数据驱动在不同的客户场景下的落地问题，到底是什么导致有些客户的数据驱动玩转不了？我让自己忘掉数据本行，去思考认可企业的运作逻辑。

基于数据流的企业运营框架——SDAF

我认为任何一家企业最终都归为基于数据流的企业运营框架 SDAF ，包含四个环节——感知（Sense）、决策（Decision）、行动（Action）和反馈（Feedback），它们形成一个闭环，而数据可以让这四个环节具象化，并且量化地衔接到一起。

简单地说，我们在做任何决策之前，都需要有所依据，这就是建立 Sense 的过程。毛泽东曾说“没有调查，就没有发言权”，指的就是需要有 Sense。《孙子兵法》里讲“多算胜，少算不胜，而况于无算乎？”指的就是在打仗之前，要花大量的精力去调查和计算分析，如果没有这个过程，只是头脑一热就开打，那失败可能就在眼前。决策之后是行动，而行动的结果如何，这就需要有反馈。我们平时讲的复盘总结，就是在主动获取反馈并形成新 Sense 的过程。当然，新 Sense 的来源可能还有外部新的 Input。SDAF 框架具有很强的普适性，它可以应用到工作的各个方面。

在传统的数据流向里，数据驱动往往是从最后的反馈环节，反向驱动整个流程，因为直到最后一步才有数据，该部分的相关人员往往是关注数据的产品经理或者数据分析师，这将引发一个问题——整个数据驱动从尾部到头部不断减弱，比如数据团队提出的一些建议也很难说服产品进行调整。

因此，“光看不做”的数据驱动，没有任何意义。即便尾部不断输出各种数据报告和洞察，但改变不了前面的决策环节，那么将毫无作用。而 SDAF 框架颠覆了传统模式，从头流到尾，数据作为中心，从 SDAF 四个环节完成了一个闭环，让整个公司及业务的所有角色都能够在闭环中发生作用。

基于此，我们可以更进一步解释 SDAF 闭环：

• Sense 感知，从抽象的数据中形成对业务和用户的洞察；

• Decision 决策，感性与理性的平衡，人与机器共同决策；

• Action 行动，基于数据的全方位智能触达手段；

• Feedback 反馈，实现全端数据全面、实时的反馈。

SDAF 闭环的四环节缺一不可，我们要做的是帮着客户把整个闭环建立起来。

比如我们的早期客户如小米、Keep 等，客户掌握闭环能力，需要的是一个工具，那么我们就提供工具。深入到各行各业后，发现客户需要的是全套解决方案——业务场景上真正发挥价值的方案。因此我们更改了客户的合作流程，忽略我们在做的事情，关注客户的 KPI。

下面通过两个案例来增强对 SDAF 的认识。

在银行业数字化运营成为主流的当下，众多银行面临取数周期长、客户体验指标难以量化、埋点数据杂乱、业务和技术取数口径不一致等难题，如何在繁杂的数据中找到对业务增长、客户体验提升有价值的指标成为关键。

浙商银行针对不同业务场景（包括登录、转账、理财、外汇等），系统性地梳理客户体验流程，通过数据采集、整合、分析，最终搭建了一套完整的指标体系。同时，浙商银行通过将客户触点主观数据与运营客观数据相结合，全面构建 SDAF 客户体验监测体系，赋能其客户体验的数字化管理。

首先，通过多维分析模型，对业务部门全渠道、全角色、全场景的自助式分析；多维下钻，对客户需求实时、全面洞察，并根据场景做出专项诊断，改善产品计划及精细化运营策略。

然后，在功能使用场景中，借助数据分析发现不同交易路径在成功率、转化时长之间的差异，并据此进行产品优化升级，进一步提升客户体验。

在营销宣传场景中，通过实时的流量分析定位客户感兴趣的功能和产品模块，重点优化流量大、用户使用频率高的模块；对于使用人数较少的功能模块，调整布局或隐藏菜单。

其次，在精细化运营场景中，清晰勾勒特定群体的行为全貌，定位目标人群，根据客户特征及行为偏好，实时判断客户需求，为客户提供差异化的产品和服务策略，让客户切实享受到“你懂我”的贴心服务。

立足于大数据及用户行为分析的技术与前沿实践，结合流利说实际业务场景，我们为其搭建了基于数据流的企业运营框架——SDAF 数字化闭环。

在合作过程中，我们通过漏斗分析、事件分析、留存分析、归因分析等模型，较好地满足流利说在不同业务场景中的分析需求。具体如下：

1、深度分析试验结果，持续迭代资源位投放策略

假设用户小明，为了提高六级成绩在流利说 App 点击四六级听力必备句型课程开始学习，基于用户行为模型，即 User-Event 模型，其在流利说 App 内的用户行为关键路径如下：

在此过程中，影响小明学习口语课的因素包括资源位、课程信息如名称、分类、难度等。通常情况下，课程信息不会发生大的变动，也就是说资源位将成为用户转化的重要触点。为了进一步提升 App 内资源位转化效率，流利说对「发现」页面资源位进行了 A/B 测试。

在试验进行一周后，流利说产品人员通过漏斗分析和归因分析，对试验结果进行深度分析，再一次验证了不同资源位与用户转化之间的关系。基于对试验结果的精确感知，流利说不断迭代 App 内资源位的投放策略，深入洞察用户使用习惯，验证产品功能，优化用户体验，显著提升了数据验证效率。

同时，流利说结合用户画像的用户分群功能，高效匹配用户特征，优化学习路径，提升产品与用户的适配性，增强用户学习体验，进一步推动了资源位的整体转化效率提升。不仅如此，流利说还基于用户标签体系在后台轻松实现精准配置，通过精细化流量分配机制，将更多流量分配给销售能力更强的团队，进而实现高效引流。

2、衡量留存指标，优化功能模块使用与迭代

自成立之初，流利说便明确了“以用户为中心”“效果为导向”的产品观，通过对产品不断打磨、迭代，在产品研发和课程设计方面持续投入，已逐渐发展成为国内成人英语学习路上的优先选择。如何通过产品与服务提升用户留存是流利说目前及接下来的重要关注点。

在流利说的产品场景中，产品功能留存率是衡量产品效果好坏的重要指标。通过留存分析，流利说得以快速观测各功能模块的用户使用及留存情况，根据分析结果及时决策并进行产品功能迭代，以提升用户体验及留存率。

在服务了 1500+ 企业之后，我认为，未来所有公司都可以称为互联网公司，而所有的互联网公司又都可以称为数据驱动公司。

专家介绍：